Визуальные модели финансового менеджмента

Размещено на http://www.allbest.ru/

ВИЗУАЛЬНЫЕ МОДЕЛИ ФИНАНСОВОГО МЕНЕДЖМЕНТА

Булгаков Ю.В.

Красноярский государственный аграрный университет, Красноярск, Россия

Visual models for forecasting the cost of financial tools, which are intended for activization of studying statistical dynamics of pricing, are offered in this article.

Опыт преподавания экономических и управленческих дисциплин показывает, что студенты, как и большинство людей, значительно лучше воспринимают графическую информацию, чем аналитические зависимости. В то же время современный курс финансового менеджмента оперирует моделями и инструментами, которые в недалеком прошлом использовали только физики и математики. Для устранения этого противоречия оптимальным, по нашему мнению, вариантом является использование пакета Simulink, который позволяет выполнять исследование (моделирование) сложных динамических систем. Хотя Simulink предназначен, в основном, для решения инженерных и научно-технических задач, возможности его применения для исследования финансово-экономических проблем практически не ограничены [1]. Ввод исходных параметров производится в интерактивном режиме путем графической сборки схемы соединений элементарных блоков, в результате чего получается модель исследуемой системы. Блоки, включаемые в модель, связаны друг с другом, как по информации, так и по управлению. Тип связи зависит от типа блока и логики работы модели. С помощью Simulink автоматизируется наиболее трудоемкий этап моделирования - составление и решение систем дифференциальных и алгебраических уравнений, описывающих рассматриваемую модель. Для пользователя не обязательно знать язык программирования, а достаточно иметь лишь общие навыки работы с компьютером и логическое мышление.

На кафедре менеджмента и административного управления КрасГАУ разработан комплекс моделей по основным разделам финансового менеджмента. Следует отметить, что применение визуальных моделей даже в качестве слайдов на занятиях дает положительный эффект, поскольку модель - это алгоритм решения сложной задачи и его можно во многих случаях достаточно просто реализовать в таблицах Excel. В качестве примера здесь рассматривается проблема прогнозирования курса акций и стоимости опционов.

Современные методы оценки финансовых активов, связанные с именами А. А. Маркова, А. Н. Колмогорова, Н. Винера, К. Ито, Ф. Блэка, М. Шоулза, Р. Мертона, основаны на предположении, что будущая цена зависит только от ее значения в данный момент и не зависит от предыдущих значений [2,3]. На практике используют биномиальные, триномиальные и броуновские модели. Наиболее распространенной является теория геометрического броуновского движения (GBM). При этом приращение цены dS за малый промежуток времени dt подчиняется стохастическому дифференциальному уравнению . В этом уравнении приняты следующие обозначения: е - случайное число из последовательности нормально распределенных случайных чисел со средним значением 0 и стандартным отклонением 1; µ, у - доходность и стандартное отклонение доходности актива за расчетный период соответственно. Если время считается в долях года, то µ и у принимаются в годовом измерении, например, µ = 0,2 и у = 0,3, а если единицей измерения времени является день, то и , где 252 - число рабочих дней на бирже. Таким образом, коэффициент пересчета календарных дней в рабочие равен 0,7, если в году принято считать 360 дней.

Для получения статистически обоснованных результатов необходимо иметь несколько тысяч реализаций. Поэтому разработана простая модель, позволяющая решать множество задач, связанных с ценообразованием финансовых активов (рисунок 1).

simulink финансовый ценообразование актив

Рисунок 1. Модель для прогнозирования курса акций.

Источником стандартизованных случайных чисел является блок Random Number, который при каждом запуске модели генерирует новую последовательность этих чисел (не менее десяти тысяч). Исходная информация (волатильность, доходность и стартовая цена) получена по данным о дневных котировках акций Сбербанка на ММВБ за предыдущие два года. В треугольном блоке Daily volatility выполняется операция умножения дневной волатильности на случайное число. Единицей модельного времени является один день, поэтому время моделирования задается не в долях года, а в днях. В блоке Statistica вычисляются среднее, стандартное отклонение, VaR и медиана за заданный период. На схеме представлены результаты моделирования за 252 дня, то есть за календарный год.

Кроме стандартных характеристик выборки в модели вычисляется стоимость под риском VaR, то есть максимально возможный убыток инвестора в денежном измерении из-за колебаний цены при заданном уровне доверительной вероятности и длительности временного периода. Данный показатель определяется, как правило, для однодневного, десятидневного или месячного периода. Величина VaR для однородного портфеля определяется как произведение стандартного отклонения для выбранного периода на коэффициент кратности нормального распределения и на количество акций в портфеле. Коэффициенты кратности принимают 1,645 (95%) или 2,326 (99%). Например, для месячного периода по данной модели, если стоимость портфеля составляет 100 тыс. руб., то величина VаR, равная 15,05 тыс. руб. при 95% уровне доверия означает, что можно с 95% вероятности утверждать, что инвестор в течение следующего месяца не потеряет более 15,05 тыс. рублей. Следует отметить, что точно такой же способ применяется для расчета размера резерва при случайном спросе в управлении запасами.

На рисунке 2 для примера показаны сто из десяти тысяч возможных реализаций случайного процесса изменения цен в течение года, полученные с осциллографа Scope, где горизонтальная ось времени соответствует номеру рабочего дня года, а вертикальная - ценам на акцию.

Рисунок 2. Реализации случайного процесса изменения цен.

Дневное распределение цен всегда подчиняется несимметричному логарифмически нормальному распределению, а отклонение медианы от среднего показывает степень этой асимметрии. Значение медианы 120,6 руб. означает, что в половине случаев фактическая цена будет больше этой величины, а в половине - меньше. На основе рассмотренного алгоритма разработана модель для расчета стоимости опционов без использования довольно громоздких и сложных для восприятия формул Блэка-Шоуэлза.

Опцион - ценная бумага, которая дает право покупателю опциона совершить определенную сделку при оплате премии продавцу опциона. Покупатель единолично решает, будет ли исполнен контракт. Продавец обязан осуществить сделку по заранее согласованной цене (цене исполнения) либо в любое время, либо в точную дату в зависимости от типа опциона (американский или европейский). По своему характеру опцион аналогичен страховому полису - покупатель опциона страхует свои риски, а продавец выступает в роли страховщика. Поскольку опционы используют для страхования рисков, для расчета оптимальной стоимости опционов (премии) используют по существу тот же принцип эквивалентности взаимных обязательств покупателя и продавца, что и в актуарных расчетах имущественного страхования.

Опцион колл - право, но не обязательство, приобрести определенное количество актива по определенной цене в установленное время. Опцион пут - право, но не обязательство, продать определенное количество актива по определенной цене в установленное время. Для покупателя опциона потенциальная прибыль ничем не ограничена, а убыток не может превысить выплаченной премии. Для продавца опциона, наоборот, прибыль ограничена полученной премией, но возможны неограниченные убытки, так как под воздействием различных факторов цена актива может расти или падать до непредсказуемых значений, то есть здесь также наблюдается аналогия с имущественным страхованием.

В качестве исходной информации используют цены активов (акций, валют или товаров), безрисковые процентные ставки, соответствующие сроку жизни опциона, и волатильность. На рисунке 3 дана структура модели, где в соответствующих блоках записаны исходные данные: биржевой курс - 42 руб., цена исполнения - 40 руб., безрисковая ставка - 10%, годовая волатильность - 0,2, время до исполнения опциона шесть месяцев (126 дней).

Рисунок 3. Модель оценки стоимости опционов

Модель основана на законе больших чисел: среднее значение очень большого числа случайных величин, принимающих свои значения независимо друг от друга, с практической достоверностью равно постоянной величине. В отличие от предыдущей модели здесь используется не доходность актива, а безрисковая ставка доходности за период действия опциона со знаком минус. Поэтому в блок Add1 поступают дисконтированные по этой ставке случайные значения цены исполнения опциона u. В блоке Minimax1 выполняется операция формирования усеченного распределения путем замены отрицательных значений приведенной стоимости опциона колл на 0: c = max[(42 - u), 0]. В блоке Minimax2 выполняется та же самая операция для опциона пут: p = max[(u - 42), 0]. В результате получается множество случайных значений стоимости опциона колл c и соответственно - стоимости опциона пут p. Далее с помощью блоков Mean1,2 определяются средние полученных выборок CallPrice и PutPrice, которые и являются искомыми величинами. Естественно, при каждом запуске модели результаты, которые на современном компьютере получаются практически мгновенно, несколько отличаются, но погрешность пренебрежимо мала.

Ожидаемую (подразумеваемую) волатильность можно вычислить методом подбора всего за несколько шагов. В блок Daily volatility подставляют различные значения волатильности до тех пор, пока расчетная цена опциона, отображаемая на дисплее, не совпадет с реальной рыночной ценой опциона. С помощью этой же модели можно определить основные коэффициенты, используемые для анализа и хеджирования рисков, обозначаемые как дельта, гамма, вега, тэта, ро. Модель легко модернизировать для индексных, валютных, фьючерсных и барьерных опционов, а также для акций с дивидендной доходностью. Существенным преимуществом Simulink-моделей является возможность визуального наблюдения изменения всех входных и выходных параметров с помощью осциллографа, который можно подключить к любому участку схемы.

Таким образом, разработанные модели, основанные на теории геометрического броуновского движения, позволяют повысить эффективность исследования статистической динамики ценообразования финансовых инструментов, а также мотивацию студентов вследствие игрового характера процесса решения сложных аналитических задач.

Литература

1. Цисарь И.Ф. Matlab/Simulink. Компьютерное моделирование экономики. - М.: "СОЛОН-ПРЕСС", 2008.

2. Халл Д. Опционы, фьючерсы и другие производные финансовые инструменты. - М.: Вильямс, 2008.

3. Уотшем Т.Дж., Паррамоу K. Количественные методы в финансах. - М.: ЮНИТИ, 1999.

Сведения об авторе.

Булгаков Юрий Васильевич: 660017, г. Красноярск, ул. Дубровинского, 106, кв. 307; тел. (391) 212-04-70, к. т. н., доцент кафедры менеджмента и административного управления КрасГАУ, yurii - bulgakov@mail.ru

Размещено на Allbest.ru