CAPM i APT. Ekonometria finansowa

Podobne dokumenty
Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4.

Portfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego

3. Optymalizacja portfela inwestycyjnego Model Markowitza Model jednowskaźnikowy Sharpe a Model wyceny aktywów kapitałowych CAPM

= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

dr hab. Renata Karkowska 1

Natalia Nehrebecka. Wykład 2

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

Modele wyceny ryzykownych aktywów CAPM

Natalia Nehrebecka. Zajęcia 3

Natalia Nehrebecka. Zajęcia 4

β i oznaczmy współczynnik Beta i-tego waloru, natomiast przez β w - Betę całego portfela. Wykaż, że prawdziwa jest następująca równość

Weryfikacja hipotez dla wielu populacji

BADANIE STABILNOŚCI WSPÓŁCZYNNIKA BETA AKCJI INDEKSU WIG20

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. Strona 1

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Wpływ płynności obrotu na kształtowanie się stopy zwrotu z akcji notowanych na Giełdzie Papierów Wartościowych w Warszawie

WERYFIKACJA EKONOMETRYCZNA MODELU CAPM II RODZAJU DLA RÓŻNYCH HORYZONTÓW STÓP ZWROTU I PORTFELI RYNKOWYCH

Prawdopodobieństwo i statystyka r.

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X

STATYSTYKA MATEMATYCZNA

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Rachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

Ryzyko inwestycji. Ryzyko jest to niebezpieczeństwo niezrealizowania celu, założonego przy podejmowaniu określonej decyzji. 3.

TEORIA PORTFELA MARKOWITZA

Natalia Nehrebecka. Dariusz Szymański

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej

Markowa. ZałoŜenia schematu Gaussa-

Prof. dr hab. Jan Czekaj Katedra Rynków Finansowych Uniwersytet Ekonomiczny w Krakowie

0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4

Modelowanie Rynków Finansowych

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.

dy dx stąd w przybliżeniu: y

Zarządzanie portfelem inwestycyjnym

ANALIZA I ZARZADZANIE PORTFELEM. Specjalista ds. Analiz Giełdowych Łukasz Porębski

Dobór zmiennych objaśniających

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa. PARA ZMIENNYCH LOSOWYCH

Stanisław Cichocki. Natalia Nehrebecka. Wykład 11

Modelowanie rynków finansowych

Analiza inwestycji i zarządzanie portfelem SPIS TREŚCI

Mikroekonometria 13. Mikołaj Czajkowski Wiktor Budziński

Dywersyfikacja portfela poprzez inwestycje alternatywne. Prowadzący: Jerzy Nikorowski, Superfund TFI.


Model ASAD. ceny i płace mogą ulegać zmianom (w odróżnieniu od poprzednio omawianych modeli)

Stanisław Cichocki Natalia Nehrebecka. Wykład 2

Natalia Nehrebecka Stanisław Cichocki. Wykład 10

ZASTOSOWANIE METODY DEA W KLASYFIKACJI FUNDUSZY INWESTYCYJNYCH

Stanisław Cichocki Natalia Nehrebecka. Wykład 2

ZASTOSOWANIE MODELU MOTAD DO TWORZENIA PORTFELA AKCJI KLASYFIKACJA WARUNKÓW PODEJMOWANIA DECYZJI

Funkcje i charakterystyki zmiennych losowych

Regresja liniowa i nieliniowa

KONSTRUKCJA OPTYMALNYCH PORTFELI Z ZASTOSOWANIEM METOD ANALIZY FUNDAMENTALNEJ UJĘCIE DYNAMICZNE

Efektywność rynku w przypadku FOREX Weryfikacja hipotezy o efektywności dla FOREX FOREX. Jerzy Mycielski. 4 grudnia 2018

Ekonometria egzamin 01/02/ W trakcie egzaminu wolno używać jedynie długopisu o innym kolorze atramentu niż czerwony oraz kalkulatora.

ELEKTROCHEMIA. ( i = i ) Wykład II b. Nadnapięcie Równanie Buttlera-Volmera Równania Tafela. Wykład II. Równowaga dynamiczna i prąd wymiany

Statystyka. Zmienne losowe

Modelowanie rynków finansowych

Analiza danych OGÓLNY SCHEMAT. Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)

Badania sondażowe. Braki danych Konstrukcja wag. Agnieszka Zięba. Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa

OPTYMALNE STRATEGIE INWESTYCYJNE PODEJŚCIE FUNDAMENTALNE OPTIMAL INVESTMENT STRATEGY FUNDAMENTAL ANALYSIS

8. Optymalizacja decyzji inwestycyjnych

Badanie współzaleŝności dwóch cech ilościowych X i Y. Analiza korelacji prostej. Badanie zaleŝności dwóch cech ilościowych. Analiza regresji prostej

MODELOWANIE LICZBY SZKÓD W UBEZPIECZENIACH KOMUNIKACYJNYCH W PRZYPADKU WYSTĘPOWANIA DUŻEJ LICZBY ZER, Z WYKORZYSTANIEM PROCEDURY KROSWALIDACJI

Rozmyta efektywność portfela

Mikroekonometria 10. Mikołaj Czajkowski Wiktor Budziński

Mikroekonometria 15. Mikołaj Czajkowski Wiktor Budziński

IID = 2. i i i i. x nx nx nx

Zadanie 1. Zadanie 2. Zadanie 3

Ekonometryczne modele nieliniowe

Analiza zależności zmiennych ilościowych korelacja i regresja

-ignorowanie zmiennej wartości pieniądza w czasie, -niemoŝność porównywania projektów o róŝnych klasach ryzyka.

Zastosowanie wielowymiarowej analizy porównawczej w doborze spó³ek do portfela inwestycyjnego Zastosowanie wielowymiarowej analizy porównawczej...

INWESTYCJE Instrumenty finansowe, ryzyko SPIS TREŚCI

Zeszyty 8 (956) Michał Kasolik. Streszczenie. Uniwersytet Ekonomiczny w Krakowie Naukowe

Value at Risk (VaR) Jerzy Mycielski WNE. Jerzy Mycielski (Institute) Value at Risk (VaR) / 16

Excel i VBA w analizach i modelowaniu finansowym Pomiar ryzyka. Pomiar ryzyka

Matematyka finansowa r.

Pattern Classification

INWESTOWANIE W SEKTORZE ENERGETYCZNYM, PALIWOWYM I SUROWCOWYM NA GPW W WARSZAWIE Z UŻYCIEM MODELI SHARPE A I MARKOWITZA

Matematyka ubezpieczeń majątkowych r.

Rozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1

I. Elementy analizy matematycznej

Metody predykcji analiza regresji

Analiza regresji modele ekonometryczne

Analiza korelacji i regresji

Szacowanie optymalnego systemu Bonus-Malus przy pomocy Pseudo-MLE. Joanna Sawicka

WYKORZYSTANIE WSPÓŁCZYNNIKA GINIEGO DO OCENY RYZYKA SYSTEMATYCZNEGO

Proces narodzin i śmierci

Model CAPM z ryzykiem płynności na polskim rynku kapitałowym


Analiza zdarzeń Event studies

Zastosowanie wybranych miar płynności aktywów kapitałowych na Giełdzie Papierów Wartościowych w Warszawie S.A.

Model CAPM z ryzykiem płynności na polskim rynku kapitałowym

Mikroekonometria 10. Mikołaj Czajkowski Wiktor Budziński

O PEWNEJ WŁASNOŚCI ZBIORU MINIMALNEGO RYZYKA

Statystyka Opisowa 2014 część 2. Katarzyna Lubnauer

EFEKT PRZEDZIAŁOWY WSPÓŁCZYNNIKA DETERMINACJI MODELU RYNKU

Transkrypt:

CAPM APT Ekonometra fnansowa 1

Lteratura Elton, Gruber, Brown, Goetzmann (2007) Modern portfolo theory and nvestment analyss, John Wley and Sons. (rozdz. 13-16 [, 5, 7]) Campbell, Lo, MacKnlay (1997) The econometrcs of fnancal markets, Prnceton Unversty Press. (rozdz. 5, 6) Cuthbertson, Ntzsche (2010) Quanttatve fnancal economcs, John Wley and Sons (rozdz. 5 8) 2

Captal Asset Prcng Model Autorzy (nezależne) Sharpe (1964) Lntner (1965) Mossn (1966) APT oss (1976, 1977) 3

Zastosowana CAPM Odpowedna mara ryzyka dla każdego nstrumentu, relacja mędzy stopą zwrotu ryzykem dla każdego nstrumentu Pozwala wylczyć oczekwaną stopę zwrotu (szacowane kosztu kaptału, ocena portfela nwestycyjnego, analzy zdarzeń) 4

Założena CAPM Brak kosztów transakcyjnych Aktywa fnansowe neskończene podzelne Brak podatku dochodowego Pojedynczy nwestor ne jest w stane zmenć ceny nstrumentu fnansowego (konkurencja doskonała) Inwestorzy podejmują decyzje wyłączne na podstawe wartośc oczekwanych zwrotów odchyleń standardowych swoch portfel 5

Założena CAPM (c.d.) Krótka sprzedaż neogranczona Neogranczona możlwość pożyczana po stope procentowej bez ryzyka Inwestorzy są homogenczn w swoch oczekwanach dotyczących: stóp zwrotu, odchyleń standardowych, korelacj mędzy nstrumentam w danym okrese okresu oceny nwestycj (horyzont nwestycyjny) Wszystke aktywa są na sprzedaż 6

CAPM krótke wprowadzene Źródło: http://kupakcje.pl/?p=147 7

8 CAPM krótke wprowadzene Granca portfel efektywnych (effcent fronter) Prosta CML (captal market lne) wyznacza model CAPM: Portfel efektywny leży na prostej CML ( F ) M M e F e M F M F e + = + = σ σ σ σ

Interpreptacja e = F + (Oczekwany zwrot)=(cena czasu)+(cena ryzyka)x(welkość ryzyka) σ M M F σ e Wszyscy nwestorzy utrzymują dentyczny portfel ryzykownych aktywów portfel rynkowy (market portfolo) 9

CAPM krótke wprowadzene Dla pojedynczego nstrumentu lub portfela (efektywnego lub neefektywnego): = F + β ( M F ) 10

Wyprowadzene (szybke) Prawdzwy jest model jednoczynnkowy = α + β M Stopa zwrotu z portfela jest lnową funkcją β Dla nwestycj bez ryzyka: = a + F = a + b β b(0) β = 0 11

Wyprowadzene (szybke) c.d. Dla nwestycj w portfel rynkowy: β =1 M = a + b = b(1) ( M a) = ( M F ) Czyl prawdzwy jest model: β = σ σ M 2 M = + β ( F ) = F F + M M σ M F σ σ M M 12

Interpretacja bety Mara zależnośc zwrotu z portfela od zwrotu z portfela rynkowego Indeks ryzyka systematycznego/ nedywersyfkowalnego (systematc rsk) Inwestor oczekuje dodatkowego zwrotu za ryzyko nedywersyfkowalne a ne za to, które da sę usunąć poprzez dywersyfkację portfela 13

ozszerzena CAPM Krótka sprzedaż nedozwolona brak wpływu Nemożlwe pożyczane po stope wolnej od ryzyka: = + β ( Z ) zero-beta CAPM / two-factor model Opodatkowane zysków Heterogenczne oczekwana Z Welookresowy CAPM, Mult-beta CAPM, Consumpton-orented CAPM, tp. M 14

Wynk empryczne Założene: model rynkowy prawdzwy = α + β + e Wartość oczekwana z modelu: po odjęcu równań powyżej: ale t Końcowy model: t = + β ( F ) F = α + β Mt M Mt M M t = + β ( ) + t t = F F + β ( = β ( e Mt Mt t F F ) + ) + e e t t 15

Sposoby szacowana parametrów modelu CAPM standardowy CAPM Kowarancja m oraz warancja m z próby KMNK model regresj + GACH warunkowy CAPM EWMA MGACH (np. GACH-BEKK), GACH-M UMM modele przestrzen stanów 16

Sposoby szacowana CAPM (1) Model CAPM: E( t ) F = β( E( Mt ) F ) można zapsać wykorzystując własnośc statystyczne portfel jako: lub: cov( t, ) Mt E( t ) F = ( E( Mt ) F ) var( Mt ) = β ( ) + t F Mt F e t 17

Sposoby szacowana CAPM (2) Kowarancja m oraz warancja m z próby KMNK 18

Sposoby szacowana CAPM (3) Expotental Weghted Movng Average λ zwykle ustalane na pozome 0,94 lub podobnym wartośc startowe: kowarancja warancja z całej próby 19

20 Przykład: symulacja warunkowego modelu CAPM 0 0,2 0,4 0,6 0,8 1 1,2 1,4 1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64 67 70 73 76 79 82 85 88 91 94 97 100 cov(,m) var(m) beta

Hpotezy do testowana Im wyższe ryzyko (beta) tym wyższe stopy zwrotu Stopy zwrotu lnowo zwązane z betą Brak dodatkowego zwrotu za ryzyko nerynkowe (nesystematyczne) Odchylena od równowag losowe, ne pozwalają uzyskać nadzwyczajnych zysków 21

Założena do testowana Model rynkowy prawdzwy w każdym okrese Model CAPM prawdzwy w każdym okrese Parametr β stablny w czase 22

Testy empryczne CAPM Sharpe, Cooper (1972) oszacowal bety dla welu akcj (60 mesęcy danych), model rynkowy w każdym roku (1931-67) dzell akcje na 10 grup o podobnych betach Wynk: utrzymywane portfel z wększym betam daje w długm okrese wyższe stopy zwrotu lnowa zależność mędzy betą zwrotam = 5,54 + 12,75β 23

Testy empryczne CAPM Lntner / powtórzone przez Douglasa (1968) Model rynkowy, roczne szereg czasowe (1954-1963), beta dla 301 spółek Druge równane: = a 1 Oczekwane wartośc: a + a 2 b = 0, a1 = F (lub Z ), a2 + a 3 S 2 e + η (lub 3 M F M Z = ) Wynk: a1 za duże, a2 za małe, a3 za duże, CAPM ne dzała 24

Testy empryczne CAPM Mller, Scholes (1972) Model do testowana CAPM przy pomocy szeregów czasowych pownen meć postać: = + β ( ) + e t Ft Mt Sprawdzć czy zależność mędzy zwrotam betą lnowa heteroskedastyczność składnka losowego zakłóca wynk testów Błędy oszacowań bety w perwszym równanu zanżają parametr przy bece w drugm, warancja reszt skorelowana z betą Dodatna skośność zwrotów warancja reszt skorelowana ze zwrotam z portfela Ft t 25

Testy empryczne CAPM Black, Jensen, Scholes (1972): = α + β ( ) + t Ft Mt 5 lat danych, wybór 10 portfel na następny rok zgodne z wartoścam bet, przesunęce o rok okna 5 lat, td. (w sume 35 lat danych) Oblczone zwroty z 10 portfel za kolejne lata jako szereg czasowe, szacowane bety portfel Wynk: nadzwyczajne stopy zwrotu z portfel slne skorelowane z rynkowym, ale stałe różne od 0 Ft e t 26

Testy empryczne CAPM c.d. Jeśl prawdzwy model zero beta = (1 β ) + β + t Z Mt e t to α = )(1 β ) ( Z F stałe ujemne dla dużych bet dodatne dla małych zero beta CAPM prawdzwy regresja nadzwyczajnych zwrotów względem bety F = 0,00359 + 0,01080β, zero beta CAPM prawdzwy 2 = 0,98 27

Testy empryczne CAPM Fama, MacBeth (1973) bety z 20 portfel oszacowanych w modelach szeregów czasowych egresja: dane przekrojowe, dla każdego mesąca z lat 1935-1968 t 2 = 0t + γ1t β + γ 2tβ + γ 3t Oczekwane: E γ S + η ˆ γ 3 t ) = 0, E( ˆ γ 2t ) = 0, E( ˆ γ t ) > ( 1 e t 0 28

Testy empryczne CAPM c.d. Jeśl E ˆ γ ) 0, E( ˆ γ ) 0 to sprawdza sę ( 3 t = 2t = standardowy czy zero beta CAPM? Sprawdza sę wszystke parametry po czase czy far game? Wynk: E( ˆ γ 3 t ) = 0, autkorelacja( ˆ γ 3t ) = 0 E ˆ γ ) 0, autkorelacja( ˆ γ ) 0 ( 2 t = 2t = 0 ( ˆ γ 1 t ) < M F, E( ˆ γ 0t < E ) > autkorelacja( η ) = 0 t zero beta CAPM raczej nż standardowy CAPM F E ˆ γ ), E( ˆ γ ( 0t 1t ) 29

Arbtrage Prcng Theory Wykorzystuje prawo jednej ceny Bez założeń o użytecznośc, czy też o schemace średnej warancj ze stopy zwrotu ale założene o homogencznych oczekwanach stopy zwrotu każdego nstrumentu lnowo zwązane ze zborem ndeksów 30

APT - założena gdze: = a + b I + b I +... + b I + E( e e j ) 1 = 0, 1 E[ e ( I I )] = E( e ) j j dla 0 2 e 2 = 0, Var( ) j = σ e j j e Tylko parametry b wpływają na ryzyko systematyczne 31

APT - założena wtedy: = λ + λ b + λ b +... + λ b 0 1 1 2 2 j j F = λ 0 λ 1 F = 1 td. Warunek arbtrażu jest prawdzwy dla każdego podzboru aktywów fnansowych (ne potrzeba portfela rynkowego) 32

Wynk empryczne Model weloczynnkowy (proces generujący dane) = a + b I + b I +... + b I + e 1 Model APT 1 1 2 = λ + λ b + λ b +... + λ b 0 1 2 2 2 Każdy portfel naczej reaguje na Ij Każdy czynnk Ij oddzałuje na węcej portfel Czynnk I ne są zdefnowane z góry b : zysk z dywdendy lub beta j j j j 33

Wynk empryczne Szacowane model APT: Jednoczesne szacowane b I Ustalene I szacowane b lambd Ustalene b szacowane lambd Analza czynnkowa ustalamy I b, tak by cov() medzy resztam była mnmalna 34

Testy empryczne APT Szacowane b + testowane lczby czynnków I egresje przekrojowe analogczne do Fama, MacBeth(1973): Błędy w szacunkach b Skalowane b lambd arbtralne 35

Testy empryczne oll, oss (1980) 42 grupy po 30 akcj, dzenne dane 1962-1972 Analza czynnkowa: 5,6 czynnków. Druga regresja: 3 czynnk ważne. Dhrymes, Frend, Gultekn (1984) 3 czynnk dla 15 akcj, 7 dla 60 akcj 36

Testy empryczne Brown, Wensten (1983) testują: czy stała jest dentyczna w grupach czy lambdy dentyczne w grupach dla ustalonej stałej czy lambdy stała dentyczne w grupach Dhrymes, Frend, Gultekn (1984) Stała dentyczna lub ne w zależnośc od metody grupowana akcj Problem ze skalowanem 37

Testy empryczne Connor, Korajczyk (1986): asymmetrc prncple component analyss: 5 czynnków lepej wyjaśna wyższe stopy zwrotu z małych frm efekt styczna nż CAPM Elton, Gruber (1982) W Japon CAPM ne dzała (małe spółk mają nższe stopy zwrotu), APT jako standard 38

Testy empryczne Z góry ustalone b testowany wpływ na stopy zwrotu (jak Fama, MacBeth 1973) Sharpe (1982): beta ze S&P, dvdend yeld, welkość frmy, beta z oblgacjam, hstoryczne wartośc alfa (z regresj hstorycznych zwrotów na nadzwyczajne zwroty ze S&P) 2197 akcj, mesęczne dane 1931-1979 Wynk sugerują APT. 39

Ustalone I : Chen, oll, oss (1986): nflacja, struktura termnowa stóp procentowych, prema za ryzyko, produkcja przemysłowa Czy skorelowane z I z analzy czynnkowej (oll, oss), czy I wyjaśnają stopy zwrotu? Tak, tak. Burmester,McElroy (1988): default rsk, tme premum, deflaton, przyrost oczekwanej sprzedaży, reszty z rynkowych stóp zwrotu APT model ne gorszy nż model czynnkowy lepszy nż CAPM 40

Ustalone I jako portfele (nekoneczne rynkowe) Fama, French (1993): różnca mędzy zwrotam z portfel małych dużych spółek, różnca mędzy zwrotam z portfel różnących sę B/M, term premum, default premum 41

42 APT CAPM Możlwa zgodność obu model 2 2 1 1 0 b b λ λ λ + + = ) 1 ( 1 F M = λ β λ ) 2 ( 2 F M = λ β λ ) )( ( ) ( ) ( 2 2 1 1 2 2 1 1 0 F M F F M F M b b b b + + = = + + = λ λ λ λ β β β β λ