- Specijalnost Visoke atestacijske komisije Ruske Federacije08.00.13
- Broj strana 149
UVOD.
POGLAVLJE 1. PORTFOLIO INVESTICIJE. SAVREMENI POGLED I PROBLEMI.
Stav 1.1. Investitori i njihovi ciljevi. Investicione institucije i kamatne stope.
1.1.1. Investicioni ciljevi. Subjekti investicionih aktivnosti.
1.1.2. Faze investicijske aktivnosti.
Stav 1.2. Pregled vredne papire sa fiksnim prihodom.
1.2.1. Klasifikacija hartija od vrijednosti.
1.2.2. Hartije od vrijednosti koje čine privremenu strukturu kamatne stope.
Stav 1.3. Pregled strategija upravljanja portfoliom sa fiksnim prihodima. Promjene kamatnih stopa. Strategije imunizacije.
1.3.1. Strategije strukturiranja portfelja.
1.3.2. Klasifikacija strategija upravljanja imovinom.
1.3.3. Vrste pomaka u ročnoj strukturi kamatnih stopa.
1.3.4. Problemi neparalelnih pomaka. Odluke donesene Problemi.
Stav 1.4. Metode analize i predviđanja finansijskih tržišta. Alati za predviđanje finansijskih tržišta.
1.4.1. Vrste analize finansijskih tržišta.
1.4.2. Odabir vrste analize za rješavanje problema predviđanja tipova pomaka krive prinosa.
1.4.3. Modeli korišteni za terminsku strukturu kamatnih stopa.
1.4.4. Predviđanje finansijskih tržišta na osnovu upotrebe metoda indukcije pravila i neuronskih mreža.
1.4.5. Sistemi zasnovani na metodama indukcije pravila.
1.4.6. Neuralne mreže.
1.4.7. Osobine predviđanja financijskih tržišta korištenjem neuronskih mreža.
1.4.8. Odabrani alati za predviđanje.
Stav 1.5. Faktori koji određuju ročnu strukturu kamatnih stopa.
1.5.1. Ekonomski i neekonomski faktori koji utiču na promjene u ročnoj strukturi kamatnih stopa.
1.5.2. Nagib krive prinosa. Frankelov model.
POGLAVLJE 2. RAZVOJ METODA ZA UPRAVLJANJE PORTFELOM HARTIJA OD VRIJEDNOSTI S FIKSNIM PRIHODOM.
Stav 2.1. Opšti principi za konstruisanje neuronskih mreža pri rešavanju problema predviđanja nivoa kamatnih stopa i neparalelne pristrasnosti.
Stav 2.2. Modeliranje odnosa između glavnih fundamentalnih faktora i nivoa kamatnih stopa.
Stav 2.3. Modeliranje strukture kamatnih stopa.
Odjeljak 2.4. Razvoj metodologije za imunizaciju portfelja hartija od vrijednosti sa fiksnim prihodom.
Odjeljak 2.5. Predviđanje neparalelnih pomaka.
POGLAVLJE 3. RAZVOJ AUTOMATIZOVANE RADNE STANICE ZA UPRAVLJAČA PORTFOLIJA OBVEZNICA.
Stav 3.1. AWS koncept. Ciljevi razvoja AWP-a.
Stav 3.2. Tehnološka arhitektura radnih stanica.
Stav 3.3. Funkcionalna struktura automatizovanog radnog mesta.
3.3.1. Blok za određivanje ciljeva ulaganja.
3.3.2. Blok za pripremu informacija o stanju na tržištu i istoriji makroekonomskih pokazatelja.
3.3.3. Blok za analizu podataka o stanju tržišta i prognoziranje tržišta.
3.3.4. Blok za analizu postojeće strukture portfelja, odabir strategije ulaganja i određivanje detaljne strukture investicionog portfelja.
3.3.5. Jedinica za procjenu aktivnosti upravljanja portfoliom.
Odjeljak 3.4. Tehničke i softverske komponente automatizovanog radnog mesta.
Odjeljak 3.5. Neuronska mreža kao komponenta automatiziranog radnog mjesta.
Stav 3.6. Osnovni propisi i procedure. Informaciona podrška.
3.6.1. Pravilnik o utvrđivanju sistema investicionih ciljeva.
3.6.2. Propisi za određivanje sistema ograničenja klijent/kompanija.
3.6.3. Propisi za utvrđivanje sistema zakonskih ograničenja u pogledu upravljanja imovinom.
3.6.4. Propisi za određivanje sistema infrastrukturnih ograničenja.
3.6.5. Pravilnik o informaciono-analitičkoj podršci. Eksterne informacije.
3.6.6. Propisi o informacionoj podršci. Informacije o strukturi portfelja.
3.6.7. Propisi za razvoj i održavanje tehnologija.
3.6.8. Pravilnik o formiranju strategije ulaganja i utvrđivanju detaljne strukture portfelja.
3.6.9. Propisi za ocjenjivanje aktivnosti upravljanja portfoliom.
Odjeljak 3.7. Procjena efikasnosti automatiziranog radnog mjesta.
Uvod u disertaciju (dio apstrakta) na temu "Modeli i metode za predviđanje kamatnih stopa u kompjuterizaciji upravljanja hartijama od vrijednosti"
Efikasno upravljanje kapitalom je kritična briga za preduzeća i pojedince. Država zauzima značajno mjesto u sistemu regulacije, kontrole i unapređenja efikasnosti aktivnosti upravljanja imovinom. Konkretno, povećanje nivoa socijalne sigurnosti stanovništva jedan je od prioriteta svake države. Reforma postojeći sistem penzionog obezbjeđenja, stvaranjem za ovu svrhu nedržavnog sistema penzijskog obezbjeđenja namijenjen je rješavanju ovog problema u smislu unapređenja socijalne zaštite penzionera. Ovaj pristup dominira zbog objektivno efikasnijeg rada nedržavnih preduzeća.
Najvažniji zadatak nedržavnih penzijskih fondova je, pak, povećanje efikasnosti upravljanja imovinom u cilju postizanja maksimalne profitabilnosti uz prihvatljiv nivo rizika na uložena sredstva investitora fondova. Budući da se ovi ciljevi ostvaruju korištenjem tehnologija fiksnog prihoda, zadaci kreiranja, implementacije i poboljšanja efikasnosti tehnologija upravljanja vrijednosnim papirima sa fiksnim prihodom postaju od najveće važnosti.
Zbog još kratke istorije ruskog finansijskog tržišta, s jedne strane i odlično iskustvo akumulirane od strane zapadnih finansijskih institucija, s druge strane, najveće uspehe u upravljanju imovinom postižu oni finansijski menadžeri koji racionalno koriste ovo iskustvo, prenoseći zapadne tehnologije upravljanja imovinom u Rusiju, ali istovremeno uzimajući u obzir posebnosti ruske ekonomija, mentalitet itd.
TO najvažnije karakteristike ruskog finansijskog tržišta, posmatrano u poslednjih pet godina njegovog rada, obuhvataju: kratku istoriju;
Visoka izloženost eksternim faktorima (glavni je kretanje stranog kapitala);
Visok stepen uticaja neformalizovanih i slabo predvidljivih faktora;
Velika varijabilnost zakonodavnog okvira.
Ove karakteristike određuju neke probleme u analizi i predviđanju finansijskih tržišta u Ruskoj Federaciji. Kratka istorija nam ne dozvoljava da adekvatno generalizujemo i analiziramo prostor događaja; nelikvidno tržište omogućava jednom velikom operateru da nasumično značajno utiče na nivo cena; Promjenjivost zakonodavstva je teško predvidjeti i često ne odgovara ekonomskoj realnosti.
Stoga je korištenje većine metoda analize i predviđanja tržišta vrijednosnih papira, uključujući tržišta vrijednosnih papira sa fiksnim prihodom, praktično nemoguće. Na nelikvidnim i slabo likvidnim tržištima, kao što je bilo prije 1997. i 1998-1999. Rusko tržište vrijednosnih papira sa fiksnim prihodom, za potrebe srednjoročnog predviđanja nemoguće je primijeniti ni klasičnu tehničku analizu ni klasičnu fundamentalnu faktorska analiza zbog uticaja postojećih nepredvidivih ili slabo predvidljivih faktora. Tačnost srednjoročne prognoze kamatne stope (za period duži od 1 mjeseca) pri prognozama korištenjem najsavremenije tehnologije zasnovane na korištenju neuronskih mreža je manja od 60%, što je nezadovoljavajući pokazatelj.
Shvatajući i prihvatajući sve gore navedene probleme koji su svojstveni ruskom finansijskom tržištu, ruska vlada postepeno liberalizuje aktivnosti domaćih finansijskih institucija zakonom. Primjer za to je dozvola nedržavnim penzionim fondovima da plasiraju sredstva u visoko pouzdane instrumente zapadnih finansijskih tržišta.
Stoga, analiza postojećih tehnologija upravljanja imovinom na Zapadu finansijska tržišta, identifikovanje njihovih nedostataka, modifikacija ovih tehnologija u cilju povećanja tačnosti prognoze za dalju primenu na zapadnim tržištima novca i kapitala, kao i prilagođavanje ruskim uslovima uz poboljšanje investicione klime najhitniji je savremeni zadatak finansijskog menadžmenta u Rusija.
Uprkos raznovrsnosti tehnologija razvijenih tokom vekovne istorije zapadnih finansijskih tržišta, razvoj metoda i teorija upravljanja portfoliom se nastavlja i danas. Posebno snažan podsticaj razvoju i unapređenju tehnologija upravljanja portfoliom dao je iskorak u oblasti informacionih tehnologija. Faktorska analiza velikih količina podataka zasnovana na upotrebi najnovije tehnologije prikupljanje, skladištenje i brza obrada podataka; Pojava takvih alata kao što su neuronske mreže omogućila je identifikaciju neočiglednih obrazaca u ekonomiji. Može se primijetiti da u današnje vrijeme razvoj tehnologija upravljanja imovinom značajno zavisi od nivoa razvoja informacionih tehnologija. Stoga se, kao i proces unapređenja informacione tehnologije, proces razvoja novih tehnologija upravljanja imovinom može nazvati kontinuiranim.
Potreba za poboljšanjem postojećih investicijskih tehnologija, modela i metoda predviđanja u savremenim uslovima i odredio temu istraživanja sprovedenog u radu.
Svrha studije je razvoj modela i metoda za predviđanje kamatnih stopa i njihovu primjenu u upravljanju portfoliom vrijednosnih papira.
Ciljevi razvoja automatizovanog radnog mesta za menadžera portfelja obveznica su:
Poboljšanje efikasnosti upravljanja portfeljima vrijednosnih papira sa fiksnim prihodom;
Povećanje konkurentnosti kompanije/fonda;
Formiranje stabla mogućih odluka za portfolio menadžera obveznica na osnovu analize svih vrsta investicionih strategija;
Procjena efikasnosti implementacije i sposobnost poređenja različitih strategija ulaganja, uključujući klasične i nove;
Poboljšanje kvalifikacija menadžera portfelja imovine.
Ciljevi studije u skladu sa navedenim ciljem su:
Istraživanje prirode investicijskih ciljeva finansijskih institucija i pojedinaca;
Istraživanje vrsta vrijednosnih papira sa fiksnim prihodom, izrada klasifikacije vrijednosnih papira sa fiksnim prihodom;
Istraživanje i klasifikacija investicijskih strategija za upravljanje portfeljem vrijednosnih papira;
Određivanje prihvaćenih metoda analize i predviđanja finansijskih tržišta;
Identifikacija faktora koji najviše utiču na dinamiku kamatnih stopa, utvrđivanje značaja ovih faktora na osnovu korišćenja tehnologija neuronskih mreža;
Modeliranje strukture kamatnih stopa;
Izgradnja modela zavisnosti kamatnih stopa od značajnih faktora na osnovu upotrebe tehnologija neuronskih mreža;
Identifikacija rizika povezanih s korištenjem tehnologija upravljanja vrijednosnim papirima s fiksnim prihodom;
Razvoj metoda za smanjenje rizika korišćenja tehnologija za upravljanje hartijama od vrednosti sa fiksnim prihodom;
Razvoj i implementacija automatizovane radne stanice (AWS) za menadžera portfelja obveznica;
Sprovođenje procjene efikasnosti kreiranog sistema upravljanja portfoliom vrijednosnih papira sa fiksnim prihodom.
Predmet istraživanja je tržište vrijednosnih papira sa fiksnim prihodom izdatih u američkim dolarima. U radu se ispituje dinamika krive prinosa na obaveze Trezora SAD (zabeleške, zapise i obveznice Trezora SAD). Predmet studije je problem efektivno upravljanje portfelj hartija od vrednosti sa fiksnim prihodom.
Za sprovođenje naučnog istraživanja u radu su korištene metode Statistička analiza, empirijsko istraživanje, numerička optimizacija, metode teorije neuronskih mreža, metode rješavanja minimaksnih problema.
1. Tehnologije za predviđanje nivoa kamatnih stopa određivanjem funkcionalnih zavisnosti između ključnih makroekonomskih faktora, njihovih prosječnih prošlih vrijednosti i očekivanja investitora u pogledu nivoa kamatnih stopa korištenjem alata neuronske mreže;
2. Tehnologije za analizu značaja faktora za predviđanje kamatnih stopa korišćenjem linearnih jednoslojnih neuronskih mreža;
3. Tehnologije za predviđanje vrste pomaka (paralelne ili neparalelne) krive prinosa korišćenjem multifaktorskog modela zavisnosti vrste pomeranja od makroekonomskih pokazatelja (Frankel) i korišćenjem alata neuronske mreže;
4. Metoda za utvrđivanje mogućnosti korištenja portfolio strategija imunizacije primjenom kriterija portfolio imunizacije; razvoj kriterijuma za imunizaciju portfelja;
5. Tehnologije za određivanje strukture vakcinisanog portfelja tokom imunizacije za bilo koji period.
Praktična vrijednost rada leži u činjenici da se razvijeni aparat za rješavanje problema upravljanja portfeljem vrijednosnih papira s fiksnim prihodom koristi u praksi. društvo za upravljanje NPF treba da predvidi jedan od glavnih faktora koji utiču na rusko tržište hartija od vrednosti - kamatnu stopu na obveznice američkog trezora. Razvijene tehnologije mogu se koristiti kada se konačno promijeni zakonodavstvo o kontroli valute, nakon čega će ruski fondovi moći da posluju međunarodna tržišta kapital. Ove tehnologije se mogu prilagoditi i ruskom finansijskom tržištu nakon što Ruskoj Federaciji dodijele investicijski rejting od strane vodećih zapadnih rejting agencija, što će značiti dolazak novih investitora i kapitala i stabilizaciju ruskog finansijskog tržišta.
Treba napomenuti da rezultate dobijene u radu mogu koristiti ne samo nedržavni penzioni fondovi, već i osiguravajuća društva, investiciona društva, komercijalne banke i privatni investitori za potrebe upravljanja portfeljima hartija od vrijednosti sa fiksnim prihodom.
Zaključak disertacije na temu "Matematičke i instrumentalne metode ekonomije", Shkrapkin, Aleksej Vadimovič
Zaključak.
U disertaciji su razvijene efikasne informacione tehnologije za upravljanje portfoliom hartija od vrednosti sa fiksnim prihodom. Efikasnost je dokazana testiranjem na stvarnim tržišnim podacima.
U skladu sa navedenim ciljevima studije, riješeni su sljedeći zadaci:
Provedena je studija o prirodi investicionih ciljeva investicionih institucija i pojedinaca; tipovi investicionih ciljeva se identifikuju u zavisnosti od različitih tipova investitora.
Urađena je studija o vrstama hartija od vrijednosti sa fiksnim prihodom, izrađena je klasifikacija hartija od vrijednosti sa fiksnim prihodom; identifikuju se hartije od vrijednosti koje su predmet istraživanja;
Istraženo postojeća klasifikacija investicijske strategije za upravljanje portfeljem vrijednosnih papira;
Identifikovane su i proučene prihvaćene metode analize i predviđanja finansijskih tržišta;
Identifikovani su rizici povezani sa upotrebom tehnologija upravljanja hartijama od vrednosti sa fiksnim prihodom;
Identifikovani su faktori koji najviše utiču na dinamiku kamatnih stopa, a na osnovu upotrebe tehnologija neuronskih mreža analiziran je značaj ovih faktora;
Utvrđeni su postojeći modeli ročne strukture kamatnih stopa; jedan od postojećih modela je dopunjen, zbog čega je povećana tačnost aproksimacije;
Konstruisan je model zavisnosti kamatnih stopa od značajnih faktora na osnovu korišćenja tehnologija neuronskih mreža;
Razvijene su metode za smanjenje rizika korišćenja tehnologija upravljanja hartijama od vrednosti sa fiksnim prihodom na osnovu upotrebe modifikovanih strategija imunizacije sa zaštitom od tilt shift-a;
Razvijena je i implementirana automatska radna stanica (AWS) za upravljanje portfoliom obveznica;
Izvršena je procjena ekonomske efikasnosti kreiranog sistema upravljanja portfoliom hartija od vrijednosti sa fiksnim prihodom.
Dobijeni rezultati nam omogućavaju da zaključimo da je napravljen još jedan korak u unapređenju i razvoju tehnologija za upravljanje portfeljom sredstava sa stalnim prihodom. Razvijene tehnologije će omogućiti portfolio menadžerima Kompanije da koriste ove tehnologije da povećaju efikasnost upravljanja imovinom.
Spisak referenci za istraživanje disertacije Kandidat ekonomskih nauka Škrapkin, Aleksej Vadimovič, 2000.
1. Sharp W.F., Alexander G.J., Bailey J.W. Investicije M. Infra-M, 1997. - 1024 str.
2. Frank J. Fabozzi Tržišta obveznica, analiza i strategije Prentice Hall, 1996.595 str.
3. Frank J. Fabozzi, Franco Modigliani, Tržišta kapitala: institucije i instrumenti - Prentice Hall, 1992.
4. Frank J. Fabozzi Tržišta obveznica, analiza i učesnici Prentice Hall, 1994.
5. F. M. Reddington Pregled principa životnog vrednovanja ureda Časopis instituta aktuara, 1952.
6. G.O. Bierwag, George K. Kaufman, Alden Toevs Strategije imunizacije za finansiranje višestrukih obaveza Časopis za finansijsku i kvantitativnu analizu, 1983.
7. Fong i Vasiček Strategija minimiziranja rizika za imunizaciju višestruke odgovornosti - Journal of portfolio management, proljeće 1987.
8. Frank J. Jones Strategije krivulje prinosa Časopis fiksnog prihoda, 1 - 1991.
9. Robert R. Reitano Multivarijantni pristup teoriji imunizacije Actual Research Clearing House, 1990.
10. Robert R. Reitano Neparalelni pomaci krive prinosa i imunizacija Journal of portfolio management, proljeće 1992.
11. J.A.Frankel Finansijska tržišta i monetarna politika, MIT Press, Cambridge, 1995.
12. I.T.Nabney P.G.Jenkins Uvođenje pravila u financijama i marketing Konferencija o rudarenju podataka u financijama i marketingu, 1992.
13. G. Cybenko Aproksimacija superpozicijom sigmoidne funkcije Math. Upravljanje, signali i sistemi, 1989
14. C.Dunis Predviđanje finansijskih tržišta John Wiley"&Sons, 1997.
15. J.M. Keynes Opća teorija zapošljavanja, kamata i novca Macmillan, London, 1936
16. W. Phoa Napredna analitika fiksnog prihoda FJF, 1998
17. Gorban A.N. Trening neuronske mreže. Moskva. SP paragraf. 1990. - 160 str. 18.2. Sveruska naučna i tehnička konferencija "Neuroinformatika-2000". Zbornik naučnih radova. U 2 dijela. M.: MEPhI, 2000. 284 str.
18. N. Anderson, F. Breedon Procjena i tumačenje krive prinosa Wiley, 1997. 220 str.
19. J. W. Smith, E. V. Kuznetsova, Finansijski menadžment tvrtka Pravna kultura, 1995 383 str.
20. D.-E. Bastens, W.-M. Van den Bergh, D. Wood Neuralne mreže i finansijska tržišta, Finansijska matematika i matematika osiguranja 1997. 236 str.
21. Vašiček i dalje pristupi izgradnji i primeni modela kamatnih stopa -Finansijski inženjering doo, 1996. 367c.
22. G.O.Bierwag, Analiza trajanja: Upravljanje rizikom kamatne stope. Cambridge, MA: Ballinger Publishing Company, 1987
23. G.C. Kaufman Mjerenje i upravljanje rizikom kamatne stope: Primer. Ekonomska perspektiva, Banka federalnih rezervi Čikaga 1-2 1984
24. R. Litterman, J. Scheinkman Uobičajeni faktori koji utječu na povrat obveznica, Journal of fiksni prihod, 6-1991.
25. R.E. Dattatreya, F.J.Fabozzi Aktivno upravljanje ukupnim povratom portfelja s fiksnim prihodom, Probus Publishing, 1989.
26. F.Modigliani, R.J.Shiller, Inflacija, racionalna očekivanja i vremenska struktura kamatnih stopa, Econometrica, 1973.
27. I.E. Messmore Trajanje viška. Časopis za upravljanje portfoliom, zima 1990
28. F.J. Fabozzi Investment Management, Infra-M, 2000
29. K. J. Cohen, R. L. Kramer, W. H. Krive prinosa Waughove regresije za američke državne vrijednosne papire, Nauka o menadžmentu, 14, 1966.
30. W.T.Carleton, I.A.Cooper, Procjena i upotreba terminske strukture kamatnih stopa, Journal of finance, 4, 1976.
31. De Boor, Praktični vodič za splines, Springer-Verlag, New York 1978.
32. D.I.Meiselman Terminska struktura kamatnih stopa, Prentice hall, 1962.
33. G.S.Shea, Procjena strukture kamatnih stopa s eksponencijalnim splajnovima: bilješka, Journal of finance, 1, 1985.
34. A. Buhler, H. Zimmermann Statistička analiza ročne strukture kamatnih stopa u Švicarskoj i Njemačkoj. Časopis fiksnih prihoda 12-1996.
35. A. Beja Državna preferencija i nerizična kamatna stopa: Markovljev model tržišta kapitala. Pregled ekonomskih studija 46, 1979
36. Shkrapkin A.B. Opće strategije upravljanja portfoliom imovine. Aktivne, pasivne i pasivno-aktivne portfolio strategije./ Zbornik radova sa naučne konferencije “Reforme u Rusiji i problemi upravljanja-97”, izdanje 3 M.: GAU 1997.
37. Shkrapkin A.V. Strategije strukturiranja portfelja. / Tržište hartija od vrijednosti, 2000, br. 19.
38. Shkrapkin A.V. Pristupi predviđanju kamatnih stopa korištenjem alata neuronske mreže. / Bankarske tehnologije, 2000, br. 12.
Napominjemo da su gore predstavljeni naučni tekstovi objavljeni samo u informativne svrhe i da su dobijeni putem originalnog prepoznavanja teksta disertacije (OCR). Stoga mogu sadržavati greške povezane s nesavršenim algoritmima za prepoznavanje. Nema takvih grešaka u PDF datotekama disertacija i sažetaka koje dostavljamo.
Da bi se predvidela dalja dinamika valutnog para, razvijen je velika količina tehnike. Međutim, kvantitet se nije pretočio u kvalitet, a postizanje prilično efikasne prognoze nije najlakši zadatak. Pogledajmo četiri najčešće metode za predviđanje kursa valutnih parova.
Teorija pariteta kupovne moći (PPP).
Paritet kupovne moći (PPP) je možda najpopularniji metod. Spominje se češće od drugih u udžbenicima ekonomije. Teorija JPP zasniva se na principu „zakona jedne cijene“, koji kaže da bi cijena identične robe u različitim zemljama trebala biti ista.
Na primjer, cijena ormarića u Kanadi trebala bi biti slična cijeni istog ormarića u Sjedinjenim Državama, uzimajući u obzir devizni kurs i isključujući troškove dostave i zamjene. Odnosno, ne bi trebalo biti razloga za špekulacije, da se u jednoj zemlji kupuje jeftino, a u drugoj prodaje skuplje.
Prema teoriji JPP, promjene u deviznom kursu trebale bi nadoknaditi . Na primjer, ove godine bi cijene u Sjedinjenim Državama trebale porasti za 4%, u Kanadi u istom periodu - za 2%. Dakle, razlika inflacije je: 4% - 2% = 2%.
U skladu s tim, cijene u SAD će rasti brže nego u Kanadi. Prema teoriji JPP, američki dolar mora izgubiti oko 2% na vrijednosti da bi cijena iste robe u dvije zemlje ostala približno ista. Na primjer, ako je kurs bio 1 CAD = 0,9 USD, tada se prema teoriji PPP predviđeni kurs izračunava na sljedeći način:
(1 + 0,02) x (0,90 USD za 1 CAD) = 0,918 USD za 1 CAD
Odnosno, da bi bio u skladu sa PPP, kanadski dolar mora porasti na 91,8 američkih centi.
Najčešći primjer upotrebe principa PPP je Big Mac indeks, koji se zasniva na poređenju njegove cijene u različitim zemljama, a koji pokazuje nivo potcijenjenosti i precijenjenosti valute.
Princip relativne ekonomske stabilnosti
Način ovog planinarenja opisan je u samom nazivu. Kao osnova uzimaju se stope ekonomskog rasta različitih zemalja, što omogućava predviđanje dinamike deviznog kursa. Logično je pretpostaviti da će stabilan ekonomski rast i zdrava poslovna klima privući više stranih investicija. Za ulaganje je potrebno kupiti nacionalnu valutu, što, shodno tome, dovodi do povećanja potražnje za nacionalnom valutom i njenog naknadnog jačanja.
Ova metoda je pogodna ne samo za poređenje stanja privrede dvije zemlje. Uz njegovu pomoć možete formirati mišljenje o prisutnosti i intenzitetu tokova ulaganja. Na primjer, investitore privlače više kamatne stope kako bi maksimizirali povrat na svoja ulaganja. Shodno tome, potražnja za nacionalnom valutom ponovo raste i jača.
Niske kamatne stope mogu smanjiti priliv stranih investicija i stimulisati domaće kreditiranje. To je slučaj u Japanu, gdje su kamatne stope smanjene na rekordno niske. Postoji strategija trgovanja, na osnovu razlika u kamatnim stopama.
Razlika između principa relativne ekonomske stabilnosti i teorije JPP je u tome što je uz njegovu pomoć nemoguće predvidjeti veličinu deviznog kursa. Daje samo investitoru opšta ideja o izgledima za jačanje ili slabljenje valute i snazi impulsa. Da bi se dobila potpunija slika, princip relativne ekonomske stabilnosti se kombinuje sa drugim metodama predviđanja.
Izgradnja ekonometrijskog modela
Veoma popularna metoda za predviđanje deviznih kurseva je metoda kreiranja modela koji opisuje odnos između kursa valute i faktora koji, po mišljenju investitora ili trgovca, utiču na njegovo kretanje. Prilikom sastavljanja ekonometrijskog modela, u pravilu se koriste vrijednosti iz ekonomske teorije, ali se u izračunima mogu koristiti sve druge varijable koje imaju značajan utjecaj na tečaj.
Uzmimo, na primjer, izradu prognoze za narednu godinu za par USD/CAD. Biramo ključne faktore za dinamiku para: razliku (diferencijal) između kamatnih stopa SAD i Kanade (INT), razliku i razliku između stopa rasta ličnih dohodaka SAD i Kanade (IGR ). Ekonometrijski model će u ovom slučaju imati sljedeći oblik:
USD/CAD (1 godina) = z + a(INT) + b(BDP) + c(IGR)
Koeficijenti a, b i c mogu biti negativni ili pozitivni i pokazuju koliko je jak uticaj odgovarajućeg faktora. Vrijedi napomenuti da je metoda prilično složena, međutim, ako imate gotov model, za dobivanje prognoze dovoljno je jednostavno zamijeniti nove podatke.
Analiza vremenskih serija
Metoda analize vremenskih serija je čisto tehnička i ne uzima u obzir ekonomsku teoriju. Najpopularniji model u analizi vremenskih serija je model autoregresivnog pokretnog prosjeka (ARMA). Metoda se zasniva na principu predviđanja cjenovnih obrazaca valutnog para na osnovu prošle dinamike. Obračun se vrši posebnim kompjuterskim programom na osnovu unesenih parametara vremenske serije, čiji je rezultat kreiranje individualnog modela cijene za određeni valutni par.
Nesumnjivo je da je prognoziranje deviznih kurseva izuzetno težak zadatak. Mnogi investitori jednostavno radije štite od valutnih rizika. Drugi investitori prepoznaju važnost predviđanja deviznih kurseva i nastoje da razumeju faktore koji na njih utiču. Gore navedene metode mogu biti od dobre pomoći takvim učesnicima na tržištu.
Mnogi učesnici na tržištu su zainteresovani da budu u stanju da predvide budući smer kursa. Bilo da ste velika kompanija ili pojedinačni trgovac, prognoza valute je od vitalnog značaja za minimiziranje rizika i povećanje profita.
Postoji ogroman broj metoda koje vam omogućavaju da predvidite ponašanje valutnog para. Međutim, ovoliki broj je najvjerovatnije posljedica relativno jednake djelotvornosti svake metode. Zbog toga je izuzetno teško dobiti zaista kvalitetnu prognozu. Međutim, ovaj članak će se fokusirati na četiri najpopularnije metode za predviđanje deviznih kurseva.
Teorija pariteta kupovne moći (PPP).
Paritet kupovne moći (PPP) je možda najpopularnija metoda zbog stalnog spominjanja u udžbenici u ekonomiji. Princip JPP zasniva se na teoretskom „zakonu jedne cene“, koji kaže da identična roba u različitim zemljama treba da ima istu cenu.
Na primjer, prema ovom pravilu, olovka u Kanadi mora koštati isto kao ista olovka u Sjedinjenim Državama, uzimajući u obzir devizni kurs i isključujući troškove razmjene i transporta. Drugim riječima, ne bi trebalo biti razloga za spekulacije kada će neko „jeftino“ kupiti olovke u jednoj zemlji da bi ih isplativo prodao u drugoj.
Na osnovu ove teorije PPP, kurs treba da se menja na način da se kompenzuje rast cena usled inflacije. Na primjer, pretpostavimo da se očekuje da će cijene u Sjedinjenim Državama porasti za 4% u narednoj godini, dok se u Kanadi očekuje da porastu za samo 2%. Diferencijal inflacije će biti:
To znači da će stopa rasta cijena u SAD-u biti brža od one u Kanadi. Prema principu pariteta kupovne moći, američki dolar bi morao depresirati za oko 2% da bi cijene robe u dvije zemlje ostale relativno jednake. Na primjer, ako je tečaj bio 90 američkih centi po kanadskom dolaru, tada bi prema metodi PPP predviđeni kurs bio:
(1 + 0,02) x (0,90 USD za 1 CAD) = 0,918 US za 1 CAD
To znači da bi kanadski dolar trebao porasti na 91,8 američkih centi po dolaru.
Najpopularniju primjenu PPP metode ilustruje primjer Big Mac indeksa, sastavljen i objavljen u britanskom časopisu The Economist. Funky indeks je pokušaj da se utvrdi da li je valuta podcijenjena ili precijenjena na osnovu cijene Big Maca u različitim zemljama. Budući da je Big Mac univerzalni proizvod, isti u svim zemljama u kojima se prodaje, poređenje cijena za njega činilo je osnovu indeksa.
Princip relativne ekonomske stabilnosti
Naziv ovog pristupa govori sam za sebe. Za osnovu se uzima stopa ekonomskog rasta u različitim zemljama, što nam omogućava da predvidimo smjer kretanja deviznog kursa. Obrazloženje iza ove metode je da će zdrava ekonomska klima i potencijalno veće stope rasta vjerovatnije privući investicije iz inostranstva. A da bi uložio sredstva, strani investitor će morati kupiti nacionalnu valutu, što će dovesti do povećane potražnje i, shodno tome, povećanja cijene valute.
Međutim, takav pristup nije zasnovan samo na odnosu relativne ekonomske stabilnosti dvije zemlje. Takođe vam omogućava da dobijete ideju o tokovima investicija. Na primjer, određeni nivo kamatnih stopa može privući investitore u neku zemlju, između ostalog. Dakle, veće kamatne stope postaju primamljive za one investitore koji pokušavaju da ostvare maksimalni prinos na svoja ulaganja. Kao rezultat, potražnja za nacionalnom valutom se povećava, a to povećava njenu vrijednost.
Nasuprot tome, niske kamatne stope mogu u nekim slučajevima obeshrabriti investitore, smanjujući prilive investicija, ili čak podstaći kreditiranje u domaćoj valuti za druga ulaganja. Slična situacija je nastala i u Japanu, kada su kamatne stope pale na rekordno niske. Ova strategija trgovanja je poznata kao carry trade.
Za razliku od teorije JPP, princip relativne ekonomske stabilnosti neće pomoći u predviđanju veličine deviznog kursa. Ova metoda daje investitorima općenitiju predstavu o smjeru kretanja valute (jačanje ili slabljenje), kao i jačini impulsa. Najčešće, da bi se dobila potpunija slika, opisani princip se koristi u kombinaciji s drugim metodama predviđanja.
Izgradnja ekonometrijskog modela
Još jedan popularan način predviđanja deviznih kurseva je kreiranje modela koji povezuje kurs određene valute sa svim faktorima koji, po mišljenju trgovca, utiču na njeno kretanje. Uobičajeno, kada se konstruiše ekonometrijski model, koriste se količine iz ekonomske teorije. Međutim, bilo koja varijabla za koju se vjeruje da ima snažan uticaj na devizni kurs može se dodati izračunima.
Recimo da je prognostičar kanadske kompanije dobio zadatak da napravi prognozu kursa USD/CAD za narednu godinu. Nakon pažljivog istraživanja i analize, kao ključni su odabrani sljedeći faktori: razlika kamatnih stopa između SAD-a i Kanade (INT), razlika između stopa rasta BDP-a (BDP) i razlika između stopa rasta dohotka u obje zemlje (IGR). Tada će ekonometrijski model izgledati ovako: način:
USD/CAD (1 godina) = z + a(INT) + b(BDP) + c(IGR)
Ne ulazeći u detalje u vezi sa principima konstruisanja jednadžbe, nakon što dobijete model, možete jednostavno zamijeniti varijable INT, GDP i IGR i dobiti potrebnu prognozu. Koeficijenti a, b i c određuju koliko snažno svaki od ovih faktora utiče na kurs i pravac kretanja (u zavisnosti od toga da li je koeficijent negativan ili pozitivan). Ova metoda je možda najkompleksnija i najzahtjevnija od svih gore opisanih. Međutim, kada već imate gotov model, lako možete dobiti brze prognoze dodavanjem novih podataka.
Analiza vremenskih serija
Posljednja metoda o kojoj se raspravlja je analiza vremenskih serija. Ova metoda je čisto tehnička i nije povezana sa ekonomska teorija. Jedan od najpopularnijih modela u analizi vremenskih serija je model autoregresivnog pokretnog prosjeka (ARMA). Prema ovoj metodi, prošlo ponašanje i obrasci cijena mogu se koristiti za predviđanje budućeg ponašanja i obrazaca cijena određenog para. U tu svrhu, u specijal kompjuterski program unose se podaci vremenske serije, nakon čega program evaluira sve parametre i kreira individualni model.
Zaključak
Predviđanje deviznih kurseva je izuzetno težak zadatak. Iz tog razloga mnoge kompanije i investitori jednostavno osiguravaju valutne rizike. Drugi shvataju važnost predviđanja deviznih kurseva i pokušavaju da razumeju faktore koji na njih utiču. 4 gore opisane metode bit će dobar početak za ovu kategoriju učesnika na tržištu.
Kao rukopis Galkin Dmitry Evgenievich PROGNOZIRANJE KAMATNIH STOPA ZASNOVANO NA TEORIJI DETERMINISTIČKOG HAOSA KAO METODA UPRAVLJANJA KAMNIM RIZICIMA U KOMERCIJALNIM BANKAMA Specijalnost 08.00.13 – matematičke i instrumentalne metode nauke za ekonomsku diplomu doc. Perm 2012. Rad je izveden na Odsjeku za primijenjenu matematiku Federalne državne budžetske obrazovne ustanove VPO „Permski nacionalni istraživački politehnički univerzitet“ (PNRPU) Naučni rukovodilac: doktor tehničkih nauka, profesor Vladimir Pavlovič Pervadčuk Zvanični protivnici: doktor fizike i matematičkih nauka, profesor Rumjancev Aleksandar Nikolajevič Kandidat ekonomskih nauka, vanredni profesor Sergej Vladimirovič Ivlijev Vodeća organizacija: Federalna državna budžetska obrazovna ustanova visokog stručnog obrazovanja Državni tehnički univerzitet "Izhevsk", Iževsk Odbrana će se održati 29. marta 2012. godine u :00 na sastanku vijeća za disertaciju DM 212.189.07 u Federalnoj državnoj budžetskoj obrazovnoj ustanovi visokog stručnog obrazovanja „Perm State National istraživački univerzitet» na adresi: 614990, Perm, ul. Bukireva, 15, zgrada 1, sala za sastanke Nastavnog veća. Disertacija se može naći u biblioteci Permskog državnog nacionalnog istraživačkog univerziteta. Sažetak je objavljen na službenoj web stranici Visoke atestacijske komisije Ministarstva obrazovanja i nauke Ruske Federacije: http://vak.ed.gov.ru/ i na web stranici Permskog državnog nacionalnog istraživačkog univerziteta www. psu.ru Sažetak je poslan 28. februara 2012. Naučni sekretar veća za disertacije, doktor ekonomskih nauka, vanredni profesor T.V. Mirolyubova 2 OPŠTE KARAKTERISTIKE RADA Relevantnost teme istraživanja. Zadatak upravljanja rizicima u bankarskom sektoru je netrivijalan kroz cjelokupnu bankarsku djelatnost. Problem bankarskih rizika u modernom vremenu postaje sve aktuelniji u svjetlu sve većeg uticaja finansijskog sektora na globalnu ekonomiju. Tako, na primjer, u SAD-u, najvećoj ekonomiji svijeta, sedamdesetih godina prošlog vijeka učešće prihoda finansijskog sektora u ukupnim korporativnim prihodima nije prelazilo 16%, a 2000-ih je dostiglo 41%. Uzimajući u obzir kolosalnu ulogu banaka u globalnoj finansijskoj krizi 2008. i rastućoj krizi 2011. godine, problem upravljanja i kontrole rizika u bankarskom sektoru zahtijeva veliku pažnju i studiranje. Među svim vrstama rizika svojstvenih bankarskim aktivnostima, kamatni rizik zauzima posebno mjesto, odmah iza kreditnog rizika po uticaju. Međutim, jedna od bitnih razlika između kamatnog i kreditnog rizika je činjenica da je područje koje je podložno njegovom uticaju mnogo šire. Kao rezultat toga, značaj kamatnog rizika je visok ne za jednu pojedinačnu liniju poslovanja, već za banku u cjelini. Osim toga, uzimajući u obzir visoku volatilnost finansijskih tržišta, uključujući tržište kamatnih stopa, tokom perioda ekonomske nestabilnosti, upravljanje kamatnim rizikom treba pažljivo sprovoditi, uzimajući u obzir moguće scenarije koji utiču na nivo kamatnog rizika. Gore navedene okolnosti određuju relevantnost studije. Stepen naučne razvijenosti teme. Naučnici kao što su Masaulay F., Redhead K., Hughes S., Entrop O., Cade E., Helliar C., Fabozzi F., Gardener E. proučavali su koncept rizika kamatnih stopa i proučavali različite aspekte problema procena i upravljanje ovom vrstom rizika., Mishkin F., van Greuning H., Patnaik I., Madura J., Amadou N. Trenutni nivo razvoja ovog problema u našoj zemlji se ogleda u radovima domaćih naučnika i specijalista. , među kojima treba istaknuti Sevruk V.T., Larionova I. V., Vinichenko I.N., Lavrushina O.I., Sokolinskaya N.E., Valentseva N.I., Khandrueva A.A. 3 Jedna od oblasti koja se dinamički razvija u proučavanju ekonomskih objekata i sistema je upotreba matematičke metode. Među njima treba posebno istaknuti pristupe koji omogućavaju široku upotrebu koncepata sinergije, determinističkog haosa i fraktalne geometrije u istraživanju. Sljedeći naučnici su bili uključeni u razvoj i razvoj takvih metoda: Takens F., Sornette D., Peters E., Bachelier L., Mandelbrot B., Gilmore R., Kantz H., Grassberger P., Procaccia I., Fama E., Lorenz E., Ruelle D., Casdagli M., Cao L., Haken H., Lefranc M. U ruskoj nauci značajan doprinos razvoju ovog pravca dali su Kurdyumov S.P., Malinetsky G.G., Bezruchko B.P. , Loskutov A.Yu., Shumsky S.A., Kuperin Yu.A. Svrha istraživanja disertacije je razvoj teorijskih i metodoloških osnova za upravljanje kamatnim rizikom u komercijalnim bankama na osnovu predviđanja kamatnih stopa primjenom teorije determinističkog haosa. Za postizanje ovog cilja riješeni su sljedeći zadaci: 1. Istraživanje postojećih pristupa za predviđanje finansijskih vremenskih serija i procjenu kamatnog rizika kako bi se postojeće iskustvo koristilo u razvoju nove metode. 2. Izbor efikasnih alata za proučavanje nelinearnosti dinamički sistemi na osnovu generisanih vremenskih serija. 3. Proučavanje odnosa tržišta kamatnih stopa i kamatnog rizika u komercijalnim bankama. 4. Prilagođavanje jednodimenzionalnog modela matematičkog predviđanja tržištu kamatnih stopa, uzimajući u obzir ograničeni determinizam i predvidljivost. 5. Razvoj multidimenzionalnog matematičkog modela za prognoziranje kamatnih stopa. 6. Izrada metodologije za upravljanje kamatnim rizikom na osnovu razvijenih modela predviđanja. Predmet istraživanja su komercijalne banke izložene kamatnom riziku kao rezultat transakcija kamatonosnim proizvodima. Predmet istraživanja su metode i alati za upravljanje kamatnim rizikom u komercijalnim bankama, kao i metode i algoritmi koji omogućavaju modeliranje sistema vezanih za kamatni rizik. 4 Područje istraživanja odgovara pasošu specijalnosti Visoke atestacijske komisije Ruske Federacije 08.00.13 „Matematičke i instrumentalne metode ekonomije“ u sljedećim tačkama: 1.1. Razvoj i razvoj matematičkog aparata za analizu ekonomskih sistema: matematička ekonomija, ekonometrija, primenjena statistika, teorija igara, optimizacija, teorija odlučivanja, diskretna matematika i druge metode koje se koriste u ekonomsko-matematičkom modelovanju. 1.6. Matematička analiza i modeliranje procesa u finansijskom sektoru privrede, razvoj metode finansijske matematike i aktuarskih proračuna. 2.3. Razvoj sistema za podršku odlučivanju za racionalizaciju organizacionih struktura i optimizaciju ekonomskog upravljanja na svim nivoima. Teorijsko-metodološka osnova su naučni radovi domaćih i stranih naučnika iz oblasti procene i upravljanja kamatnim rizikom u bankama, teorije determinističkog haosa, nelinearne dinamike, matematičkih metoda i modela finansijskih tržišta, fraktalne geometrije, sinergetike, objavljeno u ruskoj i stranoj štampi, kao i na internet mrežama. Praktični proračuni u okviru ovog istraživanja izvedeni su uz pomoć primijenjenog softvera kao što su MS Excel, MathWorks Matlab, Fractan, Tisean. Informacionu bazu studije činili su: – podaci iz informativno-analitičkih materijala o proučavanom problemu, predstavljeni u naučnoj literaturi, periodici i Internetu; – statistički izvori u vidu kotacija za međubankarske kreditne stope LIBOR i EURIBOR za različite periode. Najznačajniji rezultati do kojih je autor lično došao, a koji imaju naučnu novinu i podnose se na odbranu su: 1. Statističkim metodama utvrđena je nelinearnost i determinizam tržišta kamatnih stopa LIBOR-a i EURIBOR-a. 2. Modifikovan matematički model za prognoziranje kamatnih stopa na osnovu jednodimenzionalne vremenske serije, uzimajući u obzir determinizam 5 sistema koji se proučavaju, kao i razvijen pristup za određivanje obima primenljivosti ovog modela. 3. Matematički model za predviđanje kamatnih stopa zasnovan na višedimenzionalnoj vremenskoj seriji, uzimajući u obzir determinizam sistema koji se proučavaju i omogućavajući da se dinamika nekoliko sistema koristi pri konstruisanju prognoze. 4. Metodologija upravljanja kamatnim rizikom u komercijalnim bankama, koja se zasniva na matematičkom modelu za prognozu kamatnih stopa zasnovanom na metodama teorije determinističkog haosa, koji omogućava modeliranje scenarija korištenjem prediktivnih podataka. Teorijski značaj rezultata. Odredbe i zaključci formulisani u istraživanju disertacije razvijaju teorijsku i metodološku osnovu za analizu i predviđanje tržišta kamatnih stopa, kao i metode upravljanja kamatnim rizikom. Praktični značaj rezultata. Razvijeni metodološki pristup pruža poslovnim bankama ispravan alat koji omogućava da u zadatku upravljanja kamatnim rizikom pređu sa hipotetičkog modeliranja scenarija na modeliranje scenarija zasnovano na vjerovatnijim podacima prognoze. Apromacija rezultata istraživanja. Glavne odredbe rada disertacije predstavljene su na naučno-tehničkoj konferenciji studenata i mladih naučnika Permskog državnog tehničkog univerziteta (Perm, 2007), na XV međunarodnoj naučno-tehničkoj konferenciji „Informacione i računarske tehnologije i njihove primene (Penza, 2011), na XII međunarodnoj naučno-tehničkoj konferenciji „Kibernetika i visoke tehnologije XXI veka (Voronjež, 2011), na seminaru Laboratorije konstruktivnih metoda za istraživanje dinamičkih modela Permskog državnog nacionalnog istraživačkog univerziteta (Perm, 2011) . Rezultati studije našli su praktičnu primenu u UniCredit Bank CJSC. Ova organizacija koristi metodologiju upravljanja kamatnim rizikom i takođe primenjuje model predviđanja kamatnih stopa opisan u studiji. Takođe, materijali, metode i rezultati disertacije se koriste na Odseku za primenjenu matematiku Permskog nacionalnog istraživačkog politehničkog univerziteta prilikom izvođenja nastave na predmetu „Matematička analiza dinamičkih modela u ekonomiji“ na smeru obuke 010500. 68 “Primijenjena 6 matematika i računarstvo” u okviru master programa “Matematičke metode u upravljanju ekonomskim procesima” i prilikom čitanja predmeta “Matematička analiza dinamičkih procesa u ekonomiji” na smjeru pripreme 080100.68 - “Ekonomija” u okviru master programa „Matematičke metode ekonomske analize”. Realizacija rezultata istraživanja u ovim organizacijama potvrđena je relevantnim dokumentima. Publikacije. Na temu disertacije autor je objavio osam radova ukupnog obima 3,72 pp, uključujući dva rada u publikacijama koje je VKS preporučila za objavljivanje rezultata disertacije (1,16 pp). Obim i struktura disertacije. Rad je predstavljen na 147 stranica kucanog teksta. Glavni rezultati studije ilustrovani su u 26 tabela i 77 slika. Spisak korišćene literature obuhvata 108 naslova. Struktura disertacije određena je svrhom, ciljevima i logikom istraživanja. Rad se sastoji od uvoda, četiri poglavlja, zaključka, liste referenci i aplikacija. U uvodu je obrazložena relevantnost teme, postavljeni ciljevi i zadaci naučnog istraživanja, istaknuta najznačajnija dostignuća u oblasti istraživanja i prikazana novina dobijenih rezultata. U prvom poglavlju, „Primjena matematičkih metoda u proučavanju finansijskih vremenskih serija“, ispituju se postojeće metode i pristupi predviđanju finansijskih vremenskih serija, ocjenjuje se njihova efikasnost i definiraju preduslovi za korištenje nelinearnih metoda za modeliranje finansijskih vremenskih serija. U drugom poglavlju, „Izbor i opravdanje metoda za proučavanje nelinearnih dinamičkih sistema na osnovu vremenskih serija“, definisani su glavni pristupi proučavanju dinamičkih sistema primenom teorije determinističkog haosa, izvršena kritička procena i najoptimalniji i identifikovani su ispravni alati za proučavanje sistema zasnovanih na vremenskim serijama. U trećem poglavlju, „Procjena i proučavanje rizika kamatnih stopa u bankarstvu“, istražuje se uloga kamatnog rizika za komercijalne banke. Proučava se klasifikacija kamatnog rizika i glavni faktori koji generišu rizik kamatnih stopa kako bi se identifikovala priroda odnosa između tržišta kamatnih stopa i kamatnog rizika. U četvrtom poglavlju, „Razvoj metode za upravljanje rizikom kamatnih stopa na osnovu predviđanja kamatnih stopa“, proučava se tržište kamatnih stopa na nelinearnost i determinizam. Model predviđanja zasnovan na jednodimenzionalnoj vremenskoj seriji prilagođava se tržištu kamatnih stopa; Razvijaju se modeli predviđanja zasnovani na multivarijantnim vremenskim serijama. Na osnovu dobijenih modela kreirana je metodologija upravljanja kamatnim rizikom u poslovnoj banci. Zaključak sadrži glavne rezultate i zaključke istraživanja disertacije i ocjenu praktičnog značaja rada. OSNOVNE ODREDBE I REZULTATI ISTRAŽIVANJA ZA ODBRANU 1. Nelinearnost i determinizam tržišta kamatnih stopa LIBOR-a i EURIBOR-a, utvrđenog statističkim metodama. Ova odredba se zasniva na istraživanju tromjesečnog LIBOR-a i 1-, 3- i 6-mjesečnog EURIBOR-a, koje su najpopularnije referentne promjenjive stope i za koje je vezana cijena kredita s varijabilnom kamatnom stopom u američkim dolarima i eurima. . Ove stope odražavaju trošak sredstava na međubankarskom tržištu zajma za prve zajmoprimce sa kreditnim rejtingom AA ili više za relevantni period iu određenoj valuti. U disertaciji je uspostavljena kvalitativna veza između tržišta kamatnih stopa i nivoa kamatnog rizika za komercijalne banke. Kao rezultat toga, kamatne stope LIBOR i EURIBOR, kao najpopularnije stope za određivanje cijena na globalnim finansijskim tržištima, ispitane su na nelinearnost i determinizam. Prethodno, da bi se dobila kvazistacionarnost, vremenske serije koje su proučavane su transformisane na osnovu transformacije x (1) y t log(xt) log(x t 1) log(t) , t 2, n x t 1 8 Za proučavanje znakova nelinearnosti sistema, korišten je BDS test koji su predložili Brock i Dechert i Shenkman, čija je ideja izračunavanje statistike na osnovu razlike u korelacijskim integralima (2) za dimenzije ugradnje m i 1. 2 (2) C N (l, T) I t (xtN, xsN, l) TN (TN 1) t s gdje i xtN (xt, xt 1,..., xt N 1) xsN (x s, x s 1,..., x s N 1) predstavljaju istorijske podatke, TN T N 1, i 1, pri x N x N l , t s gdje je supremum norma. , l) N N 0, za xt x s l Rezultirajuća statistika (3) treba da ima normalnu raspodjelu N (0,1) ako je proces koji se proučava bijeli šum. T (C N (l, T) C1 (l, T) N) (3) wN (l, T) N (l, T) Ako vrijednost statistike za različite vrijednosti l prelazi kritična vrijednost , tada se odbacuje hipoteza da je proces bijeli šum. BDS statistike su izračunate za svaki proces koji se proučava za različite vrijednosti l i ugradnih dimenzija m. Dobijeni rezultati su omogućili da se za svaki proces odbaci nulta hipoteza, tj. uzorci nisu nezavisni i jednoliko raspoređeni. Osim toga, izračunata je BDS statistika za ostatke autoregresivnog AR(1) modela, zbog čega je nulta hipoteza za svaki proces također odbačena, što nam je zauzvrat omogućilo da zaključimo da su procesi koji se proučavaju bili nelinearni. Druga faza u proučavanju sistema za determinizam bilo je izračunavanje Hurstovog eksponenta za sisteme koji se proučavaju kako bi se utvrdilo u kojoj mjeri predmeti koji se proučavaju imaju dugotrajno pamćenje. Procjena je napravljena na osnovu izračunavanja normaliziranog raspona vremenske serije: R / S cN H (4) I t (xtN , x sN 9 gdje je R max(x tn) min(x tn) opseg vremenske serije, N je broj posmatranja, H je Hurst eksponent, S - standardna devijacija serije xtn. Na osnovu log-log grafa zavisnosti normalizovanog opsega R/S od broja posmatranja N, vrednost Hurstovog eksponenta je određen kao ugao nagiba aproksimirajuće prave.Za proučavane sisteme rezultati proračuna su dati u tabeli 1 (3mLIBOR - stope LIBOR za period od 3 mjeseca, 1mEURIBOR - EURIBOR stope za period od 1 mjesec, 3mEURIBOR - EURIBOR stope za period od 3 mjeseca, 6mEURIBOR - EURIBOR stope za period od 6 mjeseci): Tabela 1 Vrijednost Hurst indeksa za sisteme koji se proučavaju Sistem 3mLIBOR 1mEURIBOR 3mEURIBOR 6mEURIBOR H 0,70078730. Dobijeni rezultati (H 0,5) ukazuju da su sistemi koji se proučavaju uporni, odnosno da imaju dugotrajno pamćenje i da imaju tendenciju da održe trend. Na osnovu ovoga, kao i rezultata BDS testa za ove sisteme, možemo zaključiti da proučavani sistemi su deterministički procesi. 2. Modifikovan matematički model za predviđanje kamatnih stopa zasnovan na jednodimenzionalnoj vremenskoj seriji, uzimajući u obzir determinizam sistema koji se proučava, kao i razvijen pristup za određivanje obima primenjivosti ovog modela. Kada se proučava vremenska serija kamatnih stopa, može se smatrati implementacijom složenijeg procesa veće dimenzije. U ovom slučaju moguće je rekonstruisati atraktor i na taj način istražiti sam proces koji generiše vremensku seriju. Rekonstrukcija atraktora se izvodi metodom koordinatnog kašnjenja: x(t) (s (t), s (t),. .., s (t (m 1))) (5) gdje je m dimenzija ugradnje, a m 2d 1, d je dimenzija Minkovskog. Projekcija rekonstruisanog atraktora sistema 3mLIBOR u prostor R2 prikazana je na sl. 1, gdje su dijagonalne strukture potvrda determinizma sistema. 10 s (t m) h(f (m) (x t) Fm (x t) (8) Kao rezultat, sve m vrijednosti vremenske serije mogu se izraziti kroz vrijednost xt koristeći skup funkcija F1,…, Fm Promjenom 0,04 0,03 varijabli z t 1 (s (t 1), s (t 2),..., s (t m)) i uvođenjem vektorske funkcije koja ovisi o t i f, (8) može prepisati kao z t 1 (x t) (9) 0,02 0,01 U skladu sa Takensovom teoremom, ako je: M d R m difeomorfno, onda je moguće ugraditi M d u R m bez samopresecanja. Pošto ima glatku inverzna funkcija, jednakost (9) se može zapisati kao x t 1 (z t 1) ( 10) Zamjenom (10) u s (t m 1) Fm 1 (x t), dobijamo da je 0 -0.01 -0.02 -0.03 s (t m 1 ) Fm 1 (1 (z t 1) Fm 1 (1 (s (t 1), s (t 2),..., s (t m))) -0,04 -0,04 -0,03 -0,02 -0,01 0 0,01 0,02 0,03 0,04 Slika 1. Rekonstruisani atraktor 3mLIBOR Razmotrimo diskretni dinamički deterministički sistem, čija je dinamika definisana kao xt 1 f (xt) (6) Neka je s (t) h(xt) vremenska serija, koja je implementacija dinamičkog sistema (6), u odnosu na objekte proučavanja vremenska serija je transformisani niz vrijednosti kamatnih stopa. Može se primijetiti da se vrijednost vremenske serije koju generiše deterministički sistem u određenom trenutku može predstaviti kao s (t) h(f (t) (x 0)) (7) Ova reprezentacija vrijedi za bilo koji tačka u vremenskoj seriji s (t) u bilo kom vremenskom periodu, sa jedinom razlikom koliko puta sistem f utiče na početno stanje. One. Uzimajući u obzir m uzastopnih vrijednosti vremenske serije, one se mogu izraziti kao s (t 1) h(f (x t) F1 (xt) s (t 2) h(f (xt 1) h(f (f ( (x t))) ) F2 (xt) … 11 (s (t 1), s (t 2),..., s (t m)) (11) Dakle, sljedeća vrijednost vremenske serije je određena kroz m njegovih prethodnih vrijednosti, gdje m ima topološko značenje dimenzije ugradnje.Zbog činjenice da funkcija nije precizirana analitički, njena aproksimacija je izvršena pomoću troslojne neuronske mreže, gdje je broj neurona na ulazni sloj je m, a na izlaznom sloju – 1. Da bi se povećala efikasnost ovog modela, maksimalni Ljapunov eksponent, koji određuje predvidljivost sistema, i Hurstov eksponent H, koji određuje determinizam sistema, su smatraju funkcijama vremena. Za to je korišten prozor w čija je dužina odabrana pojedinačno za svaku proučavanu vremensku seriju, a pomicanjem prozora izračunate su navedene karakteristike. Na osnovu toga je odabrano područje gdje su 0 i H 0,5 za primjenu modela. Na sl. Na slici 2 prikazana je vremenska serija kamatne stope 3mLIBOR zajedno sa maksimalnim Ljapunovljevim eksponentom i Hurstovim eksponentom u funkciji vremena, na osnovu kojih je određen opseg primenljivosti modela. Na osnovu prethodnih istorijskih podataka izgrađena je iterativna prognoza sledeće vrednosti. 12 Originalne vremenske serije 10 5 0 0 1000 2000 3000 4000 5000 6000 7000 6000 7000 Dinamika maksimalnog Ljapunovljevog eksponenta 0,1 0,05 0 -0,05 -0,1 00 00 05 00 00 02 mic eksponenta X 100 3. Matematički model za predviđanje kamatnih stopa baziran na multivarijantnoj vremenskoj seriji, koja uzima u obzir determinizam sistema koji se proučava i omogućava korišćenje dinamike nekoliko sistema prilikom konstruisanja prognoze. Ako su dostupne informacije o kamatnim stopama u jednoj valuti na različite termine ove vremenske serije možemo posmatrati kao implementacije jednog procesa, tj. kao projekcije jednog procesa na tri koordinatne ose. Međutim, u ovom slučaju, poteškoća leži u ispravnoj restauraciji atraktora: svaka vremenska serija ima različite metričke karakteristike. Da bi se ovaj problem prevazišao, obezbeđeno je kreiranje proširenog prostora za ugradnju: (xn, xn, xn 2,..., xn (m 1) , (12) z n yn, yn, yn 2,..., yn ( m 1) , z n , z n , z n 2 ,..., z n (m 1) ) 1 1 2 1 2 3 0,5 0 0 1000 2000 3000 4000 5000 6000 7000 Sl.2. Identifikacija opsega primjenjivosti modela za 3mLIBOR Rezultati predviđanja sljedeće vrijednosti vremenske serije 3mLIBOR prikazani su na Sl. 3. Ovaj pristup predviđanju bio je efikasniji 25% vremena od metode koja koristi trenutnu vrijednost kao vrijednost prognoze (najoptimalniji metod predviđanja za slučajni hod). 13 3 1 2 3 gdje je i parametar koordinatnog kašnjenja definiran za i-ti sistem; mi je dimenzija ugradnje i-tog sistema; xn, yn, zn – izvještaji odgovarajuće vremenske serije. Prilikom razmatranja atraktora ugrađenog u prostor dimenzije D m1 m2 m3, važit će i Takensova teorema, jer će ispunjenost zahtjeva za minimalnu dimenziju uložaka unaprijed biti zadovoljena „poduložajima“, čija je dimenzija na početku osigurao ispunjenje Takensove teoreme. U ovom obliku, umjetno povećana dimenzija ugradnje na račun drugih vremenskih serija omogućit će uzimanje u obzir dodatnih informacija o sistemu, uklj. o ročnoj strukturi kamatnih stopa. Ovaj matematički model koristi neparametarski model za predviđanje u obliku kernela izglađivanja koordinata sljedeće tačke za k-najbliže susjede točke putanje u rekonstruiranom faznom prostoru. Tada će tačka putanje prognoze izgledati ovako: zt 1 Sl. 3. Izvorna (puna linija) i prognoza (isprekidana linija) vremenske serije 3mLIBOR 3 1 2 N n (zt) (yk 1 yk zt)wk (zt , yk) (13) k 1 gdje je N n (z t) – broj susjedi za tačku zt, i wk (zt, yk) su težinski koeficijenti. 14 Prema Nadaraj-Watsonovoj formuli, težine wk (zt , yk) mogu se definirati kao K h (zt y k) (14) wk (z t , y k) N (z) p1 K h (zt y p) n t x2 ( ) x 1 1 gdje je funkcija kernela K h (x) K () e 2h . h h 2 h Uopšteno govoreći, tip kernela u (13), kao i širina prozora funkcije kernela, određuju se eksperimentalno. U ovom slučaju, funkcija kernela je Gausova funkcija, a širina prozora je h 0,5. Prema Kantz H. i Schreiberg T. , ovaj pristup modeliranju haotičnih vremenskih serija je prilično robustan prema bučnim podacima i efikasan za eksperimentalne sisteme. Osim toga, ovaj model je predstavnik klase mješovitih modela, tj. na izvestan način kombinuje karakteristike lokalnog i globalnog modela, što se ogleda u njegovim karakteristikama: s jedne strane, uzima u obzir globalno ponašanje i pravac sistema, as druge, uspešno modelira lokalnu dinamiku. Na sl. Na slici 4 prikazana je dugoročna prognoza vrijednosti kamatne stope 1mEURIBOR od 1703. do 1751. godine kao rezultat primjene ovog matematičkog modela na skup EURIBOR kamatnih stopa za period od 1, 3 i 6 mjeseci. Prethodne vrijednosti su korištene kao početni podaci za prognozu. više od 15 vrijednosti, a predviđanje se može izvršiti za bilo koju komponentu skupa kamatnih stopa. Ovaj pristup predviđanju vremenskih serija upoređen je sa drugim popularnim metodama predviđanja: ARIMA, ARIMA-GARCH i modelima radijalne baze. neuronske mreže. Na sl. Na slici 5 prikazani su rezultati prognoze korišćenjem ovih modela za određeni deo kamatne stope 1mEURIBOR. 0,53 0,52 Originalna serija Model baziran na ARIMA TDC ARIMA-GARCH RBF-mreža 0,51 0,50 0,49 0,48 0,47 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Sl. 5. 1mEURIBOR i njegove prognozirane vrijednosti na osnovu različitih modela U tabeli. Na slici 2 prikazani su rezultati numeričkog poređenja efikasnosti predviđanja na osnovu normalizovane standardne devijacije (NSDE) 1 N NSDE N (x pr x real) 2 i 1 2 (15) gdje je 2 varijansa testnog skupa i prosjeka apsolutna greška(x): x 1 N N x pr x real (16) i 1 Tabela 2 Poređenje efikasnosti modela prognoze Model baziran na ARIMA baziran na TDH ARIMA GARCH RBF mreži 0,375 1,262 0,808 0,699 NSDC 0,006 0,0131 0.0. 4. Originalna (puna linija) i prognoza (isprekidana linija) vremenske serije 1mEURIBOR Predloženi matematički model predviđanja vrši korektno predviđanje sa horizontom prognoze ne 15 Iz prikazanog skupa modela i zbirne tabele efektivnosti rezultata prognoziranja, može zaključiti da je predloženi model zasnovan na Teoriji determinističkog haosa (DCH) najefikasniji. 16 4. Metodologija upravljanja kamatnim rizikom u komercijalnim bankama, koja se zasniva na matematičkom modelu za predviđanje kamatnih stopa zasnovanom na metodama teorije determinističkog haosa, koji omogućava modeliranje scenarija korištenjem prediktivnih podataka. Na osnovu predloženog matematički modeli razvijena je metodologija za upravljanje kamatnim rizikom u poslovnoj banci (slika 6). početak A Procjena osjetljivosti profitabilnosti na promjene kamatnih stopa Identifikacija najrizičnijih pozicija i identifikacija određivanja kamatnih stopa Rekonstrukcija i izračunavanje invarijanti za glavne sisteme kamatnih stopa Prihvatanje rizika Da Analiza jaza Da Da Dinamika naviše Pozitivna rizična pozicija Povećanje aktive Da Ne Ne Negativna rizična pozicija Povećanje obaveza Procjena parametara modela Prognoziranje kamatnih stopa Ne Ne Povećanje aktive Ocjena efikasnosti predviđanja Prilagođavanje parametara modela A kraj Sl. 6. Metodologija upravljanja kamatnim rizikom Dakle, prva faza se sastoji od analize trenutne pozicije izložene kamatnom riziku korišćenjem gap analize i procene osetljivosti profitabilnosti na promene kamatnih stopa u kontekstu intervala repricinga. Zahvaljujući tome, identifikovane su kamatne stope koje najviše određuju promjenu profitabilnosti. Na osnovu odabranog skupa kamatnih stopa rekonstruiše se atraktor i izračunavaju se invarijante, a zatim se vrši prognoza. Rezultati prognoze se tumače u smislu prihvatanja rizika ili smanjenja rizika. Prilikom smanjenja rizika, u zavisnosti od predviđene dinamike i trenutne rizične pozicije, preduzimaju se radnje: u slučaju predviđanja rastuće dinamike na tržištu kamatnih stopa sa pozitivnom pozicijom rizika na njima ili silazne dinamike sa negativnom rizičnom pozicijom, aktiva osetljiva na povećanje kamatnog rizika, koje se vrši usled sledećih radnji: sticanja hartija od vrednosti sa promenljivom kamatnom stopom; pretvaranje kreditnih stopa iz fiksnih u promjenjive; zamjena finansiranja kredita s promjenjivom kamatnom stopom na finansiranje sa fiksnom kamatnom stopom; U suprotnom, rastu obaveze osjetljive na kamatni rizik. Zaključci 1. Postojeći skup alata teorije determinističkog haosa za proučavanje sistema zasnovanih na vremenskim serijama kritički je procenjen i na osnovu ovog, kao i uporednog pristupa, najviše efikasne metode za rekonstrukciju atraktora, izračunavanje korelacione dimenzije i karakterističnih Ljapunovljevih eksponenata. 2. Utvrđen je kvalitativni odnos između kamatnog rizika i tržišta kamatnih stopa, a potonji objekt je identifikovan kao jedan od glavnih uzročnih faktora u nastanku kamatnog rizika u komercijalnim bankama. nelinearnost i determinizam 3. Kamatne stope su utvrđene na LIBOR na period od 3 mjeseca i EURIBOR na period od 1, 3 i 6 mjeseci. Dinamički sistemi su rekonstruisani na osnovu vremenskih serija, procenjene su metričke i dinamičke invarijante, čiji su rezultati još jednom potvrdili hipotezu o determinizmu sistema koji se proučava. 4. Model matematičkog predviđanja zasnovan na jednodimenzionalnoj vremenskoj seriji prilagođen je tržištu kamatnih stopa; Razvijeni su kriteriji za njegovu primjenjivost na osnovu određivanja područja determinizma i predvidljivosti. 5. Za tržište kamatnih stopa razvijen je novi model matematičkog predviđanja zasnovan na višedimenzionalnoj vremenskoj seriji kamatnih stopa koristeći prošireni investicioni prostor i kernel izglađivanje susednih tačaka trajektorije, čija je efikasnost veća od efikasnosti klasičnih pristupa predviđanju. finansijska tržišta. 18 6. Izrađena je metodologija za upravljanje kamatnim rizikom u komercijalnim bankama na osnovu razvijenog modela za predviđanje tržišta kamatnih stopa. Pervadchuk V.P., Galkin D.E. Uloga međubankarske kreditne stope LIBOR u globalnoj ekonomiji // Vestnik Perm. stanje tech. un-ta. – gospodine. Društveno-ekonomske nauke. – Perm, 2011. – str. 101105. PUBLIKACIJE NA TEMU ISTRAŽIVANJA Publikacije u publikacijama koje je preporučila VKS: 1. Pervadchuk V.P., Galkin D.E. Primjena metoda teorije determinističkog haosa za predviđanje dinamike međubankarske kreditne stope LIBOR // Vestnik Izhevsk. stanje tech. un-ta. – br. 2 (46). – Izhevsk, 2010. – str.45-49. 2. Galkin D.E. Predviđanje višedimenzionalnih financijskih vremenskih serija na temelju metoda teorije determinističkog haosa // Inzhekon Bulletin. – 2011. – br. 3(46). - Ser. Ekonomija. – Sankt Peterburg, 2011. – 359-363 str. U drugim publikacijama: 3. Galkin D.E., Pervadchuk V.P. Fraktalna analiza dinamike deviznih kurseva // Sažeci naučno-tehničke konferencije studenata i mladih naučnika Permsk. stanje tech. un-ta. – gospodine. Primijenjena matematika i mehanika, 2007. – str. 26-27. 4. Pervadchuk V.P., Galkin D.E. Obrazloženje za korištenje metoda teorije determinističkog haosa za predviđanje ekonomskih sistema // Vestnik Perm. stanje tech. un-ta. – gospodine. Matematika i primijenjena matematika. – Perm, 2008. – str. 15-24. Pervadchuk V.P., Galkin D.E. Primjena fraktala u 5. proučavanju financijskih vremenskih serija // Vestnik Perm. stanje tech. un-ta. – br. 14. – gospodine. Matematika i primijenjena matematika. – Perm, 2008. – str. 8-15. V.P., Galkin D.E. Modeliranje 6. Pervadchuk ekonomskih sistema korištenjem metoda teorije determinističkog haosa // Kibernetika i visoke tehnologije XXI stoljeća: zbornik izvještaja XII međunarodne naučno-tehničke konferencije. – Tom 1. – Voronjež, 2011. – str. 277-282. 7. Galkin D.E. Osobine rekonstrukcije faznog atraktora za predviđanje ekonomskih sistema // Informacione i računarske tehnologije i njihova primena: zbornik radova XV međunarodne naučno-tehničke konferencije. – Penza: RIO PGSHA, 2011. – str.27-31 19 _______________________ Potpisano za objavljivanje 20.02.2012. Format 60x84/16 Uslovno pećnica l. 1.45. Tiraž 100 primjeraka. Naručite ___ . Štamparija Permskog državnog nacionalnog istraživačkog univerziteta. 614990. Perm, ul. Bukireva, 15 20
Da bi rezultati tržišta obveznica bili bolji od tržišnog prosjeka, nije dovoljna samo kupovina obveznica s najvećim prinosom do dospijeća. Da bi poslovali bolje od tržišta, potrebno je znati kako će se promijeniti prinos koji investitori zahtijevaju od određene emisije obveznica (očekivana promjena nivoa likvidnosti i kreditnog kvaliteta emisije), i, što je još važnije, šta situacija sa nivoom kamatnih stopa u privredi generalno će se naći.
To će vam omogućiti da u svom portfelju držite uglavnom kratkoročne hartije od vrijednosti u očekivanju povećanja kamatnih stopa (smanjenje njihove vrijednosti će biti manje od dugoročnih). U slučaju očekivanog smanjenja nivoa kamatnih stopa, portfolio će pretežno sadržavati obveznice sa dužim rokom trajanja (povećanje njihove vrijednosti će biti značajnije od kratkoročnih obveznica).
Za određivanje vektora nivoa kamatnih stopa u privredi u cjelini, Arsagera Management Company koristi 5 modela. Svi ovi modeli zasnovani su na principu arbitraže.
Vektor nivoa kamatne stope
Za utvrđivanje visine kamatnih stopa u budućnosti, Arsagera Management Company koristi nekoliko ekonomskih modela, od kojih svaki opisuje ponašanje različitih grupa privrednih subjekata u određenim ekonomskim uslovima.
Model inflacije
Model inflacije uzima u obzir ponašanje domaćih investitora. U okviru ovog modela upoređuje se nivo kamatnih stopa u jednoj zemlji sa nivoom inflacije u istoj zemlji (prognoza inflacije za Rusiju je zasnovana na prognozama Ministarstva za ekonomski razvoj i trgovinu). Osnovna premisa ovog modela je da se investitori u različitim zemljama fokusiraju na isti nivo realnog prinosa (prinos umanjen za stopu inflacije u zemlji) kada ulažu u instrumente sa istim nivoom rizika. Dakle, znajući kakav stvarni prinos očekuju investitori u različitim zemljama od ulaganja sa određenim nivoom rizika, mi, predviđajući nivo inflacije u Rusiji, možemo reći koliki bi trebao biti prinos na određene instrumente kako bi investitori bili zainteresovani za ulaganje unutar zemlje, a ne van nje.
Primjer. Prosječan prinos na najpouzdanije korporativne obveznice u Rusiji iznosi 7,5%. Očekuje se da će stopa inflacije u narednoj godini iznositi 9,9%. U SAD prosječan nivo prinos na najpouzdanije korporativne obveznice je 5%, a očekivana inflacija je 2,2%. Tako se ispostavlja da će u Rusiji stvarni povrat ulaganja biti -2,4%, au SAD - +2,8%. Vidimo da su investitori više zainteresovani za ulaganje na američkom tržištu sve dok stvarni prinosi na instrumente sa istim nivoom rizika ne nestanu. Vektor nivoa kamatnih stopa u Rusiji prema ovom modelu iznosi +520 procentnih poena.
Model pariteta novčanih stopa
Ovaj model uzima u obzir ponašanje globalnih igrača uključenih u prekogranično ulaganje kapitala. Budući da ulaganje sredstava na inostrana (u odnosu na takvog investitora) tržišta podrazumijeva transfer sredstava u valutu druge zemlje, na konačni prinos koji takav investitor očekuje utječe očekivana promjena deviznog kursa. Dostupnost veliki broj investitora uključenih u prekogranična ulaganja dovodi do izjednačavanja (na globalnoj skali) prinosa na instrumente sa istim nivoom rizika.
Dakle, s obzirom na prognozu budućeg kursa valuta i poznavajući nivo kamatnih stopa u jednoj od ovih zemalja, možemo reći kakav nivo kamatnih stopa investitori očekuju u drugoj zemlji.
Primjer. Pretpostavimo da je trenutni kurs rublje prema američkom dolaru 50 rubalja po dolaru. Stopa koja se očekuje za godinu dana je 55. Prema tome, ako je trenutni prinos na instrumente sa određenim nivoom rizika u Sjedinjenim Državama 10% godišnje, onda prinos koji investitori očekuju na ruske instrumente sa istim nivoom rizika u godine iznosi 21% godišnje (kako bi se nadoknadila očekivana deprecijacija rublje). Budući da prognozirane vrijednosti kurseva objavljuje ne samo Ministarstvo ekonomskog razvoja, već i vodeće investicione institucije na Zapadu, možemo izračunati kakvu profitabilnost očekuju od ruske imovine.
Kreditno-depozitni model
Model kredita i depozita sastoji se od tri podmodela. Ovi modeli uzimaju u obzir ponašanje različitih grupa domaćih investitora:
- Zajmoprimci ( pravna lica) koji biraju način prikupljanja sredstava za razvoj preduzeća.
Preduzeće bira između dvije alternative: ili prikupiti sredstva izdavanjem obveznica ili uzeti kredit od banke. „Jeftinija“ metoda će biti traženija i vremenom će se stope (uzimajući u obzir sve troškove) na oba tržišta – obveznica i kredita – izjednačiti.
- Banke odabirom načina ulaganja sredstava koji će im donijeti veću profitabilnost.
Prilikom plasiranja sredstava banke biraju između davanja kredita preduzeću i kupovine korporativnih obveznica. Divergencija prinosa na ovim tržištima će neminovno dovesti do protoka kapitala i prinosi će se izjednačiti. Istovremeno, likvidnost za bankarski kredit i obveznicu je različita, što se u modelu takođe uzima u obzir u vidu premije likvidnosti.
- Preduzeća i stanovništvo koji pokušavaju da plasiraju privremeno slobodna sredstva sa najvećim prinosom.
Ulaganjem privremeno raspoloživih sredstava, preduzeća i domaćinstva biraju između kupovine obveznica i otvaranja depozita u banci. Kao iu prethodnom modelu, akcije učesnika koji žele da maksimiziraju svoje prinose će izjednačiti prinose na ovim tržištima.
Gore opisani modeli omogućavaju nam da shvatimo koje će alate svaka od grupa o kojima se raspravljalo koristiti za postizanje svojih ciljeva i kako će to uticati na nivo kamatnih stopa na različitim tržištima. Rezultati svih gore opisanih modela ponderisani su u zavisnosti od značaja grupe ekonomskih subjekata koji se fokusiraju na određeni model.
Nakon što smo dobili vektor kamatnih stopa, možemo reći po kojem prinosu će investitori za godinu dana biti spremni kupiti bilo koju emisiju obveznica koja trenutno kruži na tržištu. Zatim, diskontovanjem isplata kupona i isplata tijela obveznice po stopi koju će investitori zahtijevati za godinu dana od ulaganja u takve hartije od vrijednosti, izračunavamo buduću vrijednost obveznica.
Na primjer, rezultati modelskih proračuna pokazuju da će u narednoj godini prosječan nivo prinosa koji investitori zahtijevaju porasti za 0,5% u odnosu na sadašnji nivo. U ovom slučaju, moramo odabrati koju od dva izdanja obveznica kupiti:
- Kompanija-1 - trajanje 1 godina, kuponska stopa 10%, plaćanja tromjesečno;
- Kompanija-5 - trajanje 5 godina, kuponska stopa 10%, plaćanja kvartalno.
Ako u roku od pet godina kamatne stope i, kao posljedica toga, prinos koji zahtijevaju investitori ostanu na sadašnjem nivou, tada možete kupiti bilo koju od dvije emisije obveznica. Povrat na obje investicije će biti isti i iznositi 10% godišnje.
U razmatranom slučaju, kada očekujemo povećanje kamatnih stopa za 0,5%, pogrešan izbor može značajno smanjiti efikasnost ulaganja.
U slučaju emisije Kompanije-1, uprkos činjenici da će traženi prinos po ovim obveznicama biti 10,5% godišnje, dok će isplata kupona na ove obveznice iznositi 10% godišnje, investitor nakon otkupa obveznice emisija, dobit će svoju punu nominalnu vrijednost. Dobivena sredstva moći će uložiti u obveznice kompanije sa istim kreditnim kvalitetom i likvidnošću, ali će kuponska stopa na njih već biti 10,5%.
Ako se sredstva investitora ulože u obveznice Kompanije-5, čija će otplata nastupiti tek za pet godina, tada će povrat na njegovo ulaganje biti manji.
Navedeni primjer pokazuje važnost pravilnog predviđanja visine kamatnih stopa pri odabiru obveznica.
Isplata kupona je 10% godišnje, dok bi potreban prinos na ulaganje u obveznice istog kreditnog kvaliteta i likvidnosti bio 10,5% godišnje.