лишь достаточно слабыми корреляционными связями первого порядка (первый коэффициент автокорреляции равен примерно 0,2; остальные можно считать статистически незначимыми). Проведенные расчеты по оценкам волатильности по формулам (3.2)-(3.6) в этот период показали, что дисперсия ошибки для большинства рассматриваемых акций в этот период равна приблизительно 0,001, что составляет примерно половину дисперсии, рассчитанной для исходного периода с 1 июня 1998 г. по 30 декабря 2001 г. Оценки риска показали, что в этом случае его величина, оцененная по правилу Згг, для большинства рассмотренных акций находится в пределах 10% от их курсовой стоимости. Исключение составляют акции ЮКОС, уровень риска для которых составляет примерно 16% от цены акции. 3.3. Сравнительный анализ методов оценки УаК российского рынка ценных бумаг В данном разделе проведен сравнительный анализ точности и эффективности применения методов оценивания рисков на основе Уа1ие а( Кик на российском фондовом рынке. На практике широко используются три метода расчета величины УаК: ковариационный метод, метод исторического моделирования, а также метод Монте-Карло. При анализе мы используем их совместно с методами теории экстремальных величин и моделью эксцессов, рассмотренных нами в настоящей работе, с целью построения комплексной адаптивной системы оценивания рисков на исследуемом финансовом рынке. Нами анализируются три различных модели расчета показателя УаК с общим временным горизонтом прогнозирования (1 = 1 день), доверительным интервалом (1 а = 0.99) и различными периодами наблюдений (АОКаждый метод представлен моделями с краткосрочным (N=25 дней) и среднесрочным ^ = 250 дней) периодами наблюдений, а также с экспоненциальным сглаживанием стандартного отклонения для ковариационного метода и кумулятивно увеличивающимся периодом наблюдений для метода исторического моделирования. В качестве источника исторических данных мы использовали информа120 |
*-• * 133 В работе на основе методов эконометрического моделирования были оценены риски для этих акций на относительно более «спокойном» этапе развития российского финансового рынка с 1 июля 2000 г. по 30 декабря 2001 г. Полученные результаты свидетельствуют, что наиболее приемлемой моделью для описания динамики курсов акций является выражение типа (З.ЗМЗ.4) т, =ш, +^г, У гдет, = —1^ 1,001 для всех акций. ^г-1 Однако при этом ошибка является практически белым шумом для всех акций (за исключением САБР, ЬКОН и М$МС, для которых можно предположить также выполнение условий ГСБ-3). Для этих акций, квадраты ошибки характеризуются лишь достаточно слабыми корреляционными связями первого порядка (первый коэффициент автокорреляции равен примерно 0,2: остальные можно считать статистически незначимыми). В целом, дисперсия ошибки е( для большинства рассматриваемых акций в этот период равна приблизительно 0,001, что составляет примерно половину дисперсии, рассчитанной для исходного периода с 1 июня 1998 г. по 30 декабря 2001 г. Оценки риска показали, что в этом случае его величина, оцененная по правилу 35, для большинства рассмотренных акций находится в пределах 10% от их курсовой стоимости. Исключение составляют акции РАО «Ростелекома», уровень риска для которых составляет примерно 17% от цены акции. Заметим, при этом, что использование модели «продуктпроцесс» типа (3.3) для оценки риска акций РАО Газпрома, ОАО «НК Лукойл» и ОАО «Мосэнерго», позволяет снизить его уровень достаточно несущественно примерно на 5% от его расчетного по модели (3.4) уровня ■> 134 3.3. Сопоставительный анализ методов оценки УаК российского рынка ценных бумаг В данном разделе проведен сравнительный анализ прогнозной точности и эффективности применения рассмотренных в разделах 2.2 моделей оценки УаК на российском валютном и фондовом рынках. Как отмечалось в главе 2, на практике широко используются три базовых метода расчета величины У а Я. ковариационный метод, метод исторического моделирования и метод статистических испытаний Монте-Карло. В данной главе мы рассматриваем лишь первые два из вышеназванных методов, поскольку результаты, полученные с помощью ковариационного метода и метода Монте-Карло, оказываются весьма близкими для инструментов с линейными ценовыми характеристиками и нормальным распределением изменений рыночных факторов риска. В настоящем исследовании анализируются шесть различных моделей расчета показателя УаЯ с общими временным горизонтом прогнозирования (г=1 день), доверительным интервалом (1-а-99%) и различными периодами наблюдений (IV). Каждый метод представлен моделями с краткосрочным (Лг=30 дней) и среднесрочным (Л-250 дней) периодами наблюдений, а также с экспоненциальным сглаживанием стандартного отклонения для ковариационного метода и кумулятивно увеличивающимся периодом наблюдений для метода исторического моделирования. Источником ценовых данных служит внебиржевой рынок российских акций в РТС, являющийся наиболее развитым с информационной и технической точки зрения финансовым рынком в России, непрерывно функционирующим с 1995 г. Интервалы времени, на которых производилось тестирование моделей, охватывает период с I сентября 1995 г. (момента начала торгов в РТС) по ноябрь 1999 г., что составляет в обшей сложности 1000 дней торгов. Для формирования портфелей были выбраны акции семи компаний, перечисленных в разделе 3.2. |