Стратегия запуска новой продукции на внешние рынки: эмпирическое исследование факторов современности. Реакция российского рынка акций на дивидендные «cюрпризы»: эмпирическое исследование Эмпирическое исследование рынка
Дипломная работа *
4 010руб.
Введение
1 Теоретические аспекты портфельного инвестирования, использование модели САРМ для обоснования эффективности инвестиций
1.1 Теоретические основы организации портфельного инвестирования
1.2 Общая характеристика модели САРМ
1.3 Краткая характеристика других моделей выбора эффективного портфеля
1.4 Выводы и обоснование выбора модели САРМ
2 Анализ применения финансовых стратегий на российском фондовом рынке
2.1 Выбор параметров и ценных бумаг для анализа
2.2 Расчет и оценка параметров модели САРМ
2.3 Выбор и обоснование стратегий инвестирования
2.3.1 Стратегия Size effect
2.3.2 Стратегия Value effect
2.3.3 Стратегия Momentum Strategy
Заключение
Список использованной литературы
Введение
Эмпирическое исследование модели CAPM и применение финансовых стратегий на российском фондовом рынке.
Фрагмент работы для ознакомления
разработать алгоритм принятия решений по формированию портфеля финансовых инвестиций на принципах САРМ.
Предметом исследования являются базовые теоретические положения классических теорий финансовых инвестиций и методологические основы оптимизации портфельного инвестирования.
Объектом исследования являются взаимосвязи и взаимозависимости, возникающие в процессе портфельного инвестирования на российском финансовом рынке.
Теоретической основой исследования послужили научные разработки и положения теории формирования рыночного портфеля Г. Марковица, Дж. Тобина, У. Шарпа, а также теории формирования оптимального портфеля Ф Модильяни, М Миллера, Ф Блэка, М. Шоулза. Для решения поставленных в исследовании задач, нами использовались формально-логические методы, которые позволяют путем формально-логического упорядочивания материала, свести реальные факторы к абстрактно-теоретическим схемам и на этой основе установить конкретные количественные пропорции между явлениями и процессами, протекающими на развивающемся финансовом рынке. Также в исследовании используются методы экономико-математического моделирования, позволяющие провести систематизацию и обработку статистических материалов конъюнктурной динамики российского фондового рынка, абстрагироваться от второстепенных элементов, сконцентрировав внимание на главных взаимосвязях.
Структура дипломной работы включает в себя введение, две главы, заключение и список использованной литературы.
Заключение
Под конструированием портфеля понимается определение его состава и структуры. Первичный отбор активов осуществляется исходя из соображений доступности для данного инвестора, а также с учетом априорных ограничений, устанавливаемых инвестором или законодательством. Вторичный отбор осуществляется путем исключения тех активов, инвестиционные качества которых абсолютно неприемлемы с точки зрения инвестора. Таким образом, вторичный отбор производится только после количественной или качественной оценки инвестиционных характеристик каждого из активов, отобранных на первом этапе. Конечным результатом процедуры отбора является определение для каждого инвестора целевого сегмента либо нескольких сегментов финансового рынка, в рамках которых будет осуществляться инвестиционная деятельность.
Исходными данными для первичного отбора активов являются объективные сведения о формальном статусе инвестора, объеме его ресурсов, предполагаемой срочности инвестирования, а также об имеющихся на финансовом рынке активах и порядке доступа инвесторов к операциям с этими активами. Осуществление вторичного отбора требует формализации субъективных предпочтений инвестора в отношении объектов инвестирования.
Целью оптимизационного алгоритма как части портфельной теории является определение структуры портфеля. Процедура предварительной сегментации портфеля, предполагающая разделение общего объема инвестируемых ресурсов в определенных пропорциях между несколькими типами активов (например, между акциями и облигациями), является необязательной. Однако такая сегментация позволяет значительно упростить процедуру дальнейшей детализации структуры портфеля, поскольку для осуществления диверсификации в рамках каждого подпортфеля потребуется проведение сравнительного и комбинационного анализа только однотипных активов.
Модуль комбинирования (диверсификации) портфеля является ключевым в ряду процедур и алгоритмов портфельной теории: он позволяет выбрать оптимальное с точки зрения инвестора сочетание инвестиционных активов в рамках всего портфеля или отдельных подпортфелей, если была проведена соответствующая сегментация.
Список литературы
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ
1.Батяева Т.А., Столяров И.И. Рынок ценных бумаг: Учебное пособие. – М.: ИНФРА-М, 2009. – 304 с.
2.Бехтерева Е.В. Управление инвестициями. – М.: ГросМедиа: РОСБУХ, 2008.
3.Бланк И.А. Основы инвестиционного менеджмента. – М.: ОМЕГА-Л, 2008.
4.Гитман Л.Дж., Джонк М.Д. Основы инвестирования / Пер. с англ. - М.: Дело, 1997. С. 800.
5.Гуськова Н.Д. Инвестиционный менеджмент: учебник. М.: КНОРУС, 2010. – 456 с.
6.Игонина Л.Л. Инвестиции: Учебник. – М.: Магистр, 2008.
7.Инвестиции: Системный анализ и управление / Под ред. проф. К.В.Балдина. – М.: Дашков и К, 2007.
8.Инвестиции: Учебник / Отв. ред. В.В.Ковалев, В.В.Иванов, В.А.Лялин. – М.: Проспект, 2010. – 592 с.
9.Инвестиции: Учебник / Под ред. Г.П.Подшиваленко. – М.: КНОРУС, 2008.
10.Инвестиции: Учебное пособие / Под ред. М.В.Чиненова. – М.: КНОРУС, 2007.
11.Исследования информационной прозрачности российских компаний в 2007 г.: значительные изменения в десятке лидеров / Служба рейтингов корпоративного управления Standard&Poor"s, 14 ноября 2007 г.
12.Карлик А.Е., Рогова Е.М., Тихонова М.В., Ткаченко Е.А. Инвестиционный менеджмент: Учебник. – СПб.: Издательство Вернера Регена, 2008.
13.Корчагин Ю.А. Инвестиционная стратегия. – Ростов-на-Дону: Феникс, 2006.
14.Корчагин Ю.А. Рынок ценных бумаг. – Ростов-на-Дону: Феникс, 2007. – 496 с.
15.Корчагин Ю.А. Современная экономика России. – Ростов-на-Дону: Феникс, 2006.
16.Коттл С., Мюррей Р.Ф., Блок Ф.Е. "Анализ ценных бумаг" Грэма и Додда / Пер. с англ. - М.: ЗАО "Олимп-Бизнес", 2000
17.Кох И.А. Элементы современной портфельной теории // Экономические науки. - 2009. - №8.
18.Нешитой А.С. Инвестиции: Учебник. – М.: Дашков и К, 2008.
19.Хаертфельдер М., Лозовская Е., Хануш Е. Фундаментальный и технический анализ рынка ценных бумаг. – М. – СПб.: Питер, 2005.
20.Шеремет А.Д., Сайфулин Р.С., Негашев Е.В. Методика финансового анализа. - М.: ИНФРА-М, 2000.
21.Benjamin Graham, David Dodd, Security Analysis, 1st ed., New York: McGraw-Hill, 1934
22.Culbertson J. The term structure of interest rates. – Quarterly Journal of Economics, 1957, Vol.72, No.4. – p.485-517.
23.Cuthbertson K. Quantitative financial economics. – Chichester: Wiley, 1996. – p.319.
24.Eugene Fama, Ken French, The CAPM Is Wanted, Dead or Alive, Journal of Finance, vol. 51, no. 5 (December 1996), pp. 1947–1958.
25.Eugene Fama, Ken French, The Cross Section of Expected Stock Returns, Journal of Finance, vol. 47 (1992), pp. 427–466.
26.John Lintner, The Valuation of Risk Assets and the Selection of Risky Investment in Stock Portfolios and Capital Budgets, Review of Economics and Statistics, vol. 47, no. 1 (1965), pp. 221–245.
27.Rolf Banz, The Relationship Between Return and Market Value of Common Stock, Journal of Financial Economics, vol. 9 (1981), pp. 3–18.
28.Shanken J. The Arbitrage Pricing Theory: Is It Testable? //Journal of Finance. 1982 (37). December. p. 1129–1140.
29.The ABC of Stock Speculation, S.A. Nelson.
30.William Sharpe, Capital Asset Prices: A Theory of Market Equilibrium under Conditions of Risk, Journal of Finance, vol. 19, no. 3 (September 1964), p. 442.
Пожалуйста, внимательно изучайте содержание и фрагменты работы. Деньги за приобретённые готовые работы по причине несоответствия данной работы вашим требованиям или её уникальности не возвращаются.
* Категория работы носит оценочный характер в соответствии с качественными и количественными параметрами предоставляемого материала. Данный материал ни целиком, ни любая из его частей не является готовым научным трудом, выпускной квалификационной работой, научным докладом или иной работой, предусмотренной государственной системой научной аттестации или необходимой для прохождения промежуточной или итоговой аттестации. Данный материал представляет собой субъективный результат обработки, структурирования и форматирования собранной его автором информации и предназначен, прежде всего, для использования в качестве источника для самостоятельной подготовки работы указанной тематики.
НОВЫЕ ИССЛЕДОВАНИЯ
Эмпирическое исследование применимости модели БСАРМ на развивающихся рынках
Теплова Т.В.1, Селиванова Н.В.2
Концепция «риск-доходность» является ключевой в корпоративных финансах, так как позволяет дать количественную оценку инвестиционному и кредитному риску владельцев капитала компании в терминах доходности и выстроить принятие эффективных инвестиционных и финансовых решений с учетом полученной оценки. До сих пор не утихают споры относительно корректности методов оценки риска и построения адекватной внешним условиям модели увязки предполагаемого риска с требуемой инвесторами доходностью. В статье исследуется применимость на развивающихся рынках альтернативной общепринятому подходу модели оценки риска собственного капитала публичных компаний - отностороннего систематического риска (БСАРМ). Систематизирована критика классической модели САРМ, рассмотрены результаты тестирования модификаций САРМ для развивающихся рынков капитала (Венесуэла, Египет, Южная Америка, Восточная Европа) и представлены результаты эмпирического исследования БСАРМ для компаний российского рынка (гипотеза о большей прогнозной силе БСАРМ в оценке систематического риска отдельных компаний) и для межстрановых сравнений и оценки страновых рисков.
Введение. Понимание инвестиционного риска
Неопределённость и риск считаются естественными и неотъемлемыми свойствами инвестиционных процессов. Неопределённость рассматривается как более широкое понятие. Условия неопределённости наблюдаются в результатах инвестиционных решений и мероприятий, которые представляют собой множество возможных исходов, вероятности которых не известны заранее. Неизвестность может быть связана как с объективным отсутствием информации, так и с ее искажением или высокой стоимостью доступа. Риск - вероятностная категория. Условия риска наблюдаются в результатах инвестиционных мероприятий, которых может быть много, но каждый из которых может быть охарактеризован некой вероятностью. Таким образом, в ситуации риска предполагается, что инвесторы обладают возможностью оценить (например, по прошлым инвестиционным решениям или иным образом) вероятность получения тех или иных денежных выгод от инвестирования.
Управление инвестиционным риском предполагает, как первый этап, выявление факторов, приводящих к множественности результатов и корректного его оценивания. Качественное оценивание чаще ассоциируется с выделением категорий риска с учетом значимости факторов, влияющих на конечный результат инвестирования. Количественное оценивание предполагает четкое понимание ситуации риска и обоснование выбираемого метода его оценки.
1 Теплова Тамара Викторовна, д.э.н., профессор ГУ ВШЭ
2 Селиванова Наталия Викторовна, магистр экономики, магистерская программа «Стратегическое управление финансами фирмы» ГУ ВШЭ
Общепринятое понимание риска инвестирования отождествляется с потенциально возможным получением результата ниже некого ожидаемого уровня. Например, получение убытков от инвестирования (отрицательной прибыли или чистого дисконтированного дохода). Это так называемый чистый риск. В теории финансов (financial economics) нашла широкое применение иная трактовка риска, когда ситуация риска характеризуется наличием угроз (факторов влияния), которые приводят как к убыткам, так и к «избыточной прибыли», т.е. прибыли, выше ожиданий инвестора. Таким образом, вводится понятие спекулятивного риска, который характеризует опасность получения любого эффекта от инвестирования (как убытки, так и избыточная прибыль), не соответствующего ожиданиям.
С 60-х годов ХХ века доминирующей концепцией оценки риска инвестирования портфельных инвесторов является концепция «средней ожидаемой доходности и дисперсии». Согласно портфельной теории Гарри Марковица fMarkowitz, 1959], в качестве «нормального» ожидания инвестора может рассматриваться среднее значение наблюдаемой ранее доходности инвестирования в ценные бумаги, а оценкой риска этого инвестиционного решения является дисперсия (dispersion, variance) доходности как разброс фактически имевших место значений (или ожидаемых значений) от зафиксированного среднего. Более корректной мерой риска является нормированное значение дисперсии - стандартное отклонение (standard deviation). Принятие решений инвестором строится на максимизации доходности от инвестиций при заданном уровне риска или на минимизации риска при заданном уровне доходности.
Для рыночных инвесторов, учитывающих возможности снижения риска через диверсификацию капитала, т.е. осуществляющих портфельные инвестиции, средняя доходность от инвестирования в ту или иную компанию может быть оценена по наблюдаемым ранее значениям общей акционерной доходности (Total shareholders return, TSR). Это относительная величина дохода, получаемого инвестором за определенный период владения акцией компании. Как правило, расчет осуществляется на годовой основе, т. е. суммарный результат от дивидендов и роста цены акции за год делится на цену акции на начало периода инвестирования: TSR = (DPS + (P1-Po))/ Po.
Для количественной фиксации риска и сопоставления вариантов инвестирования часто расчеты проводятся на базе дневной или недельной доходности. Так как в общей доходности инвестирования (TSR), которая в среднем на длительном временном промежутке поставляет порядка 10-14% годовых, доходность дивидендных выплат не велика (порядка 2-3%), то часто аналитики абстрагируются от дивидендных выплат и ведут сопоставления на базе расчетов средней дневной доходности изменения курса акций: kt = (Pt- Pt-1)/Pt-1.
Ожидаемое значение доходности на базе прошлых значений дневных
доходностей по акции i может быть получено из формулы: kt = (^ kit)/ n
Если строятся прогнозные оценки с заданием вероятности исходов (р), то выражение для расчета среднего значения доходности примет вид:
kt = ^ kit x pt, т.е. ожидаемая доходность представляет собой взвешенное по
вероятностям среднее.
Стандартное отклонение рассчитывается для случая прогнозных значений доходности как
Классическая модель увязки инвестиционного риска и требуемой
инвесторами доходности
Исследование практики принятия инвестиционных решений ведущих компаний мира и финансовых консультантов ведется начиная с 1977 г. В известных опросных исследованиях3 показано, что и в академических кругах, и в практике компаний равновесная однофакторная модель оценки доходности CAPM4 является доминирующей в формировании величины затрат по собственному капиталу. Почти 80% компаний используют САРМ для оценки ожидаемой доходности по собственному капиталу. Эта практика поддерживается работой профессиональных «продавцов расчетных бета-коэффициентов»- BARRA и CRIF. Многие информационно-анеалитические компании мирового уровня осуществляют расчет бета-коэффициента, наряду с другими традиционно используемыми в финансовой аналитике данными (Bloomberg, ValueLine, DataStream, Merrill Lynch). Хотя немало работ посвящено многофакторным моделям и некоторые фирмы (особенно консультационные) используют альтернативные модели (на базе АРТ), но их явное меньшинство.
Классическая модель САРМ, разработанная У. Шарпом , а также Джоном Линтнером Ibintner, 1965], описывает поведение рационального инвестора, который максимизирует свою функцию полезности, зависящую от значений среднего и дисперсии ожидаемой доходности («mean-variance») инвестиционного портфеля: U= U fap, o2p)
Ключевая возможность, которая зафиксирована в модели САРМ -инвестирование в безрисковые активы. Особенность безрискового актива в том, что стандартное отклонение его доходности может быть принято на уровне нуля, а доходность, которую приносит безрисковый актив (kf) (называется безрисковая доходность, risk-free rate of return) может быть принята на уровне ожидаемой долгосрочной ставки роста экономики. Заметим, что, ковариация доходности безрискового актива с любым другим активом или рискованным портфелем, как и коэффициент корреляции, равны нулю. Модель САРМ предполагает также, что инвестор имеет возможность заимствования денег под безрисковую ставку.
Наличие безрисковых инвестиционных возможностей позволяет ввести ключевую формулу аналитического выражения требуемой (а в равновесии, и ожидаемой) доходности по капиталу инвесторов: ks = kf + risk premium ks - требуемая доходность по капиталу kf - безрисковая ставка доходности на рынке
risk premium - премия за риск (в процентах годовых). Предполагается, что чем выше риск (т.е. меньше вероятность получения ожидаемого финансового результата), тем выше премия.
Вторая возможность, которая предоставляется инвестору развитым рынком капитала - диверсификация вложений, а, следовательно, возможность снижения риска. Более того, грамотный инвестор понимает выгоды инвестирования в рыночный портфель, который рассматривается в финансовой теории как
3 Bruner R.F., Eades K.M., Harris R.S., Higgins R.C. Best Practices in Estimating the Cost of Capital: Survey and Synthesis.// Financial Practice and Education, V.8, N.1, 1998, Graham, Harvey (2001)
4 модель ценообразования (оценки доходности) финансовых активов
абсолютно диверсифицированный портфель, включающий все существующие на рынке рисковые активы (акции, облигации, опционы, недвижимость и др.). Важная характеристика рыночного портфеля - наличие только систематического риска, который порождается действием исключительно макроэкономических факторов.
Мерой инвестиционного риска финансового актива в модели САРМ является его ковариация с рыночным портфелем. Как ключевой показатель модели используется стандартизированная мера риска, названная бета-коэффициентом или коэффициентом Шарпа, который рассчитывается как отношение ковариации доходности актива и рыночного портфеля к дисперсии рыночного портфеля. Актив с коэффициентом бета больше единицы имеет более высокую изменчивость (волатильность) по сравнению с рыночным портфелем, а значит, характеризуется более высоким риском. Оценка коэффициента бета, как чувствительности доходности актива к изменениям рыночной (км) или среднерыночной доходности (Б(км)), позволяет определить доходность любого финансового актива по САРМ (формула 1).
E(ki) = kf + (E(kM - kf)) of (1)
E(k) = kf +ß (kM - kf)
САРМ строится на достаточно жестких предпосылках, которые с трудом могут быть признаны реалистичными. Перечислим их: рациональность с точки зрения портфельной теории Г. Марковица поведения инвесторов; возможность для них занимать и давать в долг деньги по безрисковой ставке процента; одинаковые ожидания инвесторов относительно вероятностных распределений ставок доходности активов; одинаковый однопериодный временной горизонт инвестирования (месяц, год или иной интервал), бесконечная делимость инвестиционных возможностей (финансовых активов); равновесие рынка капитала с наличием правильной (в соответствии с уровнем риска) оценкой стоимости активов. Заметим, что жесткость предпосылок не дискредитирует модель, т.к. 1) часть предпосылок могут быть сняты, что показали дальнейшие модификации модели, 2) ценность модели определяется не ее предпосылками, а возможностью предсказать поведение инвесторов и рынков капитала.
Критика САРМ и альтернативные меры риска
Ряд эмпирических исследований 70-х годов ХХ века доказывали преимущества САРМ в предсказании доходности акций. К числу классических работ можно отнести: , , .
Однако, критика САРМ в академических кругах началась практически сразу после публикации работ, посвященных модели. Например, работы Ричарда Ролла акцентируют на проблемы, связанные с определением рыночного портфеля. На практике рыночный портфель заменяется неким максимально диверсифицированным портфелем, который не только доступен инвестору на рынке, но и поддается анализу (например, фондовый индекс). Проблема работы с таким прокси-портфелем заключается в том, что выбор его может существенно повлиять на результаты расчетов (например, на значение бета).
В работах Р. Леви , М. Блюма и Шоулза-Виллимса акцентируется внимание на проблеме устойчивости ключевого параметра САРМ - коэффициенте бета, который традиционно Выпуск #3, 2GG7 © Электронный журнал Корпоративные Финансы, 2GG7
оценивается с помощью линеинои регрессии на основе ретроспективных данных с использованием метода наименьших квадратов (Ordinary Least Squares, OLS). Это, по сути, вопрос о стационарности экономики и возможности построения оценок риска по прошлым данным. По результатам расчетов и анализа динамики коэффициента бета ряда отдельных акций и портфелей ценных бумаг Р. Леви пришел к выводу о том, что для любой акции ее бета- коэффициент не является устойчивым во времени и поэтому не может служить точной оценкой будущего риска. С другой стороны, бета портфеля, состоящего даже из 10 случайно выбранных акций, достаточно устойчив, и, следовательно, может рассматриваться в качестве приемлемой меры риска портфеля. Исследования М. Блюма показали, что с течением времени коэффициент бета портфеля приближается к единице, а внутренний риск компании приближается к среднеотраслевому или среднерыночному. Как практическая рекомендация этого исследования появились корректирующие поправки к «сырому бета», полученному из регрессионного уравнения, увязывающего динамику рыночной доходности и наблюдаемой премии за риск выбранной акции (OSL beta). Наибольшей популярностью пользуются поправки двух типов:
1) М. Блюма beta Biume = 0,67 x (beta OSL) + 0,33 x 1 (такого типа корректировку осуществляют Bloomberg, ValueLine)
Ч ттт, beta+ beta + beta+1
2) Шоулза-Виллимса betawr =-
где beta - оцененное значение бета регрессионным методом как коэффициент эластичности доходности акции относительно соответствующих значений рыночной доходности, beta"1 - оцененное значение бета регрессионным методом как коэффициент эластичности доходности акции относительно значений рыночной доходности предыдущего периода времени, beta+l - оцененное значение бета регрессионным методом как коэффициент эластичности доходности акции относительно значений рыночной доходности следующего временного периода, pm - коэффициент автокорреляции рыночной доходности.
Альтернативным модельным решением проблемы устойчивости параметров САРМ являются оценки, получаемые на рынке срочных контрактов, когда за основу принимаются ожидания по ценам на финансовые активы. Такой подход реализует МСРМ (Market-Derived Capital Pricing Model)5.
В работе Бэнза доказывают, что поведение инвесторов мотивируется несклонностью к одностороннему отрицательному риску в противоположность общему риску (или двусторонней дисперсии).
Дисперсия ожидаемой доходности является достаточно спорной мерой риска как минимум по двум причинам:
Двусторонняя дисперсия является корректной мерой риска только для активов, у которых ожидаемая доходность имеет симметричное распределение
Двусторонняя дисперсия может непосредственно использоваться лишь в случае, когда симметричное распределение является нормальным.
Дополнительное подтверждение значимости анализа чистого риска при обосновании требуемой доходности аналитики находят в поведенческих финансах. Во-первых, аргументация строится на обращении к особому виду функции полезности Канемана и Тверски (S-shaped utility function); во-вторых, к особенностям реакции рыночных игроков на информационные сигналы (например, доказано, что рынки более подвержены эффекту паники при негативном развитии событий, чем при позитивном).
Еще одна критическая область связана с предпосылками о вероятностном распределении цен и доходностей ценных бумаг. Как показывает практика, одновременное выполнение требований о симметричности и нормальности распределения ожидаемой доходности акций не достигается. Решение проблемы -использование не классической (двусторонней) дисперсии, а односторонней (semivariance frameworks). Такое решение обосновывается следующими доводами:
1) использование односторонней дисперсии обоснованно при различных распределениях доходности акций: как симметричных, так и несимметричных.
2) односторонняя дисперсия содержит информацию, предоставляемую двумя характеристиками функции распределения: дисперсией и коэффициентом скошенности, что дает возможность использовать однофакторную модель для оценки ожидаемой доходности актива (портфеля).
Проблема асимметрии доходности в работе решается через метод lower partial moment (LPM), что позволяет построить равновесную модель ценообразования финансовых активов, известную как LPM-CAPM.
В работе 1974 года Хоганом и Вореном было аналитически показано, что замена традиционного отклонения доходности портфеля на одностороннее для оценки риска и переход к конструкции «средняя
6 rFama&French, 1996]
Выпуск #3, 2007 © Электронный журнал Корпоративные Финансы, 2007
доходность - одностороннее отклонение» (mean-semivariance frameworks) не меняет фундаментальную структуру САРМ.
Предложили конструкцию по типу САРМ с
односторонней оценкой риска, которая использует значение одностороннего коэффициента бета (BL-beta) рассчитываемого по следующей формуле (2):
вт a, E[(k - kf),min(kM - kf,0)]
BL - beta =---^--(2)
E2 V "
где k - доходность актива i, kM - доходность рыночного портфеля, kf -безрисковая ставка.
Предложили иную конструкцию (3) с использованием одностороннего риска. В их работе предполагается, что инвесторы рассматривают в качестве ситуации риска отклонение доходности от некого целевого уровня, в качестве которого может быть принята среднерыночная доходность. В конструкции используется односторонняя бета (HR-beta), которая вычисляется по формуле (3):
HR - beta = т< Xmin(kM ,0)] Е[тт(км - ^,0)]2
где - средняя доходность актива (акции), /лм - среднерыночная доходность.
Хавьер Эстрада ввел новую конструкцию одностороннего риска, вводя ковариацию доходности актива i с доходностью рыночного портфеля через расчет следующим образом: E. Мерой систематического риска в исследованиях Х. Эстрады является E-beta, формулы расчета которой приведены далее. Интерес к модели Х. Эстрады вызван соответствующими здравой логике результатами тестирования модели в межстрановых сравнениях инвестиционного риска (точнее меры систематического риска).
В эмпирических исследованиях Х. Эстрады коэффициент бета рассчитывается через регрессионную оценку зависимости между односторонней дисперсией доходности актива и односторонней дисперсией доходности рыночного портфеля. В работах 2000 и 2001 гг. Х.Эстрада показал, что данное соотношение, являясь оценкой полного одностороннего риска (total downside risk), обладает хорошей объясняющей способностью доходности собственного капитала на страновом уровне, отраслевом уровне и уровне интернет- компаний развивающихся стран. В работе доказывается, что на развивающихся рынках для расчета требуемой доходности по собственному капиталу целесообразно использовать модель DCAPM (downside CAPM), отличие которой от классической модели состоит в замене классического коэффициента бета односторонним, который является мерой систематического одностороннего риска (systematic downside risk). Подтверждая обоснованность своих выводов, автор приводит результаты эмпирического исследования, проведенного на основе наблюдений в 27 странах со слабо развитым рынком капитала.
Обзор эмпирических исследований концепции «риск-доходность» на
развивающихся рынках
Специфические проблемы применения САРМ возникают на развивающихся рынках капитала, для которых достаточно сложно обосновать параметры модели (безрисковую доходность, премию за рыночный риск, бета-коэффициент) по
данным локального рынка капитала ввиду отсутствия информационной эффективности и низкой ликвидности обращаемых активов. В ряде эмпирических исследований доказывается некорректность использования САРМ именно на развивающихся рынках по сравнению с развитыми (например, ориентируется на расчет бета-коэффициента и рыночной премии за риск по данным локального рынка с введением страновой премии за риск (CRP) в корректировку глобальной ставки безрисковой доходности, а также с целью избежания двойного учета риска вводит в премию за риск инвестирования поправочный множитель (1-R2), где R2 - коэффициент детерминации регрессионного уравнения, связывающего доходность компании на локальном рынке с изменчивостью премии за страновой риск.
Формула требуемой доходности компании принимает вид: kGE = (kfgl + CRP) + beta u x (kml - kfl) x (1-
й Л К л ч й и о ч
Степень интеграции рынка
Высокая Низкая
Высокая Глобальная САРМ Локальная САРМ
Скорректированная локальная САРМ
Низкая Гибридная САРМ
Модель Godfrey- Espinosa
Модификации САРМ в зависимости от степени интеграции и сегментации рынка. Источник: тестируется модель САРМ на выборке компаний, акции которых торгуются на фондовой бирже Каракаса (Венесуэла). Используя регрессионный метод на данных за 6-летний период (1992-1998гг.), автор приходит к выводу о том, что на рынке Венесуэлы модель САРМ не работает. Это заключение, главным образом, было сделано вследствие отвержения гипотезы о наличии положительной зависимости между риском и доходностью акций. Однако результаты исследования Gonzalez F. показали, что, во-первых, зависимость между риском (в качестве показателя которого использовался коэффициент бета) и доходностью является линейной, и, во-вторых, систематический риск- это не единственный фактор, оказывающий влияние на ожидаемую доходность на собственный капитал. Схожие результаты были получены в ходе исследования М. Омрана тестируют три модели: классическую САРМ и две модели, в которых используются асимметричные меры риска - LPM-CAPM (Lower Partial Moment CAPM) и ARM (Asymmetric Response Model). Особенность альтернативных моделей заключается в том, что они, по мнению авторов, подходят для случаев ненормального распределения доходностей и неликвидного локального рынка капитала. Исследование проводилось на выборке из 690 компаний растущих рынков на 10-летнем временном периоде
(апрель 1992- март 2002гг.). По результатам проведенной работы, Hwang S. и Pedersen C. сделали вывод о том, что по своей объясняющей способности САРМ не уступает альтернативным моделям. На перекрестной выборке объясняющая способность САРМ достигла 80% на панели данных недельной и месячной доходности, и 55% - на данных дневной доходности. Значимых преимуществ асимметричных мер риска не было выявлено. Кроме того, проводя анализ, авторы разделили выборку 26 развивающихся стран по регионам, а затем разбили весь временной период наблюдений на два промежутка- до и после азиатского кризиса 1997г. Благодаря этому, Hwang S. и Pedersen C. выявили значимое влияние локальных рисков на развивающихся рынках капитала, что согласуется с результатами работ, приведенных выше.
В исследовании Дейрила Коллинза тестируются различные меры риска для 42 стран развивающегося рынка: систематического (коэффициент бета), общего (стандартное отклонение), идиосинкратического, одностороннего (одностороннее отклонение, односторонний коэффициент бета и VaR8), а также размер рынка (определяется по средней капитализации страны), показатели скошенности и эксцесса. Тестирование проводилось с помощью эконометрического подхода (так же как и в большинстве подобных работ) с позиции международного инвестора на 5-летнем временном промежутке (январь 1996- июнь 2001гг) по недельным доходностям. В зависимости от размера рынка капитала, ликвидности и степени развития первоначальная выборка из 42 стран была разделена на три группы: первый уровень- страны с большим размером рынка капитала (например, Бразилия, ЮАР, Китай), а также с небольшим размером рынка, но экономически и информационно развитым; второй уровень -менее крупные развивающиеся рынки (сюда попала Россия), третий уровень -небольшие рынки (такие как Латвия, Эстония, Кения, Литва, Словакия и др.). Согласно полученным результатам исследования, для некоторых рынков значения коэффициентов бета получились меньше ожидаемых, что дает ложный сигнал о существовании низкого риска для инвесторов. Вывод работы - коэффициент бета (а следовательно, и модель САРМ) некорректно применять для всей совокупности развивающихся стран. Д. Коллинз утверждает, что нет единого показателя риска, который подходил бы для любой страны из группы развивающихся. Для стран первого уровня наиболее подходящим показателем риска является коэффициент, учитывающий размер рынка, для второго уровня - показатели одностороннего риска (в сравнении с другими лучшие результаты продемонстрировал показатель VaR), третьего уровня - либо стандартное отклонение, либо идиосинкратический риск.
Схожий вывод о приемлемости различных мер систематического одностороннего риска для стран с отличными характеристиками фондового рынка делается в работе . Проведен анализ применимости ряда односторонних мер риска (BL, HB, E-beta) для 27 развивающихся рынков (в выборку вошли азиатские и латиноамериканские рынки, африканские и восточноевропейские, включая Россию) на отрезке 1995-2004гг. В качестве глобального портфеля используется индекс MSCI по развивающимся рынкам, в качестве безрисковой ставки фигурируют десятилетние государственные облигации США (Tbond). Показано, что для рынков с большой асимметрией распределения доходности (высокий коэффициент скошенности) наиболее приемлемой мерой систематического риска является HB-beta (формула 3). Для
8 VaR- value at risk. Это максимально возможная сумма потерь инвестора, оцененная за некоторый промежуток и с определенной вероятностью
Выпуск #3, 2007 © Электронный журнал Корпоративные Финансы, 2007
рынков с наблюдаемыми существенными сверхнормальными доходностями преимущество над другими мерами риска имеет BL-beta (формула 2).
По странам со схожими географическими и макроэкономическими характеристиками Центральной и Восточной Европы проведено эмпирическое исследование преимуществ БСАРМ . Проведен анализ факторов, формирующих доходность по компаниям из 8-ми стран бывшего соцлагеря: Чехия, Словакия, Венгрия, Польша, Словения, Эстония, Латвия и Литва на временном отрезке 1998-2003 гг.. Авторы показывают значимость односторонних мер риска наряду с сохранением влияния факторов специфического риска.
Влияние сегментированности рынка на уровень требуемой доходности инвесторов исследовал Кэмпбелл Харвей . В работе доказывается, что затраты на капитал на сегментированных рынках будут выше, чем на интегрированных рынках, так как инвесторы потребуют большей компенсации за то, что они несут локальный, идиосинкратический риск. Это предполагает, что любое увеличение в степени финансовой интеграции должно привести к снижению затрат на собственный капитал. Рене Штульц предложил диагностирующие параметры, позволяющие включать в модель «риск-доходность» глобального инвестора премию за страновой риск (country risk premium, CRP). Следует учитывать степень интеграции (наличие барьеров в движении капитала) и ковариацию доходности на локальном и глобальном рынках. Характеристика формальных и неформальных барьеров в движении капитала, наблюдаемых на сегментированных рынках дана в работе .
Ряд исследований предметно изучают влияние либерализации рынка капитала на величину затрат на собственный капитал. Например, в работе , базируясь на модели дивидендной доходности (модель Гордона) авторы показывают, что либерализация сегментированных рынков капитала приводит к сокращение затрат на собственный капитал в среднем на 50%. Аналогичное исследование на базе анализа изменений в дивидендной доходности и в темпах роста по 20 развивающимся рынкам (вошли страны Южной Америки, Азии и Африки) представлено в работе . Внешним признаком либерализации автор выбрал временную дату, когда иностранные инвесторы получают возможность покупать акции компаний локального рынка. В работе показано снижение затрат на капитал в результате либерализации в среднем почти на 50%.
Метод событийного анализа (event study) с оценкой накопленной сверхнормальной доходности по динамике цен депозитарных расписок (ADR) 126 компаний из 32 локальных рынков позволил показать для временного отрезка 1985 - 1994 гг. в работе снижение затрат на собственный капитал на 42%.
В работе Дейрила Коллинза и Марка Абрахамсона проводится анализ затрат на собственный капитал по модели САРМ на 8 рынках капитала африканского континента (Египет, Кения, Марокко и др.) с позиции глобального инвестора. Исследование проведено с выделением 10 основных секторов экономики. Выделено два временных периода, характеризующих разную степень открытости экономик (1995-1999 и 1999-2002). Авторы показывают снижение со временем премии за риск на африканских рынках капитала. Наибольшие изменения произошли в Зимбабве и Намибии, наименьшие - в Египте, Марокко и Кении. Среднее значение величины затрат на собственный капитал на 2002 год составляет порядка 12% в долларах США. Сектора с наибольшим весом в экономике демонстрируют наименьшую дороговизну капитала.
Модель БСЛРМ Х. Эстрады
В рамках модели ЭСЛРМ Х. Эстрады полезность инвестора зависит от среднего значения E(ki) и односторонней дисперсии ожидаемой доходности портфеля и= и (рр, X2р,), где XV обозначает одностороннюю дисперсию доходности инвестиционного портфеля. Соответственно риск отдельно взятого актива измеряется односторонним стандартным отклонением доходности данного актива, которое определяется в соответствии со следующей формулой:
Б= ^{тт^. -н),0]2} Заметим, что данное уравнение является частным случаем для одностороннего стандартного отклонения, которое может быть выражено с использованием любого целевого параметра ожидаемой доходности:
£в1= у1Е{тт[^ - В),0]2}
Аналогом коэффициента ковариации между доходностью по активу i и доходностью рыночного портфеля в модели ЭСАРМ является односторонний коэффициент ковариации, обозначаемый £1т, который определяемый по формуле: Хдм= Е{т1п [(к1-щ),0], т1п [км-Цм),0]} Как и традиционная ковариация, односторонняя ковариация является неограниченной и зависит от масштаба данных, но она, также как и традиционная ковариация, может быть стандартизирована делением на произведение одностороннего стандартного отклонения доходности актива i и одностороннего стандартного отклонения доходности рыночного портфеля. Таким образом, в результате получаем односторонний коэффициент корреляции актива 1 и рыночного портфеля, определяемый по следующей формуле:
а 2Ш ЕЩт^-н),0]Мт[(ки - цм),0]}
2г2м.¡Е{мЩк> - н),0]2}Е{М«[^м - Нм),0]2} Альтернативным путём стандартизации является деление односторонней ковариации на величину односторонней дисперсии доходности рыночного портфеля, таким образом, получаем односторонний коэффициент бета заданный уравнением:
Е-Ье1а = рэ = 2м = Е{т1п[(^ - Н), 0] m1n[(kм - Нм), 0]}
1 2м E{m1n[(kм -Нм X 0]2}
Односторонний коэффициент бета может быть также записан с использованием коэффициента корреляции:
Основное уравнение модели л. ^ храмы х^АРМ выглядит следующим образом:
Е(кО= к^ (кт- кг) X
Очевидно, что основная идея модели ЭСЛРМ соответствует идее классической модели оценки капитальных активов: премия инвестора находится в линейной зависимости от систематического риска, но в данном случае измеряемого односторонним коэффициентом бета.
В модели ЭСАРМ односторонний коэффициент бета может быть получен и в рамках регрессионной модели. Однако в этом случае необходимо учесть одну особенность. Напомним, что для нахождения классического коэффициента бета строится регрессия: к^= а+ р1 кт +8^
Для получения корректной оценки одностороннего коэффициента бета оценивается регрессия без свободного члена: у{ = Лх(+ е{
При этом зависимая переменная регрессии определяется как у{ = шт[((- ¡л{), 0], независимая как х{ = шт[(£м - ¡лм), 0], а значение
одностороннего коэффициента бета соответствует значению коэффициента X.
Исследование применимости модели БСЛРМ для развивающихся рынков,
включая рынок России
Ряд интересных исследований проведены с целью анализа факторов, формирующих доходность на российском рынке (например, [Оопаеу&_£аЬо1кт, 2006]). Интересны исследования корректности применения гипотезы «риск-доходность» (например, ГАйзин & Лившиц,2006]). Однако, совершенно не исследован вопрос о преимуществах односторонней оценки риска в моделировании доходности российских компаний или в выявлении через односторонние меры риска страновых различий в доходности. Изложим интересные результаты, полученные нами.
Тестирование гипотезы «риск-доходность» на российском рынке проведено на временном отрезке 2003-2006гг. по 25 крупнейшим компаниям российского рынка, акции которых котируются на бирже РТС. В таблице 1 представлены основные характеристики распределения недельной доходности акций российских компаний, вошедших в выборку, а именно:
1) средняя (арифметическая) недельная доходность акций за период исследования (МЯ)
показатели общего риска - классическое и одностороннее отклонения доходности от среднего значения,
2) показатели систематического риска - классический и односторонний коэффициенты бета9
3) стандартизированный коэффициент скошенности (ББк^).
Как показали расчеты, распределение доходности акций компаний не является нормальным: оно характеризуется относительно высокой степенью скошенности, о чем свидетельствует соответствующий коэффициент ЗБк1^0. Напомним, что для нормального распределения коэффициент скошенности равен нулю. Разумеется, совершенно нормального распределения доходности акций компаний трудно найти даже на развитых рынках капитала. Однако коэффициент скошенности выбранных российских компаний значительно отличается от нуля: он варьируется от 0,1 до 21,78. Это означает, что для российских компаний характерна положительная скошенность. Соответственно, это является математически обоснованным препятствием для использования традиционной модели САРМ, одной из основных предпосылок которой является нормальность распределения доходности финансовых активов.
9 Коэффициенты бета были также оценены на основе средних месячных значений.
10 Стандартизированный коэффициент скошенности (3-й момент распределения). Он
У (XI - Хау)3
рассчитывается по формуле = 0.01 х---
Таблица 1 Основные характеристики распределения доходности акций российских компаний: расчет по недельным наблюдениям на отрезке 2003-2006
Средняя дох-ть, МЯ, % Стандарт-е откл-е, % Коэф-т бета Одностор-е откл-е, % Одностор-й коэф-т бета SSkw
1 РАО ЕЭС 1,102 6,819 1,002 3,593 1,025 3,17
2 Лукойл 1,011 5,897 0,999 3,308 0,985 1,19
3 Ростелеком 0,906 6,302 0,926 3,371 0,962 2,14
4 Татнефть Шашина -0,673 6,874 0,130 3,996 0,496 2,29
5 Уралсвязьинформ 0,697 5,848 0,830 3,323 0,837 1,43
6 Аэрофлот 1,156 6,253 0,706 3,311 0,764 1,03
7 Сибирьтелеком 0,787 5,973 0,833 3,335 0,859 1,82
8 Иркутскэнерго 1,213 7,129 0,868 3,501 0,956 5,31
9 ЮТК 0,444 5,813 0,751 3,528 0,738 1,17
10 Мосэнерго 1,292 9,224 0,917 4,452 0,923 12,67
11 Волгателеком 0,750 5,919 0,838 3,314 0,855 1,60
12 ОМЗ 0,422 6,500 0,770 3,521 0,720 3,19
13 РБК 1,631 6,415 0,807 3,121 0,888 2,25
14 РИТЭК 1,289 5,802 0,837 3,345 0,915 0,10
15 Северо-Западный Телеком 0,745 6,107 0,864 3,444 0,898 1,36
16 ДВМП 1,335 9,185 0,789 4,055 0,813 21,78
17 ГМК Норникель 1,203 6,632 1,016 3,645 1,076 1,11
18 Камаз 1,087 6,965 0,773 3,568 0,831 3,21
19 НТМК 1,879 6,837 0,853 3,221 0,923 3,77
20 Балтика 0,705 5,273 0,669 2,974 0,668 1,57
21 Газпромнефть -0,099 6,649 0,248 3,658 0,513 3,21
22 Сургутнефтегаз 0,902 6,255 0,995 3,446 1,019 1,00
23 Уралкалий 2,143 6,908 0,775 2,926 0,792 4,19
24 ВБД 0,598 6,635 0,832 3,278 0,706 8,06
25 Зейская ГЭС 1,341 6,976 0,861 3,391 0,890 3,59
Для российских компаний (кроме Газпромнефть (бывшая НК Сибнефть) и ОАО Татнефть) адекватность регрессионных зависимостей доходности от меры систематического риска выше при использовании недельных, а не месячных данных. Для нескольких компаний (Мосэнерго, Балтика и ДВМП) на месячных данных коэффициент детерминации при использовании альтернативной модели БСЛРМ оказался отрицательным, а при переходе к недельным наблюдениям адекватность оцененных регрессий значительно возросла.
Исключая из выборки две «проблемные» компании (Газпромнефть и Татнефть), по оставшейся выборке можно обсуждать две группы компаний:
1) Компании (17 из 23: РАО ЕЭС, Ростелеком, Аэрофлот, РБК и другие), у которых значение одностороннего коэффициента бета превышает (или нет значительного отличия11) значение классического, и объясняющая способность первого выше, чем объясняющая способность бета, определенного в рамках САРМ. В отношении данной группы компаний можно утверждать, что БСЛРМ
11 речь идет о десятых и сотых долях
Выпуск #3, 2007 © Электронный журнал Корпоративные Финансы, 2007
демонстрирует лучшие результаты, чем классическая модель. Однако нельзя сказать, что для большинства компаний разница между оцененными коэффициентами бета в рамках моделей САРМ и ЭСЛРМ существенна. Это означает, что ожидаемая доходность, оцениваемая с помощью модели ЭСЛРМ, не столь существенно будет отличаться от доходности, полученной по традиционной модели САРМ.
2) Компании (5 из 23), для которых не выявлено превосходства ЭСЛРМ: Лукойл, ЮТК, Мосэнерго, ОМЗ, Вимм-Билль-Данн. Здесь есть варианты, когда односторонний коэффициент выше классического, но его объясняющая способность ниже или когда классическая модель САРМ демонстрирует лучшие результаты по перечисленным выше критериям.
Вторым этапом тестирования модели ЭСЛМ по компаниям российского рынка стал регрессионный анализ на основе перекрестной выборки. Вначале были оценены линейные однофакторные регрессионные модели, тестирующие взаимосвязь средней доходности и каждого фактора риска, а именно: мЯ,= уо + у1КУ1+ в,
где мЯсредняя доходность за исследуемый период, ЯУ,- фактор риска, у0 и у1-соответствующие оцениваемые коэффициенты регрессии, в, - случайная ошибка, 1-индекс компании. Результаты по четырем регрессионным моделям представлены в табл. 2
Таблица 2
Перекрестная выборка (25 российских компаний): простые однофакторные регрессии
мяг Уо + гЯУ1 + в1
Го Р-уа!ие 71 Р-уа!ие 1Ч-Бциагв Значимость
Стандартное откл-е -0,10 0,91 0,16 0,23 0,06 незначимы й
Бета -0,53 0,16 1,87 0,00 0,43 значимый
Одностороннее откл-е 2,83 0,03 -0,54 0,14 0,09 значимый
Односторонний бета -1,21 0,04 2,57 0,00 0,41 значимый
Расчеты показывают, что при оценке однофакторных регрессий на 20%-м уровне доверия незначимой переменной оказывается стандартное отклонение, а одностороннее отклонение имеет отрицательный знак. Коэффициенты бета (и классический, и односторонний) являются значимыми.
С целью выявления значимости факторов риска двух разных «семейств» -семейства классических показателей риска и семейства показателей одностороннего риска оценены также многофакторные регрессии трех видов (таблицы 3, 4), где в качестве объясняющих переменных использовались:
■ стандартные отклонения (классическое и одностороннее)
■ коэффициенты бета (классический и односторонний)
■ стандартные отклонения (классическое и одностороннее) и коэффициенты бета (классический и односторонний).
Таблица 3
Перекрестная выборка (25 российских компаний): множественные регрессии с двумя факторами риска
МЯ1= Го + пЯУи + У2ЯУ21 + е
Значимость
Го Р-уа!ие 71 Р- value 72 Р-уа!ие Бциагв факторов риска
Станд.откл./ оба
одностор.откл. 3,21 0,00 0,68 0,00 -1,96 0,00 0,605168 значимы
бета/ оба
одностор.бета -0,88 0,18 1,18 0,29 1,06 0,50 0,441331 незначимы
На том же 20%-м уровне доверия коэффициенты бета в двухфакторных моделях стали незначимыми. Это может объясняться коррелированностью переменных: по перекрестной выборке корреляция коэффициентов бета составила 0,91. В аналогичных регрессиях меры общего риска (волатильность) значимы, но их связь с доходностью отрицательная. При использовании всех четырех показателей риска в регрессионной модели значимыми переменными с положительным знаком являются стандартное отклонение и односторонний коэффициент бета, что демонстрирует таблица 4.
Таблица 4
Перекрестная выборка (25 компаний): множественная регрессия с _четырьмя факторами риска
МЯг Уо + УхЯУц + У2ЯУ21 +УзЯУз1 + У4ЯУ41 + е
¡Ч-Бциагв 0,87
Р-уа!ие Значимость
7о 1,21 0,05 значим
Стандартное откл-е 0,61 0,00 значим
Бета -0,22 0,71 незначим
Одностороннее откл-е -1,77 0,00 значим
Односторонний бета 2,38 0,01 значим
Обобщая результаты проведенного исследования по выборке компаний российского рынка, можно сделать следующие выводы. 1) Потенциальное использование однофакторных портфельных моделей на российском рынке возможно при использовании исторических данных за несколько лет, так как на годовых временных интервалах расчета меры систематического риска может не выполняться принцип «больший риск- большая доходность», лежащий в основе модели САРМ и ее модификаций. Коэффициент корреляции средней доходности и риска, оцениваемого по стандартному отклонению доходности, является по годам нестабильным на российском рынке. На отрезке 2003-2006гг значения корреляции колебалось по годам от -0,09 до 0,60. Отрицательным значение оказалось лишь в 2005 году. В целом на отрезке 2003-2006гг коэффициент корреляции составил 0,25.
2) Преимущества модели БСЛРМ для оценки требуемой доходности инвестирования в собственный капитал отдельных компаний не очевидны.
Для исследования применимости БСАРМ в диагностировании страновых рисков была сформирована панель значений доходности локальных индексов
развивающихся стран и прокси-рыночных портфелей за 5 лет (апрель 2002-март 2007гг.). На основе данных базы Morgan Stanley Capital Investment (MSCI)12 выборка сформирована по 15 странам Центральной и Восточной Европы и Азии. Значения недельной доходности локальных индексов оценены по котировкам в долларах США по дневным данным. На первом этапе анализ проводился по каждой стране в отдельности. По регрессионной модели определены показатели систематического риска. В качестве прокси-рыночного портфеля использовался глобальный индекс. Так, MSCI рассчитывает несколько глобальных индексов (для большого набора стран мира, для сектора развитых/ развивающихся стран, региона Европы, Тихоокеанского региона и т. д.), то в работе была произведена оценка с использованием двух индексов MSCI- для сектора развивающихся стран и всего мира в целом. В качестве безрисковой доходности приняты котируемые государственные облигации с наименьшим риском (показателем риска). Доходность индекса локального рынка является объясняемой переменной в тестируемой модели.
Таким образом, классический коэффициент бета - это параметр оценки следующей регрессии:
kit - kft - ^ = а+ ßi (kmt - kft- ^m) +£it,
где kit- недельная доходность национального индекса;
kft- безрисковая ставка (процентное изменение за неделю), в качестве которой использовалась доходность к погашению 20- летних казначейских облигаций США13;
kmt- доходность глобального индекса;
цт -средние значения рядов (kit - kft) и (kmt - kft) соответственно;
sit - ошибка регрессии.
Модель регрессии для оценки одностороннего коэффициента бета строится без свободного члена по следующим формулам:
kit- kft- ^i =ßi (kmt - kft- ^m) +Sit,
где kit = min [(kit - Mi);0]
kmt = min [(kmt- Mm);0].
Как показывают результаты регрессионного анализа, для большинства анализируемых локальных рынков значение одностороннего коэффициента бета превышает значение классического бета. Такое соотношение сохраняется и в отношении объясняющей способности этих показателей. Однако для двух стран (Шри Ланка и Пакистан) трудно вообще сделать какие-то заключения, так как адекватность оцениваемых регрессий получилась крайне низкая (R-квадрат отрицательный), хотя значение одностороннего коэффициента бета превышает значение классического. Стоит отметить, что если сравнить коэффициенты беты, полученные в рамках данного исследования и исследования Хавьера Эстрады , то разница оказывается существенной: для большинства стран (они выделены в табл. 5), попавших в выборки обоих исследований (Азия и Центральная и Восточная Европа), коэффициенты бета значительно уменьшились. Так, для России коэффициенты бета (классический и односторонний) сократились более, чем в два раза. Это говорит о двух фактах. Во-первых, снижение систематического риска развивающихся стран. Во-вторых, на математическом языке существенное снижение коэффициентов бета снова поднимает вопрос об их устойчивости и возможности использования для оценки ожидаемой (или требуемой) доходности на собственный капитал.
12 http://www.mscibarra.com
13 http://www.ustreas.gov/offices/domestic-finance/debt-management/interest-rate/yield.shtml
Таблица 5 Сопоставление исследований применимости DCAPM для
Страна Период: 19882001 гг.(Эстрада)14 Период: 2002-2007гг. (Теплова, Селиванова)
Бета Одностор.бета Бета Одностор.бета
Чехия 0,66 1,29 0,73 1,00
Китай 1,13 1,39 1,00 1,14
Венгрия 1,53 1,91 0,89 1,25
Индия 0,54 1,10 0,77 1,02
Индонезия 0,97 1,60 0,76 1,31
Корея 1,25 1,34 1,18 1,37
Малайзия 1,02 1,33 0,42 0,63
Пакистан 0,49 1,00 0,28 0,72
Филиппины 1,10 1,40 0,66 0,96
Польша 1,66 2,02 1,05 1,29
Россия 2,69 2,85 0,94 1,39
Шри Ланка 0,61 1,11 -0,05 0,5
Тайвань 0,87 1,49 1,11 1,20
Тайланд 1,41 1,75 0,77 0,93
Турция 1,04 2,13 0,99 1,58
Заметим, что адекватность регрессий при использовании индекса развивающихся стран в качестве рыночного портфеля выше, чем при использовании мирового индекса. Поэтому дальнейший анализ проводился по недельным значениям доходности с прокси-рыночным портфелем, построенным на базе индекса сектора развивающихся стран МБС!
Регрессионный анализ на основе перекрестной выборки, в рамках которого, как и для случая тестирования модели БСЛРМ на российском рынке, оцениваются регрессии трех видов, показал, что: 1) при оценке однофакторных регрессий на 20%-м уровне доверия значимыми являются показатели общего риска (стандартное отклонение и одностороннее отклонение). Они имеют положительный знак в регрессии. 2) При оценке двухфакторных регрессий (с двумя факторами риска)- значимыми становятся показатели систематического риска (коэффициенты бета), но лишь односторонний коэффициент бета имеет ожидаемый знак (положительный). 3) в четырехфакторной модели на том же уровне доверия единственной значимой переменной риска, которая к тому же имеет положительную связь с доходностью является односторонний коэффициент бета.
Это означает, что для оценки средней доходности локального рынка модель БСЛРМ подходит в большей степени, чем классическая САРМ. Покажем различия в оценках требуемой доходности по собственному капиталу для компании среднерыночного риска на базе двух тестируемых моделей: кСЛРМ = 4,89%15 + 4,91%*1 = 9,8% 16 квСЛРМ = 4,89% + 4,91%*1,19=10,7%
м Estrada J., 2002
15Безрисковая ставка: доходность к погашению 20-летних казначейских облигаций США http://www.ustreas.gov/offices/domestic-finance/debt-management/interest-rate/Yield.shtml
16 Коэффициент бета, оцененный в рамках модели САРМ по недельным данным. В качестве рыночного портфеля принят индекс развивающихся стран, так как использовано допущение о том, что инвестор диверсифицирует свой портфель по компаниям развивающихся рынков. Выпуск #3, 2007 © Электронный журнал Корпоративные Финансы, 2007
Ставка требуемой доходности по модели DCAPM превышает аналогичный показатель, полученный по САРМ на 0,9% годовых. Так как речь идет об инвестициях в конкретную российскую компанию с покупкой определенной доли контроля, то необходимо добавить к рассчитанной выше ставке премии за специфические риски (низкой ликвидности на рынке капитала, премии за контроль и т.п.).
Список литературы
1. [Теплова, 2007] Теплова Т.В. Инвестиционные рычаги максимизации стоимости компании. Практика российских предприятий. - Москва: Вершина, 2007.
2. [Айзин & Лившиц, 2006] Айзин К.И., Лившиц В.Н. Риск и доходность ценных бумаг на фондовых рынках стационарной и нестационарной экономики// Аудит и финансовый анализ, № 4, 2006, с 195 - 199
3. Banz R. The Relationship between Return and Market Value of Common Stocks// Journal of Financial Economics, 1981, March, 9, pp. 3-18
4. Barry C., Goldreyer E., Lockwood L., Rodrigues M. Robustness of Size and Book-to-Market Effects: Evidence from Emerging Equity Markets// Emerging Markets Review, 2002, №3
5. Bawa V., E. Lindenberg Capital market equilibrium in a mean lower partial moment framework// Journal of Financial Economics, V. 5, 1977, pp. 189-200
6. Bekaert, G. Market Integration and Investment Barriers in Emerging Equity Markets// World Bank Economic Review, №9, 1995.
7. Bekaert, G., C.R. Harvey Time-Varying World Market Integration//, V.50, № 2, 1995.
8. Bekaert G.eert, Harvey, C Foreign speculators and emerging equity markets// Journal of Finance, V. 55, 2, 2000, pp 565-613
9. Bekaert G., Harvey C. Capital Flows and the Behavior of Emerging Market Equity Returns// Unpublished Working Paper 6669, 2003
10. Black, F., Jensen, M., Scholes, M., The CAPM: some empirical test// Studies in the theory of capital markets, 1972, pp 79-121
11. Blume M.E. Betas and Their regression Tendencies //Journal of Finance, Vol. 30, 1975, June, pp. 785-795
12. Collins D. Measuring the Cost of Equity in Frontier Financial Markets // Working paper. University of Cape Town, 2002.
13. Collins, D., M. Abrahamson Measuring the cost of equity in African financial markets// Emerging Markets Review, V 7, 2006, pp 67-81
14. De Swaan J., A. Liubych, 1999 Determining the cost of equity in emerging markets// WP, №28, Oct. 2003, www.ksg.harvard.edu/PAE
15. Devyris L., G. Jankauskas Explaining the cost of equity in Central and Easten Europe// Stockholm School of Economics in Riga, SSE, Riga Working Papers, 2004, 13(68)
16. Don U.A. Galagedera An alternative perspective on the relationship between downside beta and CAPM beta //Emerging Markets Review, V 8, Iss.1, 2007, pp.4-19
17. Fama, E. F., K. R. French The CAPM is Wanted, Dead or Alive// The Journal of Finance, December 1996, V. 51, Issue 5, рр. 1947-1958
18. Estrada, J. The Cost of Equity in Emerging Markets: a downside risk approach// Emerging Markets Quarterly, 2000, pp.19-30
19. Estrada, J. The Cost of Equity in Emerging Markets: a downside risk approach (II)// Emerging Markets Quarterly, 2001, pp.63-72
20. Estrada, J. Systematic Risk in Emerging Markets: the D-CAPM// Emerging Markets Review, V.3, 2002, pp.365-379
21. Estrada, J. Mean-Semivariance behavior (II): The DCAPM// WP, Sept. 2002, IESE Business School, http://webprofesores.iese.edu/JEstrada/Research.html
22. Errunza, Vihang R., Darius P. Miller Market Segmentation and the Cost of Capital in International Equity Markets// The Journal of Financial ans Quantitative Analysis, V.35, 4, 2000, pp. 577-600
23. Godfrey, S., R. Espinosa A Practical Approach to Calculating Costs of Equity for Investments in Emerging Markets // Journal of Applied Corporate Finance, Fall, 1996, pp. 80-89.
24. Gonzalez M. CAPM Performance in the Caracas Stock Exchange from 1992 to 1998// International Review of Financial Analysis, № 10, 2001, pp. 333-341
25. Goriaev Alexei and Alexei Zabotkin Risks of investing in the Russian stock market: Lessons of the first decade //Emerging Market Review, V. 7, Iss 4, 2006, pp. 380-397
26. Graham J.R., Campbell R. Harvey The Theory and Practice of Corporate Finance. Evidence from the Fields// Journal of Financial Economics, V. 60(2), 2001.
27. Harvey C. R. Predictable risk and return in emerging markets// Review of Financial Studies, V. 8, 1995, pp. 773-816
28. Harvey, C. The risk exposure of emerging equity markets. //World Bank Economic Review, № 9 (1), 1995, pp.19- 50.
29. Henry, Peter B. Capital-Account Liberalization, the Cost of Capital, and Economic Growth// The American Economic Review, V 93, 2, pp 91-96, 2003
30. Hogan W., J. Warren, Toward the development of an equilibrium capital-market model based on semivariance // Journal of Financial Quant. Analysis, V. 9, (1), 1974, pp. 1-11.
31. Homaifar G., D.B. Graddy, Variance and lower partial moment betas as alternative risk measures in cost of capital estimation: a defense of the CAPM beta // Journal of Business Finance Account, V. 17, 1990, pp. 677-688.
32. Hwang, S., Christian S. Pedersen Best Practice Risk Measurement in Emerging Markets: Empirical Test of Asymmetric Alternatives to CAPM.// Working paper, August 29, 2002
33. Jensen M. Capital Markets: Theory and Evidence// Bell Journal Econ.a. Management Science, 1972, pp.357-391
34. Keck T., Levengood E., and Longfield Using Discounted Cash Flow Analysis in an International Setting: A Survey of Issues in Modeling the Cost of Capital// Journal of Applied Corporate Finance, Volume 11, №3, 1998, pp. 11-28
35. Levy R.A. On the Short-Term Stationarity of Beta Coefficients //Financial Analysts Journal, 1971, 27 (Nov.-Dec.), pp.55-62
36. Lintner, J. The valuation of risk assets and selection of risky investments in stock portfolio and capital budgets// Review of economics and statistics 47, Feb. 1965, 13-47
37. Markowitz H. Portfolio selection: Efficient diversification of investments// Wiley, 1959
38. Miller K., Leiblein M. Corporate Risk- Return Relations: Returns Variability versus Downside risk. Academy of Management Journal. 1996, V. 39, №1
39. McNulty J., Yeh T., Schulze W., and Lubatkin M. What"s Your Real Cost of Capital?// Harvard Business Review, №45, 2002
40. Omran M.F. An analysis of the capital asset pricing model in the Egyptian stock market //The Quarterly Review of Economics and Finance, V. 46, 2007
41. Pedersen C.S. and S. Hwang, Does downside beta matter in asset pricing?// Working Paper, Cass Business School, London, UK, 2003.
42. Pereiro, L. The valuation of closely-held companies in Latin America. // Emerging Markets Review, № 2, 2001, pp.330-370.
43. Price, K. and B. Price and T.J. Nantell, Variance and lower partial moment measures of systematic risk: some analytical and empirical results// Journal of Finance, V. 37, 1982, pp. 843-855.
44. Roll R. A Possible Explanation of Small Firm Effect// The Journal of Finance, V.36, 4 (Sep.), 1981, pp. 879-888
45. Roll R. A Critique of the Asset Pricing Theory"s Tests// Journal of Financial Economics, V.4, 1977, pp.129-176
46. Rouwenhorst, K.Geert Local Return Factors and Turnover in Emerging Markets// Journal of Finance, V. 54., 1999
47. Sharpe W.F. Capital Asset Prices: A Theory of Market Equilibrium under Conditions of Risk //Journal of Finance, 19 (3), 1964, pp. 425442.
48. Sharp, William F. Capital asset prices with and without negative holdings// The Journal of Finance, June 1991, Volume 46, Issue 2, 489-509
49. Serra A. The Cross Sectional Determinants of Returns: Evidence from Emerging Markets" Stocks// Working Paper, 2003. University of Porto, Faculty of Economics Home Page. №28, 0ct.2003
50. Solnik, B. An equilibrium model of the international capital market// Journal of Economic Theory, 1974, V. 8, pp 500-524
51. Stulz, R. Globalisation, corporate finance, and the cost of capital //Journal of Applied Corporate Finance, V. 36, 1999, pp. 8 - 25.
- Ирина Владимировна Березинец https://orcid.org/0000-0001-6157-0283
- Лилия Александровна Булатова Amadeus Data Processing GmbH
- Юлия Борисовна Ильина Институт «Высшая школа менеджмента» Санкт-Петербургского государственного университета, Россия https://orcid.org/0000-0002-4187-8990
- Марат Владимирович Смирнов Институт «Высшая школа менеджмента» Санкт-Петербургского государственного университета, Россия https://orcid.org/0000-0003-0362-5746
Аннотация
В статье исследуется реакция российского фондового рынка на объявления компаний о выплате дивидендов в 2010–2014 гг. При этом рассматривается реакция не на изменение величины дивиденда по сравнению с прошлым периодом, а на дивидендный «сюрприз». Предполагается, что ожидания участников рынка в отношении величины предстоящих дивидендных выплат компании формируются прогнозами аналитиков. В качестве прокси для дивидендного «сюрприза» используется отклонение величины фактически выплаченного дивиденда от консенсус-прогноза аналитиков относительно этих выплат. Исследования с применением модели дивидендных «сюрпризов» для России ранее не проводились, и настоящая работа вносит дополнительный вклад в тестирование сигнальной теории дивидендов на российском рынке. Исследование было проведено с использованием метода событий на выборке 40 российских публичных компаний, регулярно выплачивающих дивиденды по итогам года. Анализ показал, что в среднем российский рынок на исследуемом периоде реагировал отрицательно как на позитивные, так и на негативные дивидендные «сюрпризы». Таким образом, работа подтверждает выводы существующих исследований российского рынка, проведенных с применением «наивной» модели оценивания реакции рынка на дивидендные объявления компаний. Полученные результаты обсуждаются с позиции информационной эффективности рынка, ожиданий инвесторов и специфики их поведения, состояния российского рынка в исследуемый период.
Ключевые слова:
дивидендный «сюрприз», фондовый рынок, Россия, метод событий
Скачивания
Данные скачивания пока не доступны.
Литература
ЛИТЕРАТУРА НА РУССКОМ ЯЗЫКЕ
Березинец И. В., Булатова Л. А., Ильина Ю. Б., Смирнов М. В. 2015. Реакция российского рынка на объявления о выплате дивидендов: эмпирическое исследование. Вестник С.-Петербургского ун-та. Серия Менеджмент (1): 44–90.
Рогова Е. М., Бердникова Г. О. 2014. Ценовая реакция российского фондового рынка на объявления компаний о дивидендных выплатах. Российский журнал менеджмента 12 (4): 3–28.
Теплова Т. В. 2008. Влияние дивидендных выплат на рыночную оценку российских компаний: эмпирическое исследование методом событийного анализа на российских и зарубежных торговых площадках. Аудит и финансовый анализ (2): 1–15.
Теплова Т. В. 2011. Реакция цен акций на объявления денежных дивидендов: сигнализирование на российском рынке до и после кризиса. Финансовый менеджмент (1): 13–25.
REFERENCES IN LATIN ALPHABET
Aharony J., Swary I. 1980. Quarterly dividend and earnings announcements and stockholders returns: An empirical analysis. Journal of Finance 35 (1): 1–12.
Akbar M., Baig H. H. 2010. Reaction of stock prices to dividend announcements and market efficiency in Pakistan. Lahore Journal of Economics 15 (1): 103–125.
Akben-Selcuk E., Altiok-Yilmaz A. 2010. Information content of dividends: Evidence from Istanbul stock exchange. International Business Research 3 (3): 126–132.
Ambarish R., John K., Williams L. 1987. Efficient signaling with dividends and investments. Journal of Finance 42 (2): 321−343.
Amihud Y., Murgia M. 1997. Dividends, taxes, and signaling: Evidence from Germany. Journal of Finance 52 (1): 397–408.
Amin A. S., Dutta S., Saadi S., Vora P. P. 2015. Institutional shareholding and information content of dividend surprises: Reexamining the dynamics in dividend-reappearance era. Journal of Corporate Finance 31 : 152–170.
Andres Ch., Betzer A. А., van den Bongard I., Haesner Ch., Theissen E. 2013. The information content of dividend surprises: Evidence from Germany. Journal of Business Finance & Accounting 40 (5–6): 620–645.
Bar-Yosef S., Sarig O. H. 1992. Dividend surprises inferred from option and stock prices. Journal of Finance 47 (4): 1623–1640.
Bhattacharya S. 1979. Imperfect information, dividend policy, and “the bird in the hand” fallacy. Bell Journal of Economics 10 (1): 259–270.
Brown Ph., How J. C. Y., Verhoeven P. 2008. The accuracy of analysts dividend forecasts around the world. Pacific-Basin Finance Journal 16 (4): 411–435.
Conroy R. M., Eades K. M., Harris R. S. 2000. A test of the relative pricing effects of dividends and earnings: Evidence from simultaneous announcements in Japan. Journal of Finance 55 (3): 1199–1227.
Eades K. M. 1982. Empirical evidence on dividends as a signal of firm value. 17 (4): 471−500.
Easterbrook F. H. 1984. Two agency-cost explanations of dividends. American Economic Review 74 (4): 650−659.
Fama E. F. 1970. Efficient capital markets: A review of theory and empirical work. Journal of Finance 25 (2): 383–417.
Fama E., Fisher L., Jensen M., Roll R. 1969. The adjustment of stock prices to new information. International Economic Review 10 (1): 1−21.
Fuller K. P. 2003. The impact of informed trading on dividend signaling: A theoretical and empirical examination. Journal of Corporate Finance 9 (4): 385−407.
Grullon G., Michaely R., Swaminathan B. 2002. Are dividend changes a sign of firm maturity? Journal of Business 75 (3): 387−424.
Healy K., Palepu P. 1988. Earning information conveyed by dividend initiations and omissions. 21 (2): 149−176.
Hull T. 2013. Does the timing of dividend reductions signal value? Empirical evidence. Journal of Corporate Finance 22 : 193−208.
Irum M., Rafique M., Hassan A. 2012. Effect of dividend announcement on share prices of petroleum industry of Pakistan. Journal of Basic and Applied Scientific Research 2 (7): 6503−6511.
Jensen M. C. 1986. Agency cost of free cash flow, corporate finance, and takeovers. American Economic Review 76 (2): 323–329.
John K., Kalay A. 1985. Informational content of optimal debt contracts. In: Altman E., Subrahmanyam M. (eds). Recent Advances in Corporate Finance . Irwin: Homewood, Il; 133–161.
Joshipura M. 2009. Price and liquidity effects of bonus announcements: Empirical evidence from Indian stock market. The IUP Journal of Applied Finance 15 (11): 5−23.
Kwan C. C. Y. 1981. Efficient market tests of the informational content of dividends announcements. Journal of Financial and Quantitative Analysis 16 (2): 193−205.
Lintner J. 1956. Distribution of incomes of corporations among dividends, retained earnings, and taxes. American Economic Review 46 (2): 97−113.
Liu Ch., Chen An-Sing. 2015. Do firms use dividend changes to signal future profitability? A simultaneous equation analysis. International Review of Financial Analysis 37 : 194−207.
Miller M. H., Rock K. 1985. Dividend policy under asymmetric information. Journal of Finance 40 (4): 1031–1051.
Modigliani F., Miller M. 1961. Dividend policy, growth and the valuation of shares. Journal of Business 34 (4): 411–433.
Myers S. C. 1977. Determinants of corporate borrowing. Journal of Financial Economics 5 (2): 147–175.
Myers S. C. 1984. Capital structure puzzle. Journal of Finance 39 (3): 575–592.
Olsen R. A. 1998. Behavioral finance and ts implications for stock - price volatility. Financial Analysts Journal 54 (2): 10–18.
Oprean C., Tanasescu C. 2014. Effects of behavioural finance on emerging capital markets. Procedia Economics And Finance 15 : 1710–1716.
Peterson P. 1989. Event studies: A review of issues of methodology. Quarterly Journal of Business and Economics 28 (3): 36–66.
Taneem S., Yuce A. 2011. Information content of dividend announcements: An investigation of the Indian stock market. International Business & Economics Research Journal 10 (5): 49–57.
Wooldridge J. R. 1982. The information content of dividend changes. Journal of Financial Research 5 (3): 237–247.
Wooldridge J. R. 1983. Dividend changes and security prices. Journal of Finance 38 (5): 1607–1615.
Wooldridge J. R., Ghosh C. 1985. Dividend cuts: Do they always signal bad news? Corporate Finance Journal 3 (2): 20–32.
Translation of references in Russian into English
Berezinets I. V., Bulatova L. A., Ilina Yu. B., Smirnov M. V. 2015. Russian stock market reactions to dividend announcements: Empirical study. Vestnik S.-Peterburgskogo unta. Seriya Menedzhment (1): 44–90.
Rogova E. M., Berdnikova G. O. 2014. Russian stock market reaction to dividend announcements. Rossiiskii zhurnal menedzhmenta 12 (4): 3–28.
Teplova T. V. 2008. Impact of cash dividend payments on Russian companies’ market capitalization: Event study testing for Russian and world stock exchanges. Audit i finansovyj analiz (2): 1–15.
Teplova T. V. 2011. The reaction of share prices on cash dividend announcements: Signaling on the Russian market before and after the crisis. Finansovyj menedzhment (1): 13–25.
Министерство образования и науки Республики Казахстан
Международная академия бизнеса
ФАКУЛЬТЕТ ЭКОНОМИКИ, МЕНЕДЖМЕНТА И ПРЕДПРИНИМАТЕЛЬСТВА
КАФЕДРА «ФИНАНСЫ И АУДИТ»
КУРСОВАЯ РАБОТА
по дисциплине « Финансовый менеджмент »
Эмпирические исследования модели CAPM
студента 3 курса Ф – 0706 группы дневного отделения
Черноусовой Александры Павловны
Научный руководитель:
к.э.н., доцент
Айтекенова Р.К.
АЛМАТЫ 2010 г.
План
Введение
Глава 1. Понятие, сущность и цели модели CAPM
1.1 Понятие и сущность модели CAPM
1.2 Процесс расчета модели CAPM
Глава 2. Возможность применения вариантов модели CAPM
2.1 Двухфакторная модель CAPM в версии Блэка
2.2 Сущность модели D-CAPM
Глава 3. Эмпирические исследования возможности применения модели CAPM на развивающихся рынках
3.1 Критика САРМ и альтернативные меры риска
3.2 Обзор эмпирических исследований концепции «риск-доходность» на развивающихся рынках
Заключение
Список использованной литературы
Приложение
Введение
Для определения актуальности данной темы нужно определить, что такое и в чем заключаются цели эмпирического исследования.
Эмпирическое исследование – научное фактологическое исследование.
Любое научное исследование начинается со сбора, систематизации и обобщения фактов. Понятие «факт» имеет следующие основные значения:
1) Некоторый фрагмент действительности, объективные события, результаты, относящиеся либо к объективной реальности («факты действительности»), либо к сфере сознания и познания («факты сознания»).
2) Знание о каком-либо событии, явлении, достоверность которого доказана, т.е. синоним истины.
3) Предложение, фиксирующее эмпирическое знание, т.е. полученное в ходе наблюдений и экспериментов.
Внутреннюю структуру эмпирического уровня образуют по меньшей мере два подуровня:
а) непосредственные наблюдения и эксперименты, результатом которых являются данные наблюдения;
б) познавательные процедуры, посредством которых осуществляется переход от данных наблюдения к эмпирическим зависимостям и фактам.
Деятельностная природа эмпирического исследования на уровне наблюдений наиболее отчетливо проявляется в ситуациях, когда наблюдение осуществляется в ходе реального эксперимента. По традиции эксперимент противопоставляется наблюдению вне эксперимента. Отметим, что сердцевиной эмпирического исследования является эксперимент – испытание изучаемых явлений в контролируемых и управляемых условиях. Различие между экспериментированием и наблюдением в том, что условиями эксперимента управляют, а в наблюдении процессы предоставлены естественному ходу событий. Не отрицая специфики этих двух видов познавательной деятельности, следует обратить внимание на их общие родовые признаки.
Для этого целесообразно вначале более подробно рассмотреть, в чем заключается особенность экспериментального исследования как практической деятельности. Экспериментальная деятельность представляет собой специфическую форму природного взаимодействия, и взаимодействующие в эксперименте фрагменты природы всегда предстают как объекты с функционально выделенными свойствами.
Таким образом, главной целью данной курсовой работы можно считать эксперименты по применению концепции «риск - доходность» и определение ее целесообразности в связи с изменениями страновых рисков и рынков.
На нынешний момент концепция «риск-доходность» является ключевой в корпоративных финансах, так как позволяет дать количественную оценку инвестиционному и кредитному риску владельцев капитала компании в терминах доходности и выстроить принятие эффективных инвестиционных и финансовых решений с учетом полученной оценки. До сих пор не утихают споры относительно корректности методов оценки риска и построения адекватной внешним условиям модели увязки предполагаемого риска с требуемой инвесторами доходностью.
Глава 1. Понятие, сущность и цели модели CAPM
1.1 Понятие и сущность модели CAPM
Capital Asset Pricing Model (CAPM) - модель оценки доходности финансовых активов служит теоретической основой для ряда различных финансовых технологий по управлению доходностью и риском, применяемых при долгосрочном и среднесрочном инвестировании в акции.
Модель оценки долгосрочных или модель определения стоимость капитала была разработана Гарри Марковитцем в 50-х годах.
CAPM рассматривает доходность акции в зависимости от поведения рынка в целом. Другое исходное предположение CAPM состоит в том, что инвесторы принимают решения, учитывая лишь два фактора: ожидаемую доходность и риск.
Смысл этой модели заключается в том, чтоб продемонстрировать тесную взаимосвязь между нормой доходности с риском финансового инструмента.
Известно, что, чем больше риск, тем больше доходность. Следовательно, если мы знаем потенциальный риск ценной бумаги, мы можем прогнозировать норму доходности. И наоборот, если нам известна доходность, то мы можем вычислить риск. Все расчеты такого рода относительно доходности и риска осуществляются при помощи модели оценки долгосрочных активов.
Согласно модели риск, связанный с инвестициями в любой рисковый финансовый инструмент, может быть разделен на два вида: систематический и несистематический.
Систематический риск обусловлен общими рыночными и экономическими изменениями, воздействующими на все инвестиционные инструменты и не являющимися уникальными для конкретного актива.
Несистематический риск связан с конкретной компанией-эмитентом.
Систематический риск уменьшить нельзя, но воздействие рынка на доходность финансовых активов можно измерить. В качестве меры систематического риска в CAPM используется показатель β (бета), характеризующий чувствительность финансового актива к изменениям рыночной доходности. Зная показатель β актива, можно количественно оценить величину риска, связанного с ценовыми изменениями всего рынка в целом. Чем больше значение β акции, тем сильнее растет ее цена при общем росте рынка, но и наоборот - акции компании с большими положительными β сильнее падают при падении рынка в целом.
Несистематический риск может быть уменьшен с помощью составления диверсифицированного портфеля из достаточно большого количества активов или даже из небольшого числа антикоррелирующих между собой активов.
Т.к. любая акция имеет свою степень риска, этот риск необходимо покрыть доходностью, чтоб инструмент остался привлекательным. Согласно модели оценки долгосрочных активов, норма доходности любого финансового инструмента состоит из двух частей:
1. безрисковый доход
2. премиальный доход
Иными словами, любая прибыль от акции включает в себя безрисковую прибыль (часто расчитывается по ставкам государственных облигаций) и рисковую прибыль, которая (в идеале) соответствует степени риска данной бумаги. Если показатели доходности превышают показатели риска, то инструмент приносит больше прибыли, чем положено по его степени риска. И наоборот, если показатели риска оказались выше доходности, то нам такой инструмент не нужен.
1.2 Процесс расчета модели CAPM
Взаимосвязь риска с доходностью согласно модели оценки долгосрочных активов описывается следующим образом:
Д = Дб/р + β·(Др-Дб/р), где
· Д - ожидаемая норма доходности
· Дб/р - безрисковый доход
· Др - доходность рынка в целом
· β - специальный коэффициент бета
Безрисковый доход - это та часть дохода, которая заложена во все инвестиционные инструменты. Безрисковый доход измеряется, как правило, по ставкам государственных облигаций, т.к. те практически без риска. На западе безрисковый доход равен примерно 4-5%, у нас же - 7-10%.
Общая доходность рынка - это норма доходности индекса данного рынка. В Казахстане – это показатель фондового рынка KASE.
Бета - специальный коэффициент, который измеряет рискованность инструмента. В то время как предыдущие элементы формулы просты, понятны, и найти их достаточно просто, то β найти не так просто; бесплатные финансовые сервисы не предоставляют β компаний.
Коэффициент регрессии β служит количественным измерителем систематического риска, не поддающегося диверсификации. Ценная бумага, имеющая β-коэффициент, равный 1, копирует поведение рынка в целом. Если значение коэффициента выше 1, реакция ценной бумаги опережает изменение рынка как в одну, так и в другую сторону. Систематический риск такого финансового актива выше среднего. Менее рисковыми являются активы, β-коэффициенты которых ниже 1 (но выше 0).
Концепция β-коэффициентов составляют основу модели оценки финансовых активов (Capital Assets Pricing Model, CAPM). При помощи этого показателя может быть рассчитана величина премии за риск, требуемой инвесторами по вложениям, имеющим систематический риск выше среднего.
Коэффициент Бета - угол наклона прямой из линейного уравнения типа y = kx + b = β·(Др-Дб/р) + Дб/р. Эта прямая линия - есть прямая линия регрессии двух массивов данных: доходности индекса и акции. Графическое отображение взаимосвязи этих массивов даст некую совокупность, а линия регрессии даст нам формулу и покажет нам зависимость корреляции от разброса точек на графике.
За основу возьмем формулу y = kx + b. В данной формуле kзаменим на коэффициент β, здесь он равносилен риску.
Получим y = β x + b. Для расчетов возьмем примерные показатели по безрисковой ставке доходности Корпорации Xи доходности индекса KASE за период с 15.04.2007-15.04.2008.
Расчеты, для упрощения операций, были проведены в программе MSExcel. Таблица с данными представлена в Приложении.
График 1. Изображение коэффициента бета
Таким образом, из графика видно, что коэффициент бета равен 0,503, следовательно, доходность акции Корпорации Х растет медленнее. Чем доходность рынка, на котором она котируется.
Вычисление дополнительного коэффициента, коэффициента корреляции R2, покажет, насколько изменение индекса движет цену акции. В данном примере, акция Корпорации Х очень слабо зависит от индекса KASE, т.к. коэффициент корреляции равен 0,069.
Следовательно, Модель оценки долгосрочных активов (CAPM) может помочь определиться с подбором акций в свой инвестиционный портфель. Эта модель демонстрирует прямую связь между риском ценной бумаги и ее доходностью, что позволяет ей показать справедливую доходность относительно имеющегося риска и наоборот.
В нашем случае, портфель ценных бумаг составлен из акций с минимальным риском. Считается, что инвесторы питают неприязнь к излишнему на их взгляд риску (risc aversion), поэтому любая ценная бумага, отличная от безрисковых государственных облигаций или казначейских векселей, может рассчитывать на признание инвесторов только в том случае, если уровень ее ожидаемой доходности компенсирует присущий ей дополнительный риск.
Данная надбавка называется премией за риск, она напрямую зависит от величины β-коэффициента данного актива, так как предназначена для компенсации только систематического риска.
Несистематический риск может быть устранен самим инвестором путем диверсификации своего портфеля, поэтому рынок не считает нужным устанавливать вознаграждение за этот вид риска.
Глава 2. Возможность применения вариантов модели CAPM
2.1 Двухфакторная модель CAPM в версии Блэка
Как уже упоминалось выше, классические модели CAPM в версии Шарпа-Линтнера или Блэка на казахстанском рынке, строго говоря, не выполняются. Возможно, неудача в тестировании классических версий модели CAPM связана с тем, казахстанский рынок относится к развивающимся рынкам, к которым традиционная модель CAPM не подходит, поскольку развивающиеся рынки являются «по определению» менее эффективными, чем развитые, и на них не выполняются исходные предположения модели CAPM. В литературе предложены другие варианты модели оценки капитальных активов, большинство из них основано на модели CAPM и является ее модификацией.
К сожалению, многие популярные модели являются модификацией для конкретного случая и не имеют экономической интерпретации.
Одной из наиболее правдоподобных и обоснованных с теоретической точки зрения моделей является модель D-CAPM, предложенная Estrada (2002b, 2002c).
Основное отличие модели D-CAPM от стандартной модели CAPM заключается в измерении риска активов. Если в стандартной модели риск измеряется дисперсией доходности, то в модели D-CAPM риск измеряется полудисперсией (semivariance ), которая показывает риск снижения доходности относительно ожидаемого или любого другого уровня, выбранного в качестве базового.
Полудисперсия является более правдоподобной мерой риска, поскольку инвесторы не опасаются возможности повышения доходности, инвесторы опасаются возможности снижения доходности ниже определенного уровня (например, ниже среднего уровня).
На основе полудисперсии можно построить альтернативную поведенческую модель, основанную на новом измерении риска, а также построить модифицированную модель CAPM. Новая модель ценообразования получила в академических публикациях название Downside CAPM, или D-CAPM .
Как показано в доходности на развивающихся рынках лучше описываются с помощью D-CAPM по сравнению с CAPM. Для развитых рынков различие в двух моделях гораздо меньше. В связи с этим возникает вопрос применимости модели D-CAPM для казахстанского фондового рынка.
Модель Блэка по сути является двухфакторной. Факторами в данном случае служат ненаблюдаемые торгуемые портфели: любой из эффективных рыночных портфелей и портфель, ортогональный к нему. Это может дать еще один метод проверки модели. Идея метода заключается в следующем. По имеющимся временным рядам доходностей различных активов методами факторного анализа можно выделить два наиболее значимых фактора и сформировать на основе факторных коэффициентов абстрактные портфели.
Если для выделения факторов использовать метод главных компонент, то по определению эти факторы и, следовательно, сформированные портфели будут ортогональными (расположенными под прямым углом, перпендикулярными.). Тогда один из портфелей можно рассматривать как рыночный эффективный портфель, другой - как актив с нулевым бета. Но модель не оправдывает себя на развивающихся рынках.
При построении стандартной модели ценообразования на капитальные активы предполагается, что распределение доходностей является нормальным. Нормальное распределение является симметричным и полностью определяется математическим ожиданием и дисперсией. В стандартной поведенческой модели на действия инвесторов влияет ожидание и дисперсия доходности (стандартное отклонение доходности).
Фактические данные свидетельствуют о том, что распределение доходностей не является симметричным. Можно предположить, что в этом случае на действия инвесторов будет влиять не только ожидаемое значение и дисперсия доходности, но также и коэффициент асимметрии распределения.
Интуитивно понятно, что инвесторы при прочих равных условиях предпочитают распределения с положительным коэффициентом асимметрии. Хорошим примером является лотерея. Как правило, в лотереях существует большой выигрыш с малой вероятностью и маленький проигрыш с большой вероятностью. Многие люди покупают лотерейные билеты, несмотря на то, что ожидаемый доход по ним отрицательный.
В соответствии с инвесторы, прежде всего, стремятся сохранить первоначальную стоимость своих инвестиций и избегают снижения первоначальной стоимости инвестиций ниже определенного целевого уровня. Такое поведение инвесторов соответствует предпочтению к положительной асимметрии.
Следовательно, активы, которые уменьшают асимметрию портфеля, нежелательны. Поэтому ожидаемая доходность такого актива должна включать премию за этот риск. Асимметрию можно включить в традиционную модель ценообразования. Модели, учитывающие асимметрию, рассматриваются в .
В этих моделях предполагается, что при прочих равных условиях инвесторы предпочитают активы с большей доходностью, активы с меньшим стандартным отклонением и активы с большей асимметрией. Соответственно можно рассматривать альтернативную поведенческую модель инвесторов на основе трех показателей распределения доходности активов. В описывается множество эффективных портфелей в пространстве среднего, дисперсии и асимметрии. Для данного уровня дисперсии существует обратное соотношение между доходностью и асимметрией. То есть, для того, чтобы инвестор держал активы с меньшей асимметрией, они должны иметь большую доходность. То есть премия должна быть отрицательна.
Как и для дисперсии, на доходность актива влияет не асимметрия актива как такового, а вклад актива в асимметрию портфеля, то есть коасимметрия . Коасимметрия должна иметь отрицательную премию. Актив с большей коасимметрией должен иметь меньшую доходность, чем актив с меньшей коасимметрией.
Результаты показывают, что асимметрия помогает объяснить вариацию доходности в пространственных данных и значительно улучшает значимость модели. В работе показано, что если рынки полностью сегментированы, то на доходность влияет полная дисперсия и полная асимметрия. На полностью интегрированных рынках имеет значение только ковариация и коасимметрия.
Harvey и Siddique выводят следующую модель, учитывающую асимметрию:
где At и Bt – функции рыночной дисперсии, асимметрии, ковариации и коасимметрии. Коэффициенты At и Bt аналогичны коэффи-циенту β в традиционной модели CAPM.
Harvey и Siddique ранжировали акции по историческим значениям коасимметрии и сформировали портфель S-, включающий 30% акций с наименьшим значением коасимметрии, 40% акций с промежуточными значениями коасимметрии и портфель S+, включающий 30% акций с наибольшим значением коасимметрии по отношению к рыночному портфелю.
Для эконометрической проверки в работе были использованы следующие модели:
μi = λ0 + λMi + λS βSi + ei
μi = λ0 + λMiβS + λSKS βSKSi + ei
где μi - среднее значение превышения доходности над безрисковой ставкой (избыточная доходность), λ0, λMi, λSи - оцениваемые параметры уравнений, - ошибки, λSKS, βSKS- бета коэффициент стандартной модели, βSi, βSKSi- бета коэффициенты активов по отношению, соответственно, к портфелю S- и спрэду между доходностью портфелей S- и S+.
Показано, что включение дополнительного фактора значительно повышает соответствие модели реальным данным. Таким образом, делается вывод о том, что в моделях ценообразования активов для развивающихся рынков необходимо учитывать уровень интеграции и, возможно, показатель коасимметрии.
2.2 Сущность модели D - CAPM
Одно из наиболее распространенных направлений модификации стандартной модели ценообразования основано на использовании полувариации в качестве меры риска активов. В классической теории, следуя Марковицу, за такую меру взята дисперсия доходности которая одинаково трактует как отклонения вверх, так и вниз от ожидаемого значения.
В отличие от дисперсии полувариация «наказывает» только за отклонения вниз:
Корень из полувариации называют downside risk - риском отклонения вниз. Надо отметить, что эта мера имеет свои достоинства и свои недостатки.
Из недостатков отметим, что выбрасывается положительная сторона риска, связанная с превышением над ожиданиями. Кроме того, такой «риск» не может быть использован в качестве волатильности (изменчивости), а тогда и для ценообразования на производные финансовые инструменты.
С другой стороны, использование полувариации в рамках теории портфеля позволяет ослабить некоторые предположения традиционной модели ценообразования на финансовые активы (предположение о нормальном распределении доходности и предположение о том, что поведение инвесторов определяется ожидаемой доходностью и дисперсией доходности активов).
В отмечается, что, во-первых, стандартное отклонение может использоваться только в случае симметричного распределения доходностей.
Во-вторых, стандартное отклонение может непосредственно использоваться в качестве меры риска только тогда, когда распределение доходностей нормальное. Эти условия не подтверждаются на эмпирических данных.
Кроме того, использование бета коэффициентов, которые выводятся в рамках традиционной поведенческой модели, в качестве меры риска на развивающихся рынках оспаривается многими исследователями, возможность использования полувариации, напротив, подтверждается на эмпирических данных.
Использование полувариации поддерживается также и интуитивными соображениями. Обычно инвесторы не избегают риска повышения доходности выше среднего, они избегают риска снижения доходности ниже среднего или ниже некоторого целевого значения. Поскольку инвестирование на развивающихся рынках является очень рискованным для западного инвестора, то западный инвестор, прежде всего, избегает риска потери первоначальной ценности своих инвестиций, или в соответствии с работой , избегает снижения этой ценности ниже определенного целевого уровня. Поэтому в качестве меры риска на развивающихся рынках целесообразно использовать полудисперсию и, соответственно, стандартное полуотклонение.
В исследованиях [Синцов, 2003] тестировалась модель, в которой риск измеряется с помощью нижнего частичного момента второго порядка, то есть полувариацией. С одной стороны, использование полувариации является наиболее популярной модификацией модели CAPM, с другой стороны, использование полувариации позволяет применять доступные статистические методы эмпирической проверки модели ценообразования.
В данной поведенческой модели мерой взаимозависимости доходности данного актива и рыночного актива служит так называемая полуковариация, которая является аналогом ковариации в стандартной модели:
Полуковариация также является неограниченной и зависящей от масштаба. Но ее также можно нормировать, разделив на произведение стандартного полуотклонения данного актива и рыночного портфеля:
Аналогично, разделив ковариацию на полувариацию рыночного портфеля можно найти модифицированный бета – коэффициент:
Модифицированный бета коэффициент используется в альтернативной модели ценообразования. Эта модель, предложенная в получила название D-CAPM (Downside Capital Asset Pricing Model ):
Таким образом, бета коэффициент в традиционной модели CAPM предлагается заменять модифицированным бета коэффициентом, который является мерой риска актива в новой поведенческой модели, в которой поведение инвесторов определяется ожиданием и полудисперсией доходности.
Модифицированный бета коэффициент может быть найден как отношение полуковариации актива и рыночного портфеля и полувариации рыночного портфеля. Кроме того, модифицированный бета коэффициент может быть найден с помощью регрессионного анализа.
Одно из возможных несовершенств развивающегося рынка - сильная асимметрия доходности активов учитывается в модели D-CAPM. Оказалось, что модифицированный бета-коэффициент модели D-CAPM лучше подходит для описания средней доходности на казахстанском рынке ценных бумаг по сравнению со стандартным бета-коэффициентом.
Модель DCAPM частично решает проблему недооценки требуемой доходности на развивающихся рынках при использовании стандартной модели CAPM. Поэтому использование модели D-CAPM на развивающихся рынках кажется предпочтительным. Для этого также есть теоретические основания, поскольку модель D-CAPM имеет менее жесткие исходные предположения по сравнению со стандартной моделью CAPM.
Тем не менее, строгая проверка показывает, что модель D-CAPM не соответствует динамике доходности развивающегося рынка. Таким образом, ни одна из моделей ценообразования капитальных активов: стандартная модель CAPM в версии Шарпа-Линтнера, модель CAPM в версии Блэка, модель D-CAPM не соответствует данным рынка ценных бумаг.
Возможно, главная причина неудач в попытках описать развивающийся рынок простыми модельными представлениями состоит в низкой ликвидности активов. Большие спрэды в котировках на покупку и на продажу есть лучшее отражение опасений инвесторов по поводу подавляющего большинства активов. Отсутствие потенциальных продавцов и покупателей есть серьезный риск для любого инвестора с разумным горизонтом инвестирования и, по-видимому, любая модель, пригодная для рынка, должна это учитывать.
Глава 3. Эмпирические исследования возможности применения модели CAPM на развивающихся рынках
3.1 Критика САРМ и альтернативные меры риска
Ряд эмпирических исследований 70-х годов ХХ века доказывали преимущества САРМ в предсказании доходности акций. К числу классических работ можно отнести: , , .
Однако, критика САРМ в академических кругах началась практически сразу после публикации работ, посвященных модели. Например, работы Ричарда Ролла акцентируют на проблемы, связанные с определением рыночного портфеля.
На практике рыночный портфель заменяется неким максимально диверсифицированным портфелем, который не только доступен инвестору на рынке, но и поддается анализу (например, фондовый индекс). Проблема работы с таким прокси-портфелем заключается в том, что выбор его может существенно повлиять на результаты расчетов (например, на значение бета).
В работах Р. Леви , М. Блюма и Шоулза-Виллимса акцентируется внимание на проблеме устойчивости ключевого параметра САРМ - коэффициенте бета, который традиционно оценивается с помощью линейной регрессии на основе ретроспективных данных с использованием метода наименьших квадратов (Ordinary Least Squares, OLS).
Это, по сути, вопрос о стационарности экономики и возможности построения оценок риска по прошлым данным. По результатам расчетов и анализа динамики коэффициента бета ряда отдельных акций и портфелей ценных бумаг Р. Леви пришел к выводу о том, что для любой акции ее бета- коэффициент не является устойчивым во времени и поэтому не может служить точной оценкой будущего риска. С другой стороны, бета портфеля, состоящего даже из 10 случайно выбранных акций, достаточно устойчив, и, следовательно, может рассматриваться в качестве приемлемой меры риска портфеля. Исследования М. Блюма показали, что с течением времени коэффициент бета портфеля приближается к единице, а внутренний риск компании приближается к среднеотраслевому или среднерыночному.
Альтернативным модельным решением проблемы устойчивости параметров САРМ являются оценки, получаемые на рынке срочных контрактов, когда за основу принимаются ожидания по ценам на финансовые активы. ТакойподходреализуетМСРМ (Market-Derived Capital Pricing Model).
В работе Бэнза и Ролла поднимается проблема корректности применения САРМ для малых компаний, т.е. акцентируется внимание на проблему размера (size effect, small firm effect).
Еще одна область критики – временные отрезки для расчета параметров САРМ (так называемая проблема горизонта инвестирования). Так как в большинстве случаев САРМ используется для анализа инвестиций с горизонтом больше одного года, то расчеты на основе годовых оценок становятся зависимы от состояния рынка капитала. Если рынок капитала эффективен (будущая доходность не предопределяется прошлой динамикой, цены акций характеризуются случайным блужданием), то горизонт инвестирования не значим и расчеты на базе годовых показателей оправданны. Если же рынок капитала нельзя признать эффективным, то время инвестирования не учитывать нельзя.
Проблематичен и тезис САРМ о значимости только систематических факторов риска. Эмпирически доказано, что несистематические переменные, такие как рыночная капитализация или соотношение цена/прибыль, оказывают влияние на требуемую доходность.
Исследования 80-90-х годов ХХ века показали, что бета-коэффициент САРМ не в состоянии объяснить отраслевые различия в доходности, в то время как размер и другие характеристики компании в состоянии это сделать.
Другая область, подверженная критики, касается поведения инвесторов, которые часто ориентируются не на спекулятивный, а на чистый риск. Как
показывает практика, инвесторы готовы инвестировать в активы, характеризующиеся положительной волатильностью (т.е. превышением доходности над среднем уровнем). И напротив, инвесторы негативно воспринимают активы с отрицательной волатильностью. Двусторонняя же дисперсия является функцией отклонения от среднего как в сторону повышения курса акции, так и в сторону понижения. Поэтому, основываясь на расчете двусторонней дисперсии, акция, характеризующаяся изменчивостью в направлении повышения цены, рассматривается как рисковый актив в той же степени, что и акция, цена которой колеблется в направлении снижения.
Эмпирические исследования, например, доказывают, что поведение инвесторов мотивируется несклонностью к одностороннему отрицательному риску в противоположность общему риску (или двусторонней дисперсии).
Дисперсия ожидаемой доходности является достаточно спорной мерой риска как минимум по двум причинам:
Двусторонняя дисперсия является корректной мерой риска только для активов, у которых ожидаемая доходность имеет симметричное распределение
Двусторонняя дисперсия может непосредственно использоваться лишь в случае, когда симметричное распределение является нормальным.
Еще одна критическая область связана с предпосылками о вероятностном распределении цен и доходностей ценных бумаг. Как показывает практика, одновременное выполнение требований о симметричности и нормальности распределения ожидаемой доходности акций не достигается. Решение проблемы - использование не классической (двусторонней) дисперсии, а односторонней (semivariance frameworks). Такое решение обосновывается следующими доводами:
1) использование односторонней дисперсии обоснованно при различных распределениях доходности акций: как симметричных, так и несимметричных.
2) односторонняя дисперсия содержит информацию, предоставляемую двумя характеристиками функции распределения: дисперсией и коэффициентом скошенности, что дает возможность использовать однофакторную модель для оценки ожидаемой доходности актива (портфеля).
Проблема асимметрии доходности в работе решается через метод lower partial moment (LPM), что позволяет построить равновесную модель ценообразования финансовых активов, известную как LPM – CAPM.
В работе 1974 года Хоганом и Вореном было аналитически показано, что замена традиционного отклонения доходности портфеля на одностороннее для оценки риска и переход к конструкции «средняя доходность – одностороннее отклонение» (mean-semivariance frameworks) не меняет фундаментальную структуру САРМ.
3.2 Обзор эмпирических исследований концепции «риск-доходность» на развивающихся рынках
Специфические проблемы применения САРМ возникают на развивающихся рынках капитала, для которых достаточно сложно обосновать параметры модели (безрисковую доходность, премию за рыночный риск, бета-коэффициент) по данным локального рынка капитала ввиду отсутствия информационной эффективности и низкой ликвидности обращаемых активов.
В ряде эмпирических исследований доказывается некорректность использования САРМ именно на развивающихся рынках по сравнению с развитыми (например, , , ). Отмечаемая особенность развивающихся рынков – значимость специфических рисков, связанных с государственной политикой регулирования экономики, с институциональной защитой инвесторов и с корпоративным управлением. Ввиду наличия корреляции между развивающимися рынками и глобальным рынком капитала эти риски не устраняются диверсификацией капитала глобального инвестора.
Еще одна проблема развивающихся рынков – отсутствие стационарности и динамичные изменения, связанные с либерализацией локальных рынков капитала.
Бекерт и Харвей доказывают, что при оценке требуемой доходности развитые и развивающиеся рынки надо рассматривать с разных позиций, так как следует учитывать степень интеграции локального рынка в мировой финансовый рынок. Степень интеграции является не постоянной величиной, меняется с течением времени. Это накладывает отпечаток на формирование ставок доходности.
В работе 1995 года Бекерт утверждает, что наличие барьеров при движении капитала и осуществлении международных инвестиций автоматически означает, что факторы риска на развивающихся рынках отличны от факторов риска развитых стран.
В работе доказывается, что уровень интеграции в мировой рынок капитала (или наличие барьеров на движение капитала) должен определять выбор модели обоснования затрат на собственный капитал.
Альтернативная точка зрения доказывается в работе Роувенхорста . Автор пришел к выводу, что с точки зрения факторов влияния разницы между развитыми и развивающимися рынками нет. Факторы, объясняющие доходность собственного капитала, которые оказались значимыми на развитых рынках, существенны и на развивающихся. К числу таких факторов относятся:
· размер компании;
· переменные, отражающие степень операционного и финансового риска;
· ликвидность акций;
· перспективы роста.
Активные исследования по тестированию модификаций САРМ с учетом неразвитости рынков капитала проведены в странах Южной Америки (Аргентина, Бразилия, Венесуэла). Выбор модификации рекомендуется увязывать со степенью развития локального финансового рынка и его интегрированностью в глобальный рынок капитала.
Схема 1. Модификации САРМ в зависимости от степени интеграции и сегментации рынка.
Модель Godfrey- Espinosa ориентируется на расчет бета - коэффициента и рыночной премии за риск по данным локального рынка с введением страновой премии за риск (CRP) в корректировку глобальной ставки безрисковой доходности, а также с целью избежания двойного учета риска вводит в премию за риск инвестирования поправочный множитель (1-R2), где R2 - коэффициент детерминации регрессионного уравнения, связывающего доходность компании на локальном рынке с изменчивостью премии за страновой риск.
В работе Гонзалеса тестируется модель САРМ на выборке компаний, акции которых торгуются на фондовой бирже Каракаса (Венесуэла). Используя регрессионный метод на данных за 6-летний период (1992-1998гг.), автор приходит к выводу о том, что на рынке Венесуэлы модель САРМ не работает.
Это заключение, главным образом, было сделано вследствие отвержения гипотезы о наличии положительной зависимости между риском и доходностью акций. Однако результаты исследования Gonzalez F. показали, что, во-первых, зависимость между риском (в качестве показателя которого использовался коэффициент бета) и доходностью является линейной, и, во-вторых, систематический риск - это не единственный фактор, оказывающий влияние на ожидаемую доходность на собственный капитал.
Схожие результаты были получены в ходе исследования М. Омрана на египетском рынке капитала. В выборку вошли 41 компания с наиболее ликвидными акциями. Панель данных была сформирована за период декабрь 2001- декабрь 2002гг. на основе логарифмических доходностей акций, полученных на недельных наблюдениях.
Эмпирические тесты Omran M. свидетельствуют о том, что рыночный риск является существенным фактором, объясняющим ожидаемую доходность акций египетских компаний. Выявленный парадокс исследования -доходность портфеля, составленного из акций компаний с низкими коэффициентами бета (в основном, это компании, которые производят товары народного потребления и предоставляющие финансовые услуги) выше, чем доходность портфеля из акций компаний строительной, текстильной отрасли и сектора гостиничного бизнеса с более высокими значениями коэффициента бета. По мнению автора, причиной такого несоответствия является государственная национализация 1950-1960-х гг., которая в большей степени отрицательно повлияла на риски промышленного и строительного секторов экономики, чем на компании, производящие потребительские товары, а также на финансовые организации.
Интересны исследования на развивающихся рынках, посвященные выбору меры инвестиционного риска. Как правило, в таких работах тестирование проводится в рамках нескольких моделей: САРМ и ее альтернативных вариантов. Например, Хванг и Педерсен тестируют три модели: классическую САРМ и две модели, в которых используются асимметричные меры риска - LPM-CAPM (LowerPartialMomentCAPM) и ARM (AsymmetricResponseModel).
Особенность альтернативных моделей заключается в том, что они, по мнению авторов, подходят для случаев ненормального распределения доходностей и неликвидного локального рынка капитала. Исследование проводилось на выборке из 690 компаний растущих рынков на 10-летнем временном периоде (апрель 1992- март 2002гг.). По результатам проведенной работы, Hwang S. И Pedersen C. сделали вывод о том, что по своей объясняющей способности САРМ не уступает альтернативным моделям. На перекрестной выборке объясняющая способность САРМ достигла 80% на панели данных недельной и месячной доходности, и 55% - на данных дневной доходности. Значимых преимуществ асимметричных мер риска не было выявлено. Кроме того, проводя анализ, авторы разделили выборку 26 развивающихся стран по регионам, а затем разбили весь временной период наблюдений на два промежутка- до и после азиатского кризиса 1997г.
Благодаря этому, Hwang S. и Pedersen C. выявили значимое влияние локальных рисков на развивающихся рынках капитала, что согласуется с результатами работ, приведенных выше.
В исследовании Дейрила Коллинза тестируются различные меры риска для 42 стран развивающегося рынка: систематического (коэффициент бета), общего (стандартное отклонение), идиосинкратического, одностороннего (одностороннее отклонение, односторонний коэффициент бета и VaR8), а также размер рынка (определяется по средней капитализации страны), показатели скошенности и эксцесса.
Тестирование проводилось с помощью эконометрического подхода (так же как и в большинстве подобных работ) с позиции международного инвестора на 5-летнем временном промежутке (январь 1996- июнь 2001гг) по недельным доходностям. В зависимости от размера рынка капитала, ликвидности и степени развития первоначальная выборка из 42 стран была разделена на три группы: первый уровень- страны с большим размером рынка капитала (например, Бразилия, ЮАР, Китай), а также с небольшим размером рынка, но экономически и информационно развитым; второй уровень - менее крупные развивающиеся рынки (Россия), третий уровень – небольшие рынки (такие как Латвия, Эстония, Кения, Литва, Словакия и др.).
Согласно полученным результатам исследования, для некоторых рынков значения коэффициентов бета получились меньше ожидаемых, что дает ложный сигнал о существовании низкого риска для инвесторов. Вывод работы - коэффициент бета (а следовательно, и модель САРМ) некорректно применять для всей совокупности развивающихся стран. Д. Коллинз утверждает, что нет единого показателя риска, который подходил бы для любой страны из группы развивающихся.
Для стран первого уровня наиболее подходящим показателем риска является коэффициент, учитывающий размер рынка, для второго уровня - показатели одностороннего риска (в сравнении с другими лучшие результаты продемонстрировал показатель VaR), третьего уровня - либо стандартное отклонение, либо идиосинкратический риск. Идиосинкратический риск (idiosyncratic risk) - та часть любого финансового рынка, которая не зависит от общего уровня финансового риска, существующего в данной экономике. Именуется также несистематическим риском (unsystematic risk) в отличие от систематического риска.
Схожий вывод о приемлемости различных мер систематического одностороннего риска для стран с отличными характеристиками фондового рынка делается в работе . Проведен анализ применимости ряда односторонних мер риска (BL, HB, E-beta) для 27 развивающихся рынков (в выборку вошли азиатские и латиноамериканские рынки, африканские и восточноевропейские, включая Россию) на отрезке 1995-2004гг. В качестве глобального портфеля используется индекс MSCI по развивающимся рынкам, в качестве безрисковой ставки фигурируют десятилетние государственные облигации США (Tbond). Показано, что для рынков с большой асимметрией распределения доходности (высокий коэффициент скошенности) наиболее приемлемой мерой систематического риска является HB-beta. Для рынков с наблюдаемыми существенными сверхнормальными доходностями преимущество над другими мерами риска имеет BL-beta.
По странам со схожими географическими и макроэкономическими характеристиками Центральной и Восточной Европы проведено эмпирическое исследование преимуществ DСАРМ . Проведен анализ факторов, формирующих доходность по компаниям из 8-ми стран бывшего соцлагеря: Чехия, Словакия, Венгрия, Польша, Словения, Эстония, Латвия и Литва на временном отрезке 1998-2003гг… Авторы показывают значимость односторонних мер риска наряду с сохранением влияния факторов специфического риска.
Влияние сегментированности рынка на уровень требуемой доходности инвесторов исследовал Кэмпбелл Харвей . В работе доказывается, что затраты на капитал на сегментированных рынках будут выше, чем на интегрированных рынках, так как инвесторы потребуют большей компенсации за то, что они несут локальный, идиосинкратический риск. Это предполагает, что любое увеличение в степени финансовой интеграции должно привести к снижению затрат на собственный капитал.
Рене Штульц предложил диагностирующие параметры, позволяющие включать в модель «риск-доходность» глобального инвестора премию за страновой риск (country risk premium, CRP).
Следует учитывать степень интеграции (наличие барьеров в движении капитала) и ковариацию доходности на локальном и глобальном рынках. Характеристика формальных и неформальных барьеров в движении капитала, наблюдаемых на сегментированных рынках дана в работе .
Ряд исследований предметно изучают влияние либерализации рынка капитала на величину затрат на собственный капитал. Например, в работе , базируясь на модели дивидендной доходности (модель Гордона) авторы показывают, что либерализация сегментированных рынков капитала приводит к сокращение затрат на собственный капитал в среднем на 50%. Аналогичное исследование на базе анализа изменений в дивидендной доходности и в темпах роста по 20 развивающимся рынкам (вошли страны Южной Америки, Азии и Африки) представлено в работе . Внешним признаком либерализации автор выбрал временную дату, когда иностранные инвесторы получают возможность покупать акции компаний локального рынка. В работе показано снижение затрат на капитал в результате либерализации в среднем почти на 50%.
Метод событийного анализа (event study) с оценкой накопленной сверхнормальной доходности по динамике цен депозитарных расписок (ADR) 126 компаний из 32 локальных рынков позволил показать для временного отрезка 1985 – 1994 гг. в работе снижение затрат на собственный капитал на 42%.
В работе Дейрила Коллинза и Марка Абрахамсона проводится анализ затрат на собственный капитал по модели САРМ на 8 рынках капитала африканского континента (Египет, Кения, Марокко и др.) с позиции глобального инвестора. Исследование проведено с выделением 10основных секторов экономики. Выделено два временных периода, характеризующих разную степень открытости экономик (1995-1999 и 1999-2002).
Авторы показывают снижение со временем премии за риск на африканских рынках капитала. Наибольшие изменения произошли в Зимбабве и Намибии, наименьшие – в Египте, Марокко и Кении. Среднее значение величины затрат на собственный капитал на 2002 год составляет порядка 12% в долларах США. Сектора с наибольшим весом в экономике демонстрируют наименьшую дороговизну капитала.
Заключение
Модель оценки долгосрочных активов (CAPM) может помочь определиться с подбором акций в свой инвестиционный портфель. Эта модель демонстрирует прямую связь между риском ценной бумаги и ее доходностью, что позволяет ей показать справедливую доходность относительно имеющегося риска и наоборот. Используйте эту финансовую модель оценки долгосрочных активов с другими стратегиями и методами подбора акций, и у вас обязательно наберется хороший и прибыльный портфель.
Сама по себе CAPM является изящной научной теорией, имеющей солидное математическое обоснование. Для того, чтобы она “работала” необходимо соблюдение таких заведомо нереалистических условий как наличие абсолютно эффективного рынка, отсутствие транзакционных издержек и налогов, равный доступ всех инвесторов к кредитным ресурсам и др. Тем не менее столь абстрактное логическое построение получило практически всеобщее признание в мире реальных финансов.
Использование CAPM дает финансовому менеджеру инструмент прогнозирования издержек по привлечению нового капитала для реализации инвестиционных проектов. Финансы любого предприятия являются открытой системой, поэтому, планируя свои капиталовложения, оно обязано учитывать при этом конъюнктуру финансового рынка. Менеджеры компании могут абсолютно ничего не знать об индивидуальных особенностях и личных предпочтениях потенциальных инвесторов. Это не освобождает их от обязанности предугадать главную потребность любого инвестора – получить доход, компенсирующий риск инвестиций. В этом им может помочь использование модели оценки финансовых активов.
Тестирование CAPM в версии Блэка как двухфакторной модели показало, что модель неприменима к развивающимся рынкам. Однако это тестирование позволило выделить в явном виде ненаблюдаемые в версии Блэка портфели - рыночный портфель и портфель с нулевым бета.
Оказалось, что первый из них состоит преимущественно из корпоративных ценных бумаг, второй - из государственных ценных бумаг и валюты, что кажется вполне разумным и дает определенную надежду на успех в следующих, более тщательных проверках модели.
Возможно, главная причина неудач в попытках описать развивающийся рынок простыми модельными представлениями состоит в низкой ликвидности активов. Большие спрэды в котировках на покупку и на продажу есть лучшее отражение опасений инвесторов по поводу подавляющего большинства активов. Отсутствие потенциальных продавцов и покупателей есть серьезный риск для любого инвестора с разумным горизонтом инвестирования и, по-видимому, любая модель, пригодная для развивающегося рынка, должна это учитывать.
Одно из возможных несовершенств развивающегося рынка - сильная асимметрия доходности активов учитывается в модели D-CAPM. Оказалось, что модифицированный бета-коэффициент модели D-CAPM лучше подходит для описания средней доходности на развивающемся рынке ценных бумаг по сравнению со стандартным бета-коэффициентом. Модель DCAPM частично решает проблему недооценки требуемой доходности на развивающихся рынках при использовании стандартной модели CAPM. Поэтому использование модели D-CAPM на развивающемся рынке кажется предпочтительным. Для этого также есть теоретические основания, поскольку модель D-CAPM имеет менее жесткие исходные предположения по сравнению со стан-дартной моделью CAPM. Тем не менее, строгая проверка показывает, что модель D-CAPM не соответствует динамике доходности развиваюшегося рынка. Таким образом, ни одна из рассмотренных моделей ценообразования капитальных активов: стандартная модель CAPM в версии Шарпа-Линтнера, модель CAPM в версии Блэка, модель D-CAPM не соответствует данным казахстанского рынка ценных бумаг.
Таким образом, вариации модели CAPM не смогут быть применены на казахстанском рынке капитала до тех пор, пока не появится достойная организационная структура фондового рынка с полноценными участниками – эмитентами. Основной коэффициент этой модели «бета» складывается именно из показателей по ценным бумагам, которые в данный момент не могут быть адекватно просчитаны.
Список использованной литературы
1.http://berg.com.ua/fundam/capm/
2.http://books.efaculty.kiev.ua/fnmen/3/g5/6.htm
3. А.В. Бухвалов, В.Л. Окулов. Классические модели ценообразования на капитальные активы и российский финансовый рынок. Часть 1: эмпирическая проверка модели CAPM. Научные доклады № …–2006. СПб.: НИИ менеджмента СПбГУ, 2006
4. А.В. Бухвалов, В.Л. Окулов КЛАССИЧЕСКИЕ МОДЕЛИ ЦЕНООБРАЗОВАНИЯ НА КАПИТАЛЬНЫЕ АКТИВЫ И РОССИЙСКИЙ ФИНАНСОВЫЙ РЫНОК ЧАСТЬ 2. ВОЗМОЖНОСТЬ ПРИМЕНЕНИЯ ВАРИАНТОВ МОДЕЛИ CAPM№ 36(R)–2006
5. Т.В. Теплова, Н.В. Селиванова Эмпирическое исследование применимости модели DCAPM на развивающихся рынках, публиация журнала «Корпоративные финансы» №3-2007
6. Айзин К.И., Лившиц В.Н. Риск и доходность ценных бумаг на фондовых рынках стационарной и нестационарной экономики// Аудит и финансовый анализ, № 4, 2006
Приложение
Расчет коэффициента «бета»
| Дата | KASE | Корпорация X | KASE,% | Корпорация X,% |
| 17.03.2008 | 923,23 | 122,75 | ||
| 18.03.2008 | 939 | 118,6 | 1,71% | -3,38% |
| 19.03.2008 | 960,73 | 122,5 | 2,31% | 3,29% |
| 20.03.2008 | 978,96 | 121 | 1,90% | -1,22% |
| 21.03.2008 | 957 | 123 | -2,24% | 1,65% |
| 24.03.2008 | 949,14 | 123,5 | -0,82% | 0,41% |
| 25.03.2008 | 947,4 | 122,75 | -0,18% | -0,61% |
| 26.03.2008 | 938,97 | 122,5 | -0,89% | -0,20% |
| 27.03.2008 | 959,31 | 125 | 2,17% | 2,04% |
| 31.03.2008 | 981,86 | 128,5 | 2,35% | 2,80% |
| 01.04.2008 | 995,57 | 130 | 1,40% | 1,17% |
| 03.04.2008 | 1 009,33 | 130 | 1,38% | 0,00% |
| 04.04.2008 | 1 003,17 | 124,65 | -0,61% | -4,12% |
| 07.04.2008 | 1 004,37 | 125 | 0,12% | 0,28% |
| 08.04.2008 | 1 006,26 | 125,5 | 0,19% | 0,40% |
| 11.04.2008 | 1 030,04 | 125,25 | 2,36% | -0,20% |
| 14.04.2008 | 1 024,08 | 121,55 | -0,58% | -2,95% |
| 15.04.2008 | 1 035,79 | 130 | 1,14% | 6,95% |
Дмитрий Дементий, Адаптация материала Christopher Ratcliff Агентство эффективных веб-коммуникаций Texterra
Диванные смельчаки могут прыгнуть и с большей высоты. Источник изображения: скриншот с YouTube
Red Bull Stratos - это не эмпирический маркетинг. Этот проект скорее относится к контент-маркетингу. Маркетологи Red Bull создали контент, который собрал у экранов 8 млн человек и заставил их сопереживать герою. Но даже люди с ярким воображением и близко не ощутили того, что почувствовал Баумгартнер, глядя вниз. Иными словами, если называть Red Bull Stratos экспириентальным маркетингом, то целевой аудиторией этого события был один человек.
Феликс Баумгартнер пережил свободный полет и в буквальном смысле почувствовал, что Red Bull окрыляет. В отличие от зрителей, он и только он получил опыт. Не слишком ли дорого гонять капсулу в стратосферу ради одного человека?
Эмпирический маркетинг - это создание связей между брендом и потребителями путем предоставления последним эмоционально и интеллектуально вовлекающего опыта. Это определение отражает второе название рассматриваемого понятия: экспириентальный маркетинг (от англ. experience – опыт, переживание).
Обратите внимание, речь идет о собственных впечатлениях потребителей, а не о сопереживании чужому опыту. Согласитесь, человек, прыгающий с высоты 39 км, получает гораздо более яркие впечатления по сравнению со зрителем, наблюдающим за таким прыжком с дивана.
Определение эмпирического маркетинга хорошо иллюстрирует акция, организованная сетью ресторанов Tim Hortons.
Прохожим предлагали посетить вновь открытый ресторан в небольшом канадском городе и принять участие в «Эксперименте в темноте». Войдя в здание ресторана, посетители оказывались в полной темноте. Официанты, ориентирующиеся в пространстве с помощью приборов ночного видения, провожали гостей за стол и угощали кофе. Они просили посетителей оценить вкус напитка. Стоит ли говорить, что кофе понравился всем участникам эксперимента?
Представители Tim Hortons объяснили это эффектом сенсорной депривации : когда людей лишали возможности воспринимать происходящее с помощью зрения, у них усиливалась способность ощущать вкус кофе. Не стоит сбрасывать со счетов и эмоциональную вовлеченность, которую обеспечило участие в эксперименте.
Признаки эмпирического маркетинга
Вы можете просто определить, что имеете дело с эмпирическим маркетингом. Во-первых, вы лично участвуете в организованном брендом действии в качестве потенциального или существующего клиента. Во-вторых, действие сопровождается хотя бы одним из перечисленных ниже явлений:
- Вы испытываете эмоции.
- Вы ощущаете что-либо необычное. Эти ощущения связаны с конкретным продуктом. Речь может идти о вкусе кофе, ощущении полета, аромате духов, комплексе ощущений участника тест-драйва гоночного авто и т.п.
- Вы сами активно действуете. Например, вы пробуете кофе, тестируете новую операционную систему, отправляетесь в путешествие в Африку.
- Вы думаете, анализируете, сравниваете. Например, участники «Эксперимента в темноте» точно сравнили вкус предложенного кофе с тем напитком, который они употребляют каждый день. Участник тест-драйва наверняка анализирует ходовые характеристики новой модели авто.
Еще раз обратите внимание, ключевым признаком экспириентального маркетинга считается ваше личное участие в действии, организованном брендом. Режиссеры латиноамериканских сериалов вызывают у зрителей эмоции, а мастера пера могут помочь вам ощутить вкус мяса, которое ест с ножа отважный путешественник. Но если вы сами не прошли через опыт, об эмпирическом маркетинге речь не идет.
Как использовать эмпирический маркетинг в интернете
Крупным компаниям, работающим в офлайне, живется хорошо. Во-первых, их маркетологи видят своих клиентов лицом к лицу. Во-вторых, у них большие маркетинговые бюджеты. Остается проявить немного смекалки и организовать мероприятие в рамках концепции эмпирического маркетинга. На видео ниже можно посмотреть, как с этой задачей справилась авиакомпания Virgin Atlantic.
А как быть небольшим интернет-компаниям, которые не имеют возможности организовывать уличные перфомансы и знают своих клиентов только по адресам электронной почты? Нет ничего проще, если у маркетологов компании найдется смекалка. В этом случае они понимают, что эмпирический маркетинг не сводится к масштабным акциям и экспериментам, а взаимодействовать с клиентом можно на расстоянии.
Следующие идеи помогут вам использовать экспириентальный маркетинг в интернете:
- Предложите потенциальным клиентам пробную версию вашего продукта или услуги. Это самая очевидная идея, которую широко используют производители ПО и провайдеры услуг. По данным различных исследований, потребители охотнее покупают продукт, если могут получить опыт использования бесплатной версии.
- Проводите обучающие и информационные мероприятия. Современные онлайн-сервисы, например, Google+ Hangouts , избавят вас от необходимости арендовать помещение или ехать к клиентам в другой город. Согласитесь, хорошие вебинары и онлайн-конференции заставляют участников действовать и думать, а также вызывают у них эмоции.
- Используйте email-рассылку в качестве инструмента эмпирического маркетинга. Посмотрите, как справляется с этой задачей магазин электронных книг «Литрес».
В письме продавец просит оставить отзыв о покупке
- Вы когда-нибудь общались со службой поддержки Amazon? Типичный диалог с этими ребятами выглядит так:
- Дарите клиентам подарки. Это еще один очевидный способ использования экспириентального маркетинга в онлайн-среде. Чашка с логотипом компании, полгода бесплатного использования программы, карта постоянного клиента, - эти приятные мелочи вызывают у потребителей положительные эмоции и обогащают их опыт взаимодействия с брендом.
Здравствуйте, мой Kindle завис, на экране все время заставка. Перезагрузка не помогает, подскажите, что делать?
Здравствуйте, Дмитрий! Меня зовут Виджая, я с удовольствием решу вашу проблему. Но сначала позвольте узнать, какое у вас сегодня настроение?
Спасибо, настроение хорошее. А у вас?
О, я очень рада, что у вас хорошее настроение. И большое спасибо, что интересуетесь моим. У меня все отлично, сегодня хорошая погода. Ваша проблема решена, перезагрузите Kindle и наслаждайтесь чтением.
Теперь вы понимаете, почему саппорт Amazon считается самым лояльным к клиентам среди крупных интернет-компаний? Менеджеры службы поддержки осознанно делают все, чтобы потребители испытывали только позитивные эмоции. Используйте этот опыт, чтобы внедрить эмпирический маркетинг с помощью вашей службы клиентской поддержки.
Не спешите в стратосферу
Чтобы использовать эмпирический маркетинг, вам не нужно тратить деньги на сверхдорогие проекты и заставлять клиентов в них участвовать. Существует множество простых и недорогих способов вызвать у клиента эмоции, подарить ему ощущения или заставить думать и действовать. Используйте их, чтобы создавать эмоциональные и интеллектуальные связи клиентов с вашим бизнесом.
Рекомендуем также
Всё о гарантийном ремонте товара
Относительная величина выполнения плана
Защита прав работников в России: всё, что нужно знать руководителю и подчиненному
“Ошибочно” присланное письмо о переводе средств На майл пришло письмо о переводе денег
Увольнение сотрудника по болезни или состоянию здоровья – правила оформления и выплаты
Стив Шапиро. Проживая Америку. Стив Шапиро: Проживая Америку Проживая америку выставка фотографий стива шапиро
Loading...