В индексной модели Шарпа используется тесная корреляция между изменением курсов отдельных акций. Предполагается, что необходимые входные данные можно приблизительно определить при помощи всего лишь одного базисного фактора и отношений, связывающих его с изменением курсов отдельных акций. Как правило за такой фактор берется значение какого-либо индекса. Зависимость доходности ценной бумаги от индекса описывается следующей формулой:

, (18)

где ri – доходность ценной бумаги i за данный период;

rI – доходность на рыночный индекс I за этот же период;

aiI – коэффициент смещения;

b iI – коэффициент наклона;

e iI – случайная погрешность.

Как следует из уравнения, «бету» ценной бумаги можно интерпретировать как наклон линии. Если этот коэффициент был постоянным от периода к периоду, то «историческую бету» бумаги можно оценить путем сопоставления прошлых данных о соотношении доходности рассматриваемой бумаги и доходности рынка (индекса). Статистическая процедура для получения таких апостериорных значений коэффициента «бета» представляет собой простую линейную регрессию, или метод наименьших квадратов.

Уравнение (18), записанное без случайной погрешности, является уравнением линейной регрессии. Параметр «бета» поэтому является коэффициентом регрессии и может быть определен по формуле:

, (19)

где xi – доходность рынка в i-й период времени;

yi – доходность рынка в i-й период времени;

n – количество периодов.

По Шарпу показатель «альфа» (его также называют сдвигом) определяет составляющую доходности бумаги, которая не зависит от движения рынка.

. (20)

В соответствие с одной из точек зрения, «альфа» является своего рода мерой недо- или переоценки рынком данной бумаги. Положительная «альфа» свидетельствует о переоценке рынком данной бумаги. Отрицательная «альфа» свидетельствует о недооценке рынком данной бумаги.

Случайная погрешность e показывает, что индексная модель Шарпа не очень точно объясняет доходности ценной бумаги. Разность между действительным и ожидаемым значениями при известной доходности рыночного индекса приписывается случайной погрешности.

Случайную погрешность можно рассматривать как случайную переменную, которая имеет распределение вероятностей с нулевым математическим ожиданием и стандартным отклонением, вычисляемым по формуле:

. (21)

Истинное значение коэффициента «бета» ценной бумаги невозможно установить, можно лишь оценить это значение. Так что даже если бы истинное значение «беты» оставалось постоянным всегда, его оценка, полученная по методу наименьших квадратов, все равно бы менялась бы во времени из-за ошибок при оценке – ошибок выборки. Стандартная ошибка «беты» есть попытка оценить величину таких ошибок:

. (22)

Аналогично стандартная ошибка для «альфы» дает оценку величины отклонения прогнозируемого значения от «истинного»:

. (23)

Для характеристики конкретной ценной бумаги используются и другие параметры. R-squared (R2), или коэффициент детерминации, равен квадрату коэффициента корреляции цены бумаги и рынка. R-squared меняется от нуля до единицы и определяет степень согласованности движения рынка и бумаги.

. (24)

Коэффициент детерминации представляет собой пропорцию, в которой изменение доходности ценной бумаги связано с изменением доходности рыночного индекса. Другими словами, он показывает, в какой степени колебания доходности ценной бумаги можно отнести за счет колебаний доходности рыночного индекса.

Если этот коэффициент равен единице, то бумага полностью коррелирует с рынком, если равен нулю, то движение рынка и бумаги абсолютно независимы.

Ошибки показателей «бета» и «альфа» определяются непосредственно ошибкой регрессионной модели. Естественно, в первую очередь они зависят от глубины расчета.

При различных стадиях рынка (растущий, падающий) для достижения лучшего эффекта можно пользоваться следующими комбинациями коэффициентов:

Таблица 2.1 – Комбинации коэффициентов регрессионного анализа

	На покупку	На продажу
Падающий рынок
Растущий рынок

На западных рынках значения a, b, R2 регулярно рассчитываются для всех ценных бумаг и публикуются вместе с индексами. Пользуясь этой информацией, инвестор может сформировать собственный портфель ценных бумаг. На российском рынке профессионалы постепенно тоже начинают использовать a-, b-, R2-анализ.

16. Модель Тобина с безрисковым активом

В отличии от моделей Марковица и Блека, которые связаны с выбором класса допустимых портфелей, модель Тобина в большей степени относится к структуре рынка, нежели к структуре допустимых портфелей. В этой модели предполагается существование безрискового актива, доходность которого не зависит от состояния рынка и всегда имеет одно и то же значение. Поскольку неопределенность конечной стоимости безрискового актива отсутствует, то стандартное отклонение для этого актива равно нулю. Это означает, что корреляция между ставкой доходности по безрисковому активу и ставкой доходности по любому рисковому активу равна нулю.

Дж. Тобин показал, что если Q = (pi, …, pn) – некоторый портфель (pi – доля i-го актива в портфеле), а f – безрисковый актив, то все портфели вида

(25)

лежат на прямой, проходящей через точки (0, rf) и (sp, rp), где rf и rp – безрисковая и рисковая доходности соответственно. Среди всех таких прямых нужно выбрать самую крутую (более крутая дает большую доходность при заданном риске), т.е. ту, которая проходит через точку (0, rp) и точку касания T к эффективной границе (рисунок 2.5).