Криптовалюта: новые возможности или финансовый пузырь?
Технология, обеспечивающая работу системы криптовалют. Финансовые пузыри, их характеристика и особенности. Фрактальный анализ и метод исключения трендов. Обобщенный, супремум расширенный тест Дики-Фуллера. Моделирование с учетом поведенческих факторов.
| Рубрика | Менеджмент и трудовые отношения |
| Вид | дипломная работа |
| Язык | русский |
| Дата добавления | 23.12.2019 |
| Размер файла | 3,8 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.
узость рынка актива, когда рост происходит лишь в определенных сегментах. Происходит концентрация спекулятивных действий со стороны участников рынка на нескольких активах;
На основе приведенной классификации признаков финансового пузыря можно сделать вывод о том, что некоторые из них можно четко проследить на множестве рынков финансовых активов, в том числе и на рынке криптовалют. При этом, наличие признаков пузыря не является свидетельством безусловного наличия финансового пузыря на рынке актива. На рынке криптовалют можно проследить, во-первых, быстрый и резкий рост курса большинства криптовалют, количества ICO и общей капитализации всех рынков в течение 2016-2018 годов.
Результатом бурного подъема рынков криптовалют стало увеличение доли непрофессиональных трейдеров, подверженных трендам и информационным шокам в большей степени, которые пришли на рынок ради спекулятивной торговли и быстрого заработка на колебаниях курса.
Такое поведение инвесторов на рынке криптовалют представляет собой следующий признак финансового пузыря, когда множество игроков на рынке открывают короткие позиции и занимаются спекулятивной торговлей.
Можно заключить, что на рынках финансовых активов имеются многие признаки финансового пузыря.
2.2 Жизненный цикл финансового пузыря
Традиционно можно выделить несколько этапов жизни финансового пузыря, одну из таких классификаций предлагает Х. Мински. Рисунок 2.1 иллюстрирует этапы жизненного цикла финансового пузыря на рынке актива:
Рисунок 2.1 - Фазы жизненного цикла финансового пузыря на бирже NASDAQ 100 в 1996-2002 годы на основе подхода Х. Мински
Составлено автором на основе рыночных котировок индекса NASDAQ
Первоначальный сдвиг представляет из себя значительное потрясение на рынке, такое как ввод новых технологий, финансовые инновации или изменения в проводимой в отношении рынка актива политики, что приводит к изменению ожиданий инвесторов относительно будущих прибылей. На протяжении данного этапа происходит рост спроса на актив, а также устойчивый планомерный рост цены самого актива при снижающейся волатильности цен. На данном этапе часто происходит распространение положительных новостей, убеждающих участников рынка в дальнейшем росте актива.
Фаза Бума следует после первоначального сдвига, ее можно охарактеризовать низкой волатильностью доходности, повышением уровня кредитования с целью покупки актива, значительным повышением объема инвестиций в актив.
Наступление фазы Эйфории происходит тогда, когда инвестировавшие в актив игроки начинают торговлю данным активом по большей части на основе спекулятивного мотива.
Чаще всего на данном этапе происходит взрывной рост цен на актив, а также объема торговли. На данном этапе у инвесторов может присутствовать некоторая осведомленность о потенциальном наличии признаков финансового пузыря на рынке торгуемого актива, но они рассчитывают успеть реализовать его по высокой цене.
Ближе к концу данной фазы наблюдается рост волатильности цен, а также волатильности доходности.
На фазе Получения прибыли наиболее аккуратные инвесторы начинают реализовывать имеющийся актив, чтобы зафиксировать прибыль. Темп роста цен на актив замедляется, но цены остаются высокими благодаря огромному спросу, а также вновь прибывшим на рынок актива игрокам.
Наконец, наступает момент, когда возникает резкий негативный новостной поток, это приводит к тому, что увеличивается количество желающих продать актив инвесторов, что приводит к устойчивому и значительному падению цены на актив, то есть началу фазы Паники.
Поведение первых среагировавших игроков служит плохим сигналом для других участников рынка, что приводит к массовым попыткам продажи актива, приводящим к падению уровня цен ниже первоначальных уровней.
Использование кредитования при инвестировании в актив может приводить к падению стоимости актива ниже фундаментальных уровней.
2.3 Причины возникновения финансовых пузырей
Существует множество причин возникновения финансовых пузырей, многие из которых могут быть выявлены только после его схлопывания и сложны для идентификации. Классификация существующих факторов, напрямую или опосредованно влияющих на вероятность возникновения финансового пузыря разделяет их на основные группы факторов возникновения финансовых пузырей - макроэкономические и поведенческие.
Первая группа включает в себя факторы, связанные с общим состоянием макроэкономической конъюнктуры.
К поведенческим факторам следует относить когнитивные и эмоциональные факторы.
Когнитивные факторы основаны на ложных рассуждениях и неверно-обработанной информации, эмоциональные факторы основываются на эмоциональной составляющей индивида при отсутствии обосновывающих цену расчетов.
Рисунок 2.2 иллюстрирует основные причины возникновения финансовых пузырей.
Рисунок 2.2 - Причины возникновения финансовых пузырей
Макроэкономические факторы
Макроэкономические факторы не могут являться причинами возникновения пузырей, но могут усиливать воздействие поведенческих отклонений на изменение цен активов. Во-первых, это низкий уровень процентных ставок в экономике, что способствует увеличению объема кредитования участников финансового рынка. Часть полученных кредитов может быть направлена на фондовые рынки, что приводит к росту спроса на определенные активы.
Одним из важных факторов, выделяемых Баско, является степень открытости экономики и ее вовлеченности в международную торговлю и международный финансовый рынок. Баско отмечает повышенную вероятность возникновения финансового пузыря у стран с более развитой финансовой системы и финансовым рынком, в частности, а также вовлеченностью экономики страны в мировой финансовый рынок.
Следующим фактором, выступающим в качестве возможной причины возникновения пузыря, является низкий уровень транзакционных издержек совершения торговых операций. Изменения уровней значений показателей данных факторов при наличии финансового пузыря могут позволить разработать политику плавного остужения рынка его регулятором. Учет макроэкономических факторов необходим для разработки механизмов борьбы с возникающими финансовыми пузырями.
Поведенческие факторы
Среди поведенческих факторов различают когнитивные и эмоциональные факторы, оказывающие влияние на субъекты финансового пузыря или темпы его возникновения. К когнитивным поведенческим факторам относят:
Чрезмерная уверенность - в финансах под данным фактором подразумевается необоснованная убежденность в правильности собственных суждений относительно результативности активов и внешних факторов в будущих периодах. Такое поведение может приводить к различным ожиданиям относительно фундаментальной стоимости базового актив. Таким образом, субъекты рынка с более низкой оценкой имеют возможность передать права на актив субъектам с более высокой оценкой фундаментальной стоимости, последние же убеждены в возможности перепродажи данного актива по более высокой стоимости в совокупности со стоимостью опциона на перепродажу;
Приписывание успеха - это тенденция субъектов рынка объяснять свои достижения внутренними качествами человека, в то время как неудачи объясняются случайными внешними факторами. Модель Гервайса и Одеана [Gervais and Odean, 2001] предполагает, что индивид оценивает свои способности в зависимости от успешности предыдущих сделок. Так, при наличии ряда успешных сделок, оценка собственных способностей сильно завышается. Кроме того, такая характеристика в большей степени присуща неопытным трейдерам, что приводит к повышенной вероятности возникновения пузыря на рынках с менее опытными участниками.
Эффект якоря - смысл эффекта заключается в привязке человека к определенному начальному значению при оценке неизвестных величин. При этом, может возникать недооценка поступающей информации, а финальная оценка трансформируется из переоцененного якоря.Кроме того, разные участники рынка имеют разный горизонт планирования, что делает невозможным определение единого горизонта планирования. Динамика рынка не может быть предсказана точным образом, что делает невозможным и определение момента схлопывания пузыря. К данному фактору можно также отнести склонность придавать большее значение старой информации, недооценивая новую, или эффект консерватизма.
Иллюзия контроля - этот фактор представляет из себя тенденцию индивида верить в возможность контроля и влияния на ситуацию, когда такая возможность отсутствует. Таким образом, это склонность людей переоценивать вероятность собственного успеха. Иллюзия контроля может приводить к недооценке имеющихся рисков, ее возникновение может быть связано с доступом к широкому спектру информации. Инвесторы имеют склонность считать, что точность прогнозов с увеличением количества информации повышается, в то время как часть анализируемой информации может быть нерелевантна.
Кроме того, выделяют эмоциональные поведенческие отклонения инвесторов. Прежде всего, к таким относится оптимизм, определяемый как субъективная вера в собственный успех, противоречащая объективным факторам. У агентов с выраженным фактором оптимизма имеется склонность к переоценке как размера выигрыша, так и вероятность итогового успеха. В рамках анализа факторов следует также обращать внимание на чрезмерное внимание к активам с интенсивными темпами роста цен, а также на возможный эффект толпы, когда поведение менее опытных или неуверенных в себе инвесторов может быть скопировано с более авторитетных индивидов.
Финансовые пузыри возникают на рынках с все большей регулярностью. Рынок криптовалют обладает рядом свойств, благоприятных для возникновения финансового пузыря. На рассматриваемом рынке присутствуют как рациональные инвесторы, так и шумовые трейдеры, поддерживающие возникающие на рынке тренды. Рынок криптовалют по своим свойствам потенциально можно отнести к категории быстрый пузырей, где закон роста актива формируется на основе обратных связей, которые увеличивают расстояние между равновесной и текущей рыночной ценах. Такой процесс не может продолжать бесконечно долго, что в итоге приводит к моменту, называемому эффектом сингулярности, когда ускоренный рост заменяется ускоренным падением.
Рассмотренные фазы жизненного цикла пузыря могут в некоторой степени прослеживаться и на рынке криптовалют на примере Биткоина, предположительным текущим этапом которого на данный момент является фаза эйфории. Среди макроэкономических факторов в наибольшей степени криптовалютам присущи низкий уровень транзакционных издержек, а также высокая степень открытости рынка для доступа. Фактически, каждый пользователь сети интернет выступает потенциальным участником рынка криптовалют. Поведенческие факторы в наибольшей степени подходят для описания поведения участников рынка криптовалют. Участникам рынка присуща чрезмерная уверенность в потенциале роста актива, а также убежденность в верности своих оценок. Кроме того, значительную роль играет иллюзия контроля и эффект якоря, когда в действительности участники рынка неверно оценивают и интерпретируют информацию, связанную с активом, а также недооценивают имеющиеся риски, требуя высокую доходность приобретенного актива.
Проблема прогнозирования финансовых пузырей и их выявления является на сегодняшний день одной из актуальных тем для исследования в мире финансов. Большое количество научный статей, исследований и публикаций не позволяют дать однозначного ответа на решение данной проблемы, оставляя значительное количество вопросов. Общими проблемами, возникающими при изучении финансовых пузырей, являются:
Нехватка данных о различных рынках в связи с ограниченной доступностью информации, в том числе в связи с закрытостью многих корпораций и компаний от внешних исследований;
Трудности, возникающие в рамках исследования разных рынков, имеющих сильно разнящуюся природу и особенности, что не позволяет построить унифицированную модель тестирования рынка на наличие финансового пузыря, применимую к различным активам;
Введение контроля за рынком может привести к непредсказуемым последствиям, усугубляющим сложившуюся ситуацию;
отслеживание финансовых рынков в реальном времени зачастую труднореализуемо в связи с тем, что текущая конъюнктура рынка может зависеть как от статистических показателей активов, компаний и котировок, продаж, отчетностей компаний, так в том числе и от новостных сводок, субъективизма группы инвесторов и текущих настроений на рынке.
Возможность исследования проблемы выявления финансовых пузырей может быть использована, в том числе, по мере возникновения новых рынков, таких как рынок криптовалют, что связано с различной природой условий возникновения пузыря в каждом отдельном случае. Дальнейшее исследование рынка криптовалют позволит ответить на вопрос о том, является ли рынок криптовалют финансовым пузырем.
Глава 3. Модели оценки финансовых пузырей
Существуют два основных подхода к анализу феномена финансового пузыря. Первый представляет из себя выявление факторов, которые обеспечивают появление пузырей, на уровне моделирования. Второй подход к оценке требует построения численных алгоритмов, выявляющих пузырь. В таком случае проведенная идентификация будет с одной стороны обоснована математически, а с другой - не будет противоречить экспертным оценкам.
На сегодняшний день существует множество методов идентификации признаков наличия финансового пузыря на рынке. Анализ российских и зарубежных источников по рассматриваемой проблеме позволил обнаружить несколько общих методов в данной области. Не все методы подойдут для использования в рамках исследования в силу разного рода ограничений, к примеру, многие модели предполагают наличие постоянной дивидендной политики ценных бумаг, в то время как криптовалюты не предполагают данного рода получение доходов.
3.1 Спекулятивные, рациональные и внутренние пузыри
Существуют несколько видов образующихся на рынке финансовых пузырей, встречающихся в экономической литературе. Пузыри первой категории называют спекулятивными, или традиционными, а также нерациональными. Данный тип финансового пузыря предполагает, что инвестор приобретает определенный актив в ожидании его дальнейшего роста ценности, но ожидания не основываются на объективном анализе фундаментальных для выбранного актива показателей. Финансовые рынки развиваются в колебательном режиме. Когда фаза роста цены актива продолжается больше, чем характерная амплитуда колебаний, возникает вопрос о дальнейшем развитии данного отклонения от устоявшейся динамики. При аномальном росте показателей часто развивается переоценка финансовая переоценка активов. Ажиотажный спрос на актив так же может быть причиной повышенного спроса среди участников рынка.
Следующая группа финансовых пузырей называется рациональными пузырями. В данном случае возникающее отклонение между ожидаемыми значениями и рыночными ценами активов определяется как разница между рыночной ценой и той ценой, что основывается на фундаментальных показателях. Такие пузыри описываются моделями, предполагающими рациональность инвесторов, а также симметричность имеющейся у них информации. Субъекты пузыря могут знать фундаментальную стоимость актива, но иметь ожидание возможности продажи актива в будущие периоды времени с премией. Рациональные инвесторы владеют активом с целью получения дохода за счет дивидендов. Важной задачей инвесторов является постоянное сравнение текущей стоимости актива с их фундаментальной стоимостью. Ожидания инвесторов относительно цены актива можно выразить, как:
|
, где: |
(3.1) |
л - характеризует изменение текущей цены актива относительно его фундаментальной стоимости;
еt - нормально распределенная случайная величина, которая описывает влияние новостных потоков на ожидаемую стоимость актива;
Рt - стоимость актива;
Задачей рыночных спекулянтов является получение прибыли от прироста капитала, они предполагают, что большинство участников рынка имеют аналогичное с ними видение рынка. Желательным условием для спекулянтов является наличие на рынке легко управляемого тренда, ожидания спекулянтов могут быть представлены в следующем виде:
|
, где: |
(3.2) |
wi(wi>0) - это коэффициенты, которые отражают чувствительность к изменению цен в прошлом, при этом они убывают по мере отдаления от момента времени в прошлом;
Рt - стоимость актива в момент времени t;
Следующую группу участников рынка называют шумовыми трейдерами. Их особенностью является отсутствие собственных ожиданий относительно будущих значений прибыли, для них ориентиром является доминирующий тренд при принятии решений. Шумовые трейдеры принимают общее движение в соответствии с имеющимся на рынке трендом. Первоначальные действия осуществляются рациональными инвесторами и спекулянтами, а уже затем - шумовыми трейдерами, следующими за имеющимся на рынке трендом. Динамика изменения цен актива задается совместными действиями всех игроков рынка. Приведенная выше модель дает возможность моделирования динамики цены акций с учетом всех составляющих актива, как рационального, так и поведенческого компонента в действиях инвестора.
Выделяют также группу так называемых «Лопающихся пузырей». Их характерной особенностью является наличие вероятности сжатия пузыря до нулевого. В общем виде такой пузырь можно представить в виде:
|
- с вероятностью |
(3.3) |
|
|
- с вероятностью 1- |
(3.4) |
Приведенные модели можно интерпретировать следующим образом: инвесторы осознают, что рано или поздно пузырь лопнет, но продолжают инвестировать с целью получения более высокой доходности 1+r/ по сравнению с 1+r до того момента, пока более высокая доходность компенсирует ассоциируемые с инвестициями в данные активы риски и откладывает неизбежный коллапс цен.
Кроме того, выделяют так называемые внутренние пузыри, которые в общем случае также можно отнести к группе рациональных пузырей. Их особенностью является зависимость пузыря от размера дивидендных выплат. Если фундаментальные показатели постоянны и устойчивы во времени, то переоценка или недооценка акций такой компании также будет устойчива и постоянна на том же временном интервале. При этом, возникает повышенная чувствительность цен к изменениям фундаментальных показателей.
Рассмотрим модель образования внутренних пузырей, базирующуюся на условии связи временного ряда реальных цен акций с временным рядом реальных дивидендных выплат при условии постоянного ожидаемого дохода.
|
, где: |
(3.5) |
Pt - это реальная цена акции в момент времени t;
Dt - это выплаченный дивиденд на акцию в момент времени t;
r - постоянная ставка процента.
В таком случае приведенная стоимость PPVt составит
|
, где: |
(3.6) |
Et(Dg)- это ожидаемый выплачиваемый дивиденд на акцию в момент времени tс учетом темпов роста дивидендов g;
r - постоянная ставка процента.
При этом, предполагается, чтовсегда будет больше 0, поскольку g<r (g - это принятый темп роста дивидендов). Уравнение(3.7) будет единственным решением уравнения 3.6 при условии отсутствия финансового пузыря:
|
(3.7) |
Однако уравнение(3.7) имеет и другие решения. Пусть - это последовательность случайных переменных, причем такая, что:
|
(3.8) |
Внутренний пузырь может быть построен нахождением параметров, удовлетворяющих условию уравнения (3.8) в приведенной ранее модели ценообразования акции единственным стохастическим фактором являются дивидендные выплаты, поэтому внутренние пузыри зависят исключительно от них.
Предположим, что логарифм дивидендных выплат представляет из себя класс случайных последовательностей, которые принято называть маргиналом:
|
, где: |
(3.9) |
- темп роста дивидендов на акцию;
dt = lnDt в момент времени t,
N(0,2) - нормальная случайная величина.
Из уравнения (3.8) и предположения о том, что дивиденды за период t известны на момент установления цены Pt, следует, что приведенная стоимость цены акции в уравнении (3.6) прямо пропорциональная выплаченным дивидендам:
|
, |
(3.10) |
где: .
Уравнение (3.10) является стохастической версией модели Гордона. Согласно данной модели функцияB(D)i определяется, как
|
, где: |
(3.11) |
является положительным корнем квадратного равнения 22/2+-r=0, а с=const. Уравнение (3.11) удовлетворяет уравнению (3.8). Просуммировав приведенную стоимость цены акции в уравнении (3.6) и пузыря в уравнении (3.10), можно получить новое уравнение образования цены:
|
. |
(3.12) |
В уравнении (3.11) присутствует пузырь для сconst, тем самым, нарушается условие (3.7), а цена P(Dt) является функцией только от дивидендов и не зависит от времени или других посторонних переменных, поэтому B(Dt) является примером внутреннего пузыря.
Подводя итог, можно заключить, что модель внутренних пузырей несет в себе следующий идею: цена акции чрезмерно реагирует на новости, связанные с дивидендными выплатами, поэтому при условии изменения размера дивидендов цена акции изменяется больше, чем в формуле приведенной стоимости. Такого рода пузыри дают возможность цене акции приближаться к уровню истинной приведенной стоимости и позже отклоняться от нее. Внутренние пузыри основаны на само реализующихся ожиданиях, то есть вместо изменений под воздействием внешних факторов они меняются под воздействием нелинейной формы цены акции.
3.2 Фрактальный анализ и метод исключения трендов
Метод анализа временных рядов является одним из применимых инструментов выявления наличия признаков финансового пузыря для криптовалют, поскольку не требует спецификации факторных форм оцениваемых явлений и процессов, а также отсутствует необходимость определения справедливой (фундаментальной) цены актива. Достаточным результатом тестирования временного ряда станет установление неадекватности динамики цен актива.
Метод DFA (Detrendedfluctuationanalysis), то есть фрактальный анализ и метод исключения трендовпредставляет из себя вариант дисперсионного анализа одномерных случайных блужданий, позволяющий исследовать эффекты длительных корреляций в нестационарных временных рядах. В рамках DFA-алгоритма анализируется среднеквадратическая ошибка линейной аппроксимации обобщенной модели случайных блужданий от аппроксимируемого участка. Согласно определению, предложенному Мальдебротом, фракталом называется структура, части которои? в определенном смысле подобны целому.
Объекты, имеющие фрактальную структуру, встречаются как в природных (горная цепь, линия берега), так и в экономических системах (валютныи? временнои? ряд, динамика процентных ставок). Процесс накопления кризисного потенциала на рынке валют может быть исследован с помощью метода исключения трендов. Он дает возможность установления зависимости текущего значения переменной от предыдущих значений. Метод DFA применяется во многих научных областях и является одним из средств исследования взаимосвязей во временных рядах. В качестве показателя, который исчисляется методом DFA и характеризует взаимосвязь между значениями переменной в различные периоды времени, может быть использован индекс Пенга - или фрактальная размерность. Одним из его преимуществ является его применимость к нестационарным временным рядам.
Алгоритм реализации приведенного метода можно представить следующим образом:
В качестве x(t) обозначается исследуемый? временной? ряд.
Ряд x(t), включающий в себя N значении?, разделяется на N/t непересекающихся интервалов. Каждый? интервал включает в себя t значении? исследуемого временного ряда.
В пределах построенных интервалов осуществляется линейная аппроксимация ряда x(t), рассматриваемая в качестве локального тренда (к примеру, методом наименьших квадратов):
|
, |
(3.13) |
где at и bt - постоянны для каждого построенного интервала;
Для каждого из интервалов рассчитывается величина:
|
, где: |
(3.14) |
x(t) - исходный исследуемый временной ряд;
y(t) - временной ряд, построенный на основе линейной аппроксимации исходного ряда x(t).
Далее рассчитывается среднеквадратическая ошибка линейной аппроксимации:
|
, |
(3.15) |
Математическими методами было доказано, что имеет место следующая зависимость между F и фрактальной? размерностью a (индексом Пенга):
|
F(n) na. |
(3.16) |
Зависимость имеет степенной характер F(n)na. Существует несколько модификации? метода исключения трендов. Наиболее распространенная состоит в том, что вместо линейной аппроксимации (второй? этап описанной выше процедуры) применяется аппроксимация более высоких порядков.
Одним из практических применении? фрактального анализа является его использование в исследовании взаимосвязей? во временном ряду. Методами математического анализа доказано, что если фрактальная размерность принимает значение 1,5, то приращения во временном ряду независимы между собой?, а исследуемый рынок находится в эффективном состоянии это может свидетельствовать о наличии равновесного положения на рынке, что делает возмужать извлечения прибыли от спекуляций минимальной. Кроме того, можно заключить, что в динамике валютных курсов наблюдается незначительный? уровень автокорреляции?. В то же время отклонения от индекса Пенга от значения 1,5 в любую сторону может свидетельствовать о неэффективности работы исследуемого финансового рынка.
С точки зрения экономики, значительное и долгосрочное отклонение индекса Пенга курса криптовалюты от значения 1,5 в большую сторону может свидетельствовать о нарастании спекулятивного финансового пузыря на рынке, характеризующегося в том числе наличием ажиотажного спроса на актив среди участников рынка. Участники рынка могут руководствоваться краткосрочным интересом получения прибыли в большей степени, нежели долгосрочными стратегиями. В случае выявления отклонения индекса Пенга от значения 1,5 рынок от наличия рациональной составляющей поведения участников переходит к спекулятивной активности.
В том случае, если индекс Пенга отклоняется в обратную сторону, возникает ситуация, свидетельствующая о неуверенности участников рынка в перспективах дальнейшего роста курсовой стоимости актива на финансовом рынке. При этом, происходит повышение уровня волатильности финансовых показателей, приводящее к росту неопределенности как относительно перспектив роста курса актива, так и неопределенности самого процесса добычи криптовалют.
Можно заключить, что любые отклонения индекса Пенга от значения 1,5 могут свидетельствовать о наличии кризисного потенциала на финансовом рынке. Приведенная методика DFA может быть использована лишь на тех рынках, где есть возможность сбора статистических данных. Таким образом, она применима в том числе к рынкам криптовалют, поскольку криптовалюты торгуются на финансовом рынке в свободном доступе, а информация об исторических котировках также является общедоступной всем участникам рынка.
Данный метод является универсальным для применения, в том числе и на валютных рынках, но, зачастую, может не учитывать фундаментальные причины возникновения финансовых пузырей. Тем не менее, его использование позволит установить множество важных характеристик рынка криптовалют, которые позволят сделать предположения относительно признаков наличия финансового пузыря.
3.3 Обобщенный, супремум расширенный тест Дики-Фуллера
Филипс (Phillipsetal., 2011, 2015) для тестирования временных рядов на предмет наличия признаков финансового пузыря разработал обобщенный супремум расширенный тест Дики-Фуллера на наличие единичного корня (GSADF - generalizedsupremumaugmentedDickey-Fullerunitroottest). Данный тест может быть применен для выявления множества пузырей. Основной идеей, заложенной в тест, является предположение о том, что взрывной рост курсовой стоимости актива является показателем наличия признаков финансового пузыря в цене актива.
Филипс в своем исследовании показывает на примере анализа индекса S&P 500 на периоде с 1871 по 2010 годы, что данный тест корректно идентифицировал все известные исторические случае взрывного роста и последующего краха, к примеру, пузырь доткомов, послевоенный бум 1954 года.
Большим преимуществом предложенного теста является возможность выявления даты возникновения финансового пузыря. Начальной датой пузыря принято считать тот момент, когда рассчитанная ADF-статистика для последнего включённого наблюдения оказывается выше критического значения, полученного с помощью метода Монте Карло. Другим преимуществом является способность выявить этот момент по мере роста пузыря, не требуется дожидаться его коррекции. Фактически, данный тест позволяет выявить пузырь на стадии его надувания. Для проведения GSADF не требуется информация о выплачиваемых дивидендах, что делает его применимым к исследованию рынка криптовалют на предмет наличия признаков финансового пузыря.
На первом шаге данного теста для разных под выборок с изменяющимся размером окна и изменяющимся начальным моментом производится оценка модели (3.28) и рассчитывается ADF-статистика теста Дики-Фуллера. Далее тестируется гипотеза об отсутствии множественных пузырей. На начальном этапе необходимо рассмотреть регрессию ADF для исследуемой выборки, где начальная точка задана частью r1 общего числа наблюдений, конечна точка - r2, а размер окна Rw представляет из себя разницу между данными точками, вида:
|
где: Yt- курсовая стоимость криптовалюты; p - наибольшее количество лагов; - белый шум; H0: (наличие единичного корня) Ha: (взрывной процесс) |
(3.17) |
Для проведения теста выдвигается нулевая гипотеза о единичном корне против альтернативной о взрывном росте цен. Для каждого момента времени ADF-статистика для коэффициента с использованием некоторого заданного подмножества всей выборки данных для первого члена последовательности с последующим увеличением под выборки на одно наблюдение для каждого выборочного интервала. Проводимый тест является односторонним, рассчитанные статистики сравниваются с верхним критическим значением распределения Дики-Фуллера. ADF статистика рассчитывается, как:
|
где: |
(3.18) |
) - OLS-оценка коэффициента , полученная на основе первых наблюдений;
- соответствующая оценка
- OLS-остатки от регрессии.
Для реализации теста GSADF рассчитывается обобщенный supADF тест, как:
|
(3.19) |
При проведении GSADF-теста простой тест ADF повторяется множество раз на расширяющейся на один период подвыборке основной выборки, при этом происходит изменение самой выборки путем ее смещения на один период вперед и повторении описанной процедуры. Данная процедура проиллюстрирована на рисунке 3.
Рисунок 3.1 - Иллюстрация механизма проведения теста GSADF
Если нулевая гипотеза отвергается, то происходит процедура идентификации пузыря. Для определения даты возникновения и схлопывания пузыря при методе GSADF следует руководствоваться следующей логикой: моментом возникновения пузыря будет считаться то наблюдение, при включении которого расчетная ADF-статистика превысит критическое значение ADF-статистики. Моментом схлопывания пузыря считается то наблюдение, при включении которого происходит пересечение расчётной ADF-статистикой критического значения ADF-статистики сверху вниз.
3.4 Использование рыночных мультипликаторов
С целью идентификации финансового пузыря зачастую исследуют следующие показатели, рассчитанные для всего фондового рынка:
Ценовые мультипликаторы - «цена/прибыль» (P/E), «стоимость компании/прибыль до вычета процентов, налогов и амортизации» (EV/EBITDA) и другие;
Коэффициенты дивидендной доходности акций или фондового рынка: «Дивиденды на акцию/Цена акции» (D/P), «общие выплачиваемые на всем рынке дивиденды/общая капитализация фондового рынка» (TDIV/MCAP);
Коэффициент общей рыночной капитализации к внутреннему валовому продукту «капитализация фондового рынка/ВВП».
Тем не менее такой подход может вызвать сложности в рамках общего исследования рынка. Основной сложностью для аналитика является то, что в периоды кризисов суммарная прибыль (свободные денежные потоки компании) компаний, акции которых обращаются на фондовом рынке, принимает отрицательное значение, а при данном значении показателя его дальнейшее использование становится невозможным.
Кроме того, использование данного метода расчета показателей D/P и TDIV/MCAP также становится невозможным в случае отсутствия стабильной во времени дивидендной политики, а также истории выплаты дивидендов. Данный подход к идентификации является наиболее универсальным и простым с точки зрения использования, что делает его привлекательным на начальных этапах исследования финансовых пузырей. К недостаткам подхода относят угрозу потенциального возникновения несопоставимости исторических показателей различных рынков в силу разных систем учета, а также слабо проработанную систему бенчмарков для развивающихся рынков.
3.5 Моделирование с учетом поведенческих факторов
Поведенческая модель финансового пузыря предполагает следующие особенности рынка криптовалют:
Неоднородность среди инвесторов;
Транзакционные издержки на совершение сделок;
Асимметричность информации среди разных групп инвесторов;
Подверженность участников рынка информационных шоков;
Стадность как признак поведения различных групп инвесторов.
Моделирование с учетом поведенческих факторов предполагает следующую классификацию инвесторов:
Консервативные инвесторы владеют активом с целью получения дивидендного дохода. Такие инвесторы постоянно сравнивают текущую стоимость актива с его фундаментальной стоимостью, а при возникновении отклонений ожидают постепенное возвращение цен к фундаментальным значениям. Такие инвесторы не придают значения новостным шокам. Ожидаемой доходностью таких инвесторов будет:
|
, где: |
(3.20) |
-параметр, характеризующий скорость приспособления текущей цены актива к его фундаментальной стоимости, показывает ту часть разрыва фундаментальной и текущей стоимостей, которая будет ликвидирована в течение одного периода;
Р* - фундаментальная цена актива.
Чистые спекулянты считают своей основной целью получение дохода от прироста капитала, поэтому им всегда выгодно поддерживать на рынке текущий тренд. При этом, такие инвесторы подвержены воздействию новостей, поэтому в модель оценки их ожидаемого дохода включена случайная величина, которая характеризует влияние новостей на ожидания данной категории инвесторов. Ожидаемой доходностью спекулянтов будет:
|
, где: |
(3.21) |
Wi- коэффициенты, которые характеризуют чувствительность текущей стоимости к прошлым изменениям курса и убывающие по мере отдаления момента в прошлом (в основе их ожиданий лежит распределенный лаг доходностей).
- случайная величина, характеризующая общее влияние новостных шоков на ожидаемую спекулянтами доходность активов.
Шумовые трейдеры не имеют собственных ожиданий относительно цен активов, поэтому действуют в соответствии с сформировавшемся на рынке трендом. Издержки на проверку рыночных индикаторов слишком высоки для данной группы инвесторов.
Таким образом поведение инвесторов на фондовом рынке можно описать моделью толпы, которая работает на реальных фондовых рынках: uit:R++-1,0,1, i = 1, 2, 3 - индекс группы инвесторов, где 1 - это продажа актива, 0 - его удержание, а -1 - его покупка.1>2>3>0 - границы держания активов для инвестора типа i. наиболее широкие границы у консервативных инвесторов в связи с высокими транзакционными издержками (P*- 1, P*+ 1). Традиционные инвесторы примут решение о покупке актива в случае отклонения цены от фундаментальной более, чем на границу держания. Спекулятивные инвесторы будут поддерживать и усиливать имеющийся на рынке тренд, а шумовые трейдеры присоединятся к большинству на рынке.
Долю консервативных инвесторов на рынке обозначим как , долю спекулятивных инвесторов будем обозначать как , а долю шумовых трейдеров - 1--.
Функции принятия решений для консервативных инвесторов, спекулятивных инвесторов и шумовых трейдеров могут быть представлены следующим образом:
|
(3.22) |
||
|
(3.23) |
||
|
(3.24) |
Вся группа трейдеров действует в текущий момент времени, ориентируясь на изменения цен в прошлые периоды. Активы покупаются и продаются трейдерами неоднородно, а доля актива, которую инвестор хочет купить/продать будет тем больше, чем больше его ожидания будут отклоняться от фактических цен актива. Постоянство торговли обеспечено постоянством наличия актива у каждого из них. Доля актива, всегда остающаяся в собственности инвестора каждого типа, участвующего в торговле активом, в случае роста отклонения от пороговых значений асимптотически будет стремиться к единице. Функция находящегося в собственности актива будет похожей для каждого из групп инвесторов, для консерваторов она примет следующий вид:
|
(3.25) |
Кроме того, важно понимать связь между ценой актива и принимаемыми инвесторами решениями. Функция избыточного спроса имеет вид:
|
, |
(3.26) |
При наличии избыточного спроса или предложения значение функции будет отлично от нуля, а цена актива будет изменяться. Тогда в линейной зависимости цены актива в период t+1 и функцией спроса или предложения в периоде t:
|
, |
(3.27) |
При этом, значительно меньше 1, поскольку даже в случае желания всех инвесторов приобрести актив, его цена вырастет менее, чем в два раза, при условии первоначальной цены, равной единице.
Общая динамика изменения курса стоимости актива будет задаваться совокупным поведением инвесторов всех групп одновременно. При предположении что в нулевом периоде происходит новостной шок >0, который влияет на ожидания спекулянтов, существует два возможных варианта развития событий:
<2 - в данном случае интервал держания спекулянтов не будет нарушен, и они не заходят ни продавать, ни покупать актив. Цена актива в таком случае не изменится, а надувание финансового пузыря не начнется. Вероятность такого события равна:
|
, где: |
(3.28) |
Ф() - функция стандартного нормального распределения.
>2 - в таком случае спекулянты захотят приобрести актив, однако консерваторы и шумовые трейдеры не станут его продавать. Вероятность такого события равна:
|
, |
(3.29) |
В данном случае возникнет избыточный спрос на актив, приводящий к увеличению его цены в момент времени 0 (нулевом периоде) в количестве:
|
, |
(3.30) |
а цена в период времени 1 составит:
|
, |
(3.31) |
При этом, в случае превышения пороговой цены для шумовых трейдеров дополнительный спрос появится и с их стороны. При такой ситуации на рынке в определенный момент времени случится пробивание верхнего порога ожиданий у консервативных инвесторов, что приведет к появлению сверх предложения и с их стороны. Избыточный спрос может быть покрыт ростом предложения со стороны консерваторов, однако уменьшение активов в руках последних и появления последующих новостных шоков увеличит скорость надувания финансового пузыря.
3.6 Эмпирический анализ дивидендов
Другим подходом к оценке наличия признаков финансового пузыря является выявление финансовых пузырей на базе эмпирического анализа выплаченных дивидендов. Анализ дивидендов с целью идентификации финансового пузыря с помощью теста на границу дисперсии был предложен Б.Т. Дибой и Х.И. Гроссманом. Смысл теста состоит в следующем: необходимо сравнить фактически наблюдаемую дисперсию цен в текущий момент времени с дисперсией цен, которую необходимо рассчитать на основе дивидендных выплат прошлых периодов путем дисконтирования дивидендов. В случае нарушения границы, рассчитанной для прошлых периодов дисперсии, можно сделать вывод о том, что условие отсутствия финансового пузыря нарушено, что означает возможность его наличия на рассматриваемом рынке.
В дальнейшем, К. Д. Вест предложил модифицированную версию теста на границу дисперсии, которая помогала решить проблему неопределенности в отношении причин нарушения границы дисперсии: проводилось тестирование одновременно двух гипотез, первый из которых оценивал правильность спецификаций модели, а второй - тест на наличие или отсутствие признаков финансового пузыря.
Кроме того, предложенный Б.Т. Дибой и Х.И. Гроссманом тест имеет следующую логику: в случае стационарности ряда дивидендов ценной бумаги ценовой ряд также должен обладать свойством стационарности. При наличии пузыря данная закономерность будет нарушена.
Преимуществом данного подхода является надежное теоретическое обоснование методологии применения тестов, а также низкая вероятность возникновения ошибки в процессе расчетов и их неверной интерпретации.
Главным недостатком данного подхода для достижения цели данного исследования является проблема применимости данных тестов в условиях отсутствия стабильной дивидендной политики у такого финансового инструмента, как криптовалюта.
Исследование существующих методов позволило сделать вывод о том, что на данный момент отсутствует методология, позволяющая предсказать момент схлопывания финансового пузыря. Кроме того, отсутствует единый подход к процессу выявления финансового пузыря на рынке. Таким образом, исследование рынка криптовалют на предмет наличия признаков финансового пузыря требует комплексного подхода с использованием нескольких методов их идентификации. В силу того, что криптовалюты имеют ряд особенностей, ограничивающих применение некоторых моделей финансовых пузырей, применение только некоторых из них возможно в рамках исследования криптовалют.
В целях идентификации признаков финансового пузыря для дальнейшего применения была выбрана модель DFA, которая также позволит идентифицировать надувание пузыря на рынке. Одним из его преимуществ является возможность применения на рынке с потенциальным наличием нескольких пузырей, а также отсутствием необходимости наличия дивидендных выплат по рассматриваемому активу.
Кроме того, для дальнейшего исследования рынка криптовалют был выбран один из наиболее актуальных аналитических инструментов - тест GSADF, который подходит для анализа рынка криптовалют на предмет наличия признаков финансового пузыря и также может одновременно идентифицировать несколько имеющихся на рынке пузырей.
Модель образования внутренних пузырей не может быть применена к рынку криптовалют в силу того, что у них отсутствует такая важная составляющая, как выплата дивидендов, предполагающаяся в указанной модели. Именно поэтому не применим подход, основанный на эмпирическом анализе дивидендов. Поведенческая модель могла бы в наиболее точной степени описать поведение участников рынка, которое приводило бы к появлению спекулятивного пузыря, ведь наибольшие колебания цен криптовалют происходят после новостных шоков, которые приводят к росту и падению, и возникшие тренды поддерживаются спекулянтами. Тем не менее, данный подход затруднителен в применении в силу сложности оценки параметров проводимого симуляционного анализа, а их небольшие отклонения или неточности при оценке могут приводить к совершенно иным результатам.
Глава 4. Исследование финансовых пузырей на рынке криптовалют
С целью проведения проверки гипотезы была выбрана криптовалюта Bitcoin. Данная криптовалюта является наиболее репрезентативным примером в силу нескольких причин: во-первых, Биткоин является самой долго-торгующейся валютой на рынке: торговля биткоином началась 19 июля 2010 года. Во-вторых, данная криптовалюта имеет (как относительных, так и в абсолютных показателях) наибольшую капитализацию среди других валют в течение длительного периода. Наконец, Биткоин имеет наибольший средний ежедневный объем торгов.
Рисунок 4.1 - Доля общей рыночной капитализации наиболее распространенных криптовалют
Данные о значениях временного ряда были взяты из ресурса для осуществления торговли Coindesk за период с 13 сентября 2011 года по 17 марта 2018 года. Данные включают в себя 2357 наблюдений.
4.1 Тестирование рынка криптовалют на эффективность
На первом шаге необходимо провести тестирование рынка криптовалют на эффективность примере Биткоина с целью оценки вероятности формирования финансового пузыря. Рынок криптовалют - это рынок, на котором торги происходят постоянно, то есть без выходных день за днем в течение года. На рисунке 3 приведен график цены закрытия биткоина за исследуемый период.
Рисунок 4.2 - График цен закрытия торгов Bitcoin с 13 сентября 2011 года по 17 марта 2018 года
В течение последних нескольких месяцев цена Биткоина сначала значительно выросла, а, после декабрьских максимумом на отметке 19'666 долларов, начался нисходящий тренд со значительными флюктуациями. Стоит отметить, что цена одного биткоина не превышала 1 доллара до 16 апреля 2011 года. К отметке в 100 долларов цена впервые приблизилась в начале апреля 2013 года. Начиная с 30 октября 2013 года и до 29 ноября имел место мощный восходящий тренд роста цены с отметки в 201,5 до 1049 долларов. В последующие годы цена опустилась значительно ниже, и биткоин торговался на уровнях между 200 и 400 долларов. Но в начале 2017 года начался очередной мощный рост цен на криптовалюту. Наибольшую цену он достиг в ноябре 2017 года, после чего цена пошла вниз. На следующем графике приведена доходность биткоина.
Рисунок 4.3 - График ежедневной доходности Bitcoin с 13 сентября 2011 года по 17 марта 2018 года
Составлено автором с помощью инструментов пакета анализа данных Stata. В таблице 4.1 приведена описательная ежедневной доходности Биткоина:
Таблица 4.1 - Описательная статистика ежедневной доходности Bitcoin
Составлено автором с помощью инструментов пакета анализа данных Stata
Таблица 4.1 иллюстрирует среднюю ежедневную доходность Биткоина за период с 13 сентября 2011 года по 17 марта 2018 года. При этом, средняя ежедневная доходность рыночного S&P500 составила 0.000453, что намного ниже показателей криптовалюты. Анализ автокорреляционной функции временного ряда показал значительную глубину рынка. Цена биткоина учитывает информацию предшествующих периодов в течение длительного времени. Это может свидетельствовать о наличии автокорреляции.
Рисунок 4.4 - График автокорреляционной функции Bitcoin
Составлено автором с помощью инструментов пакета анализа данных Stata.
Используя данный график, проводится проверка гипотезы об отсутствии автокорреляции в сечения для фиксированного лага: Если величина выборочной ACF для заданного лага попадает в серую зону, то принимается основная гипотеза о том, что автокорреляция для этого лага равна 0. Анализ графика автокорреляционнои? функции (ACF) временного ряда позволил сделать вывод о том, что ряд не является стационарным. На графике отчетливо видно, что значения автокорреляционнои? функции почти не убывают, а это является признаком нестационарности исследуемого ряда. Можно сделать вывод о том, что в данном случае следует принимать альтернативную гипотезу о наличии автокорреляции на рынке Биткоина.
На следующем этапе для рассматриваемого временного ряда был проведен тест Бройша-Годфри с целью выявления автокорреляции более высокого порядка (более первого). Данный тест можно использовать для линейных моделей временных рядов, содержащих лаговые переменные. В результате проведения, тест сигнализирует о том, что нулевая гипотеза об отсутствии автокорреляции должна быть отвергнута, автокорреляция присутствует. Критическая область правосторонняя.
H0: автокорреляция отсутствует
Hа: автокорреляция есть
Таблица 4.2 - Тест Бройша-Годфри на наличие автокорреляции
|
Lags(p) |
Chi^2 |
Df |
Prob>chi^2 |
|
|
1 |
2345.331 |
1 |
0.000 |
|
|
2 |
2345.407 |
2 |
0.000 |
|
|
3 |
2345.414 |
3 |
0.000 |
|
|
4 |
2345.416 |
4 |
0.000 |
|
|
5 |
2345.485 |
5 |
0.000 |
|
|
6 |
2345.724 |
6 |
0.000 |
|
|
7 |
2345.865 |
7 |
0.000 |
|
|
8 |
2345.866 |
8 |
0.000 |
|
|
9 |
2345.904 |
9 |
0.000 |
|
|
10 |
2345.920 |
10 |
0.000 |
|
|
11 |
2346.257 |
11 |
0.000 |
|
|
12 |
2346.265 |
12 |
0.000 |
|
|
13 |
2346.277 |
13 |
0.000 |
|
|
14 |
2346.451 |
14 |
0.000 |
|
|
15 |
2346.451 |
15 |
0.000 |
Составлено автором с помощью инструментов пакета анализа данных Stata.
В таблице 4.2 представлены результаты проведенного теста Бройша-Годфри до 15 лага включительно. Тест показал наличие автокорреляции в остатках. На основе проведенных тестов можно заключить, что рынок криптовалют неэффективен, информация и значения цен прошлых периодов учитываются и отражаются в текущих ценах, причем исследуемый временной ряд не является стационарным, а автокорреляция присутствует даже для 40 лага.
4.2 Тестирование цены биткоина на предмет наличия признаков пузыря
С целью проверки гипотезы о наличии признаков финансового пузыря будет применен DFA анализ, а также GSADF тестирование временного ряда на предмет наличия признаков возникновения финансового пузыря.
Перейдем к DFA анализу. Данный метод реализуется на основе специализированного ПО и с использованием инструментов excel и применим для идентификации спекулятивных финансовых пузырей. Исследуемый временной ряд Биткоина был разбит на 16 непересекающихся интервалов, включающих в себя по 150 значений каждый, последний интервал включил в себя 103 значения. На следующем шаге для каждого из интервалов была рассчитана линейная аппроксимация ряда, в результате для каждого из интервалов было получены следующие результаты, которые представлены в таблице 4.3:
Таблица 4.3 - Уравнения линейной аппроксимации для каждого интервала
|
Интервал |
Уравнение линейной аппроксимации |
R2 |
|
|
Интервал 1 |
y = 0.0126x - 1204.9 |
0.84199 |
|
|
Интервал 2 |
y = 0.0202x - 1204.5 |
0.6407 |
|
|
Интервал 3 |
y = 0.0163x - 1198.3 |
0.78071 |
|
|
Интервал 4 |
y = 0.9831x - 1220.7 |
0.70149 |
|
|
Интервал 5 |
y = 0.1828x - 1113.4 |
0.89532 |
|
|
Интервал 6 |
y = 2.0491x - 710.15 |
0.76600 |
|
|
Интервал 7 |
y = 1.0891x - 742.37 |
0.71731 |
|
|
Интервал 8 |
y = -1.3437x - 722.57 |
0.81711 |
|
|
Интервал 9 |
y = -0.0644x - 962.88 |
0.87346 |
|
|
Интервал 10 |
y = 0.2447x - 963.11 |
0.72829 |
|
|
Интервал 11 |
y = 0.3327x - 830.34 |
0.78584 |
|
|
Интервал 12 |
y = 1.3983x - 750.54 |
0.8685 |
|
|
Интервал 13 |
y = 2.6678x - 659.95 |
0.68313 |
|
|
Интервал 14 |
y = 12.751x - 565.92 |
0.62929 |
|
|
Интервал 15 |
y = 39.011x + 539.63 |
0.74024 |
|
|
Интервал 16 |
y = -68.804x + 14612 |
0.79323 |
Составлено автором с помощью инструментов пакета анализа данных Excel
Коэффициент детерминации для каждого из интервалов находится на уровне не ниже, чем 0,63. На следующем шаге были рассчитаны значения функций и фрактальная размерность (Индекс Пенга) для каждого из 16 исследуемых интервалов. В процессе проведения расчетов получены следующие результаты:
Таблица 4.4 - Значения индекса Пенга для каждого интервала
|
Интервал |
Значение индека Пенга |
|
|
Интервал 1 |
1.4183 |
|
|
Интервал 2 |
1.4647 |
|
|
Интервал 3 |
1.41645 |
|
|
Интервал 4 |
1.4163 |
|
|
Интервал 5 |
1.4143 |
|
|
Интервал 6 |
1.4243 |
|
|
Интервал 7 |
1.4163 |
|
|
Интервал 8 |
1.4168 |
|
|
Интервал 9 |
1.4165 |
|
|
Интервал 10 |
1.4164 |
|
|
Интервал 11 |
1.4165 |
|
|
Интервал 12 |
1.4169 |
|
|
Интервал 13 |
1.4174 |
|
|
Интервал 14 |
1.4225 |
|
|
Интервал 15 |
1.8803 |
|
|
Интервал 16 |
1.8442 |
Составлено автором с помощью инструментов пакета анализа данных Excel
Полученные результаты интерпретируются следующим образом: во-первых, постоянное отклонение индекса Пенга от значения 1,5 свидетельствует о наличии автокорреля...
Подобные документы
Когнитивный анализ и моделирование - новые элементы в структуре систем принятия решений; технология, оценка ситуации и анализ взаимовлияния факторов, определяющих возможные сценарии развития ситуации прогнозирования и управления в различных областях.
реферат [907,9 K], добавлен 13.01.2011Тест как краткое испытание или серия кратких испытаний, результат которых выражен в количественной форме и показывает уровень выраженности каких-либо измеряемых свойств. Особенности его использования в процессе найма новых сотрудников на работу.
презентация [758,2 K], добавлен 26.10.2016Организация деятельности перерабатывающей подсистемы операционной системы предприятия, обеспечивающая производственную работу. Анализ кадров предприятия как фактора разработки операционной стратегии. Раскрытие сущности метода "детального планирования".
контрольная работа [23,7 K], добавлен 05.02.2011Группы стратегий при многокритериальном выборе: стратегии компенсации и исключения. Анализ метода Б. Франклина (метод компенсации достоинств и недостатков). Процедуры поиска удовлетворительных значений критериев. Решения многокритериальных задач.
реферат [121,3 K], добавлен 22.12.2012Общая характеристика и направление деятельности ОАО "ВО "Технопромэкспорт". Анализ имущественного положения и финансового состояния компании, ее деловой активности. Оценка возможности банкротства и пути профилактики, финансовые результаты предприятия.
курсовая работа [4,1 M], добавлен 23.04.2014Методы оценки кандидатов для приема на работу. Собеседование, как основной метод оценки кандидатов. Зарубежный опыт найма, оценки и отбора работников. Практический анализ организационных аспектов системы отбора персонала на примере "Магазин №17".
дипломная работа [109,2 K], добавлен 24.10.2007Теоретические основы психологического тестирования кандидатов при приеме на работу. Собеседование как основной метод оценки кандидатов. Проблема отбора работников. Анализ состояния системы оценки и отбора персонала, недостатки при найме в ООО "Мир".
курсовая работа [101,3 K], добавлен 10.07.2015Характеристика процесса управления организацией. Вид и способ структурного построения предприятия. Основные, оборотные и финансовые средства организации. Особенности многофакторной модели Э. Альтмана. Основные показатели оценки эффективности менеджмента.
курсовая работа [352,3 K], добавлен 14.10.2014Анализ внутренней среды предприятия: системы менеджмента и управления персоналом, производственной, финансовой и маркетинговой деятельности. Особенности внешнего окружения: поставщиков и деловых партнеров, конкурентов. Потенциальные возможности и угрозы.
курсовая работа [93,6 K], добавлен 13.02.2011Моделирование бизнес-процессов организации на примере филиала ОАО "Банк". Выявление "слабых" мест, разработка рекомендаций по совершенствованию. Характеристика отдела информационных технологий организации. IDEF-диаграмма исследуемой системы управления.
реферат [33,6 K], добавлен 09.01.2011Теоретические основы анализа факторов, влияющих на систему управления персоналом. Анализ и оценка факторов, влияющих на управление предприятия на примере ОАО "КамАЗ-Металлургия". Рекомендации по совершенствованию управления с учетом влияющих факторов.
контрольная работа [39,4 K], добавлен 24.03.2009Краткая характеристика предприятия. Организационно-экономические показатели деятельности ООО "Квадро". Анализ системы управления персоналом. Организация работы по адаптации персонала в организации. Моделирование системы эффективной кадровой политики.
курсовая работа [103,4 K], добавлен 25.02.2016Профессиональный отбор кандидатов в организации. Краткий ориентировочный тест. Анализ и выбор ключевых показателей для персонала аэропорта. Расчет экономической эффективности разработки и реализации системы рекрутинга на основе KPI в аэропорту "Пулково".
дипломная работа [941,4 K], добавлен 23.10.2014Организация системы обучения персонала на предприятиях малого бизнеса. Функции руководителей, новые формы обучения студентов для развития управленческих навыков. Манипуляционные модели управления. Ограниченность материальных факторов лояльности персонала.
реферат [21,4 K], добавлен 03.11.2009Характеристика тестов, для определения индивидуальных склонностей личности, проводимых с целью эффективного управления персоналом. Анализ требований, предъявляемых к тестам. Использование тестов при приеме на работу и при формировании кадрового резерва.
курсовая работа [43,3 K], добавлен 02.04.2010Новые возможности, повышающие эффективность использования ресурсов торгового предприятия. Цель внедрения автоматизированной информационной системы. Оценка эффективности перехода на программный продукт "1С8 Управление торговлей", анализ доходности.
курсовая работа [96,5 K], добавлен 10.06.2014Анализ деятельности организации ООО "Партнер". Признаки, особенности, эффективность и технология антикризисного управления. Прогнозирование путей оздоровления предприятия. Бизнес-планирование и финансовый анализ как основа привлечения финансирования.
курсовая работа [113,9 K], добавлен 12.05.2014Понятие и особенности оценки кандидатов для приема на работу, ступени и критерии, используемые при отборе. Организационно-правовая и экономическая характеристика учреждения, анализ эффективности и разработка путей улучшения системы оценки кандидатов.
курсовая работа [189,3 K], добавлен 15.03.2015Сценарное моделирование (планирование) как один из наиболее эффективных системных инструментов стратегического менеджмента. Пошаговая инструкция восьми этапов его осуществления. Особенности и целесообразность проведения стратегических бесед в организации.
реферат [10,6 K], добавлен 22.04.2013Связь ресурсов и факторов производства. Материальные, трудовые, финансовые и информационные ресурсы. Человеческие ресурсы организации на примере ресторана "Калигула". Анализ причин потерь рабочего времени, совершенствование системы стимулирования труда.
курсовая работа [96,9 K], добавлен 27.03.2012
