Темы диссертаций по экономике » Бухгатерский учет, статистика

Экономико-статистический анализ развития рынка корпоративных ценных бумаг тема диссертации по экономике, полный текст автореферата



Автореферат



Ученая степень кандидат экономических наук
Автор Уринсон, Михаил Александрович
Место защиты Москва
Год 2005
Шифр ВАК РФ 08.00.12
Диссертация

Автореферат диссертации по теме "Экономико-статистический анализ развития рынка корпоративных ценных бумаг"

УРИНСОН МИХАИЛ АЛЕКСАНДРОВИЧ

ЭКОНОМИКО-СТАТИСТИЧЕСКИЙ АНАЛИЗ РАЗВИТИЯ РЫНКА КОРПОРАТИВНЫХ ЦЕННЫХ БУМАГ

Специальность 08.00.12 - Бухгатерский учет, статистика

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата экономических наук

Москва, 2005

Работа выпонена на кафедре Математической статистики и эконометрики Московского государственного университета экономики, статистики и информатики (МЭСИ).

Научный руководитель -

кандидат экономических наук, доцент Бамбаева Наталья Яковлевна

Официальные оппоненты -

Ведущая организация

доктор экономических наук, профессор Агапова Татьяна Николаевна кандидат экономических наук Удод Сергей Иванович ОАО КБ "Центр-инвест"

Защита диссертации состоится л16 июня 2005 г. в 14.00 часов на заседании диссертационного совета по статистике К 212.151.02 в Московском государственном университете экономики, статистики и информатики по адресу:

119501, Москва, ул. Нежинская, д. 7.

С диссертацией можно ознакомиться в библиотеке университета.

Автореферат разосланл 16 мая 2005 г.

Ученый секретарь диссертационного совета, кандидат экономических наук, Доцент

Бамбаева Н. Я.

Ю06-4 /54 33

Общая характеристика работы

Актуальность темы исследования. Формирование и развитие фондового рынка в России дало новый экономический инструмент для привлечения инвестиций и регулирования экономики. Его создание и развитие, дает возможность мобильно перераспределять денежные средства индивидуальных инвесторов для структурных преобразований в экономике. Однако развитие рынка ценных бумаг будет способствовать подъему экономики лишь при реализации других мер: формирования и развития товарного рынка, демонополизации, поддержке малых предприятий, укреплении денежного обращения.

Рынок ценных бумаг стал важной и неотъемлемой частью экономической жизни нашей страны. В настоящее время в России, в связи с включением ее в систему мирового финансового рынка, присвоением стране международного кредитного рейтинга, размещением транша еврооблигаций, котировкой американских депозитных расписок на российские акции на зарубежных биржах, появилась острая необходимость научного подхода к исследованию и изучению ценовой динамики на различных сегментах рынка ценных бумаг. Развитие российского рынка ценных бумаг в настоящее время достигло такого уровня, при котором его участники стакиваются не только с проблемой планирования размера и направления собственных инвестиций, но и с определением наиболее оптимальных способов анализа рыночной ситуации. Российские брокеры ведут бизнес в условиях больших колебаний котировок, роста конкуренции. Чтобы успешно функционировать в данной ситуации необходимо использовать статистические методы анализа состояния фондового рынка, которые прошли практическую проверку и успешно применяются на развитых фондовых рынках в течение не одного десятка лет. Однако в отечественной практике матема-тико-статистическим методам анализа рынка ценных бумаг не уделяется дожного внимания, о чем свидетельствует сравнительно небольшое число научных публикаций.

Все это обусловило выбор темы диссертационного исследования, ее актуальность в научном и практическом плане.

Цель и задачи исследования. Целью диссертационной работы является разработка методики комплексного анализа состояния российского рынка корпоративных ценных бумаг, позволяющего анализировать развитие рынка в целом и отдельных его сегментов, оценивать их инвестиционную привлекательность.

В связи с поставленной целью были сформулированы и решены сле-

дующие задачи:

- выявлены современные тенденции в развитии российского рынка ценных бумаг,

- дана оценка влияния основных макроэкономических показателей и конъюнктуры мировых фондовых бирж на рынок ценных бумаг России;

- проведен сравнительный анализ состояния фондовых рынков стран с развивающейся экономикой, к числу которых относится и российский фондовый рынок;

- проведен анализ зависимости поведения российского фондового рынка от различных зарубежных фондовых рынков;

- разработана и апробирована методика формирования оптимальной структуры портфеля корпоративных ценных бумаг;

- предложена методика управления инвестиционным портфелем. Объектом исследования выступил российский рынок корпоративных

ценных бумаг, предметом исследования явилась совокупность показателей, характеризующих развитие рынка корпоративных ценных бумаг Российской Федерации.

Методологической и теоретической основой диссертационного исследования послужили труды российских и зарубежных ученых в области экономики, статистики, эконометрики, компьютерной обработки данных.

В качестве исследовательского инструментария использовались многомерные статистические методы корреляционного, регрессионного, факторного и кластерного анализа, анализа временных рядов и прогнозирования, графическое и табличное представление данных.

При решении поставленных задач использованы пакеты прикладных программ лMicrosoft Excel, лMicrosoft Word, лMetaStock, лStatistica, SPSS, лOlymp.

Информационную базу исследования составили материалы периодических экономических изданий, результаты биржевых торгов корпоративными ценными бумагами крупнейших российских площадок, полученные на официальных сайтах Internet, официальные статистические публикации Госкомстата России, а также данные, публикуемые крупнейшими рейтинговыми агентствами.

Научная новизна исследования состоит в разработке комплексной методики анализа состояния и развития российского рынка корпоративных ценных бумаг и его отдельных сегментов.

В диссертации сформулированы и выносятся на защиту следующие положения:

- дана характеристика и выявлены основные тенденции развития рынка корпоративных ценных бумаг Российской Федерации на современном этапе; ____ , .

Кл.'* 4 Х

I А * h Н^ ' л I

- разработана методика многомерной классификации стран с развивающейся экономикой по степени развития фондовых рынков;

- предложена методика исследования взаимосвязи российского фондового индекса РТС от поведения зарубежных фондовых индексов США, Европы, Азии, Латинской Америки;

- разработан агоритм оценивания показателей конъюнктуры корпоративных ценных бумаг;

- предложена методика классификации акций по степени их инвестиционной привлекательности, основанная на методах снижения размерности и процедурах факторного и кластерного анализа; Практическая значимость работы. Результаты диссертационног о исследования могут найти применение в работе статистических и аналитических служб коммерческого банка, специализирующихся на анализе фондового рынка, инвестиционных и брокерских компаний при принятии решений о выборе инвестиционной стратегии поведения на рынке участников процесса купли-продажи на фондовом рынке.

Структура работы. Диссертация состоит из введения, трех глав, заключения, списка литературы и приложений.

Публикации. По теме диссертации опубликовано 2 работы объемом 0,4 п.л.

Структура работы. Диссертация состоит из введения, трех глав, заключения, списка использованной литературы и приложений.

Основное содержание работы Во введении охарактеризована актуальность темы диссертационной работы, изложены ее цели и задачи, теоретическая и практическая значимость полученных результатов.

В первой главе Рынок ценных бумаг как объект статистического исследования рассмотрены сущность рынка ценных бумаг, его основные функции, инструменты. Подробно представлены участники и виды рынков ценных бумаг. Рассмотрена история создания фондового рынка в России, дана экономико-статистическая оценка его современного состояния и перспектив развития. Проведен анализ влияния экономических показателей развития страны и конъюнктуры мировых фондовых бирж на рынок ценных бумаг России.

На сегодняшний день на российском фондовом рынке функционирует 11 фондовых бирж. Однако только 5 из них фигурируют в качестве основных торговых площадок, на которых брокеры предлагают свои посредни-

ческие услуги - 3 московских и 2 петербургских биржи. Основной оборот торгов российскими акциями сосредоточен на РТС и ММВБ. РТС начала свою работу в сентябре 1995 году, а в марте 1997 году начала осуществлять свою деятельность ММВБ.

В работе показано, что индекс РТС наиболее поно дает характеристику современного фондового рынка России. Это связано в первую очередь с тем, что в торгах данной системы принимают участие не только российские, но и иностранные инвесторы (это единственная в России система торговли ценными бумагами, позволяющая компаниям, в том числе нерезидентам, совершать торговые операции с российскими акциями через системы Интернет-трейдинга и рассчитываться по заключенным сдекам в доларах США, именно эта площадка обслуживает значительную долю иностранных и российских портфельных инвестиций в акции российских компаний) Во-вторых, капитализация акций (произведение количества всех акций на их рыночную стоимость) в РТС выше, чем на ММВБ.

С самого начала функционирования РТС стала одной из ведщих торговых площадок Только в 1996 году совершалось примерно 55-65 % всех сделок с корпоративными ценными бумагами российских эмитентов К концу 1996 года в системе котировалось 155 акций. Объемы ежедневных торгов в РТС возросли с 1,5-2 мн. дол. США в сентябре 1995 года до $14,2 мн среднедневного оборота РТС в 1996 г., $43 мн в январе 1997 г., а в целом за 1997 г. - $62,7 мн., т е. за год среднедневной оборот увеличися в 4,4 раза.

1998 год оказася очень сложным для РТС: уменьшилось количество участников торговли, значительно сократились объемы торгов (за 1998 год объем торгов РТС составил 9,4 мрд. дол. США, т.е. на 6,2 мрд. дол США меньше, чем за предыдущий год), среднедневной объем торгов составил 37,2 мн дол. США (62,7 мн. дол. США в 1997 г.); в несколько раз снизилась капитализация всех российских эмитентов.

Поворотным моментом стал 1999 год, когда была заложена прочная основа для дальнейшего развития РТС как биржевой торговой площадки. Объем торгов в РТС за год составил $2,4 мрд., а среднедневной оборот $9,5 мн.

2000 год стал годом противоборствующих тенденций С одной стороны, проведение взвешенной макроэкономической политики и благоприятная конъюнктура на мировых рынках обусловили рост основных экономических показателей России. С другой, резкий спад на фондовых рынках США и снижение темпов развития мировой экономики не замедлили отразиться и на российском рынке ценных бумаг. Суммарный объем торгов в РТС в 2000 году достиг 5,8 мрд. доларов США и в 2,4 раза превысил значение

1999 года. Среднедневной оборот РТС в 2000 году составил $23,3 мн., что в 2,5 раза больше аналогичного показателя за предыдущий год -$ 9,5 мн. По итогам 2001 года объем торгов на основном рынке РТС составил $4,45 мрд., среднедневной объем на основном рынке биржи составил $ 17,73 мн.

Лидером по объему, заключенных в РТС в 2001 г. сделок стала инвестиционная компания "Тройка Диалог", заключившей сделок на сумму свыше 1 299 мн. дол.

По итогам 2002 Индекс РТС вырос года на 34,13 % и был зафиксирован на отметке 359,07 пункта на закрытие торговой сессии в последний рабочий день 2002 года - 31 декабря (значение на 3 января 2002 г. - 267,7 пункта). Объем торгов на классическом рынке РТС по итогам года увеличися на 2,7% - до $4,57 мрд., среднедневной объем вырос на 2,29 % и составил $18,14 мн.

Ниже на структурной диаграмме представлено распределение объемов торгов в РТС в 2003 г. (рис.1). Исходя из представленной диаграммы, можно отметить, что биржевой рынок по объемам торгов занимает третье место, после классического и рынка FORTS. Таким образом, можно говорить о том, что задача по привлечению мекого инвестора осуществлена успешно.

Рис. 1. Структура объемов торгов в РТС в 2003 г.

В 2003 году российский рынок акций вновь испытал стремительный рост цен. Индекс РТС вырос на 57,98% до 567,25 пункта. А лидером роста среди отраслей стала электроэнергетика (рост на 97,5%). Акции нефтегазовых компаний заметно отстали от роста рынка, увеличившись в цене всего

на 35%. Рост телекоммуникационного индекса был более значимым - на 77%.

До конца года цены акций выросли на 6%. Результаты 2003 года на фондовом рынке России и некоторых зарубежных стран более наглядно представлены в табл. 1.

Таблица 1

Результаты работы на фондовых рынках России и зарубежных стран в

2003 г.

Показатель Значение на 01.01.2004 г. Изменение за год, %

Индекс ММВБ 514,71 61,40

Оборот на ММВБ за год, мрд. руб. 1 843,32 108,95

Индекс РТС 567,25 57,98

Оборот на РТС за год, мрд. руб. 256,32 42,01

Нефть и газ 140,95 34,77

Электроэнергетика 273,89 97,48

Региональная электроэнергетика 216,30 90,78

Телекоммуникации 205,82 77,43

Nasdaq Composite 2 003,37 50,01

FTSE 100 4 476,90 13,62

DAX 3 965,16 37,08

Nikkei 225 10 676,64 24,45

Лидером по объему, заключенных в РТС в 2003 г. сделок стала Тюменская нефтяная компания (ТНК), заключившая сделок на сумму свыше 17,5 мн. дол.

Лидерами продаж на рынке ценных бумаг в 2003 году стали следующие ценные бумаги (табл.2):

Таблица 2.

Лидеры продаж на рынке ценных бумаг в 2003 г._

Компания Объем торгов, дол. США Доля в общем объеме торгов

РАО ЕЭС России 1666797263 30,23%

НК "ЛУКОЙЛ" 985301347 17,78%

ЮКОС 787353796 14,28%

"Сургутнефтегаз" 563927725 10,23%

ГМК "Норильский никель" 261458619 4,74%

Ростелеком 184218862 3.34%

Наблюдавшаяся неустойчивая динамика на российском рынке во многом была обусловлена снижением зарубежных фондовых индексов. Только за неделю с 13 по 17 января 2003 г. S&P 500 понизися на 4,35 %, DowJones - на 2,26 %, Nasdaq - на 1,66 %. Британский FTSE100 и французский САС40 потеряли 2,32 % и 0,56 % соответственно. Исключение составил японский Nikkey, он прибавив 2,6 % Разнонаправленные тенденции (в основном к понижению) наблюдались на зарубежных фондовых рынках вплоть до марта месяца, однако, при этом Индекс РТС, начиная с последней недели января, начал расти. Среднедневной объем торгов составил $22.39 мн.

Ниже представлена динамика объемов торгов в РТС и изменения индекса РТС за период 1998-2004 гг (рис.2).

35000000 -г <000

зооооооо-- - Jm ,.Ш(Ю

25000000 -

20000000 Х ^^^ ^Н ^Н адо

15000000 Н Н Н

юоооооо Х - ^Н

Чf , U , U , U t г

1998 1999 2000 2001 2002 2003 2004

объем торгов ЧЧиндекс РГС

Рис. 2. Динанамика объемов торгов в РТС и индекса РТС м период 998-2004 гг.

Тем не менее, говорить о поноценном развитии рынка ценных бумаг в России пока рано. Совокупные обороты по ценным бумагам российских эмитентов на российских и западных биржах составляют $300-400 мн. в день. Это в два-три раза меньше, чем обороты по акциям стран Восточной Европы, в пять-шесть раз меньше стран Латинской Америки и Ашн и в десятки и сотни раз меньше оборотов по акциям развитых стран.

Во второй главе Статистическое исследование взаимосвязи российского и зарубежны* рынков корпоративных ценных бумаг проанализированы особенности индикаторов мировых фондовых рынков, рассмотрены основные методологические и практические аспекты решения задач статистического анализа взаимосвязи рынка корпоративных ценных бумаг России с изменениями на зарубежных фондовых рынках

В диссертации показано, что глобализация и интернализация фондивою пространства на мировом рынке ценных бумаг проходит активнее, чем, к примеру, на товарных рынках Сегодня инвестиционный процесс не имеет

тех границ, которые свойственны купле-продаже, допустим, продуктов или технологий. Свидетельство тому Ч интернализация портфелей ценных бумаг, куда наряду с национальными фондовыми инструментами включаются, как правило, представители самых разных стран и континентов. Для управления таким пакетом документации даже хорошего знания конъюнктуры своего рынка не достаточно, поэтому обобщающие показатели инвестиций необходимы.

Любой фондовый индекс показывает то, что в него заложили его разработчики путем определения выборки составляющих и метода расчета. Как правило, чем шире выборка, тем индекс ближе к индикатору состояния экономики или отдельной отрасли. Более мобильным и конъюнктурным индикатором фондовый индекс становится при объединении составляющих не по отраслевому признаку, а по критерию капитализации компании, т. е. суммарной рыночной стоимости всех акций, находящихся в обращении.

Выбор индекса для проведения анализа определяется такими факторами как торговая площадка, тип проводимых операций (краткосрочные, спекулятивные или рассчитанные на перспективу), соответствие списка индекса акциям тех отраслей, с которыми предстоит работа, а так же общая характеристика индекса (привлекательнее тот индекс, который рассчитывается в режиме реального времени: включающий в список большее число компаний).

Выбранный для анализа индекс дожен отвечать следующим основным условиям: точно и своевременно отражать ситуацию на всем, индицируемом рынке в целом; быть хорошим инструментом для прогнозирования направления движения рынка, удобным средством для предсказания ситуации при помощи технического анализа; служить базой для создания оптимального портфеля в категориях надежность-доходность; давать ответ крупным инвесторам, которые производят значительные стратегические инвестиции на различных рынках, на какой их них делать ставку.

Сегодня Россия является одним из крупнейших развивающихся рынков по размеру валового внутреннего продукта (ВВП). Более значительным масштабом экономики отличаются лишь Индия, Бразилия, Мексика, Южная Корея и Китай. Как видно из рис. 3 фондовые рынки этих стран входят в число крупнейших по уровню капитализации. Из приведенного графика видно, что российский фондовый рынок занимает только восьмую позицию среди рассматриваемых развивающихся фондовых рынков.

мин. дат

500000/. 450000-' 400000' 350000' 300000' 250000 '

Рис. 3. Распределение стран с развивающимися фондовыми рынками по уровню капитализации

Общая капитализация отечественного фондового рынка (за последние годы роста, достигшая $ 100 мрд.) уступает аналогичному показателю в таких странах как Китай, Тайвань, Южная Корея, Бразилия, ЮАР, Малайзия и Мексика, на которые приходится почти 79% суммарной капитализации всех развивающихся стран. Очевидна существенная дифференциация уровней капитализации фондовых рынков различных стран. Так, наиболее капитализированный китайский фондовый рынок превосходит отечественный по данному показателю почти в 5 раз, а рынки Египта и Пакистана, находящиеся на последних позициях, примерно в 70 раз.

Одним из важнейших индикаторов степени развития фондового рынка во всем мире считается соотношение между суммарной капитализацией рынка акций (рыночной стоимостью компаний) и размером ВВП. Наиболее тесная взаимосвязь между развитием фондового рынка и масштабами экономики прослеживается в таких странах как Малайзия, ЮАР, Тайвань, Южная Корея. Российский фондовый рынок по-прежнему практически не связан с высоким уровнем ВВП, процентное соотношение этих показателей для него составляет около 30 %.

Причиной этому может быть различный кредитный суверенный рейтинг, который является агрегированным показателем, характеризующим потенциал и риски экономики той или иной страны.

Большинство американских институциональных инвесторов оценивают риск инвестиций в сопоставлении с эталонным фондовым индексом. В ка-

200000 150000 100000

50000-'

честве эталонного индекса традиционно применяется индекс Emerging Markets Free (FMF), рассчитываемый компанией Morgan Stanley Capital International (MSCI). Вес стран в нем определяется исходя из капитализации их фондовых рынков. Определение рыночной стоимости для каждой компании производится с учетом двух поправочных коэффициентов, один из которых связан с оценкой доли акций, находящихся в свободном обращении, а другой - с возможными ограничениями на долю иностранных инвесторов в уставном капитале компании. Другая особенность расчета состоит в том, что в индекс MSCI попадают не все компании, а только те, чья рыночная стоимость превышает минимальный порог капитализации. Для России он установлен на уровне $ 50-75 мн, для Китая и Индии - $ 100-125 мн, для Мексики, Кореи, Бразилии - $ 250-200 мн Но вес страны в индексе служит лишь отправной точкой

Большой практический интерес представляет сравнение состояния фондового рынка России с фондовыми рынками ряда развивающихся стран Для выявления группы наиболее привлекательных для инвестора стран, проведем многомерную классификацию. Выберем следующие показатели, характеризующие состояние фондовых рынков стран с развивающейся экономикой (по состоянию на начало 2004 г.).

X, - отношение среднемесячного оборота ведущей биржи страны к капитализации, %,

X-, - отношение капитализации к ВВП, %;

JC, - вес страны в индексе MSCI EMF, %;

ХА - удельный вес в суммарной капитализации фондовых рынков развивающихся стран, %;

Для проведения классификации был использован широкий спектр иерархических агломеративных методов и итеративный метод k-срених кластерного анализа.

Применение различных методов кластерного анализа привело к схожим результатам.

Наилучшее разбиение определялось на основе возможности проведения содержательной экономической интерпретации и соотношения внутри-групповой и межгрупповой дисперсии.

Проведенные исследования позволили выделить следующие группы Первая, в состав которой вошли Южная Корея и Тайвань, отличается превосходством средних значений по всем показателям над остальными группами (рис 4). Фондовые рынки этих стран входят не только в число крупнейших по капитализации, но являются и наиболее ликвидными Также

этим двум странам отводится наиболее высокий вес в индексе М8С1 ЕМР, что характеризует их рынки как наименее рискованные Отличаются значительным масштабом экономики и высоким уровнем капитали зации и фондовые рынки стран, образовавших второй кластер (Малайзия, Китай, Мексика, ЮАР, Бразилия)

, 100-1

, 50 ' ! 40 <

^ Если различие между средними значениями показателей Х2, ХЗ, Х4 не

'' существенно для этих двух групп, то с показателем X1, характеризующим

отношение оборота ведущей биржи страны к капитализации все выглядит иначе Среднее значение этого показателя для первой группы в 7 раз больше, чем для второй, что позволяет охарактеризовать фондовые рынки стран, вошедших во вторую группу как менее привлекательные для инвесторов с точки зрения ликвидности Россия же попала в группу стран, образующих третий кластер (Чехия, Венгрия, Чили, Израиль, Польша, Таиланд, Египет, Индия, Россия, Турция, Пакистан, Индонезия). Средние значения показателей этого кластера существенно отличаются от лидирующих групп (так первый кластер по первым двум показателям (по отношению среднемесячного оборота ведущей биржи страны к капитализации и по отношению капитализации к ВВП), превосходит третий в 3 раза, по третьему и четвертому (вес страны в индексе МБС1 ЕМР и удельный вес в суммарной капитализации фондовых рынков развивающихся стран) соответственно в 9,5 и 7,5 раз, второй же кластер превосходит третий по по отношению капитализации к ВВП - в 3 раза, по весу страны в индексе М8С1 ЕМР Ч в 4,5 раза, а удельному весу в суммарной капитализации фондовых рынков развивающихся стран почти в 6 раз). Следует отметить неестественно высокое значение показателя отношение оборота ведущей биржи к капитализации

для третьей группы, объясняемое отнесением в эту группу таких стран как Турция и Пакистан, резко отличающихся от остальных большими значениями рассматриваемого показателя и низкими значениями остальных показателей. Любые отголоски финансового кризиса в странах, чьи рынки относятся к emerging markets (рынки, находящиеся на стадии становления), пугают инвесторов.

Хотя Россия и является одним из крупнейших рынков по капитализации (рис. 3), а экономика характеризуется большим размером ВВП, но существует ряд причин, которые объясняют такой рейтинг России и ее принадлежность именно к этому кластеру, а не к кластеру лидирующих фондовых рынков. По мнению многих аналитиков наиболее удачным моментом для вхождения в рынок является период 3-4 года после кризиса. Таким образом, сейчас Россия может вызывать повышенный интерес у иностранных инвесторов, но инвестиционные рейтинги России невелики. Агентства Standard and Poors, Moody's и Fitch повысили российские рейтинги, но докризисного уровня они не достигли.

Попытки точного описания фондового рынка предпринимаются с момента его образования и по сегодняшний день.

В связи с этим в работе проведен анализ фондового рынка России при помощи многомерной регрессионной модели. В роли экзогенных переменных использованы макроэкономические показатели России, а также индексы зарубежных фондовых рынков.

Для исследования нами был выбран временной отрезок с января 1999 г. по январь 2004 г. включительно. Такой выбор обусловлен кризисом 1998 года, который очень резко отразися на всех показателях страны, а так же привел ко многим изменениям в тенденциях и объемах функционирования Российской Торговой Системы.

Предпосыками для отбора показателей, включаемых в построение модели, явися экономический аспект, а также корреляционный метод для оценки тесноты взаимосвязи между признаками.

На первом этапе построения модели были отобраны факторы, оказывающие влияние на изменение индекса РТС, которые можно условно разделить на группы:

Х макроэкономические показатели состояния России;

Х показатели внешней торговли;

Х основные мировые индексы: северной и южной Америки, Европы,

Азиатско-тихоокеанского региона,

Анализ развития России в целом, а также тенденций фондового рынка, говорит о том, что российский фондовый рынок очень зависим от конъюнктурных изменений происходящих на мировой арене. Этим и

объясняется включение в модель показателей фондовых рынков развитых и развивающихся стран. Поскольку экономические взаимосвязи достаточно сложны по своей природе, то логично предположить, что какая-либо из факторных переменных будет оказывать более сильное влияние на изучаемый индекс РТС, если её включить в модель с некоторым лагом.

Исходя из полученных значений коэффициента корреляции для дальнейшего анализа было отобрано девять показателей, которые наиболее тесно связаны с у - индекс РТС и между которыми отсутствует мультиколинеарность.

х, - индекс Нью-Йоркской фондовой биржи - NYSE; Х2 -индекс фондового рынка Бразилии - BOVESPA; х3 -индекс американского фондового рынка - NASDAQ; х4 -индекс фондового рынка Южной Кореи - KOSPI; х5 -индекс фондового рынка Японии - NIKKEI; х6 -индекс фондового рынка Австралии - ALL ORDI; Х1 -индекс фондового рынка Гонконга - HANGSEN; х8 -индекс фондового рынка Сингапура - STRAITS; х9 -индекс фондового рынка Великобритании - FTSE100; х10 -индекс фондового рынка Германии - DAX; хп -индекс фондового рынка Италии - MIBTEL; х12 -индекс базовых отраслей, %;

х13 - объем промышленного производства в % к предыдущему месяцу;

х14 - индек потребительских цен;

х15 - золото - валютные резервы;

х16 - объем импорта в доларах;

х17 - объем торгов в РТС в доларах;

После проведения предварительного анализа и применения пошаговых агоритмов получено следующее уравнение множественной регрессии:

У=-13,32 + 0,131 * х4 -0,006* X, +0,008* л:10 +0,094* х,7 +0,641 *У(,.,)

(4,71) (-3,42) (2,23) (4,12) (8,97)

К2 = 0,96, Р(5,42) = 189,24, Э\У = 1,78, 8 = 8,59, & - 355,4.

В скобках под оценками коэффициентов регрессии укашны соответствующие значения г - критерия В результате получено значимое уравнение регрессии со значимыми и интерпритируемыми коэффициентами.

Уравнение значимо при а - 0,05, т. к. Рнл6л (5,42)= 189,24> Ркр11Г - 2,6 Проверка значимости каждого коэффициенты регрессии, подтверждает, что все вошедшие в модель признаки имеют значимые коэфиициенты регрессии при а = 0,05, т.к ^^ 1крит = 2,021. На рис.5 приведены исходные и модельные значения, полученные по уравнению регрессии

Рис. 5. Исходные и модельные значения уравнения зависимости индекса РТС

Множественный коэффициент детерминации свидетельствует о том, что 96% вариации результирующего показателя индекс РТС объясняется вошедшими в модель показателями, оставшиеся 4% вариации объясняются неучтенными в модели или случайными факторами

Интерпретируя полученную модель, можно сделать вывод, что на значения индекса РТС оказывают влияние следующие показатели- индексы зарубежных фондовых рынков- Японии, Южной Кореи и Германии; также в модель вошел показатель, характеризующие состояния фондового рынка

Росии - объем торгов в Российской Торговой Системе и сам индекс РТС с лагом в один месяц.

В результате анализа можно сделать вывод, что при увеличении активности на фондовом рынке Южно Кореи на одну единицу (при фиксированных значения других признаков вошедших в модель), значение индекса РТС увеличивается на 0,131 пункта, а при увеличении значения индекса фондовой биржи Японии на единицу индекс РТС снижается на 0,006 пункта. Увеличение индекса фондового рынка Германии на один пункт ведет к повышению значения индекса РТС на 0,008 пункта.

Из показателей, характеризующих российскую экономику вошел в модель только объем торгов в РТС и сам индекс РТС с лагом = 1. Увеличение объемов торгов на единицу приведет к увеличению индекса РТС на 0,094 пункта. Наибольшее влияние оказывает значение индекса РТС в предыдущем месяце. Так при увеличении значения индекса на один пункт приведет к увеличению значения индекса РТС в следующем месяце на 0,641 пункта.

В третьей главе Моделирование структуры инвестиционного портфеля и его управления в условиях российского фондового рынка

предложена и реализована методика формирования оптимальной структуры портфеля ценных бумаг, а также апробирован агоритм управления инвестиционным портфелем с помощью методов технического анализа

Для эффективного управления портфелем ценных бумаг необходимым условием является формирование портфеля из ликвидных ценных бумаг, что позволяет без существенных потерь перевести их в денежные средства.

К ликвидным российским ценным бумагам на сегодня относятся бумаги, торгуемые в Российской Торговой Системы (РТС).

Для анализа мы взяли 6 наиболее ликвидных акций, торгующиеся на РТС из разных отраслей: Юкос (А), Ростелеком (В), Мосэнерго (С), ГМК Норильский никель (О), РАО ЕЭС России (Е), Газпром (Р).

В качестве исходных данных приняты ежемесячные котировки акций (значение на период закрытия) в период с сентября 1998 года по декабрь 2003 года. Далее была вычислена доходность и риск по каждой акции в отдельности.

В результате анализа рисков и доходности возможных портфелей составленных на основе модели Марковица при условии, что инвестор может сформировать инвестиционный портфель из акций четырех эмитентов с равными долями.

По степени возрастания риска последовательность портфелей можно упорядочить следующим образом.

Наименее рискованным является портфель, состоящий из равных долей акций Мосэнерго, ГМК Норильский никель, РАО ЕЭС России и Газпрома с ор - 14.44%, средняя доходность составляет 3,05%.

Наиболее рискованным является портфель, состоящий из равных частей (по 25 %) акций Юкоса, Ростелекома, Мосэнерго и Газпрома, средняя доходность не является самой большой и составляет 4,05%, а риск является максимальным ор= 19,89%. Это связано с тем, что величины стандартных отклонений, т.е. доходностей этих акций наибольшие среди выбранных акций (од=45,63%, ств=30,34%, стс=31,54%, сЕ=27,32%).

Критерием портфельного инвестирования является минимизация риска при получении фиксированного для данного случая дохода Инвестор может выбрать любое значение или диапазон приемлемой доходности и определить наименьший коэффициент риска в этом диапазоне Например, при диапазоне доходности 4,20-4,78% можно выбрать инвестиционные портфели соответственно с наибольшим и наименьшим риском, т.е. коэффициентами стандартных отклонений.

Наименьший риск при заданном диапазоне имеет портфель, состоящий в равных долях из акций Юкоса, ГМК Норильского никеля, РАО ЕЭС России и Газпрома, с доходностью 4,78%, которая является достаточно высокой, и средним риском 16,93%.

В общем, риски, которые наблюдались при составлении портфелей, значительно ниже рисков отдельно взятых акций, если при инвестировании в отдельную акцию максимальное среднее отклонение составляет 45,63% -акции Юкоса, то при портфельном инвестировании (диверсификации) мы видим, что максимальный риск значительно ниже, составляет 19,89%.

Таким образом, предложенный метод определения структуры портфеля ценных бумаг дает возможность обосновать выбор активов, которые могут обеспечиль инвестору требуемую доходность при приемлемом риске, либо оценить общий риск вложения средств для требуемой доходности.

Далее в диссертации было проведено построение оптимального портфеля на основе модели Шарпа.

В качестве исходных данных возьмем были взяты ежемесячные котировки наиболее ликвидных акций, торгующихся в РТС: Юкос (У1ЖО), Ростелеком (ЯТКМ), Мосэнерго (М^О), ГМК Норильский никель (ОМК1Я), РАО ЕЭС России (ЕЕБЯ), Гапром (СР), в качестве рыночного индекса - индекс РТС. Для расчетов фиксировались значение индекса на момент закрытия торгов.

Параметры портфеля определялись при помощи регрессионного анализа.

В работе проведен сравнительный анализ доходности и риска, сформи-

рованных портфелей на основе модели Шарпа, в сравнении с ранее полученными результатами, по Марковицу.

Анализируя среднеквадратические отклонения сформированных портфелей, можно заметить, что минимальный риск имеет портфель, в состав которого входят по 25% акций Мосэнерго, ГМК Норильского никеля, РАО ЕЭС России и Газпрома, как по модели Марковица грМ-14,44%, так и по модели Шарпа г рШ 17,30%. Также и максимальное среднеквадратиче-ское отклонение наблюдается у портфеля под №2 орМ_ 19,89% и Орш-24,7%.

Следует также отметить, что доходность портфелей в первом варианте колеблется от 3,05% до 4,85%, при расчете же доходности с помощью модели Шарпа, наблюдаются более высокие доходности, минимальное значение 4,84% портфель №8 и максимальное - 12,54% портфель №13, но портфельные риски в расчете по второй модели тоже более высокие, чем по Марковицу.

Как уже отмечалось, спецификой Российского рынка акций относится ограниченное количество ликвидных инструментов и их схожесть в динамике, поэтому построение хорошо диверсифицированного портфеля затруднено, риск останется достаточно высоким, а его доходность будет зависеть от индекса РТС.

Сформированный портфель ведется эффективно, если его доходность превосходит по рынку в целом. Следовательно, необходимо пересматривать портфель, вовремя продавая одни ценные бумаги и покупая другие.

Управление инвестиционным портфелем осуществлялось в течение 2004 года на основе методов технического анализа, с применением специализированной компьютерной программы MetaStock 8.0 фирмы Equis, которая позволяет анализировать получаемую информацию о ходе торгов в РТС в режиме on-line и оперативно принимать решения о купле продаже ценных бумаг путем подачи заявки брокеру.

Для управления был выбран оптимальный портфель, состоящий из равных долей акций Юкоса, Ростелекома, ГМК Норильского никеля и РАО ЕЭС России. Начальный капитал составляет 1 мн $, по 250 000 $ для каждого эмитента.

При принятии решений покупки-продажи акций анализировались:

1 Japanese Candlesticks Charting (Японские свечи);

2. индикатор MACD;

3. Moving Averages Simple (Exponential) - скользящие средние простая (экспоненциальная);

4. Parabolic SAR properties;

5. осцилятор Relative Strength Index;

6. осцилятор Chaikin Money Flow.

Индикаторы были предварительно протестированы на ретроспективный данных и для каждого эмитента были подобраны индивидуальное сочетание индикаторов и их параметры.

В январе в портфель были приобретены 27 ООО акций Юкоса по цене 9,259$ , акции Ростелекома были куплены по цене 1,25$ (200 ООО шт.), ГМК Норильский никель в состав портфеля вошли в количестве 11 300 по цене 22,12$ и также акции РАО ЕЭС России. Затем, в средине месяца было принято решение продать акции РАО ЕЭС России по цене 0,13$ с убытком 7 472$ и купить 10 000 акций Газпрома по цене 24,19$.

В феврале были проданы акции ГМК Норильского никеля по цене 12,02$, прибыль составила 28 432$, решение было принято на основании сигнала индикатора Parabolic SAR properties, а также графика японских свечей, котировки акций к концу торговой сессии снизились и закрытие произошло ниже скользяще средней.

По итогам первого квартала структура инвестиционного портфеля, при оценке портфеля на 31 марта 2004 года выглядит следующим образом (рис.6):

Рис.6. Структура портфеля ценных бумаг на 31.03.2004 г.

Как видно из рис. 6 большую часть портфеля в конце марта занимают денежные средства 38,81%, почти равные доли составляют акции Ростелекома и ГМК Норильского никеля около 24% и 13,6% составили акции Мосэнерго.

В начале второго квартала были совершены 2 сдеки: продажа акций Мосэнерго на сумму 150 000$, приобретенных в прошлом месяце, а также покупка Юкоса в количестве 25 000 шт. по цене 9,75$. 10 апреля купили 200 000 акций РАО ЕЭС России, после чего осталось свободных денежных средств 6 640$.

В мае ситуация на рынке была не очень понятная, по большинству акций наблюдася боковой тренд или индикаторы давали противоречивые сигналы, только 5 мая было решено продать все акции Газпрома, так как 3 индикатора из 4-х, используемые для анализа этой ценной бумаги индикатор (MACD, RSI и Chaikin Money Flow) дали сигнал к продаже.

В начале июня в результате анализа было принято решение продать 200 ООО акций Ростелеком, которые были приобретены в начале года, уже в конце мая RSI показал сигнал к продаже, а в июне он подтвердися и другими индикаторами: кривые MACD пресеклись, также Chaikin Money Flow показал, зону перекупленности и пересек верхнюю горизонтальную линию в обратном направлении.

На графике ЮКОСа образовалась фигура треугольник, которая предсказывала продожение бычьей тенденции, было принято решение оставить 25 ООО акций этого эмитента.

По итогам 2-го квартала структура портфеля приняла следующий вид: основную долю 65% всего портфеля составляют денежные средства, то есть к концу первого полугодия почти все акции были проданы, остались только акции Юкоса, которые составляют так же существенную часть 1 портфеля (30%) и РАО ЕЭС России 5%.

Во начале второго полугодия были проданы акции Юкоса на сумму 340 050$., так как индикатор RSI показал сигнал к продаже, а затем он под-ч4 твердися и индикатором MACD. Далее на графике РАО ЕЭС России

десятидневная простая скользящая средняя пересекла двадцатидневную сверху вниз, поэтому было принято решение продать 1 000 000 акций по цене 0,257$.

Также в июле были совершены 2 покупки: приобретены акции Ростелекома на сумму 306 000$ (решение было принято на основе сигнала индикаторов MACD и шестидневной экспоненциальной скользящей средней и акции ГМК Норильского никеля 10 000 шт. по цене 33,90$ (основанием послужили сигналы двенадцатидневной простой скользящей средней и Parabolic SAR properties.

В первой половине августа были куплены акции на сумму 560 970$: Юкос - 5 000 шт., Мосэнерго - 1 000 000 шт., РАО ЕЭС России - 100 000 шт. и акции Газпрома в количестве 12 000 шт.

По итогам 3-го квартала основную часть портфеля составляют денежные средства и акции ГМК Норильского никеля в сумме 70,91% всего портфеля, далее идут акции Газпрома, 22,25%. Акции Мосэнерго и Юкоса имеют достаточно маленькие доли в портфеле около 3%.

В четвертом квартале появились сигналы к продаже на графиках акций Газпрома, ГМК Норильский никель и оставшиеся акции Юкоса по цене меньшей, чем были куплены в августе.

В ноябре у всех акций наблюдалась медвежья тенденция, но в конце месяца 27 числа были приобретены акции Ростелекома, так как на графике образовалась фигура треугольник, что означало, что тенденция меняется и становится бычьей.

В декабре в портфель были приобретены акции ГМК Норильский никель, РАО ЕЭС России, акции Газпрома, сигналом к покупке послужил сигнал индикатора МАСО.

В конце декабря были проданы акции Ростелекома, приобретенные в сентябре и куплены акции Мосэнерго на 1300000$.

В начале 2005 г. были проданы все акции: Юкос 43 000 шт., Мосэнерго 20 000 000 шт., ГМК Норильский никель 8 000 шт., РАО ЕЭС России 100 000 шт. и 10 000 акций Газпрома, общая сумма от продаж составила 2 929 435$.

Таким образом, получилось, что на счету образовались денежные средства в размере 3 319 029$, следовательно, прибыль составляет 2 219 029$, то есть 219,03% годовых.

При сравнении доходности оптимального портфеля (модельного) в течение всего анализируемого периода и индекса РТС можно сделать вывод о том, что его динамика совпадала с динамикой индекса РТС в первом полу- ^

годии, а, начиная, с мая модельный портфель показывает более высокую доходность, чем рынок, хотя и наблюдается сильная зависимость от колебаний рыночного индекса.

На начало 2005 г. стоимость портфеля составила 2 090 413$, то есть 109% годовых, это достаточно хороший результат, но доход почти в 2 раза меньше, чем когда мы управляли портфелем на протяжении всего периода. Также необходимо обратить внимание, что рынок в 2004 году имел тенденцию роста, котировки акций росли в течение года, за счет чего и росла доходность модельного портфеля, если бы рынок был падающий, то вложения денег в такой портфель, грозило бы инвестору потерей крупной суммы денег.

Таким образом, для получения доходности при портфельном инвестировании необходимо управлять портфелем в течение всего инвестиционного периода.

В заключении сформулированы результаты выпоненного исследования, даны основные выводы и рекомендации по их использованию в статистической практике.

По теме диссертации опубликованы следующие работы:

1. Уринсон М.А. Фондовый рынок как индикатор экономики // Сб.науч.тр. Математико-статистический анализ социально-экономических процессов. - М.: МЭСИ, 2004. - 0,2 п.л.

2. Уринсон М.А. Современное состояние фондового рынка России // Сб.науч.тр. Математико-статистический анализ социально-экономических процессов. - М.: МЭСИ, 2004. - 0,2 п.л.

3. Сущев Д., Уринсон М.А. МВО, или шанс стать олигархом // Рынок ценных бумаг. - № 6,2005. - 0,5 п.л. (авторские - 0,4 п.л.)

4. Уринсон М.А. Методика исследования зависимости российского рынка ценных бумаг //

5. Уринсон М.А. Моделирование структуры инвестиционного портфеля // Сб.науч.тр. Математико-статистический анализ экономических процессов. - М.: МЭСИ, 2005. - 0,2 п.л.

и -89 22

РНБ Русский фонд

2006-4 15499

Лицензия Р № 020563 от 07.07.97 Подписано к печати 16.05.2005

Формат издания 60x84/16 Бум. офсетная №1 Печать офсетная Печ.л. 1,4 Уч.-издл. 1,3 Тираж 100 экз.

Заказ № 2835

Типография издательства МЭСИ. 119501, Москва, Нежинская ул., 7

Диссертация: содержание автор диссертационного исследования: кандидат экономических наук , Уринсон, Михаил Александрович

Введение

Глава 1 Рынок ценных бумаг как объект статистического исследования

1.1. Понятия, характеристика, основные участники рынка ценных бумаг

1.2. Становление и развитие российского рынка ценных бумаг

1.3. Анализ влияния экономических показателей развития страны и конъюнктуры мировых фондовых бирж на рынок ценных бумаг России

Глава 2 Статистическое исследование взаимосвязи российского и зарубежных рынков корпоративных ценных бумаг

2.1. Фондовые индексы, их роль и значение в анализе состояния рынка ценных бумаг

2.2. Сравнительный анализ состояния фондовых рынков стран с развивающейся экономикой

2.3. Построение множественной регрессионной модели индекса РТС

Глава 3 Моделирование структуры инвестиционного портфеля и его управления в условиях российского фондового рынка

3.1. Методы формирования оптимальной структуры портфеля ценных бумаг

3.2. Построение модели оптимального инвестиционного портфеля

3.3. Агоритм управления инвестиционным портфелем с помощью методов технического анализа

Диссертация: введение по экономике, на тему "Экономико-статистический анализ развития рынка корпоративных ценных бумаг"

Актуальность темы исследования. Формирование и развитие фондового рынка в России дало новый экономический инструмент для привлечения инвестиций и регулирования экономики. Его создание и развитие позволяет мобильно перераспределять денежные средства индивидуальных инвесторов для структурных преобразований в экономике. Однако развитие рынка ценных бумаг будет способствовать подъему экономики лишь при реализации других мер: формирования и развития товарного рынка, демонополизации, поддержке малых предприятий, укреплении денежного обращения.

Рынок ценных бумаг стал важной и неотъемлемой частью экономической жизни нашей страны. В настоящее время в России, в связи с включением ее в систему мирового финансового рынка, присвоением стране международного кредитного рейтинга, размещением транша еврооблигаций, котировкой американских депозитных расписок на российские акции на зарубежных биржах, появилась острая необходимость научного подхода к исследованию и изучению ценовой динамики на различных сегментах рынка ценных бумаг. Развитие российского рынка ценных бумаг в настоящее время достигло такого уровня, при котором его участники стакиваются не только с проблемой планирования размера и направления собственных инвестиций, но и с определением наиболее оптимальных способов анализа рыночной ситуации. Российские брокеры ведут бизнес в условиях больших колебаний котировок, роста конкуренции. Чтобы успешно функционировать в данной ситуации необходимо использовать статистические методы анализа состояния фондового рынка, которые прошли практическую проверку и успешно применяются на развитых фондовых рынках в течение не одного десятка лет. Однако в отечественной практике математико-статистическим методам анализа рынка ценных бумаг не уделяется дожного внимания, о чем свидетельствует сравнительно небольшое число научных публикаций.

Все это обусловило выбор темы диссертационного исследования, ее актуальность в научном и практическом плане.

Цель и задачи исследования. Целью диссертационной работы является разработка методики комплексного анализа состояния российского рынка корпоративных ценных бумаг, позволяющего исследовать развитие рынка как в целом, так и отдельных его сегментов, оценивать их инвестиционную привлекательность.

В связи с поставленной целью были сформулированы и решены следующие задачи:

-выявлены современные тенденции в развитии российского рынка ценных бумаг;

-дана оценка влияния основных макроэкономических показателей и конъюнктуры мировых фондовых бирж на рынок ценных бумаг России;

- проведен сравнительный анализ состояния фондовых рынков стран с развивающейся экономикой, к числу которых относится российский рынок ценных бумаг;

-проведен анализ зависимости поведения российского фондового рынка от процессов, протекающих на зарубежных фондовых рынках;

-разработана и апробирована методика формирования оптимальной структуры портфеля корпоративных ценных бумаг;

- предложена методика управления инвестиционным портфелем. Объектом исследования выступил российский рынок корпоративных ценных бумаг, предметом исследования явилась совокупность показателей, характеризующих развитие рынка корпоративных ценных бумаг Российской Федерации.

Методологической и теоретической основой диссертационного исследования послужили труды российских и зарубежных ученых в области экономики, статистики, эконометрики, компьютерной обработки данных.

В качестве исследовательского инструментария использовались многомерные статистические методы корреляционного, регрессионного, факторного и кластерного анализа, анализа временных рядов и прогнозирования, графическое и табличное представление данных.

При решении поставленных задач использованы пакеты прикладных программ лMicrosoft Excel, лMicrosoft Word, лMetaStock, лStatistica, SPSS, лOlymp.

Информационную базу исследования составили материалы периодических экономических изданий, результаты биржевых торгов корпоративными ценными бумагами крупнейших российских площадок, полученные на официальных сайтах Internet, официальные статистические публикации Госкомстата России, а также данные, публикуемые крупнейшими рейтинговыми агентствами.

Научная новизна исследования состоит в разработке комплексной методики анализа состояния и развития российского рынка корпоративных ценных бумаг и его отдельных сегментов.

В диссертации сформулированы и выносятся на защиту следующие положения:

-дана характеристика и выявлены основные тенденции развития рынка корпоративных ценных бумаг Российской Федерации на современном этапе;

- разработана методика многомерной классификации стран с развивающейся экономикой по степени развития фондовых рынков;

- предложена методика исследования взаимосвязи российского фондового индекса РТС от поведения зарубежных фондовых индексов США, Европы, Азии, Латинской Америки;

-предложена и апробирована методика моделирования структуры инвестиционного портфеля;

-разработан и апробирован агоритм управления инвестиционным портфелем в условиях российского фондового рынка с помощью методов технического анализа.

Практическая значимость работы. Результаты диссертационного исследования могут найти применение в работе статистических и аналитических служб коммерческого банка, специализирующихся на анализе фондового рынка, инвестиционных и брокерских компаний при принятии решений о выборе инвестиционной стратегии поведения на рынке участников процесса купли-продажи на фондовом рынке.

Публикации. По теме диссертации опубликовано 4 работы объемом 1 п.л.

Структура работы. Диссертация состоит из введения, трех глав, заключения, списка использованной литературы и приложений.

Диссертация: заключение по теме "Бухгатерский учет, статистика", Уринсон, Михаил Александрович

Результаты работы на фондовых рынках России и некоторых зарубежных стран в 2003 году

Показатель Значение на 31 декабря 2003 г. Изменение за год, %

Индекс ММВБ 514,71 61,40

Оборот на ММВБ за год, мрд. руб. 1 843,32 108,95

Индекс РТС 567,25 57,98

Оборот на РТС за год, мрд. руб. 256,32 42,01

Нефть и газ 140,95 34,77

Электроэнергетика 273,89 97,48

Региональная электроэнергетика 216,30 90,78

Телекоммуникации 205,82 77,43

Nasdaq Composite 2 003,37 50,01

FTSE 100 4 476,90 13,62

DAX 3 965,16 37,08

Nikkei 225 10 676,64 24,45

Лидером по объему, заключенных в РТС в 2003 г. сделок стала Тюменская нефтяная компания (ТНК), заключившая сделок на сумму свыше 17,5 мн. дол.

Лидерами продаж на рынке ценных бумаг в 2003 году стали следующие ценные бумаги (табл. 1.3):

Заключение

1. Рынок ценных бумаг и его институты являются неотъемлемой частью нормального функционирования рыночной экономики. Его создание и развитие, дает возможность мобильно перераспределять денежные средства инвесторов для структурных преобразований в экономике.

С момента своего создания рынок ценных бумаг в России уже довольно далеко продвинуся в своем развитии и приобрел весьма отчетливые очертания. Само создание фондового рынка осложнялось отсутствием основополагающих законов регулирующих его деятельность. К тому же его деятельность осложнялась, да и до сегодняшнего дня осложняется малой осведомленностью людей о возможностях и функциях рынка ценных бумаг.

2. Изучение общих закономерностей, а также особенностей функционирования рынка ценных бумаг в России является весьма актуальной задачей, тем более что сейчас всё большее число людей привлекается к участию в операциях фондового рынка, а, следовательно, нуждается в информации о его структуре, функциях и принципах работы.

В данной диссертационной работе исследуются взаимосвязи отечественного рынка ценных бумаг с важнейшими макроэкономическими показателями страны, а также с зарубежными фондовыми рынками, как развитых, так и развивающихся стран. Также была предпринята попытка построения прогноза на ближайшую перспективу.

Выбор именно Российской Торговой Системы и индекса РТС для анализа не был случайным. Он был обусловлен рядом причин: РТС на сегодняшний день является крупнейшей торговой площадкой страны; в РТС предусмотрена возможность работы как в режиме внебиржевых, так и биржевых торгов; биржа имеет значительный оборот - среднедневной оборот в РТС составляет около $20 мн.; в торгах данной системы принимают участие не только российские, но и иностранные инвесторы; именно эта площадка обслуживает значительную долю иностранных и российских портфельных инвестиций в акции российских компаний; кроме того, индекс РТС признан официальным индикатором Биржи и на сегодняшний день является основным показателем развития российского фондового рынка.

Именно по вышеуказанным причинам для анализа рынка ценных бумаг России была выбрана Российская Торговая Система, а индекс РТС взят за индикатор, который достаточно поно отражает тенденции присущие российскому рынку ценных бумаг.

3. Изучая, деятельность биржи, в первой главе была приведена достаточно поная схема её функционирования. Также была проанализирована зависимость российского рынка ценных бумаг от изменений в экономике страны и мировых конъюнктурных колебаний. В результате анализа было выявлено, что рынок ценных бумаг России в целом имеет достаточно сильную зависимость от состояния экономике во всем мире. Вторая половина 90х годов подтверждает, что взаимосвязи между странами и фондовыми рынками очень сильные и кризис, как в Азиатско Ч Тихоокеанском регионе, так и в России способны вызвать сильно вону и пошатнуть деятельность фондовых бирж даже развитых стран. В целом в 90-х годах российских рынок был сильно зависимым от иностранных инвесторов, относися к числу развивающихся, а также и меся ряд проблем, связанных с законодательным регулированием функционирования рынка ценных бумаг. Однако последний 2002 год и начало 2003 все в большей степени подтверждают, что Россия переходит в группу стран, привлекательных для потенциальных инвесторов.

4. В диссертационной работе было построено несколько регрессионных моделей на основе ежемесячных данных за период с января

1999 года по январь 2004 года. Изначально для анализа были отобраны наиболее значимые макроэкономические показатели и индексы зарубежных фондовых рынков, которые не были между собой мультиколинеарно зависимы. В результате исследования была получена модель зависимости индекса РТС от индекса Нью-Йоркской фондовой биржи, индекса фондового рынка Японии и Германии, а также от объема торгов в системе РТС. Модель имела следующие характеристики: Я = 0,93; DW = 1,75; средняя ошибка аппроксимации = 11,78; остаточная дисперсия = 649,4.

Следующая модель строилась в предположении о том, что индекс РТС может определяться показателями экономики России и зарубежными фондовыми индексами, включенными в модель с некоторым лагом. Для построения были построены кросскорреляционные функции. Также была рассчитано частная автокорреляционная функция, которая показала, что значения индекса РТС зависят от предыдущих, поэтому в модель была также включена переменная индекс РТС с лагом в один месяц.

В модель вошли индексы фондовых рынков Южной Кореи, Японии и Германии, а также показатели экономики России: объем торгов в РТС и индекс РТС с лагом в один месяц. Модель имеет самые лучшие характеристики, и была признана наилучшей для описания изменения индекса РТС. Характеристики модели: Я2 = 0,96 0\У = 1,78, средняя ошибка аппроксимации = 8,59 , остаточная дисперсия = 355,4

5. Помимо вышеописанных моделей были построены регрессионные зависимости индекса РТС от агрегированных показателей. Метод главных компонент был использован, во-первых, для снижения размерности признакового пространства, во-вторых, для исключения мультикоолинеарности между экзогенными переменными. В результате было получено пять главных компонент: П- зарубежные фондовые индексы,

2 - макроэкономические показатели российской экономики;

БЗ - главная компонента, характеризующая фондовый рынок Южной Кореи,

4 - объем торгов в РТС,

Б5 - характеристика российского банковского сектора.

В совокупности эти пять компонент объясняют 93% исходных значений признаков. Причем на первую ГК приходится почти 60%.

Однако полученная регрессионная модель имела, характеристики хуже, чем модель с лаговыми переменными. К = 0,94 , = 0,94, средняя ошибка аппроксимации = -12,76, остаточная дисперсия =0,02.

Смешанная модель, включающая главные компоненты и переменную индекс РТС с лагом один, оказалась несколько лучше предыдущей и имела характеристики: Л2 = 0,96 , = 1,77, средняя ошибка аппроксимации = -14,22, остаточная дисперсия =0,011 .

6. Также были проанализированы ежедневные данные о значениях индекса РТС и фондовых рынков развитых и некоторых развивающихся стран. Однако сильная мультиколениарная зависимость не позволяет включить в модель несколько переменных. Полученные же модели не имели удовлетворительных характеристик. Главные компоненты, также не позволили решить поставленную задачу.

В итоге исследования, как уже отмечалось выше, была выбрана модель, построенная на основе лаговых переменных.

7. Третья глава диссертационной работы предложена и реализована методика формирования оптимальной структуры портфеля ценных бумаг, а также апробирован агоритм управления инвестиционным портфелем с помощью методов технического анализа.

Для эффективного управления портфелем ценных бумаг необходимым условием является формирование портфеля из ликвидных ценных бумаг, что позволяет без существенных потерь перевести их в денежные средства.

8. В результате анализа рисков и доходности возможных портфелей составленных на основе модели Марковица сформирован инвестиционный портфель из акций четырех эмитентов с равными долями. Построенные портфели упорядочены по степени возрастания риска.

9. Параметры портфеля в работе определялись при помощи регрессионного анализа. В диссертации проведен сравнительный анализ доходности и риска, сформированных портфелей на основе модели Шарпа, в сравнении с ранее полученными результатами, по Марковицу .

10. Управление инвестиционным портфелем в диссертации осуществлялось в течение 2004 года на основе методов технического анализа, с применением специализированной компьютерной программы MetaStock 8.0 фирмы Equis, которая позволяет анализировать получаемую информацию о ходе торгов в РТС в режиме on-line и оперативно принимать решения о купле продаже ценных бумаг путем подачи заявки брокеру.

Диссертация: библиография по экономике, кандидат экономических наук , Уринсон, Михаил Александрович, Москва

1. Адамов В.Е. Факторный индексный анализ (Методология и проблемы). -М.: Статистика, 1977. 200 с.

2. Адамов В.Е., Ильенкова С.Д., Сиротина Т.П., Смирнов С.А. Экономика и статистика фирм. М.: Финансы и статистика, 1996.

3. Айвазян С.А. Статистическое исследование зависимостей. М.: Металургия. - 1968.

4. Айвазян С.А., Бухштабер В.М.: Енюков И.С., Мешакин Л.Д. Прикладная статистика: Классификация и снижение размерности. М.: Финансы и статистика, 1989. - 607 с.

5. Айвазян С.А., Енюков Е.С., Мешакин Л.Д. Прикладная статистика. Основы моделирования и первичной обработки данных. М.: Финансы и статистика, 1993. - 471 с.

6. Айвазян С.А., Енюков И.С., Мешакин Л.Д. Прикладная статистика: Исследование зависимостей. М.: Финансы и статистика, 1985. - 487 с.

7. Айвазян С.А., Енюков И.С., Мешакин Л.Д. Прикладная статистика: Основы моделирования и первичной обработки данных. М.: Финансы и статистика, 1983. - 471 с.

8. Айвазян С.А., Бежаева Л.Н. Классификация многомерных наблюдений. -М.: Статистика, 1974.

9. Айвазян С.А., Мхитарян B.C. Прикладная статистика и основы эконометрики. Учебник для вузов. М.: ЮНИТИ, 1998. - 1022 с.

10. Алексеев М.Ю. Рынок ценных бумаг. М.: Финансы и статистика, 1992. - 352 с.

11. П.Андерсон Т. Введение в многомерный статистический анализ. М.: Физматгиз, 1963. - 500 с.

12. Андерсон Т. Статистический анализ временных рядов. М.: Мир, 1976. - 376 с.

13. Андрукович П. Применение метода главных компонент в практических исследованиях. М.: Издательство МГУ, 1973. - 122 с.

14. Афиди А., Эйзен С. Статистический анализ: подход и использование ЭВМ. М.: Мир, 1982. - 488 с.

15. Балацкий А. Российский рынок ценных бумаг в зеркале иностранной прессы. //Рынок ценных бумаг 1997, №4. - с. 49-51.

16. Банковское дело / Под ред. О.И.Лаврушина. М.: ББНКЦ, 1992. - 428 с.

17. Барр Р. Политическая экономия. М.: Международные отношения, 1995. - 1350 с.

18. Белов Б.Х. Статистические методы контроля, исследования и прогнозирования продукции. М.: Статистика, 1974.

19. Беляевский И.К. и др. Статистика рынка товаров и услуг. М.: Финансы и статистика, 1997.

20. Беляевский И.К., Короткое A.B. Биржевые индексы и оценки конъюнктуры. В сборнике научных трудов МЭСИ: Проблемы статистики рыночных отношений. - М.: 1992. - с. 34 -50.

21. Бернстайн JI.A. Анализ финансовой отчетности. М.: Финансы и статистика, 1996.

22. Бикел П., Доксам К. Математическая статистика. М.: Финансы и статистика, 1983.

23. Биржевой портфель / Отв.ред. Ю.Б.Рубин, В.И.Содаткин. М.: Соминтек, 1993. - 690 с.

24. Бокс Дж., Дженкинс Г. Анализ временных рядов. Прогноз и управление. Вып. 1. М.: Мир, 1974. - 240 с.

25. Боч Б., Хуань К.Дж. Многомерные статистические методы для экономики. М.: Статистика, 1979.

26. Боннер P.E. Некоторые методы классификации. Автоматический анализ изображений. М.: Мир, 1969. - с. 205-234.

27. Буренин А.Н. Рынки производных финансовых инструментов. М.: Инфра-М, 1996. - 368 с.

28. Бухштабер В.М., Маслов В.К., Зеленюк Е.А. Методы анализа и построение агоритмов автоматической классификации на основе математических моделей. Прикладная статистика. Ученые записки по статистике. М.: Наука, 1983. - т. 45, с. 126-144.

29. Ван Хорн Дж.К Основы управления финансами. М.: Финансы и статистика. 1997. - 800 с.

30. Вентцель Е.С., Овчаров JI.A. Прикладные задачи теории вероятностей. М.: Радио и связь, 1983. - 416 с.

31. Весеков Ф.С. Экономические процессы переходной экономики. М.: Наука, 1995.

32. Вишнев С.М. Основы комплексного прогнозирования. М.: Наука, 1977.

33. Вокова В. Среди лидеров бывшие аутсайдеры и новички. //Рынок ценных бумаг - 1997, №3. - с. 19-21.

34. Гамбаров Г.М. Статистическое моделирование и прогнозирование: Учебное пособие для вузов под редакцией Гранберга А.Г. М.: Финансы и статистика, 1990. - 382 с.

35. Герчук Я.П. Графические методы в статистике. М.: Статистика, 1968. -212 с.

36. Гмурман В.Е. Руководство к решению задач по теории вероятностей и математической статистике. М.: Высшая школа, 1970. - 239 с.

37. Голуб Н.И. Теория статистических показателей динамики. М.: Наука, 1977.

38. Горелик H.A., Френкель A.A. Опыт использования модели Бокса

39. Дженкинса для прогнозирования экономических показателей. Экономика и математические методы. М.: 1975.

40. Горчаков A.A. К вопросу использования адаптивных методов в экономическом прогнозировании. Вопросы эффективности и качества в системах управления народным хозяйством. М.: МЭСИ, 1980.

41. Горчаков A.A. Прогнозирование сезонных процессов на основе метода Тейла-Вейджа. Проблемные вопросы конструирования АСУ. М.: МЭСИ, 1985.

42. Грейнджер К., Хатанака М. Спектральный анализ временных рядов в экономике. М.: Мир, 1973.

43. Громыко Г.Л. Общая теория статистики. М.: МГУ, 1987.

44. Громыко Г.Л. Статистический ряды в экономических и экономико-географических исследованиях. М.:1974.

45. Громыко Г.Л., Трудова М.Г. Краткий курс статистики. М.: 1963.

46. Группировки и корреляция в экономико-статистических исследованиях./ Под ред. Т.В.Рябушкина. М.: Наука, 1982.

47. Гутник В.П. Теоретические аспекты перестройки в экономике, М.: 1991г.

48. Давыдов Э.Г. Исследование операций. М.: Высшая школа, 1990. - 383 с.

49. Данило-Данильян В. Об итогах и перспективах развития экономико-математических исследований. Экономические науки, №6, 1986.

50. Дженкинс Г., Ватте Д. Спектральный анализ и его приложения. М.: Мир, 1971.-313 с.

51. Джини К. Средние величины. М.: Статистика, 1970. - 448 с.

52. Джонстон Дж. Эконометрические методы. М.: Статистика, 1980. - 446 с.

53. Доугерти К. Введение в эконометрику. М.: Инфра-М, 1997. - 402 с.

54. Долан Э.Дж. и др. Деньги, банковское дело и денежно-кредитная политика. М.: Профико, 1993. - 445 с.

55. Дубров A.M. Обработка статистических данных методом главных компонент. М.: Статистика, 1978. - 243 с.

56. Дубров A.M., Мхитарян B.C., Трошин Л.И. Математическая статистика (для бизнесменов и менеджеров). М.: МЭСИ, 1996.

57. Дубров A.M., Мхитарян B.C. Статистические методы многомерной классификации в экономике. М.: МЭСИ, 1984.

58. Дубров A.M., Мхитарян B.C., Трошин Л.И. Многомерные статистические методы: Учебник. М.: Финансы и статистика, 1998. -352 с.

59. Дубровский С.А. Прикладной многомерный статистический анализ. -М.: Финансы и статистика, 1982. 216 с.

60. Дюран Б., Одел П. Кластерный анализ. М.: Статистика, 1977, 128 с.

61. Елисеева И.И. Комплексное использование индексного и регрессионного методов анализа. Л., ФЭИ, 1981.

62. Елисеева И.И., Рукавишников В.О. Логика прикладного статистического анализа. М.: Финансы и статистика, 1982.

63. Елисеева И.И., Юзбашев М.М. Общая теория статистики. М.: Финансы и статистика, 1995. - 368 с.

64. Ефимова М.Р. Применение метода группировок в анализе эффективности управления. М.: МЭСИ, 1987.

65. Ефимова М.Р. Статистические методы в управлении производством. -М.: Финансы и статистика, 1988.

66. Ефимова М.Р., Рябцев В.М. Общая теория статистики. М.: Финансы и статистика, 1991.

67. Жуковская В.М., Мучник И.Б. Факторный анализ в социально-экономических исследованиях. М.: Статистика, 1976. - 151 с.

68. Заде JI.Jl. Размытые множества и их применение в распознавании образов и кластер-анализе. Классификация и кластер. М.: Мир, 1980. -с. 208-247.

69. Задорожный С.И., Турундаевский В.Б. Марковские случайные процессы в экономике. М.: МЭСИ, 1996. - 70 с.

70. Иберла К. Факторный анализ. М.: Статистика, 1980.

71. Ивахненко А.Г. Догосрочное прогнозирование и управление сложными системами. Киев: Техника, 1975.

72. Иващенко Г.Л., Кильдишев Г.С., Шмойлова P.A. Статистическое изучение основных тенденций развития и взаимосвязи рядов динамик. -Томск: Издательство Томского государственного университета, 1985.

73. Ильенкова С.Д. Менеджмент. М.: 1 994.

74. Инновационный менеджмент: Учебник для вузов/ Ильенкова С.Д., Гохберг Л.М., Ягудин С.Ю. и др.; Под ред. Ильенковой С.Д. М.: Банки и биржи, ЮНИТИ, 1997. - 327 с.

75. Информатика в статистике: Словарь-справочник. М.: Финансы и статистика, 1994. - 208 с.

76. Кейнс Дж.М. Общая теория занятости, процента и денег. В кн.: Антология экономической классики. - М.: Экономика, 1993. - с. 137-241.

77. Кендал М., Стьюарт А. Многомерный статистический анализ и временные ряды. М.: Наука, 1976.

78. Кильдишев Г.С. Статистический анализ динамических рядов. М.: Статистика, 1974.

79. Кильдишев Г.С. Статистический анализ динамических рядов. М.: Статистика, 1974. - 44 с.

80. Кильдишев Г.С., Аболенцев Ю.М. Многомерные группировки. М.: Статистика, 1978.

81. Кленин А.Н., Шевченко К.К. Математическая статистика дляэкономистов-статистиков. М.: МЭСИ, 1990.

82. Ковалева JI.H. Многомерное прогнозирование на основе рядов динамики. М.: Статистика, 1980.

83. Колемаев В.А. и др. Теория вероятностей и математическая статистика. М.: Высшая школа, 1991. - 400 с.

84. Королев Ю.Г. Метод наименьших квадратов в социально-экономических исследованиях. М.: Статистика, 1980.

85. Королев Ю.Г., Шмойлова P.A. и др. Статистическое моделирование и прогнозирование. М.: МЭСИ, 1985.

86. Короткое В.А. Методология статистического исследования социально-экономических явлений в условиях рыночной экономики. М.: 1992.

87. Костылев A.A. и др. Статистическая обработка результатов экспериментов на микро-ЭВМ и программируемых калькуляторах. JL, Энергоатомиздат, 1991. - 304 с.

88. Кочович Е. Финансовая математика. М.: Финансы и статистика, 1994. -271 с.

89. Крастинь О.П. Изучение статистических зависимостей по многолетним данным. М.: Финансы и статистика, 1991.

90. Кулагина Г.Д. Статистическая характеристика социально-экономического потенциала народного хозяйства в условиях рыночной экономики. М.: 1992.

91. Кулагина Г.Д. Национальное счетоводство. М.: Финансы и статистика, 1997.

92. Курс социально-экономической статистики./ Под ред.Назарова М.Г. Издание 2-е. М.: Финансы и статистика, 1985. - 607 с.

93. Лопатников Л.И. Популярный экономико-математический словарь. -М.: Знание, 1990. 256 с.

94. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования.

95. М.: Статистика, 1979. 325 с.

96. Лукашии Ю.П. Регрессионные и адаптивные методы прогнозирования: Учебное пособие. М.: МЭСИ, 1997. - 43 с.

97. Магнус Я.Р., Катышев П.К., Пересецкий A.A. Эконометрика. Начальный курс. М.: Дело, 1997. - 248 с.

98. Маршал А. Принципы экономической науки. М.: Прогресс, 1993. -1070 с.

99. Математико-статистический анализ на программируемых микрокалькуляторах /Под ред. В.В. Шуракова. М.: Финансы и статистика, 1991. - 167 с.

100. Мейлахс А. Инфраструктура российского рынка. М.: 1995.

101. Меньшиков И.С. Финансовый анализ ценных бумаг: Курс лекций. М.: Финансы и статистика, 1998. - 360 с.

102. Мину М. Математическое программирование. М.: Наука, 1990. - 488 с.

103. Мхитарян B.C., Трошин Л.И. Статистические методы изучения связей экономических явлений. М.: МЭСИ, 1983.

104. Мхитарян B.C., Трошин Л.И. Статистический анализ многомерных совокупностей. М.: МЭСИ, 1992.

105. Мхитарян B.C., Бамбаева Н.Я., Балинтова Д. Компьютерные исследования временных рядов и взаимосвязи показателей с использованием пакета Mesosaur. М.: МЭСИ, 1996. - 80 с.

106. Новые формы хозяйствования в условиях рынка. М.: МДНТП, 1991.

107. О'Брайен Дж., Шривастава С. Финансовый анализ и торговляценными бумагами. М.: Дело ТД, 1995. - 208 с.

108. Общая теория статистики. Под редакцией Боярского А.Я., Громыко Г.Л. М.: МГУ, 1985. - 375 с.

109. Общая теория статистики. Статистическая методология вкоммерческой деятельности. Учебник под ред. Спирина A.A., Башиной О.Э. М.: Финансы и статистика, 1994.

110. Овчинников О.Г. Игры на рынке валютных фьючерсов. М.: Инфра-М, 1995. - 64 с.

111. Окунь Я. Факторный анализ. М.: Статистика, 1974.

112. Пасхавер И.С. Средние величины в статистике. М.: Статистика, 1979.

113. Первозванский A.A., Первозванская Т.Н. Финансовый рынок: Расчет и риск М.: Инфра-М, 1994. - 192 с.

114. Перегудов Н.В. Теоретические основы индексного анализа. М.: Госстатиздат, 1960. - 267 с.

115. Плошко Б.Г. Группировка и системы статистических показателей. -М.: Статистика, 1971.

116. Половников В.А., Горчаков A.A. Методы и модели экономического прогнозирования. М.: МЭСИ, 1980.

117. Половников В.А., Скучалина JI.M. Обобщение моделей экономического прогнозирования. М.: МЭСИ, 1982.

118. Правила торгов в Секции срочного рынка ММВБ

119. Правила торгов фьючерсными и опционными контрактами на МЦФБ

120. Принципы функционирования срочного рынка / Обзор. ММВБ, 1997.

121. Рабочая книга по прогнозированию. М.: Мысль, 1982.

122. Рид Э. Коммерческие банки. М.: СП "Космополис", 1991. - 479 с.

123. Российский статистический ежегодник 1994. М.: Государственный комитет по статистике Российской Федерации, 1994. - 799 с.

124. Российский статистический ежегодник 1996. М.: Государственный комитет по статистике Российской Федерации, 1996. - 1202 с.

125. Рэдхэд К., Хьюс С. Управление финансовыми рисками. М.: Инфра-М, 1994. - 288 с.

126. Самуэльсон П. Экономика. -М.: Машиностроение, 1993. 715 с.

127. Сидоров A.C. Кризис экономики России и пути ее оздоровления. М, 1992.

128. Синки Дж.Ф. Управление финансами в коммерческих банках. М.: Catallaxy, 1994. - 937 с.

129. Соколов H.A. Применение теории неопределенности в экономике. -М.: МЭСИ, 1996. 136 с.

130. Социально экономическое положение России. Январь - апрель 1997 года. - Государственный комитет по статистике РФ.

131. Статистический словарь / Гл. ред. М.А.Королев. М.: Финансы и статистика, 1989.

132. Статистический словарь. Издание 2-е, переработанное и допоненное.- М.: Финансы и статистика, 1989. 623 с.

133. Статистическое моделирование и прогнозирование./ Под ред.А.Г. Гранберга. М.: Финансы и статистика, 1990.

134. Статистическое обозрение №1, 1997. Государственный комитет по статистике РФ.

135. Стратегия и тактика антикризисного управления фирмой. Санкт-Петербург: "Специальная литература", 1996.

136. Суслов И.П. Общая теория статистики. Издание 2-е, переработанное и допоненное. М.: Статистика, 1978. - 393 с.

137. Таки К., Де Ковни Ш. Стратегии хеджированию. М.: Инфра-М, 1995.- 208 с.

138. Тейл Г. Прикладное экономическое прогнозирование. М.: Статистика, 1990.

139. Теслюк И.Е. Статистика финансов. Минск: Высшая школа, 1994. -224 с.

140. Трошин Л.И., Мхитарян B.C. Корреляционный и регрессионныйанализ. М.: МЭСИ, 1981.

141. Уемов А.И. Системный подход и общая теория систем. М.: Мысль, 1978.-272 с.

142. Фестер Э., Ренц Б. Методы корреляционного и регрессионного анализа. М.: Финансы и статистика, 1983.

143. Френкель А.А. Производительность труда. Проблемы моделирования роста. М.: Экономика, 1984.

144. Хикс Дж.Р. Стоимость и капитал. М.: Прогресс, 1993. - 490 с.

145. Четыркин Е.М. Статистические методы прогнозирования. М.: Статистика, 1977. - 276 с.

146. Шермет А.Д., Сайфулин Р.С. Методика финансового анализа. М.: Инфра-М, 1995. - 176 с.

147. Ширинская Е.Б. Операции коммерческих банков и зарубежный опыт. М.: Финансы и статистика, 1993. - 138 с.

148. Эддоус М., Стэнсфид Р. Методы принятия решения. М.: Аудит, ЮНИТИ, 1997.

149. Юдин Э.Г. Системный подход и принцип деятельности. М.: Наука, 1978. - 388 с.

150. Collins National Dictionary. London, 1966.

151. Anderson T.W., Rubin H. Statistical inferences in factor analysis. Proc. 3 Berkeley Symp. Math. Statist, and Propab. Univ. Calif. Press, 1956. Pp. 1150.

152. Berndt E.R. The practice of econometrics. Classic and contemporary. Addison-Wesley Publishing Company. Reading-Massachusetts-Menlo Parc-California, 1990.

153. Dougherty C. Introduction to econometrics. Oxford University Press. New York-Oxford, 1992.

154. Goldberger A. A course in Econometrics. Cambridge-Mass.: Harvard1. University Press, 1990.

155. Green W.H. Econometrics analysis. Macmillan Publishing Company, New York, 1993.

156. Magnus J.R., Neudecker H. Matrix Differential Calculus with Applications in Statistics and Econometrics. New York, John Wiley, 1988.

157. Pindyck R., Rubinfeld D.L. Econometric models and econometric forecasts. MeGraw-Hill Kogakusha Ltd, Tokyo, 1976.2003 2002 20012000 ЕС 1999 1998 СИ 19970 200 400 600 800 1000 1200 1400 1600 1800 2000

158. Корпоративные облигации Акции

159. Рис. 1.1. Биржевые обороты эмиссионных ценных бумаг, мрд. руб

160. Рис. 1.2. Сравнение капитализации (мрд. руб.) российских компаний в 2001г. и 2003г.

161. Рейтинг качества корпоративного управления

Похожие диссертации