WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 3 | 4 || 6 |

RTSRET(–1)

–0,049

0,120

–0,009

0,035

–0,014

USTb3(–1)

–0,065

–0,184

–0,161

–0,179

–0,173

WDRET(–1)

0,140

–0,002

–0,070

–0,014

0,135

dTED(–1)

0,085

0,119

0,183

0,155

0,170

Безусловные корреляции между избыточными доходностями портфелей российских акций, факторами риска и инструментальными переменными. (–1) означает лаг. WDRET и RTSRET – недельная избыточная доходность мирового и российского индексов соответственно, USTb3 – недельная доходность по 3-месячным облигациям казначейства США, dTED – разница между недельными доходностями по 3-месячным евродолларовым депозитам (Лондон) и 3-месячным облигациям казначейства США, 7dIBR – ставка по 7-дневным межбанковским кредитам (в Москве).

1.6. Эмпирические результаты

1.6.1. Анализ интеграции

В табл. 1.3 приведен результат оценивания системы (1.12). Благодаря высокой размерности системы (60 ортогональных условий, 40 оцениваемых параметров, 20 степеней свободы), при задании различных начальных условий достигаются различные локальные минимумы. Также в табл. 1.3 показаны значения параметров, соответствующие минимальному значению целевой функции; приведены средние значения коэффициента интеграции :, средняя и среднеквадратичная ошибки, где Т – число наблюдений; значения J-статистики и соответствующие Р-значения. Как видно из приведенных данных, несмотря на то, что мы предположили, что цены глобальных и локальных рисков постоянны во времени, модель не отвергается. Таким образом, можно выдвинуть гипотезу о необходимости рассмотрения цены риска как категории, зависящей от времени, если период наблюдения охватывает несколько циклов развития мировой экономики. Также в табл. 1.3 приведены значения параметров βi, и их t-статистики. Несмотря на то, что три из пяти параметров оказались статистически незначимыми, можно сделать следующие качественные выводы. Как и ожидалось, портфели, в которые входят фирмы, обладающие большей рыночной капитализацией, более тесно связаны с изменением мировой конъюнктуры, чем с меньшей.

Информация о средних и среднеквадратичных ошибках позволяет провести дополнительный анализ модели. Нетрудно заметить, что как средняя (по модулю), так и среднеквадратичные ошибки максимальны для портфеля с наименее капитализированными компаниями; среднеквадратичная ошибка почти монотонно уменьшается от минимальной квинтили к максимальной. Этот результат объясняется двумя причинами. Во-первых, акции компаний с меньшей капитализацией обладают большим стандартным отклонением, во-вторых, применяемый критерий отбора ценных бумаг чаще затрагивает акции таких компаний и, таким образом, вносит дополнительный шум в построенный временной ряд доходностей.

Сравнивая полученный результат с приведенным в статье Fedorov, Sarkissian 2000, table 4, можно отметить более тесную степень интеграции для первой и пятой квинтилей и некоторое уменьшение для второй, третьей и четвертой. Аналогично известному результату, коэффициент интеграции для первой квинтили меньше, чем у второй и третьей. Увеличение зависимости доходности пятой квинтили от глобальных факторов можно объяснить тем, что из-за общего снижения активности фондового рынка после кризиса в этот портфель теперь входят акции компаний с большей капитализацией, чем в 1995–1997 гг., более интересные для иностранных инвесторов.

Полученный результат вполне согласуется с экономической интуицией, если учесть, что в портфели с высокой капитализацией входят компании, акции которых представлены на крупнейших мировых биржах в виде депозитарных расписок (например, телекоммуникационные), или компании, занимающиеся активной внешнеторговой деятельностью (металлургические, нефтегазовые). Высокая зависимость таких компаний от внешних факторов неоднократно отмечалась в литературе (Griffin, Stulz 1998; Foerster, Karolyi 1999). Следует отметить, что в модель не был включен такой фактор, как мировые цены на нефть, который, несомненно, играет важную роль в оценке активов нефтяных компаний. Таким образом, некоторое снижение коэффициента интеграции для портфеля size 1, который как раз и содержит акции указанных эмитентов, отчасти объясняется отсутствием дополнительных инструментов.

J-stat = 17,5594 Prob[χ2(20) > J] = 0, 62.

Для каждого портфеля российских ценных бумаг, содержащего соответствующую размерную группу, проводилась оценка коэффициентов β при информационных переменных (см (1.5)) и вычислялась средняя степень интеграции-ϕ. -e – ошибка определения цены и -e2 – корень из среднеквадратичного отклонения ошибки ценообразования. Ошибки вычисляются по (1.9). J-stat – это J-статистика Hansen'а, показывающая качество подгонки.

Таблица 1.3

Тесты интеграции Российского рынка акций

Портфель

β

(t-stat)

-e

-e2

Size 1

9,23

(1,68)

0,62

0,0069

0,0899

Size 2

298,65

(2,07)

0,88

0,0055

0,0836

Size 3

134,37

(2,16)

0,83

–0,0118

0,0914

Size 4

38,14

(0,95)

0,77

–0,0076

0,1215

Size 5

26,19

(0,22)

0,57

–0,0165

0,1262

1.6.2. Диагностика полученных результатов

Для анализа полученных результатов важно определить, могут ли инструментальные переменные объяснить остатки, оцененные по формуле (1.9). Существование зависимости означает, что модель неверно специфицирована. Для проверки этого предположения применим следующий тест. Проведем регрессию остатков для каждого портфеля i на три множества инструментов: глобальное, локальное и их комбинацию. Результаты выполнения теста приведены в табл. 1.4. В ней указаны скорректированные R2 и соответствующие P-величины для устойчивой к гетероскедастичности (heteroskedasticity consistent) статистики Вальда, которая отражает совместную статистическую значимость регрессоров. Если спецификация модели (1.12) верна, то эти величины не должны свидетельствовать о значимой способности инструментов предсказывать ошибки для любых портфелей. Как малые величины adjR2, так и большие величины P-значений для статистики Вальда указывают на то, что для всех портфелей спецификация модели корректна. Максимальное adjR2 наблюдается для четвертого портфеля и равно 3,15% от регрессии остатков (1.12) четвертого портфеля на множество всех инструментов, однако, соответствующее значение Р-величины, равное 0,40, статистически подтверждает модель и в этом случае.

Таблица 1.4

Диагностика результатов

Глобальные
инструменты

Локальные
инструменты

Все инструменты

Портфели

P-value

P-value

P-value

Size 1

–0,0128

0,89

–0,0205

0,62

0,0051

0,32

Size 2

–0,0213

0,92

–0,0158

0,71

–0,0062

0,47

Size 3

–0,0076

0,90

–0,0255

0,70

0,0256

0,49

Size 4

0,0199

0,70

–0,0029

0,91

0,0315

0,40

Size 5

0,0093

0,59

0,0127

0,68

0,0290

0,82

Для каждого портфеля российских акций, содержащего соответствующую размерную группу, проводилась регрессия остатков v1t оценки модели (1.12) на множество локальных, глобальных и всех инструментов. Глобальные инструменты: WDRET, USTb3 и dTED; локальные: RTSRET и 7dIBR. – коэффициент R2 с поправкой на число степеней свободы. P-значение – уровень значимости для статистики Вальда.

1.7. Заключение

Цель данной части работы состояла в оценке пространственных отклонений (cross-sectional variations) в интеграции для портфелей российского фондового рынка, содержащих различные размерные группы (size portfolios). При помощи Обобщенного Метода Моментов и условной двухфакторной модели оценки активов проанализировано 223 недельных доходности в период с 25 сентября 1998 г. по 27 декабря 2002 г. Из-за короткого периода наблюдения количество факторов и инструментальных переменных было ограничено, а цена ковариационного риска принималась постоянной. Однако даже эта упрощенная модель позволила получить интересные результаты.

Оценки средних коэффициентов интеграции показывают почти всегда нисходящий тренд с уменьшением размера портфеля. Снижение значения коэффициента для портфеля, содержащего акции компаний, обладающих максимальной рыночной капитализацией, вероятно, объясняется тем, что число факторов и инструментов в данной модели ограничено. Поскольку в исследовании не рассматривался такой важный фактор ценообразования, как мировые цены на нефть, а максимальной капитализацией на российском рынке обладают именно нефтяные компании («ЮКОС», «Сургутнефтегаз», «ЛУКОЙЛ» и др.), то отсутствием этого фактора можно объяснить найденный эффект.

Pages:     | 1 |   ...   | 3 | 4 || 6 |



© 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.