При определении среднеквадратического или стандартного отклонения доходности портфеля возникает проблема, связанная с тем, что портфель состоит из двух и более активов (например, акций), каждый из которых имеет свое стандартное отклонение доходности. При этом каждый из активов вносит свой компонент риска в соответствии со своим удельным весом. Расчет общего риска как средневзвешенного по всем компонентам является в корне неправильным подходом. Это связано с тем, что существует определенная взаимосвязь между доходностью активов, которая может быть как прямой, так и обратной.
Формула
В общем виде формулу расчета стандартного отклонения портфеля, состоящего из N активов, можно представить в следующем виде:
где N – количество активов (ценных бумаг), входящих в портфель;
где: r i = фактическая норма прибыли r ave = средняя норма прибыли n = количество периодов времени
Как это работает (пример):
Предположим, что вы инвестируете в акции компании XYZ, которая вернула в среднем 10% в год за последние 10 года. Насколько рискован этот запас по сравнению, например, с акциями компании ABC? Чтобы ответить на этот вопрос, давайте сначала рассмотрим результаты года за годом, которые составляют это среднее значение:
. Вначале мы видим, что средняя доходность обоих акций за последние 10 лет составляла 10%. Но давайте посмотрим по-другому на то, как близкие доходы XYZ в любом конкретном году были в среднем на 10%:
Как вы можете видеть, компания ABC также усреднила доход 10% за 10 лет, но сделала это с гораздо меньшей дисперсией чем компания XYZ. Его доходность более тесно сгруппирована примерно в среднем на 10%. Таким образом, можно сказать, что компания XYZ более волатильна, чем акции компании ABC. Стандартное отклонение стремится измерить эту волатильность, вычисляя, как «далеко» доходность, как правило, со среднего по времени.
Например, давайте рассчитаем стандартное отклонение для акций компании XYZ. Используя приведенную выше формулу, мы сначала вычтем фактический доход за год от среднего возврата, затем сравним эти различия (т. Е. Умножим каждую разницу отдельно):
Среднее абсолютное отклонение позволяет решить проблему, заключающуюся в том, что сумма отклонений от среднего равна нулю. Для этого при расчете среднего используется абсолютное значение отклонений.
Второй подход к расчету отклонений состоит в их возведении в квадрат.
Дисперсия и стандартное отклонение, основанные на квадрате отклонений, являются двумя наиболее широко используемыми мерами дисперсии:
Далее обсуждается расчет и использования дисперсии и стандартного отклонения.
Дисперсия генеральной совокупности.
Если нам известен каждый элемент генеральной совокупности, мы можем вычислить дисперсию генеральной совокупности или просто дисперсию (англ. ‘population variance’).
Она обозначается символом \(\sigma^2\)[сигма] и представляет собой среднее арифметическое квадратов отклонений от среднего значения.
Формула дисперсии генеральной совокупности.
Зная среднее значение μ, мы можем использовать Формулу 11 для вычисления суммы квадратов отклонений от среднего с учетом всех \(N\) элементов в генеральной совокупности, а затем для определения среднего квадратов отклонений путем деления этой суммы на \(N\).
Независимо от того, является ли отклонение от среднего положительным или отрицательным, возведение в квадрат этой разности дает положительное число.
Таким образом, дисперсия решает проблему отрицательных отклонений от среднего значения, устраняя их посредством операции возведения в квадрат этих отклонений.
Рассмотрим пример.
Прибыль в процентах от выручки для оптовых клубов BJ’s Wholesale Club, Costco и Walmart за 2012 год составляла 0.9%, 1.6% и 3.5% соответственно. Мы рассчитали среднюю прибыль в процентах от выручки как 2.0%.
Следовательно, дисперсия прибыли в процентах от выручки составляет:
Стандартное отклонение генеральной совокупности.
Поскольку дисперсия измеряется в квадратах, нам нужен способ вернуться к исходным единицам. Мы можем решить эту проблему, используя стандартное отклонение, т.е. квадратный корень из дисперсии.
Стандартное отклонение легче интерпретировать, чем дисперсию, поскольку стандартное отклонение выражается в той же единице измерения, что и наблюдения.
Формула стандартного отклонения генеральной совокупности.
Стандартное отклонение генеральной совокупности (или просто стандартное отклонение, а также среднеквадратическое отклонение, от англ. ‘population standard deviation’), определяемое как положительный квадратный корень из дисперсии генеральной совокупности, составляет:
Как дисперсия, так и стандартное отклонение являются примерами параметров распределения. В последующих чтениях мы введем понятие дисперсии и стандартного отклонения как меры риска.
Занимаясь инвестициями, мы часто не знаем среднего значения интересующей совокупности, обычно потому, что мы не можем практически идентифицировать или провести измерения для каждого элемента генеральной совокупности.
Поэтому мы рассчитываем среднее значение по генеральной совокупности и среднее выборки, взятой из совокупности, и вычисляем выборочную дисперсию или стандартное отклонение выборки, используя формулы, немного отличающиеся от Формул 11 и 12.
Мы обсудим эти вычисления далее.
Однако в инвестициях у нас иногда есть определенная группа, которую мы можем считать генеральной совокупностью. Для четко определенных групп наблюдений мы используем Формулы 11 и 12, как в следующем примере.
Пример расчета стандартного отклонения для генеральной совокупности.
В Таблице 20 представлен годовой оборот портфеля из 12 фондов акций США, которые вошли в список Forbes Magazine Honor Roll 2013 года.
Журнал Forbes ежегодно выбирает американские взаимные фонды, отвечающие определенным критериям для своего почетного списка Honor Roll.
Оборачиваемость или оборот портфеля, показатель торговой активности, является меньшим значением из стоимости продаж или покупок за год, деленным на среднюю чистую стоимость активов за год. Количество и состав списка Forbes Honor Roll меняются из года в год.
Таблица 20. Оборот портфеля: взаимные фонды Forbes Honor Roll за 2013 год.
Годовой оборот портфеля (%)
CGM Focus Fund (CGMFX)
Hotchkis And Wiley Small Cap Value A Fund (HWSAX)
Aegis Value Fund (AVALX)
Delafield Fund (DEFIX)
Homestead Small Company Stock Fund (HSCSX)
Robeco Boston Partners Small Cap Value II Fund (BPSCX)
Hotchkis And Wiley Mid Cap Value A Fund (HWMAX)
T Rowe Price Small Cap Value Fund (PRSVX)
Guggenheim Mid Cap Value Fund Class A (SEVAX)
Wells Fargo Advantage Small Cap Value Fund (SSMVX)
Stratton Small-Cap Value Fund (STSCX)
Источник: Forbes (2013).
Основываясь на данных из таблицы 20, сделайте следующее:
Установив, что \(\mu\) = 53%, мы можем вычислить дисперсию
Числитель (сумма квадратов отклонений от среднего) равен:
\( \sigma^2 \) = 107,190/12 = 8,932.50.
Для расчета стандартного отклонения находим квадратный корень:
Единицей измерения дисперсии является процент в квадрате, поэтому единицей измерения стандартного отклонения также является процент.
Решение для части 3:
Если генеральная совокупность четко определена как фонды Forbes Honor Roll за один конкретный год (2013 г.), и если под оборотом портфеля понимается конкретный одногодичный период, о котором отчитывается Forbes, то применение формул генеральной совокупности для дисперсии и стандартного отклонения уместно.
Результаты 8,932.50 и 94.51 представляют собой, соответственно, перекрестную дисперсию и стандартное отклонение годового оборота портфеля для фондов Forbes Honor Roll за 2013 год.
Фактически, мы не могли должным образом использовать фонды Honor Roll для оценки дисперсии оборота портфеля (например) любой другой по-разному определенной генеральной совокупности, потому что фонды Honor Roll не являются случайной выборкой из какой-либо большей генеральной совокупности взаимных фондов США.
Выборочная дисперсия.
Статистика, которая измеряет дисперсию по выборке, называется выборочной дисперсией или дисперсией выборки (англ. ‘sample variance’).
В приведенном ниже обсуждении обратите внимание на использование латинских букв вместо греческих для обозначения объема выборки.
Формула выборочной дисперсии.
Формула 13 предписывает нам предпринять следующие шаги для вычисления выборочной дисперсии:
Мы проиллюстрируем расчет выборочной дисперсии и выборочного стандартного отклонения на примере ниже.
Отличие выборочной дисперсии от дисперсии генеральной совокупности.
Мы используем обозначение \( s^2 \) для выборочной дисперсии, чтобы отличить ее от дисперсии генеральной совокупности \( \sigma^2 \).
Формула для выборочной дисперсии почти такая же, как и для дисперсии генеральной совокупности, за исключением использования среднего значения выборки \( \overline X \) вместо среднего значения генеральной совокупности μ и другого делителя.
В статистических терминах выборочная дисперсия, определенная в Формуле 13, является несмещенной оценкой (англ. ‘unbiased estimator ‘) дисперсии генеральной совокупности \( \sigma^2 \).
Мы обсудим эту концепцию далее в чтении о выборке.
Стандартное отклонение выборки.
Для стандартного отклонения генеральной совокупности мы аналогичным образом можем вычислить стандартное отклонение выборки, взяв квадратный корень из положительной дисперсии выборки.
Формула стандартного отклонения выборки.
Стандартное отклонение выборки (выборочное стандартное отклонение, выборочное среднеквадратическое отклонение, англ. ‘sample standard deviation’), обозначается символом \(s\) и рассчитывается следующим образом:
Чтобы рассчитать стандартное отклонение выборки, мы сначала вычисляем дисперсию выборки, используя приведенные выше шаги. Затем мы берем квадратный корень из выборочной дисперсии.
Пример, приведенный ниже, иллюстрирует расчет выборочной дисперсии и стандартного отклонения выборки для двух взаимных фондов, представленных ранее.
Пример расчета выборочной дисперсии и стандартного отклонения выборки.
После расчета геометрических и арифметических средних доходностей двух взаимных фондов в Примере (1) мы вычислили две меры дисперсии для этих фондов, размах и среднее абсолютное отклонение доходности (см. Пример расчета размаха и среднего абсолютного отклонения для оценки риска).
Теперь мы вычислим выборочную дисперсию и стандартное отклонение выборки для доходности тех же двух фондов.
Таблица 15. Совокупная доходность двух взаимных фондов, 2008-2012 гг. (повтор).
Статистика в помощь инвестору. Как оценить риски снижения акций
Единственное, чем инвестору дано управлять — рисками. Доходность же финансового рынка имеет сугубо вероятностный характер, а положительные результаты прошлых периодов не гарантируют достижение аналогичных параметров инвестиций в будущем.
С целью оценки предельных убытков при работе на фондовом рынке рассмотрим один из основополагающих механизмов статистической фиксации потерь — показатель VAR (Value at risk).
Данный показатель дословно расшифровывается как стоимостная мера риска и позволяет рассчитывать с высокой степенью достоверности лимит вероятных потерь в будущем при наступлении неблагоприятного исхода инвестирования. Иными словами, инвестор может оценить ту границу ущерба, за которую с подавляющей вероятностью и в течение определенного промежутка времени его активы не снизятся.
VAR не говорит о том, что бумаги в портфеле непременно упадут, а риск потерь реализуется, и инвестор получит убыток в течение определенного срока. Показатель оценивает лишь масштаб потенциального ущерба при заданных статистических параметрах, выше которого не стоит ожидать падения оценки инвестиций. Как говорится, кто предупрежден — тот вооружен.
Подчеркнем, что речь не идет о высокомаржинальной торговле, сопряженной с повышенными рисками изменения стоимости активов во времени. Портфельный подход и расширенный горизонт планирования позволяют диверсифицировать риски и повысить эффективность управления своими инвестициями.
Обычно перед инвестором стоит задача узнать с большой вероятностью, например, 95% или 99%, какой предельной суммой денежных средств или процентом от активов он рискует в течение заданного временного горизонта.
Разберем параметры метода и рассчитаем на конкретных примерах предел вероятных инвестиционных потерь.
Как считать
Формула VAR по методу исторического моделирования вероятных потерь выглядит следующим образом:
VAR=PVA(Ep*T–q*Gp*√T), где:
PVA — текущая стоимость актива (портфеля)
Ep — доходность актива (портфеля)
q — значение квантиля в соответствии с %-ом доверительного интервала
Gp — риск актива (портфеля)
T — прогнозный период
Текущая стоимость актива (PVA) — это суммарная стоимость всех позиций в портфеле на дату оценки или цена акции, валютного инструмента, товарного актива, по которым требуется расчет риска, а также значение индекса в пунктах. При оценке вероятных потерь по любому инструменту инвестор может оценивать ущерб как в стоимостном выражении, так и в процентах просадки.
Под доходностью актива (Ep) подразумевается математическое ожидание. Функция в Excel: =СРЗНАЧ(массив ежедневных изменений портфеля или бумаги, либо индекса).
Квантиль (q) — определитель порогового значения ущерба с заданной вероятностью. Нас интересует нахождение предела потерь с высокой степенью достоверности: вероятностью 95% и 99%.
Gp — риск актива (волатильность). Под риском понимаем стандартное отклонение ежедневной доходности. Функция в Excel: =СТАНДОТКЛОН.В(массив ежедневных изменений портфеля или бумаги, либо индекса).
Т — прогнозный период: срок, в течение которого стоимость портфеля или отдельно взятого инструмента не опустится больше расчетного параметра VAR. Можно рассматривать масштаб потерь на 1 день, 1 месяц, либо более длительный период.
А вот в качестве массива данных, на основе которых проводится оценка на перспективу, рекомендуется выбирать срок не менее года. Меньший период будет снижать достоверность полученных прогнозных результатов. Например, если сегодня проводится оценка лимитов потерь по выбранному инструменту (портфелю инструментов) на ближайший месяц, необходимо взять исторические данные за предыдущий год.
Примеры оценок
На первом этапе рассчитывается средняя дневных изменений акции МТС за последний год.
Дневное изменение = цена акции на конец дня (Д1) минус цена на закрытие предыдущего дня (Д0), деленое на цену закрытия предыдущего дня (Д0). Далее дробь умножается на 100. В итоге получаем дневную доходность в %:
(Д1-Д0)/Д0*100%,
Информацию по дневным изменениям цен акций можно найти на сайте Московской биржи.
Для простоты расчета, квантиль задается константой в соответствии с табличным значением нормального распределения. Для вероятности 99% — это 2,33; а для 95% — 1,65. Сравнивая с результатами взвешивания риска и доходности по функции НОРМОБР, получаем несущественные разницы, чем можно и пренебречь.
Далее переходим к расчету риска (волатильности) при помощи стандартного отклонения дневных доходностей акции:
СобираемVARМТС:
Значит, предел риска на месяц ограничен 35 рублями. В относительных величинах — это 11% от текущей стоимости бумаги.
По результатам оценки VAR МТС видно, что с вероятностью 95% месячный убыток не превысит чуть более 11%. Повышая вероятность до предельной отметки в 99% получаем, что дневные потери свыше 3,5% статистически маловероятны.
Одна из самых волатильных акций отечественного рынка, TCS Group, характеризуется и более расширенным VAR по сравнению с метриками риска акций МТС. На протяжении последних месяцев бумаги финансовой группы регулярно входят в рейтинг самых спекулятивных инструментов. Оценки риска потерь для TCS Group аналогичны алгоритму в предыдущем примере.
В расчетной таблице приведены параметры цены акции, ниже которой в обозримом будущем с высокой вероятностью бумаги эмитента не упадут. Месячный VAR (95%) находится в рамках средних высоких значений волатильности инструмента, достигая 19%.
Резюме
Разумеется, у приведенного подхода VAR существуют ограничения использования, ведь оценка идет на основе прошлых исторических данных, не гарантирующих исход в будущем. Тем не менее инструментарий позволяет оценить вероятные масштабы потерь в случае реализации худшего сценария развития событий.
При этом еще раз подчеркнем, риск падения бумаг вообще может не реализоваться, но с точки зрения временного горизонта планирования инвестиций информация о лимитах вероятных потерь представляется актуальной.
Подход применим как для оценки предельного изменения стоимости отдельно взятого финансового актива, например, акций Газпрома, Сбербанка, стоимости нефти, так и для определения денежной величины потерь всего инвестиционного портфеля.
Наконец, приведенный инструментарий позволяет инвестору осуществить сравнительную оценку эффективности управления портфелем ценных бумаг. В следующей тематической статье мы непременно коснемся и этого вопроса.
БКСМир инвестиций
Последние новости
Рекомендованные новости
Золотодобытчики в лидерах на пятничных торгах
Мнения аналитиков. О дивидендах Сегежи и негативных новостях для Газпрома
Как зарабатывать на облигациях в период изменения ставок
Рынок США. Слабый отскок в технологическом секторе
Заседание Банка России. Прогнозы
Rivian. Публичный квартальный отчет — первый и провальный
Акции General Motors уходят вниз вслед за директором Cruise
Иностранные инвесторы скупают госдолг США. Кто финансирует Вашингтон
Адрес для вопросов и предложений по сайту: bcs-express@bcs.ru
* Материалы, представленные в данном разделе, не являются индивидуальными инвестиционными рекомендациями. Финансовые инструменты либо операции, упомянутые в данном разделе, могут не подходить Вам, не соответствовать Вашему инвестиционному профилю, финансовому положению, опыту инвестиций, знаниям, инвестиционным целям, отношению к риску и доходности. Определение соответствия финансового инструмента либо операции инвестиционным целям, инвестиционному горизонту и толерантности к риску является задачей инвестора. ООО «Компания БКС» не несет ответственности за возможные убытки инвестора в случае совершения операций, либо инвестирования в финансовые инструменты, упомянутые в данном разделе.
Информация не может рассматриваться как публичная оферта, предложение или приглашение приобрести, или продать какие-либо ценные бумаги, иные финансовые инструменты, совершить с ними сделки. Информация не может рассматриваться в качестве гарантий или обещаний в будущем доходности вложений, уровня риска, размера издержек, безубыточности инвестиций. Результат инвестирования в прошлом не определяет дохода в будущем. Не является рекламой ценных бумаг. Перед принятием инвестиционного решения Инвестору необходимо самостоятельно оценить экономические риски и выгоды, налоговые, юридические, бухгалтерские последствия заключения сделки, свою готовность и возможность принять такие риски. Клиент также несет расходы на оплату брокерских и депозитарных услуг, подачи поручений по телефону, иные расходы, подлежащие оплате клиентом. Полный список тарифов ООО «Компания БКС» приведен в приложении № 11 к Регламенту оказания услуг на рынке ценных бумаг ООО «Компания БКС». Перед совершением сделок вам также необходимо ознакомиться с: уведомлением о рисках, связанных с осуществлением операций на рынке ценных бумаг; информацией о рисках клиента, связанных с совершением сделок с неполным покрытием, возникновением непокрытых позиций, временно непокрытых позиций; заявлением, раскрывающим риски, связанные с проведением операций на рынке фьючерсных контрактов, форвардных контрактов и опционов; декларацией о рисках, связанных с приобретением иностранных ценных бумаг.
Приведенная информация и мнения составлены на основе публичных источников, которые признаны надежными, однако за достоверность предоставленной информации ООО «Компания БКС» ответственности не несёт. Приведенная информация и мнения формируются различными экспертами, в том числе независимыми, и мнение по одной и той же ситуации может кардинально различаться даже среди экспертов БКС. Принимая во внимание вышесказанное, не следует полагаться исключительно на представленные материалы в ущерб проведению независимого анализа. ООО «Компания БКС» и её аффилированные лица и сотрудники не несут ответственности за использование данной информации, за прямой или косвенный ущерб, наступивший вследствие использования данной информации, а также за ее достоверность.
