- •Федеральное агентство по образованию
- •2. Математические методы оценки финансового риска
- •2.1 Анализ общего риска: активы, рассматриваемые изолированно
- •2.2. Субъективные и объективные распределения вероятностей
- •2.3 Анализ рыночного риска: активы, входящие в портфель
- •2.4 Ковариация и коэффициент корреляции.
- •2.5 Портфель, состоящий из двух активов.
- •3. Эффективные портфели
- •4. Как диверсификация снижает риск
- •5. Как отдельные ценные бумаги влияют на портфельный риск
- •6. Модель оценки доходности финансовых активов
- •6.1 Линия рынка капитала
- •6.2 Линия рынка ценных бумаг
2. Математические методы оценки финансового риска
Как уже было отмечено в предыдущем разделе, для проведения полноценного инвестиционного анализа необходимо учитывать фактор риска. Таким образом, на первый план выходит проблема оценивания величины риска. Для решения данной задачи используется аппарат теории вероятностей и математической статистики. Вспомним основные понятия этих теорий.
Распределением вероятностей называется множество возможных исходов с указанием вероятности появления каждого из них. Распределения вероятностей бывают дискретными или непрерывными. Дискретное распределение вероятностей имеет конечное число исходов, причем каждому исходу поставлена в соответствие вероятность его появления. Если умножить каждый исход на соответствующую вероятность, а затем сложить полученные результаты, мы получим средневзвешенную исходов. Весами служат соответствующие вероятности, а средневзвешенная представляет собой ожидаемое значение. Так как исходами являются доходности, ожидаемое значение — это ожидаемая доходность (expected rate of return), которую можно представить в следующем виде (1.1):
(1.1)
где xi — i-й возможный исход; pi — вероятность появления i-гo исхода; п — число возможных исходов.
Рис. 1.1. Графическое представление дискретного распределения вероятностей. На примере проекта 1 и проекта 2.
На рисунке 1.1 распределены вероятности возникновения определенного состояния экономики. Если при этом величина доходности, соответствующая нормальному состоянию равна средней арифметической доходностей, соответсвующих остальным состояниям экономики, то данное распределение можно считать нормальным.
2.1 Анализ общего риска: активы, рассматриваемые изолированно
Понятия распределения вероятностей и ожидаемой величины могут использоваться как основа для измерения риска. Однако каким образом можно измерить риск и оценить его количественно? Чтобы ответить на этот вопрос, вспомним основные понятия экономической статистики: «дисперсия» и «среднее квадратическое отклонение».
Дисперсией называется мера разброса возможных исходов относительно ожидаемого значения: чем выше дисперсия, тем больше разброс. Для расчета дисперсии дискретного распределения используется следующая формула (1.2):
(1.2)
Как показывает (1.2), дисперсия есть сумма квадратов отклонений от среднего ожидаемого значения, взвешенная на вероятность появления каждого отклонения. Рассчитаем, например, дисперсию доходности проекта 2 по данным табл. 1.1.
Таблица 1.1
Оценка доходности по четырем инвестиционным альтернативам
Состояние экономики |
Вероятность |
Казначейские векселя, % |
Доходность инвестиций при данном состоянии экономики, % | ||
Корпоративные облигации |
Проект 1 |
Проект 2 | |||
Глубокий спад Незначительный спад Стагнация Незначительный подъем Сильный подъем |
0,05 0,20 0,50 0,20 0,05 |
8,0 8,0 8,0 8,0 8,0 |
12,0 10,0 9,0 8,5 8,0 |
-3,0 6,0 11,0 14,0 19,0 |
-2,0 9,0 12,0 15,0 26,0 |
Ожидаемая доходность |
- |
8,0 |
9,2 |
10,3 |
12,0 |
Нам известно, что ожидаемая доходность проекта, , равна 12.0 %. Следовательно, расчет дисперсии по формуле (1.2) и данным табл. 1.1 производится следующим образом:
2= (-2.0 - 12.0)2 0.05 + (9.0 - 12.0)2 0.20 + (12.0 - 12.0)2 0.50 + (15.0 - 12.0)2 0.20 + + (26.0 - 12.0)2 0.05 = 23.2.
Дисперсию измеряют в тех же единицах, что и исходы, в данном случае в процентах в квадрате.
Поскольку интерпретация термина «процент в квадрате» затруднительна, в качестве другого измерителя разброса индивидуальных значений вокруг среднего часто используется среднее квадратическое отклонение, представляющее собой квадратный корень из дисперсии (1.3):
(1.3)
Так, среднее квадратическое отклонение доходности проекта 2 равно = 4.82 %.
Используя этот показатель в качестве меры разброса, можно сделать ряд полезных выводов о распределении исходов. В частности, если распределение является непрерывным и близким к нормальному, можно утверждать, что 68.3 % всех исходов лежит в пределах одного среднего квадратического отклонения от ожидаемого значения, 99.5 % — в пределах двух средних квадратических отклонений и практически все исходы (99.7 %) — в пределах трех средних квадратических отклонений. Даже если распределение не является близким к нормальному, на основании теоремы Чебышева можно утверждать, что для любого распределения не менее 89 % всех исходов лежит в пределах трех средних квадратических отклонений от ожидаемого значения.
Таблица 1.2
Оценка доходности и риска четырех инвестиционным альтернативам
Показатель |
Варианты инвестирования | |||
казначейские векселя |
корпорационные облигации |
проект 1 |
проект 2 | |
1. Ожидаемая доходность (), % |
8,00 |
9,20 |
10,30 |
12,00 |
2. Дисперсия () |
0,00 |
0,71 |
19,31 |
23,20 |
3. Среднее квадратическое отклонение (), % |
0,00 |
0,84 |
4,39 |
4,82 |
4. Коэффициент вариации (Kv) |
0,00 |
0,09 |
0,43 |
0,40 |
В табл. 1.2 приводятся ожидаемые значения доходности, дисперсия и среднее квадратическое отклонение по всем четырем альтернативным вариантам инвестирования, а также коэффициент вариации, который мы рассмотрим позднее. Видно, что казначейские векселя обладают наименьшими значениями показателей дисперсии и среднего квадратического отклонения, а проекту 2 соответствуют наибольшие их значения.
По данным табл. 1.2 можно, казалось бы, прийти к заключению, что казначейские векселя — наименее рисковый вариант инвестирования, а проект 2 — наиболее рисковый. Однако это не всегда верно; перед тем как сделать окончательный вывод, необходимо принять во внимание ряд других факторов, таких как численные значения ожидаемой доходности, асимметрия распределения, достоверность наших оценок распределения вероятностей и взаимосвязь каждого актива с другими активами, включенными в портфель инвестиций. Анализируя риск, логично сосредоточиться в основном на вероятностях тех значений доходности, которые меньше ожидаемого значения, а не на тех, которые его превышают. Если распределение является симметричным, и дисперсия и среднее квадратическое отклонение будут точно измерять риск получения доходности ниже ожидаемого значения, который составляет ровно половину общего риска. Однако если распределение асимметрично, эти показатели неверно отражают действительный риск. Если распределение обладает правосторонней асимметрией, дисперсия и среднее квадратическое отклонение завышают риск получения доходности ниже ожидаемого значения, а если распределение имеет левостороннюю асимметрию, наблюдается противоположная ситуация. Статистической характеристикой, элиминирующей эти искажения, является полудисперсия (semivariance, SV), которая определяется по формуле (1.4)
(1.4)
где m — множество исходов, которые лежат ниже ожидаемого значения.
Если распределение симметрично, то полудисперсия составляет половину дисперсии. Это верно для проекта 2. Однако полудисперсия проекта 1 составляет более половины дисперсии — поскольку распределение доходности проекта 1 имеет левостороннюю асимметрию, его дисперсия занижает риск получения доходности ниже ожидаемого значения. Полудисперсия корпорационных облигаций меньше половины дисперсии — поскольку распределение доходности имеет правостороннюю асимметрию, его дисперсия завышает риск получения доходности ниже ожидаемого значения. Финансовая статистика, как правило, недостаточно точна, чтобы применять к ней высокоточные аналитические методы, а большинство распределений близко к симметричным, поэтому остановимся на дисперсии и среднем квадратическом отклонении как мерах разброса.
Как правило, чем выше ожидаемая доходность, тем больше величина среднего квадратического отклонения. Предположим, например, что ожидаемая доходность проекта X составляет 30 %, среднее квадратическое отклонение – 10 %, а ожидаемая доходность проекта Y равна 10 %, среднее квадратическое отклонение — 5 %. Если распределение доходности проектов приблизительно нормальное, вероятность того, что доходность проекта X окажется отрицательной, очень мала, несмотря на то, что его среднее квадратическое отклонение равно 10 %, в то время как для проекта Y, значение которого в два раза меньше по сравнению с проектом X, вероятность убытков будет значительно выше. Следовательно, прежде чем использовать в качестве меры относительного риска инвестиций с различной ожидаемой доходностью, необходимо стандартизировать среднее квадратическое отклонение и рассчитать риск, приходящийся на единицу доходности. Сделать это можно при помощи коэффициента вариации, который представляет собой отношение среднего квадратического отклонения к ожидаемому значению доходности:
(1.5)
Проект X: Kvx = 10 % : 30 % =0.33, проект Y:Kvy = 5 % : 10 % =0.50.
Таким образом, видно, что на самом деле по проекту Y риск на единицу ожидаемой доходности больше по сравнению с таковым проекта X. Следовательно, можно утверждать, что проект Y является более рисковым, чем проект X, несмотря на то, что среднее квадратическое отклонение для проекта X выше, чем для проекта Y.
В 4-й строке табл. 1.2 приведены значения коэффициентов вариации для четырех исходных вариантов инвестирования. Как следует из данных таблицы, классификация проектов по коэффициенту вариации как мере риска отличается от классификации, основанной на измерении риска с помощью : проект 2 является более рисковым, чем проект 1, по критерию среднего квадратического отклонения, а после корректировки различий в доходности и измерения риска с помощью коэффициента вариации вывод будет прямо противоположным.