9.3 Учет факторов риска при оценке инвестиций
Риск, связанный с объектом инвестиций, может быть вызван различными причинами, главными из которых являются:
- деловой риск;
- финансовый риск;
- риск, связанный с покупательной способностью;
- процентный риск;
- риск ликвидности;
- рыночный риск;
- случайный риск.
Совокупный риск содержит два компонента: диверсифицируемый и недиверсифицируемый риск. Диверсифицируемым (несистематическим) риском называют ту часть инвестиционного риска, которая может быть устранена в результате диверсификации. Под диверсификацией понимается подбор комбинаций инвестиционных инструментов, обеспечивающий взаимозависимость динамики ставок доходности инвестиций.
Диверсифицируемый риск происходит от неконтролируемых или случайный событий (забастовки, судебные процессы), по разному влияющих на различные инвестиции. Недиверсифицируемый (систематический) риск связан с такими явлениями глобального характера, как инфляция, политические события, война, которые одинаково затрагивают все инвестиции и не являются уникальными для конкретного проекта.
Поскольку инвестор может устранить только диверсифицируемые риски. Считается, что для инвестиций в ценные бумаги диверсифицируемый риск может быть почти полностью устранен подбором 8-15 видов ценных бумаг. Каждому виду инвестиций присущ свой уровень диверсифицируемого риска, который может быть измерен с помощью фактора "бета". Фактор "бета" показывает, как реагирует курс ценной бумаги на рыночные силы: чем более отзывчив курс ценной бумаги на изменения рынка, тем выше фактор "бета" для этой ценной бумаги.
Фактор "бета" для всего фондового рынка равен единице, значение фактора "бета" для конкретных компаний обычно находятся в диапазоне от 0.5 до 1.75. Так, для акций с "бета" = 1.5 можно говорить, что при предполагаемом 10 % росте доходности в целом, на эти акции ожидается рост доходности в размере 15%.
Однако, уменьшение рыночной доходности, в среднем для рынка на 10 %, для акций с "бета" равным 1.5 составит 15 %. Фактор "бета" как измеритель недиверсифицируемого риска используется в модели оценки доходности активов (САРМ) по следующей формуле (7.9):
Требуемая доходность= Доходность безрисковых +«бета» × Рыночная доходность
– Доходность безрисковых активов, (7.9)
где требуемая доходность - требуемая доходность инвестиций при данном уровне риска, измененного с помощью фактора "бета" доходность безрисковых активов - это доходность, которая может быть получена на свободные от риска инвестиции, например, в облигации Государственного займа; рыночная доходность - средняя доходность всех ценных бумаг.
Предположим, ценная бумага с фактором "бета" 1.25 рассматривается в тот момент, когда ставка безрисковых активов составляет 6 %,а рыночная доходность - 10 %.
Требуемая доходность = 6 % + (1.25 ×(10 % - 6 %)) = 11 %
Таким образом, инвестор может ожидать доходность инвестиций в 11 % в качестве компенсаций за риск, который приходится допускать при факторе "бета" 1.25. При факторе "бета" = 1 требуемая доходность составит 10 %, при факторе "бета" = 1.5 требуемая доходность составит 12 %.
- Методы моделирования и прогнозирования
- 1. Экономико-математические методы и модели
- Определение модели и цели моделирования
- Последовательность построения экономико-математической модели
- Основные типы моделей
- Классификация экономико-математических методов
- 1.3. Объекты моделирования
- 1.4. Цель, критерий и ограничения в экономико-математических моделях
- Математические модели рынка
- Понятие рыночного равновесия
- Объем предложения
- 2.2. Паутинообразная модель рынка
- Балансовый метод планирования рыночной экономики
- Модель межотраслевого баланса
- 4.5. Модели стохастического программирования
- 3. Производственные функции
- 3.1.Виды производных функций
- 3.2. Пример построения производственной функции
- 3.3. Производственные функции и прогнозирование
- 4.6. Модели оптимального планирования транспортного типа
- 4.8. Производственно-транспортные модели
- 4.9. Транспортные модели с промежуточными пунктами
- Методы решения транспортных задач Метод северо-западного угла
- Метод минимальных элементов
- Метод Фогеля
- 4.11. Модели параметрического программирования
- 5. Матричные игры
- 5.1. Игры двух лиц с нулевой суммой
- 5.2. Верхнее и нижнее значения игры, условие седловой точки
- 5.3. Смешанные стратегии
- Очевидным следствием из Теоремы о минимаксе является соотношение
- 5.4. Игры с ненулевой суммой и кооперативные игры
- 5.5. Введение в теорию игр п лиц
- 5.6. Позиционные игры
- 5.7. Выбор оптимальной стратегии в условиях неопределенности (игры с природой)
- 5.7.2. Критерии выбора оптимальной стратегии
- 5.8. Применение теории матричных игр в управлении
- 6. Имитационное моделирование
- 6.1. Метод Монте-Карло
- 6.2. Моделирование систем массового обслуживания
- 6.2.1. Одноканальная модель с пуассоновским входным потоком с экспоненциальным распределением длительности обслуживания
- 6.2.2. Многоканальная модель с пуассоновским входным потоком и экспоненциальным распределением длительности обслуживания
- 6.3. Моделирование систем массового обслуживания с использованием метода Монте-Карло
- 7. Моделирование потребления
- Функции полезности
- 2. Функция полезности с полным дополнением благ (функция полезности Леонтьева):
- Совершенные товарозаменители.
- Основные виды кривых безразличия
- 2. Выпуклые предпочтения потребителя
- 8. Модели оценки финансового состояния
- 8.1.Виды моделей
- 8.1. Статическая модель и динамическая оценки финансового
- 9.2. Оптимальное планирование портфеля инвестиций
- 9.3 Учет факторов риска при оценке инвестиций
- 9.4. Определение уровня недиверсифицируемого риска методом корреляционно-регрессионного анализа
- Прогнозирование экономических процессов
- 1 Классификация предвидений (прогнозов)
- 2 Принципы организации прогнозирования
- 3. Порядок прогнозирования
- 4.2.Корреляционные методы
- Трендовая модель прогнозирования Понятие временного ряда
- Задачи анализа временного ряда
- Первоначальная подготовка данных
- Задача построения аналитического тренда
- Определение базы построения тренда
- 3.6 Наиболее употребимые виды трендов
- Определение тренда на основе сглаживания ряда
- Механическое сглаживание (пример для понимания)
- Аналитическое сглаживание
- Прогнозирование по тренду
- Прогнозирование на основе регрессионных моделей Понятие регрессии
- Отбор факторов для регрессии
- Вид функции регрессии