WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 | 2 || 4 | 5 |

«1 САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ЭКОНОМИКИ И ФИНАНСОВ На правах рукописи Недосекин Алексей Олегович МЕТОДОЛОГИЧЕСКИЕ ОСНОВЫ МОДЕЛИРОВАНИЯ ФИНАНСОВОЙ ДЕЯТЕЛЬНОСТИ С ИСПОЛЬЗОВАНИЕМ ...»

-- [ Страница 3 ] --

X11 - Денежные доходы населения в расчете на одного жителя. Денежные доходы населения косвенно определяют уровень поступлений налога на доходы физических лиц, которые занимают значительную долю в доходах бюджета. В среднем эта величина составляет около 14% доходов региональных бюджетов. Снижение денежных доходов ведет к уменьшению поступления соответствующего налога, что, в конечном итоге, увеличивает кредитный риск региона.

· · · 3.2.3. Результаты рейтинга по AK&M Первое место в рейтинге AK&M занимают Москва и Санкт-Петербург, которые по формальным показателям среди других проанализированных субъектов федерации имеют наиболее высокую способность расплачиваться по своим обязательствам. В основе этого лежат как благоприятные макропредпосылки, обусловленные прочной экономической базой городов, так и сбалансированность бюджетных показателей, что во многом связано с успешной финансовой политикой властей. Среди успехов, которых достигла Москва в 2001 году, стоит выделить отказ от практики привлечения краткосрочных, до года, банковских кредитов, замещение их в структуре госдолга более управляемыми и дешевыми облигационными займами, погашение еврооблигационных займов. Поэтому не удивительно, что Москва в 2001 году стала первой, кому удалось выйти на зарубежный финансовый рынок и привлечь там два кредита, профинансированных выпуском сертификатов участия в кредите. Развитие Санкт-Петербурга в 2001 году можно было охарактеризовать тремя словами - динамичность, стабильность и перспективность. Город по-прежнему отличается хорошей управляемостью госдолга, развитым финансовым рынком и высокой инвестиционной привлекательностью. C некоторым отрывом по итоговому рейтинговому баллу за Санкт-Петербургом следует Тюменская область, которая даже опережает Санкт-Петербург по макропоказателям, характеризующим уровень экономического развития, уступая по показателям исполнения бюджета. Высокие позиции Тюменской области во многом связаны с тем, что в 2001 году администрации области удалось уладить экономические разногласия со сложно подчиненными субъектами - Ханты-Мансийским АО и ЯмалоНенецким АО - и вовлечь их огромный потенциал в развитие региона. Это практически сразу сказалось на экономических показателях Тюменской области. Четвертую позицию в рейтинге занимает Татарстан, который имеет сравнительно невысокий объем государственного долга по отношению к доходам и отличается самым высоким значением профицита бюджета среди проанализированных регионов (5.86% к объему доходов). При этом объем погашения долговых обязательств республики в 2001 году превышал объем заимствований, что свидетельствует о положительной тенденции в области исполнения правительством республики требований кредиторов. Замыкает первую пятерку лидеров рейтинга Ханты-Мансийский автономный округ, который по экономическим показателям, рассмотренным в рейтинге, опережает Татарстан, но отстает по финансовым параметрам, характеризующим исполнение бюджета в 2001 году. Относительно высокая оценка кредитоспособности округа обусловлена низким объемом государственного долга, слабой зависимостью от федерального бюджета (уровень собственных доходов в общем объеме доходов среди всех рассмотренных в рейтинге субъектов РФ - самый высокий). По итогам исполнения бюджета в 2001 году сформировался относительно большой дефицит бюджета (5.44% к объему доходов) однако по заявлению властей округа дефицит обусловлен бюджетом развития и не связан с недостатком средств на текущие социальные платежи.

116 Шестое место в рейтинге Липецкой области определяется ее довольно позитивными финансовыми показателями. Доля государственного долга в доходах бюджета по итогам 2001 года составила 5.92%, причем по сравнению с 2000 годом, благодаря целенаправленной политике Администрации области по обслуживанию своих долговых обязательств, эта величина существенно сократилась. При этом регион не изменил своей практике не осуществлять крупномасштабных заимствований. Отношение объема заемных средств к доходам бюджета имеет отрицательную величину, что свидетельствует о превышении выплат по долгам над объемом привлеченных средств. С очень небольшим отставанием по рейтинговому баллу за Липецкой областью следует Ямало-Ненецкий автономный округ, занимающий третье место среди рейтингуемых регионов по доле собственных доходов. Бюджет по итогам 2001 года исполнен с профицитом, а объем государственного долга относительно невысок. На восьмом месте - Свердловская область. В течение 2001 года область погашала свои обязательства в большем объеме, чем занимала вновь. Об этом свидетельствует отрицательное значение отношения заемных средств к доходам бюджета. Кроме того, обращает на себя внимание большой профицит бюджета (4.4% к объему доходов). Устойчивое финансовой положение Свердловской области объясняется успешной деятельностью крупнейших металлургических предприятий. При этом следует отметить, что макропоказатели области могли бы быть лучшими, однако ухудшение мировой конъюнктуры рынка металлов несколько снизило финансовые возможности региона (на относительно высоком уровне находится задолженность по налогам предприятий). Стоит отметить осторожное отношение области к привлечению кредитных ресурсов, хотя ранее активность региона на фондовом рынке была высокой. Сегодня в области проводится консервативная заемная политика. На девятом месте в рейтинге находится Пермская область, которая лишь незначительно по интегрированному рейтинговому баллу уступает Свердловской области. Место в первой десятке региона обусловлено невысоким уровнем долговой нагрузки (объем государственного долга к доходам бюджета составляет 2.88%), значительным объемом собственных средств в доходах и профицитностью исполнения бюджета. Замыкает первую десятку Удмуртская республика, кредитный потенциал которой во многом определяется относительно низким объемом государственного долга, профицитом бюджета и хорошей налоговой дисциплиной предприятий (в рейтинге субъектов РФ по отношению задолженности по налогам к общему объему налоговых платежей Удмуртская республика занимает 6 место). Интегрированный рейтинг относительной кредитоспособности субъектов РФ приведен в таблице П2.1 приложения 2 к диссертационной работе.

3.2.4. Метод рейтинга обязательств субъектов РФ с использованием нечетких описаний Метод рейтинга долговых обязательств, предлагаемый в настоящей диссертационной работе, основан на нечеткой модели финансового состояния региона, которая строится аналогично предложенной в разделе 2.1 модели финансового состояния предприятия, с отличием в наборе показателей, используемых в ходе оценки. Этапы метода следующие:

Этап 1. Выделим 11 факторов для анализа кредитоспособности региона, пометив их с Х1 по Х11 (разделы 1 и 2 настоящей работы). Этап 2. Воспроизведем значения факторов по состоянию на 01 января 2002 года (табл. П2.2 приложения 2). Этап 3. Проанализируем гистограммы выбранных факторов (рис. 3.1-3.2) и установим пять кластеров: · · · · · Высокое значение фактора (обозначение в);

Промежуточное средне-высокое значение фактора (обозначение св);

Среднее значение фактора (обозначение с);

Промежуточное средне-низкое значение фактора (обозначение сн);

Низкое значение фактора (обозначение н).

Интервальные границы кластеров на соответствующих областях определения факторов (носителей) Х1 - Х11 представлены таблицей П2.3 приложения 2. Степень принадлежности носителя тому или иному кластеру (нечеткому подмножеству) есть трапециевидное нечеткое число. Верхнее основание трапеции – это уровень безусловной принадлежности значений носителя кластеру (функция принадлежности равна единице). Нижнее основание трапеции – все подмножество значений фактора, признанное допустимым и относимым к данному кластеру.

Этап 4. Присваиваем каждому фактору точечный вес в системе оценки интегрального показателя кредитоспособности. За основу берем систему весов, принятую в [162], т.к. она является непротиворечивой и согласуется с формальной системой предпочтений, по которой на основе критерия Фишберна можно выстроить точечные оценки весов. Отметим, что в [162] система предпочтений двухуровневая: сначала устанавливаются предпочтения двух факторных групп, а затем строятся две цепи предпочтений следующего вида:

Рис. 3.1. Гистограммы показателей Х1 – Х Рис. 3.2. Гистограммы показателей Х7 – Х Х1 » Х2 » Х3 Х4 Х5 » Х6 Х7, Х8 Х9 » Х10 Х11.

(3.1) (3.2) Однако скорректируем соотношение предпочтений групп факторов от 2:1 к 1:1. Эта корректировка вызвана учетом печального опыта Ульяновской области. Анализ показывает, что параметры экономического развития региона играют несколько большую роль в риске кредитоспособности, чем это учитывается в методике AK&M. Такая 120 переоценка, в свою очередь, повышает веса показателей экономического развития. В Ульяновской обл. уровень этих показателей в 2001 г. сплошь и рядом низкий. Значения весов сведены в таблицу П2.4 приложения 2.

Этап 5. Распознаем текущие уровни факторов по табл. П2.1 приложения 2. Результат распознавания сведен в таблицу П2.5 приложения 2. Этап 6. Обработаем данные табл. П2.5 для получения рейтингов на основе следующего алгоритма. Сопоставим результатам распознавания из таблицы П2.5 следующий набор узловых точек, принадлежащий классификатору на 01-носителе:

«в» = 0.9, «св» = 0.7, «с» = 0.5, «сн» = 0.3, «н» = 0.1.

(3.3) Тогда сводный рейтинг по факторам 1 – 7 (финансовый рейтинг региона) оценивается по формуле:

1- 7 = p i =1 i i, (3.4) i = pi где pi – веса, оцененные по таблице П2.4, li – значения, полученные по (3.3) с учетом таблицы П2.5 приложения 2. А сводный рейтинг по факторам 8 – 11 (экономический рейтинг региона) оценивается по формуле:

8 -1 1 = p i i =8 i i = pi.

(3.5) Результирующий же интегральный рейтинг кредитоспособности имеет вид:

= p i i = i.

(3.6) 121 Все полученные рейтинги сведены в таблицу П2.6. Туда же, для сравнения, помещено место региона по таблице П2.1, в соответствии с рейтингом AK&M. Цветом отмечены наиболее сильные расхождения в результатах двух подходов. Объясняются они разными весами, используемыми в методиках, и различным отношением к одним и тем же данным (механическое агрегирование уровней факторов в методике AK&M и дифференцированное распознавание в настоящей методике).

Этап 7. Оценим гистограммы распределения факторов для выработки торговых рекомендаций (рис. 3.3). Из гистограмм видно, что можно выделить три устойчивые группы регионов: лидеры (все рейтинги высокие), перспективные регионы (все рейтинги средние) и аутсайдеры (хотя бы один рейтинг является низким).

Рис. 3.3. Гистограммы распределения финансового, экономического и итогового рейтингов регионов На основании полученных количественных оценок рейтингов и гистограмм рис. П2.3 приложения 2 сформулируем решающие правила для установления торговых рекомендаций по обязательствам региона:

· Определенно Покупать – когда значение финансового и экономического рейтингов больше или равно 0.6 в нашей оценке. Это бумаги 12 эмитентов-лидеров (первые 12 позиций по табл. П2.6);

Покупать Под Вопросом – когда значение финансового и экономического рейтингов колеблется в диапазоне [0.4, 0.6). В этом перечне присутствует 21 перспективный эмитент (с номерами 13-27, 30-32, 37, 39, 40 по таблице П2.6).

· 122 Все прочие регионы (аутсайдеры) не имеют сейчас достаточных оснований для того, чтобы осуществлять займы, в силу низкой надежности этих займов. Отдельный вопрос с Республикой Карелия, которую была переоценена с 18-го на 29-е место (в силу низкого уровня жизни населения и недостаточной прибыльности предприятий этого региона). Таким образом, на привлечение инвестиций может в сегодняшних рыночных реалиях рассчитывать порядка половины всех регионов России. Это – очень низкий уровень кредитоспособности страны в целом. Ясно, что небольшое количество регионовдоноров не может без конца заниматься поддержкой регионов-аутсайдеров, через консолидированный правительственный бюджет. И это же показывает, что помогать надо сильным, поддерживая их кредитными инвестициями. Это заставит отстающие регионы пересмотреть свою бюджетную политику.

Этап 8. Оценим количество средств, подлежащее распределению по региональным займам. Если сумма к размещению по данному модельному активу составляет CMuni, а защищенная доля эмитентов-лидеров в модельном портфеле составляет a, то доля эмитента-лидера в модельном портфеле составляет x i = C Muni i, i (3.7) iLieder где Lieder – множество эмитентов-лидеров, а Li определяется по (3.6). Тогда доля перспективного эмитента в модельном портфеле составляет x j = (1 - )C Muni j jLieder.

j (3.8) Здесь реализовано мягкое правило Фишберна, где доля инвестиций в портфеле пропорциональна инвестиционному рейтингу.

3.3.

Скоринг российских акций на основе нечетких моделей Под скорингом здесь и далее понимается комплексная оценка инвестиционного качества акций. Год-два отделяют нас от того момента, когда пенсионная реформа в России выйдет на новый виток, и на российский фондовый рынок придут накопительные инвестиции Пенсионного фонда России (ПФР), собранные на трудовых сбережениях граждан. Первоначально это будет сравнительно небольшая сумма (порядка 1 млрд долларов), но затем, по мере обогащения населения, роста реальной заработной платы и соответственных отчислений, сумма накопительных инвестиций будет расти. Примерные 123 темпы роста могут быть оценены по аналогии с США: за 70 лет существования государственного пенсионного обеспечения в этой стране активы государственного пенсионного счета возросли на три порядка: с миллиарда до триллиона долларов. Таким образом в структуре инвестиций в российскую экономику появляется достаточно мощный, перспективный и – главное – внутренний, независимый от внешнерыночной конъюнктуры источник финансовых вливаний. И, в зависимости от того, как будут инвестированы эти средства, мы будем наблюдать тот или иной макроэкономический и социальный эффект. Если деньги будут инвестированы с умом, по правилу «семь раз отмерь – один раз отрежь», тогда в лице этих инвестиций мы получаем мощный генератор нового экономического роста, катализатор развития российской экономики. Итак, следует всерьез приступать к системным исследованиям российского фондового рынка. Без преувеличения скажем, что российская наука в этом направлении делает только первые шаги. Объяснить это можно молодостью российского фондового рынка, а также и тем, что сразу после кризиса 1998 года казалось, что на рынке акций в России можно поставить крест. Однако сейчас, в связи с изложенным и с тем, что российская экономика делает уверенные успехи и возвращает к себе внимание инвесторов всего мира, необходимо предварить масштабные инвестиции на российском фондовом рынке фундаментальным анализом этого рынка. Сделаем несколько качественных замечаний о природе российского рынка акций.

3.3.1. Качественное описание рынка акций Низкая капитализация. Суммарная капитализация акционерных обществ, чьи акции обращаются на столичных биржах, не превышает 75 млрд долларов. Для сравнения: в США существует свыше 40 компаний, чья капитализация превышает указанную сумму. Капитализация компании Dell Computer Corp. сопоставима с этой цифрой, а капитализация Microsoft в пять раз превыышает ее. Не более десятка российских компаний обладают капитализацией, которая по меркам американского рынка может быть расценена как высокая или средняя. Большинство компаний у нас с этой точки зрения – small cap, маленькие. Диспропорция капитала. На фондовый рынок в России вышло порядка 300 компаний (чьи акции хоть однажды торговались на московских фондовых биржах). При этом всего 7 компаний (без учета «Норильского никеля» и Сбербанка) обладают капитализацией, которая в сумме своей составляет свыше 90% капитализации всего российсого рынка ценных бумаг. Отраслевая диспропорция. В подавляющем большинстве акции, торгуемые на биржах России – это акции энергетики и связи. Практически не представлены все остальные отрасли: торговля, машиностроение, химия, металургия итд. Такое положение понятно: энергетика и связь монополизированы, нефтегазовый комплекс – 124 экспортоориентирован. Отсюда возможность зарабатывать хорошие прибыли, контролировать ценообразование - и таким образом обеспечивать курсовой рост своих акций.

Техническая слабость. Российский рынок существует с оглядкой на фондовый рынок США, и это ни для кого не секрет. Индексы RTSI и S&P500 в рублевой котировке коррелированы на уровне 0.45 – 0.5. Прилив капитала венчурных американских взаимных фондов на российский фондовый рынок вызывает бурный рост котировок, уход капитала с рынка, в связи с кризисами – столь же бурный отток. Потому что в России отсутствуют высококапитализированные инвестиционные институты, способные занимать противоположные позиции и поддерживать котировки. Отсюда – колоссальная волатильность акций и фактически непрогнозируемая их доходность.

3.3.2. Фундаментальный подход к оценке рынка акций Отмеченные особенности российского рынка акций не позволяют проводить его оценку и прогнозирование традиционными методами технического и корреляционного анализа, в силу непредсказуемости рынка каждой отдельной акции. Поэтому за основу при анализе принята методология скоринга акций, которая подробно изложена в [93-95], с поправкой на российскую специфику. Суть скоринга в данной разработке – в том, чтобы анализировать фундаментальные характеристики эмитента акций, с одной стороны, и соотношение цены акций и показателей эффективности корпорации – с другой стороны. При этом все отдельные частные показатели скоринга – ранги – сворачиваются в единую оценку инвестиционного качества ценной бумаги, при этом весами в свертке служат параметры, которые подлежат оценке на основе дополнительных соображений.

3.3.3. Модельные предпосылки для построения метода скоринга Как и в [93-95], необходимо предварить описание метода скоринга качественной экспертной моделью российского рынка, на основании которой будет совершаться выбор показателей для оценки и их ранжирование. В первую очередь надо отметить, что, как и в случае американского рынка акций, ключевым фундаментальным индикатором оцененности акции выступает отношение цены акции к доходам по ней в годовом выражении (P/E), в долях. При этом, для повышения надежности оценки, здесь и далее используются интегральные средневзвешенные оценки факторов (ТТМ). Во вторую очередь следует рассматривать факторы, свидетельствующие о риске дефолта эмитента. Мы для оценки выбираем два фактора: капитализацию эмитента (Cap) в миллионах долларах США и обеспеченность оборотных активов собственными средствами предприятия (Liquidity), в долях. Мы не оцениваем надежность эмитентов по факторам финансовой автономии, т.к. считаем эту оценку малоинформативной, в силу особенностей учета внеоборотных активов на балансе предприятия и существующих 125 методов их переоценки. Именно чистый оборотный капитал (ЧОК), участвующий в расчетах коэффициента обеспеченности, представляется нам наиболее представительным фактором для анализа. Отрицательное значение ЧОК свидетельствует о повышенном риске эмитента не справиться со своими текушими финансовыми обязательствами, что чревато невыплатой дивидендов, потерей управляемости, и, наконец, повышает риск банкротства. В третью очередь берутся в рассмотрение факторы, соотносящие цену акций и продажи, а также собственный капитал, в расчете на одну акцию (факторы P/S и P/B соответственно, в долях). Эти факторы, хорошо известные в мировой практике финансового анализа, оценивают, насколько эффективно работает предприятие, с одной стороны, и насколько «раздут» его капитал по отношению к стоимости собственных средств предприятия, с другой стороны. На этом же шаге анализа мы рассматриваем факторы рентабельности предприятия – рентабельность активов, собственного капитала и инвестированного капиталов (факторы ROA, ROE и ROIC соответственно, в процентах годовых). Далее выстраивается система предпочтения одних факторов другим, исходя из нашего опыта скоринга акций. Представляется, что шкала предпочтений факторов должна иметь следующий вид:

Ожидаемая доходность вложений в акции Надежность эмитента Текущая эффективность работы эмитента. (3.9) В такой системе предпочтений учтено то, что вложения в российские акции с мировой точки зрения – это заведомо рискованные вложения, и риск дефолта (фактор надежности) большей частью учтен инвесторами уже на страновом уровне (на шаге выбора страны для инвестиций) и волнует инвесторов во вторую очередь. Прежде всего инвестор рассчитывает на спекулятивный рост курсовой цены акций, на их перманентную недооцененность. И с этой точки зрения фактор P/E является главным в анализе. Тем не менее, фактор надежности не сбрасывается со счетов вовсе. Переходя от странового риска к частному риску дефолта эмитента, инвестор предпочтет иметь дело с компаниями, которые находятся на подъеме и занимают ощутимую долю на рынке. Отсюда роль капитализации и ликвидности в оценке. Инвестор также понимает, что в долгосрочной перспективе курсовой рост может быть обеспечен только успешной устойчивой работой предприятия. И с этой точки зрения факторы эффективности занимают в анализе третье место. С точки зрения факторов оценки система предпочтений (3.9) приобретает вид:

P/E Cap » Liquidity P/S » P/B » ROA » ROE » ROIC.

(3.10) 126 Информации, заключенной в (3.9), достаточно для того, чтобы перейти непосредственно к скорингу акций.

3.3.4. Исходные данные для скоринга В таблицу П3.1 приложения 3 к настоящей диссертационной работе сведены значения анализируемых факторов по состоянию на 11 февраля 2002 года.

3.3.5. Методика скоринга 3.3.5.1. Построение гистограмм распределений факторов Построенные на основании данных таблицы П3.1 гистограммы распределения факторов скоринга представлены на рис. 3.4. Построенные гистограммы не отображают статистику факторов, в силу существенной неоднороднорсти их случайных значений, а могут быть интерпретированы как квазистатистика. То есть мы не настаиваем на однородности собранных данных, но указываем на то, что в первом приближении, на уровне страны, эти данные могут рассматриваться и анализироваться совместно, безотносительно отраслевой классификации эмитентов.

3.3.5.2. Нечеткий классификатор уровня факторов По аналогии с тем, как это сделано в разделе 2.1 настоящей диссертационной работы, проведем нечеткую классификацию параметров. Для этого введем лингвистическую переменную «Уровень фактора Х» с терм-множеством значений «Высокий уровень фактора», «Средний уровень фактора», «Низкий уровень фактора». Предполагается, что определения «низкий, средний, высокий» относятся к уровню инвестиционной привлекательности акции применительно к выбранному фактору. Тогда простой анализ гистограмм приводит к результатам, которые сведены в таблицу П3.2. Применительно к нечеткой классификации данные, пречисленные в таблице П3.2, соответствуют абсциссам трапециевидных функций принадлежности нечетких подмножеств лингвистической переменной «Уровень фактора». Промежуточные значения «низкий-средний» и «средний-высокий» формируют зону неуверенности эксперта в принятой классификации, что характеризуется линейным изменением значения функции правдоподобия при переходе из класса в класс.

Рис. 3.4. Гистограмма факторов для скоринга акций 3.3.5.3.

Классификация факторов с оценкой рангов Проведем классификацию полученных значений факторов, т.е. сверим таблицы П3.1 и П3.2. При этом ранг показателя вычисляется следующим образом: · если значения фактора точно попадают в выбранный интервал, то ранг равен единице для данного уровня показателя и нулю для всех остальных уровней;

· если значение фактора лежит в зоне неуверенности, то для двух смежных классов формируются ранги, сумма которых равна единицы;

вычисление же рангов идет по правилу вычисления ординаты наклонного ребра трапециевидной функции принадлежности по заданной абсциссе точки на нижнем основании трапеции. Например, для тикера ELRO капитализация составляет 55.8 млн долл. По данным таблицы П3.2 это значение характеризуется как пограничное между низким и средним. Чтобы посчитать ранги, нужно провести вычисления по формуле:

1 = 55.8 - 50 = 0.884, 2 = 1 - 1 = 0.116, 100 - (3.11) то есть значение фактора признается скорее низким, чем средним. Оценка рангов для факторов Cap, P/S, P/E приведена в таблице П3.3. Ранжирование для факторов P/B, ROA, ROE проведено в таблице П3.4. А ранжирование для факторов ROIC и Liquidity проведено в таблице П3.5.

3.3.5.4. Комплексная оценка инвестиционного качества ценной бумаги · · · В полном соответствии с тем, как это сделано в [91-93], определим лингвистическую переменную «Оценка бумаги» с терм-множеством значений «Очень низкая (О), Низкая (Н), Средняя (Ср), Высокая (В), Очень высокая (ОВ)». Чтобы конструктивно описать введенную лингвистическую переменную «Оценка бумаги», определим носитель ее терм-множества – действительную переменную A_N на интервале от нуля до единицы. Тогда функции принадлежности соответствующих нечетких подмножеств могут быть заданы таблично (таблица П3.6);

Определим лингвистическую переменную «Торговая рекомендация для бумаги» с терм-множеством значений «Strong Buy (SB – Определенно Покупать), Moderate Buy (MB – Покупать под вопросом), Hold (H – Держать), Moderate Sell (MS – Продавать под вопросом), Strong Sell (SS – Определенно продавать)». Установим взаимно однозначное соответствие введенных нами лингвистических переменных на уровне подмножеств: ОН – SS, Н – MS, Ср – H, В – MB, ОВ – SB. Так мы связали качество ценной бумаги с ее инвестиционной привлекательностью. Тогда переменная A_N является носителем и для терм-множества лингвистической переменной «Торговая рекомендация», с теми же функциями принадлежности носителя подмножествам значений.

· Оценим веса отдельных факторов для комплесксной оценки бумаги, в соответствии с тем, как это записано в (3.10). Согласно правилу точечных оценок Фишберна, критерию максимума неопределенности в части наличной информационной ситуации (по аналогии с тем, как это оценивается в [179]) можно сопоставить следующую систему весов: p1 = 0.3, p2 = p3 = 0.15, p4 = p5 = p6 = p7 = p8 = 0.08, p i = i = (3.12) · Если в качестве носителя лингвистической переменной «Уровень показателя Х» выбрать единичный интервал, то трапециевидные функции правдоподобия будут иметь вид рис. 3.5;

Рис. 3.5. Функции принадлежности для переменной «Уровень фактора» · Тогда в итоге получаем комплексный показатель A_N для каждой бумаги методом двойной свертки: A_N = j p i ij, j=1 i =1 M N (3.13) где i – индекс отдельного показателя для их общего числа N=8, j – индекс уровня показателя для общего числа уровней M=3, lij – ранг i-го показателя по своему j-ому уровню, определяемый таблицами П3.3 – П3.5, 1 = 0.2, 2 = 0.5, 1 = 0.8 (3.14) абсциссы максимумов функций принадлежности терм-множества лингвистической переменной «Уровень фактора» (см. рис. П3.9). Тогда среднеожидаемый ранг j-го уровня, взвешенный по всем N показателям, оценивается формулой y j = p i ij, i = N (3.15) и справедливо A_N = j y j.

j=1 M (3.16) И наоборот, если по каждому фактору определять средний его уровень z i = j ij, j=1 M (3.17) то справедливо A_N = p i z i.

i =1 N (3.18) Именно формулы (3.17) и (3.18) мы берем за основу при расчетов. Результаты расчетов по этим формулам сведены в таблицу П3.7.

3.3.6. Оценка полученных результатов Из таблицы П3.7 видно, что всего 12 акций из 91 рассматриваемой обладают инвестиционным качеством не хуже «В-СР», то есть промежуточным между средним и высоким и выше. Показатель отношения доли инвестиционно-пригодных акций к полному перечню активно торгуемых акций может характеризовать уровень инвестиционной привлекательности рынка в целом. Такой же показатель можно построить с использованием объемных показателей по результатам торгов. В [93] приводится пример анализа одной из отраслей американской экономики, причем по итогам оценки видно, что только две акции из нескольких десятков маломальски пригодны для того, чтобы в текущий момент вкладывать в них деньги (это исследование диссертант повторил в феврале 2003 года [123], и там из 480 акций для инвестирования оказалась пригодной всего одна;

правда, она-то и выросла в цене на 50%). С этой точки зрения российская ситуация выглядит немного получше. Однако ключевые причины, не позволяющие акциям получить приемлемый инвестиционный рейтинг, те же: в первую очередь, переоцененность, а, во-вторых, низкая ликвидность (отрицательный чистый оборотный капитал). Если даже такой гигант, как «ЮКОС», обладающий сегодня максимальной капитализацией среди российских акционерных обществ, активный оператор рынка нефти и газа, позволяет себе по временам отрицательный чистый оборотный капитал, то чего, казалось бы, требовать от прочих эмитентов. Тем не менее, 131 иногда именно низкая капитализация компаниии положительно влияет на ее управляемость, в том числе на расчеты по текущим долгам. Не что иное как высокий уровень кредитного менеджмента в компаниях позволяет поддерживать неотрицательный чистый оборотный капитал. И это – еще один довод в пользу того, чтобы приобретать такие акции. И нас не должен вводить в заблуждение уверенный бурный рост акций «ЮКОСА» (до 400% годовых). Когда речь идет о долгосрочных инвестициях, рост прошлых периодов не может гарантировать роста в будущем. Только фундаментальные факторы могут свидетельствовать о перспективах будущего роста. Если проводить скоринг акций в автоматизированном режиме на ежесуточной основе, то можно отслеживать такие ситуации, когда тот или иной фактор бумаги эмитента сменит качество в лучшую или в худшую сторону. Это – первый признак того, чтобы пересмотреть долю этой акции в фондовом портфеле. Предупреждение о смене качества фактора называется алертом. Конечно же, разумно устанавливать алерт программно, пользуясь услугами тех же финансовых порталов (на сайте [58] эта услуга предоставляется, правда, в порядке индивидуальной настройки). Целесообразно выдавать безусловный алерт, если хотя бы один из параметров бумаги окажется больше или меньше расчетного уровня. Также, безусловно, необходимо выставлять алерт и на смену уровня инвестиционного качества ценной бумаги (такая практика называется downgrades-upgrades). Все ведущие мировые рейтинговые агентства на регулярной основе осуществляют переоценку акций, и на ряде сайтов такая переоценка вызывает безусловный алерт. Представленная в настоящем разделе экспресс-методика финансового анализа предоставляет ее пользователю возможность оперативно принимать решение о наполнении и ребалансинге фондового портфеля, сосредоточившись прежде всего на перспективных акциях, чей курсовой рост более чем вероятен. Эта методика не гарантирует будущих прибылей – этого не умеет делать ни одна система в мире, в противном случае это бы напоминало открытие вечного двигателя. И опрометчиво было бы утверждать, что акции с низким инвестиционным качеством будут только падать в цене. В жизни все сложнее, и иногда можно поразиться, глядя на 60-долларовые акции, почему они стоят именно 60 долларов, а не, скажем, 5. Но здесь – тайна, магия рынка, целый перечень тонкостей, которые данная методика не оценивает и не комментирует. У исследователя – «фундаменталиста» вызывает приятные эмоции возврат акций к «справедливому», «фундаментальному» уровню;

например, когда корпорация Cisco Systems (для справки: капитализация порядка 120 млрд долларов), едва поднявшись со дна в 12 долларов, снова вынуждена вернуться на этот уровень цены, хотя в былые времена цена на эти акции доходила до 60 долларов! Вот тогда понимаешь, что не все на рынке решает ажиотаж, и, по мере того, как эйфория пропадает, а на смену «рулеточной» психологии приходит трезвая оценка, - вот тогда на авансцену выходит анализ фундаментальных факторов. Строить портфельный выбор на фундаментальном анализе на самом деле означает минимизировать потенциальную волатильность своих доходов. Если бы в России был сколько-нибудь развит рынок опционов на акции, то можно было бы хорошо зарабатывать, покупая опционы call или выставляя «бычьи спрэды» на 132 потенциально растущие акции (подробнее об этих стратегиях и их оценке см. в [93]). И предлагаемая методика экспресс-анализа позволяет строить не только опционные схемы роста, но и формировать опционные стратегии хеджирования на активы, чья инвестиционная привлекательность вызывает сомнения. Надо полагать, что методика, подобная изложенной здесь, должна быть в обязательном порядке настроена на сайтах, осуществляющих поддержку торговли акциями, как это имеет место за рубежом. Сегодня для России наступает время финансовых порталов, где собственно справочное представление данных соседствует с онлайн-калькуляторами и автоматизированными советниками портфолио-менеджера.

3.4.

Рейтинг российских корпоративных облигаций на основе нечетких моделей В работе [111] мы произвели финансовый экспресс-анализ рынка российских акций (она составила содержание предыдущего раздела диссертационной работы). Анализ состоялся в феврале 2002 года, и приятно осознавать, что мы не ошиблись в оценках. Все акции первого эшелона с присовенной нами оценкой «Высокое-Среднее качество» (сюда относятся «Лукойл», «Сургутнефтегаз», «Татнефть») в 1-2 кварталах 2002 года показали устойчивый рост (до сотни процентов годовых). Также мы наблюдали спад в акциях второго эшелона, оцененных сравнительно низко на тот момент (сюда относим МГТС, Мосэнерго, «Ростелеком» и др.). Есть и исключения из правила: например, ЮКОС, имеющий пониженную оценку «Среднее качество» из-за отрицательной обеспеченности оборотных активов собственными средствами, рос бурно. Но здесь усматривается не влияние фундаментальных факторов, а ажиотажный рост интереса зарубежного инвестора к российскому нефтегазовому комплексу, подогретый общемировой политической конъюнктурой (поглощение компанией British Petroleum российской компании ТНК – красноречивое свидетельство тому). У западных инвесторов свой порядок анализа активов, и уставочные параметры в оценке не совпадают с тем же для методов, применяющихся на российской почве. Тем более, надо признать, что размещение компанией АДР за рубежом (пример ОАО «Лукойл») выводит эмитента АДР за круг чисто российских компаний, поэтому претерпевают коррекцию и правила анализа инвестиционной привлекательности таких акций. Кризис американского фондового рынка июля-августа 2002 года потянул все российские акции вниз. И это тоже особенность нашего рынка. Сначала рынок «перегревается» до запредельных высот, а потом, чуть что случилось за океаном, он принимается терять в весе. Это – проявление технически слабого рынка, зависимого от рынков более финансово мощных и устойчивых. Здесь уместен пример компании Cisco Systems (CSCO). Компании явно не хватает прибылей, чтобы обосновать свою текущую курсовую цену, поэтому тренд цены последний год – строго понижательный. Тем не менее, компании не дают упасть до уровня в 7-10 долларов за акцию (что было бы справедливо), потому что сама компания имеет план по выкупу своих акций назад, и этого плана обратного выкупа достаточно, чтобы стабилизировать цену на уровне не ниже 11- 133 долларов. Эта нерыночная мера, тем не менее, характеризует техническую силу рынка акций CSCO. А в России даже компании с хорошими фундаментальными параметрами рискуют потерять в весе просто из-за внешних веяний. Но, сквозь все возможные внешние стихийные воздействия на рынок, на среднесрочном интервале владения ценной бумагой, пробиваются фундаментальные факторы, и их значения по совокупности формируют повышательный или понижательный тренды. Итак, детальный анализ фундаментальных факторов ценной бумаги позволяет снизить инвестиционный риск. Инвестор отчетливо видит все риски, которые проистекают из пониженного уровня отдельных факторов на общем фоне. Действительно, если существует механизм ранжирования акций по инвестиционной привлекательности, то почему инвестор должен выбирать в портфель худшие акции, а не лучшие? Как только механизм рейтинга (или скоринга) становится прозрачным, и все преимущества и дефекты той или иной ценной бумаги налицо, когда произведенный скоринг становится доступным широкому кругу игроков, - тогда имеет смысл говорить о постепенном формировании рационального инвестиционного выбора [94]. Ближайшая пятилетка, ее инвестиционная парадигма как раз формируется под знаком именно этого типа выбора. Инвестор становится аккуратнее, перестает слушать ангажированных финансовых аналитиков, внимательнее исследует бухгалтерскую отчетность эмитента, требуя дополнительной премии за риск мошенничества с бухучетом (печальные примеры Enron, Arthur Andersen, WorldCom у всех на слуху). Словом, инвестор перестает бросаться из крайности в крайность, от эйфории в истерию, он постепенно отрезвляется. Методология оценки фундаментальных факторов эмитента вызывает намерение применить матричную схему анализа (по строкам матрицы – отдельные показатели, по столбцам – размытые подмножества уровней этих факторов) к рейтингу корпоративных облигаций. Как работает матричная схема оценки, мы уже продемонстрировали на примере рейтинга риска банкротства, рейтинга долговых обязательств субъектов РФ, скоринга акций. Белорусская научная школа [15 - 18] успешно применяет матричные методы для оценки рейтинга банков и страховых компаний. И, разумеется, нет никаких противопоказаний к тому, чтобы воспользоваться этой схемой для рейтингования корпоративных облигаций.

3.4.1. Фундаментальный подход к оценке рейтинга облигаций Главные риски, определяющие рейтинг облигации - это процентный и дефолтный риски. Под процентным риском мы понимаем риск эмитента привлечь средства под высокий процент, когда в последующем на рынке появятся более выгодные (дешевые) источники заимствований (обычно этот риск парируется в проспекте эмиссии облигаций правом эмитента на обратный выкуп облигаций по заведомо известной цене - офертой). Аналогично, в категорию процентного риска входит риск инвестора ссудить деньги под низкий процент, когда в будущем появятся условия более выгодных ссуд. Этот риск парируется покупкой инвестором опционов: call – на процент по облигациям, которые могут вырасти в курсовой цене, и put – на процентную ставку по собственным облигациям. Вся эта техника, широко распространенная в США, пока недоступна для 134 России, которая до сих пор не может оправиться от краха рынка производных ценных бумаг в августе 1998 года (доверие российских инвесторов к этим инструментам не восстановлено в полном объеме до сих пор). Под дефолтным риском мы понимаем риск срыва исполнения эмитентом текущих платежей по собственным долговым обязательствам. Крайним случаем дефолта является фаза банкротства эмитента. Суть рейтинга в методе данной диссертационной работы – в том, чтобы анализировать выбранные фундаментальные характеристики эмитента облигаций в совокупности. При этом все отдельные частные показатели рейтинга – ранги – сворачиваются в единую оценку инвестиционного качества облигации, а весами в свертке служат параметры, которые подлежат оценке на основе дополнительных соображений. Также обоснованно предположение, что развитый рынок заимстований вынуждает эмитентов с худшими фундаментальными характеристиками в качестве премии за риск выплачивать большие проценты по своим облигациям. Тем самым влияние процентного риска на рейтинг облигаций уменьшается, и на первый план выходит риск дефолта.

3.4.2. Источник данных для анализа При анализе я воспользовался данными с сайта информационно-аналитического и учебного центра НАУФОР Скрин.ру [185]. Разрешение на использование материалов сайта в научной работе получено. Открытой информацией для анализа, представленной на сайте, является ежеквартальная неконсолидированная отчетность эмитентов (баланс, отчет о прибылях и убытках на уровне разделов). В последующем, когда методика рейтинга встанет на программную основу, вопрос об обеспечении программы скоринга исходными данными (дейта-провайдинга), разумеется, должна решаться в первую очередь, потому что вопрос своевременной и полной поставки данных для рейтинга является ключевым.

3.4.3. Предпосылки для построения метода рейтинга Необходимо предварить описание метода рейтинга облигаций качественной экспертной моделью российского рынка, на основании которой будет совершаться выбор показателей для оценки и их ранжирование. Как мы хорошо знаем, дефолт вызывается кризисом ликвидности активов, когда ликвидных активов недостаточно для того, чтобы обслужить неотложные обязательства. Поэтому фактор ликвидности (Х2) эмитента мы полагаем основным. Ликвидность может быть оценена по-разному, но по укрупненному балансу предприятия возможен лишь 135 анализ общей ликвидности как обеспеченности краткосрочных обязательств оборотными активами. Во вторую очередь следует рассматривать факторы, характеризующие финансовую устойчивость. Соотношение собственных и заемных средств в структуре пассивов предприятия (коэффициент автономии Х1) является ключевым фактором для анализа. Существуют определенные проблемы в использовании этого показателя в финансовом анализе. Они связаны с тем, что очень часто ликвидность собственных средств предприятия низка (из-за необоснованных переоценок стоимости основных средств, например). Тем не менее в передовых компаниях ведется активная работа по техническому перевооружению производства, со списанием устаревших фондов, и при таком подходе коэффициент автономии является действительно содержательной характеристикой финансовой устойчивости эмитента. В третью очередь мы берем в рассмотрение факторы эффективности работы эмитента. Чем прибыльнее бизнес, тем больше источников на покрытие долгов, и тем, соответственно, ниже риск дефолта. На эффективность бизнеса мы смотрим с трех точек зрения:

· Х3 - Оборачиваемость активов. Чем быстрее оборачиваются активы, тем меньше дефолтный риск, связанный с неэффективным использованием основных средств (эффективное управление активами предполагает отсечение неэффективных затрат на использование инвестированного капитала);

Х4 - Рентабельность затрат. Чем больше маржинальная прибыль, тем устойчивее бизнес, и тем меньше риск текущих убытков из-за оперативного изменения конъюнктуры продаж;

Х5 - Рентабельность активов. Характеризует эффективность инвестиций, сделанных в активы предприятия.

· · Далее мы выстраиваем систему предпочтения одних факторов другим, исходя из нашего опыта анализа риска банкротства эмитентов (материал главы 3 настоящей диссертационной работы). Представляется, что шкала предпочтений факторов должна иметь следующий вид:

Ликвидность Финансовая устойчивость Эффективность бизнеса эмитента. (4.19) С точки зрения факторов оценки система предпочтений (4.19) приобретает вид:

Х2 Х1 Х3 » Х4 » Х5.

(4.20) Информации, заключенной в (4.20), достаточно нам для того, чтобы перейти непосредственно к рейтингу облигаций.

3.4.4. Исходные данные для рейтинга В таблицу П4.1 Приложения 4 к настоящей диссертации сведены значения анализируемых факторов по состоянию на конец 2 квартала 2002 года, по ряду эмитентов первого и второго эшелонов. Названия эмитентов в табл. П4.1 представлены кодами (тикерами), принятыми в торговых системах России (РТС, ММВБ). Обозначения:

· · · · · · · А – активы по балансу, млрд. руб, в том числе: а1 – внеоборотные активы;

а2 – оборотные активы;

L – пассивы по балансу, млрд. руб, в том числе: l1 – капитал и резервы;

l1 – долгосрочные обязательства;

l3 – краткосрочные обязательства;

S – выручка за квартал (без НДС), млрд. руб;

C – себестоимость производства за квартал, млрд. руб;

ОM – прибыль (убыток) от продаж за квартал, млрд. руб;

EBIT – балансовая прибыль (убыток) за квартал, млрд. руб;

Pr – чистая (нераспределенная) прибыль (убыток) за квартал, млрд. руб. Порядок оценки финансовых параметров, необходимых для анализа: X1 = l1/ L;

X2 = (а2- l3)/ а2;

X3 = S/A;

X4 = Pr/C;

X5 = Pr/A.

3.4.5. Метод рейтинга облигаций (3.21) Исходные значения факторов по выделенному перечню облигаций сведены в таблицу П4.2.

3.4.5.1. Нечеткий классификатор уровня факторов Проведем нечеткую классификацию параметров. Для этого введем лингвистическую переменную «Уровень фактора Х» с терм-множеством значений «Высокий уровень фактора», «Средний уровень фактора», «Низкий уровень фактора». Предполагается, что определения «низкий, средний, высокий» относятся к уровню инвестиционной привлекательности эмитента облигаций применительно к выбранному фактору. Предшествующий опыт кластеризации на основе гистограмм распределения факторов, построенных при сводном анализе широкого перечня эмитентов ценных бумаг, приводит нас к результатам, котороые сведены в таблицу П4.3. Поскольку все факторы по построению являются относительными характеристиками, то они выражены в процентах.

3.4.5.2.

Классификация факторов с оценкой рангов Проведем классификацию полученных значений факторов, т.е. сверим таблицы П4.2 и П4.3. Результат сопоставления приведен в таблице П4.4.

3.4.5.3. Комплексная оценка инвестиционного качества ценной бумаги · · Определим лингвистическую переменную «Оценка бумаги» с терм-множеством значений «Очень низкая (О), Низкая (Н), Средняя (Ср), Высокая (В), Очень высокая (ОВ)». Чтобы конструктивно описать введенную лингвистическую переменную «Оценка бумаги», определим носитель ее терм-множества – действительную переменную A_N на интервале от нуля до единицы. Тогда функции принадлежности соответствующих нечетких подмножеств могут быть заданы таблично (таблица П4.5);

Определим лингвистическую переменную «Торговая рекомендация для бумаги» с терм-множеством значений «Strong Buy (SB – Определенно Покупать), Moderate Buy (MB – Покупать под вопросом), Hold (H – Держать), Moderate Sell (MS – Продавать под вопросом), Strong Sell (SS – Определенно продавать)». Установим взаимно однозначное соответствие введенных нами лингвистических переменных на уровне подмножеств: ОН – SS, Н – MS, Ср – H, В – MB, ОВ – SB. Так мы связали качество облигации с ее инвестиционной привлекательностью. Тогда переменная A_N является носителем и для терм-множества лингвистической переменной «Торговая рекомендация», с теми же функциями принадлежности носителя подмножествам значений. Оценим веса отдельных факторов для комплесксной оценки бумаги, в соответствии с тем, как это записано в (3.20). Согласно правилу точечных оценок Фишберна, критерию максимума неопределенности в части наличной информационной ситуации можно сопоставить следующую систему весов: p1 = 0.2, p2 = 0.3, p3 = p4 = p5 = 0.166, · · p i = i = (3.22) · · Если в качестве носителя лингвистической переменной «Уровень показателя Х» выбрать единичный интервал, то трапециевидные функции принадлежности будут иметь вид рис. 3.5;

Тогда получем комплексный показатель A_N для каждой бумаги методом двойной свертки:

138 A_N = j p i ij, j=1 i =1 M N (3.23) где i – индекс отдельного показателя для их общего числа N=8, j – индекс уровня показателя для общего числа уровней M=3, lij – ранг i-го показателя по своему j-ому уровню, определяемый таблицами П4.3 – П4.5, 1 = 0.2, 2 = 0.5, 1 = 0. (3.24) абсциссы максимумов функций принадлежности терм-множества лингвистической переменной «Уровень фактора». Тогда среднеожидаемый ранг j-го уровня, взвешенный по всем N показателям, оценивается формулой y j = p i ij, i =1 N (3.25) и справедливо A_N = j y j.

j=1 M (3.26) И наоборот, если по каждому фактору определять средний его уровень z i = j ij, j=1 M (3.27) то справедливо A_N = p i z i.

i =1 N (3.28) Именно формулы (3.27) и (3.28) берутся за основу при расчетах. Результаты расчетов по этим формулам сведены в таблицу П4.6.

3.4.5.4. Оценка справедливой процентной ставки заимствований по корпоративным облигациям Зададимся целью определить, как, в соответствии с золотым правилом инвестирования, должна определяться требуемая доходность, отвечающая оцененному нами уровню риска. Пусть у нас P1 – процентная ставка по государственным 139 краткосрочным облигациям, а Р2 – предельно возможная ставка по корпоративным облигациям, которые мы в принципе условились покупать (облигации АО «МММ» не в счет). Сегодня в Российской Федерации Р1=14% годовых, Р2=20-21% годовых. Ставка P, под которую мы готовы выделить деньги, должна удовлетворять следующему рациональному соотношению:

P P1 + (P2 - P1) * 0.85 - A_N. 0.85 - 0. (3.29) Если инвестиционная привлекательность облигаций высокая (на уровне 0.85 по комплексному показателю), то Р=Р1, и можно требовать доходности по корпоративным облигациям данного вида на уровне того же по государственным займам. Если инвестиционная привлекательность близка к критической (а мы именно это и видим), то Р стремится к Р2. Если A_N<0.55, то о покупке облигаций не может быть и речи, и формула (4.29) недействительна. Итак, мы видим, что сегодня (начало 2003 года) по облигациям российских корпораций можно получать до 15% годовых в валюте, но риск этих вложений велик. Такие облигации в Америке недаром называют «мусорными» (junk bonds). Из этого не следует, что нельзя в России покупать корпоративные облигации. Очень даже можно, но следует быть предельно осмотрительным. Изложенная здесь методика позволяет таковую осмотрительность сделать предметной. Она же позволяет выработать шкалу для определения обоснованной премии за риск, калиброванной на основе базовой процентной ставки по государственным заимствованиям.

3.5.

Выводы по главе Нечеткие модели и методы для оценки инвестиционной привлекательности ценных бумаг и их эмитентов доказали свою привлекательность и перспективность. Они учитывают все лучшее, что было выработано теорией фундаментальной оценки инвестиционной привлекательности ценных бумаг, при этом делают решающий шаг – позволяют возможность оценивать фондовые ценности по единому показателю, агрегируя отдельные факторы фундаментального анализа в один комплексный фактор. Разработан метод оценки кредитоспособности субъектов РФ, который учитывает все лучшее, что сделано в методике рейтингового агентства AK&M, но идет значительно дальше в плане дифференцированного распознавания уровней отдельных факторов. И, в связи с изменением подхода, на ряд рейтингов, полученных по методике AK&M, можно взглянуть сравнительно. Красноречивым примером здесь является Вологодская область (33 место в рейтинговом списке по методике AK&M). Да, существуют определенные проблемы в региональном бюджете, и, в частности, бюджетный дефицит. Однако низкий уровень задолженности по налогам и высокая доля прибыльных предприятий говорят о том, что у 140 области есть все основания для перспективного экономического развития. Если поглядеть еще более пристально на этот регион, то видно, что намечается определенный экономический подъем после стагнации, особенно в области промышленного производства (ОАО «Северсталь», проекты, связанные со строительством магистральных трубопроводов), оживляется строительство. Проблемы все те же самые, что и в любом другом регионе Северо-Запада России, однако решаются они, как видно в сравнении с другими регионами, более успешно. Все вышесказанное, с учетом того, что в факторном анализе уравнены финансовый и экономический аспекты кредитоспособности, приводит к тому, что область перемещается на 15-е место в рейтинге и вплотную приближается к лидерам. Та же Ульяновская область, за счет переоценки ее экономического положения, подвинулась на 10 пунктов вниз по рейтинговой шкале. В этом плане очень интересно понаблюдать за соседями этого региона по рейтингу. Не исключено, что они столь же близки к ситуации банкротства, как и Ульяновская область, и причины такого положения вещей – схожие. Вся полученная информация должна заставить глав администрацией этих областей задуматься над тем, в сколь угрожающем положении находятся их регионы.

Скоринг акций российских эмитентов показал, что в начале 2002 года у российского рынка акций были существенные перспективы роста, связанные с его недооцененностью. И, действительно, рынок резко пошел вверх, что нельзя назвать простым совпадением. По состоянию же на начало 2002 года рост рынка несколько замедлился, а сам рынок ждет новых повышательных сигналов. Результаты повторного скоринга показали, что рынок переоценен, и последующий рост может быть обусловлен, в том числе, ажиотажным спросом на российские акции, а не последовательной политикой государства на укрепление экономики и снижение темпов инфляции. Тем рискованнее вложения в такие растущие активы.

По результатам рейтинга корпоративных облигаций видно, что облигации всего трех эмитентов (EESR, LKOH, SGNS) из 13 рассматриваемых следовало покупать в середине 2002 года, сопровождая эту покупку углубленным дополнительным исследованием. При этом в работе установлена связь между инвестиционной привлекательностью эмитента облигаций и рациональной процентной ставкой, под которую можно давать деньги в долг упомянутому эмитенту. Таким образом, в главе 3 настоящей диссертационной работы собраны методы оценки активов, которые могут быть легко преобразованы в программный код и интегрированы в структуру российских финансовых порталов.

4. Оптимизация фондового портфеля и прогнозирование фондовых индексов в нечеткой постановке задачи 4.1. Нечетко-множественный подход к построению эффективных фондовых портфелей После того, как решена задача оценки инвестиционной привлекательности отдельных активов, можно перейти к решению задачи формирования фондовых портфелей на этих активах. Построение фондового портфеля – эта задача управления финансовой системой, куда финансовые подсистемы отдельных активов входят лишь составляющей, но не исключительной частью. Помимо исходных данных по финансовым инструментам, исследователь в ходе решения задачи оптимизации портфеля должен принимать во внимание данные о взаимосвязи отдельных классовых фондовых инструментов друг с другом, а также влияние на фондовый рынок, где проводится инвестирование, возмущений, источником которых являются макроэкономические надсистемы фондового рынка. Таким образом, проблема научного управления портфельными инвестициями включает в себя [94]:

А. Выбор перечня модельных классов, в рамках которых будет проводиться инвестирование, и их конструктивное описание. Под модельными классами или модельными активами (model assets) здесь понимается совокупность ценных бумаг, сгруппированных по определенному классификационному признаку (функциональному, отраслевому, региональному и т.п.). Примеры модельных классов: бумаги с фиксированным доходом, акции иностранных государств, акции российских нефтяных компаний, облигации зарубежных корпораций и т.п. В. Определение оптимальной долевой пропорции между модельными классами в структуре модельного портфеля (asset allocation). Под модельным портфелем мы понимаем совокупность модельных классов, суммарная доля которых в портфеле составляет 100%. С. Определение состава бумаг, наполняющих каждый из выбранных модельных классов. D. Определение стратегии и тактики хеджирования портфеля.

Рассмотрим выделенные задачи по порядку.

4.1.1. Выбор модельных классов и их индексирование Учитывая в своей работе мировой опыт, сначала коснемся общих принципов модельного портфолио-менеджмента, разработанных в США в середине 70-х годов, а также американского опыта подбора модельных классов. Прежде всего, в США все ценные бумаги подразделяются по их региональной принадлежности на бумаги, выпущенные в США (Domestic) и бумаги, эмитированные за рубежом (International).

· · · · · · Затем в модельном классе Domestic выделяются следующие субклассы: Взаимные фонды краткосрочных обязательств (Cash), которые наполнены бумагами с фиксированным доходом со сроком погашения от трех месяцев до года;

Взаимные фонды государственных средне- и долгосрочных обязательств (Domestic Govt Bonds);

Взаимные фонды корпоративных облигаций (Domestic Corp Bonds);

Взаимные фонды на акциях с большой (от $10B, где B - миллиард) капитализацией (Domestic Large Cap);

Взаимные фонды на акциях со средней (от $1B до $10B) капитализацией (Domestic Middle Cap);

Взаимные фонды на акциях со небольшой, по тамошним меркам (от $0.1B до $1B), капитализацией (Domestic Small Cap). В классе International выделяются следующие подклассы: Рынок ценных бумаг развитых стран (Западная Европа, Скандинавия и т.д.). Рынок бумаг развивающихся стран (Восточная Европа, Южная Азия, Ближний Восток и т.д.) · · Такая первичная классификация является общеупотребительной. Далее классификацию можно продолжать. В рамках взаимных фондов можно провести отраслевую классификацию, в рамках госбумаг с фиксированным доходом – разделение на правительственные и муниципальные, в рамках зарубежных стран – классификацию на бумаги с фиксированным доходом и бумаги с нефиксированным доходом, и так далее. Все зависит от инвестиционных предпочтений потенциального инвестора, от его представлений о диверсификации. Чтобы прогнозировать поведение своего модельного портфеля во времени, необходимо сопоставить каждому модельному классу индекс, характеризующий историческое поведение совокупности бумаг данного модельного класса. Например, характерными соответствиями класса и индекса (для условий США) являются:

· Cash - 3 Month T-Bills Index [257]– индекс доходности трехмесячных облигаций казначейства США;

· Domestic Govt Bonds - Lehman Brothers Govt Bond Index [267];

· Domestic Large Cap – S&P 500 Index [317].

Индекс можно рассматривать как сконструированный специальным образом регулярно ребалансируемый фондовый портфель, который характеризуется своей текущей рыночной оценкой. Исследуя историческое поведение индекса (перфоманс), можно делать прогностические выводы об ожидаемой доходности вложений в этот портфель, и о волатильности (колеблемости) вложений. Также, рассматривая совместно ряд индексов, можно делать оценку их взаимной ковариации, строя ковариационную матрицу. Таким образом, делая заключение об общих закономерностях поведения сегмента рынка, можно заключить, что в некоторой части эти выводы будут касаться и отдельных бумаг, наполняющих данный модельный класс. Во всяком случае, можно с большой долей уверенности говорить, что бумаги данного класса будут по доходности распределяться вблизи модельного значения (бенчмарка) и сильно коррелировать друг с другом. То есть, совокупное поведение этого набора бумаг будет сильно походить на поведение индекса модельного класса, и в этом суть модельного портфельного выбора. Анализируя динамику индекса за продолжительный период, можно делать предварительные заключения о характере рынка бумаг выбранного модельного класса. Тренд индекса показывает нам характер рынка: по доходности - «бычий» (растущий) или «медвежий» (падающий);

с точки зрения риска - нейтральный (характеризующийся низкой колеблемостью) или волатильный (колеблемый). Все собранные выводы дают определенные основания для того, чтобы инвестор мог применять те или иные деривативные стратегии для увеличения доходности или снижения риска (хеджирования) своих модельных портфелей. Ведущими агентствами США, разработавшими в свое время популярные фондовые индексы и поддерживающими их, являются Moody’s, Standard & Poor’s, Morgan Stanley, Salomon Smith Barney, Bloomberg и другие. С точки зрения вида индекса различают индексы S-вида (кумулятивные) и индексы r-вида (процентные). Индексы акций все имеют кумулятивный вид (вид цены или накопленного курсового дохода), индексы облигаций – процентный (вид доходности к погашению долговых обязательств). Возможен переход от кумулятивного вида к процентному и обратно. Важно также принимать в расчет валюту инвестирования. Если мы говорим о рублевых инвестициях, то для оценки их эффективности на американском, например, рынке, мы должны учесть транзитный фактор соотношения валют наших двух экономик. Это означает, что для оценки эффективности и риска инвестиций американские индексы, измеренные относительно долларов США, должны быть перерасчитаны в рублевом измерении. Все сказанное требует для анализа мирового фондового рынка единого стандартного представления индексов, например, для использования в компьютерных 144 программах фондового менеджмента. Таким стандартным видом может быть S-вид индекса, измеренный относительно валюты, в которой проводится инвестирование. Коснемся российской специфики анализа фондового рынка. Десять лет существования рынка ценных бумаг – это, конечно, ничтожный срок, как с точки зрения формирования рынка, так и с точки зрения анализа статистики этого рынка. И как расценивать накопленную куцую статистику? Здесь больше вопросов, чем ответов. Поглядев на перфоманс индекса биржи РТС, можно просто растеряться (см. рис. 5.1) Рис. 5.1. Индекс РТС за прошедшие 5 лет. Источник:РТС Однако более подробное рассмотрение показывает, что российский рынок ценных бумаг, еще не успев зародиться, попал в водоворот мирового финансового кризиса. Рынок не погиб;

он прошел боевое крещение, - и следующий кризис, вызванный американской рецессией, рынок прошел уже вполне достойно, не прогибаясь до неоправданно низких значений. Можно в связи с этим говорить, что период до августа 1998 года является статистически ничтожным для исследования динамики индексов, и его можно игнорировать. Сегодня мы можем говорить о пяти модельных классах российских ценных бумаг, куда в основном направляются фондовые инвестиции:

· · · · Государственные ценные бумаги и облигации субъектов РФ;

Обязательства субъектов РФ (в основном эмиссии Москвы и Санкт-Петербурга);

Корпоративные облигации и векселя;

Акции десятка наиболее продвинутых компаний («голубых фишек» местного значения).

· Корпоративные акции второго эшелона.

Постепенно оживает торговля фьючерсами и опционами на акции, однако инвестиции в производные ценные бумаги здесь не рассматриваются как модельные. Также не рассматриваются в качестве фондовых инвестиции в мультивалютные портфели и в депозитные сертификаты банков, хотя в портфелях инвесторов эти инструменты могут присутствовать наряду с перечисленными выше фондовыми активами. Что касается индексов, то здесь - непаханное поле для работы биржевых аналитиков. Только-только начинают появляться публичные индексы для ценных бумаг с фиксированным доходом [59]. В качестве индекса корпоративных акций первого эшелона можно рассматривать индексы РТС [164] (валютный и технический), индекс ММВБ-10 [90], а также композитный индекс РБК[62] - с поправкой на то, что акции РАО «Газпром» не входят в оценку индексов РТС и ММВБ. А что до акций второго эшелона, то объем торгов по ним незначителен, и должного внимания этому сегменту рынка (его индексированию, к примеру) не уделяется (хотя в целях полноты изложения следует упомянуть индекс агентства AK&M [61]). Вся эта скудость неприятно контрастирует с изобилием, представленном на сайте Казахстанской фондовой биржи KASE [63] – нашего южного соседа. Все фондовые индексы биржи (более двух десятков) разбиты на ряд групп, а именно:

· · · · · · индексы внешнего валютного долга Казахстана;

индексы внутреннего долга Казахстана;

индексы текущих ставок по сделкам «репо»;

индексы ставок межбанковского рынка депозитов;

индексы негосударственных облигаций;

индексы рынка акций.

Такое пристальное внимание к рыночным индикатором можно объяснить только одним – бурными темпами пенсионной реформы в Казахстане, когда на рынок капиталов выходят институциональные инвесторы – негосударственные пенсионные фонды, с суммарным объемом предложения денег свыше 1 млрд. долл. (подробно это рассматривается в [108]). Казахстанские институциональные инвесторы, нуждаясь в полноценной информации для управления своими фондовыми портфелями, подталкивают биржу KASE к максимальному предложению аналитических материалов и инструментов для анализа рынка в рамках финансового портала биржи. Сегодня Казахстан обгоняет Россию примерно на 3-4 года по развитости фондового рынка, хотя Россия в свое время опережала Казахстан в этих вопросах. Так что время упущено, и необходимо в кратчайшие сроки наверстывать отставание, используя не только мировой опыт, но и опыт наших ближайших соседей. По результатам договорного взаимодействия с Пенсионным Фондом РФ компания Siemens Business Services выработала и поставила в рамках своего программного продукта (подробнее об этом речь идет в гл. 5 настоящей диссертационной работы) более 146 индексов, описывающих поведение соответствующего числа модельных классов (таблица 4.1).

Таблица 4.1. Индексы модельных классов № Тикер индекса Краткое описание модельного класса пп модельного класса 1 SBS Rus Govt Государственные обязательства России 2 SBS Rus Muni Обязательства субъектов РФ 3 SBS Rus Corp Корпоративные облигации российских эмитентов 4 RTSI RUB Акции российских эмитентов (1-й эшелон) 5 AK&M-2 Акции российских эмитентов (2-й эшелон) 6 CBR Rus CD Банковские депозиты в российских рублях 7 TYX RUB Cum Государственные долгосрочные обязательства США 8 Moody AAA RUB Cum Облигации высоконадежных корпораций США 9 S&P500 RUB Акции крупнейших корпораций США 10 FED US CD RUB Cum Банковские депозиты в долларах США 11 USD_RUB Доллары США на банковских счетах 12 BE Gilts RUB Cum Государственные обязательства европейских стран 13 BE CD RUB Cum Банковские депозиты в европейских странах 14 DAX RUB Акции крупнейших эмитентов Еврозоны 15 EURO_RUB Евро на банковских счетах 16 BOJ Japan Govt RUB Cum Государственные обязательства Японии 17 BOJ Japan CD RUB Cum Банковские депозиты Японии 18 Japan Nikkei Equity RUB Акции крупнейших корпораций Японии 19 JPY_RUB Японские иены на счетах в банках 20 GBP_RUB Английские функты стерлингов на счетах в банках 21 MSCI Emerging RUB Фондовые активы развивающихся стран Комментарий. В наименовании индексов составляющая RUB отражает тот факт, что все используемые индексы имеют размерность российский рубль, т.е. выражают стоимость российских денег, вложенных в те или иные фондовые активы или валюту. Составляющая Cum говорит о том, что исходные индексы, имеющие процентный вид текущей доходности вложений, приведены по формуле кумулятивного дохода к S-виду, имеющему вид не доходности актива, а его цены.

Работа над созданием индексов активов, разрешенных для инвестирования, несомненно, будет продолжена. Она законодательно вменена уполномоченным на это органам управления фондовым рынком (в рамках Закона РФ «Об инвестировании...» [3]). Продолжится работа над формированием индексов активов, не разрешенных для инвестирования в них накопительной составляющей трудовых пенсий.

4.1.2. Нечетко-множественная модель фондовых индексов Традиционной вероятностной моделью поведения индекса является модель винеровского случайного процесса c постоянными параметрами m (коэффициент сноса, по смыслу – предельная курсовая доходность) и s (коэффикциент диффузии, по смыслу – стандартное уклонение от среднего значения предельной доходности). Аналитическое описание винеровского процесса [222]: dS(t) = µdt + z(t), (4.1) S(t) где z(t) – стандартный винеровский процесс (броуновское движение, случайное блуждание) с коэффициентом сноса 0 и коэффициентом диффузии 1. В приращениях запись (4.1) приобретает вид DS(t) z(t) =µ+, DT S(t)DT (4.2) Из (4.1) – (4.2) следует, что доходность, как ее понимает модель винеровского процесса, имеет нормальное распределение с матожиданием m и среднеквадратическим отклонением s. Обозначим плотность этого распределения j(r,m,s), где r – расчетное значение доходности. Однако, если пронаблюдать фактическое ценовое поведение индексов, то мы увидим, что текущая доходность индексов не колеблется вокруг постоянной случайной величины, но образует динамический тренд. Очень характерным для анализа в этом смысле является интервал 1998-2002 г.г., когда тренд доходности поменял знак, и винеровская модель оказалась абсолютно неадекватной. Чтобы повысить достоверность оценки доходности и риска индексов, необходимо отказаться от винеровской модели и перейти к нечеткой модели финальной (конечной) доходности следующего вида: S(t) = S(t0) (1+r(t)(t-t0)), (4.3) где t – текущее время, t0 – начальный отсчет времени, S(t) - прогнозный уровень индекса – треугольная нечеткая функция, r(t) – расчетный коридор доходности индекса треугольная нечеткая функция. В каждый момент t случайная величина r(t) имеет нормальное распределение j(r,m,s) с треугольно-нечеткими параметрами m,s. Подробно такое нормальное распределение описано в разделе П1.8 Приложения 1 к настоящей диссертационной работе.

148 Оценим треугольные параметры m,s по принципу максимума правдобия. Пусть у нас есть квазистатистика доходностей (r1, …rN) мощности N и соответствующая ей гистограмма (n1,...,nM) мощности M. Для этой квазистатистики мы подбираем двупараметрическое нормальное распределение, руководствуясь критерием правдоподобия M F( m, s ) = - ( i = i - j (ri, µ, )) 2 ® max, r (4.4) где ri – отвечающее i-му столбцу гистограммы расчетное значение доходности, Dr – уровень дискретизации гистограммы. Задача (4.4) – это задача нелинейной оптимизации, которое имеет решение F0 = max ( m,s ) F ( m, s ), (4.5) причем m0, s0 – аргументы максимума F(m,s), представляющие собой контрольную точку. Выберем уровень отсечения F1 < F0 и признаем все вероятностные гипотезы правдоподобными, если соответствующий критерий правдоподобия лежит в диапазоне от F1 до F0. Тогда всем правдоподобным вероятностным гипотезам отвечает множество векторов ’, которое в двумерном фазовом пространстве представляет собой выпуклую область с нелинейными границами. Впишем в эту область прямоугольник максимальной площади, грани которого сориентированы параллельно фазовым осям. Тогда этот прямоугольник представляет собой усечение ’ и может быть описан набором интервальных диапазонов по каждой компоненте ’’ = (mmin, mmax;

smin, smax) ’.

(4.6) Назовем ’’ зоной предельного правдоподобия. Разумеется, контрольная точка попадает в эту зону, то есть выполняется mmin< m0

Рассмотрим пример. Пусть по результатам наблюдений за индексом сформирована квазистатистика мощностью N=100 отсчетов, представленная в диапазоне – 149 5 +15 процентов годовых следующей гистограммой c уровнем дискретизации 2% годовых мощностью M=10 интервалов (таблица 4.2):

Таблица 4.2. Гистограмма квазистатистики Расчетная доходность Число попавших в ri, % годовых (середина интервал отсчетов интервала) квазистатистики ni -4 5 -2 2 0 3 2 8 4 10 6 20 8 28 10 19 12 5 14 0 Частота ni = ni/N 0.05 0.02 0.03 0.08 0.1 0.2 0.28 0.19 0.05 Оценить параметры нормального распределения доходности.

Решение. Решением задачи нелинейной оптимизации (4.4) является F0 = -0.0022 при m0 = 7.55% годовых, s0 = 2.95% годовых. Зададимся уровнем отсечения F1 = -0.004. В таблицу 4.3 сведены значения критерия правдоподобия, и в ней курсивом выделены значения, удовлетворяющие выбранному нами критерию правдоподобия. Таблица 4.3. Гистограмма квазистатистики F(m,s) 10000 при s = m 2 2.5 3 6 -214 -120 -79 6.5 -151 -76 -49 7 -104 -46 -29 7.5 -77 -31 -22 8 -76 -34 -28 8.5 -100 -56 - 3.5 -66 -45 -32 -29 -36 - 4 -67 -52 -44 -43 -49 - Видно, что при данном уровне дискретизации параметров можно построить зону предельного правдоподобия двумя путями:

’’1 = (7.5,8.0;

2.5,3.5), ’’2 = (7.0,8.0;

3.0,3.5), (4.8) причем контрольная точка попадает в оба эти прямоугольника. Точное же решение этой задачи, разумеется, единственное:

’’ = (6.8,8.3;

2.3,3.8), (4.9) 150 и m = (6.8, 7.55, 8.3), s = (2.3, 2.95, 3.8) – искомая нечеткая оценка параметров распределения. Теперь, когда мы научились получать достоверные оценки доходности и риска фондовых индексов, можно переходить к решению задачи оптимизации портфеля на модельных активах.

4.1.3. Метод нечетко-множественной оптимизации модельного портфеля Исторически первым методом оптимизации фондового портфеля был метод, предложенный в Марковицем в [273]. Суть его в следующем. Пусть портфель содержит N типов ценных бумаг (ЦБ), каждая из которых характеризуется пятью параметрами: начальной ценой Wi0 одной бумаги перед помещением ее в портфель;

числом бумаг ni в портфеле;

начальными инвестициями Si0 в данный портфельный сегмент, причем Si0 = Wi0 ni;

среднеожидаемой доходностью бумаги ri;

ее стандартным отклонением si от значения ri. (4.10) Из перечисленных условий ясно, что случайная величина доходности бумаги имеет нормальное распределение с первым начальным моментом ri и вторым центральным моментом si. Это распределение не обязательно должно быть нормальным, но из условий винеровского случайного процесса нормальность вытекает автоматически. Сам портфель характеризуется: суммарным объемом портфельных инвестиций S;

долевым ценовым распределением бумаг в портфеле {xi}, причем для исходного портфеля выполняется N S i0 (4.11), x i = 1, i = 1,..., N ;

S i =1 корреляционной матрицей {rij}, коэффициенты которой характеризуют связь между доходностями i-ой и j-ой бумаг. Если rij = -1, то это означает полную отрицательную корреляцию, если rij = 1 - имеет место полно положительная корреляция. Всегда выполняется rii = 1, так как ценная бумага полно положительно коррелирует сама с собой.

xi = 151 Таким образом, портфель описан системой статистически связанных случайных величин с нормальными законами распределения. Тогда, согласно теории случайных величин, ожидаемая доходность портфеля r находится по формуле r = x i ri, i =1 N (4.12) а стандартное отклонение портфеля s = ( x i x j ij i j ).

i =1 j=1 N N 1 (4.13) Задача управления таким портфелем имеет следующее описание: определить вектор {xi}, максимизирующий целевую функцию r вида (4.12) при заданном ограничении на уровень риска s, оцениваемый (4.13):

{x opt } = {x} | r ® max, =const sM, (4.14) где sM – риск бумаги с максимальной среднеожидаемой доходностью. Запись (4.14) есть не что иное, как классическая задача квадратичной оптимизации, которая может решаться любыми известными вычислительными методами.

Замечание. В подходе Марковица к портфельному выбору под риском понимается не риск неэффективности инвестиций, а степень колеблемости ожидаемого дохода по портфелю, причем как в меньшую, так и в большую сторону. Можно без труда перейти от задачи вида (4.14) к задаче, где в качестве ограничения вместо фиксированного стандартного отклонения выступает вероятность того, что портфельная доходность окажется ниже заранее обусловленного уровня.

Если задаваться различным уровнем ограничений по s, решая задачу (4.14), то можно получить зависимость макимальной доходности от s вида rmax = rmax (s) (4.15) Выражение (4.15), именуемое эффективной границей портфельного множества, в координатах «риск-доходность» является кусочно-параболической вогнутой функцией без разрывов. Правой точкой границы является точка, соответствующая тому случаю, когда в портфеле оказывается одна бумага с максимальной среднеожидаемой доходностью. Подход Марковица, получивший широчайшее распространение в практике управления портфелями, тем не менее имеет ряд модельных допущений, плохо согласованных с реальностью описываемого объекта - фондового рынка. Прежде всего это отсутствие стационарности ценовых процессов, что не позволяет описывать доходность бумаги случайной величиной с известными параметрами. То же относится и корелляции. Если же мы рассматриваем портфель из модельных классов, а ценовую предысторию индексов модельных классов - как квазистатистику, то нам следует 152 моделировать эту квазистатистику многомерным нечетко-вероятностным распределением с параметрами в форме нечетких чисел. Тогда условия (4.12) – (4.13) запиываются в нечетко-множественной форме, и задача квадратичной оптимизации также решается в этой форме (подобным образом задача формулируется в [93, 101, 202]). Решением задачи является эффективная граница в виде нечеткой функции полосового вида. Ее следует привести к треугольному виду по обычным правилам. Каждому отрезку на эффективной границе, отвечающей абсциссе портфельного риска, соответствует нечеткий вектор оптимальных портфельных долей. И, наконец, если заданы контрольные нормативы по доходности и риску (бенчмарк модельного портфеля), которые следует соблюсти по результатам управления портфелем, и если бенчмарк попадает в полосу эффективной границы, то возникает риск того, что по фактору доходности модельный портфель «не переиграет» бенчмарк. Поскольку ожидаемая доходность портфеля – треугольное нечеткое число, то риск неэффективности портфеля можно оценить по той же формуле, что и риск неэффективности инвестиций (метод оценки риска инвестиций рассмотрен в разделе 3.2 настоящей диссертационной работы). Итак, изложение модифицированного подхода Марковица завершено. Далее по тексту дексту диссертационной работы принимается, что метод имеет дело с квазистатистикой модельных индексов в портфеле, которая моделируется посредством Nмерного нечетко-вероятностного распределения. Оценив параметры этого распределения как нечеткие числа, мы решаем задачу квадратичной оптимизации в нечеткой постановке, получая эффективную границу в форме криволинейной полосы. Рассмотрим простейший пример американского модельного портфеля из двух модельных классов: правительственных долгосрочных облигаций (Класс 1, характеризующийся индексом LB Govt Bond) и высококапитализированных акций (Класс 2, характеризующийся индексом S&P500). Сводные данные по обоим индексам приведены в таблице 4.4.

Таблица 4.4. Исходные данные по модельным классам Номер Ожидаемая доходность r1,2, Ожидаемая волатильность s1,2, модельного % год % год класса мин средн макс мин средн макс 1 Облигации 6.0 6.1 6.2 0.6 0.7 0.8 2 Акции 10 12.5 15 20 25 Следовало бы еще оценить корреляцию двух индексов. Но, как будет показано далее, здесь этого не потребуется. Пока же для общности обозначим коэффициент корреляции r12. Надо сразу оговориться, что случай портфеля из двух компонент является вырожденным с точки зрения оптимизации. Здесь полное множество портфельных решений представляет собой участок в общем случае кривой линии на плоскости, и он же 153 является эффективной границей. Так что в настоящем примере мы не сколько решаем оптимизационную задачу, сколько ищем аналитический вид эффективной границы в координатах «риск-доходность». Запишем (4.12) – (4.13) в частном виде r = x1 r1 + x 2 r 2 = x 1 + 2x1x 2 1 2 12 + x 2 2 x2 = 1- x 2 1 2 2 (4.16) (4.17) (4.18) Все «постоянные» коэффициенты в (4.16) - (4.17) являются треугольными нечеткими числами, а операции сложения-умножения-вычитания определены в пространстве треугольных нечетких чисел. И, поскольку в нашем случае s2 >> s1, то имеет место приближенное равенство: = x 2 2, и справедливо r= r2 - r1 + r1 (4.19) (4.20) уравнение эффективной границы в виде полосы с прямолинейными границами (см. рис. 4.2).

Рис. 4.2. Эффективная граница в виде полосы с линейными границами Коэффициент пропорциональности в (4.20) есть не что иное, как хорошо известный в портфельном менеджменте показатель Шарпа [298] – отношение доходности индекса (за 154 вычетом безрисковой составляющей доходности) к волатильности индекса. Только в нашем случае он имеет нечеткий вид, сводимый к треугольному по правилу:

( r 2min - r1max 2max, r 2av - r1av 2av, r 2max - r1min 2min ) (4.21) В таблицу 4.5 сведены границы для модельного класса облигаций в структуре модельного портфеля для различных уровней риска.

Таблица 4.5. Оптимальная доля облигаций в портфеле Риск портфеля, 1 5 10 15 % год max 0.967 0.833 0.667 0.500 Доля облигаций av 0.960 0.800 0.600 0.400 в портфеле min 0.950 0.750 0.500 0.250 0.067 0.083 0.167 0.250 Разброс 20 25 0.333 0.200 0.000 0. 0.167 0.000 0 0. 0.000 0 0 По краям полосы разброс портфельных границ ниже, чем в середине. Это объясняется тем, что на краях полосы эффективной границы портфель обладает вполне определенным стилем: большей доходности отвечает модельный класс акций, а меньшему риску – модельный класс облигаций. Также надо отметить, что разброс параметров доходностей и рисков влияет на решение задачи оптимизации фондового портфеля гораздо ощутимее, нежели разброс параметров корреляционной матрицы (это доказано в работах [225], [27]). Поэтому основной акцент при подготовке исходных данных для анализа портфеля следует сделать на минимизации разброса именно параметров доходности и риска входящих в протфель активов.

4.1.4. Наполнение модельного портфеля реальными активами Когда оптимальные доли компонент модельного портфеля определены, необходимо выполнить процедуру наполнения компонент модельного портфеля реальными активами. Как показывает практика фондовых инвестиций, ценовое поведение реальных активов в структуре модельного класса характеризуется эффектом синхронной волатильности, когда цены большинства реальных активов в рамках класса движутся в одну сторону. Эта практически полная корреляция активов делает бессмысленной оптимизацию реального портфеля по Марковицу. К тому же для такой оптимизации невозможно получить достоверные исходные данные по ожидаемой доходности и риску. Возможно провести оптимизацию реального портфеля по альтернативному принципу, отталкиваясь от инвестиционного качества реальных активов, входящих в портфель. Тогда можно воспользоваться комплексными оценками инвестиционного качества, полученными в рамках рейтинга облигаций и скоринга акций (см. разделы 3.2 – 155 3.4 настоящей диссертационной работы). Чем выше уровень качества актива, тем больший вес он имеет право занять в рамках выделенной группы активов реального портфеля. Можно определять оптимальную долю актива двумя способами:

· · на пропорциональной основе, как отношение комплексного показателя к сумме комплексных показателей активов портфеля;

по принципу Фишберна. Если уровни привлекательности активов проранжировать по убыванию, то соответствующие веса компонент портфеля также расположатся по убыванию, а их веса в портфеле можно оценить по формуле Фишберна.

4.1.5. Стратегии хеджирования модельного фондового портфеля Под хеджированием фондового портфеля понимается деятельность инвестора, направленная на снижение системных инвестиционных рисков и использующая производные ценные бумаги. Базовым средством хеджирования реальных активов (акции, является облигации), именуемых в теории хеджирования подлежащими активами, покупка опционов put на эти активы. Целью такой покупки является лимитирование, отсечение убытков, связанных с резким падением цены активов на рынке. Хеджирование – крайняя мера, вызванная недостатком информации о тенденциях поведения подлежащего опциону актива в будущем (в противном случае потенциально падающий актив мог быть вовремя продан, а затем куплен обратно, но по более низкой цене). Инвестор, идя на выплату опционной премии, заведомо снижает ожидаемую доходность своих вложений. В то же время он снижает и риск вложений, лимитируя убытки заранее известной величиной. Таким образом, снижается волатильность вложений. Косвенным эффектом хеджирования является повышение ликвидности активов инвестора. Получая опционную выплату в случае падения цены актива, инвестор получает поток денежных средств, которые могут быть направлены на инвестиции. Надо обязательно добавить, что опционы и фьючерсы в странах с недоразвитой экономикой – это вовсе не панацея от финансовых крахов. У многих на памяти истории августа 1998 года, когда люди, захеджировавшие свои рублевые позиции, понесли колоссальные убытки из-за отказа проигрывающих сторон в полном объеме исполнять свои обязательства по долларовым фьючерсам, что вызвало принудительное закрытие позиций. Полностью эти позиции не могли быть закрыты уже потому, что вариационная маржа в большом процентном отношении была обеспечена государственными краткосрочными облигациями, по которым как раз был объявлен дефолт. Таким образом, убытки хеджеров оказались двусторонними: от вложений в ГКО по факту дефолта и от вложений во фьючерсы по факту недовыплаченной вариационной маржи. Тем не менее, в спокойные времена деривативы являются естественным средством управления фондовыми рисками, и именно в этом надежном качестве мы их здесь и рассматриваем.

156 Когда хеджируется не отдельный актив, а совокупность активов, портфель реальных бумаг (в частном случае это пай взаимного фонда), тогда хеджирование идет на индексной основе. Проводится стилевой анализ совокупности активов, по результатам которого устанавливается модельный портфель, наполненный модельными активами в той пропорции, чтобы построенный модельный портфель наилучшим образом отвечал портфелю реальному. Каждому модельному активу соответствует фондовый индекс, и, чтобы осуществить хеджирование модельного актива, необходимо приобрести соответствующее количество индексных опционов. Например, по состоянию на 11 декабря 2001 года, американский инвестор имеет 1 миллион 26 тыс. долларов, вложенных в высококапитализированные акции американских компаний. Будем для простоты считать, что стилевой анализ показывает 100%-ое соответствие вложений индексу S&P500. Инвестор принимает решение хеджировать портфель индексными опционами со страйком, ближайшим к котировке индекса на текущую дату (S0 = 1142). При этом он хеджируется из расчета на Т = 1 месяц = 1/12 года существования портфеля. Результатом хеджирования является приобретение индексных опционов с тикером SPT MH-E, страйк dP = 1140, дата погашения – 18 января 2002 года. Общее их количество определяется из того расчета, что один базисный пункт индексного опциона покрывает 100 долларов подлежащего ему актива. Чтобы захеджировать 1 млн. долларов опционами данного тикера, необходимо приобрести 1026000 : 1140 : 100 = 9 стандартных опционных контрактов. Это обойдется инвестору в 32.3 * 100 * 9 = 29070 долларов опционной премии, или порядка 3% дополнительных инвестиций. Здесь zP = 32.3 – опционная премия из расчета на один базисный пункт опционного контракта. Если в ближайший от покупки месяц индекс вырастет, например, до SТ = 1209, то есть на 6 процентов, тогда вложения в put-опционы оказываются напрасными, и тогда доходность от вложений может быть определена по формуле v= max(ST, d P ) - S0 - z p (S0 + z p ) T.

(4.23) В данном случае v = 34.5% годовых, без учета реинвестирования. Наоборот, если индекс упадет, например, до SТ = 1072, то есть на 6 процентов вниз, тогда put-опцион оказывается в деньгах, и доходность вложений, согласно (4.23), становится равной v = - 33.1% годовых. Если бы опцион не приобретался, то простейшие вычисления дают доходность подлежащего актива 72% годовых при первом сценарии развития событий и (-72%) годовых – при втором сценарии. Видим, что волатильность вложений, измеренная как разбег доходности применительно к двум сценариям развития событий, вполовину меньше для хеджированного актива.

В самом общем случае, когда установлена плотность вероятностного распределения будущей цены подлежащего актива j(SТ), тогда плотность распределения финальной доходности сборки «put + подлежащий актив» определяется по формуле [93]:

0, v < v 0 j R (v) = K d (0), v = v 0, (S + z )T j (v (S + z )T + S + z ), v > v p S 0 p 0 p 0 (4.24) где v0 = d p - S0 - z p (S0 + z p ) T (4.25) граничный нижний уровень доходности сборки «put + актив», который известен заранее при ее покупке, dp K = j S (s)ds (4.26) вероятность события ST < dp, когда опцион оказывается в деньгах, d(·) – дельта-функция, равная бесконечности к нулевой абсциссе и нулю во всех остальных точках. Что касается вида j(SТ), то удобно искать эту функцию в виде плотности гауссовского распределения с нечеткими параметрами среднего и среднеквадратического отклонения, как это обосновывается в [93]. Тогда (4.24) имеет вид усеченной слева плотности нормального распределения с нечеткими параметрами, с дельта-функцией на левом конце распределения, бимодальной формы (рис.4.3).

Рис. 4.3. Плотность распределения доходности сборки 158 Введем бимодальную функцию самого общего вида, которую далее будем называть функцией вида H(v0, v1). Для нее значение v0, определяемое (4.25) – это абсцисса левого максимума плотности дельта-функции;

v1 – абсцисса правого максимума плотности распределения, определяемая по формуле v1 = ST - S0 - z P (S0 + z P ) T, (4.27) где ST - среднее значение ожидаемой цены подлежащего актива через время T, треугольное нечеткое число. Понятно, что v1 > 0, в противном случае проводить инвестирование в хеджированный актив или хеджироваться нет никакого смысла. Вводя этот обобщенный вид бимодальной функции, мы сознательно не настаиваем на том, что непрерывная ее часть будет иметь нормальный вид. В важном частном случае, когда хеджирование отсутствует, zP = 0, v0 = -1/T, К = 0, и распределение H(v0, v1) сходится к обыкновенному нормальному виду, если распределение цены подлежащего актива нормально. При нулевой дисперсии эта нормальная плотность распределения вырождается в дельта-функцию, что соответствует определенной доходности безрискового актива. Таким образом, классические распределения доходности активов являются вырожденными частными случаями более сложного распределения H(v0, v1)-вида. Можем ли мы, зная распределения доходности отдельных хеджированных активов, получить распределение доходности модельного портфеля на их основе аналитическим путем? К сожалению, нет. Математическая теория композиции вероятностных распределений свидетельствует о том, что сумма двух стохастически зависимых случайных величин с усеченно-нормальным распределением есть случайная величина, не обладающая усеченно-нормальным распределением. В результирующем вероятностном распределении такой величины плотность является мультимодальной функцией. Все это говорит о том, что точному аналитическому решению задача оптимизации модельного портфеля с хеджированными активами не поддается. В качестве альтернативы можно предложить для оптимизации хеджированного модельный портфеля схему минимизации уровня предельных потерь. Действительно, по каждому хеджированному активу известна минимальная доходность v0i. Соответственно, минимальная доходность по портфелю составляет V0 = x i v 0i, i =1 N (4.28) где хi – доли компонент в портфеле. Максимизируя V0, мы решаем задачу нелинейной оптимизации относительно не только оптимального распределения долей активов, но и глубины их хеджирования, а также соотношения страйков по put-опционам и размеров опционных премий.

159 Оптимизация функционала (4.28) не является оптимизацией модельного портфеля в постановке Марковица уже потому, что в качестве ограничения в задаче оптимизации здесь не выступает риск портфеля. Чтобы учесть параметры риска в оптимизации, можно перед решением задачи (4.28) решить классическую задачу Марковица, а в задаче (4.28) оптимизировать уже только параметры хеджирования, зафиксировав веса компонент.

4.2.

Прогнозирование фондовых индексов Оптимизация модельного фондового портфеля базируется на исходных данных по индексам, которые являются результатом научного прогнозирования. Прогнозирование фондовых индексов – это задача, которая перестает быть научной при том условии, когда к теории прогнозирования предъявляются завышенные требования предсказания вполне точных значений тех или иных параметров в будущем. Современная теория прогнозирования фондовых индексов базируется на том, что предсказанию подлежат не сами индексы, а их рациональные тенденции, обусловленные рациональным поведением коллективного инвестора в фондовые активы. Существует целый класс теорий прогнозирования, базирующихся на историческом анализе данных. Ни одна из этих теорий не контролирует состоятельность данных, поступающих на вход соответствующих методов. Однако в том случае, когда между историческими данными и будущим лежит парадигмальный эпистемологический разрыв [83], то соответствующая предыстория индексов существенно обесценивается, а базирующиеся на использовании этой статистики методы начинают давать ошибочные неверифицируемые прогнозы. Нынешний кризис фондового рынка был превосходным тестом для всех существовавших доныне методов прогнозирования, которые этот тест не прошли. Следовательно, перед наукой прогнозирования тенденций фондового рынка (если она признает себя таковой) встает задача смены основ, на которой базируется эта наука. И возможной новой основой для современной теории прогнозирования как раз и может стать теория рационального инвестиционного выбора. Доказательная база этой теории может быть собрана на материале фондового рынка США. Американский рынок, долгое время пребывавший в фазе эйфории относительно своих экономических возможностей, в настоящий момент, преодолевая рецессию и панические настроения инвесторов, ищет новые экономические ориентиры. Еще несколько лет потрясений нам обеспечены, полагаю, - но свет в конце тоннеля уже виден. Это – нарастающая рационализация инвестиционного выбора, и под этим флагом мировой фондовый рынок будет плавать еще не менее ближайших лет пяти. Шок от потрясения, вызванного сдуванием мыльного пузыря «новой экономики», еще должен быть хорошенько пережит, переосмыслен. Следствие: оптимальное управление фондовыми портфелями лиц и организаций постепенно приобретает черты активного, оперативного и алертного управления.

Активное управление предполагает отказ от пассивных стратегий ведения портфеля (например, в привязке к рыночным индексам, по принципу балансовых фондов). Оперативное управление осуществляется в режиме реального времени, с непрерывной переоценкой уровня оптимальности портфеля (даже в рамках одного торгового дня, нынешние компьютерные программы это позволяют). Алертное управление предполагает наличие в системе установленных предупредительных сигналов, срабатывающих на изменение уставленных макроэкономических, финансовых, политических и иных параметров. Срабатывание алерта вызывает автоматическое выполение некоторой цепочки предустановленных решающих правил по ребалансингу фондового протфеля.

Оптимальное управление на основе нечетких оценок факторов доходности и риска активов не может не брать в расчет обоснованные прогностические модели, принципы построения которых вкратце изложены в [94, 108]. Напрашивается мысль, что те группы рыночных субъектов, кто будет успешнее прогнозировать финансовые потоки и управлять ими, получит в условиях нового мирового порядка труднопереоцениваемые, эксклюзивные преимущества. Неспроста сказано: кто владеет информацией, тот владеет миром. И главный фактор успеха здесь – это понимание того, что такое рациональное инвестиционное поведение, плюс качественная и количественная математическая модель такого поведения. Много сил в науке было отдано тому, чтобы описать рациональный инвестиционный выбор (например, через функцию инвестиционной полезности, в том числе и в нечетком описании [276]). Однако, если исследование аспектов рационального инвестиционного поведения не опирается на детальный анализ фондового рынка и макроэкономической обстановки в стране, где осуществляются инвестиции, то такой анализ рационального инвестиционного поведения является бесполезным. А в такой постановке задача практически не звучит. Приятным исключением является подход, применяемый компанией Lattice Financial [266], где прослеживается детальная модельная связь между макроэкономическими факторами и количественными оценками тенденций фондового рынка. Но здесь другая крайность: слишком велика в моделях [266] доля механистического понимания связей на макро- и микроуровне, когда возникает прямой соблазн «рекурсивного прогнозирования», где будущее с точностью до вероятностно расределенного случайного сигнала определяется настоящим. Фактор рационализации выбора совершенно выпадает из моделей такого сорта. Следует восполнить этот пробел в теории фондовых инвестиций – и одновременно развить математическое оснащение моделей рационального инвестиционного выбора, введя в них формализмы теории нечетких множеств. Нечеткие описания естественны, т.к. ряд параметров моделей не может быть определен вполне точно, - потому что речь идет о субъективных человеческих предпочтениях, которые размыты не потому лишь, что мы не можем набрать правдоподобной статистики, а потому, что инвестор и сам иногда не до конца понимает, чего он хочет, и на каком основании он отделяет «хорошие» бумаги от «плохих». Осмыслить, что для инвестора «хорошо», а что «плохо» - это и есть цель настоящего исследования.

4.2.1. Теоретические предпосылки для рационального инвестиционного выбора Самое простое и конструктивное определение рационального инвестиционного выбора: это такой выбор, который приносит доход в среднесрочной перспективе (при наличии возможности промежуточных убытков). Так, скажем, если рационально ожидаемая доходность по акциям за период 2-3 года является отрицательной, то такой выбор нельзя считать рациональным. Это означает, что инвестор чего-то не понимает в природе рынка, на котором он работает. Вся история последних двух лет – это история о том, как вкладчики в акции США теряли свои деньги, история иррациональных инвестиций. Здесь и далее мы исследуем именно рациональный инвестиционный выбор, т.е. выбор вложений в различные фондовые инструменты с научным расчетом на повышение капитализации вклада. Когда в экономической игре действуют несколько агентов, не образующих коалиций, обладающих равной информацией и действующих по одинаковым правилам, то мы приходим к гипотетической модели эффективного (равновесного, рационального) рынка. В реальности рационального рынка нет, потому что всегда есть недобросовестные инсайдеры, которые, создавая завесу информационного шума вокруг своей деятельности, получают выигрыши на волне иррациональных поступков других инвесторов. Это недобросовестная деятельность, нечестная конкуренция, которая в ряде случаев преследуется по закону. Недобросовестными инсайдерами, по нашему мнению, надо признавать и тех «консультантов», которые, отчетливо понимая природу макроэкономических процессов, тем не менее дают советы, генерирующие массовый иррациональный инвестиционный выбор и приводящие к убыткам. К таким советам я, в частности, отношу советы одного из наиболее авторитетных консультантов США Эбби Дж. Коэн, которые она давала в 2001 году – инвесторам «сидеть ровно» (sit tight), копируя принцип балансовых индексных фондов, ничего не покупая и не продавая (подробно об этом см. в [284]). Убытки в сотни миллиардов долларов явились следствием этой «консультации». Но уже сам факт, что фондовый пузырь «новой экономики» лопнул (хотя и не до конца) – это характеристика того, то рынок, будучи доселе неэффективным, ищет нового равновесия, ищет новой эффективности и рациональности. И в нашу задачу входит определить эту гипотезу новой эффективности, сформулировать парадигму того рационального рынка, куда стремится теперь Америка – а вместе с нею и весь мир. Итак, рассмотрим поведение рационального инвестора (частного или институционального), который формирует свой обобщенный модельный инвестиционный портфель из ценностей трех базовых типов, эмитированных в одной стране:

· Государственные и окологосударственные обязательства (сюда мы относим облигации страны и ее субъектов, а также процентные вклады в банках с существенным государственным участием, по типу Сбербанка РФ, и депозиты в иностранной валюте в этих же банках).

· · Корпоративные обязательства (к ним относим корпоративные облигации и векселя, а также процентные вклады в негосударственных банках и депозиты в иностранной валюте в этих же банках). Корпоративные акции (к ним относим как просто акции, так и паи взаимных фондов на акциях, которые в России называются просто инвестиционными фондами).

Замечание 1. Мы не относим к инвестициям денежный беспроцентный вклад в банк в валюте страны, потому что в долгосрочной перспективе деньги являются активом с отрицательной доходностью (вследствие инфляции). Поэтому такой инвестиционный выбор нельзя считать рациональным. Деньги в предпосылке рационального выбора являются не инвестиционным ресурсом, а средством неотложных расчетов за товары. Они становятся инвестиционным ресурсом только тогда, когда приносят доход, будучи вложенными куда-то и приносящими доход как плату за отложенный спрос на них в расчетах. Замечание 2. На этом этапе моделирования мы не рассматриваем отдельно поведение инвестора, связанное с хеджированием своих инвестиционных рисков при помощи производных ценных бумаг. Это – тема отдельного исследования.

В момент старта инвестиций (t=0) мы предполагаем, что инвестор вкладывает в обобщенный инвестиционный портфель денежный капитал, условно равный равный единице, в валюте той страны, где осуществляются инвестиции. Анализируя рациональный инвестиционный выбор, мы берем во внимание макроэкономическую обстановку, сложившуюся в выбранной стране на момент принятия инвестиционного решения. Что это за условия, будет видно из дальнейшего. Наша научная задача состоит в том, чтобы определить причинно-следственную связь рационального инвестиционного выбора, т.е. ответить на вопрос: какие внешние макроэкономические факторы в количественном и качественном отношении заставят рационального инвестора так или иначе (в той или иной долевой пропорции) формировать свой обобщенный инвестиционный портфель. Понимая эту причинную связь количественно и качественно, мы можем перейти к построению прогностических моделей. При этом мы не ждем, что поведение реального рынка будет стопроцентно точно вписываться в наш прогноз (мы вообще не верим в точные прогнозы). Мы прогнозируем не само поведение рынка, а рациональный тренд этого поведения, предполагая в то же время, что реальный рынок ближайших пяти лет будет асимптотически приближаться к этому тренду, а колебания рынка относительно тренда мы списываем на иррациональный инвестиционный выбор, вызванный неверной (ненаучной) оценкой новостей, слухов и рыночных алертов, в том числе макроэкономических. Заявленная выше группировка активов является оправданной, потому что обязательства, безотносительно того, какую природу они имеют (природу ценных бумаг или природу денежных депозитов), выражают расчет инвестора на известный 163 фиксированный доход в будущем. Критерии кластеризации – это доходность инвестиций в активы, надежность эмитента активов и характер волатильности активов (табл. 4.6):

Таблица 4.6. Укрупненная классификация фондовых инвестиций Тип реального Доходность Надежность Волатильность актива реального реального актива реального актива актива (риск 1) (риск 2) Гособязательства Низкая Высокая Низкая Корпоративные Низкая и Средняя и низкая Низкая и средняя обязательства средняя Корпоративные акции Средняя и Средняя и низкая Высокая высокая Надежность и волатильность – это две стороны риска, связанные с вложениями в активы. Если свести эти две меры в одну, то можно утверждать, что риск инвестиций в гособязательства является низким, в корпоративные обязательства – средним, а в корпоративные акции – высоким. Если рассматривать выделенные типы активов как модельные классы, то каждому из классов можно сопоставить фондовый индекс, имеющий форму индекса кумулятивной финальной доходности в валюте страны, как это объясняется в предыдущем разделе настоящей диссертационной работы. Также мы считаем, что дефолтные риски реальных активов в структуре модельного актива элиминируются, и главную долю в рисках занимает прежде всего синхронная волатильность курсовой цены реальных активов (в силу почти полной корреляции реальных активов внутри одного модельного актива). Ясно, что можно выстроить точечные оценки доходности и риска по этим индексам, исследуя исторические данные, пользуясь экспертными соображениями или прогностическими моделями (таблица 4.7). На этом этапе рассмотрения, для простоты, мы считаем получаемые оценки неразмытыми.

Таблица 4.7. Исходные данные по модельным активам Тип актива Доходность Риск актива актива Гособязательства r1 s1 Корпоративные r2 s2 обязательства Корпоративные акции r3 s3 Вес актива в портфеле x1 x x Сумма весов в портфеле равна единице. В зависимости от типа выбора (консервативный, промежуточный, агрессивный) инвестор увеличивает или уменьшает долю акций в противовес облигациям.

Замечание 3. На начало исследования нам не известны точечные проогнозные оценки доходности и риска активов (тогда бы не было смысла ставить и решать нашу 164 задачу). Зато нам известны отношения порядка доходностей и рисков, которые в последующем будут нами включены в математическую модель.

Замечание 4. Еще раз повторимся, что рациональное инвестирование предполагает рациональные оценки доходности и риска активов. Здесь и далее, если не оговаривается особо, мы говорим о рациональных оценках для принятия рациональных инвестиционных решений. Как получить эти рациональные оценки – об этом речь впереди.

Разумеется, построенный обобщенный инвестиционный портфель является монотонным (в смысле [110]). То есть мы знаем, что монотонное убывание доходности от актива к активу сопровождается в нашей модели соответствующим монотонным убыванием риска вложений. Монотонность портфеля – это свойство, которое делает его сбалансированным (равновесным) и отвечающим золотому правилу инвестирования, причем в формировании эффективной границы портфельного множества непременно участвуют все модельные активы, входящие в монотонный портфель. Поэтому мы утверждаем, что вложения одновременно в три выделенных актива делают инвестиционный выбор инвестора рациональным, безотносительно долей этих активов в портфеле. Это следует и из тех простых соображений, что все перечисленные активы органично дополняют друг друга, создавая полный диверсифицированный набор фондовых инструментов. В списке из трех модельных активов нет ни одного лишнего, потому что в пространстве рациональных значений «риск-доходность» эти активы образуют полное перекрытие. Другое дело, что реальные активы, наполняющие те или иные модельные компоненты портфеля, могут превосходно вытеснять друг друг друга с эффективной границы, и тогда присутствие «отсталых» реальных активов делает портфель немонотонным. В самом общем случае эффективная граница портфельного множества на модельных активах является вогнутой функцией без разрывов в координатах «рискдоходность». Если нанести на график, наряду с эффективной границей, изолинии двумерной функции полезности инвестиционного предпочтения ([194], рис. 4.4), имеющие с эффективной границей общую касательную, то каждая изолиния будет соответствовать определенному типу инвестиционного поведения. Агрессивный рациональный инвестор соответствует изолинии с меньшими углами наклона касательной, консервативный рациональный инвестор – с большими углами наклона (он требует в качестве платы за прирост риска большей доходности, нежели агрессивный инвестор). Естественно, напрашивается традиционная или размытая классификация инвестиционных предпочтений по виду эффективной границы. Простейший способ классификации таков. Обозначим smin – риск левой точки эффективной границы, smax – риск правой точки эффективной границы, и D = (smax - smin )/3. Тогда инвестиционный выбор может быть привязан к степени риска фондового портфеля следующим образом:

· · Консервативный выбор – при риске портфеля от smin до smin +D;

Промежуточный выбор – при риске портфеля от smin + D до smin +2D;

· Агрессивный выбор – при риске портфеля от smin + 2D до smax Рис. 4.4. Эффективная граница и изолинии функции полезности На рис. 4.4 представлена эффективная граница портфеля самого общего вида. Как мы далее покажем, для обобщенного инвестиционного портфеля в нашей постановке эффективная граница вырождается к виду, близкому прямой линии. Докажем это утверждение, воспользовавшись результатами теории монотонного портфеля [110]. Поскольку наш обобщенный инвестиционный портфель монотонен, то существует отношение порядка для доходностей и рисков активов портфеля. Простейшие рыночные исследования дают нам такое отношение порядка: r3 >> r2 » r1 s3 >> s2 » s1 (4.29) Соотношение (4.29) является общемировым и справедливо для всех обобщенных классов фондовых инструментов во всех странах и во все времена. В нем выражена суть важнейшего отличия бумаг с фиксированным доходом от бумаг с нефиксированным доходом: раз доход по бумаге заранее неизвестен (что есть существенный риск), то за это следует заплатить существенным приростом доходности. При этом на фоне риска и доходности акций риск по государственным и корпоративным бумагам является малоразличимым. Это же справедливо и для доходностей активов. Еще раз оговоримся: мы здесь исследуем поведение модельных, а не реальных бумаг. Например, хорошо известно, что так называемые «мусорные облигации» могут приносить доход, сопоставимый с доходом по акциям. Однако доля торговли такими облигациями столь мала, что ее вес в индексе облигаций оказывается крайне низким и не производит нарушения условия (4.29). Чтобы продемонстрировать правильность (4.29) количественно, построим российский портфель, в котором нечеткие экспертные оценки параметров на перспективу 2002 года следующие (таблица 4.8):

Таблица 4.8. Данные по российскому фондовому портфелю на 2002 г. Тип актива Доходность Риск актива, % Вес актива в актива, % год в рублях портфеле, % год в рублях Гособязательства (16,17,18) (1,2,3) 25 Корпоративные (20,21, 22) (2,4,6) 25 обязательства Корпоративные акции (40,60,80) (20,30,40) Корреляционная матрица активов, построенная как точечная оценка за два последних года обработки исторических данных, сведена в таблицу 5.9:

Таблица 4.9. Корреляционная матрица российских фондовых активов Тип актива Гособязательства Корпоративные Корпоративные обязательства акции Гособязательства 1 0.96 0.26 Корпоративные 0.96 1 0.02 обязательства Корпоративные акции 0.26 0.02 На рис. 4.5 представлен результат моделирования с момощью программы SBS Portfolio Optimization System:

Рис. 4.5. Результат моделирования обобщенного российского инвестиционного портфеля 167 Видно, что эффективная граница у нас – это полоса с почти прямолинейными границами, которую можно легко интерполировать прямой без существенной погрешности. Это свойство полосы было продемонстрировано на примере в п. 4.1.3 настоящей работы: для обобщенного портфеля из двух активов (акции и облигации), в силу выполнения (4.29) эффективная граница асимптотически преобразуется к полосовому виду с прямыми верхней и нижней линиями, что описывается формулой: r= rA - rB + rB A (4.30) где rA - доходность по акциям, rB - доходность по облигациям, sA - риск по акциям, rB риск по облигациям, все указанные показатели – треугольные нечеткие числа. Поскольку доходность и риск государственных и корпоративных обязательств близки (по сравнению с тем же для акций), и корреляция этих обязательств близка к единице (по понятным причинам, ибо все эти обязательства обращаются на внутристрановом рынке, в едином макроэкономическом окружении), то все обязательства могут быть объединены в один супер-класс активов. И тогда выполняется (4.30), и утверждение о том, что наш обобщенный инвестиционный портфель имеет эффективную границу полосового вида с линейными границами, доказано. Из этого можно сделать сразу три очень важных вывода:

Вывод 1. Поскольку государственные и корпоративные обязательства являются трудноразличимыми в обобщенном инвестиционном портфеле, то оптимальным решением будет сделать доли этих компонент в портфеле равными. Это рациональное требование избавит нас от эффекта «дурной оптимизации», когда в оптимальном портфеле корпоративные облигации вытесняют государственные именно из-за пресловутой трудноразличимости (см. рис. 4.5, где нижняя круговая диаграмма, соответствующая долевому распределению в оптимальном портфеле, исключает государственные облигации). Вывод 2. Приведем уравнение прямой (4.30) к каноническому виду:

r - rB rA - rB = = const. A (4.31) Слева в (4.31) – показатель, примерно равный проказателю Шарпа по портфелю (если бы в числителе учитывались не просто облигации, а только государственные облигации). Видим, что на всех участках эффективной границы инвестиционный выбор инвестора, безотносительно его окраски (консервативный, промежуточный, агрессивный) обладает одной и той же степенью экономической эффективности (которую примерно можно оценить показателем Шарпа для индекса акций). Т.е. плата за риск в виде приращения доходности начисляется равномерно, и невозможно добиться особых условий инвестирования с максимумом экономического эффекта. Вот, например, для границы рис.

168 4.4 такой максимум существует, и он ложится в диапазон промежуточного типа инвестиционного выбора;

соответственно, появляется экономическая предпочтительность этого вида выбора перед другими. В нашем случае этого нет.

Вывод 3. Выбор из двух модельных активов всегда оптимален и рационален. Это вытекает из монотонности обобщенного портфеля, потому что подмножество активов монотонного портфеля также образует монотонный портфель.

Все вышеизложенное говорит нам о том, что задача рационального выбора сводится к задаче определения соотношения между акциями и облигациями, с одной стороны, и фондовым и нефондовым рынками – с другой. Если акции «перегреты», то необходимо постепенно избавляться от них в пользу облигаций. Если «перегреты» облигации (низкий доход к погашению, высокая цена), то нужно избавляться уже от облигаций. Возможен и вариант, когда с фондового рынка надо уходить, полностью или частично. Главный вопрос тот же самый: в какой пропорции и в связи с чем это делать? Ответ на этот вопрос дает принцип инвестиционного равновесия.

4.2.2. Принцип инвестиционного равновесия Инвестиционное равновесие – это основа основ рационального инвестиционного выбора. Этот принцип берет свое начало в математической теории игр (в частности, равновесной игрой является игра с нулевой суммой [92]). Принцип равновесия является аналогом закона сохранения энергии и вещества. Если капиталу где-то плохо лежится, он потечет туда, где ему будет лучше. Если капиталу будет плохо везде в пределах заданной своей формы, он сменит форму. Например, текущий американский фондовый кризис – кризис переоценки – это поиск и достижение нового уровня равновесия. Капиталу неспокойно в перегретых акциях, и он бежит оттуда. Пытается пристроиться в облигации, но там его, по большому счету, никто не ждет. Условия государственных займов неинтересны, условия корпоративных займов ненадежны (все эти выводы – в пределах сложившейся конъюнктуры фондового рынка США). И что делать капиталу? Он продолжает свое бегство - либо за границу, мобилизуясь на счетах в европейских банках, при этом меняя валюту, либо понемногу оседает в менее ликвидных формах (драгметаллы, антиквариат, недвижимость итд). Равновесие – это равнопредпочтительность. С точки зрения инвестиционного выбора это – безразличие. Мы только что показали, что эффективная граница обобщенного инвестиционного портфеля имеет вид, близкий к линейному. Ни в одной точке границы не достигается экономическое преимущество (дополнительный выигрыш) по критерию Шарпа. Нет экономического преимущества – следовательно, в игре с рынком не выигрывает никто (сумма игры нулевая). Если инвестор вкладывается в перегретые акции, он проигрывает. Если в недооцененные – выигрывает. Но, когда все игроки действуют рационально, то дополнительного выигрыша нет ни у кого, потому что все игроки одинаково эффективно распределяют базовый источник дохода – валовый 169 внутренний продукт страны, на уровне отраслей и корпораций, куда идет инвестирование. Соответственно, рациональному инвестору все равно, как вкладываться на рациональном рынке. И, при отсутствии дополнительных соображений, он просто 50% размещает в акциях, а 50% - в облигациях, позиционируя свой инвестиционный выбор как промежуточный (под дополнительными соображениями здесь понимается, например, пожилой возраст инвестора, склоняющий его быть более консервативным). Назовем выбор 50:50 контрольной портфельной точкой. Еще важные приложения принципа равновесия. Монотонный портфель равновесен, потому что он построен по золотому правилу инвестирования, а само это правило интерпретирует принцип равновесия как принцип разумной диверсификации. Безотносительно типа моего выбора, разумный инвестор «никогда не кладет все яйца в одну корзину». Как бы беззаветно он не любил рисковать, у него должны быть отложены средства на черный день. И наоборот: пребывая в одних облигациях, богатства не наживешь и на пенсию не заработаешь, поэтому приходится рисковать. А факт неполной корреляции индексов акций и облигаций свидетельствует о взаимном элиминировании рисков этих индексов в диверсифицированном портфеле. Отметим здесь же, что бывает иррациональная (неразумная) диверсификация. Антинаучная формула «следования за рынком», незыблемая вера в то, что рынок всегда прав, порождают эффект ошибочного балансирования по схеме Эбби Коэн (о чем речь шла выше) - когда вместо того, чтобы немедленно уходить с рынка акций (потому что обвал уже неминуем, и все макроэкономические факторы говорят за это), превращать акции в доллары, а доллары – в евро (тут уж не до диверсификации, когда рынок обрушивается), нас заставляют «балансироваться», т.е. нести убытки. Построим количественную модель принципа равновесия. Для этого скорректируем свой обобщенный инвестиционный портфель и сформируем его следующим образом:

· · · Модельный класс акций (rA - доходность по акциям, sA - риск по акциям, xА(t=0) = xА0 – стартовая доля актива акций в портфеле). Модельный класс облигаций (rB - доходность по облигациям, rB - риск по облигациям, xВ(t=0) = xВ0 – стартовая доля актива облигаций в портфеле). Фиктивный модельный класс нефондовых активов, характеризующийся только размером доли отзываемого капитала xN(t) из фондовых активов акций (А) и облигаций (В). Перовначально xN(t=0) = 0, т.е. по условиям моделирования предполагается, что инвестор сначала формирует свой фондовый портфель.

Суть коррекции в том, что мы решили объединить все облигации, т.к. они трудноразличимы на фоне акций, а также предусмотрели возможность увода капитала инвестором из фондовых ценностей в нефондовые. Остается справедливым для всех случаев уравнение баланса долей: xА(t) + xВ(t) + xN(t) = 1, А в контрольной портфельной точке выполняется (4.32) xА(t) = xВ(t) = (1- xN(t) )/2.

(4.33) Введем в модель три дополнительных экзогенных макроэкономических фактора: · доходность rI и риск sI по индексу инфляции страновой валюты. Сразу отметим, что параметры доходности и риска здесь являются близкими к тому же для облигаций. Государственные облигации могут несколько отставать от инфляции, а корпоративные – опережать, но все это несопоставимо с параметрами доходности и риска акций;

· доходность rGDP и риск sGDP по индексу темпов роста валового внутреннего продукта (ВВП) региона, где осуществляются инвестиции;

· доходность rV и риск sV по индексу кросс-курса валюты региона, где проводятся инвестиции, по отношению к рублю. Также в ходе прогнозирования фондовых индексов будем непрерывно наблюдать и прогнозировать (на основе всей вышеизложенной исходной информации) индекс PE Ratio (образованный: в числителе – ценовым индексом акций, в знаменателе – чистой прибылью корпораций в расчете на одну осредненную акцию, а эту прибыль по темпам роста можно оценить через темп роста ВВП и уровень инфляции).

Рис. 4.6. Инфляция в США с 1971 по 2002 гг Рис. 4.7. Рентабельность капитала в США с 1946 по 2002 г (по фактору PE Ratio) Применительно к условиям США индекс инфляции (оцениваемый по фактору текущей доходности, по данным [308]) приведен на рис. 4.6, а индекс PE Ratio приведен на рис. 4.7 (данные из [271]). Прежде чем разрабатывать модели инвестиционного равновесия, зададимся качественным вопросом: существует ли в целом равновесие между инфляцией и рентабельностью капитала, и если оно нарушается, то с чем это связано? Директор Федеральной Резервной Системы США Алан Гринспен так высказался в 1996 году [250]: «Ясно, что длительная низкая инфляция подразумевает меньшую неопределенность относительно будущего, и меньшие премии за риск вызывают более высокие цены акций и иных доходных активов. Мы можем видеть это в обратном отношении PE Ratio к уровню инфляции, что наблюдалось в прошлом.» Премия за риск в случае акций – это и есть уровень рентабельности капитала, который мы исследуем. Здесь Гринспен прав. Например, в эру стагфляции (1975 – 1982 гг) высокие темпы инфляции провоцировали низкие значения PE Ratio. Объясняется это тем, что государственные и корпоративные долговые обязательства всегда выравнивались по инфляции, несколько опережая ее - и тем самым создавали привлекательную инвестиционную альтернативу для акций (убедиться в этом можно, посмотрев исторические данные по государственным облигациям с однолетней длительностью (maturity) [310]). И в этом смысле рынок всегда искал инвестиционного равновесия. Но однажды (после 1995 года) равновесие теряется, и Гринспен предсказывает это в той же речи [250], продолжая начатое выше: «Но откуда мы знаем, когда иррационально ведущее себя избыточное богатство чрезмерно взинтит цены на активы, не настанет ли тогда черед неожиданным и продолжительным финансовым стрессам, как это имеет место в Японии все последнее десятилетие? И как мы учтем эти факторы в монетарной политике? Нас - правительственных банкиров – не должна касаться ситуация, если коллапс финансовых рынков не угрожает ослаблению реальной экономики, продукции, рабочим местам и ценовой стабильности». Многие усмотрели в этом высказывании Гриспена пророчество, и, по сути дела, это так и есть. Гринспен указывает на то, что существует море «шальных денег», которое не хочет считаться с макроэкономикой, и именно эти деньги, перегревая фондовые ценности, создают инвестиционный диспаритет.

Единственное, чего не хочет брать в расчет Алан Гринспен – это социальные последствия, вызванные кризисом масштабной переоценки фондовых ценностей. Сжатие пенсионных капиталов вызывает у людей отчетливую тревогу, недоверие к фондовому рынку и желание его покинуть. Трещина в пенсионной системе США в состоянии вызвать далеко идущие последствия, вплоть до частичного свертывания добровольной составляющей этой системы. Это – подрыв корпоративного инвестиционного механизма, который может привести к существенному торможению темпов экономического роста и кардинальному ухудшению финансового состояния корпораций. Обратным образом это приводит к падению прибылей и – как следствие – к еще большему падению котировок. Так работает спираль сжатия корпоративного финансирования, коллапсирующая экономику. Рассмотрим простой оценочный показатель диспаритета фондовых инвестиций, который получается по формуле: A_N Score (t) = I(t) * PE Ratio (t), (4.34) где I(t) – уровень инфляции в долевых единицах. Также имеем ввиду, что выполняется rB(t) = I(t) + D(t), (4.35) где D(t) – уровень премии за риск (сегодня для условий США этот фактор колеблется в районе 1-5% годовых, в зависимости от типа обязательств). Показатель диспаритета приведен на рис. 4.8.

Рис. 4.8. Показатель инвестиционного диспаритета (США) Из анализа исторических данных по рис. 4.6 – 4.8 видно, что позитивный диспаритет достигается, когда A_N Score (t) < 0.5 (это ситуация 1994 – 1997 гг, когда PE Ratio колеблется в диапазоне от 17 до 22 при инфляции 2.5-3% годовых). Ясно, что облигации неинтересны, а рентабельность капитала на уровне 5% годовых (плюс ожидаемый курсовой рост) не могут никого оставить равнодушным. Ждут притока капиталов, роста, и рост наступает. При этом «ралли» (т.е. устойчивая «бычья» игра) сохраняет волатильность индекса акций на уровне «до подъема». Равновесие достигается при 0.6 < A_N Score (t) < 0.7 ((это ситуация 1994 – 1997 гг и 1998 – 1999 гг, когда PE Ratio колеблется в диапазоне от 24 до 28 при инфляции 2.5-3.5% годовых) Негативный диспаритет мы наблюдаем при A_N Score (t) > 0.7 (1991 – 1992, 2000 – 2001 гг, когда PE Ratio достигает и превышает 30, а инфляция зашкаливает за 5-6% годовых). Перестают быть интересны акции, начинают играть облигации;

однако сама инфляция повышает системный риск фондового рынка, его ненадежность. Ждут оттока капиталов, спада, и спад настает (при этом устойчивая «медвежья» игра возвращает волатильность индекса на уровень значений «до подъема»). На рис. 4.9 видно, как по мере нарастания негативного диспаритета по тенденции растет и курсовая волатильность индекса акций [271].

Рис. 4.9. Рост курсовой волатильности индекса акций Проблема в том, что мы не можем перенести «в лоб» полученные границы паритетного, равновесного выбора, не учтя на перспективу ряд замечаний, которые существенно поправляют наши оценки. Во-первых, бум корпоративных скандалов в США показывает, что оценки прибыльности предприятий являются завышенными. Это влечет коррекцию равновесного диапазона PE Ratio с 24-28 (исторически) до 18-22 (на период с 2003 по 2008-2010 гг). Инвестор требует дополнительной премии за риск ввиду открывшихся новых обстоятельств манипулирования отчетностью. Во-вторых, долгосрочный инвестор берет в расчет потенциальный рост инфляции по тенденции с 2 до 3-4% годовых, с восстановлением инвестиционной картины начала 90-х годов. В пересчете на показатель инвестиционного диспаритета равновесие оказывается на уровне 0.65 – 0.75. Если в обозримый период инфляция не возрастет, то PE Ratio на уровне 18-22 – это уровень позитивного диспаритета, когда можно вернуться к покупке акций.

4.2.3. Модель рациональной динамики фондовых инвестиций Итак, моделируя рациональный инвестиционный выбор, мы устанавливаем, что он управляется принципом инвестиционного равновесия. При нарушении равновесия, по внутренним условиям фондового рынка или в силу изменившихся макроэкономических условий, возникает диспаритет, и система стремится к возвращению утраченного равновесия через переток капиталов из одного вида активов в другой. Построим нашу модель инвестиционного равновесия как описание динамической системы (конечного автомата, где в качестве состояний выступают инвестиционные тенденции, о чем речь дальше), где моделируется стартовое размещение фондовых активов и последующие перетоки между активами на интервале дискретного прогнозного 175 времени tнач, tнач+1,..., t,…, tкон. По умолчанию, мы выбираем единичный интервал прогнозирования DT = 0.25 года (квартал). Для начала классифицируем тенденции, возникающие в ходе инвестиционного выбора. С точки зрения движения капитала можно вычленить: · призывную тенденцию (когда капитал отвлекается из других форм и инвестируется в фондовые активы);

· выжидательную тенденцию (когда прилив капитала останавливается, но отлива из фондовых активов еще нет);

· отзывную тенденцию (когда капитал перетекает с фондового рынка в другие формы).

· · · С точки зрения портфельного выбора можно вычленить: агрессивную тенденцию (когда капитал предпочитает акции облигациям и иным своим формам);

промежуточную тенденцию (когда капитал ищет инвестиционного равновесия между акциями и облигациями);

консервативную тенденцию (когда капитал предпочитает акции облигациям и иным своим формам).

На декартовом произведении вышеизложенных классификаций образуются комбинированные тенденции: выжидательно-агрессивная, призывно-консервативная итд. Стартовое рациональное размещение активов моделируется нами таблицей 4.10. Параметры аi и bij, участвующие в таблице 4.10, - свои для каждой страны и для каждого периода прогнозирования. В пределах пятилетнего срока прогнозирования, если на уровне экспертной модели не констатируется обратное, мы полагаем эти параметры постоянными. Далее мы формируем инвестиционные переходы, которые должен осуществлять рациональный инвестор в прогнозируемой перспективе, ребалансируя свой фондовый портфель. Схема опирается на все вышеизложенные соображения (таблица 4.11). Из таблиц 4.10 и 4.11 видно, что по мере увеличения риска тех или иных инвестиций (с ростом инфляции или с падением рентабельности капитала) капитал в руках рационального инвестора ищет сменить форму, что немедленно фиксируется соответствующей сменой тенденции в сторону отзывности.

Таблица 4.10. Стартовое распределение капитала Номер Уровень Уровень Рациональное долевое входинфляции P/E распределение инвестиций ной xА(tнач) xB(tнач) xN(tнач) ситуации пп 1 До b11 1 0 0 Низкая инфляция, дефляция 2 b11 - b12 0 0 1 (0 – a1%) Свыше b12 3 0 0 1 4 До b21 0.5 0.5 0 Умеренная инфляция (a1 – a2 %) 5 b21 – b22 0 1 Тип тенденции 6 7 8 9 Высокая инфляция, гиперинфляция, стагфляция (свыше a2%) Свыше b22 До b31 b31 – b32 Свыше b 0 0 0 0.5 1 0 0.5 0 1 Призывноагрессивная Отзывная Отзывная Призывнопромежуточная Призывноконсервативная Отзывноконсервативная Призывноконсервативная Отзывная Отзывная Таблица 4.11. Схема инвестиционных переходов Номер Рациональные перетоки Тип тенденции входной капитала: + приток, ситуаотток, 0 – нет движения ции по A B N табл. 4.10 1 + 0 Выжидательно-агрессивная 2 0 0 0 Выжидательная 3 0 + Отзывная 4 + + Призывная 5 0 + Призывно-консервативная 6 + 0 Выжидательно-консервативная 7 0 + Призывно-консервативная 8 0 + Отзывно-консервативная 9 + Отзывная 4.2.4. Фазы прогнозирования Все необходимые теоретические качественные предпосылки для построения прогнозной модели изложены. По итогам рассмотрения, общая схема моделирования, построенная на основе принципа инвестиционного равновесия и соответствующего рационального инвестиционного выбора, представляется нам следующей:

Pages:     | 1 | 2 || 4 | 5 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.