На рис. 8.10 показан график рынка капитала (CML), характеризующийся соответствующими значениями доходности: безрисковой ставкой и рыночного индекса. С помощью алгоритма Марковица (Markowitz) получена эффективная граница, а также средние значения доходности, среднеквадратические отклонения и коэффициенты корреляции полной совокупности рискованных активов для всего множества ценных бумаг. (Эта дополнительная информация здесь не приведена.) Акции AwB отображаются намного ниже CML и ниже эффективной границы. Это свидетельствует о том, что эффективно диверсифицированные портфели доминируют над недиверсифицированными отдельными акциями.

Прогноз значений коэффициента "бета"

Даже если модель с единственным индексом не полностью согласуется с САРМ, концепция разложения риска акции на систематический и диверсифицируемый, тем не менее, весьма полезна. Систематический риск хорошо аппроксимируется коэффициентом "бета" в уравнении peipecciin, а несистематческий риск —дисперсией остаточной доходности в уравнении регрессии.

Зачастую мы пытаемся подсчитать P для того, чтобы прогнозировать доходность интересующего нас актива. Коэффициент "бета" из уравнения регрессии представляет собой оценку, базирующуюся на предшествующих событиях; он ничего не говорит нам о возможных изменениях P в будущем. Из практики следует, что коэффициенты "бета" демонстрируют статистическое свойство, называемое "регрессией в направлении среднего значения". Это означает, что ценные бумаги с высокими значениями P (т.е. P > 1) за один период, как правило, в будущем демонстрируют более низкие значения р. тогда как ценные бумаги с низкими значениями P (т.е. P < 1) в последующие периоды демонстрируют более высокие значения р. Исследователи, которым требуются прогнозы будущих значений Р, нередко корректируют оценки Р, полученные на основе прошлых данных, с целью учета "регрессии в направлении среднего значения". По этой причине необходимо проверять, не являются ли оценки, с которыми вы имеете дело, уже "скорректированными Р".

Простым способом учета стремления будущих значений коэффициента "бета" к среднему значению, равному 1,0, является использование в качестве прогноза р взвешенного среднего значения с корректировочными коэффициентами, когда P = 1,0 присваивается определенный удельный вес.

Пример 8.7. Прогнозирование коэффициента "бета"

Допустим, что из прошлых данных мы ожидаем, что P примет значение 0,65 Тогда мы должны использовать следующую общепринятую схему взвешивания: удельный вес P по прошлым данным составляет 2/3 и 1/3 составляет P = 1,0. Таким образом, конечный прогноз коэффициента "бета" будет иметь такой вид:

Скорректированный коэффициент "бета" = 2/3x0.65 + 1/3x1,0 = 0.77

Окончательный прогноз коэффициента "бета", таким образом, на самом деле ближе к 1,0, чем его значение, основанное на данных выборки.

Copyright © 2008-2012 MoyDohod.Ru

Использование материалов сайта возможно при условии указания активной ссылки
Как заработать на сайте