Оценка достоверности и экономической ценности прогнозов аналитиков на российском фондовом рынке тема диссертации по экономике, полный текст автореферата
- Ученая степень
- кандидата экономических наук
- Автор
- Болотин, Григорий Михайлович
- Место защиты
- Москва
- Год
- 2011
- Шифр ВАК РФ
- 08.00.10
Автореферат диссертации по теме "Оценка достоверности и экономической ценности прогнозов аналитиков на российском фондовом рынке"
На правах рукописи
005001917
Болотин Григорий Михайлович
ОЦЕНКА ДОСТОВЕРНОСТИ И ЭКОНОМИЧЕСКОЙ ЦЕННОСТИ ПРОГНОЗОВ АНАЛИТИКОВ НА РОССИЙСКОМ ФОНДОВОМ РЫНКЕ
Специальность 08.00.10
Финансы, денежное обращение и кредит (экономические науки)
2 4 НОЯ 2011
АВТОРЕФЕРАТ
диссертации на соискание ученой степени кандидата экономических наук
Москва - 2011
005001917
Работа выполнена на кафедре фондового рынка и рынка инвестиций факультета экономики Национального исследовательского университета «Высшая школа экономики»
Научный руководитель кандидат физико-математических наук, доцент
Буянова Елена Александровна
Официальные оппоненты доктор экономических наук, профессор
Миркин Яков Моисеевич
кандидат физико-математических наук, доцент Минасян Виген Бабкенович
Ведущая организация Государственный университет управления
Защита состоится « де^аф-РС. 2011г. в 1Н-ОР на заседании
диссертационного совета Д 212.048.07 Национального исследовательского университета «Высшая школа экономики» по адресу: 101000, г. Москва, ул. Мясницкая, д. 20, ауд. 327-к.
С диссертацией можно ознакомиться в библиотеке Национального исследовательского университета «Высшая школа экономики».
Автореферат разослан «
?£>> 2011г.
Ученый секретарь диссертационного совета, доктор экономических наук, профессор
Философова Татьяна Георгиевна
1. Общая характеристика работы.
Актуальность темы исследования. Рядовые инвесторы могут принимать решения, частично опираясь на прогнозы аналитиков. Институциональные инвесторы учитывают внутренние прогнозы своих аналитических департаментов при управлении средствами клиентов. В то время как инвестиционные банки тратят значительные средства на содержание аналитических департаментов, актуальным является вопрос оценки качества их прогнозов.
Интерес к анализу прогнозов финансовых аналитиков со стороны научного сообщества выражается в виде большого количества исследований по данной тематике. Однако подавляющее количество исследований проведены на основе данных по рынкам США, Великобритании и другим развитым рынкам. Среди причин недостаточной изученности прогнозов финансовых аналитиков на российском рынке следует выделить труднодоступность исторических данных о прогнозах аналитиков, а также трудоемкость процесса их обработки.
В рамках анализа прогнозов финансовых аналитиков следует выделить два актуальных аспекта исследований. Во-первых, анализ точности прогнозов финансовых аналитиков может выявить, насколько точно аналитики прогнозируют динамику цен активов в терминах доходности. Во-вторых, анализ экономической ценности прогнозов аналитиков позволяет определить, какие монетарные выгоды получат потенциальные инвесторы, используя прогнозы аналитиков для формирования инвестиционного портфеля.
Следует отметить, что в научном сообществе не выработано единого подхода к анализу экономической ценности прогнозов аналитиков - авторы пользовались схожей методологией, ситуативное применение которой ставило перед исследователями ряд ограничений.
Методология исследований экономической ценности прогнозов заключалась в построении портфелей ценных бумаг на основе прогнозов аналитиков и анализе результатов управления этими портфелями. В области
анализа экономической ценности прогнозов аналитиков основным объектом исследования предыдущих работ являлись рекомендации аналитиков по совершению сделок с акциями («покупать», «держать», «продавать»).
Использование рекомендаций аналитиков, а не целевых цен, ведет к определенным ограничениям методологии анализа экономической ценности прогнозов аналитиков. В частности, в рамках данного подхода исследователи могут строить на основе информации от аналитиков лишь простейшие равновзвешенные портфели, которые формируются безотносительно критерия риск-доходность. Подобные портфели не учитывают несклонность инвесторов к риску и, таким образом, не могут использоваться для измерения экономической ценности прогнозов в рамках современной портфельной теории. Именно этот пробел в существующей литературе призвана заполнить данная диссертационная ¡работа, в которой проводится анализ прогнозов аналитиков со стороны инвестора, учитывающего как доходность, так и риск своих инвестиций.
Степень научной разработанности проблемы. Являясь неотъемлемой частью информационного пространства фондовых рынков, прогнозы финансовых аналитиков достаточно давно являются объектом научных исследований. Одними из первых работ по анализу прогнозов финансовых аналитиков являются работы Дживоли (1979, 1984), Брауна (1987, 1993) и Франсиса (1993), которые заключаются преимущественно в описании статистических свойств прогнозов аналитиков.
Наиболее известными работами в области анализа факторов, влияющих на прогнозы финансовых аналитиков, являются работы Бредшоу (2002), Превица (1994), Ланга (1996), Роджерса (1997), Хиали (1999), Боуэна (2002), Блока (1999), Фингера (2003), Демиракоса (2004), Джигадиша (2004), Бредшоу (2004), Джигадиша (2004) и Брава (2005). Изучение такого институционального аспекта области прогнозов аналитиков, как влияние информации от аналитиков
на функционирование фондового рынка, представлено в работах Вомака (1997), Брава (2003), Хонга (2003) и Дукаса (2005).
Основные работы в области анализа точности прогнозов аналитиков -Хопкинс (1996), Михаил (1997), Клемент (1999), Якоб (1999), Хопкинс (2000) и Херст (2004) - анализируют преимущественно агрегированные прогнозы аналитиков. В работах Стикела (1993), Синха (1997) и Брауна (2001) исследуется точность прогнозов отдельных аналитиков.
В области анализа экономической ценности прогнозов аналитиков следует выделить работы Элтона (1986), Вомака (1996), Барбера (2001), Бредшоу (2002), Брава (2003), Джигадшпа (2004), Дукаса (2005) и Федотовой (2006). Связь между анализом точности и экономической ценности прогнозов аналитиков выявлена в работе Ло (2006), где доказано, что наиболее точные прогнозы аналитиков являются также и наиболее экономически ценными.
Стандартным подходом к оценке экономической ценности прогнозов аналитиков является анализ доходности построенных на их основе портфелей. Следует, однако, отметить, что предыдущие исследователи строили равновзвешеНные портфели на основе рекомендаций аналитиков, не учитывая рисковые характеристики активов, и таким образом проводили оценку экономической ценности прогнозов без учета несклонности инвесторов риску. Объектом исследования являются целевые цены акций, которые
выставляются аналитиками фондового рынка. Предметом исследования
и
являются точность и экономическая ценность целевых цен акций.
Целью исследования является выявление различий в точности и экономической ценности целевых цен, выставленных различными аналитиками на российском фондовом рынке. Для достижения поставленной цели были сформулированы следующие задачи: 1) провести сравнительный анализ показателей точности прогнозов доходности и систематизировать эти показатели на показатели абсолютной и относительной точности;
2) осуществить сбор и обработку эмпирических данных о целевых ценах, выставленных аналитиками российском фондовом рынке, и провести их сравнение с целевыми ценами, выставленными аналитиками на развитых рынках;
3) оценить абсолютную и относительную точность целевых цен, выставленных аналитиками на российском фондовом рынке, провести сегментацию, прогнозов доходности на общерыночные и специфические составляющие и определить, какая из составляющих доминирует в ошибке общего прогноза доходности;
4) разработать методику оценки экономической ценности прогнозов аналитиков путем построения оптимального портфеля акций на основе целевых цен, выставленных аналитиками, с использованием метода «сглаживания» прогнозной доходности;
5) на основе предложенной методики формирования оптимального портфеля акций с учетом прогнозов аналитиков провести оценку экономической ценности целевых цен, выставленных финансовыми аналитиками на российском фондовом рынке.
Методология исследования. Теоретической основой исследования являются труды зарубежных авторов по анализу точности и экономической ценности прогнозов аналитиков. Методологическая база включает методы корреляционного и статистического анализа, в т.ч. элементы байесовской статистики.
В работе разработан метод анализа экономической ценности прогнозов аналитиков, который заключается в репликации поведения инвестора (путем построения оптимального с точки зрения баланса риска и доходности портфеля акций на основе целевых цен, выставленных аналитиками) и анализе финансового результата построенного портфеля.
Информационная база исследования включает в себя базу данных интернет-портала РБК (www.quote.rb.ru), содержащую набор целевых цен от
различных аналитиков по разным акциям за промежуток времени с 01.03.2006 по 01.07.2010; базу данных Московской межбанковской валютной биржи (ММВБ), содержащую рыночные цены акций; базу данных Банка России (ЦБ РФ) для загрузки информации о курсе доллара; базу данных Bloomberg, содержащую исторический ряд данных по доходности российских государственных облигаций. Кроме того, использовались отчеты компаний-эмитентов для определения количества акций в свободном обращении. Для проведения исследования использовались месячные данные.
Научная новизна. В диссертационной работе проверено научное исследование точности и экономической ценности прогнозов финансовых аналитиков на основе данных по российскому рынку. В области анализа экономической ценности прогнозов разработана и апробирована на реальных данных модель, позволяющая существенно расширить глубину проводимого анализа по сравнению с предыдущими исследованиями. К наиболее важным результатам, характеризующим научную новизну проведенного исследования, относятся следующие:
1) разработана методика построения оптимального с точки зрения баланса риска и доходности портфеля акций на основе целевых цен, выставленных аналитиками, которая позволяет реплицировать поведение несклонного к риску инвестора, формирующего портфель с учетом прогнозов аналитиков;
2) показана высокая степень неоднородности точности и экономической ценности прогнозов различных аналитиков на российском фондовом рынке;
3) выявлено, что крупные иностранные банки, которые преимущественно
<
используют традиционные модели оценки стоимости акций, давали наиболее точные и экономически ценные прогнозы на растущем рынке и в то же время давали наименее точные и экономически ценные прогнозы в условиях кризиса;
4) показано, что в целях портфельного инвестирования ценностью обладает относительный прогноз доходности акций относительно друг друга, а не абсолютные прогнозы доходности по отдельным акциям;
5) установлено, что использование для построения инвестиционного портфеля консенсус-прогноза, построенного на основе прогнозов всех аналитиков рынка, позволяет инвесторам получить доходность портфеля выше рыночной.
Теоретическая и практическая значимость работы. Теоретическая значимость работы заключается в разработке инструментария анализа экономической ценности прогнозов аналитиков, отличительной особенностью которого является возможность учитывать несклонность инвесторов к риску в рамках современной портфельной теории.
Практическая значимость работы заключается в том, что в перспективе методы, разработанные в данном исследовании, могут также применяться исследователями для анализа экономической ценности прогнозов из широкого круга источников. Представленные методы анализа различий в точности и экономической ценности прогнозов аналитиков могут быть использованы инвесторами для выбора инвестиционного банка, прогнозам которого следует доверять или которому инвестор доверит свои средства. Полученные результаты позволяют рекомендовать инвесторам полагаться на консенсус-прогноз рынка в целом, а также доверять прогнозам иностранных банков во время экономического подъема и избегать их рекомендаций во время экономического спада. Методы, описанные в данной работе, также могут быть использованы для составления рейтингов финансовых аналитиков.
Апробация результатов диссертации. Основные положения диссертации были доложены:
• на международных научных конференциях: 5-ая Международная студенческая конференция, Измир, Турция, апрель, 2009; 6-ая ежегодная межвузовская научная конференция "Финансовый
рынок России. Теория и практика", Москва, апрель, 2009; 1-ый Российский экономический конгресс, МГУ, Москва, декабрь, 2009; 7-ая Ежегодная межвузовская научная конференция "Финансовый рынок России. Теория и практика развития", МГИМО, Москва, апрель, 2010; научная конференция "Прогнозирование финансовых рынков", ГУ-ВШЭ, Москва, май, 2010; • на научно-исследовательских семинарах Научный семинар "Оптимизация портфеля" для студентов магистратуры, ГУ-ВШЭ, Москва, ноябрь, 2008; научный семинар "Анализ прогнозов аналитиков" для студентов магистратуры ГУ-ВШЭ, Москва, февраль, 2009, научный семинар "Анализ прогнозов финансовых аналитиков" для студентов НИУ ВШЭ, Москва, октябрь, 2011г.
Материалы диссертационной работы были использованы для разработки лекционных и семинарских занятий по курсу «Управление инвестиционным портфелем» в магистратуре НИУ ВШЭ в 2010-2011гг.
Публикации. По теме диссертации опубликованы 4 статьи общим объемом 1,95 п.л. (вклад автора: 1,95 пл.). Из них 2 публикации в журналах, рекомендованных ВАК Министерства образования и науки России, составляют 1,2 п.л. (авторский вклад: 1,2 пл.).
Структура работы отражает решение ключевых задач, поставленных перед научным исследованием. Диссертация состоит из введения, трех глав, заключения, библиографического списка, содержащего 69 наименований, и двух приложений. Основная часть работы изложена на 155 страницах, включает 8 таблиц и 7 рисунков.
2. Основные положения диссертации
Во введении обоснована актуальность темы диссертации, определены предмет и объект исследования, сформулирована его цель и поставлены соответствующие задачи, проанализирована методологическая и
информационная база, раскрыта научная новизна исследования, описаны теоретическая и практическая значимость полученных результатов.
В первой главе представлен детальный обзор области исследования прогнозов и рекомендаций финансовых аналитиков. Описаны концепции и различные виды прогнозов, а также важность и влияние прогнозов на функционирование фондового рынка. В данном разделе также приведена систематизация различных направлений исследований прогнозов аналитиков. Представлен обзор предыдущих исследований в основных областях, имеющих прямое отношение к данному диссертационному исследованию.
В области исследования прогнозов и рекомендаций аналитиков можно выделить два основных направления. Во-первых, анализ факторов, которые влияют на прогаозы и рекомендации аналитиков. В данном направлении исследований целью анализа являются (а) идентификация информации, которую аналитики используют для анализа, (б) определение методологии анализа, и (в) определение конкретных характеристик компаний, которые влияют на итоговые прогнозы и рекомендации аналитиков. Следует заранее отметить, что результаты подобных исследований сильно зависят от исследуемой базы данных и других факторов.
Второй областью анализа прогнозов финансовых аналитиков является анализ свойств информации, поступающей от аналитиков. У прогнозов и рекомендаций аналитиков существует два измерения: точность и экономическая ценность.
Анализ точности, как рекомендаций, так и целевых цен, является стандартной процедурой, для которой могут быть использованы соответствующие статистические показатели. Однако для анализа экономической ценности информации от аналитиков на данный момент не существует четких методик анализа. В данной области исследователями по сути лишь разработана общая парадигма анализа, которая заключается в репликации поведения репрезентативного инвестора, который совершает
операции с акциями на основе информации, полученной от аналитиков. Затем результаты построенного на основе информации от аналитиков портфеля сравниваются со стандартной пассивной стратегией.
В случае анализа экономической ценности рекомендаций аналитиков схема применения данной методологии очевидна, т.к. рекомендации аналитиков являются руководством к совершению той или иной операции с акциями. Однако в случае анализа экономической ценности целевых цен встает вопрос о выборе методики построения модельного портфеля, который бы отражал возможное поведение рационального репрезентативного инвестора. Очевидным выбором могла бы стать стандартная модель Марковица, однако ее применение приводит к крайне нереалистичной композиции результирующего оптимального портфеля, что делает невозможным ее применение для решения поставленной задачи.
Основной целью теоретической части данной работы является разработка и применение на практике нового метода, позволяющего использовать принципы классической портфельной теории для построения реалистичного оптимального портфеля на основе целевых цен, выставленных аналитиками.
Во второй главе представлены теоретические концепции анализа точности и экономической ценности целевых цен, выставленных финансовыми аналитиками.
В начале главы рассмотрена концепция абсолютной точности прогнозов, под которой понимается способность аналитиков давать абсолютные прогнозы доходности по различным акциям. Для количественного измерения абсолютной прогнозирующей способности использованы следующие показатели, широко применяемые в статистике и эконометрике.
Во-первых, среднее абсолютное отклонение (mean absolute deviation -MAD) - простой и интуитивный показатель, который характеризует линейное отклонение прогноза от истинного значения переменной. Во-вторых, среднеквадратичное отклонение (root mean squared error - RMSE). Данный
показатель ошибки прогноза является более эффективным, т.к. придает большее значение более сильным отклонениям прогноза от истинного значения переменной.
В-третьих, для измерения абсолютной прогнозирующей способности используется «вневыборочный R-квадрат» (out-of-sample R-square - Щ^). Данный показатель ошибки прогноза является крайне эффективным для оценки и сравнения между собой различных источников прогнозов. Показатель был впервые введен и апробирован на данных финансового рынка в работе Кэмпбелла (2005).
Далее представлена концепция относительной точности прогнозов, которая характеризует способность аналитиков ранжировать акции по будущей доходности - выбирать акции, которые продемонстрируют более высокую доходность, чем остальные. Основной проблемой измерения прогнозирующей способности аналитиков является сложность измерения способности аналитиков прогнозировать доходность акций безотносительно общерыночной конъюнктуры. Измерение относительной прогнозирующей способности аналитиков способно решить проблему сегментации прогноза на специфическую составляющую по конкретной акции и по рынку в целом.
Удобным численным методом измерения относительной прогнозирующей способности аналитиков является концепция "Информационного коэффициента" (Information coefficient - 1С). 1С измеряет относительную прогнозирующую способность конкретного аналитика на определенном промежутке времени.
По сути 1С является выборочным коэффициентом корреляции между двумя рядами данных: • набором прогнозируемых аналитиком к доходностей для акций 1,2,.. .,jV на
промежутке времени между t и t+1 :
А* (1)
• набором реализованных доходностей для акций 1,2,.на промежутке времени между / и г+1:
гг,=гг},гг?, ...,/тД (2)
Таким образом, расчет значения 1С можно представить в следующем виде:
7Са =согг(/г,у,гг, ) (3)
В работе представлена методика анализа экономической ценности целевых цен, выставленных финансовыми аналитиками. Разрабатываемый метод заключается в формировании оптимального с точки зрения баланса риска и доходности портфеля акций на основе прогнозов аналитиков и дальнейшем сравнении доходности данного портфеля с доходностью рыночного портфеля.
Стандартная методология, которая использовалась предыдущими исследователями, предполагает построение равновзвешенных портфелей на основе прогнозов аналитиков. Подобные портфели не могут являться достоверной репликацией поведения репрезентативного инвестора, так как в них не учитывается несклонность инвесторов к риску, которая уже со времени публикации работы Марковича (1952) является краеугольным камнем теории инвестиционного портфеля.
Анализ экономической ценности прогнозов аналитиков предлагается проводить на основе целевых цен1, что позволяет учесть несклонность инвесторов к риску и тем самым существенно расширить глубину проводимого анализа по сравнению с предыдущими исследованиями. Основным контраргументом против использования рекомендаций и основанием для выбора целевых цен в качестве объекта исследования является то, что целевые цены являются более информативными2.
В работе приведено детальное описание разработки модели построения оптимального портфеля акций на основе целевых цен, выставленных
1 а не рекомендаций аналитиков, как в предыдущих работах в данной области
2 в частности, только количественные значения целевых цен позволяют пользователям данной информации провести различия между прогнозными потенциальными доходностями различных акций, которые заложены в информации от аналшиков. В то же время, простая качественная рекомендация не позволяет провести различия между потенциальной доходностью акций, по которым выставлена одинаковая рекомендация
аналитиками. Очевидным на первый взгляд решением задачи построения оптимального портфеля на основе прогнозов аналитиков ; является использование прогнозируемой аналитиками доходности в стандартной модели Марковица. Однако современная портфельная теория подвержена избыточной чувствительности к входным данным, и, как следствие, предоставляет неправдоподобные веса некоторых активов в итоговых портфелях.
Прогнозная доходность, рассчитанная согласно прогнозам аналитиков, является достаточно экстремальной с точки зрения статистических свойств доходности акций. Портфели, построенные с помощью модели Марковича, оказываются крайне нереалистичными и не могут рассматриваться в качестве репликации поведения репрезентативного инвестора. Следовательно, необходимо разработать более гибкую и менее чувствительную модель построения оптимального портфеля на основе информации от финансовых аналитиков.
В работе представлено описание современной портфельной теории, которая была использована в качестве основы для разрабатываемой модели построения оптимального портфеля на основе целевых цен, выставленных аналитиками. Механизм действия разработанной модели заключается в совмещении двух оценок ожидаемой доходности - равновесной доходности и прогнозируемой аналитиками доходности. В результате совмещения этих источников информации получается новый модельный вектор ожидаемой доходности, который затем используется для решения задачи оптимизации портфеля.
Особое внимание уделено анализу основных свойств модели и характеристик начальных распределений ожидаемой доходности:
1. Равновесной доходности, которая определяется на основе принятия предпосылки о нахождении рынка в состоянии равновесия. Случайный вектор равновесной . доходности определяется нормальным распределением со следующими параметрами:
/„ -> Щж-Л),
(4)
где я-т - вектор равновесной доходности согласно модели САРМ;
ковариационная матрица равновесной доходности. Данное распределение отражает текущую рыночную ситуацию и ожидания рынка относительно будущей доходности акций. С точки зрения байесовской теории, для проводимого анализа данное распределения является «априорным».
2. Прогнозируемой ожидаемой доходности, которая определяется на основе целевых цен, выставленных аналитиками. Случайный вектор прогнозируемой ожидаемой доходности определяется нормальным распределением со следующими параметрами:
где Q \ лт - вектор ожидаемой доходности, которую прогнозируют аналитики;
^ыхм - ковариационная матрица прогнозируемой ожидаемой доходности. Данное распределение отражает прогнозы аналитиков относительно будущей доходности акций. Так как аналитики при прогнозировании учитывают и текущую рыночную ситуацию, и ожидания рынка, которые содержатся в априорном распределении, распределение прогнозной ожидаемой доходности является «условным».
Механизм модели заключается в смешении информации из этих двух источников, в результате чего получается новый «модельный вектор ожидаемой доходности», который определяется следующими параметрами:
где =[(й)"1+(П)-1]-1[(й:)"|я- + (£2)"1б] - модельный вектор
прогнозируемой ожидаемой доходности, построенный с учетом прогнозов аналитиков;
(5)
/м-^Шм-М.
(6)
=[(т2)-1+(П)"1]"1 - ковариационная матрица модельной ожидаемой
доходности.
Итоговое значение модельного вектора ожидаемой доходности является, по сути, средневзвешенным значением равновесной и прогнозной доходности по каждой акции. В качестве весов в данном случае выступают степени уверенности инвестора в каждом из значений — согласно Байесовской теории, они определяются обратными ковариационными матрицами соответствующих распределений. Итоговый модельный вектор доходности включает в себя информацию как о прогнозах аналитиков, так и о равновесной доходности отдельных акций.
Использование полученного модельного вектора ожидаемой доходности в задаче оптимизации портфеля позволяет получить на выходе новый оптимальный портфель, который будет построен с учетом информации от аналитиков, но при этом будет иметь адекватную композицию. Именно за счет «сглаживания» прогнозной доходности с помощью равновесной доходности, которая является значительно более стабильной, разработанная модель позволяет преодолеть основной недостаток стандартной модели Марковича и получить на выходе портфели с адекватной композицией.
Следует также отметить, что механизм разработанной модели работает таким образом, что в отсутствие условного распределения ожидаемой доходности, т.е. когда в качестве модельного вектора ожидаемой доходности выступает вектор равновесной доходности, на выходе из модели получается рыночный портфель.
На Рис. 1 представлена общая схема разработанной модели, в которой отдельно выделены параметры, аналитические формулы для расчета которых предложены в диссертационной работе3. В частности, в работе проводится
3 в работе Блэка (1992) был предложен общий подход к формированию оптимального портфеля (модель Елэка-Литгерыана) без указания аналитических выражений для расчета ключевых параметров модели; разработанная в работе модель содержит теоретическое обоснование и аналитические методы расчета ключевых параметров модели Блэка-Лиггермана для случая использования целевых цен.
Рисунок 1. Новые элементы модели построения оптимального портфеля акций на основе целевых цен аналитиков
MV—оптимизатор —wm
Í
Расчет модельного вектора оптимальных весов
Проведена калибровка значения Индекса Шарпа
\
Оценка модельного распределения ожидаемой доходности
Предложено конкретное значение параметра
/ \
Априорное и условное распределения доходности
Проведена калибровка зютевнх Индекса Шарпа
ТТргдшиэтгц аваанжпше фориули panera иищныт параметров условного распрсдеяення прогнозной доходности
.J - новые элементы моАсли
калибровка параметра риск-несклонности репрезентативного инвестора на основе данных по российскому рынку. Также в работе предложено конкретное значение параметра «сглаживания» прогноза4, выбор которого осуществляется на основе особенностей применения модели для анализа экономической ценности прогнозов аналитиков на российском рынке.
Разработанная модель предоставляет наглядный и интуитивно понятный подход к совмещению информации, содержащейся в двух источниках прогнозов будущей ожидаемой доходности. Представленная модель позволяет совместить информацию о равновесной доходности акций с прогнозами аналитиков, причем итоговая оценка сильнее смещена в сторону той
механизм модели предполагает «сглаживание» значения прогнозной доходности, полученного от аналатаков, с помощью равновесной доходности, которая определяется на основе модели САРМ
информации, в надежности которой инвестор имеет больше уверенности. Получившийся на выходе из модели вектор ожидаемой доходности может быть использован как входной параметр в задаче оптимизации портфеля. Разработанная модель может быть использована для анализа экономической ценности целевых цен, выставленных аналитиками фондового рынка.
В третьей главе проводится эмпирическое исследование точности и экономической ценности прогнозов финансовых аналитиков, представленных в виде целевых цен, на основе методов, описанных во второй главе диссертации. Представленное исследование является первым научным исследованием прогнозов аналитиков на российском рынке. Эмпирическая база состоит из целевых цен, выставленных 9 ведущими аналитиками по 6 наиболее ликвидным акциям на российском фондовом рынке.
Для проведения эмпирического исследования были использованы следующие данные. Для периода с 01.03.2006 по 01.07.2010 (52 месячных периода) были собраны данные о рыночных ценах акций, а также их целевые цены, выставленные различными аналитиками. Наряду со всем исследуемым периодом, также отдельно рассматривались два подпериода:
(1) период растущего рынка (01.03.2006 - 01.05.2008);
(2) кризисный период (01.05.2008 - 01.07.2010).
Для проведения исследования использовались данные по обыкновенным акциям следующих компаний: Газпром, Лукойл, Сбербанк России, ГМК Норильский никель, Сургутнефтегаз и Северсталь. В течение исследуемого периода аналитики обновляли свои прогнозы в среднем каждые 50 дней и выставляли прогнозы, которые в среднем подразумевали ожидаемую годовую доходность акций на уровне 39%.
Далее подробно описано проведенное в работе эмпирическое исследование целевых цен, выставленных аналитиками на российском фондовом рынке. Вначале приведен анализ точности прогнозов финансовых аналитиков. Стандартные показатели абсолютной прогнозирующей способности, а именно,
ИМБЕ, МАО и показатель вневыборочного 11-квадрата Д^, не способны выявить статистически значимые различия в прогнозирующей способности отдельных аналитиков. Кроме того, существуют определенные различия в прогнозируемости отдельных акций, причем мера прогнозируемости акций, построенная на основе показателя слабо коррелирует с волатильностью акций, т.е. содержит дополнительную информацию.
Провести различия между прогнозирующей способностью различных аналитиков позволяет показатель относительной прогнозирующей способности - 1С, который измеряет способность аналитика ранжировать акции по будущей доходности и измерять эту способность на отдельных временных интервалах.
Из проведенных расчетов можно заключить, что лучшие аналитики со временем меняются. Также можно сделать вывод о том, что на растущем рынке западные аналитики, которые предположительно больше опираются на строгие финансовые модели анализа, более успешно прогнозируют динамику цен акций. В то же время прогнозы западных аналитиков оказались менее точными на фоне финансового кризиса, когда наиболее точные прогнозы давали аналитики российской компании Метрополь.
Основой данного исследования является анализ экономической ценности прогнозов аналитиков, выраженных в виде целевых цен. Сначала в работе продемонстрирована обоснованность выбора равновесной доходности в качестве начального состояния модели построения портфеля на основе прогнозов аналитиков, а также продемонстрирована гибкость разработанной модели. Показано, что начальное состояние модели, выраженное вектором равновесной доходности, действительно является стабильной отправной точкой, которая значительно повышает качество результата использования модели. Также показано, что при выборе различных значений параметра «сглаживания» модели можно добиться крайне широкого диапазона итоговых значений вектора ожидаемой прогнозируемой доходности.
Дня анализа экономической ценности прогнозов финансовых аналитиков использовался следующий подход. В каждый из рассматриваемых периодов проводилась оптимизация портфеля на основе прогнозов от различных аналитиков, а также на основе двух видов консенсус-прогноза. Далее проводилось сравнение доходности управления различными полученными портфелями с доходностью рыночного портфеля.
На основе результатов анализа, представленных в Табл. 1, были сделаны следующие выводы о наличии (или отсутствии) экономической ценности соответствующих прогнозов.
Во-первых, было установлено, что консенсус-прогноз, построенный на основе прогнозов ограниченного числа аналитиков, обладал экономической ценностью на растущем рынке, однако показал низкие результаты по время финансового кризиса. Прогнозы ограниченного числа аналитиков позволяли инвесторам получить маржированные рыночные портфели, которые в целом лишь усиливали характеристики рыночного портфеля.
В то же время, экономической ценностью обладал консенсус-прогноз, построенный на основе прогнозов всех аналитиков на рынке. В частности, агрегированные прогнозы по всему рынку позволяли инвесторам выбирать акции с наибольшей доходностью в период восстановления рынка после финансового кризиса. Таким образом, следует заключить, что широта консенсус-прогноза имеет положительное влияние на его экономическую ценность прогноза.
Во-вторых, анализ прогнозов отдельных аналитиков на всем исследуемом периоде выявил устойчивую, т.е. значимую на обоих подпериодах, экономическую ценность только у прогнозов Альфа Банка. Следование прогнозам данного финансового института позволяло инвесторам по итогам всего исследуемого периода превысить доходность рынка на 170%.
Таблица 1. Накопленная доходность портфелей, построенных на основе прогнозов аналитиков (%)
Период
Источник прогнозов аналитиков Весь период 03.2006 - растущего рынка Кризисный период 05.2008
072010 03.2006 - - 07.2010
05.2008
Рыночный портфель 63,5 -29,5
Консенсус-прогноз (выборка5) -18,6 88,1 -56,6
Консенсус-прогноз (рынок6) 145,4 59,0 54,8
Альфа Банк 184,8 101,5 41,7
Тройка Диалог -65,9 38,4 -75,3
Открытие -36,4 1,0 -36,9
Citigroup -71,7 324,7 -93,3
UBS -57,3 976,3 -96
RMG Securities -79,4 18,5 -82,6
Метрополь 725,6 5,9 682,5
Велес Капитал 9,4 32,0 -17,0
Банк Москвы 13,2 38,2 -17,9
В-третьих, показано, что при анализе всего исследуемого периода основные различия в экономической ценности прогнозов проявляются во время восстановления рынка после финансового кризиса, когда прогнозы аналитиков компании Метрополь и Альфа Банка, а также консенсус-прогноз продемонстрировали максимальные значения экономической ценности.
. В-четвертых, анализ отдельных подпериодов позволил сделать следующие заключения. В докризисном периоде значительной экономической ценностью обладали прогнозы аналитиков Citigroup и IJBS. При этом инвестор, следовавший прогнозам этих банков в период кризиса, мог потерять значительную часть своего капитала и значительно отстать от рыночной
j Консенсус-прогноз, построенный на основе прогнозов аналитиков, представленных в данном исследовании
Консенсус-прогноз, построенный на основе прогнозов всех аналитиков рынка (в дополнение к отдельным аналитикам, прогнозы которых используются в данном исследовании)
доходности. В период кризиса максимальной экономической ценностью характеризовались прогнозы аналитиков компании Метрополь. Из этих результатов можно сделать вывод, что финансовые модели, на которые более склонны ориентироваться крупные западные банки, демонстрируют хорошие результаты на растущем рынке, однако показывают неудовлетворительные результаты в период кризиса.
В заключении приведены основные выводы и результаты, полученные в ходе диссертационного исследования, а также перечислены возможности практического применения полученных результатов. Рассмотрены ограничения данного исследования и приведены возможные направления дальнейшего анализа.
3. Основные результаты и выводы работы
В диссертационной работе в процессе исследования получены следующие выносимые на защиту научные результаты:
1) показано, что показатели абсолютной точности прогнозов не позволяют выявить различия в точности прогнозов различных аналитиков, так как большая часть ошибки прогноза приходится на общерыночные колебания, а не на ошибку прогнозирования специфической составляющей по каждой акции;
2) показано, что разработанная методика построения оптимального портфеля акций на основе прогнозов аналитиков полностью параметризована и является гибкой в применении;
3) установлено, что в течение всего исследуемого периода, экономической ценностью обладали (а) консенсус-прогноз, построенный на основе прогнозов всех аналитиков на рынке, и (б) прогнозы аналитиков крупного российского банка;
4) сделан вывод о том, что традиционные модели оценки справедливой стоимости акций дают точные и экономически ценные прогнозы в
условиях растущего рынка, однако показывают неудовлетворительные результаты в условиях кризиса;
5) выявлена эмпирическая положительная связь между относительной точностью и экономической ценностью прогнозов финансовых аналитиков.
Список публикаций по теме диссертации
Работы, опубликованные автором в журналах, рекомендованных ВАК Министерства образования и науки России:
1. Болотин Г.М. Анализ прогнозирующей способности финансовых аналитиков на российском фондовом рынке // Вестник чувашского университета - 2010г. - № 4 (объем - 0,6 п.л).
2. Болотин Г.М. Экономическая ценность прогнозов финансовых аналитиков на российском фондовом рынке // «Финансовый бизнес». Издательство Анкил. - 2011г. - № 5 (объем - 0,6 п.л).
Другие работы, опубликованные автором по теме кандидатской диссертации:
3. Болотин Г.М. Анализ прогнозирующей способности финансовых аналитиков // В кн.: Финансовый рынок России. Теория и практика развития. - М.: Издательский дом ГУ-ВШЭ. - 2009 (объем - 0,4 пл.).
4. Болотин Г.М. Агрегирование прогнозов финансовых аналитиков // В кн.: Финансовый рынок России. Теория и практика развития. - М.: Издательский дом ГУ-ВШЭ. - 2010 (объем - 0,35 п.л.).
Лицензия ЛР № 020832 от «15» октября 1993 г. Подписано в печать «^У » Квзфа 2011г. Формат 60x84/16 Бумага офсетная. Печать офсетная. Усл. печ. л. 1.
Тираж 100 экз. Заказ № 122 Типография издательства ГУ-ВШЭ, 125319, г. Москва, Кочновский пр-д., д. 3
Диссертация: содержание автор диссертационного исследования: кандидата экономических наук, Болотин, Григорий Михайлович
Список обозначений
Введение
1 Прогнозы и рекомендации финансовых аналитиков на фондовых рынках
1.1 Концепция прогнозов и рекомендаций финансовых аналитиков
1.2 Важность анализа прогнозов аналитиков и рейтинги финансовых аналитиков на российском фондовом рынке
1.3 Обзор исследований прогнозов и рекомендаций аналитиков
1.3.1 Факторы, влияющие на прогнозы финансовых аналитиков.
1.3.2 Влияние прогнозов и рекомендаций аналитиков на функционирование фондового рынка
1.3.3 Измерение точности и экономической ценности прогнозов аналитиков.
Диссертация: введение по экономике, на тему "Оценка достоверности и экономической ценности прогнозов аналитиков на российском фондовом рынке"
Исследование прогнозирующей способности финансовых аналитиков становится особенно актуальным на фоне присутствия на фондовых рынках большого числа высокооплачиваемых аналитиков, основной задачей которых является прогнозирование динамики цен акций. Поскольку на основе этих прогнозов инвестиционные компании и банки осуществляют управление активами, как своими, так и доверенными им клиентами, исследование прогнозирующей силы аналитиков может дать полезные сведения для оценки эффективности функционирования отдельных финансовых институтов и всей отрасли управления активами в целом.
В данной работе представлено всестороннее исследование прогнозов финансовых аналитиков. Наряду с обзором существующих и предложением новых методов оценки свойств прогнозов, проведено эмпирическое исследование прогнозов аналитиков на российском фондовом рынке за период с 2006 до 2010 годы.
Актуальность исследования. Рядовые инвесторы могут принимать решения, частично опираясь на прогнозы аналитиков. Институциональные инвесторы учитывают внутренние прогнозы своих аналитических департаментов при управлении средствами клиентов. В то время как инвестиционные банки тратят значительные средства на содержание аналитических департаментов, актуальным является вопрос оценки качества их прогнозов.
Интерес к анализу прогнозов финансовых аналитиков со стороны научного сообщества выражается в виде большого количества исследований по данной тематике. Однако подавляющее количество исследований проведены на основе данных по рынкам США, Великобритании и другим развитым рынкам. Среди причин недостаточной изученности прогнозов финансовых аналитиков на российском рынке следует выделить труднодоступность исторических данных о прогнозах аналитиков, а также трудоемкость процесса их обработки.
В рамках анализа прогнозов финансовых аналитиков следует выделить два актуальных аспекта исследований. Во-первых, анализ точности прогнозов финансовых аналитиков может выявить, насколько точно аналитики прогнозируют динамику цен активов в терминах доходности. Во-вторых, анализ экономической ценности прогнозов аналитиков позволяет определить, какие монетарные выгоды получат потенциальные инвесторы, используя прогнозы аналитиков для формирования инвестиционного портфеля.
Следует отметить, что в научном сообществе не выработано единого подхода к анализу экономической ценности прогнозов аналитиков - авторы пользовались схожей методологией, ситуативное применение которой ставило перед исследователями ряд ограничений.
Методология исследований экономической ценности прогнозов заключалась в построении портфелей ценных бумаг на основе прогнозов аналитиков и анализе результатов управления этими портфелями. В области анализа экономической ценности прогнозов аналитиков основным объектом исследования предыдущих работ являлись рекомендации аналитиков по совершению сделок с акциями („покупать", „держать", „продавать").
Использование рекомендаций аналитиков, а не целевых цен, ведет к определенным ограничениям методологии анализа экономической ценности прогнозов аналитиков. В частности, в рамках данного подхода исследователи могут строить на основе информации от аналитиков лишь простейшие равновзвешенные портфели, которые формируются безотносительно критерия риск-доходность. Подобные портфели не учитывают несклонность инвесторов к риску и, таким образом, не могут использоваться для измерения экономической ценности прогнозов в рамках современной портфельной теории. Именно этот пробел в существующей литературе призвана заполнить данная диссертационная работа, в которой проводится анализ прогнозов аналитиков со стороны инвестора, учитывающего как доходность, так и риск своих инвестиций.
Цель и задачи исследования. Целью исследования является выявление различий в точности и экономической ценности целевых цен, выставленных различными аналитиками на российском фондовом рынке. Для достижения поставленной цели были сформулированы следующие задачи:
1. провести сравнительный анализ показателей точности прогнозов доходности и систематизировать эти показатели на показатели абсолютной и относительной точности;
2. осуществить сбор и обработку эмпирических данных, на основании которых провести сравнение эмпирических свойств целевых цен, выставленных аналитиками на российском фондовом рынке, с целевыми ценами, выставленными на развитых рынках;
3. оценить абсолютную и относительную точность целевых цен, выставленных аналитиками на российском фондовом рынке, провести сегментацию прогнозов доходности на общерыночные и специфические составляющие и определить, какая из составляющих доминирует в ошибке общего прогноза доходности;
4. разработать методику оценки экономической ценности прогнозов аналитиков путем построения оптимального портфеля акций на основе целевых цен, выставленных аналитиками, с использованием метода "сглаживания" прогнозной доходности;
5. на основе предложенной методики формирования портфеля акций с учетом прогнозов аналитиков провести оценку экономической ценности целевых цен, выставленных финансовыми аналитиками на российском фондовом рынке.
Объект и предмет исследования.
Объектом исследования являются целевые цены акций, которые выставляются аналитиками фондового рынка. Предметом исследования являются точность и экономическая ценность целевых цен акций, выставленных финансовыми аналитиками.
Степень научной разработанности проблемы. Являясь неотъемлемой частью информационного пространства фондовых рынков, прогнозы финансовых аналитиков достаточно давно являются объектом научных исследований. Современная база научных работ по тематике данного диссертационного исследования достаточно широка и разнообразна.
Одними из первых работ по анализу прогнозов финансовых аналитиков являются работы Дживоли (1979, 1984), Брауна (1987, 1993) и Франсиса (1993), которые заключаются преимущественно в описании статистических свойств прогнозов аналитиков.
Наиболее известными работами в области анализа факторов, влияющих на прогнозы финансовых аналитиков, являются работы Бредшоу (2002), Превица (1994), Ланга (1996), Роджерса (1997), Хиали (1999), Боуэна (2002), Блока (1999), Фингера (2003), Демиракоса (2004), Джигадиша (2004), Бредшоу (2004), Джигадиша (2004) и Брава (2005). Изучение такого институционального аспекта прогнозов аналитиков, как влияние информации от аналитиков иа функционирование фондового рынка, представлено в работах Вомака (1997), Брава (2003), Хонга (2003) и Дукаса (2005).
Основные работы в области анализа точности прогнозов аналитиков - Хопкинс (1996), Михаил (1997), Клемент (1999), Якоб (1999), Хопкинс (2000) и Херст (2004) - анализируют преимущественно агрегированные прогнозы аналитиков. В работах Стикела (1993), Синха (1997) и Брауна (2001) исследуется точность прогнозов отдельных аналитиков.
В области анализа экономической ценности прогнозов аналитиков следует выделить работы Элтона (1986), Вомака (1996), Барбера (2001), Бредшоу (2002), Брава (2003), Джигадиша (2004), Дукаса (2005) и
Федотовой (2006). Связующим звеном между областями анализа точности и экономической ценности прогнозов аналитиков является работа Ло (2006), в которой автор показывает, что наиболее точные прогнозы аналитиков являются также и наиболее экономически ценными.
Стандартным подходом к оценке экономической ценности прогнозов аналитиков является анализ доходности построенных на их основе портфелей. Следует, однако, отметить, что предыдущие исследователи строили равновзвешенные портфели на основе рекомендаций аналитиков, не учитывая рисковые характеристики активов, и таким образом проводили оценку экономической ценности прогнозов без учета несклонности инвесторов риску.
Научная новизна. В диссертационной работе проведено научное исследование точности и экономической ценности прогнозов финансовых аналитиков на основе данных по российскому рынку. В области анализа экономической ценности прогнозов разработана и апробирована на реальных данных модель, позволяющая существенно расширить глубину проводимого анализа по сравнению с предыдущими исследованиями. К наиболее важным результатам, характеризующим научную новизну проведенного исследования, относятся следующие:
1. разработана методика построения оптимального с точки зрения баланса риска и доходности портфеля акций на основе целевых цен, выставленных аналитиками, которая позволяет реплицировать поведение несклонного к риску инвестора, формирующего портфель с учетом прогнозов аналитиков;
2. показана высокая степень неоднородности точности и экономической ценности прогнозов различных аналитиков на российском фондовом рынке;
3. выявлено, что крупные иностранные банки, которые преимущественно используют традиционные модели оценки стоимости акций, давали наиболее точные и экономически ценные прогнозы на растущем рынке и в то же время давали наименее точные и экономически ценные прогнозы в условиях кризиса;
4. показано, что в целях портфельного инвестирования ценностью обладает относительный прогноз доходности акций относительно друг друга, а не абсолютные прогнозы доходности по отдельным акциям;
5. установлено, что использование для построения инвестиционного портфеля консенсус-прогноза, построенного на основе прогнозов всех аналитиков рынка, позволяет инвесторам получить доходность портфеля выше рыночной.
Методология исследования. Теоретической основой исследования являются труды зарубежных авторов по анализу точности и экономической ценности прогнозов аналитиков. Методологическая база включает методы корреляционного и статистического анализа. В работе разработан метод анализа экономической ценности прогнозов аналитиков, который заключается в репликации поведения инвестора (путем построения оптимального портфеля акций на основе целевых цен аналитиков) и анализе финансового результата построенных портфелей.
Методологию диссертационного исследования следует разделить на две основные составляющие, каждая из которых соответствует одному из элементов предмета исследования:
1. Анализ точности целевых цен аналитиков на российском рынке:
- рассмотрение показателей абсолютной и относительной точности прогнозов и их практическое применение;
- тестирование рассмотренных показателей на российском рынке.
2. Анализ экономической ценности целевых цен аналитиков:
- разработка математической модели, позволяющей использовать целевые цены, выставленные аналитиками, для построения оптимального портфеля акций;
- репликация поведения инвестора, т.е. построение оптимального портфеля на основе целевых цен аналитиков; анализ финансового результата построенных оптимальных портфелей;
- заключение относительно наличия экономической ценности целевых цен, выставленных аналитиками и различия в экономической ценности прогнозов аналитиков;
- сравнение результатов анализа точности и экономической ценности целевых цен, выставленных аналитиками.
Основные положения, выносимые на защиту. В рамках диссертационной работы получены и обоснованы следующие научные результаты:
1. показано, что показатели абсолютной точности прогнозов не позволяют выявить различия в точности прогнозов различных аналитиков, так как большая часть ошибки прогноза приходится на общерыночные колебания, а не на ошибку прогнозирования специфической составляющей по каждой акции;
2. показано, что разработанная методика построения оптимального портфеля акций на основе прогнозов аналитиков полностью параметризована и является гибкой в применении;
3. установлено, что при анализе всего исследуемого периода экономической ценностью обладали (а) консенсус-прогноз, построенный на основе прогнозов всех аналитиков на рынке, и (б) прогнозы аналитиков крупного российского банка;
4. сделан вывод о том, что традиционные модели оценки справедливой стоимости акций дают точные и экономически ценные прогнозы в условиях растущего рынка, однако показывают неудовлетворительные результаты в условиях кризиса;
5. выявлена эмпирическая положительная связь между относительной точностью и экономической ценностью прогнозов финансовых аналитиков.
Область применения результатов исследования.
Теоретическая значимость работы заключается в разработке инструментария анализа экономической ценности прогнозов аналитиков, отличительной особенностью которого является возможность учитывать несклонность инвесторов к риску в рамках современной портфельной теории.
Практическая значимость работы заключается в том, что в перспективе методы, разработанные в данном исследовании, могут также применяться исследователями для анализа экономической ценности прогнозов из широкого круга источников. Представленные методы анализа различий в точности и экономической ценности прогнозов аналитиков могут быть использованы инвесторами для выбора инвестиционного банка, прогнозам которого следует доверять или которому инвестор доверит свои средства. Полученные результаты позволяют рекомендовать инвесторам полагаться на консенсус-прогноз рынка в целом, а также доверять прогнозам иностранных банков во время экономического подъема и избегать их рекомендаций во время экономического спада. Методы, описанные в данной работе, также могут быть использованы для составления рейтингов финансовых аналитиков.
Научные публикации и апробация результатов диссертации. Основные результаты диссертации, а также предварительных исследований автора, содержатся в следующих публикациях:
• Анализ экономической ценности прогнозов аналитиков //В кн.: Финансовый рынок России. Теория и практика развития. - М.: Издательский дом ГУ-ВШЭ, 2009г.
• Агрегирование прогнозов финансовых аналитиков // В кн.: Финансовый рынок России. Теория и практика развития. - М.: Издательский дом ГУ-ВШЭ, 2010г.
• Анализ прогнозирующей способности финансовых аналитиков на российском фондовом рынке // Вестник чувашского университета, № за 2010г.
• Экономическая ценность прогнозов финансовых аналитиков на российском фондовом рынке // "Финансовый бизнес", Издательство "Анкил", №5 за 2011г.
Кроме того, результаты работы были представлены на следующих научных конференциях и семинарах:
• Научный семинар "Оптимизация портфеля" для студентов магистратуры ГУ-ВШЭ, Москва, ноябрь, 2008г.
• Научный семинар "Анализ прогнозов аналитиков" для студентов магистратуры ГУ-ВШЭ, Москва, февраль, 2009г.
• 5-ая Международная студенческая конференция, Измир, Турция, апрель, 2009г.
• 6-ая Ежегодная конференция "Финансовый рынок России. Теория и практика", Москва, апрель, 2009г.
• 1-ый Российский экономический конгресс, МГУ, Москва, декабрь, 2009г.
• 7-ая Ежегодная межвузовская научная конференция "Финансовый рынок России. Теория и практика развития", МГИМО, Москва, апрель, 2010г.
• Научная конференция "Прогнозирование финансовых рынков" для студентов магистратуры ГУ-ВШЭ, Москва, май, 2010г.
• Научный семинар "Анализ прогнозов финансовых аналитиков" для студентов НИУ ВШЭ, Москва, октябрь, 2011г.
Структура работы. Диссертация состоит из введения, трех глав и заключения, содержит список использованных обозначений, таблицы, пояснительные схемы, графики, а также библиографию. Структура данной работы следующая.
Диссертация: заключение по теме "Финансы, денежное обращение и кредит", Болотин, Григорий Михайлович
Схожие выводы можно сделать на основе показателя MAD. Для ряда средних ошибок отдельных аналитиков коэффициент вариации составляет всего 1%, в то время как разница между максимальным и минимальным значениями - не более 2%. Таким образом, использование показателя MAD для измерения точности прогнозов также не позволяет выявить различия в точности прогнозов отдельных аналитиков.
Результат, свидетельствующий об отсутствии различий в точности прогнозов среди аналитиков, является следствием того, что абсолютный прогноз доходности акций предполагает также определенный, встроенный в него, прогноз общерыночных движений. Ошибка прогнозных доходностей акций, которая измеряется с помощью показателей RMSE и MAD, включает в себя и ошибку прогнозирования рынка в целом.
Рассмотрим данное утверждение в аналитическом виде. Для этого представим общий прогноз доходности по акции /г" в виде суммы прогноза доходности рынка в целом (frmf) и доходности акции относительно рынка гй™). Аналогичным образом разобьем и реализованную доходность: = /т" + frsr} г г™ — ггт" + ггв".
Далее представим ошибку прогноза по акции в следующем виде: /г™ — гг" — (/гт" + /гв") — {ггт™ + ггя") = (/гт" — ггш") + (/г 5™ — 7Т5™).
Выражение в первых скобках представляет собой ошибку прогноза рыночной доходности, а выражение во вторых скобках - ошибку прогноза движения акции относительно рынка. Таким образом, общая ошибка прогноза действительно может быть разбита на две составляющие: (1) ошибку прогноза движения рынка и (2) ошибку прогнозу движения акции относительно рынка. Причем колебания рынка, как правило, значительно превышают возможные расхождения в доходностях отдельных акций относительно рынка, в результате чего показатели, измеряющие абсолютную точность прогнозов, крайне чувствительны к общерыночным колебаниям и не способны отделить их от специфической составляющей прогноза по каждой акции.
Возвращаясь к предыдущим исследованиям в данной области, обратимся к результатам, полученным в работе Ланга (1996) [48], описанным в Разделе 1.3.1. Автор выявляет, что большая часть ошибки прогноза доходности акции идет от общерыночной части прогноза, а не от специфической части, которая относится к характеристикам конкретной акции. Таким образом, результат, полученный в рамках настоящего исследования, подкрепляет результат более раннего исследования, проведенного на американском рынке.
Перейдем к анализу показателя R2os, который не так давно получил распространение в финансовой сфере. Результаты, представленные в Табл. В.З, свидетельствуют о наличии определенных, хотя и незначительных, различий в средней точности прогнозов различных аналитиков. Отметим, что аналитики Citigroup и UBS выглядят хуже остальных источников прогнозов, в то время как лучшим следует признать консенсус-прогноз на основе прогнозов всех аналитиков на рынке.
Мы можем заключить, что использование стандартных показателей абсолютной точности прогнозов не позволяет выявить различия в прогнозирующей способности аналитиков, т.к. ошибка прогноза в большей степени зависит от общеэкономических колебаний.
Стоит, однако, обратить внимание на значения, представленные в последних строках Табл. В.1 и В.2, которые характеризуют средние значения ошибок по каждой из акций в отдельности. Каждое значение рассчитывается как средняя ошибка прогнозов по данной акции из всех источников. Дескриптивный анализ этих данных представлен в Табл. 3.3. Очевидно, что данный показатель в значительной степени различается для отдельных акций: коэффициент вариации для наборов средних ошибок по различным акциям, рассчитанный на основе показателей RMSE и MAD, составляет 23% и 17%, соответственно. Максимальное значение средней ошибки прогнозов rio конкретной акции превышает минимальное на 86% для случая RMSE и на 54% в случае использования показателя MAD.
Заключение
В рамках данной диссертационной работы было проведено исследование целевых цен, выставленных аналитиками фондового рынка. Прогнозы и рекомендации финансовых аналитиков оказывают значительное влияние на поведение инвесторов, которые используют полученную от аналитиков информацию как аналитический инструмент принятия инвестиционных решений. Таким образом, анализ прогнозов аналитиков может быть полезен как с точки зрения эффективности функционирования рынка в целом, так и с точки зрения их потенциальной выгоды для инвесторов.
В рамках диссертационного исследования проведено эмпирическое исследование точности, а также экономической ценности прогнозов аналитиков. Первый аспект подразумевает ответ на вопрос, насколько точно аналитики могут прогнозировать динамику цен акций в терминах доходности. Разработка второго аспекта предполагает определение того, какую экономическую ценность несут в себе сами прогнозы, т.е. какие экономические (монетарные) выгоды потенциальные инвесторы могут получить, используя прогнозы аналитиков для формирования и управления своими портфелями.
Для проведения эмпирического исследования были использованы целевые цены, выставленные 9 ведущими российскими и зарубежными инвестиционными компаниями и банками по 6 акциям на российском фондовом рынке в период с 01.03.2006 по 01.07.2010. Кроме того, были отдельно рассмотрены два подпериода: период растущего рынка (01.03.2006 - 01.05.2008) и кризисный период (01.05.2008 - 01.07.2010).
Анализ абсолютной точности прогнозов аналитиков выявил, что подавляющая часть ошибки прогноза приходится на общерыночные колебания, а не на ошибку прогнозирования отдельных акций. Как следствие, показатели, измеряющие абсолютную прогнозирующую способность, не позволяют выявить различия в прогнозирующей способности отдельных аналитиков. В то же время применение показателей абсолютной прогнозирующей способности позволяет выявить значительные различия в прогнозируемости отдельных акций.
Анализ относительной точности прогнозов выявил ведущих аналитиков в различные периоды экономического цикла. На растущем рынке ведущими аналитиками являются крупные зарубежные финансовые институты, в то время как в кризисный период на ведущие позиции в рейтинге аналитиков выходят российские игроки. Данный факт можно объяснить тем, что западные аналитики больше полагаются на строгие финансовые модели оценки акций9, в то время как российские компании преимущественно используют знание особенностей отечественного рынка. Кроме того, некоторые российские аналитики потенциально обладают большим количеством инсайдерской информации, которая может выступать сильным инструментом прогнозирования в период кризиса.
Основная часть данной работы посвящена исследованию
9 такие как модель дисконтированных денежных потоков или модели на основе мультипликаторов экономической ценности прогнозов аналитиков. В рамках исследования разработан математический аппарат, необходимый для использования целевых цен аналитиков в качестве входных данных в модель формирования оптимального портфеля. Предложенная модель использовалась для количественного анализа наличия экономической ценности прогнозов аналитиков.
Научная новизна данной работы заключается в том, что разработанная модель построения портфеля акций на основе прогнозов аналитиков позволяет учитывать рисковые характеристики отдельных акций. Это является значительным продвижением вперед относительно предыдущих исследований, авторы которых формировали простые равновзвешенные портфели акций на основе информации от аналитиков.
Эмпирический анализ экономической ценности прогнозов аналитиков па российском рынке продемонстрировал, что только прогнозы Альфа Банка обладали экономической ценностью на всем исследуемом интервале. Также положительной экономической ценностью характеризовался консеисус-ирогиоз, построенный на основе всех аналитиков рынка. Кроме того, было установлено, что ведущими аналитиками на растущем рынке являлись крупные зарубежные финансовые институты, в частности Citigroup и UBS, в то время как в период резкого падения и постепенного восстановления рынка на ведущую позицию в рейтинге аналитиков вышла компания Метрополь. Вместе с тем, прогнозы аналитиков Citigroup и UBS во время кризиса показали неудовлетворительные результаты.
Важным выводом, который следует сделать из полученных результатов, является существование ярко выраженной прямой зависимости между точностью и экономической ценностью прогнозов аналитиков. Как отмечено в работе Рамната (2008) [59], "если точность прогнозов и экономическая ценность действительно связаны друг с другом, инвестор имеет возможность получить выгоду от использования прогнозов и рекомендаций аналитиков" ([59], стр.42).
В рамках проведенного исследования также выявлено, что список ведущих аналитиков кардинально меняется со временем. Это подтверждает результаты, полученные в работах Элтона (1986) [31] и Федотовой (2006) [33].
Рассмотрим несколько возможностей практического применения результатов данного диссертационного исследования. Во-первых, разработанная в работе методология анализа прогнозов аналитиков представляет собой основу для составления рейтинга финансовых аналитиков. Можно утверждать, что данный метод составления рейтинга будет значительно более прозрачным и объективным, чем существующие на сегодняшний день методики.
Во-вторых, разработанная в рамках данного исследования модель может быть использована для решения прикладных задач инвестирования как частными, так и институциональными инвесторами. Кроме того, модель может быть легко модифицирована для использования прогнозов из широкого круга источников.
Полученные в рамках данного исследования результаты, безусловно, имеют некоторые ограничения. Во-первых, широта собранной базы данных целевых цен накладывает определенные рамки на возможности обобщения результатов исследования. Несмотря на то, что анализ проводился на полном экономическом цикле и на основе прогнозов широкого круга инвесторов по наиболее ликвидным акциям, существует вероятность того, что при изменении любой из размерностей базы данных, результаты несколько изменятся. Отметим, что данное ограничение вытекает из общей неразвитости инфраструктуры российского фондового рынка и является следствием ограниченности доступных данных.
Во-вторых, следует учитывать, что результаты исследования подвержены модельному риску. Этот риск выражается в том, что результаты могут (но не обязательно будут) зависеть от методологии исследования, в частности от показателей расчета прогнозирующей способности и модели определения экономической ценности прогнозов. Следует, однако, отметить, что используемые в модели показатели расчета точности прогнозов являются стандартными в литературе по данной тематике, а разработанная модель анализа экономической ценности прогнозов находится в рамках парадигмы современной теории финансов.
В заключение следует определить несколько направлений дальнейших исследований. Во-первых, может быть проведен более глубокий анализ точности прогнозов отдельных аналитиков. Например, в рамках анализа факторов прогнозирующей силы может быть построена модель, позволяющая предсказывать будущую динамику точности прогнозов аналитиков. С учетом положительной связи точности и экономической ценности прогнозов аналитиков подобная стратегия может быть потенциально выгодной для инвесторов.
Во-вторых, разработанная в настоящем диссертационном исследовании модель построения оптимальных портфелей на основе прогнозов аналитиков может быть адаптирована для использования в качестве входных данных других источников прогнозов. Предложенную модель можно использовать для тестирования экономической силы различного рода прогнозов, например, прогнозов, полученных на основе эконометрических моделей или сигналов, сгенерированных различными индикаторами технического анализа.
Диссертация: библиография по экономике, кандидата экономических наук, Болотин, Григорий Михайлович, Москва
1. Н. Берзон. Зависимость риска и доходности активов от временного горизонта инвестирования. Кафедра фондового рынка и рынка инвестиций ГУ-ВШЭ, с. 1—13, 2010.
2. Официальные курсы валют, Банк России, http://cbr.ru/currencybase/dynamics.aspx.
3. Прогнозы цен акций. Портал quote.ru, http://quote.rbc.ru/research/consensus/.
4. Лучшие портфельные управляющие (РБК.Рейтинг), http://rating.rbc.ru/category.shtml?method/31306573.
5. Прогнозы аналитиков, http://www.fxcompany.ru/analytics/glossary/otvet31 .php.
6. Institutional invests annual all-Russia research team, http://www.iimagazinerankings.com/russia/Methodology.asp.
7. Компания Медиология. Система мониторинга и анализа СМИ, http://www.mlg.ru/.
8. В. Barber, R. Lehavy, М. McNichols, and В. Trueman. Can investors profit from the prophets? Security analyst recommendations and stock returns. Journal of Finance, 56(2):531-563, 04 2001.
9. T. Bayes. An essay towards solving a problem in the doctrine of chances. Philosophical Transactions of the Royal Society of London, 53:370-418, 1763.
10. A. Bevan and K. Winkelmann. Using the black-litterman global asset allocation model: Three years of practical experience. Fixed Income Research, Goldman Sachs & Co, wwww.hss.caltech.edu/media/from-carthage/filer/263.pdf, 1998.
11. F. Black. Capital market equilibrium with restricted borrowing. Journal of Business, 45:444-455, 1972.
12. F. Black and R. Litterman. Asset allocation: combining investor's views with market equilibrium. Fixed Income Research, Goldman Sachs, 1990.
13. F. Black and R. Litterman. Global portfolio optimization. Financial Analysts Journal, 9:28-43, 1992.
14. S. Block. A study of financial analysts: Practice and theory. Financial Analysts Journal, 55:86-95, 1999.
15. R. Bowen, A. Davis, and D. Matsumoto. Do conference calls affect analysts' forecasts? The Accounting Review, 77:285-316, 2002.
16. G. Box and G. Tiao. Bayesian Inference in Statistical Analysis (Wiley Classics Library). Wiley-Interscience, April 1992.
17. M. Bradshaw. The use of target prices to justify sell-side analysts' stock recommendations. Accounting Horizons, 16:27-40, 2002.
18. M. Bradshaw. How do analysts use their earnings forecasts in generating stock recommendations? The Accounting Review, Vol. 79, No. 1:25-50, 2004.
19. A. Brav and R. Lehavy. An empirical analysis of analysts' target prices: Short-term informativeness and long-term dynamics. Journal of Finance, 58(5):1933-1968, October 2003.
20. A. Brav, R. Lehavy, and R. Michaely. Using expectations to test asset pricing models. Financial Management, 34(3), Fall 2005.
21. L. Brown. Earnings forecasting research: its implications for capital markets research. International Journal of Forecasting, 9:295-320, 1993.
22. L. Brown. How important is past analyst forecast accuracy? Financial Analysts Journal, 57:44-49, 2001.
23. L. Brown, G. Richardson, and S. Schwager. An information interpretation of financial analyst superiority in forecasting earnings. Journal of Accounting Research, 25:49-67, 1987.
24. J. Campbell and S. Thompson. Predicting the equity premium out of sample: Can anything beat the historical average? Harvard Institute of Economic Research, Discussion Paper, 2084:1-30, 2005.
25. M. Clement. Analyst forecast accuracy: do ability, resources, and portfolio complexity matter? Journal of Accounting and Economics, 27:285-303, 1999.
26. T. Crichfield, T. Dyckman, and J. Lakonishok. An evaluation of security analysts' forecasts. Accounting Review, 53:793-80, 1978.
27. P. Dechow, A. Hutton, and R. Sloan. The relation between analysts' forecasts of long-term earnings growth and stock price performance following equity offerings. Contemporary Accounting Research, 17:1-32, 2000.
28. G. Demirakos, N. Strong, and M. Walke. What valuation models do analysts use? Accounting Horizons, 18:221-240, 2004.
29. E. Dimson and P. Marsh. An analysis of brokers' and analysts' unpublished forecasts of uk stock returns. The Journal of Finance, Vol. 39, No. 5:1257-1292, 1984.
30. J. Doukas, F. Kim, and C. Pantzalis. The two faces of analyst coverage. Financial Management, 34(2), Summer 2005.
31. E. Elton, M. Gruber, and S. Grossman. Discrete expectational data and portfolio performance. The Journal of Finance, 41(3):699-713, 1986.
32. E. Fama and K. French. The cross-section of expected stock returns. Journal of Finance, 47:427-465, 1992.
33. A. Fedotova. Equity recommendations of financial analysts: Quality and optimal aggregation. Working Paper, August 2006.
34. R. Fisher. On the Mathematical Foundations of theoretical Statistics. Phil. Trans. A., 1922.
35. J. Francis and D. Philbrick. Analysts' decisions as products of a multi-task environment. Journal of Accounting Research, 31:216-230, 1993.
36. D. Givoly and J. Lakonishok. The information content of financial analysts' forecasts of earnings. Journal of Accounting and Economics, 1:165-185, 1979.
37. D. Givoly and J. Lakonishok. Properties of analysts' forecasts of earnings: A review and analysis of the research. Journal of Accounting Literature, 3:117152, 1984.
38. G. He and R. Litterman. The intuition behind black-litterman model portfolios.
39. Goldman Sachs Investment Management Series, Fixed Income Research, 12, 1999.
40. P. Healy, A. Hutton, and K. Palcpu. Stock performance and intermediation changes surrounding sustained increases in disclosure. Contemporary Accounting Research, 16:485-520, 1999.
41. E. Hirst, P. Hopkins, and J. Wahlen. Fair values, income measurement, and bank analysts' risk and valuation judgments. The Accounting Review, 79:454473, 2004.
42. H. Hong and J. Kubik. Analyzing the analysts: Career concerns and biased earnings forecasts. Journal of Finance, 58(1):313-351, 02 2003.
43. P. Hopkins. The effect of financial statement classification of hybrid financial instruments on financial analysts' stock price judgments. Journal of Accounting Research, 34:33-50, 1996.
44. P. Hopkins, R. Houston, and M. Peters. Purchase, pooling, and equity analysts' valuation judgments. Accounting Review, 75:257-281, 2000.
45. I/B/E/S. Institutional brokers' estimate system, thomson reuters, http: / / thomsonreuters.com / productsservices / financial / financialproducts / a-z/ibes/.
46. T. Idzorek. A step-by-step guide to the black-litterman model. Working paper, 2005.
47. J. Jacob, T. Lys, and M. Neale. Expertise in forecasting performance of security analysts. Journal of Accounting and Economics, 28:51-82, 1999.
48. N. Jegadeesh, J. Kim, S. D. Krische, and C. M. C. Lee. Analyzing the analysts: When do recommendations add value? The Journal of Finance, 59(3): 10831124, 2004.
49. M. Lang and R. Lundholrn. Corporate disclosure policy and analyst behavior. The Accounting Review, 71:467-492, 1996.
50. D. Litterman. Modern investment management: an equilibrium approach. John Wiley, 2003.
51. R. Loh and G. Mujtaba. Do accurate earnings forecasts facilitate superior investment recommendations? Journal of Financial Economics, 80:455-483, 2006.
52. L. Maines, L. McDaniel, and M. Harris. Implications of proposed segment reporting standards for financial analysts' investment judgments. Journal of Accounting Research, 35:1-24, 1997.
53. C. Mankert. The black-litterman model mathematical and behavioral finance approaches towards its use in practice. Royal Institute of Technology, Sweden, pages 1-111, 2006.
54. H. Markowitz. Portfolio selection. The Journal of Finance, 7(1):77-91, 1952.
55. L. Martellini and V. Ziemann. Extending black-litterman analysis beyond the mean-variance framework: an application to hedge fund style active allocation decisions. EDHEC Risk and Asset Management Research Centre, 2007.
56. A. Mcucci. Beyond black-litterman in practice: A five-step recipe to input views on non-normal markets. Working Paper Series, 6, 2006.
57. M. Mikhail, B. Walther, and R. Willis. Do security analysts improve their performance with experience? Journal of Accounting Research, 35:131-157, 1997.
58. N. Poison and B. Tew. Bayesian portfolio selection: an empirical analysis of the s&p500 from 1970 to 1996. Journal of Business and Economic Statistics, 18:164-173, 2000.
59. G. Previts, J. Bricker, T. Robinson, and S. Young. A content analysis of sellside financial analyst company reports. Accounting Horizons, 6:55-70, 1994.
60. S. Ramnath, S. Rock, and P. Shane. The financial analyst forecasting literature: a taxonomy with suggestions for further research. International Journal of Forecasting, 24(l):34-75, 2008.
61. R. Rogers and J. Grant. Content analysis of information cited in reports of sell-side financial analysts. Journal of Financial Statement Analysis, 3:17-30, 1997.
62. S. Satchell and A. Scowcroft. A démystification of the black-litterman model: managing quantitative and traditional portfolio construction. Journal of Asset Management, 1:138-150, 2000.
63. K. Schipper. Analysts' forecasts. Accounting Horizons, 5:105-131, 1991.
64. W. Sharpe. A simplified model for portfolio analysis. Management Science, 9:277-93, 1963.
65. W. Sharpe. Capital asset prices a theory of market equilibrium under conditions of risk. Journal of Finance, XIX (3):425-42, 1964.
66. W. Sharpe. Mutual fund performance. Journal of Business, 39:119-138, 1966.
67. P. Sinha, L. Brown, and S. Das. A re-examination of financial analysts' differential earnings forecast accuracy. Contemporary Accounting Research, 14:1-42, 1997.
68. S. Stickel. Accuracy improvements from a consensus of updated individual analyst earnings forecasts. International Journal of Forecasting, 9:345-353, 1993.
69. J. Tobin. A general equilibrium approach to monetary theory. Journal of Money Credit and Banking, 1:15-29, 1969.
70. L. Womack. Do brokerage analysts' recommendations have investment value? Journal of Finance, 51(l):137-67, March 1996.1. Список иллюстраций
71. Динамика изменений рыночной цены акций и целевой цены (выставленной аналитиками UBS) по акциям LKOH (долл. США). 25
72. Среда анализа прогнозов аналитиков. 32
73. Структура модели построения портфеля акций на основе прогнозов аналитиков. 84
74. Новые элементы модели построения портфеля акций на основе прогнозов аналитиков. 110
75. Различные виды доходности акций GAZP.132
76. Чувствительность вектора апостериорной ожидаемой доходности к параметру т.134
77. Чувствительность вектора оптимальных весов к параметру г 136
78. А.1 Различные виды доходности акций LKOH.172
79. А.2 Различные виды доходности акций SBER.172
80. А.З Различные виды доходности акций GMKN.173
81. А.4 Различные виды доходности акций CHMF .173
82. А.5 Различные виды доходности акций SNGS.174
83. А.6 Чувствительность веса безрискового актива в оптимальномпортфеле к параметру г.174
84. А.7 Анализ применимости предложенной модели для решенияпоставленных перед исследованием задач.175
85. А.8 Динамика стоимости портфелей, построенных на основеразличных прогнозов (весь период) .175
86. А.9 Динамика стоимости портфелей, построенных на основеразличных прогнозов (докризисный период).176
87. А.10 Динамика стоимости портфелей, построенных на основеразличных прогнозов (кризисный период).176