Статьи автора

ДИНАМИЧЕСКИЕ МОДЕЛИ СИСТЕМАТИЧЕСКОГО РИСКА: СРАВНЕНИЕ НА ПРИМЕРЕ ИНДИЙСКОГО ФОНДОВОГО РЫНКА

Выпуск № 4 от 01.10.2015

В работе исследуется динамическое поведение систематического риска индийских компаний в рамках рыночной модели. Недельные цены закрытия 89 акций и индекса BSE 100 в качестве рыночного портфеля были проанализированы в период с января 2000 г. по декабрь 2013 г. с помощью скользящей регрессии, многомерных GARCH-моделей, полупараметрической регрессии и фильтра Калмана. Согласно результатам для анализируемого периода, в 44 из 89 случаев фильтр Калмана оказался наиболее эффективным методом. В остальных 45 случаях лидерство принадлежит полупараметрическим моделям. Что касается прогнозного периода, то модели GARCH оказались лучшим инструментом прогноза (для 41 из 89 активов), они опередили полупараметрические регрессии (33 из 89) и фильтр Калмана (15 из 89). Более того, анализ динамики систематического риска показал, что при 5%-ном уровне значимости бета 59 и 62 из 89 компаний нестационарны согласно тестам Дикки–Фулера и Филипса–Перрона, и бета-процесс только одной бумаги стационарен согласно тесту KPSS.

806 1

ПОСТРОЕНИЕ КОЭФФИЦИЕНТОВ ХЕДЖИРОВАНИЯ ДЛЯ ВЫСОКОЛИКВИДНЫХ АКЦИЙ РОССИЙСКОГО РЫНКА НА ОСНОВЕ МОДЕЛЕЙ КЛАССА GARCH

Выпуск № 1 от 01.01.2014

В работе предложен оригинальный метод построения стратегии динамического хеджирования инвестиций в акции, основанный на многомерных GARCH-моделях, позволяющий оценить коэффициенты хеджа по фьючерсам на рассматриваемые акции (работоспособность метода продемонстрирована для акций российских компаний). Метод обеспечивает расчет динамических коэффициентов хеджирования вместо фиксированных коэффициентов, получаемых традиционным методом наименьших квадратов. В работе показано, что: 1) именно динамика фьючерсного рынка влияет на поведение цен акций российского рынка; 2) в условной корреляции доходности для всех пар “акция – фьючерс” отсутствует асимметрия; 3) в условной волатильности доходности рассматриваемых рынков имеет место асимметрия; 4) модели класса GARCH позволяют разработать метод расчета коэффициентов хеджирования для построения портфеля с лучшими характеристиками “риск – доходность”.

844 1