Книги по разным темам Pages:     | 1 | 2 | 3 |

2. Вероятностно-статистические модели ценообразования акций 2.1. Гипотеза об информационной эффективности рынка и ее формы Многолетние статистические наблюдения за движением цен на финансовые инструменты на фондовых рынках позволили математикам и финансовым аналитикам построить удачные математические модели ценовой динамики. Следует отметить, что особенности каждой из таких моделей существенно зависят от принятой гипотезы об эффективности рынка. При этом эффективность понимается как информационная эффективность, в отличие от распределительной эффективности рынка.

В финансово-экономической литературе гипотеза об эффективности рынка формулируется в трех формах (сильная, квазисильная, слабая форма).

Гипотеза в сильной форме подразумевает, что цены на фондовом рынке выявляют всю имеющуюся информацию о покупаемых и продаваемых финансовых инструментах. Это означает, что участники рынка не могут использовать такую информацию для систематического увеличения выгоды от совершаемых сделок.

Действительно, любая информация подобного рода уже отражена в сложившихся рыночных ценах и потому в дальнейшем теряет свою ценность. Отсюда можно сделать вывод, что не имеет смысла прилагать усилия для уточнения имеющейся информации. Причина здесь в том, что дополнительная информация все равно отобразится в ценах, известных всем участникам рынка, так что усилия, приложенные одним из участников рынка, не оправдают себя.

Таким образом, гипотеза в сильной форме утверждает, что в рыночных ценах отражена вся имеющаяся у кого-либо информация. Строго говоря, это утверждение нельзя считать реалистическим, поскольку оно приводит к противоречию:

если никто не добывает новой информации об объектах купли-продажи, то появляется стимул к ее получению. Однако стоит кому-либо из участников рынка приложить усилия и добыть дополнительную информацию, как она тут же становится общедоступной, не принося своему первоначальному владельцу никаких преимуществ.

Одну из возможностей разрешения этого противоречия дает модель рациональных ожиданий с помехами [ 4 ]. В этой модели считается, что цены отображают рыночную информацию не полностью, поэтому при принятии своих решений участники рынка используют как собственную информацию, так и ту, что содержится в ценах.

Гипотеза в квазисильной форме гласит, что цены отображают не полную, а лишь общедоступную информацию об объектах купли-продажи.

Наконец, гипотеза об эффективности рынка в слабой форме утверждает, что текущие цены отражают всю ту информацию, которую можно извлечь из прошлых цен. Именно эта форма гипотезы чаще всего тестируется на практике и используется при моделировании изменений цен на финансовые инструменты с течением времени.

2.2. Марковские свойства цен акций и гипотеза случайного блуждания В 1827 г. английский ботаник Р.Броун (R.Brown) наблюдал в микроскоп движение цветочной пыльцы, взвешенной в воде. Наблюдаемые частицы совершали неупорядоченные независимые движения, описывая сложные зигзагообразные траектории (лброуновское движение или случайное блуждание). Позднее было установлено, что причина броуновского движения заключается в хаотическом движении молекул жидкости, случайные удары которых заставляют взвешенную в жидкости частицу описывать случайные траектории. Исследования броуновского движения явились фактором, способствовавшим развитию теории случайных процессов.

Современные математические модели случайного блуждания основаны на теории марковских процессов [ 5 ]. Марковский процесс является особым типом случайного процесса, в котором для предсказания будущих значений случайной переменной используется только ее текущее значение. Вся предыдущая история переменной и путь, по которому из прошлых значений сформировалось текущее значение, не играют роли.

В 1900 г. французский экономист Л.Башелье выдвинул гипотезу, что движение цен на товарных рынках Франции по своему характеру аналогично броуновскому движению. В 1950-1960-е гг. идея Л.Башелье нашла подтверждение в исследованиях закономерностей, которые определяют колебания цен на акции. Но если легкая частица, взвешенная в жидкости, совершает случайное блуждание в трехмерном пространстве, то цена акции испытывает одномерные блуждания.

При этом наилучшее подтверждение получила модель, в соответствии с которой случайные приращения цены распределены по нормальному закону. Гипотеза о случайном блуждании цен на акции аналогична гипотезе об эффективности рынка в слабой форме. Действительно, обе гипотезы утверждают, что последующая цена финансового инструмента связана лишь с ее текущим значением.

На эффективном фондовом рынке цены финансовых инструментов находятся в равновесии. Эти цены будут изменяться только при получении участниками рынка новой информации. Такая информация может вызывать как положительные, так и отрицательные ожидания изменения рыночной ситуации. В результате очередное изменение цены может иметь как положительное, так и отрицательное значение.

Рис. 3. Движение средних цен акций АО "Челябинский трубопрокатный завод" в 1995-1996 гг. Нижняя линия - цена покупки, верхняя - цена продажи, средняя - курсовая цена (средняя арифметическая цен покупки и продажи).

На рис.3 представлена динамика средних цен акций АО "Челябинский трубопрокатный завод" с января 1995 г. по февраль 1996 г. [ 9 ]. Ход кривых на рисунке позволяет предположить, что математическую модель движения цен составят случайные блуждания в сумме с линейным трендом.

Рис.4. Динамика средних цен акций АО "Синарский трубный завод" в 19951996 гг.

На рис.4 представлена динамика средних цен АО "Синарский трубный завод" за период с января 1995 г. по февраль 1996 г. [ 9 ]. Несмотря на заметные отличия характера движения от примера на рис.3, модель случайного блуждания цен вполне применима и здесь.

2.3. Биномиальная модель движения цены акции, не приносящей держателю дивидендов Весь период наблюдения за ценой акции можно разбить на ряд интервалов времени одинаковой длительности t. В течение каждого из этих интервалов це- Рис.5. Динамика цены акции на одном интервале биномиальной модели.

на акции S может либо пойти вверх с вероятностью p, либо понизиться с вероятностью 1- p, как схематически показано на рис. В конце первого интервала t1 длительностью t цена акции становится равной либо S u, где u - повышающий коэффициент ( u > 1), либо S d, где d - понижающий коэффициент (d < 1).

Рассматривая поведение цены на каждом следующем интервале времени, можно построить дерево распределения цены акции на всем периоде наблюдения.

Рис. 6. Дерево распределения курсовой цены акции для четырех временных интервалов.

Построение дерева на отрезке времени длиной 4t показано на рис.6.

Здесь начальная цена акции равна S. Итак, по завершении первого интервала tцена ее может составить S u или S d. По завершении второго интервала tцена может принять одно из трех значений: S u2, S d или S ud. По заверше3, нии третьего интервала t3 - одно из четырех значений: S S d S uu3, d 2, и т.д. В целях упрощения модели, поскольку период наблюдения за или S ud ценой обычно дробится на большое число интервалов, часто делается допущение, что u =. С учетом того, что при этом ud = 1, значения цен акции на дереве расd пределения можно представить следующим образом (рис.7).

Рис. 7. Дерево распределения цены акции при ud = 1.

Таким образом, биномиальная модель порождает бинарное дерево, в каждой точке ветвления (узле) которого есть возможность как подъема, так и падения цены акции.

Для упрощения расчетов наращенных и дисконтируемых сумм будем использовать безрисковую процентную ставку r в модели непрерывно начисляемых сложных процентов ( см. Приложение 1). Пусть в начале наблюдения цена акции равна S.Тогда, согласно представлениям финансовой математики, ожидаемое значение цены акции спустя время t должно составить S, где ert - мно ert житель наращения ( см. Приложение 1). С другой стороны, за время t цена акции сформируется случайным образом, причем с вероятностью p она примет значение Su, а с вероятностью 1- p - значение Sd. Поэтому математическое ожидание цены акции (как случайной величины) будет равно pSu + (1 - p)Sd. Это + + + позволяет нам рассчитать вероятность p. Записав равенство Sert = pSu + (1 - p)Sd, находим ert - d p =. ( 1 ) u - d В соответствии с марковскими свойствами цен акций коэффициенты повышения и понижения u и d зависят от длительности наблюдения и нормированного среднеквадратического отклонения цены так [ 3 ]:

u = et ; d = e-t. ( 2 ) Формула (1) позволяет рассчитать вероятность повышения и понижения цены акции.

Пример расчетов. Цена акции в начале периода равна 40 руб., среднеквадратическое отклонение составляет 35%, безрисковая процентная ставка равна 10% годовых. Найти вероятность повышения и понижения цены акции через 1 месяц, а также возможные значения курса акций последовательно через 1 и 2 месяца.

Решение. Одному месяцу соответствует 0,0833 календарного года, откуда u = e0,35 0,0833 = 1,1063, ; t = 1/12 0,0833 ; d = e-0,35 0,0833 = 0,9039 ;

ert = e0,10,0833 = 1,0084 ;

1,0084 - 0,p = = 0,5163 ; 1- p = 0,4837.

1,1063 - 0,Через один месяц возможные значения цены акции составят (руб.);

Su = 401,1063 = 44,25 (руб.); Sd = 400,9039 = 36,16 (руб.), Через 2 месяца - Su2 = 401,2239 = 48,96 (руб.) ; Sud = S = 40 (руб.) ;

Sd = 400,8170 = 32,68 (руб.). Решение закончено.

Для бинарного дерева характерно то, что переход в любую промежуточную точку ветвления не зависит от траектории, по которой мы в нее попали. Важно лишь общее количество подъемов и спадов, которое претерпевает цена акции на пути в эту точку.

Если мы не используем дополнительных вероятностных моделей риска участников рынка, то бинарное дерево отображает последовательность независимых испытаний (схему Бернулли): на каждом интервале длительностью t как будто происходит случайный опыт, в результате которого цена акции может либо возрасти, либо уменьшиться. При этом траектории движения цен характеризуются случайными блужданиями по решетке, образованной ветвями бинарного дерева.

Решетка, по которой происходят эти блуждания, может быть сколь угодно обширной, поскольку необязательно выбирать интервалы длиной в один месяц или год. На самом деле структура биномиальной модели зависит только от нашего выбора, и мы может задать шаги любой длины t - суточные, часовые, минутные и т.п. Чем короче выбранный шаг, тем точнее биномиальная модель.

Рассмотрим теперь биномиальную модель на периоде длиной n ( n ин t тервалов наблюдения), не предполагая, что обязательно u =. По завершении = = = d jd n- j этого периода общее выражение для цены акции можно записать как Su.

Такая курсовая цена акции сложится, если на пути в соответствующую точку дерева произойдет j подъемов и n - j спадов цены. Поскольку подъем происходит с вероятностью p, а спад с вероятностью 1- p, то вероятность формирования подобной траектории будет равна, в силу независимости случайных подъемов и j спадов, p (1 - p)n- j. При этом порядок подъемов и спадов не имеет значения.

Количество траекторий блуждания по решетке, приводящих в выбранную точку дерева, определяется обычным биномиальным коэффициентом - n! j Cn =. ( 3 ) = = = j!(n - j)! Следовательно, каждой точке ветвления бинарного дерева соответствует свой биномиальный коэффициент, т.е. расположение точек ветвления (начиная со второго интервала времени наблюдения) совпадает с расположением чисел в треугольнике Паскаля (рис.8).

1 1 2 1 3 3 1 4 6 4 1 5 10 10 5 1 6 15 20 15 6 ЕЕЕЕЕЕЕЕЕЕ.

ЕЕЕЕЕЕЕЕЕЕЕЕ Рис. 8. Треугольник Паскаля. Расположение чисел (биномиальных коэффициентов) совпадает с расположением соответствующих узлов бинарного дерева.

Таким образом, по завершении периода наблюдения длительностью nt jd n- j цена акции может принять значение Su с вероятностью j j Pj,n = Cn p (1 - p)n- j, где S - курсовая цена акции в момент начала периода = = = наблюдения. Следовательно, в рамках биномиальной модели вероятность формирования той или иной случайной цены акции подчиняется биномиальному закону распределения.

В соответствии со свойствами биномиального закона распределения вероятностей легко найти наивероятнейшее число j0 подъемов цены акции за время наблюдения n : j0 = + 1) p = + t = + = + (n, где скобки л обозначают операцию полу чения целой части числа. Если n >> 1, можно считать, что j0 np. При этом по>> >> >> j0 n- jлучаем наивероятнейшее значение цены акции - Su d, которое реализуется с вероятностью Pj,n, наибольшей из всех вероятностей Pj,n.

2.4. Экспоненциальная биномиальная модель Многие исследователи фондового рынка полагают, что случайное блуждание демонстрируют не сами цены, а натуральные логарифмы их значений [ 8, 9 ].

Тогда цена акции к концу n-го интервала наблюдения Sn может быть Hn представлена как Sn = S e, где Hn = h1 + h2 +... + hn, а hi - независимые = + + + = + + + = + + + случайные величины одного порядка.

Опираясь на центральную предельную теорему теории вероятностей, можно сделать вывод, что при n > 10 распределения величин Hn близки к гауссову.

> > > Изменение цены акции в будущем - это случайный процесс. Если ввести в модель движения цены непрерывный отсчет времени t, то для любого момента времени и любого > 0, случайная величина > > tk > S(tk + ) + + + xk = ln ( 4 ) = = = S(tk ) окажется распределенной по гауссовому закону. Из этого результата следует важный вывод: в рамках экспоненциальной биномиальной модели отношение цен акции, наблюденных через любой промежуток времени, подчиняется логарифмически-нормальному распределению.

Изначально можно было предположить, что в целях вероятностной оценки стоимости акции следует воспользоваться гауссовым распределением. Почему же в теории и практике прогнозирования цен акций принято использовать логарифмически-нормальное распределение [ 3, 8 ] Это обусловлено следующими причинами. Во-первых, гауссово распределение имеет симметричную кривую относительно своей центральной оси и может давать как положительные, так и отрицательные значения. Во-вторых, гауссово распределение говорит о равной вероятности цены актива пойти как вверх, так и вниз. В то же время в практике рынка ценных бумаг всегда присутствует инфляция, которая оказывает давление на цены в сторону их повышения. В связи с этим в моделях вероятностного прогнозирования цен следует использовать логарифмически-нормальное распределение.

Pages:     | 1 | 2 | 3 |    Книги по разным темам