Книги по разным темам Pages:     | 1 |   ...   | 15 | 16 | 17 | 18 |

все предприятия выборки были разбиты на три части по уровню сложности производимой продукции, которая оценивается переменной complexity. Деление было произведено следующим образом: к низкому уровню были отнесены предприятия, для которых значение указанной переменной меньше среднего на одно стандартное отклонение в пределах имеющейся выборки; к высокому - те предприятия, для которых оно выше среднего на ту же величину. Все прочие предприятия отнесены к среднему уровню сложности выпускаемой продукции. Оценки были произведены методом ХаусманаЦТейлора.

Коэффициент при tau3 остался значимым только для предприятий, производящих по предложенной классификации продукцию средней сложности. Для остальных данных коэффициент перестал быть значимым. Отчасти этот факт может объясняться малым числом наблюдений, неудачной кластеризацией предприятий по сложности выпуска6 и, наконец, погрешностями самой переменной, хаПредполагалось, что образование коррелировано со скрытыми индивидуальными эффектами (способностями) индивида.

Возможно, следовало проводить кластеризацию предприятий по сложности производимой продукции исходя из внешних факторов, а не ограничиваться только внутренними свойствами панели.

рактеризующей сложность продукции предприятия, которая была посчитана по чисто формальной методике, а также тем, что, возможно, для предприятий, производящих продукцию низкого уровня сложности, инфраструктура действительно не оказывает влияния на изменения выпуска. Таким образом, на имеющихся данных не удается проверить гипотезу о различном влиянии инфраструктуры на предприятия, производящие продукцию различной сложности.

Выводы На основании проведенных расчетов можно сделать следующие выводы. Во-первых, транспортная инфраструктура оказывает влияние на выпуск предприятий - в регионах с более развитой инфраструктурой (в данном случае с большей плотностью автодорог и/или наличием морского порта) в рассмотренный период с 1998 по 2004 г.

выпуск промышленных предприятий рос более высокими темпами, чем в регионах с относительно менее развитой инфраструктурой.

Во-вторых, это влияние непостоянно во времени, так как наиболее устойчивой оказалась спецификация с динамическим индексом доступности потенциальных рынков. Данный результат вполне может быть объяснен тем, что рассмотренный период является периодом интенсивных изменений в российской экономике. К сожалению, не удалось специфицировать модель с временными эффектами, чтобы проверить эту гипотезу. Далее, на имеющихся данных лишь отчасти удалось проверить гипотезу о различном влиянии инфраструктуры на производства различного уровня сложности. Так, только для предприятий, производящих наиболее сложную продукцию, оказалось существенным наличие в регионе города-миллионника.

Затем, сравнив результаты, полученные при расчетах регрессий на основе рядов ОФ, откалиброванных по различным рядам динамики, получаем, что альтернативные оценки динамики ОФ в целом более адекватны реальному изменению запасов капитала, участвующего в производстве продукции. Значит, можно полагать, что те проблемы учета основных фондов в российской переходной экономике, которые подробно обсуждаются в работе (Бессонов, Воскобойников (2006)), в действительности могут искажать динамику ОФ. Это, в частности, приводит к некоторому рассогласованию динамики основных фондов, участвующих в производстве, и тех, что отражены в официальной статистике.

итература 1. Blanchard Olivier; Kremer Michael. Disorganization. The Quarterly Journal of Economics. Vol. 112. No. 4. 1997.

2. Brown J. David; Earle John S. Competition and Firm Performance:

Lessons from Russia, working paper. Stockholm Institute of Transition Economics, 2000.

3. Deichmann Uwe; Fay Marianne; Koo Jun; Lall Somik V. Economic Structure, Productivity, and Infrastructure Quality in Southern Mexico, the World Bank, 2003.

4. Hausman Jerry A.; Taylor William E. Panel Data and Unobservable Individual Effects, Econometrica. Vol. 49. No. 6. Nov. 1981.

5. Melendez-Hidalgo Jose C.; Rietveld Piet; Verhoef Erik. Transport Infrastructure, Spatial General Equilibrium and Welfare, Free University of Amsterdam, 2004.

6. Romer Paul M. Growth Based on Increasing Returns Due to Specialization. The American Economic Review. 1987.

7. Spiros Bougheas; Panicos O. Demetriades; Theofanis P. Mamuneas.

Infrastructure, Specialization, and Economic Growth. Canadian Journal of Economics. Vol. 33. No. 2. 2000.

8. Бессонов В.А.; Воскобойников И.Б. Динамика основных фондов и инвестиций в российской переходной экономике. М.: ИЭПП, 2006.

9. Воскобойников И.Б. Оценка совокупной факторной производительности российской экономики в период 1961Ц2001 гг. с учетом корректировки динамики основных фондов, препринт WP2/2003/03. М.: ГУ ВШЭ, 2003. - 40 с.

10. Энтов Р.M.; Луговой О.; Астафьева A.; Ким И.; Пащенко С.; Турунцева М. Проблемы оценки отраслевых производственных функций. М.: ИЭПП, 2004.

11. Ясин Е.Г.; Авдашева С.Б.; Аскеров Э.Н.; Бессонов B.A.; Воскобойников И.Б.; Долгопятова Т.Г.; Голикова В.В.; Гохберг Л.М.;

Кузнецова И.А.; Косыгина А.В.; Косыгина Б.В; Кузнецов Б.В.;

Симачев Ю.В. Структурные изменения в российской промышленности. М.: Издательский дом ГУ ВШЭ, 2004.

В. Селезнева Хеджирование цен на топливо для авиакомпаний России с помощью западных срочных финансовых инструментов Введение Резкие скачки цен на нефть отражаются на деятельности предприятий, особенно энергоемких, таких, как авиакомпании, где затраты на ГСМ достигают более 30Ц40% общих затрат. Резкий рост цен на авиационное топливо не только приводит к увеличению общих затрат, но и вынуждает компании экстренно брать кредиты под проценты, существенно превышающие типичные, или приобретать топливо на невыгодных условиях. Практика управления рисками, так называемое хеджирование, помогает существенно уменьшить их последствия. Естественно, хеджирование не ограничивается рисками, связанными с ценами на топливо. Не менее важными остаются также проблемы колебаний курсов валют и общей ситуации на рынке. Однако на сегодняшний день именно хеджирование цен на топливо представляется наиболее актуальным.

Для идеального хеджирования необходимо, чтобы изменение цены на хеджируемый товар сопровождалось аналогичным изменением цены на используемый для минимизации рисков инструмент. На РТС обращается фьючерсный контракт UR-12.07 (финансовый контракт на цену сырой нефти марки URALS на 17 декабря 2007 г.).

Однако объемы торгов этими фьючерсами незначительны и сумма открытых позиций немного превышает 25 млн рублей, а вариационная маржа рассчитывается из цены закрытия PLATTТS по базовому активу (Urals ex-Baltic Sea CIF R'dam). Следовательно, возникает вопрос о возможности хеджирования рисков российских авиакомпаний с помощью западных финансовых инструментов.

Для утвердительного ответа необходимо сравнить динамику цен на нефть на американской бирже NYMEX с ценами на авиатопливо в России (биржа NYMEX была выбрана по принципу максимальной ликвидности финансовых активов и доступности информации).

Данные о ценах на авиатопливо в России брались на сайте компании Riccom, занимающейся оптовой поставкой нефтепродуктов, в том числе и авиационного топлива. Для доказательства репрезентативности данных мы сравнили их с информацией по закупкам топлива, предоставленной нам компанией KrasAir и золотодобывающей компанией Северная (по ценам на дизельное топливо). В табл. приведены коэффициенты корреляции закупочных цен компаний с ценами Riccom.

Таблица Коэффициенты корреляции цен Северная, руб./т KrasAir, руб./т Riccom. Ачинск, руб./т 0,98 0,Оценив корректность данных, мы рассчитали коэффициенты корреляции цен (табл. 2) сырой нефти на бирже NYMEX с:

Х ценой на авиатопливо в Нью-Йоркском порту;

Х ценами на авиатопливо, предлагаемыми оптовым поставщиком Riccom в Ачинске и в Омске;

Х ценой на авиатопливо в крыло в аэропорту Шереметьево;

Х ценой на летнее дизельное топливо (Омск).

Таблица Коэффициенты корреляции цен Ачинск, Омск, Дизель-летнее, FOB NY, Шереметьево руб./т($/барр.) руб./т($/барр.) руб./т($/барр.) $/барр. (лв крыло) (Riccom) (Riccom) (Riccom) Нефть(СL) 0,98 0,93(0,93) 0,87(0,86) 0,95(0,96) 0,$/барр.

Высокая корреляция цены поставщика авиатоплива с ценой на сырую нефть доказывает возможность использования западных инструментов для хеджирования рисков российских авиакомпаний.

Так как по своей природе хеджирование достаточно дорогостоящая процедура, необходимо понимать, в какой момент времени придется увеличивать или уменьшать объемы хеджирования, связано ли это изменение только с изменением цен на основное сырье или могут возникнуть и другие факторы влияния Исследование открытых источников информации и проверка на исторических данных показали, что волатильность цен на сырье не зависит от самого уровня цен (Pindyck (2002)). То есть на первый взгляд объемы хеджирования не должны зависеть от цен на сырье.

Однако остается неучтенным эффект того, что в зависимости от состояния экономики в целом могут изменяться пассажиропоток и объем авиаперевозок. Таким образом, одной из целей нашей работы было выяснение влияния цены на сырую нефть на объем потребления авиационного топлива.

Для расчетов использовались собранные нами месячные данные по суммарному потреблению авиационного топлива в США и ценам на нефть в период 1995Ц2006 гг. Так как присутствует ярко выраженный эффект сезонности, данные по потреблению топлива были нормированы. Оценивалась регрессия потребления на цену JET = -427,5P + 734332, R2 = 0,01, (-1,29) (61,67) где JET - потребление авиатоплива (млн галлонов), P - цена на нефть ($/барр.).

Таким образом, учитывая результаты расчета (крайне низкие tстатистики и R-квадрат), можно подтвердить отсутствие зависимости объема потребляемого топлива от спотовой цены на нефть.

Для моделирования схем хеджирования и выбора предпочтения нужно иметь представление о модели, по которой рассчитываются цены на фьючерсы и их производные - опционы на фьючерсы.

Прежде всего это требуется для восстановления данных, необходимых для разработок схем хеджирования.

В пресс-релизах NYMEX упоминается об использовании формулы БлэкаЦШоулза для ценообразования энергетических опционов.

Поэтому было проведено исследование по проверке предположения об использовании формулы БлэкаЦШоулза для ценообразования опционов.

С помощью разработанного нами комплекса программ была создана база данных по ценам опционов, фьючерсов и спотовым ценам на нефть за достаточно большой промежуток времени (за 2 года, по данным биржи NYMEX).

На основе имеющихся данных была проверена и подтверждена гипотеза об использовании именно формулы БлэкаЦШоулза для задания цен опционов на бирже. Обнаружено, что безрисковая ставка r, применяющаяся в формуле, оказалась равной 0. В качестве цены базового актива использовалась фьючерсная цена на сырую нефть на указанный срок.

C = SN(d1) - Xe-r (T -t ) N(d2 ), ln(S / X ) + (r + / 2)(T - t) d1 = T - t d2 = d1 - T - t, где C - премия опциона на покупку; S - текущая цена актива; X - цена исполнения; T - t - время до момента исполнения, выраженное в десятичных долях года; - среднее квадратичное отклонение цены актива; N() - кумулятивное стандартное нормальное распределение вероятностей; r - безрисковая процентная ставка.

Для разработок схем хеджирования необходима возможность оценки опционов в любой момент времени, что влечет за собой необходимость знания Iv (implied volatility - собственная, внутренняя волатильность, получаемая исходя из модели ценообразования опциона при известных остальных параметрах модели) для достаточно широкого интервала времени (порядка 20 лет). Получив Iv и используя формулу БлэкаЦШоулза, можно восстановить данные. Однако Iv-фактор в принципе ненаблюдаемый непосредственно. Возникает вопрос, можно ли рассчитать Iv и соответственно стоимость опциона только на основе непосредственно наблюдаемых величин В результате была выдвинута гипотеза о взаимосвязи двух типов волатильностей, а именно Iv и historical volatility (историческая волатильность, построенная на основании данных о состоянии рынка за определенный отрезок времени в прошлом). Проверка гипотезы осуществлялась на собственных полных данных за 2 года.

Традиционно расчет Iv основывается на использовании формулы БлэкаЦШоулза и решении уравнения с единственным неизвестным параметром Ц.

Параметр находится из решения уравнения C - CBS() = 0, где C - рыночная стоимость опциона; СBS - стоимость опциона, рассчитанная по формуле БлэкаЦШоулза, в которой r = 0, X = F-цена фьючерса на соответствующий срок.

Так как уравнение оказывается существенно нелинейным, было решено использовать метод поиска по сетке. Данный метод заключается в следующем: задается некий возможный интервал параметра и шаг изменений, и на основе всех имеющихся данных считаются квадраты отклонений реальной стоимости опциона от рассчитанной стоимости. Выбирается интервал с минимальной суммой квадратов отклонений, и шаг уменьшается. Таким образом, найдя параметр в результате численного решения уравнения, мы получаем искомую величину Iv.

Так как у нас есть база данных по котировкам опционов за последние 2 года, мы рассчитали значение Iv для трех- и 12-месячных опционов. Также были рассчитаны дисперсии цен за различные периоды времени. Далее строились регрессии Iv на historical volatility, рассчитанную как дисперсия цен за год. В результате расчетов получились следующие зависимости.

Х Расчет зависимости Iv для 12-мес. опционов call и put.

1) Implied call 2) Implied put Iv = 0,73historical + 0,03 Iv = 0,91historical - 0, (41,60) (4,32) (43,28) (-3,05) R2 = 0,80 R2 = 0,Х Расчет зависимости Iv для 3-мес. опционов call и put.

1) Implied call 2) Implied put Iv = 0,77historical + 0,04 Iv = 0,76historical + 0, (37,71) (5,56) (36,26) (5,36) R2 = 0,76 R2 = 0,Учитывая крайне высокие t-статистики и R2, можно утверждать, что с очень большой точностью в расчетах можно использовать значения именно historical volatility, рассчитанные как дисперсии за год, наблюдаемые непосредственно. В результате мы восстановили необходимые данные с хорошей точностью за большой промежуток времени (более 20 лет).

Pages:     | 1 |   ...   | 15 | 16 | 17 | 18 |    Книги по разным темам