Определение эффекта публикации прогнозов будущей стоимости на волатильность акций



ТАБЛИЦА 19

Коэффициент Стандартные ошибки в скобках	DUM	THRES	THRES*L
Мин	-0.0045720 {AAPL} (0.002676)	-0.009208 - {AAPL} (0.002676)	-0.013811 - {AAPL} (0.0090)
Среднее Стандартное отклонение среднего значения рассчитано при предположении о том, что фиктивные переменные различных акций имеют независимое распределение. Однако так как многие компании работают в одной или смежных отраслях, высока вероятность положительной связи между ними. Следовательно рассчитанный показатель стандартного отклонения является оптимистичным.	0.0000256 (0.0003596)	-0.000852 (0.00064)	-0.001914 (0.00094)
Медиана	-0.0000155 {HD and IBM} (0.00022479)	-0.000112 - {HD и IBM} (0.00108)	-0.000618 - {HD и TXN} (0.0015)
Макс	0.0035840 {AMAT} (0.001513)	0.003152 - {ALTR} (0.0015)	0.005059 - {ALTR} (0.0061)

Агрегированные данные по коэффициентам фиктивных переменных при пороге 25%

Источник: расчеты автора

2) Порог - 75%

Повышение порога позволяет сконцентрировать исследование на эффекте самых экстремальных прогнозов. Это позволяет нам выделить события, которые согласно начальной гипотезе данной работы, должны иметь наибольший эффект на рынок. Однако повышение порога может снизить количество событий в рассматриваемой выборке, что может отразиться на точности полученных результатов.



ТАБЛИЦА 20

Описательные характеристики фиктивных переменных при пороге 75%

	THRES	THRES*L
	Выборочное среднее	Изменение выборочного среднего	Выборочное среднее	Изменение выборочного среднего
Мин	0	-0.90003 - {AMGN}	0	-0.87505 - {TXN}
Среднее	0.00348131	-0.67895	0.00195819	-0.48936
Медиана	0.003481	-0.67948	0.0017405	-0.42859
Макс	0.016536 - {MU}	-0.42856 - {ALTR}	0.008703 - {MU}	-0.24993 - {MSFT}

Источник: расчеты автора

Как видно из агрегированных данных о фиктивных переменных THRES и THRES*L, значения выборочных средних обеих фиктивных переменных по сравнению с порогом в 50% существенно уменьшились. Так, например, среднее количество экстремальных прогнозов в течение рассматриваемого периода уменьшилось на 68% и составило 0.00348 (около 1 в год). Максимальное уменьшение количества экстремальных прогнозов наблюдается для компании AMGN - на 90%, в то время как наименьшее уменьшение наблюдается у компании ALTR - 42%. Максимальное количество экстремальных прогнозов наблюдалось у компании MU (около 6 в год). Максимальное уменьшение количества экстремальных прогнозов, выпущенных крупным агентством, наблюдалось у компании TXN (87.5%), в то время как наименьшее падение количества таких событий зафиксировано у компании MSFT (24.9%). Максимальное количество эктремальных прогнозов, выпущенных крупным агентством, наблюдалось снова же у компании MU (3 в год). Среднее же количество таких прогнозов для всех акций составило менее 1 в год. Стоит также заметить, что для нескольких компаний, таких как AAPL, DELL, IBM и WMT, за рассматриваемый период не выходило прогнозов, которые могли бы быть определены как экстремальные по новому определению. Для таких акций оценка модели во второй и третьей спецификации была невозможна. Более подробные результаты приведены в Приложении 4. Таким образом, становиться ясно, что установка слишком высокого порога приводит к существенному уменьшению количества событий, которое может быть недостаточно для точной оценки эффекта публикации прогноза.

Агрегированные данные регрессионного анализа эффекта публикаций на индуцированную волатильность представлен в Таблице. Как видно из данных, размер среднего скачка волатильности в день публикации экстремального прогноза вырос с 0.00033 до 0.00057, однако это значение незначимо даже при оптимистичной оценке стандартного отклонения среднего значения. Как и для порога в 50%, максимальный скачок при публикации экстремального прогноза совершает индуцированная волатильность компании ALTR. Индуцированная волатильность этой же акции совершает наибольший положительный скачок при публикации экстремального прогноза крупным аналитическим агентством. Размер скачка в обоих случаях достаточно существенный. Учитывая среднюю волатильность акций компании ALTR (0.115602), скачки в 0.0378 и в 0.0399 составляют около 33% и 34.5% от среднего значения волатильности. Любопытно отметить, что волатильность компании MU показала наибольший отрицительный скачок в дни публикации экстремальных прогнозов. Значение коэффициентов при фиктивных переменных THRES и THRES*L сравнимо практически совпадает по модулю с размером максимальных положительных скачков, демонстрируемых компанией ALTR. При средней волатильности акций MU в 0.167817 отрицательные скачки в 0.0381 и 0.039 составляют 22% и 23% от среднего значения соответственно. Более подробные результаты регрессионного анализа скачков волатильности акций приведены в Приложении 4.



ТАБЛИЦА 21

Агрегированные данные по коэффициентам фиктивных переменных при пороге 75%

Коэффициент Стандартные ошибки в скобках	DUM	THRES	THRES*L
Мин	-0.0045720 {AAPL} (0.002676)	-0.038184 - {MU} (0.008628)	-0.039090 - {MU} (0.011415)
Среднее Стандартное отклонение среднего значения рассчитано при предположении о том, что фиктивные переменные различных акций имеют независимое распределение. Однако так как многие компании работают в одной или смежных отраслях, высока вероятность положительной связи между ними. Следовательно рассчитанный показатель стандартного отклонения является оптимистичным.	0.0000256 (0.0003596)	0.000575 (0.002102139)	-0.002823 (0.00302795)
Медиана	-0.0000155 {HD/IBM} (0.00022479)	-0.000769 - {KLAC/CSCO} (0.004772791)	-0.002563 - {KLAC} (0.003249)
Макс	0.0035840 {AMAT} (0.001513)	0.037826 - {ALTR} (0.009453)	0.039850 - {ALTR} (0.011375)

Источник: расчеты автора

Использование неотфильтрованной выборки аналитических прогнозов

При исследовании эффекта публикации прогноза в данной работе не рассматривались прогнозы аналитиков, вышедшие в один день, так как для таких случаев было невозможным определение фиктивных переменных THRES и THRES*L, введенных во вторую и третью спецификацию модели. Однако эффект от множественных публикаций аналитиков может быть существенно больше эффекта одиночного аналитического прогноза или рекомендации. Таким образом, низкая значимость скачков волатильности для большинства акций может быть объяснена тем, что данная работа не включает в анализ случаи множественных публикаций прогнозов аналитиков. Подробная программа для фильтрации множественных прогнозов аналитиков приведена в Приложении 6.

В то время как, фиктивные переменные THRES и THRES*L не могут быть однозначно определены в случае множественных прогнозов, фиктивная переменная DUM, зависящая лишь от факта наличия прогноза может быть определена и для неотфильтрованной выборки аналитических прогнозов. В связи с этим для определения устойчивости модели ее результаты были переоценены на основе неотфильтрованной выборки прогнозов аналитиков, включающей множественные публикации прогнозов в один день. В ходе переоценки был проведен регрессионной анализ модели в ее первой спецификации:

(13)

Значения и стандартные отклонения коэффициентов при фиктивной переменной DUM для каждой акции приведены в Таблице 22 ниже.

ТАБЛИЦА 22

Данные по коэффициентам переменной DUM в неотфильрованной выборке

Unrestricted sample	DUM
	Coefficient	Std. Error
AAPL	-0.00481**	0.002330
ALTR	0.001987	0.002345
AMAT	0.002721*	0.0014
AMGN	0.000003	0.000244
CSCO	0.001955	0.001367
DELL	-0.0014*	0.000739
HD	0.000038	0.000409
IBM	-0.000124	0.000109
INTC	-0.001621	0.001053
KLAC	0.000001	0.000554
MSFT	-0.000415	0.000730
MU	0.001135	0.002183
NVLS	-0.000067	0.000738
ORCL	-0.000333	0.001496
TXN	-0.001783	0.001164
WMT	0.000069	0.000150

Источник: расчеты автора

Как мы видим, включение в выборку аналитиков случаев множественной публикации прогнозов существенно не изменило результаты анализа, и значения скачка волатильности для многих акций так и остались незначимы на любом разумном уровне значимости.

Необычным результатом является выявление значимого на 5% уровне и отрицательного скачка индуцированной волатильности акций компании Apple при публикации прогноза. При использовании отфильтрованной выборки прогнозов аналитиков значения скачков волатильности для компании Apple были незначимы во всех трех спецификациях модели. Данный результат означает, что публикации множественных прогнозов снижали неопределенность для акций компании Apple, в то время как одиночные прогнозы скорее всего имели разнонаправленные результаты, чем приводили к статистической незначимости скачков волатильности.

Стоит также заметить, что акции компании DELL также стали демонстрировать значимые на 10% уровне и отрицательные скачки волатильности в дни публикации прогнозов, несмотря на то, что на начальном этапе анализа скачки для этой компании были незначимы. Данный факт, также как и для Apple, может объясняться тем, что множественные прогнозы снижают неопределенность среди инвесторов по данной компании на рынке. Такое возможно, например, при выходе нескольких близких прогнозов от различных аналитиков. Если большинство множественных прогнозов для данных компаний не существенно отличаются друг от друга, то они могут в лишний раз стать подтверждением консенсуса, установившегося среди аналитиков по стоимости данной акции.

Контроль общего скачка волатильности в феврале 2003

Как было отчетливо видно из графиков индуцированной волатильности для рассматриваемых компаний, в феврале 2003 произошел общий скачок волатильности для компаний-производителей полупроводников. Скачок, как видно из графических данных, имеет существенное значение, однако является очень краткосрочным. Так как рациональных причин, способных объяснить данный скачок, в ходе исследования не было найдено, из анализируемой выборки был удален период с 1 по 28 февраля 2003 года, что позволило избавиться от большей части скачка. Для ограниченной выборки наблюдений был проведен анализ модели с использованием порога для экстремального прогноза в 50%.

Рисунок 3а Волатильность акций со скачком

Источник: расчеты автора

Рисунок 3 Волатильность акций без скачка

Источник: расчеты автора

Как видно из Рисунков 2 и 3, большая часть скачка, присутствующего на левом графике, была удалена в результате ограничения выборки. После ограничения выборки каждый ряд волатильности стал насчитывать 1132 наблюдения, в то время как из анализа было удалено всего 33 публикации прогноза, из которых 11 экстремальные, а 5 - экстремальные и выпущены крупным агентством.

Так как теперь выборка является не непрерывной, оценка коэффициента при MA(1) невозможна, поэтому в данной части были оценены упрощенные спецификации модели без компоненты MA(1):

(13)

(14)

(15)

В Таблице 21 приведены сводные данные по значениям и стандартным отклонениям коэффициентов при фиктивных переменных в трех различных спецификациях модели. Как видно из данной таблицы, результаты анализа эффекта публикации на индуцированную волатильность большинства акций существенно не изменились. Акции, для которых эффект от публикации различных видов прогнозов был незначим, даже при удалении аномального скачка из выборки продолжают показывать статистически незначимую реакцию на публикации прогнозов. Исключениями являются акции компании Micron Technology (MU) и DELL. До удаления скачка эффект публикаций на волатильность акций MU был незначим во всех трех спецификациях, однако после удаления аномального скачка коэффициенты при THRES и THRES*L стали значимы на 5% уровне значимости и отрицательны. Это было ожидаемо, так как, скорее всего, положительный скачок нивелировал отрицательный эффект некоторых экстремальных публикаций. Также отметим, что аномальный скачок для компании MU, как видно из графических материалов, был наибольшим среди всех имеющихся акций. Аналогичное объяснение применимо для акций компании DELL, которые после удаления аномального скачка, стали показывать значимые отрицательные скачки волатильности в дни публикации экстремальных прогнозов.

В то же время, большинство акций, для которых эффект на публикации был значим, продолжают показывать значимые результаты. Единственным исключением в данном случае являются акции компании Applied Materials. До ограничения выборки значимый эффект на волатильность этой акции оказывали все три рассмотренных вида прогнозов, однако после удаления аномального скачка значимым остался лишь коэффициент при фиктивной переменной DUM в первой спецификации. Этот факт может объясняться, в том числе тем, что существенная часть положительных скачков волатильности от экстремальных публикаций была на самом деле вызвана аномальным скачком волатильности.



ТАБЛИЦА 21

Агрегированные данные по коэффициентам фиктивных переменных после удаления скачка

	DUM	THRES	THRES*L
	Coefficient	Std. Error	Coefficient	Std. Error	Coefficient	Std. Error
AAPL	-0.003399	0.002825	-0.009622	0.011556	-0.011093	0.01628
ALTR	0.002976*	0.001564	0.013389**	0.004089	0.023172**	0.006192
AMAT	0.002693**	0.001199	0.001705	0.003034	0.003517	0.004391
AMGN	0.000182	0.000286	0.000364	0.000933	-0.000519	0.001396
CSCO	0.000393	0.001121	0.007978**	0.003612	-0.001192	0.005768
DELL	-0.000895	0.000723	-0.007388**	0.003654	-0.01419**	0.005127
HD	-0.000188	0.000283	0.001636	0.001322	0.001258	0.002085
IBM	-2.56E-06	0.000112	-0.000153	0.000793	9.03E-05	0.001121
INTC	-0.000857	0.00064	-0.000759	0.002121	-0.000621	0.002211
KLAC	0.000432	0.000506	0.000838	0.001535	0.000673	0.0021
MSFT	-0.001026	0.000848	-0.001044	0.004093	-0.002388	0.005288
MU	0.000141	0.00245	-0.011352**	0.004669	-0.025694**	0.006308
NVLS	0.000387	0.000714	-0.005494**	0.002117	-0.006638*	0.00377
ORCL	-0.001863	0.001829	-0.00145	0.005213	0.006443	0.008989
TXN	-0.000192	0.000842	0.000319	0.001996	0.002045	0.00319
WMT	0.000128	0.000144	-0.005488**	0.001648	-0.005488**	0.001648

Источник: расчеты автора



Заключение

Анализ эффекта публикаций прогнозов будущей стоимости на волатильность акций для нескольких компаний наличие статистически значимого скачка волатильности в день публикации прогноза. Кроме того, значение скачка возрастало при публикации "экстремального" прогноза, и еще более усиливалось при публикации "экстремального" прогноза крупным аналитическим агентством, что соответствует первоначальным прогнозам работы. Прежде всего, усиление скачка связано с увеличивающейся информативностью таких прогнозов, а следовательно с большим их эффектом на рынок. Однако в то время как для некоторых компаний скачок был положительным, в случае некоторых фирм скачок волатильности имел отрицательное значение. Данный факт является необычным и возможно может быть объяснен особенностями данных компаний. В случае высокой сложности финансовой отчетности компании, отсутствию информации на рынке или же малым аналитическим покрытием данной фирмы, публикация аналитических прогнозов может приводить к снижению рыночной неопределенности и, как следствие, падению волатильности.

Однако для акций многих компаний публикации различных видов прогнозов имели незначимый эффект на их волатильность, хотя появление новой информации на рынке должно отражаться в резком скачке волатильности. Проверка модели на устойчивость к изменению основных предпосылок, а также использованию различных отфильтрованных выборок прогнозов аналитиков не привели к существенному изменению результатов. Незначимость эффекта от публикации с одной стороны может быть вызвана информационной незначительностью прогнозов аналитиков для данных компаний. К примеру, наличие высококачественной и информативной финансовой отчетности, открытость компании и ее менеджемента может привести к тому, что инвесторы не будут реагировать на публикации прогнозов аналитиков и будут полагаться на свое мнение о компании. К сожалению, учет этих качественных факторов не входил в предмет исследования данной работы, поэтому это одним из направлений для будущих исследований. С другой стороны, незначимость эффекта прогнозов может быть вызвана наличием более крупных и значительных эффектов на волатильность компании. К примеру, эффекты от объявления финансовой отчетности могли привести к незначимости скачков волатильности в дни публикаций прогнозов аналитиков. Контроль данных и прочих корпоративных событий также остается одним из возможных направлений для будущих работ.



Библиография

Ю-Д. Люу (2010). Методы и алгоритмы финансовой математики. Cambridge University Press

Abarbanell, Jeffery S. (1991/06) Do analysts' earnings forecasts incorporate information in prior stock price changes? Journal of Accounting and Economics 14(2): 147-165.

Altinkilic, Oya, Balashov, Vadim S. and Hansen, Robert S., Evidence that Analysts Are Not Important Information-Intermediaries (September 1, 2009). AFA 2010 Atlanta Meetings Paper.

Andersen, Torben G., Luca Benzoni and Jesper Lund. An Empirical Investigation Of Continuous-Time Equity Return Models, Journal of Finance, 2002, v57(3,Jun), 1239-1284.

Anderson, Heather M., Chan, H., Faff, Robert W. and Kee Ho, Yew, Reported Earnings and Analyst Forecasts as Competing Sources of Information: A New Approach (March 4, 2009).

Asquith, Paul, Michael B. Mikhail and Andrea S. Au. Information Content Of Equity Analyst Reports, Journal of Financial Economics, 2005, v75(2,Feb), 245-282.

Bakshi G., N. Kapadia, D. Madan Stock Return Characteristics, Skew Laws, and the Differential Pricing of Individual Equity Options, The Review of Financial Studies Spring 2003 Vol. 16, No. 1, pp. 101-143.

Barber B., R. Lehavy, M. McNichol, B. Trueman Can Investors Profit from the Prophets? Security Analyst Recommendations and Stock Returns. The Journal of Finance, April 2001, Vol. 56, No. 2, pp. 531-564

Barone-Adesi, Giovanni, Brown, Keith C. and Harlow, W. Van, On the Use of Implied Stock Volatilities in the Prediction of Successful Corporate Takeovers, Advances in Futures and Options Research, Vol. 7, 1994.

Bernard, V. L., 1987, Cross-sectional dependence and problems in inference in market-based accounting research, Journal of Accounting Research25, 1-48.

Brav, A. and Lehavy, R. (2003), An Empirical Analysis of Analysts' Target Prices: Short-term Informativeness and Long-term Dynamics. The Journal of Finance, 58: 1933-1968.

Chernov, Mikhail, Gallant, A. Ronald, Ghysels, Eric and Tauchen, George E., Alternative Models of Stock Prices Dynamics (January 23, 2001).

Clement, M. and S. Tse, 2003. Do Investors Respond to Analysts' Forecast Revisions as if Forecast Accuracy is All That Matters? The Accounting Review, 78 (1), 227-249.

Collins, D., and W. Dent, A Comparison Of Alternative Testing Models Used In Capital Market Research, Journal of Accounting Research22, 1984, pp. 48-84

Corsi F. (2009). A Simple Approximate Long Memory Model of Realized Volatility. Journal of Financial Econometrics 7: 174-196.

Dische A. Dispersion in Analyst Forecasts and the Profitability of Earnings Momentum Strategies. EFMA 2001 Lugano Meetings

Dubinsky, A., and M. Johannes. Earnings Announcements and Equity Options. Working Paper, Columbia University (2006).

Fama E. Efficient Capital Markets: A Review of Theory and Empirical Work. The Journal of Finance, Vol. 25, No. 2, 1970, pp. 383-417

Feldman E., S. Gilson, B. Villalonga When Do Analysts Add Value? Evidence from Corporate Spinoffs. Harvard Business School, 2010

Fortune, Peter, (1996), `Anomalies in Option Pricing: the Black-Scholes model revisited', New England Economic Review, March-April, 1996.

French, D.W. and D.A. Dubofsky, 1986. Stock splits and implied stock price volatility, Journal of Portfolio Management 12, no. 4, 55-59.

Givoly D., J. Lakonishok The Information Content of Financial Analysts' Forecasts of Earnings: Some Evidence on Semi-Strong Inefficiency. The Journal of Accounting and Economics, Vol. 1, No. 3, 1979, pp. 165-185.

Gleason, C. A., C. Lee Analyst Forecast Revisions and Market Price Discovery. The Accounting Review: January 2003, Vol. 78, No. 1, pp. 193-225.

Gonzalez, Clara I. and Gimeno, Ricardo, Financial Analysts Impact on Stock Volatility: A Study on the Pharmaceutical Sector (May 1, 2008). FEDEA Working Paper No. 2008-19.

Hull, J.C. (2009). Options, Futures and Other Derivatives. Pearson International Edition

Jayaraman, N., Mandelker, G. and Shastri, K. (1991), Market anticipation of merger activities: An empirical test. Manage. Decis. Econ., 12: 439-448.

Jegadeesh, N., Kim, J., Krische, S. D. and Lee, C. M. C. (2004), Analyzing the Analysts: When Do Recommendations Add Value?. The Journal of Finance, 59: 1083-1124.

Jiang, George J. and Kim, Woojin, Evaluating Analysts' Value: Evidence from Recommendations Around Stock Price Jumps (March 15, 2010).

Kim W. Analyst recommendations and option market reactions, Mar. 2008, Korean Journal of Finance, Volume 21 Issue 1, p131-180.

L. C. G. Rogers and S. E. Satchell Estimating Variance From High, Low and Closing Prices. The Annals of Applied Probability, Volume 1, Number 4 (1991), 504-512.

Lin, H., M. F. McNichols Underwriting relationships, analysts earnings forecasts and investment recommendations. Journal of Accounting and Economics 25 (1998) 101-127

MacKinlay, C.A. (1997) Event Studies in Economics and Finance, Journal of Economic Literature 35, 13-39.

Michaely, R., Womack, K. L., 1999. Conflict of interest and the credibility of underwriter analyst recommendations. Review of Financial Studies 12, 653-686.Underwriting relationships, analysts earnings forecasts

Mikhail, M.B., B.R. Walther, R.H. Willis, 1997. Do security analysts improve their performance with experience? Journal of Accounting Research 35, 131-57.

Palmon, Dan and Yezegel, Ari, Analysts' Recommendation Revisions and Subsequent Earnings Surprises: Pre- and Post- Regulation FD (October 24, 2010). Journal of Accounting, Auditing and Finance, Vol. 26, No. 3, 2011.

Panchenko V. Impact of analysts' recommendations on stock performance, 2007, European Journal of Finance, 13 (2), 165-179.

Parkinson, Michael, The Extreme Value Method for Estimating the Variance of the Rate of Return, Journal of Business, Vol. 53, No. 1, (January 1980), pp. 61-65.

Peter F. Christoffersen "Elements of Financial Risk Management" Academic press, 2003

Ramnath, Sundaresh, Rock, Steve Karl and Shane, Philip B., A Review of Research Related to Financial Analysts' Forecasts and Stock Recommendations (June 30, 2008).

Rubinstein, Mark E. and Jackwerth, Jens Carsten, Recovering Probability Distributions from Option Prices. J. OF FINANCE, Vol. 51 No. 5, December 1996.

Schmid, M., Schlumpf, P. M., & Zimmermann, H. (2008). The First- and Second-Hand Effect of Analysts' Stock Recommendations - Evidence from the Swiss Stock Market. European Fiinancial Management, 14(5), 962-988.

Sheikh, A. M. (1989), Stock Splits, Volatility Increases, and Implied Volatilities. The Journal of Finance, 44: 1361-1372.

Stock J, Sims C, Watson M. Inference in Linear Time Series Models with Some Unit Roots. Econometrica. 1990;58(1):113-144.

Subramanian, Ajay, Option Pricing on Stocks in Mergers and Acquisitions. Journal of Finance, Vol. 59, No. 2, pp. 795-831, April 2004.

Gianluca Vagnani The Black-Scholes model as a determinant of the implied volatility smile: A simulation study Journal of Economic Behavior & Organization (09 June 2009)

Womack, Kent L., Do Brokerage Analysts' Recommendations Have Investment Value?. J. OF FINANCE, Vol. 51 No. 1, March 1996.

Yang, Dennis and Zhang, Qiang, Drift Independent Volatility Estimation Based on High, Low, Open, and Close Prices. The Journal of Business, Vol. 73, No. 3, July 2000.

Zheng Wang (2012), The Role of Analysts' Recommendation Revisions in Helping Investors Understand the Valuation Implications of Announced Earnings, Transparency and Governance in a Global World (International Finance Review, Volume 13), Emerald Group Publishing Limited, pp.257-286



Приложение. Прогнозы показателей фирмы

Графики IV

Рисунок 4 AMGN

Рисунок 6 AMAT

Рисунок 7 CSCO

Рисунок 8 DELL

Рисунок 9 HD

Рисунок 10 INTC



Приложение. Рекомендации на покупку/продажу

Результаты ADF-тестов

ТАБЛИЦА 22

ADF тест для ALTR

Null Hypothesis: IV_101293 has a unit root
Exogenous: Constant
Lag Length: 9 (Automatic based on SIC, MAXLAG=22)
			t-Statistic	Prob.*
Augmented Dickey-Fuller test statistic	-3.565398	0.0066
Test critical values:	1% level		-3.435876
	5% level		-2.863868
	10% level		-2.568060
*MacKinnon (1996) one-sided p-values.

Источник: расчеты автора

ТАБЛИЦА 23

ADF тест для AMGN

Null Hypothesis: IV_101508 has a unit root
Exogenous: Constant
Lag Length: 4 (Automatic based on SIC, MAXLAG=22)
			t-Statistic	Prob.*
Augmented Dickey-Fuller test statistic	-1.812402	0.3747
Test critical values:	1% level		-3.435851
	5% level		-2.863857
	10% level		-2.568054
*MacKinnon (1996) one-sided p-values.

Источник: расчеты автора



Приложение. Прогноз будущей стоимости

ПРИЛОЖЕНИЕ 3 Харатеристика используемых временных рядов

ТАБЛИЦА 37 Ряды индуцированной волатильности

Источник: расчеты автора

ТАБЛИЦА 38 Фиктивная переменная DUM

Источник: расчеты автора

ТАБЛИЦА 39 Фиктивная переменная THRES

Источник: расчеты автора

ТАБЛИЦА 40 Фиктивная переменная THRES*L

Источник: расчеты автора

Регрессионный анализ скачков при альтернативных порогах

ТАБЛИЦА 41 Порог - 25%

Источник: расчеты автора

ТАБЛИЦА 42 Порог - 75%

Источник: расчеты автора

Программа для расчета индуцированной волатильности методом Bakshi, Kapadia, Madan (2003)

Sub implied_volatility()

Dim data As String, nrows As Integer, iv As String, i As Integer, j As Integer, stock As Variant, mon As String, god As String

Windows("результат.xlsm").Activate

Sheets("результаты").Range("C1").Select

stock = Range(Selection, Selection.End(xlToRight)) 'акции

Cells(2, 2).Select

nrows = ActiveSheet.Cells.SpecialCells(xlLastCell).Row

s = Val(nrows)

Application.Workbooks.Open ("E:\Diploma\empirical data\Option tables 1year maturity\опционы 2001.xlsm")

Application.Workbooks.Open ("E:\Diploma\empirical data\Option tables 1year maturity\опционы 2002.xlsx")

Application.Workbooks.Open ("E:\Diploma\empirical data\Option tables 1year maturity\опционы 2003.xlsx")

Application.Workbooks.Open ("E:\Diploma\empirical data\Option tables 1year maturity\опционы 2004.xlsx")

Application.Workbooks.Open ("E:\Diploma\empirical data\Option tables 1year maturity\опционы 2005.xlsx")

For j = 1 To 12

For i = 0 To s - 3

'программа для копирования и вставки (начало)

Windows("результат.xlsm").Activate

Sheets("результаты").Select

data = Cells(2 + i, 2).Value

god = Val(data / 10000)

If god = 2002 Then

Windows("опционы 2002.xlsx").Activate

mon = Val(data / 100)

Sheets(mon).Select

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=1, Criteria1:=stock(1, j)

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=2, Criteria1:= _

data

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=25

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=7

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=24

Range("c2").Select

If Range(Selection, Selection.End(xlDown)).Find(data) Is Nothing Then 'обрывание процесса при пустой ячейке

Windows("результат.xlsm").Activate

Sheets("результаты").Select

Cells(2 + i, 2 + j).Value = "na"

Sheets("расчетный лист").Select

Cells("2,2").Select

Range(Selection, Selection.End(xlToRight)).Select

Range(Selection, Selection.End(xlDown)).Select

Selection.Clear

Else

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=7, Criteria1:="C"

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=24, Criteria1:="<0.95" _

, Operator:=xlAnd

Range("B2").Select

Range(Selection, Selection.End(xlToRight)).Select

Range(Selection, Selection.End(xlDown)).Select

Application.CutCopyMode = False

Selection.Copy

Windows("результат.xlsm").Activate

Sheets("расчетный лист").Select

Range("B2").Select

ActiveSheet.Paste

'программа для копирования и вставки (конец)

Range("B2").Select

Range(Selection, Selection.End(xlToRight)).Select

Selection.AutoFilter

nrows = Worksheets("расчетный лист").AutoFilter.Range.Columns(1).SpecialCells(xlVisible).Count

c = Val(nrows)

call_part = 0 'расчет колл-части волатильности

For k = 1 To c - 1

moneyness = Log(Cells(2 + k, 25).Value)

Strike = Cells(2 + k, 24).Value

call_price = (Cells(2 + k, 9).Value + Cells(2 + k, 10).Value) / 2

call_part = 2 * (1 + moneyness) * call_price / (Strike ^ 2) + call_part

Next

Cells(2, 2).Select

Range(Selection, Selection.End(xlToRight)).Select

Range(Selection, Selection.End(xlDown)).Select

Selection.Clear

Windows("опционы 2002.xlsx").Activate

Sheets(mon).Select

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=7, Criteria1:="P"

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=24, Criteria1:=">1.05" _

, Operator:=xlAnd

Range("b2").Select

Range(Selection, Selection.End(xlToRight)).Select

Range(Selection, Selection.End(xlDown)).Select

Application.CutCopyMode = False

Selection.Copy

Windows("результат.xlsm").Activate

Sheets("расчетный лист").Select

Range("B2").Select

ActiveSheet.Paste

Range("B2").Select

Range(Selection, Selection.End(xlToRight)).Select

Selection.AutoFilter

nrows = Worksheets("расчетный лист").AutoFilter.Range.Columns(1).SpecialCells(xlVisible).Count

p = Val(nrows)

put_part = 0 ' расчет пут-части волатильности

For m = 1 To p - 1

moneyness = Log(Cells(2 + m, 25).Value)

Strike = Cells(2 + m, 24).Value

put_price = (Cells(2 + m, 9).Value + Cells(2 + m, 10).Value) / 2

put_part = 2 * (1 + moneyness) * put_price / (Strike ^ 2) + put_part

Next

iv_bakshi = put_part + call_part

Sheets("результаты").Select

Cells(2 + i, 2 + j).Value = iv_bakshi

'расчет дневной волатильности

Sheets("расчетный лист").Select

Cells(2, 2).Select

Range(Cells(50, 2), Cells(50, 27)) = 1

Range(Selection, Selection.End(xlToRight)).Select

Range(Selection, Selection.End(xlDown)).Select

Selection.Clear

Range(Cells(50, 2), Cells(50, 27)) = 1

End If

ElseIf god = 2001 Then

Windows("опционы 2001.xlsm").Activate

mon = Val(data / 100)

Sheets(mon).Select

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=1, Criteria1:=stock(1, j)

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=2, Criteria1:= _

data

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=25

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=7

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=24

Range("c2").Select

If Range(Selection, Selection.End(xlDown)).Find(data) Is Nothing Then 'обрывание процесса при пустой ячейке

Windows("результат.xlsm").Activate

Sheets("результаты").Select

Cells(2 + i, 2 + j).Value = "na"

Else

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=7, Criteria1:="C"

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=24, Criteria1:="<0.95" _

, Operator:=xlAnd

Range("B2").Select

Range(Selection, Selection.End(xlToRight)).Select

Range(Selection, Selection.End(xlDown)).Select

Application.CutCopyMode = False

Selection.Copy

Windows("результат.xlsm").Activate

Sheets("расчетный лист").Select

Range("B2").Select

ActiveSheet.Paste

'программа для копирования и вставки (конец)

Range("B2").Select

Range(Selection, Selection.End(xlToRight)).Select

Selection.AutoFilter

nrows = Worksheets("расчетный лист").AutoFilter.Range.Columns(1).SpecialCells(xlVisible).Count

c = Val(nrows)

call_part = 0

For k = 1 To c - 1

moneyness = Log(Cells(2 + k, 25).Value)

Strike = Cells(2 + k, 24).Value

call_price = (Cells(2 + k, 9).Value + Cells(2 + k, 10).Value) / 2

call_part = 2 * (1 + moneyness) * call_price / (Strike ^ 2) + call_part

Next

Cells(2, 2).Select

Range(Selection, Selection.End(xlToRight)).Select

Range(Selection, Selection.End(xlDown)).Select

Selection.Clear

Windows("опционы 2001.xlsm").Activate

Sheets(mon).Select

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=7, Criteria1:="P"

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=24, Criteria1:=">1.05" _

, Operator:=xlAnd

Cells(2, 2).Select

Range(Selection, Selection.End(xlToRight)).Select

Range(Selection, Selection.End(xlDown)).Select

Application.CutCopyMode = False

Selection.Copy

Windows("результат.xlsm").Activate

Sheets("расчетный лист").Select

Range("B2").Select

ActiveSheet.Paste

Range("B2").Select

Range(Selection, Selection.End(xlToRight)).Select

Selection.AutoFilter

nrows = Worksheets("расчетный лист").AutoFilter.Range.Columns(1).SpecialCells(xlVisible).Count

p = Val(nrows)

put_part = 0

For m = 1 To p - 1

moneyness = Log(Cells(2 + m, 25).Value)

Strike = Cells(2 + m, 24).Value

put_price = (Cells(2 + m, 9).Value + Cells(2 + m, 10).Value) / 2

put_part = 2 * (1 + moneyness) * put_price / (Strike ^ 2) + put_part

Next

iv_bakshi = put_part + call_part

Sheets("результаты").Select

Cells(2 + i, 2 + j).Value = iv_bakshi

'расчет дневной волатильности

Sheets("расчетный лист").Select

Cells(2, 2).Select

Range(Cells(50, 2), Cells(50, 27)) = 1

Range(Selection, Selection.End(xlToRight)).Select

Range(Selection, Selection.End(xlDown)).Select

Selection.Clear

Range(Cells(50, 2), Cells(50, 27)) = 1

End If

ElseIf god = 2003 Then

Windows("опционы 2003.xlsx").Activate

mon = Val(data / 100)

Sheets(mon).Select

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=1, Criteria1:=stock(1, j)

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=2, Criteria1:= _

data

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=25

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=7

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=24

Range("c2").Select

If Range(Selection, Selection.End(xlDown)).Find(data) Is Nothing Then 'обрывание процесса при пустой ячейке

Windows("результат.xlsm").Activate

Sheets("результаты").Select

Cells(2 + i, 2 + j).Value = "na"

Else

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=7, Criteria1:="C"

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=24, Criteria1:="<0.95" _

, Operator:=xlAnd

Range("B2").Select

Range(Selection, Selection.End(xlToRight)).Select

Range(Selection, Selection.End(xlDown)).Select

Application.CutCopyMode = False

Selection.Copy

Windows("результат.xlsm").Activate

Sheets("расчетный лист").Select

Range("B2").Select

ActiveSheet.Paste

'программа для копирования и вставки (конец)

Range("B2").Select

Range(Selection, Selection.End(xlToRight)).Select

Selection.AutoFilter

nrows = Worksheets("расчетный лист").AutoFilter.Range.Columns(1).SpecialCells(xlVisible).Count

c = Val(nrows)

call_part = 0

For k = 1 To c - 1

moneyness = Log(Cells(2 + k, 25).Value)

Strike = Cells(2 + k, 24).Value

call_price = (Cells(2 + k, 9).Value + Cells(2 + k, 10).Value) / 2

call_part = 2 * (1 + moneyness) * call_price / (Strike ^ 2) + call_part

Next

Cells(2, 2).Select

Range(Selection, Selection.End(xlToRight)).Select

Range(Selection, Selection.End(xlDown)).Select

Selection.Clear

Windows("опционы 2003.xlsx").Activate

Sheets(mon).Select

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=7, Criteria1:="P"

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=24, Criteria1:=">1.05" _

, Operator:=xlAnd

Cells(2, 2).Select

Range(Selection, Selection.End(xlToRight)).Select

Range(Selection, Selection.End(xlDown)).Select

Application.CutCopyMode = False

Selection.Copy

Windows("результат.xlsm").Activate

Sheets("расчетный лист").Select

Range("B2").Select

ActiveSheet.Paste

Range("B2").Select

Range(Selection, Selection.End(xlToRight)).Select

Selection.AutoFilter

nrows = Worksheets("расчетный лист").AutoFilter.Range.Columns(1).SpecialCells(xlVisible).Count

p = Val(nrows)

put_part = 0

For m = 1 To p - 1

moneyness = Log(Cells(2 + m, 25).Value)

Strike = Cells(2 + m, 24).Value

put_price = (Cells(2 + m, 9).Value + Cells(2 + m, 10).Value) / 2

put_part = 2 * (1 + moneyness) * put_price / (Strike ^ 2) + put_part

Next

iv_bakshi = put_part + call_part

Sheets("результаты").Select

Cells(2 + i, 2 + j).Value = iv_bakshi

'расчет дневной волатильности

Sheets("расчетный лист").Select

Cells(2, 2).Select

Range(Cells(50, 2), Cells(50, 27)) = 1

Range(Selection, Selection.End(xlToRight)).Select

Range(Selection, Selection.End(xlDown)).Select

Selection.Clear

Range(Cells(50, 2), Cells(50, 27)) = 1

End If

ElseIf god = 2004 Then

Windows("опционы 2004.xlsx").Activate

mon = Val(data / 100)

Sheets(mon).Select

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=1, Criteria1:=stock(1, j)

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=2, Criteria1:= _

data

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=25

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=7

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=24

Range("c2").Select

If Range(Selection, Selection.End(xlDown)).Find(data) Is Nothing Then 'обрывание процесса при пустой ячейке

Windows("результат.xlsm").Activate

Sheets("результаты").Select

Cells(2 + i, 2 + j).Value = "na"

Else

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=7, Criteria1:="C"

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=24, Criteria1:="<0.95" _

, Operator:=xlAnd

Range("B2").Select

Range(Selection, Selection.End(xlToRight)).Select

Range(Selection, Selection.End(xlDown)).Select

Application.CutCopyMode = False

Selection.Copy

Windows("результат.xlsm").Activate

Sheets("расчетный лист").Select

Range("B2").Select

ActiveSheet.Paste

'программа для копирования и вставки (конец)

Range("B2").Select

Range(Selection, Selection.End(xlToRight)).Select

Selection.AutoFilter

nrows = Worksheets("расчетный лист").AutoFilter.Range.Columns(1).SpecialCells(xlVisible).Count

c = Val(nrows)

call_part = 0

For k = 1 To c - 1

moneyness = Log(Cells(2 + k, 25).Value)

Strike = Cells(2 + k, 24).Value

call_price = (Cells(2 + k, 9).Value + Cells(2 + k, 10).Value) / 2

call_part = 2 * (1 + moneyness) * call_price / (Strike ^ 2) + call_part

Next

Cells(2, 2).Select

Range(Selection, Selection.End(xlToRight)).Select

Range(Selection, Selection.End(xlDown)).Select

Selection.Clear

Windows("опционы 2004.xlsx").Activate

Sheets(mon).Select

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=7, Criteria1:="P"

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=24, Criteria1:=">1.05" _

, Operator:=xlAnd

Range("b2").Select

Range(Selection, Selection.End(xlToRight)).Select

Range(Selection, Selection.End(xlDown)).Select

Application.CutCopyMode = False

Selection.Copy

Windows("результат.xlsm").Activate

Sheets("расчетный лист").Select

Range("B2").Select

ActiveSheet.Paste

Range("B2").Select

Range(Selection, Selection.End(xlToRight)).Select

Selection.AutoFilter

nrows = Worksheets("расчетный лист").AutoFilter.Range.Columns(1).SpecialCells(xlVisible).Count

p = Val(nrows)

put_part = 0

For m = 1 To p - 1

moneyness = Log(Cells(2 + m, 25).Value)

Strike = Cells(2 + m, 24).Value

put_price = (Cells(2 + m, 9).Value + Cells(2 + m, 10).Value) / 2

put_part = 2 * (1 + moneyness) * put_price / (Strike ^ 2) + put_part

Next

iv_bakshi = put_part + call_part

Sheets("результаты").Select

Cells(2 + i, 2 + j).Value = iv_bakshi

'расчет дневной волатильности

Sheets("расчетный лист").Select

Cells(2, 2).Select

Range(Cells(50, 2), Cells(50, 27)) = 1

Range(Selection, Selection.End(xlToRight)).Select

Range(Selection, Selection.End(xlDown)).Select

Selection.Clear

Range(Cells(50, 2), Cells(50, 27)) = 1

End If

ElseIf god = 2005 Then

Windows("опционы 2005.xlsx").Activate

mon = Val(data / 100)

Sheets(mon).Select

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=1, Criteria1:=stock(1, j)

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=2, Criteria1:= _

data

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=25

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=7

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=24

Range("c2").Select

If Range(Selection, Selection.End(xlDown)).Find(data) Is Nothing Then 'обрывание процесса при пустой ячейке

Windows("результат.xlsm").Activate

Sheets("результаты").Select

Cells(2 + i, 2 + j).Value = "na"

Else

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=7, Criteria1:="C"

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=24, Criteria1:="<0.95" _

, Operator:=xlAnd

Range("B2").Select

Range(Selection, Selection.End(xlToRight)).Select

Range(Selection, Selection.End(xlDown)).Select

Application.CutCopyMode = False

Selection.Copy

Windows("результат.xlsm").Activate

Sheets("расчетный лист").Select

Range("B2").Select

ActiveSheet.Paste

'программа для копирования и вставки (конец)

Range("B2").Select

Range(Selection, Selection.End(xlToRight)).Select

Selection.AutoFilter

nrows = Worksheets("расчетный лист").AutoFilter.Range.Columns(1).SpecialCells(xlVisible).Count

c = Val(nrows)

call_part = 0

For k = 1 To c - 1

moneyness = Log(Cells(2 + k, 25).Value)

Strike = Cells(2 + k, 24).Value

call_price = (Cells(2 + k, 9).Value + Cells(2 + k, 10).Value) / 2

call_part = 2 * (1 + moneyness) * call_price / (Strike ^ 2) + call_part

Next

Cells(2, 2).Select

Range(Selection, Selection.End(xlToRight)).Select

Range(Selection, Selection.End(xlDown)).Select

Selection.Clear

Windows("опционы 2005.xlsx").Activate

Sheets(mon).Select

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=7, Criteria1:="P"

ActiveSheet.Range("$B$2:$U$50000").AutoFilter Field:=24, Criteria1:=">1.05" _

, Operator:=xlAnd

Range("b2").Select

Range(Selection, Selection.End(xlToRight)).Select

Range(Selection, Selection.End(xlDown)).Select

Application.CutCopyMode = False

Selection.Copy

Windows("результат.xlsm").Activate

Sheets("расчетный лист").Select

Range("B2").Select

ActiveSheet.Paste

Range("B2").Select

Range(Selection, Selection.End(xlToRight)).Select

Selection.AutoFilter

nrows = Worksheets("расчетный лист").AutoFilter.Range.Columns(1).SpecialCells(xlVisible).Count

p = Val(nrows)

put_part = 0

For m = 1 To p - 1

moneyness = Log(Cells(2 + m, 25).Value)

Strike = Cells(2 + m, 24).Value

put_price = (Cells(2 + m, 9).Value + Cells(2 + m, 10).Value) / 2

put_part = 2 * (1 + moneyness) * put_price / (Strike ^ 2) + put_part

Next

iv_bakshi = put_part + call_part

Sheets("результаты").Select

Cells(2 + i, 2 + j).Value = iv_bakshi

'расчет дневной волатильности

Sheets("расчетный лист").Select

Cells(2, 2).Select

Range(Cells(50, 2), Cells(50, 27)) = 1

Range(Selection, Selection.End(xlToRight)).Select

Range(Selection, Selection.End(xlDown)).Select

Selection.Clear

Range(Cells(50, 2), Cells(50, 27)) = 1

End If

Else

Windows("результат.xlsm").Activate

Sheets("результаты").Select

Cells(2 + i, 2 + j).Value = "out of range"

Sheets("расчетный лист").Select

Cells(b2).Select

Range(Cells(50, 2), Cells(50, 27)) = 1

Range(Selection, Selection.End(xlToRight)).Select

Range(Selection, Selection.End(xlDown)).Select

Selection.Clear

Range(Cells(50, 2), Cells(50, 27)) = 1

End If

Next

Next

End Sub

ПРИЛОЖЕНИЕ 5 Программа фильтрации множественных прогнозов аналитиков

Sub repeat_del()

Dim crit0 As Variant, crit1 As Variant

Windows("samples for event study.xlsm").Activate

Sheets("samples").Cells(2, 3).Select

nrows = ActiveCell.SpecialCells(xlLastCell).Row

s = Val(nrows)

crit0 = Range(Cells(2, 2), Cells(2, 3))

counter = 0

For j = 2 To s - 2

crit1 = Range(Cells(1 + j, 2), Cells(1 + j, 3))

If crit1(1, 1) = crit0(1, 1) And crit1(1, 2) = crit0(1, 2) Then

counter = 1 + counter

Else

If counter = 0 Then

crit0 = crit1

Else

Range(Cells(j + 1, 1), Cells(j - counter + 1, 1)).Interior.Color = QBColor(12)

counter = 0

crit0 = crit1

End If

End If

Next

End Sub

Размещено на Allbest.ru

...