Разделы



Оптимизация инвестиционного портфеля по модели Шарпа

Выведенные Марковицем правила построения границы эффективных портфелей позволяет находить оптимальный (с точки зрения инвестора) портфель для любого количества ценных бумаг в портфеле. Основной сложностью применения метода Марковица является большой объем вычислений, необходимый для определения весов Wi каждой ценной бумаги. Действительно, если портфель объединяет n ценных бу маг, то для построения границы эффективных портфелей необходимо предварительно вычислить n значений ожидаемых (средних арифметических) доходностей E ( ri ) каждой ценной бумаги, n величин с2 i диспер сий всех норм отдачи и n(n1)/2 выражений попарных ковариаций ai j ценных бумаг в портфеле.

В 1963 г. американский экономист У. Шарп ( William Sharpe ) предложил новый метод построения границы эффективных портфелей, позволяющий существенно сократить объемы необходимых вычислений. В дальнейшем этот метод модифицировался и в настоящее время известен как однондексная модель Шарпа ( Sharpe singleindex model ).

Общее описание модели. В основе модели Шарпа лежит метод линейного регрессионного анализа, позволяющий связать две случайные переменные величины независимую Х и зависимую Y линейным выражением типа Y = а + (ЗхХ. В модели Шарпа независимой считается величина какого-то рыночного индекса. Таковыми могут быть, например, темпы роста валового внутреннего продукта, уровень инфляции, индекс цен потребительских товаров и т.п. Сам Шарп в качестве независимой переменной рассматривал доходность rm , вычисленную на основе индекса Standart and Poor s ( S & P 500). В качестве зависимой переменной берется доходность ri какой-то i ой ценной бумаги. Поскольку зачастую индекс S & P 500 рассматривается как индекс, характеризующий рынок ценных бумаг в целом, то обычно модель Шарпа называют рыночной моделью ( Market Model ), а доходность rm доходностью рыночного портфеля.

Пусть доходность rm принимает случайные значения, и в течение N шагов расчета наблюдались величины rm 1, rm 2, ... , rmN . При этом доходность ri какой-то i ой ценной бумаги имела значения ri 1, ri 2, ... , riN . В таком случае линейная регрессионная модель позволяет представить взаимосвязь между величинами rm и ri в любой наблюдаемый момент времени в виде:


где: ri t доходность i ой ценной бумаги в момент времени t (например, 31 декабря 2000 года);

a i параметр , постоянная составляющая линейной регрессии, показывающая, какая часть доходности i ой ценной бумаги не связана с изменениями доходности рынка ценных бумаг rm ;

P i параметр линейной регрессии, называемый бета, показывающий чувствительность доходности i ой ценной бумаги к изменениям рыночной доходности;

п»ї

rm t доходность рыночного портфеля в момент t ;

sit случайная ошибка, свидетельствующая о том, что реальные, действующие значения ri t и rm t порою отклоняются от линейной зависимости.

Особое значение необходимо уделить параметру р i , поскольку он определяет чувствительность доходности i ой ценной бумаги к изменениям рыночной доходности.

В общем случае, если й>1, то доходность данной ценной бумаги более чувствительная, подвержена большим колебаниям, чем рыночная доходность rm . Соответственно, при P j < 1 ценная бумага имеет меньший размах отклонений доходности rj от средней арифметической (ожидаемой) величины E ( r ) j , чем рыночная доходность. В этой связи ценные бумаги с коэффициентом р > 1 классифицируются как более рискованные, чем рынок в целом, а с р < 1 менее рискованными.

Как показывают исследования, для большинства ценных бумаг р > 0, хотя могут встретиться ценные бумаги и с отрицательной величиной

Р .


Оценка результатов регрессии. Параметры α i и β i регрессионной модели дают представление об общих тенденциях взаимосвязей между


Определение параметров ai и регрессионной модели. Для на хождения параметров a i и P i по результатам наблюдений используется метод наименьших квадратов (МНК). По этому методу в качестве параметров a i и P i берутся такие значения, которые минимизируют сумму квадратов ошибок в. Если провести необходимые вычисления, то окажется, что параметры a i и P i принимают следующие значения:

Обучение Форекс- - это блестящая перспектива для тебя подготовиться к успешной работе на бирже Форекс!

изменениями рыночного показателя rm и нормой отдачи ri . Однако величины a i и й не позволяют давать однозначный ответ о степени подобной взаимосвязи. На точность регрессионной модели оказывает значительное влияние ошибки e i . Значит, точность регрессионной модели, степень взаимосвязи rm и ri , определяется разбросим случайных ошибок , который можно оценить с помощью дисперсии случайной ошибки.

Кроме того, точность регрессии можно определить, оценивая, сколь точно регрессионная модель определяет дисперсию а] ценных бумаг, для

которых составляется регрессионная модель.

Дисперсию ценной бумаги а] можно представить в виде двух слагаемых:

п»ї

В этом случае первое слагаемое будет показывать, какую долю в общем риске ценной бумаги можно описать с помощью регрессионной модели ( ri t = a i + P irm t ), а второе слагаемое степень неточности регрессионной модели. Значит, чем ближе величина 2 /а] ближе к единице, тем более точная регрессионная модель.

Следует иметь в виду, что квадрат коэффициента корреляции является общепризнанной мерой оценки линейной регрессии, то есть мерой того, насколько точно уравнение регрессии подходит для описания соотношений реальных данных ri t и rm t .

Поскольку для определения оптимального портфеля с использованием модели Шарпа понадобятся значения дисперсий ^ случайных

ошибок, mo вычислим их. Общая формула для вычисления дисперсии случайной ошибки имеет вид:

В данном случае средняя арифметическая величина вычисляется делением на ( N 2), поскольку две степени свободы были утеряны при вычислении a i и P i.

Использование рыночной модели Шарпа для построения границы эффективных портфелей. Одно из главных достоинств модели Шарпа состоит в том, что она позволяет значительно сократить объемы вычислений при определении оптимального портфеля, давая при этом результаты, близко совпадающие с получаемыми по модели Марковица. Поскольку в основу модели Шарпа положена линейная регрессия, то для ее применения необходимо ввести ряд предварительных условий. Если предположить, что инвестор формирует портфель из ценных бумаг, то будем считать, что:

1)  Средняя арифметическая (ожидаемая) величина случайных ошибок E ( ε i )=0 для всех ценных бумаг портфеля, то есть для i = 1, 2, ... , n .

2)  Дисперсия случайных ошибок σε 2 , i для каждой ценной бумаги постоянна.

3)  Для каждой конкретной ценной бумаги отсутствует корреляция между наблюдаемыми в течение N лет величинами случайных ошибок.

4)  Отсутствует корреляция между случайными ошибками любых двух ценных бумаг в портфеле.

5)  Отсутствует корреляция между случайными ошибками ε i и рыночной доходностью.

Используя эти упрощения, можно получить выражения E ( ri ), σ i 2 и

σ i , j для любых ценных бумаг в портфеле:

Подведем итог: если инвестор формирует портфель из n ценных бумаг, то использование параметров линейной регрессии a i и P i позволя ет выразить с их помощью все начальные элементы ожидаемую доход ность E( ri ) каждой ценной бумаги в портфеле, дисперсии а2 и ковариа

ции б i j норм отдачи этих ценных бумаг, необходимые для построения границы эффективных портфелей. При этом инвестору требуется предварительно вычислить n значений i, n величин Рi , n значений <, а также E ( rm ) и a 2 m . Следовательно всего потребуется найти: ( n + n + n +2) = 3 n +2 начальных данных, что существенно меньше объема вычислений для модели Марковица.

Определение ожидаемой доходности и дисперсии портфеля.

Ожидаемая доходность портфеля, состоящего из n ценных бумаг, вычисляется по формуле

Для придания этой формуле компактности, Шарп предложил считать рыночный индекс как характеристику условной ( n +1)ой ценной бумаги в портфеле. В таком случае, второе слагаемое уравнения можно представить в виде:



 


Итак, отметим основные этапы, которые необходимо выполнить для построения границы эффективных портфелей в модели Шарпа:

1)  Выбрать n ценных бумаг, из которых формируется портфель, и определить исторический промежуток в N шагов расчета, за который будут наблюдаться значения доходности ri , t каждой ценной бумаги.

2)  По рыночному индексу (например, AK & M ) вычислить рыночные доходности rm , t для того же промежутка времени.

3)  Определить величины β i:

5)  Вычислить дисперсии σε 2 i ошибок регрессионной модели

6)  Подставить эти значения в уравнения (7.15 – 7.18)

После такой подстановки выяснится, что неизвестными величина ми являются веса Wi ценных бумаг. Выбрав определенную величину ожидаемой доходности портфеля E *, можно найти веса ценных бумаг в портфеле, построить границу эффективных портфелей и определить оптимальный портфель.

Читать далее: ИНВЕСТИЦИОННЫЙ ПОРТФЕЛЬ ОБЛИГАЦИЙ
Волатильность и дюрация облигаций