Оценивание систематического инвестиционного риска доходностей на рынках стран БРИКС
Анализ модели CAPM и ее различных модификаций. Меры систематического инвестиционного риска и возможности их применения на фондовых рынках развивающихся стран БРИКС. Построение и тестирование моделей CAPM. Оценка полученных результатов исследования.
| Рубрика | Экономико-математическое моделирование |
| Вид | дипломная работа |
| Язык | русский |
| Дата добавления | 18.10.2016 |
| Размер файла | 2,3 M |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
0.2798
-8.7897468***
2.1601355
4.91e-05
0.008694
-0.0213215***
0.0008157
< 2e-16
0.2657
3.5509803***
0.2888918
< 2e-16
0.0741
-0.0116536***
0.0007578
< 2e-16
0.1113
`***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1
Двухфакторные регрессии:
|
p-value |
p-value |
R2 |
R2 adj |
||||
|
-0.023375*** |
< 2e-16 |
5.155676*** |
< 2e-16 |
0.4056 |
0.4049 |
||
|
-0.0158650*** |
< 2e-16 |
3.0224989*** |
< 2e-16 |
0.3829 |
0.3822 |
||
|
-0.0126252*** |
< 2e-16 |
18.8464493*** |
< 2e-16 |
0.3109 |
0.3102 |
||
|
-0.0235528*** |
< 2e-16 |
4.6703399*** |
< 2e-16 |
0.391 |
0.3904 |
`***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1
В однофакторных регрессиях среди всех значимых на 0,1% уровне показателей прямую зависимость с доходностью показывают только дисперсия и энтропическая дисперсия. Их примерно одинаковы (7 - 9%). В двухфакторных регрессиях эти меры риска также имеют схожие результаты. Поэтому мы сравним дисперсию и энтропическую дисперсию в общей регрессии.
|
ошибка |
p-value |
|||
|
2.181e+02*** |
3.939e+00 |
< 2e-16 |
||
|
-2.053e+02*** |
3.778e+00 |
< 2e-16 |
||
|
R2 |
0.6471 |
R2 adjasted |
0.6467 |
`***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1
В общей регрессии все коэффициенты значимы на 0,1% уровне. Поэтому мы полагаем, что дисперсия и энтропическая дисперсия лучше всего объясняют доходность в данном периоде.
Кризисный период (21.05.2008 - 23.01.2009).
Однофакторные регрессии:
|
ошибка |
p-value |
R2 |
|||
|
0.035810*** |
0.006372 |
4.47e-07 |
0.3304 |
||
|
1.761619*** |
0.491954 |
0.00066 |
0.1669 |
||
|
0.015833* |
0.006596 |
0.0193 |
0.08259 |
||
|
0.479205 |
0.468406 |
0.31 |
0.01609 |
||
|
0.019631*** |
0.005690 |
0.000997 |
0.1568 |
||
|
2.420396 |
1.544321 |
0.122 |
0.03696 |
||
|
0.035501*** |
0.006392 |
5.77e-07 |
0.3252 |
||
|
1.397393** |
0.443104 |
0.00246 |
0.1345 |
||
|
0.11866*** |
0.01828 |
1.44e-08 |
0.3971 |
`***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1
Двухфакторные регрессии:
|
p-value |
p-value |
R2 |
R2 adj |
||||
|
0.066833*** |
1.01e-05 |
-2.391713* |
0.0157 |
0.3901 |
0.3707 |
||
|
0.038653** |
0.0036 |
-1.810965* |
0.0429 |
0.1408 |
0.1135 |
||
|
0.04284*** |
0.000136 |
-6.88948* |
0.012429 |
0.237 |
0.2128 |
||
|
0.072736*** |
5.75e-07 |
-2.562498** |
0.00213 |
0.4197 |
0.4013 |
`***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1
Среди тех мер риска, коэффициенты перед которыми в однофакторных регрессиях получились положительными и значимыми на 0,1% уровне, наибольшей объясняющей силой (33% - 40%) обладают бета, энтропическая бета и tail - beta. В двухфакторных регрессиях классические меры риска и энтропические меры имеют схожую объясняющую силу (37% и 40%). Имеет смысл сравнить бета, энтропическую бета и tail - beta в общей регрессии.
Трехфакторная регрессия:
|
ошибка |
p-value |
|||
|
-0.11586 |
0.19759 |
0.55977 |
||
|
0.13136 |
0.19431 |
0.50154 |
||
|
0.09328** |
0.02759 |
0.00125 |
||
|
R2 |
0.4465 |
R2 adjasted |
0.4197 |
`***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1
В общей регрессии на 1% уровне оказывается значимой только tail - beta. Поэтому мы полагаем, что эта мера систематического риска лучше всего объясняет доходность в данном периоде.
Китай, в качестве безрисковой ставки берется текущая ставка (overnight) по сделкам репо.
Посткризисный период (10.11.2008 - 31.01.2016).
Однофакторные регрессии:
|
ошибка |
p-value |
R2 |
|||
|
-0.0142110*** |
0.0003513 |
< 2e-16 |
0.3343 |
||
|
-1.0682541*** |
0.2075851 |
2.82e-07 |
0.008063 |
||
|
-0.0025524*** |
0.0004284 |
2.86e-09 |
0.01196 |
||
|
1.7927397*** |
0.1173688 |
< 2e-16 |
0.07371 |
||
|
-0.0025471*** |
0.0003953 |
1.36e-10 |
0.01396 |
||
|
1.364e+01*** |
9.342e-01 |
< 2e-16 |
0.06778 |
||
|
-0.0142432*** |
0.0003513 |
< 2e-16 |
0.3353 |
||
|
-1.1406542*** |
0.2016753 |
1.68e-08 |
0.009723 |
||
|
0.0032708*** |
0.0005412 |
1.7e-09 |
0.0123 |
`***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1
Двухфакторные регрессии:
|
p-value |
p-value |
R2 |
R2 adj |
||||
|
-0.0188254*** |
<2e-16 |
4.0089259*** |
<2e-16 |
0.4126 |
0.4123 |
||
|
-0.0050590*** |
<2e-16 |
2.2449575*** |
<2e-16 |
0.116 |
0.1154 |
||
|
-0.0040580*** |
<2e-16 |
15.9160422*** |
<2e-16 |
0.1013 |
0.1007 |
||
|
-0.0186574*** |
<2e-16 |
3.7354424*** |
<2e-16 |
0.4074 |
0.407 |
`***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1
В однофакторных регрессиях среди всех значимых на 0,1% уровне показателей прямую зависимость с доходностью показывают только полудисперсия, полуасимметрия и tail - beta. У общих мер риска примерно одинаковы (около 7%), у tail - beta - ниже (1%). В двухфакторных регрессиях полудисперсия и полуасимметрия также имеют схожие результаты. Поэтому мы сравним полудисперсию, полуасимметрию и tail - beta в общей регрессии.
|
ошибка |
p-value |
|||
|
1.5935005** |
0.5067463 |
0.00168 |
||
|
0.9778747 |
3.9708356 |
0.80549 |
||
|
0.0017658** |
0.0005569 |
0.00154 |
||
|
R2 |
0.07702 |
R2 adjasted |
0.07607 |
`***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1
В совместной регрессии полуасимметрия оказалась не значимой на 5% уровне, значимость остальных коэффициентов больше 1%. Поэтому можно сделать вывод, полуасимметрия показывала хороший результат в однофакторной регрессии только из-за схожего построения с полудисперсией. То есть, для описания доходности финансовых активов лучше всего подходят полудисперсия и tail - beta.
Кризисный период (14.01.2008 - 10.11.2008).
Однофакторные регрессии:
|
ошибка |
p-value |
R2 |
|||
|
-0.043053*** |
0.001318 |
< 2e-16 |
0.857 |
||
|
-8.885486*** |
0.503221 |
< 2e-16 |
0.6366 |
||
|
-0.026511*** |
0.003301 |
1.98e-13 |
0.2873 |
||
|
-2.878601*** |
0.773452 |
0.000274 |
0.07967 |
||
|
-0.022916*** |
0.003510 |
8.4e-10 |
0.2103 |
||
|
-18.707891** |
6.073513 |
0.00244 |
0.05598 |
||
|
-0.043189*** |
0.001314 |
< 2e-16 |
0.8585 |
||
|
-8.551294*** |
0.477697 |
< 2e-16 |
0.6429 |
||
|
-0.046804*** |
0.004717 |
< 2e-16 |
0.3809 |
`***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1
Все однофакторные регрессии показывают отрицательную зависимость доходности от рассматриваемых мер риска.
Китай докризисный период (01.01.2005 - 13.01.2008)
Однофакторные регрессии:
|
ошибка |
p-value |
R2 |
|||
|
-0.0022675** |
0.0007688 |
0.00326 |
0.008736 |
||
|
6.3544192*** |
0.3366047 |
< 2e-16 |
0.2653 |
||
|
0.004399*** |
0.001211 |
0.000295 |
0.0148 |
||
|
8.0486540*** |
0.2795945 |
< 2e-16 |
0.485 |
||
|
0.005480*** |
0.001209 |
6.61e-06 |
0.02285 |
||
|
7.588e+01*** |
2.834e+00 |
< 2e-16 |
0.4489 |
||
|
-0.0022668** |
0.0007700 |
0.00331 |
0.008705 |
||
|
6.2342867*** |
0.3359551 |
< 2e-16 |
0.2587 |
||
|
0.003746. |
0.002201 |
0.0892 |
0.00328 |
`***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1
Двухфакторные регрессии:
|
p-value |
p-value |
R2 |
R2 adj |
||||
|
-0.0097174*** |
< 2e-16 |
8.5453165*** |
< 2e-16 |
0.3942 |
0.393 |
||
|
-0.0036477*** |
6.67e-05 |
8.3837487*** |
< 2e-16 |
0.4956 |
0.4945 |
||
|
-0.0018372. |
0.0529 |
77.3405632*** |
< 2e-16 |
0.452 |
0.4507 |
||
|
-0.0096800*** |
< 2e-16 |
8.4072138*** |
< 2e-16 |
0.386 |
0.3847 |
`***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1
В однофакторных регрессиях среди всех значимых на 0,1% уровне показателей наибольшую объясняющую силу имеют полудисперсия и полуасимметрия (45 - 49%). В двухфакторных регрессиях эти меры риска показывают схожие результаты. Поэтому мы сравним полудисперсию и полуасимметрию в общей регрессии.
|
ошибка |
p-value |
|||
|
1.303e+01*** |
1.520e+00 |
< 2e-16 |
||
|
-4.963e+01*** |
1.489e+01 |
0.000897 |
||
|
R2 |
0.4914 |
R2 adjasted |
0.4903 |
`***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1
Значимость всех коэффициентов в общей регрессии превышает 0,1% уровень. Таким образом, можно сделать вывод, что лучше всего в данном периоде доходность объясняют полудисперсия и полуасимметрия.
Весь период (01.01.2005 - 31.01.2016).
Однофакторные регрессии:
|
ошибка |
p-value |
R2 |
|||
|
-0.0001837 |
0.0005580 |
0.742 |
2.324e-05 |
||
|
-0.3415202** |
0.1317881 |
0.00959 |
0.001439 |
||
|
0.0008034 |
0.0005579 |
0.15 |
0.0004449 |
||
|
0.1979863. |
0.1190824 |
0.0965 |
0.0005928 |
||
|
0.0001710 |
0.0005278 |
0.746 |
2.252e-05 |
||
|
2.0571759* |
1.0331613 |
0.0465 |
0.0008501 |
||
|
-0.0001796 |
0.0005604 |
0.749 |
2.204e-05 |
||
|
-0.4838406*** |
0.1278832 |
0.000157 |
0.003062 |
||
|
0.0028586*** |
0.0007598 |
0.000171 |
0.003028 |
`***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1
Единственным положительным и значимым на 0,1% уровне коэффициентом является коэффициент при tail - beta. Следовательно, из всех рассмотренных мер риска tail - beta лучше всего подходит для описания доходности финансовых активов.
Бразилия, в качестве безрисковой ставки берется Selic.
Посткризисный период (24.11.2008 - 31.01.2016).
Однофакторные регрессии:
|
ошибка |
p-value |
R2 |
|||
|
0.0013941*** |
0.0003318 |
2.75e-05 |
0.007732 |
||
|
2.817e+00*** |
2.104e-01 |
< 2e-16 |
0.07333 |
||
|
0.0003703 |
0.0003386 |
0.274 |
0.0005276 |
||
|
3.1399062*** |
0.2102849 |
< 2e-16 |
0.08958 |
||
|
0.0009050** |
0.0003259 |
0.00553 |
0.003393 |
||
|
5.049e+01*** |
2.629e+00 |
< 2e-16 |
0.1399 |
||
|
0.0014040*** |
0.0003329 |
2.57e-05 |
0.007786 |
||
|
2.5710358*** |
0.2020594 |
< 2e-16 |
0.06668 |
||
|
-0.0035582*** |
0.0004114 |
< 2e-16 |
0.03195 |
`***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1
Двухфакторные регрессии:
|
p-value |
p-value |
R2 |
R2 adj |
||||
|
-0.0040291*** |
< 2e-16 |
4.7842230*** |
< 2e-16 |
0.1022 |
0.1014 |
||
|
-0.0082185*** |
< 2e-16 |
7.2576489*** |
< 2e-16 |
0.1953 |
0.1946 |
||
|
-0.0053928*** |
< 2e-16 |
81.8121436*** |
< 2e-16 |
0.2065 |
0.2058 |
||
|
-0.0037933*** |
4.33e-15 |
4.3468808*** |
< 2e-16 |
0.09171 |
0.09091 |
`***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1
Среди тех мер риска, коэффициенты перед которыми в однофакторных регрессиях получились положительными и значимыми на 0,1% уровне, наибольшей объясняющей силой обладает полуасимметрия (14%). Показатели чуть похуже имеют остальные меры общего риска: дисперсия, полудисперсия и энтропическая дисперсия (7 - 9%). В двухфакторных регрессиях наибольший показывает опять же регрессия с полуасимметрией. Значит, мы делаем вывод, что эта мера риска лучше всего подходит для описания доходности.
Кризисный период (19.05.2008 - 23.11.2008).
|
ошибка |
p-value |
R2 |
|||
|
-0.04109* |
0.01436 |
0.0143 |
0.4057 |
||
|
-7.064092* |
2.768749 |
0.0254 |
0.3517 |
||
|
-0.022303* |
0.008155 |
0.0181 |
0.384 |
||
|
-6.066884** |
1.505035 |
0.00167 |
0.5752 |
||
|
-0.021215* |
0.008382 |
0.0264 |
0.3481 |
||
|
-32.082474*** |
6.711904 |
0.000449 |
0.6556 |
||
|
-0.04334** |
0.01403 |
0.00938 |
0.443 |
||
|
-6.691425* |
2.228293 |
0.011 |
0.4291 |
||
|
-0.06577** |
0.01780 |
0.00307 |
0.5322 |
`***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1
Все однофакторные регрессии показывают отрицательную зависимость доходности от рассматриваемых мер риска.
Докризисный период (01.01.2005 - 18.05.2008)
Однофакторные регрессии:
|
ошибка |
p-value |
R2 |
|||
|
0.0149670*** |
0.0007778 |
< 2e-16 |
0.3549 |
||
|
1.3840660*** |
0.0590678 |
< 2e-16 |
0.4493 |
||
|
0.019132*** |
0.001425 |
< 2e-16 |
0.2114 |
||
|
-0.4099114 |
0.6628645 |
0.537 |
0.0005679 |
||
|
0.020665*** |
0.001531 |
< 2e-16 |
0.2131 |
||
|
-9.9086020 |
8.8934946 |
0.266 |
0.001841 |
||
|
0.0150942*** |
0.0007885 |
< 2e-16 |
0.3525 |
||
|
1.7454791*** |
0.0782677 |
< 2e-16 |
0.425 |
||
|
-0.016778*** |
0.003451 |
1.45e-06 |
0.03393 |
`***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1
Двухфакторные регрессии:
|
p-value |
p-value |
R2 |
R2 adj |
||||
|
0.0001624 |
0.916894 |
1.3722304*** |
< 2e-16 |
0.4493 |
0.4477 |
||
|
0.027220*** |
< 2e-16 |
-6.340738*** |
< 2e-16 |
0.3095 |
0.3074 |
||
|
0.026938*** |
< 2e-16 |
-72.190381*** |
< 2e-16 |
0.2911 |
0.289 |
||
|
0.001752 |
0.280 |
1.581483*** |
< 2e-16 |
0.426 |
0.4243 |
`***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1
Среди тех показателей, коэффициенты перед которыми в однофакторных регрессиях получились положительными и значимыми на 0,1% уровне, наибольшим обладают, дисперсия (45%) и энтропическая дисперсия (43%), несколько хуже - бета (35%) и энтропическая бета (35%). Однако в двухфакторных регрессиях меры систематического риска оказались незначимыми, при этом объясняющая сила примерно одинакова (42 - 45%), а значимость коэффициентов перед мерами общего риска больше 0,1%. Поэтому имеет смысл построить общую регрессии на дисперсию и энтропическую дисперсию.
|
ошибка |
p-value |
|||
|
1.629e+01*** |
1.051e+00 |
< 2e-16 |
||
|
-1.935e+01*** |
1.363e+00 |
< 2e-16 |
||
|
R2 |
0.5763 |
R2 adjusted |
0.5751 |
`***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1
Оба коэффициента значимы на 0,1 уровне. Поэтому мы делаем вывод, что дисперсия и энтропическая дисперсия лучше всего объясняют доходность.
Весь период (01.01.2005 - 31.01.2016).
Однофакторные регрессии:
|
ошибка |
p-value |
R2 |
|||
|
0.0045661*** |
0.0003562 |
< 2e-16 |
0.04499 |
||
|
1.0759026*** |
0.0505993 |
< 2e-16 |
0.1148 |
||
|
0.0020009*** |
0.0004051 |
8.2e-07 |
0.006948 |
||
|
-0.9027065*** |
0.1076726 |
< 2e-16 |
0.01976 |
||
|
0.0017891*** |
0.0003987 |
7.46e-06 |
0.00574 |
||
|
-8.263877*** |
0.679211 |
< 2e-16 |
0.04072 |
||
|
0.0045305*** |
0.0003585 |
< 2e-16 |
0.0438 |
||
|
1.0072543*** |
0.0617501 |
< 2e-16 |
0.0709 |
||
|
-0.0050741*** |
0.0005584 |
< 2e-16 |
0.02313 |
`***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1
Наибольшую объясняющую силу показывает дисперсия (12%), остальных мер риска гораздо меньше (наибольший после дисперсии у энтропической дисперсии - 7%). Таким образом, можно сделать вывод, что среди рассмотренных мер наилучшей являются дисперсия.
Индия, в качестве безрисковой ставки берется текущая (overnight) мумбайская межбанковская ставка.
Посткризисный период (09.03.2009 - 31.01.2016).
Однофакторные регрессии:
|
ошибка |
p-value |
R2 |
|||
|
-0.0014739*** |
0.0002232 |
4.68e-11 |
0.01267 |
||
|
1.9348453*** |
0.1753881 |
< 2e-16 |
0.03459 |
||
|
0.0005657* |
0.0002250 |
0.012 |
0.001857 |
||
|
0.3029230 |
0.2343258 |
0.196 |
0.0004917 |
||
|
0.0003346 |
0.0002176 |
0.124 |
0.0006951 |
||
|
4.1768657 |
3.0401526 |
0.17 |
0.0005554 |
||
|
-0.0014718*** |
0.0002238 |
5.56e-11 |
0.01257 |
||
|
1.670578*** |
0.176223 |
< 2e-16 |
0.02577 |
||
|
-0.0015775*** |
0.0003311 |
1.97e-06 |
0.006638 |
`***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1
Двухфакторные регрессии:
|
p-value |
p-value |
R2 |
R2 adj |
||||
|
-0.0042399*** |
< 2e-16 |
3.8553154*** |
< 2e-16 |
0.1054 |
0.1048 |
||
|
0.0006866* |
0.0258 |
-0.1844369 |
0.5647 |
0.001954 |
0.001366 |
||
|
0.0002444 |
0.344 |
2.3388569 |
0.517 |
0.0008188 |
0.0002304 |
||
|
-0.0040811*** |
< 2e-16 |
3.5536698*** |
< 2e-16 |
0.08969 |
0.08915 |
`***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1
В однофакторных регрессиях только коэффициенты при дисперсии и энтропической дисперсии положительны и значимы на 0,1% уровне. Причем оба показателя имеют примерно равную объясняющую силу (около 3%). В двухфакторных регрессиях эти показатели также значимы и -adjusted тоже примерно одинаков (9 - 10%). Поэтому мы сравним дисперсию и энтропическую дисперсию в общей регрессии.
|
ошибка |
p-value |
|||
|
1.145e+02*** |
3.079e+00 |
< 2e-16 |
||
|
-1.128e+02*** |
3.080e+00 |
< 2e-16 |
||
|
R2 |
0.3079 |
R2 adjusted |
0.3075 |
`***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1
Оба коэффициента значимы на 0,1 уровне. Поэтому мы делаем вывод, что дисперсия и энтропическая дисперсия лучше всего объясняют доходность.
Кризисный период (07.01.2008 - 08.03.2009)
Однофакторные регрессии:
|
ошибка |
p-value |
R2 |
|||
|
-0.009523*** |
0.001815 |
2.54e-07 |
0.0653 |
||
|
-2.7540838*** |
0.2646173 |
< 2e-16 |
0.2156 |
||
|
-0.004667** |
0.001794 |
0.009651 |
0.01688 |
||
|
-3.467648*** |
0.278675 |
< 2e-16 |
0.2821 |
||
|
-0.004851** |
0.001686 |
0.004234 |
0.02058 |
||
|
-2.403e+01*** |
2.029e+00 |
< 2e-16 |
0.2626 |
||
|
-0.009788*** |
0.001826 |
1.43e-07 |
0.06794 |
||
|
-2.7469574*** |
0.2456527 |
< 2e-16 |
0.2409 |
||
|
-0.011415*** |
0.002395 |
2.65e-06 |
0.05451 |
`***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1
Все однофакторные регрессии показывают отрицательную зависимость доходности от рассматриваемых мер риска.
Докризисный период (01.01.2005 - 06.01.2008).
Однофакторные регрессии:
|
ошибка |
p-value |
R2 |
|||
|
0.0083148*** |
0.0009325 |
< 2e-16 |
0.06451 |
||
|
2.3990113*** |
0.0997054 |
< 2e-16 |
0.3343 |
||
|
0.0057114*** |
0.0004039 |
< 2e-16 |
0.1478 |
||
|
1.2500542*** |
0.2260145 |
3.94e-08 |
0.02585 |
||
|
0.0055806*** |
0.0003955 |
< 2e-16 |
0.1473 |
||
|
9.0997139*** |
1.9225360 |
2.48e-06 |
0.01906 |
||
|
0.0084776*** |
0.0009317 |
< 2e-16 |
0.06699 |
||
|
2.6068056*** |
0.1131222 |
< 2e-16 |
0.3153 |
||
|
0.0039959*** |
0.0001438 |
< 2e-16 |
0.4012 |
`***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1
Двухфакторные регрессии:
|
p-value |
p-value |
R2 |
R2 adj |
||||
|
0.0030270*** |
0.000227 |
2.2865552*** |
< 2e-16 |
0.3421 |
0.3409 |
||
|
9.696e-03*** |
< 2e-16 |
-2.687e+00*** |
4.34e-16 |
0.1953 |
0.1939 |
||
|
1.035e-02*** |
< 2e-16 |
-2.763e+01*** |
< 2e-16 |
0.2153 |
0.2139 |
||
|
0.0022932** |
0.00710 |
2.4925146*** |
< 2e-16 |
0.3196 |
0.3184 |
`***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1
Среди коэффициентов однофакторных регрессий значимых на 0,1 уровне наибольшую объясняющую силу имеют tail - beta (40%), дисперсия (33%) и энтропическая дисперсия (31%). А все двухфакторные регрессии с дисперсией и энтропической дисперсией имеют схожие (31 - 34%). Сравним tail - beta, дисперсию и энтропическую дисперсию в совместной регрессии.
|
ошибка |
p-value |
|||
|
0.0963917. |
0.0578888 |
0.0962 |
||
|
-0.0886327 |
0.0579317 |
0.1263 |
||
|
0.0041039*** |
0.0001658 |
< 2e-16 |
||
|
R2 |
0.4595 |
R2 adjusted |
0.4581 |
`***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1
В общей регрессии на 1% уровне оказывается значимой только tail - beta. Поэтому мы полагаем, что эта мера систематического риска лучше всего объясняет доходность в данном периоде.
Весь период (01.01.2005 - 31.01.2016).
Однофакторные регрессии:
|
ошибка |
p-value |
R2 |
|||
|
0.0005286. |
0.0002760 |
0.0555 |
0.0006338 |
||
|
0.1621842* |
0.0711752 |
0.0227 |
0.0008969 |
||
|
0.0028787*** |
0.0002496 |
< 2e-16 |
0.02248 |
||
|
-1.0167907*** |
0.0758397 |
< 2e-16 |
0.03014 |
||
|
0.0026225*** |
0.0002427 |
< 2e-16 |
0.0198 |
||
|
-7.7947514*** |
0.6036085 |
< 2e-16 |
0.02802 |
||
|
0.0005339. |
0.0002769 |
0.0538 |
0.0006426 |
||
|
-0.0663902 |
0.0708493 |
0.349 |
0.0001518 |
||
|
0.0036157*** |
0.0001913 |
< 2e-16 |
0.05819 |
`***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1
Среди тех мер риска, коэффициенты перед которыми в однофакторных регрессиях получились положительными и значимыми на 0,1% уровне, наибольшим обладает tail - beta (6%). Следовательно, можно полагать, что эта мера риска лучше всего подходит для описания доходности финансовых активов.
Индия, в качестве безрисковой ставки берется трехмесячная мумбайская межбанковская ставка.
Посткризисный период (09.03.2009 - 31.01.2016).
Однофакторные регрессии:
|
ошибка |
p-value |
R2 |
|||
|
-0.0014847*** |
0.0002234 |
3.49e-11 |
0.01284 |
||
|
1.888867*** |
0.176676 |
< 2e-16 |
0.03255 |
||
|
0.0005008* |
0.0002295 |
0.0291 |
0.0014 |
||
|
0.2500453 |
0.2373363 |
0.292 |
0.0003266 |
||
|
0.0002724 |
0.0002220 |
0.22 |
0.0004429 |
||
|
4.0860753 |
3.0833879 |
0.185 |
0.0005167 |
||
|
-0.0014820*** |
0.0002240 |
4.23e-11 |
0.01273 |
||
|
1.6248478*** |
0.1767886 |
< 2e-16 |
0.02426 |
||
|
-0.0015198*** |
0.0003349 |
5.88e-06 |
0.006025 |
`***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1
Двухфакторные регрессии:
|
p-value |
p-value |
R2 |
R2 adj |
||||
|
-0.0042203*** |
< 2e-16 |
3.8185504*** |
< 2e-16 |
0.1023 |
0.1018 |
||
|
0.0006251* |
0.0458 |
-0.1890894 |
0.5588 |
0.001501 |
0.0009126 |
||
|
0.0001613 |
0.539 |
2.8906590 |
0.428 |
0.0006278 |
3.928e-05 |
||
|
-0.0040581*** |
< 2e-16 |
3.5052277*** |
< 2e-16 |
0.08719 |
0.08665 |
`***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1
В однофакторных регрессиях только коэффициенты при дисперсии и энтропической дисперсии положительны и значимы на 0,1% уровне. Причем оба показателя имеют примерно равную объясняющую силу (2 - 3%). В двухфакторных регрессиях эти показатели также значимы и -adjusted тоже примерно одинаков (9 - 10%). Поэтому мы сравним дисперсию и энтропическую дисперсию в общей регрессии.
|
ошибка |
p-value |
|||
|
1.180e+02*** |
3.193e+00 |
< 2e-16 |
||
|
-1.158e+02*** |
3.182e+00 |
< 2e-16 |
||
|
R2 |
0.3041 |
R2 adjusted |
0.3037 |
`***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1
Оба коэффициента значимы на 0,1 уровне. Поэтому мы делаем вывод, что дисперсия и энтропическая дисперсия лучше всего объясняют доходность финансовых активов в данном периоде.
Кризисный период (07.01.2008 - 08.03.2009)
Однофакторные регрессии:
|
ошибка |
p-value |
R2 |
|||
|
-0.008987*** |
0.001761 |
5.21e-07 |
0.062 |
||
|
-2.703276*** |
0.271478 |
< 2e-16 |
0.2011 |
||
|
-0.005498** |
0.001730 |
0.00160 |
0.02498 |
||
|
-3.482248*** |
0.298227 |
<2e-16 |
0.2571 |
||
|
-0.005754*** |
0.001628 |
0.000456 |
0.03074 |
||
|
-2.428e+01*** |
2.170e+00 |
< 2e-16 |
0.2411 |
||
|
-0.009223*** |
0.001770 |
3.04e-07 |
0.06447 |
||
|
-2.6883229*** |
0.2508702 |
< 2e-16 |
0.2257 |
||
|
-0.011113*** |
0.002386 |
4.4e-06 |
0.05217 |
`***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1
Все однофакторные регрессии показывают отрицательную зависимость доходности от рассматриваемых мер риска.
Докризисный период (01.01.2005 - 06.01.2008).
Однофакторные регрессии:
|
ошибка |
p-value |
R2 |
|||
|
0.0097201*** |
0.0008854 |
< 2e-16 |
0.09464 |
||
|
2.3586785*** |
0.0984207 |
< 2e-16 |
0.3325 |
||
|
0.0058138*** |
0.0003985 |
< 2e-16 |
0.1558 |
||
|
0.9286129*** |
0.2162946 |
1.91e-05 |
0.01573 |
||
|
0.0056511*** |
0.0003931 |
< 2e-16 |
0.152 |
||
|
7.2244875*** |
1.8368304 |
8.89e-05 |
0.01324 |
||
|
0.0098848*** |
0.0008847 |
< 2e-16 |
0.09769 |
||
|
2.5565165*** |
0.1114229 |
< 2e-16 |
0.3135 |
||
|
0.0057558*** |
0.0002071 |
< 2e-16 |
0.4012 |
`***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1
Двухфакторные регрессии:
|
p-value |
p-value |
R2 |
R2 adj |
||||
|
0.0039230*** |
1.13e-06 |
2.1841754*** |
< 2e-16 |
0.3461 |
0.345 |
||
|
0.0112153*** |
< 2e-16 |
-3.4756898*** |
< 2e-16 |
0.2417 |
0.2404 |
||
|
1.155e-02*** |
< 2e-16 |
-3.230e+01*** |
< 2e-16 |
0.2513 |
0.25 |
||
|
0.0033367*** |
7.07e-05 |
2.3638238*** |
< 2e-16 |
0.3228 |
0.3216 |
`***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1
Среди коэффициентов однофакторных регрессий значимых на 0,1 уровне наибольшую объясняющую силу имеют tail - beta (40%), дисперсия (33%) и энтропическая дисперсия (31%). А все двухфакторные регрессии с дисперсией и энтропической дисперсией имеют схожие (32 - 35%). Сравним tail - beta, дисперсию и энтропическую дисперсию в совместной регрессии.
|
ошибка |
p-value |
|||
|
7.0250332*** |
1.7042266 |
4.02e-05 |
||
|
-7.1417879*** |
1.7553265 |
5.05e-05 |
||
|
0.0042364*** |
0.0005600 |
7.87e-14 |
||
|
R2 |
0.4099 |
R2 adjusted |
0.4084 |
`***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1
В общей регрессии все коэффициента значимы на 0,1 уровне. Поэтому мы делаем вывод, что дисперсия, энтропическая дисперсия и tail - beta лучше всего объясняют доходность финансовых активов в данном периоде.
Весь период (01.01.2005 - 31.01.2016).
Однофакторные регрессии:
|
ошибка |
p-value |
R2 |
|||
|
0.0006878* |
0.0002746 |
0.0123 |
0.001083 |
||
|
0.2099615** |
0.0721617 |
0.00363 |
0.001462 |
||
|
0.0029868*** |
0.0002513 |
< 2e-16 |
0.02383 |
||
|
-0.9647516*** |
0.0783296 |
< 2e-16 |
0.02556 |
||
|
0.0027526*** |
0.0002448 |
< 2e-16 |
0.02139 |
||
|
-7.463730*** |
0.631546 |
< 2e-16 |
0.02358 |
||
|
0.0006966* |
0.0002755 |
0.0115 |
0.001104 |
||
|
-0.0213488 |
0.0716489 |
0.766 |
1.535e-05 |
||
|
0.0042997*** |
0.0002468 |
< 2e-16 |
0.04988 |
`***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1
Среди тех мер риска, коэффициенты перед которыми в однофакторных регрессиях получились положительными и значимыми на 0,1% уровне, наибольшим обладает tail - beta (5%). Следовательно, можно полагать, что эта мера риска лучше всего подходит для описания доходности финансовых активов.
Южно-Африканская Республика, в качестве безрисковой ставки берется JIBAR - средняя межбанковская ставка
Посткризисный период (09.03.2009 - 31.01.2016).
Однофакторные регрессии:
|
ошибка |
p-value |
R2 |
|||
|
-8.265e-05 |
3.090e-04 |
0.789 |
2.107e-05 |
||
|
-5.7656453*** |
0.2158853 |
< 2e-16 |
0.1735 |
||
|
-0.0022873*** |
0.0001541 |
< 2e-16 |
0.06091 |
||
|
-6.0839368*** |
0.2213290 |
< 2e-16 |
0.182 |
||
|
-0.0015211*** |
0.0001488 |
< 2e-16 |
0.02986 |
||
|
-8.391e+01*** |
3.032e+00 |
< 2e-16 |
0.184 |
||
|
-0.0001189 |
0. 0003085 |
0.7 |
4.375e-05 |
||
|
-5.6260605*** |
0.2058589 |
< 2e-16 |
0.1802 |
||
|
-0.0020561*** |
0.0002611 |
4.57e-15 |
0.01793 |
... |
Подобные документы
Виды инвестиционного риска. Понятия доходности и риска ценной бумаги. Однофакторная модель рынка капитала. Модель размещения средств с анализом риска убытков Ф. Фабоцци. Практическое применении модели Г. Марковица для оптимизации фондового портфеля.
презентация [109,0 K], добавлен 04.01.2015Решения, связанные с рисками. Снижение риска с помощью статистической теории принятия решений. Применение модели платежной матрицы и различных ее вариантов. Направленность изменений соотношений темпов роста показателей, формирующих динамические модели.
контрольная работа [41,2 K], добавлен 28.03.2013Проведение вычислений с использованием паутинообразной модели. Определение характеристик рынка и расчет эффективности деятельности предприятия. Выбор инвестиционного проекта с максимальным денежным потоком и внутренней нормой рентабельности проекта.
контрольная работа [46,9 K], добавлен 09.07.2014Изучение статистического метода анализа риска. Анализ и оценка уровеня риска деятельности предприятия с помощью графика Лоуренца. Страновой риск – риск изменения текущих или будущих политических или экономических условий в странах. Оценка производства.
контрольная работа [72,3 K], добавлен 10.02.2009Соотношение объектов риска и нежелательных событий. Характерные источники и факторы риска. Классификация и характеристика основных видов риска. Особенности возникновения индивидуального, технического, экологического, социального и экономического рисков.
презентация [70,6 K], добавлен 28.05.2013Задачи операционного исследования. Построение базовой аналитической модели. Описание вычислительной процедуры. Решение задачи оптимизации на основе технологии симплекс-метода. Анализ результатов базовой аналитической модели и предложения по модификации.
курсовая работа [1,5 M], добавлен 12.12.2009Основы построения и тестирования адекватности экономических моделей множественной регрессии, проблема их спецификации и последствия ошибок. Методическое и информационное обеспечение множественной регрессии. Числовой пример модели множественной регрессии.
курсовая работа [3,4 M], добавлен 10.02.2014Современное состояние международного фондового рынка, его тенденции и перспективы. Сетевой подход при моделировании сложных систем, его использование при анализе фондовых рынков. Описание модели рыночного графа и доходностей, их свойства, плюсы и минусы.
дипломная работа [1,6 M], добавлен 08.11.2015Особенности функционирования региональных рынков жилой недвижимости. Значимые факторы, отражающие процессы ценообразования на рынках жилой недвижимости в регионах. Построение многофакторных регрессионных моделей стоимости жилья в некоторых областях РФ.
дипломная работа [2,8 M], добавлен 11.02.2017Российский рынок бензина. Рост цен на бензин. Обоснование возможности применения статистических методов для моделирования и прогнозирования цен на бензин. Обработка результатов. Построение трендовой, регрессионных моделей и прогнозирование с их помощью.
курсовая работа [2,5 M], добавлен 16.04.2008Раскрытие содержания математического моделирования как метода исследования и прогнозирования развития объектов народного хозяйства. Алгоритмы, модели и функции процедуры Эйткена. Оценивание ковариационной матрицы вектора при оценке объектов недвижимости.
статья [56,4 K], добавлен 14.10.2012Оценка адекватности эконометрических моделей статистическим данным. Построение доверительных зон регрессий спроса и предложения. Вычисление коэффициента регрессии. Построение производственной мультипликативной регрессии, оценка ее главных параметров.
контрольная работа [1,2 M], добавлен 25.04.2010Нахождение оптимального портфеля ценных бумаг. Обзор методов решения поставленной задачи. Построение математической модели. Задача конусного программирования. Зависимость вектора распределения начального капитала от одного из начальных параметров.
дипломная работа [1,5 M], добавлен 11.02.2017Математическая модель задачи принятия решения в условиях риска. Нахождение оптимального решения по паре критериев. Построение реализационной структуры задачи принятия решения. Ориентация на математическое ожидание, среднеквадратичное отклонение.
курсовая работа [79,0 K], добавлен 16.09.2013Описание классической линейной модели множественной регрессии. Анализ матрицы парных коэффициентов корреляции на наличие мультиколлинеарности. Оценка модели парной регрессии с наиболее значимым фактором. Графическое построение интервала прогноза.
курсовая работа [243,1 K], добавлен 17.01.2016Построение математических моделей по определению плана выпуска изделий, обеспечивающего максимальную прибыль, с помощью графического и симплексного метода. Построение моделей по решению транспортных задач при применении метода минимальной стоимости.
задача [169,2 K], добавлен 06.01.2012Анализ возможности применения нейронных сетей в оценке вероятности наступления банкротства предприятия в современных условиях хозяйствования. Проблема рисков в экономике. Финансовые коэффициенты, применяемые в российских методиках оценки банкротства.
курсовая работа [451,6 K], добавлен 14.08.2013Систематизация существующих методов и моделей управления портфельными инвестициями. Ограничения их использования в условиях экономики России на фондовом рынке. Рыночные риски при инвестировании оборотного капитала в закупку материальных ресурсов.
автореферат [75,3 K], добавлен 24.12.2009Определение наличия тенденции по заданным значениям прибыли фирмы. Построение графика линейной парной регрессии, нанесение полученных результатов на диаграмму рассеяния. Прогнозирование величины прибыли с помощью построенной регрессионной модели.
контрольная работа [284,0 K], добавлен 27.10.2010Построение анализа случайной компоненты для проверки адекватности выбранных моделей реальному процессу (в частности, адекватности полученной кривой роста). Оценка параметров модели в условиях автокорреляции и определение критерия автокорреляции.
контрольная работа [44,0 K], добавлен 13.08.2010
