<<
>>

Учет рисков в объяснении анормальной доходности МЭ

Гипотеза 6: Моментум эффект может быть объяснен с помощью моделей ценообразования, включающих объясняющие факторы риска

Для тестирования используется регрессионный анализ. В рамках тестирования Гипотезы 1 и 2 были получены доказательства наличия моментум эффекта в контексте открытия длинной позиции по акциям недавним победителям на российском фондовом рынке.

Было получено, что доходности акций недавних победителей с учетом
транзакционных издержек превосходят доходности российского рынка по индексу ММВБ, выбранного как бенчмарк для инвестора. В параграфе 3.7 тестируется МЭ в рамках парадигмы гипотезы эффективности рынка. Тестирование анормальных доходностей осуществляется при помощи существующих и модифицированных моделей ценообразования. Среди потенциальных факторов риска анализируются рыночный фактор по индексам ММВБ (MICEX), S&P 500, собственный построенный рыночный индекс по всем анализируемым компаниям (Rm), построенные автором факторы стоимости (HML) и размера (SMB) для российского рынка (как аналог факторов риска модели ФФ), односторонние факторы риска акций (Downside beta) и показатель, характеризующий присутствие иностранного капитала (FIF).

Тестирование данной гипотезы имеет особую значимость в понимании устройства российского рынка капитала. В рамках данной гипотезы делается попытка понять, является ли избыточная доходность моментум инвестирования премией за повышенный риск отбора акций по определенному алгоритму или имеет место ценовая аномалия. Для ответа на этот вопрос следует оценить отличие ожидаемой доходности в контексте тестируемых моделей от реализованной доходности. Среди наиболее широко используемых моделей ценообразования при тестировании ценовых аномалий выделяют САРМ и трехфакторную модель Фамы и Френча. В частности, в работе [Zarowin, 1990] указывается, что моментум эффект объясняется фактором размера, поскольку акции небольших компаний, как правило, относятся к когорте проигравших, и имеют более высокую ожидаемую доходность по сравнению с крупными компаниями. Сами Фама и Френч (1996) предпринимали попытку
объяснить моментум эффект через вариацию средних доходностей портфелей в контексте своей трехфакторной модели. Результаты показали, что моментум эффект продолжает интерпретироваться как аномалия, поскольку избыточная доходность, скорректированная на исследуемые риски, продолжает оставаться статистически значимой (альфа). Выводы по статье [Grundy, Martin, 2001] подтверждают результаты Фамы и Френча о том, что кросс-секционная вариация ожидаемых доходностей, построенная на основе модели Фамы и Френча, не является источником аномально высоких доходностей моментум стратегии.

В основе расчета фактора стоимости и размера лежит методика, предложенная Фамой и Френчом. В качестве прокси фактора размера выступает капитализация российских компаний, рассчитываемая как произведение количества акций на их рыночную цену. Анализируемая выборка компаний сортируется согласно рыночной капитализации на конец года (в момент времени t) в убывающем порядке и делится на 2 группы: эмитентов высокой и малой капитализации, соответственно. Критерием для отнесения акций в группу высококапитализированных является принадлежность к бумагам, упорядоченным в убывающем порядке по размеру капитализации, формирующих 95% суммарной капитализации рынка.

Остальные компании отнесены в группу компаний низкой капитализации. Портфель SMB строится для имитации фактора риска, связанного с размером компаний и рассчитывается как разность между средневзвешенной доходностью вторым (акций компаний малой капитализации) и первым портфелями (акций крупных компаний) в момент времени t+1.

В роли прокси фактора стоимости используется фундаментальный показатель отношения балансовой стоимости
капитала к рыночной или BV/MV, традиционно используемый в исследованиях. Тестируемые компании независимо от первой сортировки ранжируются по показателю соотношения балансовой стоимости капитала и рыночной и делятся на 3 группы 30%, 40% и 30%, соответственно. Первый портфель включает первые 30% акции с наиболее низкими показателем BV/MV (акции «роста»), в то время как третий портфель охватывает акции с более высоким отношением балансовой стоимости к рыночной (акции «стоимости»). Портфель HML строится для имитации фактора риска, связанного со стоимостью компаний и рассчитывается как разность между средневзвешенной доходностью первым и третьим портфелями. Акции с отрицательным значением собственного капитала исключаются из выборки. Аппроксимация факторов стоимости и размера производится ежегодно на конец года с помощью языка программирования R.

Фактор одностороннего риска (Downside beta) бета Х. Эстрады рассчитывается по формуле:

Альтернативой моделям одностороннего риска выступают условные конструкции моделей ценообразования. Принято различать два состояния на рынке: растущее (Up market) и падающее (Down market) в зависимости от лагированной рыночной доходности. В рамках гипотезы 6 тестируется предположение о том, что доходности моментум стратегии нелинейно связаны с рыночным состоянием. Локальные экстремумы (максимумы) на временных рядах доходностей моментум стратегии достигаются при максимумах лагированных рыночных доходностей.

Наконец, еще один фактор риска, исследуемый в работе, показатель, характеризующий отток/приток иностранного капитала в российские фонды. Базой данных являются еженедельные отчеты EPFR, показывающие суммы вложений (оттоков и притоков ) в российские фонды. Влияние данного фактора на доходности моментум эффекта исследуется в двух вариациях:

• Нормализация месячного оттока/притока капитала капитализацией российского фондового рынка (Foreign Investor Factor, FIF).

• Использование дамми переменных, принимающих значение 1, когда наблюдается отток на рынке и 0, в противоположном случае.

В качестве зависимой переменной регрессии используются доходности портфелей из акций победителей по 16 различным комбинациям.

Следующим шагом тестирования проводится построение корреляционной матрицы анализируемых факторов риска: рыночного фактора (индекса ММВБ, S&P 500, собственный построенный индекс), фактора размера (SMB) и стоимости (HML), фактор одностороннего риска и нормализованный показатель оттока/притока иностранного капитала. Эта процедура (Табл. 21) необходима для избежания проблемы мультиколлинеарности.

Таблица 21.

Корреляционный анализ объясняющих факторов

Результаты корреляционного анализа (Табл. 21) показывают, что высокая положительная корреляция наблюдается между построенным прокси - рыночным портфелем по всему российскому рынку акций с фактором ICF, характеризующим отток/приток иностранного капитала в российские фонды, нормализованный на рыночную капитализацию (0,65) и односторонним рыночным риском (0,73). Факторы Фамы и Френча негативно коррелируют между собой, что совпадает с результатами корреляционного анализа по американскому рынку. Это доказывает, что факторы стоимости и размера могут быть включены в трехфакторную модель Фамы и Френча одновременно без риска возникновения проблемы мультиколлинеарности.

Далее проводится тестирование доходностей 16 портфелей при помощи моделей ценообразования на временных рядах.

В Табл. 22 представлены результаты тестирования 3-х моделей: 1) САРМ на основе временных рядов, где в качестве рыночного риска выступают а) доходность индекса ММВБ за вычетом безрисковой
доходности, б) индекс S&P 500 (доходность переведена в рубли) за вычетом безрисковой ставки, 3) рыночный индекс по данным всей выборки за вычетом безрисковой ставки, 2) однофакторная модель с включением одностороннего риска (бета Эстрады) и 3) модель с включением роли иностранных инвесторов. (см. Табл. 22). Для оценки влияния рассматриваемых факторов на доходности моментум портфелей проводится регрессионный анализ при помощи методики МНК. В Табл. 22 представлен коэффициент альфа, показывающий скорректированную на потенциальные риски доходность моментум эффекта, и его статистическая значимость.

Таблица 22.

Результаты анализа доходностей портфеля из акций недавних

победителей по 16 стратегиям по однофакторным моделям

Альфа (MICEX) CAPM Односторонние риски

Альфа (Downside beta)

Иностранные инвесторы на российском рынке

Альфа

(FIF)

Альфа (S&P 500) Альфа (Rm)
3/1/3 0.025 0.027 0.020 0.022 0.028
0.009 ** 0.006 ** 0.001 ** 0.008 ** 0.001 **
3/1/6 0.021 0.023 0.002 0.019 0.019
0.021 ** 0.014 ** 0.004 ** 0.022 ** 0.022 **
3/1/9 0.016 0.018 0.016 0.013 0.018
0.059 * 0.040 ** 0.004 ** 0.067 * 0.011 **
3/1/12 0.013 0.015 0.007 0.010 0.015
0.091 * 0.075 * 0.040 ** 0.131 0.022 **
6/1/3 0.019 0.021 0.014 0.017 0.021
0.042 ** 0.027 ** 0.027 ** 0.049 ** 0.010 **
6/1/6 0.014 0.016 0.009 0.012 0.016
0.091 * 0.074 * 0.115 0.141 0.036 **
6/1/9 0.011 0.013 0.006 0.008 0.013
0.187 0.124 0.221 0.245 0.062 *
6/1/12 0.010 0.012 0.012 0.007 0.012
0.216 0.147 0.147 0.284 0.065 *

9/1/3 0.013 0.015 0.015 0.010 0.015
0.091 * 0.094 * 0.094 * 0.178 0.053 *
9/1/6 0.010 0.012 0.012 0.008 0.012
0.235 0.164 0.164 0.308 0.102
9/1/9 0.008 0.010 0.010 0.006 0.010
0.307 0.215 0.215 0.416 0.130
9/1/12 0.008 0.010 0.010 0.005 0.010
0.328 0.232 0.232 0.444 0.129
12/1/3 0.010 0.012 0.012 0.008 0.012
0.232 0.160 0.160 0.305 0.104
12/1/6 0.008 0.009 0.009 0.005 0.009
0.337 0.244 0.244 0.452 0.157
12/1/9 0.008 0.010 0.010 0.005 0.010
0.309 0.395 0.395 0.416 0.123
12/1/12 0.008 0.010 0.010 0.006 0.010
0.284 0.201 0.201 0.379 0.099 *

Курсивом указано p-value

Анализ результатов тестирования доходности 16-ти портфелей по модели САРМ с различными вариациями прокси - рыночного фактора позволяет сделать несколько выводов. В акциях победителях наблюдается рост альфа коэффициента и его значимости по мере сокращения временного окна ранжирования и держания портфеля. Доходности портфеля из акций победителей с такими элементами дизайна представляют наибольший интерес с точки зрения тестирования эффективности рынка. Такие вариации прокси- рыночного фактора, как индекс ММВБ, S&P 500 или построенный автором широкий рыночный индекс, односторонний риск или роль иностранных инвесторов не способны объяснить анормальную прибыль моментум инвестирования. Альфа остается значимым в этих комбинациях, что верно для всех пяти рассматриваемых результатов (3 моделей). Данный результат свидетельствует о неспособности рассматриваемых моделей объяснить повышенные доходности МЭ в контексте построения портфеля из акций - победителей.

Предположение о том, что фондовый рынок крупнейшей в мире экономики (доходность по рыночному индексу S&P 500) оказывает влияние на доходности российского рынка и, в частности, доходности по моментум стратегии, не подтвердилось. Фактор не находит статистического подтверждения о значимости при объяснении ex-ante доходностей МЭ. Замена классического бета односторонним риском позволило снизить необъясненную часть анормальной доходности моментум портфелей, но альфа остается статистически значимым (значение положительно).

Таблица 23.

Результаты анализа доходностей портфеля из акций недавних победителей по 16 стратегиям по модели Фамы и Френча

Альфа FF Альфа

(MICEX) FF (Rm)

3/1/3 0.021 0.017
0.048 ** 0.002 **
3/1/6 0.017 0.013
0.053 * 0.009 **
3/1/9 0.012 0.008
0.093 * 0.042 **
3/1/12 0.010 0.006
0.217 0.084 *
6/1/3 0.015 0.011
0.092 * 0.055 *
6/1/6 0.010 0.006
0.236 0.230
6/1/9 0.007 0.004
0.355 0.407
6/1/12 0.007 0.003
0.384 0.414
9/1/3 0.009 0.005
0.279 0.325
9/1/6 0.006 0.002
0.468 0.643
9/1/9 0.005 0.001

0.544 0.801
9/1/12 0.005 0.001
0.548 0.796
12/1/3 0.006 0.003
0.437 0.597
12/1/6 0.004 0.001
0.569 0.847
12/1/9 0.005 0.002
0.494 0.681
12/1/12 0.006 0.002
0.432 0.513

Курсивом указано p-value

Следующим этапом в качестве бенчмарка задается трехфакторная модель Фамы и Френча с рассмотрением таких факторов, как чувствительность к рыночному риску (прокси фактор рыночного риска - доходность индекса MICEX и построенного индекса по всем анализируемым акциям), к параметрам размера эмитента и потенциалу роста (как параметры трехфакторной модели Фамы-Френча). Результаты тестирования по трехфакторной модели представлены в Табл. 25. При включении факторов ФФ величина скорректированной на риски доходности МЭ (альфа растет) по сравнению со скорректированной моментум доходностью на рыночный фактор.

Таким образом, анормальные доходности моментум эффекта с короткими временными окнами ранжирования и инвестирования (3/1/3, 3/1/6, 3/1/9 и 6/1/3) с корректировкой на рассматриваемые факторы риска, сохраняют статистическую значимость (положительный и статистически значимый коэффициент альфа). Продолжая поиск потенциальных источников повышенной доходности моментум портфелей, в работе выдвигается и проверяется гипотеза о том, что моментум эффект имеет
двойственную природу. Иными словами, доходности портфеля победителей зависят от состояния рынка (растущий или падающий, в контексте лагированной рыночной доходности (за послдение12, 24 или 36 мес.)) и настроений иностранных инвесторов, классифицируемых как оптимистичные (приток капитала за последние 12 мес.) и пессимистичные (отток капитала за последние 1 2 мес.), соответственно. Когда на рынке наблюдается спад на рынке или отток иностранного капитала, доходность моментум эффекта вписывается в рамки общепризнанных моделей (САРМ или ФФ). Однако в периоды притока иностранного капитала в фонды или растущей фазы фондового рынка инвесторы или портфельные управляющие склонны избыточно реагировать на приходящие новости, на рынке присутствуют оптимистичные настроения. Это потенциально может указывать на асимметрию распределения доходностей портфеля победителей в зависимости от состояния рынка (отток/приток иностранного капитала, растущий падающий фондовый рынок).

Для тестирования модели САРМ и трехфакторной модели ФФ в рамках условных конструкций с выделением периодов роста/падения российского фондового рынка и притока/оттока иностранного капитала в российские фонды в каждом месяце рассматриваемого периода были рассчитаны доходности портфеля победителей по аналогии с выше описанной методикой построения портфелей (квантильная методика отбора акций в портфель, равный учет долей, 4 временных окна анализа), за 1-ый, 2-ой, 3-й.., 12-ый мес. периода инвестирования с пропуском одного мес. для избежания микроструктурных эффектов. На основе полученных данных было сформировано 12 временных рядов месячных доходностей портфеля
победителей к соответствующему месяцу инвестирования (1,2,.., 12). Был проведен регрессионный анализ полученных данных доходностей портфеля акций прошлых победителей на рыночный риск факторы Фамы и Френча совместно с рыночным риском. Была оценена альфа по каждому месяцу инвестирования к рыночному фактору риска и факторам принадлежности к акциям роста и стоимости вкупе с рыночным фактором:

г

где WR- скорректированная на риски доходность портфеля победителей.

После проведения регрессионного анализа была рассчитана кумулятивная доходность за первые 3,6,9 и 12 мес. инвестирования, скорректированная на рассматриваемые источники риска (MOM).

Тестирование доходностей моментум портфелей в зависимости от состояния на рынке (доходности индекса ММВБ за последние 12, 24 и 36 мес.) проводилось при помощи включения дамми переменных по модели:

Тестирование временных рядов кумулятивной доходности на дамми переменные по растущему и падающему рынку показало, что результаты моментум инвестирования зависят от состояния рынка. Портфель из акций - недавних победителей генерирует статистически значимую доходность только в периоды, следуемые за растущим рынком (Табл. 24), что согласуется с выводами ряда исследований [Daniel, Hirshleifer, Subrahmanyam, 1998, Hong and Stein, 1999]. В табл. 24 представлены оценки скорректированной на рыночный риск и

факторы Фамы и Френча в зависимости от состояния российского фондового рынка (36 мес. доходности индекса ММВБ как более показательного индикатора по сравнению с 12 и 24 мес., исходя из полученных результатов).

Таблица 24.

Доходности портфеля победителей в зависимости от состояния российского фондового рынка по индексу ММВБ

Период формирования = 3 мес.

Падающий рынок (36 мес. доходность индекса ММВБ

<< | >>
Источник: Микова Евгения Сергеевна. Моментум эффект в динамике цен акций российского рынка. Диссертация на соискание ученой степени кандидата экономических наук. Москва - 2014. 2014

Еще по теме Учет рисков в объяснении анормальной доходности МЭ:

  1. З.З.Учет транзакционных издержек
  2. Рациональное объяснение природы кросс-секционного (портфельного) моментума
  3. Поведенческое направление в объяснении природы моментум эффекта
  4. Учет эмитентами рыночных факторов при выпуске розничных структурированных продуктов
  5. Методика оценки рисков предприятий кластерной структуры
  6. Кластеризация как способ диверсификации рисков предприятий
  7. 3.2.2. Ценовое поведение продуктов с повышенной доходностью
  8. 2.2.2. Оценка стоимости продуктов с повышенной доходностью
  9. Оценка инвесторами рыночных рисков при покупке розничных структурированных продуктов
  10. Глава 1 ВЛИЯНИЕ РИСКОВ НА ЭФФЕКТИВНОСТЬ УПРАВЛЕНИЯ ПРЕДПРИЯТИЯМИ
  11. Оценка параметров распределений доходности индекса национального финансового рынка
  12. Головачев Сергей Сергеевич. Прогнозирование доходности на фондовом и валютном рынках на основе моделей искусственных нейронных сетей. Диссертация на соискание ученой степени кандидата экономических наук. Москва - 2014,
  13. Глава 2. РАЗВИТИЕ МОДЕЛЕЙ ЦЕНООБРАЗОВАНИЯ, СПОСОБНЫХ ОБЪЯСНИТЬ МОМЕНТУМ ЭФФЕКТ
  14. Эмпирические свидетельства состоятельности моментум стратегии на разных рынках
  15. 1.3. Природа моментум эффекта
  16. Приложение А Инструментарий опроса экспертов