Методы оценки рыночного риска инвестиций в ценные бумаги на российском фондовом рынке

Вид материала

Автореферат

Содержание Гришина Ольга Алексеевна Академия народного хозяйства при 1. Общая характеристика работы Степень научной разработанности проблемы. Цель диссертационного исследования Для достижения указанной цели в диссертации решались следующие задачи В качестве объекта исследования Методологическая и теоретическая база исследования Научная новизна работы Результаты, полученные в результате исследования, имеющие научную новизну Практическая значимость диссертации Апробация работы. Структура и объем работы. 2. Основное содержание работы Третья группа проблем По теме диссертации опубликованы следующие работы

Подобный материал:

• В число которых не входят сами ценные бумаги, 207.91kb.
• Ценные бумаги, 780.7kb.
• Методы оценки инвестиционного риска, 33.84kb.
• Айдарова Алтынай Канатбековна диплом, 78.96kb.
• Ценные бумаги новости приложение к справочнику по законодательству «Динай: ценные бумаги», 47.44kb.
• Финансовые рынки и финансовые институты, 16.15kb.
• Лекция Ценные бумаги, 168.84kb.
• Облигации как объект инвестиций, особенности инвестиций в облигации, 1796.25kb.
• Экзаменационные вопросы по дисциплине «авэд», 34.12kb.
• Внастоящей лекции представлена систематизация отечественных и зарубежных методов, 316.17kb.

На правах рукописи


ПОТРАВНЫЙ МИХАИЛ ИВАНОВИЧ


МЕТОДЫ ОЦЕНКИ РЫНОЧНОГО РИСКА ИНВЕСТИЦИЙ В ЦЕННЫЕ БУМАГИ НА РОССИЙСКОМ ФОНДОВОМ РЫНКЕ


Специальность: 08.00.10 - «Финансы, денежное обращение и кредит»


АВТОРЕФЕРАТ

диссертации на соискание ученой степени

кандидата экономических наук


Москва – 2008

Работа выполнена в Российской экономической академии им. Г.В.Плеханова на кафедре «Биржевого дела и ценных бумаг»


Научный руководитель кандидат экономических наук, доцент

Гришина Ольга Алексеевна


Официальные оппоненты: доктор экономических наук, профессор

Чалдаева Лариса Алексеевна

кандидат экономических наук

Домащенко Денис Викторович


Ведущая организация - Академия народного хозяйства при

Правительстве Российской Федерации


Защита состоится 18 декабря 2008 г. в 11 часов на заседании диссертационного совета Д 212.196.02 при Российской экономической академии им. Г.В. Плеханова по адресу: 117997, г.Москва, Стремянный пер., д36.


С диссертацией можно ознакомиться в библиотеке Российской экономической академии им. Г.В. Плеханова


Автореферат разослан 17 ноября 2008 г.


Ученый секретарь

диссертационного совета

доктор экономических наук,

профессор Маршавина Л.Я.

1. ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования обусловлена необходимостью разработки методов оценки рыночного риска инвестиций в ценные бумаги применительно к российскому фондовому рынку. Финансовый рынок – система крайне нестабильная, ему присущи различные колебания, а значит и риски. Характерной особенностью последнего времени стали не собственно банкротства отдельных компаний и банков или кризис государственных финансов в различных странах, который случался и раньше, а те масштабы и быстрота, с которой они возникают и распространяются. В нынешних условиях серия неудачных операций с производными ценными бумагами в течение нескольких недель может привести к непоправимому ущербу даже для банка или инвестиционного фонда, обладающих солидным запасом прочности. Анализ и оценка рыночных рисков являются важной составляющей финансового менеджмента. Системные кризисы российской финансовой системы 1995 и 1998 годов, а также текущий мировой финансовый кризис служат убедительным доказательством того, что правильно оценить финансовое состояние и результаты деятельности финансовой организации или банка можно только в том случае, если правильно оценены риски, присущие их операциям.

Вместе с тем, участники рынка только накапливают опыт оценки и управления рыночными рисками на рынке ценных бумаг, что требует всестороннего изучения теоретических разработок и практических предложений, имеющихся в мировой и отечественной банковской практике. Одновременно рыночные риски становятся объектом возрастающего внимания Базельского комитета. Банком России предпринимаются отдельные шаги по формированию в коммерческих банках действенных систем внутреннего контроля, в том числе и за рыночными рисками. Однако данный процесс усложняется недостаточной разработкой теоретико-методологических вопросов оценки и управления рисками.

Российский фондовый рынок имеет ряд существенных особенностей, которые не позволяют применять общепринятые в мировой практике модели оценки рыночного риска в чистом виде, в частности, из-за низкого уровня рыночной ликвидности финансовых инструментов. Поэтому возникает необходимость создания специальных методик оценки рыночного риска инвестиций в ценные бумаги, которые бы учитывали специфику российского фондового рынка. Это позволит банкам и участникам рынка, работающим на территории Российской Федерации, применять их в практической деятельности.

Степень научной разработанности проблемы. Оценке рыночных рисков и анализу инвестиций в ценные бумаги посвящен ряд научных работ отечественных и зарубежных ученых. Исследованию рыночных рисков, оценке вероятностей неблагоприятных событий и связанного с ними ущерба, а также методам принятия решений по снижению оцененной опасности посвящен ряд научных работ отечественных и зарубежных ученых, а именно Бейли Р., Буренина А.Н., Бухтина М.А., Галанова В.А., Гришиной О.А., Грюнинга Х. ван, Джориона Ф., Домащенко Д.В., Кандинской О.А., Лобанова А.А., Майерса С., Мертона Р., Рогова М.А., Синки Дж.Ф., Тихомирова Н.П., Халла Дж. К., Чалдаевой Л.А., Шарпа У.

Вместе с тем, представленные в этих работах подходы к оценке рыночного риска применимы исключительно в условиях развитого финансового рынка, обладающего высоким уровнем рыночной ликвидности. Кроме того, данные подходы практически не предлагают методов оценки рыночного риска в условиях финансового кризиса, при экстремальном изменении факторов риска. Тем более, что в период финансовой нестабильности многие финансовые инструменты перестают активно торговаться на бирже, что приводит к отсутствию по ним рыночных котировок. Таким образом, оценка справедливой стоимости таких инструментов с учетом возможных рисков требует дальнейших методических разработок.

Цель диссертационного исследования состоит в разработке теоретико-методологических подходов и практических рекомендаций по оценке и анализу рыночных рисков инвестиций в ценные бумаги на российском фондовом рынке.

Для достижения указанной цели в диссертации решались следующие задачи:

• разработать методики оценки рыночного риска и риска рыночной ликвидности, учитывающие особенности российского фондового рынка;
  
• разработать методику определения справедливой стоимости нерыночных облигаций со встроенной «премией» за рыночный риск;
  
• определить механизм проведения процедуры стресс-тестирования рыночных рисков инвестиций в ценные бумаги;
  
• установить роль и место VAR-методологии при управлении рыночными рисками;
  
• изучить применимость зарубежного опыта оценки рыночных рисков инвестиций в ценные бумаги на российском фондовом рынке;
  
• выявить особенности рыночных рисков и риска рыночной ликвидности на российском фондовом рынке;
  
• проанализировать основные методы оценки составляющих рыночного риска с целью определения возможностей дальнейшего применения их в российской практике.
  

В качестве объекта исследования рассматриваются рыночные риски.

Предметом исследования является методология оценки рыночных рисков инвестиций в ценные бумаги на российском фондовом рынке.

Методологическая и теоретическая база исследования. Теоретической базой диссертации явились исследования в области оценки и анализа рыночных рисков, труды российских и зарубежных авторов. В работе нашли отражение нормативно-правовые акты Банка России, материалы Базельского комитета по вопросам банковского надзора (Basel Committee on Banking Supervision), Банка международных расчетов (Bank for International Settlements), материалы научных конференций и семинаров по изучаемой тематике.

Методологической базой исследования рыночных рисков инвестиций в ценные бумаги послужили методы экономико-математического моделирования, экономического и финансового анализа, математической статистики и теории случайных процессов, а также логический и системный анализ экономической информации и практического опыта.

Научная новизна работы заключается в развитии теоретических и методологических основ оценки и анализа рыночных рисков инвестиций в ценные бумаги на российском фондовом рынке.

Результаты, полученные в результате исследования, имеющие научную новизну:

1. Разработана методика агрегированной оценки рыночного риска и риска рыночной ликвидности, применимая к анализу рыночных рисков на рынке ценных бумаг в условиях низкой ликвидности, характерных для российского фондового рынка.

2. Предложена методика проведения процедуры стресс-тестирования рыночных рисков портфеля ценных бумаг, которая позволяет оценить устойчивость портфеля ценных бумаг к экстремальным изменениям рыночной конъюнктуры и включает разработку сценариев, описывающих изменение факторов риска во времени, и механизмов определения потенциальных убытков в стрессовых ситуациях на финансовых рынках.

3. Разработана методика определения справедливой стоимости нерыночных облигаций со встроенной «премией» за рыночный риск, позволяющая оценить стоимость облигаций, не имеющих рыночных котировок, путем «встраивания» в нее премии за рыночный риск и риск рыночной ликвидности.

4. Дана авторская классификация рыночных рисков инвестиций в ценные бумаги на основе предложенной банком JP Morgan путем добавления к ней риска рынка производных финансовых инструментов и риска рыночной ликвидности.

5. Выявлены преимущества и недостатки существующих методов оценки рыночных рисков портфеля ценных бумаг и научно обосновано применение разработанных методологических подходов для агрегированной оценки рыночного риска и риска рыночной ликвидности.

6. Разработан алгоритм процедуры верификации, то есть проверки прогнозной точности модели оценки рыночных рисков. На основе алгоритма выполнено тестирование прогнозной точности разработанной модели агрегированной оценки рыночного риска и риска рыночной ликвидности.

Практическая значимость диссертации заключается в возможности использования ее результатов в работе финансовых организаций при формировании системы оценки и управления рыночными рисками на рынке ценных бумаг, а также в ходе стратегического управления инвестиционной деятельностью.

Теоретические положения, основные выводы и рекомендации, содержащиеся в диссертации, могут быть также использованы в процессе обучения, переподготовки и консультирования работников банков. Их можно применять и при разработке методических материалов, учебных пособий для обучения основам управления инвестиционной деятельностью студентов высших учебных заведений.

Апробация работы. Основные научные положения диссертационной работы и результаты исследования докладывались и получили одобрение на международных, всероссийских, региональных конференциях и семинарах, основными из которых явились: XVIII, XIX Международные Плехановские чтения (Москва, 2005, 2006 гг.), VII, IX Всероссийский симпозиум «Стратегическое планирование и развитие предприятий» (Москва, 2006, 2008 гг.), Всероссийский конгресс участников рынка акций (г.Санкт-Петербург, 2008).

Предложенные в диссертации методы количественной оценки рыночного риска, учитывающие особенности российского фондового рынка, а также разработанные методические подходы к определению справедливой стоимости нерыночных облигаций и механизм стресс-тестирования рыночных рисков инвестиций в ценные бумаги были использованы Региональным отделением Федеральной службы по финансовым рынкам в Центральном федеральном округе для совершенствования механизмов развития и контроля финансовых рынков.

Публикации. По теме диссертации опубликовано 6 печатных работ общим объемом 1,8 п.л., в том числе 2 статьи в журналах, рекомендованных ВАК России.

Структура и объем работы. Работа состоит из введения, трех глав, заключения, списка использованной литературы из 143 источников, содержит 138 страниц машинописного текста и включает 25 таблиц, 12 рисунков и 1 приложение.

2. ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Первая группа проблем, исследуемых в диссертации, связана с учетом особенностей российского фондового рынка, работающего в условиях низкой ликвидности финансовых инструментов, при разработке специальной методики оценки рыночных рисков инвестиций на рынке ценных бумаг. Проанализирована и уточнена сущность понятия, составляющего объект исследования: рыночный риск обозначен как возможность отрицательного изменения стоимости активов, обусловленного рыночными факторами. Выявлено, что на рыночный риск влияют такие факторы, как: процентная ставка, валютный курс, цены акций. Отмечена их специфика - сложная системная связь факторов между собой, трудность формализации многих факторов, невозможность определения степени влияния факторов на риск. Также уточнена классификация рыночных рисков, предложенная банком J.P. Morgan. К известной классификации предлагается добавить риск рынка производных финансовых инструментов и предлагается принимать во внимание также риски рыночной ликвидности.

Большой популярностью в современном риск-менеджменте пользуется подход к измерению рисков с помощью Value at Risk (VaR). Данный показатель представляет собой наибольший ожидаемый убыток по отношению к прогнозируемой стоимости портфеля, который может понести инвестор в течение заданного промежутка времени (горизонта прогноза) с заданной доверительной вероятностью в предположении, что состав портфеля остается неизменным. В диссертационном исследовании был проведен сравнительный анализ трех основных методов оценки рыночного риска (VaR): параметрического, исторического, метода Монте-Карло с учетом и без учета риска рыночной ликвидности. Было выявлено, что рассмотренные выше модели оценки рыночного риска обладают рядом достоинств и недостатков. Так, например, параметрический метод допускает предположение о нормальном распределении факторов риска, которое, как правило, не соответствует параметрам реального финансового рынка. Также метод плохо подходит для оценки риска производных финансовых инструментов с нелинейными ценовыми характеристиками. Метод исторического моделирования позволяет наглядно и более полно оценить риск с учетом «жирных хвостов» без предположений о характере распределения факторов риска, но для повышения прогнозной точности оценки требует огромную базу данных. Метод имитационного моделирования Монте-Карло позволяет использовать любые исторические и гипотетические распределения вероятности для моделирования изменения рисковых факторов, применим для производных финансовых инструментов, устойчив к выбору ретроспективы, высоко точен. К недостаткам метода можно отнести техническую сложность расчётов и модельный риск (риск некорректности оценок из-за неверной модели).

В диссертации была разработана специальная методика агрегированной оценки рыночного риска и риска рыночной ликвидности, позволяющая в полной мере учитывать риск рыночной ликвидности при оценке рыночных рисков на рынке ценных бумаг. Она разработана специально для использования в условиях низкой ликвидности финансовых инструментов и учитывает особенности российского фондового рынка. Риск рыночной ликвидности разделен автором на две составляющие. Риск рыночной ликвидности определяется такими параметрами ликвидности рынка, как величина спрэда на рынке, глубина рынка и его объем. Первая составляющая риска ликвидности одинакова для всех участников рынка, и каждый отдельный участник изменить ее, как правило, не в состоянии. А вторая составляющая определяется для каждого участника индивидуально. Она зависит от объема позиции на рынке и ожидаемым сроком проведения операции с инструментом на рынке. Количественная оценка первой составляющей риска рыночной ликвидности фактически подразумевает оценку вязкости рынка, а вторая составляющая включает такие факторы, как, глубина и восстановление рынка.

Суммарная оценка вероятных максимальных потерь (VaRsum), включающая как потери по риску ликвидности, так и потери по рыночному риску, рассчитывается по формуле:

VaRsum = VaRst + COL, (1)

где VaRst – оценка показателя VaR;

COL=COL1+COL2 (COL1, COL2 – первая и вторая составляющая риска рыночной ликвидности). Первая составляющая рассчитывается по формуле: для расчета стоимости ликвидности:

COL1= 1/2 * P_t * S * σ * k_1-α, (2)

где P_t- средняя на t-ый день стоимость ценной бумаги, S - нормализованный спрэд спроса/предложения, σ - стандартное отклонение логарифмического изменения нормализованного спрэда; k_1-α - квантиль, соответствующий выбранному доверительному уровню. Спрэд спроса/предложения, рассчитанный как средний относительный (или нормализованный) спрэд, равен: S=(Ask-Bid)/Mid, где Ask - цена предложения, Bid - цена спроса, Mid - среднее цен спроса и предложения.

Далее в диссертации предложена процедура расчета второй составляющей риска рыночной ликвидности (COL2). Для этого необходимо количественно измерить глубину рынка и скорость его восстановления. Для измерения восстановления рынка в работе предложено использовать следующий алгоритм.

Вначале рассчитывается коэффициент интенсивности торгов (доля торгуемых дней) – K_t. Его значение рассчитывается по рекуррентному алгоритму Exponentially Weighted Moving Average (EWMA) с параметром сглаживания равным 0.97:

, где (3)

- вид актива; - значение коэффициента K_t для вида актива i в день t; - значение коэффициента K_t для вида актива i за предыдущую рабочую дату от даты t; - параметр сглаживания EWMA; - функция, принимающая значение 1 при наличии хотя бы одной рыночной сделки с видом актива i в день t, хотя бы на одной из торговых площадок (используемых в алгоритме расчета рыночной цены) и принимающая значение 0 в противном случае. Если не определено, то принимается равным нулю.

Также, используя исходные данные об объемах торгов в единицах торгуемого финансового инструмента, по такому же алгоритму оценивается среднедневной объем (V_t) торгов:

, где (4)

- вид актива; - значение показателя объема торгов для вида актива i в день t (в шт.); - значение показателя объема торгов для вида актива i за предыдущую рабочую дату от даты t (в шт.); - параметр сглаживания EWMA; - суммарный объем рыночных сделок с видом актива i в день t на всех торговых площадках (в шт.). Если не определено, то принимается равным нулю.

Поскольку рынку требуется определенное время для восстановления после сделок, превышающих среднерыночные объемы, на третьем этапе по формуле 5 рассчитывается безрисковый объем операции () по инструменту за время N. Предположим, что в пределах безрискового объема можно проводить сделки без возникновения дополнительного риска рыночной ликвидности.

, (5)

где - срок операции, т.е. число дней, за которое предполагается ее провести;

Так как риск рыночной ликвидности возникает только в случае превышения объема операции над среднерыночным, а сделка в размере, не превышающем среднедневной объем (определяемый исходя из алгоритма, описанного выше), не несет в себе риска рыночной ликвидности (в части рисков, относящихся к глубине рынка), то вторая составляющая ликвидности (COL2) рассчитываются согласно формуле 6.

, (6)

где используется для оценки риска глубины рынка и является оценкой коэффициента модели регрессии (делается предположение, что объясняющая переменная – объем совершенных сделок – детерминирована, а объясняемая – спрэд – случайна); V - объем предполагаемой операции. На рис. 1 проиллюстрирована зависимость спрэда от объема совершенных сделок. В разработанной методике агрегированной оценки рыночного риска и риска рыночной ликвидности рассматривается сценарий полной ликвидации имеющейся позиции, поэтому под V понимается объем позиции по инструменту в шт.

Далее для определения полной оценки риска рыночной ликвидности суммируется составные части: COL=COL1+COL2. На заключительном шаге по формуле (1) находится оценка вероятных максимальных потерь (VaRsum), включающая одновременные потери по риску ликвидности и рыночному риску.

Для оценки применимости используемых моделей и методов была проведена апробация на портфеле ценных бумаг, включающем акции и облигации. Базой для исследования стала информация по торгам ММВБ за период с 09.01.2007 по 28.12.2007. Статистика получена с сайта ММВБ (www.micex.ru). Также использовался календарь платежей по облигациям (www.cbonds.ru).



Рис. 1. Внутридневная зависимость спрэда от объема сделок по обыкновенным акциям Газпром (5-минутные данные). Составлено по данным ММВБ с 01.01.07 по 31.12.07.

Результаты расчета суммарной величины риска VaRsum и COL параметрическим методом представлены в таблице 1. В ней также представлены результаты оценки второй составляющей риска рыночной ликвидности, связанной с глубиной рынка и скоростью его восстановления (COL2). По акциям величина COL2 получилась равной нулю, т.к. торговая позиция по акциям в исследуемом портфеле в несколько раз меньше среднедневного объема торгов по ним и это существенным образом сокращает сроки ликвидации позиции. Иными словами, эти инструменты являются высоколиквидными, поэтому данная составляющая по ним имеет нулевое значение. По облигациям данная величина в основном отлична от нуля в силу относительно невысокого среднедневного объема торгов по ним. На показатель COL2 большое влияние оказывает также срок проведения операции: чем он меньше – тем риск рыночной ликвидности выше. Это легко объясняется тем, что за более короткий срок на рынке гораздо сложнее совершить большой объем сделок. Отсюда можно сделать следующий вывод: чем больше размер позиции (объем операции) и меньше срок проведения операции, тем выше величина риска рыночной ликвидности.

Таблица 1.

Результаты расчета VaR параметрическим методом по портфелю ценных бумаг с учетом и без учета риска рыночной ликвидности



Обозначения: (ао) – акция обыкновенная, (обл.) – облигация.

Для проверки прогнозной точности модели агрегированной оценки рыночного риска и риска рыночной ликвидности в диссертации разработана процедура верификации, позволяющая установить, действительно ли случаи превышения фактическими убытками прогнозных значений рисковой стоимости происходят с заданной частотой в α%. Результаты верификации моделей VaR по историческим данным за период с 23 мая 1997г. по 28 декабря 2007г. включительно с горизонтом прогнозирования 10 дней и доверительным интервалом 99% на примере акций Лукойл представлены таблице 2. Предполагалось, что размер позиции по данному инструменту составлял 20 млн. шт. акций Лукойл.

Для верификации использовалась история по 2620 торговым дням за почти десятилетний период времени. Число наблюдений соответственно составило 260, т.к. рассматривались независимые десятидневные изменения стоимости. Из таблицы 2 следует, что оба рассматриваемых метода показывают высокие результаты и обеспечивают заданный доверительный интервал 99%. Вместе с тем, предложенная методика агрегированной оценки рыночного риска и риска рыночной ликвидности не показала ни одного превышения значений VaR, что подтверждает ее высокую прогнозную точность и необходимость использования для решения практических задач.

Таблица 2.

Результаты верификации моделей VaR с учетом и без учета риска рыночной ликвидности по историческим данным на примере акций ЛУКОЙЛ



Для иллюстрации построен график, показывающий результаты верификации (рис. 2). Сплошной линией построен график значений оценок риска, сделанных по предложенной методике с учетом величины COL (стоимость рыночной ликвидности).



Рис. 2. Результаты верификации моделей оценки рыночного риска по числу превышений с учетом и без учета риска рыночной ликвидности.

Российский фондовый рынок обладает пониженным уровнем ликвидности, поэтому применение моделей, игнорирующих существование риска рыночной ликвидности, может приводить к серьезным ошибкам и недооценке риска портфеля. Разработанная методика позволяет в полной мере учитывать риск рыночной ликвидности при оценке рыночных рисков на рынке ценных бумаг и модифицировать зарубежные методы оценки рыночного риска к особенностям российского рынка.

Исследование второй группы проблем нацелено на определение справедливой стоимости низколиквидных финансовых инструментов, учитывающей рыночные риски и ликвидность данных инструментов. В диссертации была разработана специальная методика оценки справедливой стоимости на примере нерыночных облигаций. Справедливая стоимость облигации, рассчитанная по разработанной в диссертации методике, включает в себя «премию» за рыночный риск по облигациям, обладающим крайне низкой ликвидностью и не имеющим котировок спроса и предложения на рынке. Справедливую цену предлагается определять методом дисконтирования денежных потоков. Для определения ставки дисконтирования, включающей премию за риск, используется двухступенчатый метод. Первая ступень предназначена для предварительной оценки внутренней доходности облигации посредством оценки кредитного спрэда для рассматриваемой облигации по вероятности миграции кредитного рейтинга до дефолтного. При отсутствии рейтинга эмитента облигации используется информация по базовым вероятностям дефолта по отраслям.

Справедливая стоимость облигации вычисляется как сумма дисконтированных будущих денежных потоков за вычетом накопленного купонного дохода (НКД) на отчетную дату:

, где (7)

–справедливая стоимость (модельная цена) без НКД, в % от номинала; – номинал облигации, в денежных единицах; – номер будущего денежного потока; – будущий денежный поток в денежных единицах; – срок будущего денежного потока от даты отчета, в годах; – безрисковая ставка для срока , в % годовых; – кредитный спрэд для срока , в % годовых (см. ниже); – ставка купонного периода, в котором находится дата отчета; – срок с момента начала купонного периода, в котором находится дата отчета до даты отчета, в годах.

Далее определяется кредитный спрэд, исходя из равенства ожидаемых потерь дополнительному доходу из-за спрэда:

, где (8)

– вероятность дефолта эмитента за время от даты отчета; – смещение, определяемое из условия равенства модельной цены цене размещения (или последней известной рыночной цене), в % годовых;

Если среди входных параметров известен международный рейтинг эмитента, то в качестве вероятности дефолта эмитента принимается вероятность миграции рейтинга до уровня дефолта:

, где (9)

– вероятность дефолта эмитента за 1 год (публикуется в статистических обзорах рейтинговых агентств). В случае отсутствия рейтинга используются базовые вероятности дефолта для отраслей.

На основании вычисленной на первом этапе анализа цены облигации определяется доходность к погашению и к оферте (если существует) и модифицированная дюрация. При наличии двух указанных доходностей по облигации выбирается та, для которой превышение над безрисковой ставкой для соответствующей дюрации максимально. Вторая ступень оценки основана на определении ставки внутренней доходности методом регрессионного анализа. Коэффициенты регрессии определяются по массиву обучающих данных для аналогичных облигаций. Набор аналогичных облигаций выбирается по сходству вектора определенных параметров облигаций, которые влияют на ее доходность. В этот вектор также включается сама доходность облигации, которая известна для облигаций из обучающей выборки, а для оцениваемой облигации подставляется предварительная оценка из первой ступени метода.

Для окончательной оценки доходности облигации предложен следующий алгоритм. В качестве ставки дисконтирования используется ставка внутренней доходности облигации к погашению (при невозможности определения - к оферте). Для ее определения используется линейное соотношение:

, где (10)

– модифицированная дюрация оцениваемой облигации; – рыночная капитализация эмитента; – отношение количества выпусков эмитированных облигаций за все время к количеству выпусков торгуемых облигаций; – базовые вероятности дефолта для отрасли эмитента ; – базовые вероятности дефолта для эмитента с международным рейтингом; – среднедневной объем торгов за последние 3-6 месяцев (только для облигаций, номинированных в рублях); – коэффициенты регрессии.

Для определения коэффициентов регрессии формируется выборка из параметров сходных облигаций, торгуемых на момент оценки.

Метрика для сравнения сходства между оцениваемой бумагой и i-ой торгуемой облигацией определяется соотношением:

(11), где – предварительная оценка доходности рассматриваемой облигации, полученная на основе цены облигации, рассчитанной на первом этапе метода; – известная доходность i-й облигации из обучающей выборки; – веса, определяемые экспертно в зависимости от ситуации на финансовых рынках для корректировки регрессионных оценок доходностей облигаций по имеющемуся массиву обучающей выборки.

В соответствии с определенной метрикой L² каждой облигации из выборки приписывается расстояние до оцениваемой облигации. Из всей выборки отбираются 25 облигаций с минимальным расстоянием до оцениваемой облигации. Далее по выбранным 25 облигациям оцениваются коэффициенты регрессии и определяется в соответствие с уравнением регрессии окончательная доходность оцениваемой облигации. Полученная в итоге доходность применяется в качестве ставки дисконтирования и находится справедливая стоимость облигации.

Методика оценки справедливой стоимости нерыночных облигаций была рассмотрена на примере еврооблигации Финансовой лизинговой компании (код ISIN: XS0306599613). Данный финансовый инструмент обладает крайне низким уровнем ликвидности. Кроме того, отсутствует информация о рыночных котировках. Оценка справедливой стоимости данного инструмента была проведена по состоянию за 28.07.2008.

Эмитент представляет финансовую отрасль. По экспертной оценке, данной в диссертации, вероятность дефолта по данной отрасли (в % годовых) составляет 1,8%. У эмитента нет международного кредитного рейтинга, поэтому годовая вероятность дефолта по данному эмитенту представляется на уровне 10%. На первом этапе анализа была получена предварительная доходность – 7,39% годовых. По состоянию на 28.07.2008 модифицированная дюрация данной бумаги составила 2,48 лет. Коэффициент отношения количества выпусков облигаций данного эмитента за все время к количеству выпусков торгуемых облигаций равен 1. Уставный капитал данного эмитента составляет примерно 445,6 млн. USD. Далее был проведен регрессионный анализ по обучающей выборке из 120 облигаций. Фрагмент выборки, состоящей из 10 облигаций с минимальным расстоянием до оцениваемой облигации, приведен в таблице 3.

В результате регрессионного анализа расчетная доходность по данной облигации составила 10,57%. Путем дисконтирования будущих денежных потоков по полученной доходности за вычетом НКД получаем расчетную справедливую цену (в % от номинала) данной облигации – 97,11. Полученная цена оказалась ниже цены размещения (100% от номинала). Высокая доходность и цена с дисконтом от номинала свидетельствует о том, что в стоимость удалось заложить «премию» за ликвидность и существующий кредитный спрэд по данной бумаге.

Таблица 3.

Фрагмент выборки из облигаций с минимальным расстоянием до оцениваемой облигации (Финансовая лизинговая компания)



Данная методика может быть использована для практического применения банками и другими участниками рынка. Игнорирование существования или невозможность количественной оценки «премии» за риск при определении справедливой стоимости по неторгующимся инструментам могут вызвать серьезную недооценку всех рисков и привести впоследствии к значительным убыткам. Проблема оценки справедливой стоимости по активно неторгующимся финансовым инструментам оказалась плохо изученной с учетом «премии» за возможные риски. Отчасти это связано с высоким уровнем ликвидности фондовых рынков стран с развитой экономикой, где используются традиционные методы оценки риска. Поэтому разработанная методика представляет особый интерес и ориентирована на инвесторов, работающих на российском фондовом рынке.

Третья группа проблем, исследуемых в диссертации, связана с оценкой потерь в стрессовых ситуациях на финансовых рынках. Предлагаемая процедура стресс-тестирования позволяет количественно оценить потенциальные потери на финансовых рынках в результате наступления кризиса. Она включает в себя основные принципы разработки набора сценариев, описывающих указанное изменение факторов риска во времени и раскрывает методические аспекты тестирования портфеля ценных бумаг для проверки его на устойчивость к экстремальным изменениям рыночной конъюнктуры.

Проведение процедуры стресс-тестирования приобретает особенную актуальность в странах с переходной экономикой, в частности, в России. Ярким примером негативного экстремального изменения факторов риска может служить финансовый кризис России в 1998г. Он был вызван рядом фундаментальных причин, среди которых, в первую очередь, выделяются бюджетные проблемы: большой бюджетный дефицит и стремительное увеличение государственного долга. Развитие стресс-тестирования стало ответом мирового финансового сообщества на повышение общего уровня рисков и серию крупных финансовых кризисов последних десятилетий. На сегодняшний день стресс-тестирование общепризнанно является необходимой составляющей систем управления рисками, несмотря на свою, на первый взгляд, второстепенную роль. Такая ситуация объясняется вероятностным характером показателей, используемых при оценке и анализе рисков.

Для проведения стресс-тестирования определяется набор однофакторных и многофакторных негативных сценариев непосредственно для тестирования портфеля ценных бумаг. Тестирование портфеля предполагает определение чувствительности портфеля к резкому изменению факторов риска. Тестирование производится в отдельности по различным типам инструментов.

Стресс-анализ портфеля долевых инструментов предлагается проводить исходя из предположения об определенной динамике индекса РТС по следующей формуле:

, где (12)

- потенциальные потери, USD; - стоимость длинных позиций, экв. USD; - стоимость коротких позиций, экв. USD; - средневзвешенный бета-коэффициент по всему портфелю долевых инструментов; - негативное изменение риск-фактора (индекс РТС), знак изменения выбирается следующим образом: больше нуля, если больше ; меньше нуля, если больше .

Бета-коэффициент (beta) ценной бумаги является b-коэффициентом уравнения парной линейной регрессии, связывает доходность акции Y с доходностью соответствующего рыночного индекса R_m и дает следующего вида информацию:

1. Знак положительный указывает на то, что динамика данной бумаги совпадает в целом по своей направленности с динамикой рынка, отрицательный - наоборот.

2. Величина по модулю больше единицы означает, что риск и ожидаемая доходность по данной бумаге выше среднерыночных, меньше единицы - наоборот.

Стресс-анализ по портфелю долговых инструментов предлагается проводить? исходя из предположения об определенном параллельном сдвиге кривых процентных ставок по следующей формуле:

, (13)

где - валюта номинала долгового инструмента; - потенциальные потери, USD; - чистая стоимость позиций в долговых инструментах с номиналом в соответствующей валюте, экв. USD; - средневзвешенная модифицированная дюрация позиций в долговых инструментах с номиналом в соответствующей валюте, в годах, без знака; - средневзвешенная выпуклость позиций в долговых инструментах с номиналом в соответствующей валюте (лет²), без знака; - негативное изменение риск-фактора (рост процентных ставок в соответствующей валюте).

На заключительном этапе проводится анализ для 3-х различных сценариев, каждый из которых представляет собой определенную комбинацию неблагоприятных изменений факторов риска. Динамика негативного изменения различных факторов риска задается экспертно, исходя из текущей ситуации на финансовых рынках и с учетом исторически наблюдавшихся изменений. В результате анализа формируется интегрированный отчет и количественная оценка потенциальных потерь.

Подведение итогов об уровне стрессовой устойчивости портфеля позволяет подготовить рекомендации по совершенствованию указанной характеристики. Подготовка рекомендаций по повышению стрессовой устойчивости портфеля является завершающим этапом стресс-тестирования рыночных рисков. На данном этапе формулируются предложения по изменению структуры портфеля и оцениваются перспективы повышения его стрессовой устойчивости по итогам реализации указанных предложений.

Разработанная методика стресс-тестирования рыночных рисков портфеля ценных бумаг была апробирована на реальном портфеле ценных бумаг общим объемом – 500 млн. долл., включающим 325 млн. долл. акций и 175 млн. долл. облигаций.

Таблица 4.

Результаты стресс-тестирования портфеля ценных бумаг (исторические сценарии)



В качестве исторических кризисных сценариев в диссертационном исследовании использовались следующие: 1) дефолт 1998 года в России; 2) 11 сентября 2001 года. Серия координированных террористических актов в США 11 сентября 2001 года; 3) военное вторжение американских войск в Ирак в 2003 году. Далее были смоделированы вышеуказанные сценарии кризиса и определены финансовые потери по портфелю в соответствии с каждым из этих сценариев за 1 месяц. Результаты стресс-тестирования рыночных рисков по портфелю ценных бумаг по историческим сценариям кризиса представлены в таблице 4. Из нее следует, что события кризисов, вызванных терактами 11 сентября 2001г. в США и войной в Ираке, оказали умеренное воздействие на стоимость портфеля на временном интервале – 1 месяц. А моделирование дефолта 1998г. в России привело наоборот к крупномасштабным финансовым потерям.

При определении негативного изменения рыночных процентных ставок по долговым инструментам, номинированным в рублях, использовалось следующее уравнение регрессии:

(14),

где ΔIR% – относительное изменение средневзвешенной доходности российских корпоративных облигаций (рассчитан на основе индекса корпоративных облигаций, торгуемых на ММВБ, Банка Зенит), ΔI – изменение уровня инфляции, ΔРТС – относительное изменение индекса РТС, Δsp - уровень спрэда между 30-летней государственной облигацией РФ и 10-летней облигацией Казначейства США (bp).

В качестве параметров объясняющих переменных: уровень инфляции, относительное изменение индекса РТС, уровень спрэда между 30-летней государственной облигацией РФ и 10-летней облигацией Казначейства США (bp) были заданы значения, которые действовали в моменты соответствующих исторических событий. Так, например, для кризиса 1998г. уровень инфляции за месяц принимался равным 38,4%, падение индекса РТС за месяц 50%. Вместе с тем, спрэд между 30-летней государственной облигацией РФ и 10-летней облигацией Казначейства США был подобран экспертным путем в силу того, что в ходе данного события государством был объявлен дефолт по внутреннему долгу, номинированному в национальной валюте.

Таблица 5.

Результаты стресс-тестирования портфеля ценных бумаг (гипотетические сценарии)



Также было проведено стресс-тестирование рыночных рисков портфеля в соответствии с гипотетическими сценариями кризиса. Результаты данного сценарного анализа представлены в таблице 5. В результате проведенного исследования были получены количественные оценки финансовых убытков в результате реализации 3-х исторических и гипотетических не имевших места в прошлом сценариев кризиса. Если сравнить оценку финансовых потерь – 33,2 млн. долл., полученную параметрическим методом по разработанной в диссертации методике, агрегирующей рыночный риск и риск рыночной ликвидности, с оценками убытков по результатам стресс-тестирования, то окажется, что любой, даже «слабый» сценарий кризиса создает большие потери, чем использование стандартных моделей VaR. Это объясняется тем, что VaR-модели строятся на ограниченной статистической базе, зачастую не учитывающей резкие изменения конъюнктуры рынка, имевшие место в прошлом.

В заключении диссертации изложены основные результаты исследования.

По теме диссертации опубликованы следующие работы:

1) Потравный М.И. Специфика риска и его особенности на мировом рынке ценных бумаг// Вестник Российской экономической академии им. Г.В. Плеханова. №3 (21), 2008. (0,4 п.л.) (рекомендован ВАК).

2) Потравный М.И. Формирование портфеля ценных бумаг с учетом риска рыночной ликвидности// Экономическая наука современной России. №3 (39), 2008. (0,7 п.л.) (рекомендован ВАК).

3) Потравный М.И. Методические подходы к оценке рыночных рисков в коммерческом банке // XVIII Международные Плехановские чтения. М.: Рос. экон. акад, 2005. (0,1 п.л.);

4) Потравный М.И. Методы анализа риска вложений в эмиссионные ценные бумаги. Современные аспекты экономики. С. –Петербург, №3, 2005. (0,4 п.л.);

5) Потравный М.И. Оценка риска вложений в паевые инвестиционные фонды, XIX Международные Плехановские чтения. М.: Рос. экон. акад., 2006. (0,1 п.л.);

6) Потравный М.И. Управление рыночными рисками в стратегическом планировании предприятий// Стратегическое планирование и развитие предприятий. Секция 1./ Тезисы докладов и сообщений Седьмого всероссийского симпозиума. М.: ЦЭМИ РАН, 2006. (0,1 п.л.).