Фундаментальный и технический анализ финансовых рынков

метки: Акция, Анализ, Компания, Модель, Рынок, Экономический, Коэффициент, Нефть

Для этого первый элемент правой части формулы на практике разделяют на две части:

где первое слагаемое, есть сегодняшняя стоимость свободного денежного потока фирмы на прогнозном периоде, рассчитываемая как:

здесь

Т — период прогнозирования;

а второе слагаемое сегодняшняя стоимость свободного денежного потока фирмы на постпрогнозном периоде, то есть:

Модель DCF на выходе дает значения справедливой цены акции, которую имеет смысл сравнивать с текущей рыночной ценой акции. Такое сравнение позволяет сделать следующий строгий вывод: при сегодняшней покупке акции по рыночной цене и владении ей бесконечно долго, инвестор в виде будущих поступлений свободного денежного потока фирмы получит денежные средства, сегодняшняя стоимость которых эквивалентна справедливой цене акции. Более упрощенный вывод, обоснованный тем, что на фондовом рынке всегда присутствуют инвесторы, заинтересованные в долгосрочных инвестициях, состоит в следующем. Рыночная цена акции должна приблизительно соответствовать своей справедливой цене. Любое превышение справедливой цены акции над рыночной ценой должно стимулировать долгосрочных инвесторов к покупкам, а превышение рыночной цены над справедливой ценой — к продажам. Одна из причин того, что рыночные цены акции в большинстве случаев существенно отклоняются от своего справедливого значения состоит в том, что модель DCF дает оценку справедливой цены акции с погрешностью от 20% и выше (вплоть до 50% в отдельных случаях).Сравнительный анализ — это упрощенный относительно модели DCF анализ, позволяющий сравнивать рыночные цены акций с производственными и финансовыми показателями деятельности компании, и делать выводы о переоценке/недооценке рынком тех или иных акций.

Сравнительный анализ стал доступен аналитикам гораздо ранее, нежели модель DCF, однако он позволяет сделать еще менее точные выводы, чем модель DCF. Тем не менее, именно из-за исторических традиций, а также с целью «предварительной оценки» перспектив акций фирмы с позиции микроэкономического анализа, сравнительный анализ продолжает использоваться на практике. В сравнительном анализе наиболее часто используются следующие показатели: EPS (earnings per share) — прибыль на одну акцию. P/S — отношение рыночной цены акции к выручке фирмы. P/E — Отношение рыночной цены акции к EPS. Dividend yield — дивидендная доходность. Отношение величины выплачиваемого фирмой дивиденда к рыночной цене акции. EV (economic value) — показатель, характеризующий рыночную стоимость фирмы. Рассчитывается как капитализация акций фирмы плюс стоимость чистого долга фирмы. EBITDA (earnings before interest, taxes, depreciation and amortization) — показывает величину прибыли компании до выплаты процентов по долгу, налогов и амортизации. EV/EBITDA — отношение EV к EBITDA. Показывает, сколько долларов готовы платить инвесторы за 1 доллар EBITDA данной фирмы. EV/Объемы производства — отношение EV к объему выпуска продукции фирмой.

Контрольная работа: Фирма в рыночной экономике

... рынок нуждается в фирмах, так как только организация производства в виде фирм может дать необходимый результат для развития рыночной экономики. Существование рынка и фирмы есть сосуществование в единой рыночной экономике двух типов отношений. Поведение фирм на ...

Показывает, сколько долларов готовы платить инвесторы за выпуск единицы продукции. Объемы производства выражаются в натуральных величинах (тонн, баррелей, количество абонентов, кВт/ч, штук и т. д. )EV/Запасы — отношение EV к запасам продукции, имеющемся у фирмы. Как правило, рассчитывается для фирм, добывающих ресурсы. Показывает, сколько долларов готовы платить инвесторы за единицу запасов. Основы макроэкономического анализа

Основной показатель национальной экономики — Валовой внутренний продукт (ВВП).

Валовой внутренний продукт (ВВП) показывает суммарную стоимость товаров и услуг для конечного потребления, произведенных и оказанных на территории национальной экономики за фиксированный промежуток времени (например, за год).

ВВП за текущий год, измеренный в ценах текущего года, называется номинальным валовым внутренний продуктом. Валовой внутренний продукт можно измерить не только в номинальных (текущих) ценах, но и в ценах предыдущего (базисного) периода. В последнем случае говорят о реальном значении внутреннего валового продукта. Важной характеристикой макроэкономики является показатель темпов роста реального валового продукта. Он рассчитывается как: Различие в темпах роста номинального и реального валового продукта вызвано инфляцией. Можно сказать, что инфляция «разъедает» реальный рост валового продукта по сравнению сноминальным. Инфляция в макроэкономической статистике оценивается тремя показателями. Первый показатель — дефлятор ВВП. Он отражает среднее изменение цен по всему спектру товаров и услуг, включаемых в расчетвалового продукта. Второй показатель — индекс потребительских цен. Он показывает среднее изменение цен по товарам и услугам, включенным национальнымкомитетом статистики в расчет потребительской корзины. Третий показатель — индекс цен производителей. Он показывает среднее изменение цен по товарам и услугам, производимым и потребляемымпромышленностью. Обычно считается, что уровень инфляции в стране отражает, прежде всего, индекс потребительскихцен. Еще один важный макроэкономический показатель — уровень безработицы. Он рассчитывается как отношение неработающего населения в стране к общей численности трудоспособного населения. Макроэкономика всегда развивается циклично, поэтому в каждом из макроэкономических показателей можно выявить схожие циклы. Поскольку макроэкономическое состояние национальной экономики отражает в целом условия функционирования экономики, то помимо свободного ценообразования на рынках, макроэкономические условия регулируются государством. Обычно говорят о двух инструментахгосударственного регулирования макроэкономики: денежно-кредитная политика и бюджетно-налоговая политика. Существуют три инструмента денежно-кредитной политики:

Финансово-экономические программы. Российский рынок финансово-экономических ...

... предлагаемые на российском рынке различными фирмами-разработчиками. Мини-бухгалтерия. К классу «мини-бухгалтерия» относятся программы, предназначенные ... компания «Инфин»), «ФинЭко» (АО «Авэр»), «Комплексная планово-экономическая и бухгалтерская система» (фирма «Комтех+»), «Бухгалтерия без проблем» ... предприятиях основной объем работ приходится на финансовый учет, а на ведение управленческого учета ...

Изменение учетной ставки (ставки рефинансирования).Учетная ставка, это ставка по которой центральный банк выдает кредиты коммерческим банкам сроком на 1 день. Она является определяющей для общего уровня процентных ставок в стране. Снижение учетной ставки стимулирует кредитование, увеличивает совокупный спрос в стране и тем самым стимулирует темпы экономического роста в период спада (рецессии) национальной экономики. Повышение учетной ставки, напротив, уменьшает кредитование, сдерживая рост совокупного спроса в стране, тем самым оказывает сдерживающее влияние на темпы экономического роста, однако благоприятно влияет на снижение инфляции в стране. Изменение нормы резервирования. Снижение нормы резервирования практически не используется как инструмент денежно-кредитной политики в современной экономике. Теоретически, снижение нормы резервирования стимулирует экономический рост, а повышение — сдерживает его и темпы инфляции. На практике же, норма резервирования применяется для обеспечения стабильности системы коммерческих банков. Операции на открытом рынке ценных бумаг. Центральный Банк вправе осуществлять операции на открытом рынке ценных бумаг, а именно: покупать/продавать государственные облигации, покупать/продавать иностранную валюту за национальную валюту (проводить валютные интервенции).

Покупка госбумаг/иностранной валюты часто происходит за счет эмиссии (печати) денег, поэтому стимулирует совокупный спрос, и, следовательно — экономический рост. Но анализировать влияние операций на открытом рынке на экономический рост невозможно без анализа ситуации на валютном рынке. Возможно, чтопокупка госбумаг/иностранной валюты не приведет к желаемому стимулированию экономического роста, поскольку полученные свободные денежные средства участники финансового рынка могут направить на валютный рынок, тем самым спровоцировать падение курса национальной валюты. Продажа госбумаг/иностранной валюты, напротив, приводит к т.н. стерилизации денежных средств, то есть изъятию излишних денег из оборота, в результате чего осуществляется сдерживание совокупного спроса, а, следовательно, сдерживание экономического роста. Зато есть возможность — сдержать инфляцию. Бюджетно-налоговая политика:

Снижение налогов. Увеличение государственных расходов. Снижение налогов и увеличение государственных расходов стимулируют экономический рост. Любая национальная экономика развивается циклично. Периоды бурного экономического роста сменяются периодами бурного экономического спада. Исследования развитых фондовых рынков показали, что цены на фондовые индексы тесно связаны с темпами экономического роста. В периоды развития национальной экономики — фондовые рынки дают неплохую доходность. В периоды стагнации (застоя) фондовые рынки стоят на месте или даже приносят убытки.

Российский рынок акций подтверждает эту закономерность. В период отсутствия экономического роста — с 1995 по 1998 годы рынок практически не дал доходности. В период с 1999 года в России начался экономический рост и доходность на фондовом рынке подпрыгнула до 30−50% годовых в твердой валюте. Применение макроэкономического анализа в работе на рынке акций состоит в прогнозировании макроэкономических циклов и событий, а затем, основываясь на этом прогнозе — определением основной тенденции в движении акций. При проведении утреннего новостного анализа необходимо понимать, какие новости и события являются определяющими, а какие второстепенными для динамики цен акций. Результат разделения факторов на определяющие и второстепенные зависит от времени разделения, а именно — факторы, являющиеся определяющими для движения цен акций сегодня, вовсе не обязательно будут определять его поведение завтра.

Влияние факторов внешней среды на предпринимательские риски в ...

... ситуационный анализ, методы финансово-экономических расчетов, методы математической статистики а также принципы объективности, полноты, непротиворечивости, достаточного основания и другие. Исследованием влияния факторов внешней среды на предпринимательские риски занимались такие ...

Тем не менее, общую, совокупную схему влияния различных факторов на цены российских акций воссоздать все-таки можно. Поскольку фундаментальный анализ позволяет классифицировать все новости, события, определяющие динамику акций по уровням их возникновения на три уровня: макроэкономический, отраслевой и микроэкономический уровень, то построение схемы влияния факторов на динамику цен акций мы проведем в разрезе новостей и событий, поступающих с каждого уровня. Макроэкономические новости и события определяют динамику индекса акций в целом, то есть в большей или меньшей степени влияют на все акции одновременно. Это позволяет выделить влияние макроэкономических новостей и событий на рынок акций через анализ изменения индекса РТС (индекса ММВБ).Фактор первый. В силу присутствия на мировых фондовых рынках одних и тех же инвестиционных фондов, фондовые рынки всех стран мира достаточно тесно коррелированны друг с другом, и их общая динамика зависит от перспектив и рисков роста мировой экономики. Таким образом, можно сказать, что на поведение российского рынка акций существенное влияние оказывают все новости и события, определяющие поведение мировых рынков акций, прежде всего рынка акций США и рынков акций развивающихся стран. Существуют две основные причины такого влияния. Темпы экономического роста в различных странах тесно связаны. Экономический спад в США затрагивает перспективы экономического роста в Еврозоне, Японии, Китае и в т. ч. России, т.к. снижение темпов экономического роста США приводит к падению цен на нефть и, следовательно, к снижению доходов нефтегазовой отрасли в РФ. Вторая причина такого влияния — поведение одних и тех же инвестиционных институтов на рынке акций России и мировых финансовых рынках. Убытки от инвестиционных операций в США снижают склонность к риску со стороны банков, тем самым сокращается их спрос на акции и увеличивается спрос на облигации.

В таком случае акции и в США и в России и в других странах начинают падать. Количественно измерить взаимосвязь мировых фондовых рынков и их влияние на российскийрынок акций можно с помощью фондовых индексов семейства MSCI. Фактор второй. Помимо динамики мировых рынков акций, на поведение цен российских акций влияет уровень странового риска Российской федерации. Как правило, он измеряется в виде спрэда (разницы) доходности еврооблигаций Российского Правительства к доходности еврооблигаций Казначейства США. Поэтому, те или иные новости и события, которые могут привести к изменению спрэда в доходности, приведут и к отклонению тенденции российского рынка акций от общемировой тенденции. Как пример тут можно привести 2000;2002 года. В этот период на мировых рынках акций наблюдалось падение, а российский рынок акций хоть и падал в краткосрочном периоде под влиянием мировых рынков, но общую тенденцию все-таки показывал вверх. Причина этого — интенсивный экономический рост в Россиии снижение странового риска в результате высокого профицита торгового баланса, роста золотовалютных резервов и проводимых в России структурных реформ. Фактор третий.

Оборотные средства предприятия: состав, структура, источники ...

... за продукцию (работ, услуг); средства покупателей по залогам за возвратную тару; переходящие остатки фонда потребления. К прочим источникам формирования оборотных средств относятся средства предприятия, временно не ... ускорение их оборота. В финансовой деятельности предприятия оборотные средства играют исключительно важную роль, определяемую их прямым влиянием на такие результирующие показатели его ...

Еще одним важным фактором является уровень корпоративного риска при инвестировании в Российскую Федерацию, включающего в том числе политические риски, снижающие ценность вложений в российские акции. Для западных инвесторов, Россия по-прежнему является страной-империей. И при любых внутренних событиях, способных поставить демократию и принципы рыночной экономики под сомнение, корпоративные риски связанные с вложением в акции будут возрастать, а следовательно их цены — падать. Отличный пример — арест Михаила Ходорковского в 2003 году, который спровоцировал резкий рост слухов, и привел к падению российских акций на 20% за октябрь-ноябрь 2003 года. В то же время, мировые рынки акций в этот период не показали аналогичного падения, а уровень странового риска (если судить по процентным ставкам на еврооблигации) существенно не повышался. Фактор четвертый.

Четвертым важнейшим макроэкономическим фактором является динамика мировых цен на нефть. Не секрет, что состояние российской экономики существенно зависит от уровня мировых цен на нефть и газ, поскольку на эти две отрасли приходится более 50% экспортной выручки. Однако стоит отметить, что многие события на рынке нефти одновременно оказывают влияние и на перспективы экономического роста России, поэтому данный, четвертый фактор, тесно коррелирован (оказывает влияние) на второй фактор. Вместе с тем, цены на нефть во многом определяются также перспективами общемирового экономического роста, поэтому данный четвертый фактор в некоторой степени коррелирован (является зависимым) от первого фактора — уровня темпов мирового экономического роста. Нефть является торгуемым на биржах товаром, поэтому ее рыночные цены определяются аналогично рыночным ценам акций — под влиянием спроса и предложения (в том числе со стороны инвестиционных и хеджевых фондов).

Существует несколько видов сортов нефти. Наиболее качественная и дорогая — нефть смеси WTI. Следующий уровень по качеству — смесь Brent, и одна из наименее качественных сортов нефти — российская смесь Urals. По каждой смеси нефти ведутся свои торги, и разница в ценах между различными смесями обычно не превышает 2−4%.На ежедневные изменения цен на рынке нефти оказывают существенное влияние данные о запасах нефти и бензина в США, поскольку США является в настоящее время крупнейшим потребителем нефти в мире. Большое влияние на нефтяные цены также оказывает ОПЕК — организация стран-экспортеров нефти. На нее приходится почти 40% всей мировой добычи нефти. Отраслевые новости и события определяют динамику акций отдельной отрасли, их влияние можно выявить посредством сравнительного анализа общего индекса рынка акций и отраслевого индекса акций. Фактор первый. Цены на нефть.

Мировые цены на нефть будут определять поведение отраслевого индекса нефтегазовых компаний, т.к. они являются определяющими при прогнозировании будущей выручки этих компаний. Как уже упоминалось ранее, для российской экономики цены на нефть являются еще и макроэкономическим фактором, определяющим поведение всего рынка. Однако, в ряде случаев стоит уделять их изменениям особое внимание как отраслевому фактору, который «двигает», прежде всего, нефтегазовый сектор, и лишь затем инерционно — все остальные акции, при этом не оказывая существенного влияния на макроэкономические процессы внутри России. Фактор второй. Перспективы развития отраслей в экономике РФ.

Рынок акций нефтяных компаний в России

... фондовый рынок России находится на начальной стадии развития, то рыночная капитализация нефтяных компаний намного меньше, чем у их западных конкурентов. Это обстоятельство очень привлекает инвесторов. Вложения в российские нефтяные акции ... усугубляет несовершенство существующего налогового законодательства: налоги с производителей в цене нефти и нефтепродуктов достигают 50-60%. В этих условиях ...

В результате тех или иных событий, отдельные отрасли могут получать бонусы в своем развитии, впрочем как могут возникать и сдерживающие для их развития факторы. Например, налогообложение НДПИ на нефтегазовый сектор. Повышение уровня налогообложения сдерживает рост акций нефтяной отрасли, снижение же позволяет нефтяным компаниям получать дополнительную прибыль и двигает их цены вверх. Фактор третий. Состояние и перспективы отраслевых секторов в США и в мировой экономике. Негативные перспективы в акциях отдельных отраслей мировой экономики могут привести к аналогичным негативным настроениям в таком же отраслевом сегменте на рынке акций России.

Пример — 1999 год популярность инвестиций в телекоммуникационный сектор в США (индекс NASDAQ) и резкий взлет акций Ростелекома в России. Когда в марте 2000 года «рухнули» телекоммуникационные акции в США, аналогично «рухнул» и Ростелеком. Аналогичный пример — кризис акций банковского сектора США в конце 2007 года, начале 2008 года, и значительное падение акций российских банков в этот же период. Фактор четвертый. Еще одним важным отраслевым фактором, влияющим на акции является реструктуризация отраслей. В принципе можно сказать, что ее основное влияние уже позади, т.к. основная часть реструктуризации электроэнергетики уже завершилась, рынок акций Газпрома либерализовали в начале 2006 года и т. д. В общем-то все основное, что с советской эпохи осталось на российском рынке акций — уже завершилось. Микроэкономические новости и события определяют динамику цен отдельных акций. Выявить их влияние можно через сравнительный анализ отраслевого индекса акций и цены отдельной акции. Фактор первый. Отчетность компаний и прогнозы аналитиков по модели DCF. Несмотря на все выше перечисленные макроэкономические и отраслевые факторы, не будем забывать, что владение акцией дает собственнику акции право на получение части прибыли в виде дивидендов, принятие решений по основным вопросам на ОСА, получение части имущества компании при ее ликвидации.

Реализация этого права полностью отражена в модели DCF, которая в таком случае является базовой моделью фундаментального анализа акции, отражающей суть владения акцией. Понятно, что самостоятельно сформировать расчет по модели DCF частный инвестор будет не в состоянии. Слишком трудоемкое это дело. Да и не зачем. Существует множество аналитиков, которые профессионально проводят эти расчеты и делают оценку справедливой цены акций компании.

Привести к корректировке справедливых цен могут как отдельные новости компаний, так и выходящая отчетность. Кроме того, аналитики пересматривают справедливые цены периодически по прошествии времени. Любая новость о существенном изменении справедливых цен акций под влиянием тех или иных событий может привести к существенному изменению цен на акции. Стоит, однако, также помнить, что рынок в своих изменениях может опережать аналитиков. Помните, ценной является та информация которая наименее доступна. По этой причине, крупные аналитические компании могут целенаправленно задерживать информацию перед широкой публикой об изменении справедливой стоимости акций, предоставляя ее в первую очередь узкому кругу своих крупных клиентов. Фактор второй.

Деятельность российской страховой компании на рынке личного страхования ...

... управления ими на примере страховой компании ОАО «РЕСО ... это характеризует страховой рынок как сложную ... страховых взносов (платежей, премий) между заинтересованными лицами; ... ведущие позиции в качестве поставщиков ссудного капитала. Кроме того, характер аккумулируемых страховыми организациями денежных ресурсов позволяет использовать их для долгосрочных производственных капиталовложений через рынок ...

Планы компаний по развитию бизнеса. Новости о планах по развитию бизнеса корректируют оценку справедливой стоимости акций в модели DCF, и посему могут оказать влияние на изменение цен акций. Как правило, частой, неожидаемой корректировки планов по развитию компаний не происходит, поэтому данный фактор имеет незначительное влияние на российские акции. Фактор третий. Решения совета директоров, общего собрания акционеров.

Этот микроэкономический фактор тоже редко влияет на поведение цен акций, тем не менее любые изменения в сфере управления компанией могут привести к значительным ценовым изменениям. Стоит помнить, что микроэкономические новости и события связанные с отдельными крупными акциями (для России это Газпром, либо нефтяная отрасль) могут оказывать влияние на поведение всех остальных акций. Среди фондовых аналитиков наиболее популярная модель анализа акций BARRA US-E3.На основе модели BARRA US-E3 вычисляются факторы для 13 индексов риска и 55 промышленных групп. Для 12 из этих рисковых индексов и 55 индустриальных групп находятся оценки по BARRA для ШСАР — группы из акций 1000 компаний с наибольшей капитализацией и некоторого числа тщательно отобранных чуть меньших компаний в качестве представителей не представленных промышленных отраслей. Эта группа включает от 1170 до 1300 компаний. Каждый индекс формируется исходя из фундаментальных данных, описывающих различные аспекты измеряемого по модели BARRA риска. Их комбинирование приводит к многофакторной мере риска, которая наиболее точно характеризует измеряемое понятие. Индивидуальные данные называются дескрипторами. На основе их комбинирования и составляются 13 рисковых индексов (показателей).Изменчивостьрынков (variability in markets).Этот индекс риска является показателем изменчивости цены акций, основанной на их поведении и поведении соответствующих опционов на рынке капиталов. С его помощью измеряются такие показатели, как кумулятивный диапазон сделок (cumulative trading range) и стандартное отклонение дневной цены акций для выявления акций с сильно изменяющейся ценой. Успех (success).Индекс успеха выявляет акции, которые были наиболее выгодными в последнее время с точки зрения доходности и рыночных цен.

Успех компании измеряется за последний год и за последние пять лет двумя способами: во-первых, оценивается рост доходов компании (пятилетний рост доходов, рост доходов за последний год и текущий рост доходов на основе данных I/B/E/S); во-вторых, оценивается поведение цен на рынке за последние пять лет и за последний год (статистическая «альфа» и относительная сила).

Помимо этого в качестве отрицательного индикатора рассматривают частоту уменьшения дивидендов. Размер (size).Индекс размера вычисляется на основе полной стоимости активов и полной рыночной капитализации компании. Активность сделок (trading activity).Индекс активности сделок основан на различных характеристиках активности сделок с акциями на рынке. Наиболее важные из них — показатели оборота акций на рынке. Другими важными показателями являются отношение объема продаж к изменчивости цен, логарифм цены и число аналитиков, отслеживающих данный вид акций. Акции, для которых характерна высокая скорость обращения на рынке, низкие цены и признаки большей активности в сделках, как правило, относятся к акциям с более высоким риском. Такой показатель можно считать индикатором популярности. Рост (growth).Индекс роста оценивает рост доходов в последующие пять лет с помощью регрессионного анализа по существующим данным. В нем используются данные по дивидендным выплатам, росту капитала, отношению доходности к цене и изменчивости структуры капитала. Отношение прибыли к цене (earnings-price ratio).Индекс отношения прибыли к цене есть комбинация значений прошлого, текущего и спрогнозированного будущего дохода. Отношение бухгалтерской стоимости к цене (book-price ratio).Данный индекс равен отношению бухгалтерской стоимости обыкновенной акции к ее рыночной цене. Вариация прибыли (earnings variation).Этот индекс является мерой изменения прошлых прибылей компании.

Технический анализ на рынке ценных бумаг

... рынке ценных бумаг. Теоретическую и методологическую основу исследования составляет совокупность форм и методов технического анализа, накопленных отечественной и зарубежной наукой, опытом и практикой. Существует три основных способа прогнозирования цен на акции: фундаментальный анализ, технический анализ, анализ ...

Кроме описания изменения прибылей за пять лет, он включает компоненты, отражающие относительное изменение прогнозов прибыли из базы данных I/B/E/S, и долю рынка, занимаемую компанией в отрасли. Финансовый рычаг (financial leverage).Этот индекс является мерой изменения прошлых прибылей компании. Кроме описания изменения прибылей за пять лет, он включает компоненты, отражающие относительное изменение прогнозов прибыли из базы данных I/B/E/S, и долю рынка, занимаемую компанией в отрасли. Зарубежный доход (foreign income).Интенсивность труда (labor intensity).Индекс интенсивности труда характеризует важность трудового фактора в деятельности фирмы. Он опирается на данные о доле затрат на труд в капитале компании и отношении амортизированной стоимости основного капитала компании к полной ее стоимости. Доходность (yield).Этот индекс является прогнозом дивидендной доходности для предстоящего года.LOCAP.Индекс LОСАР выделяет компании, не входящие в группу HICAP. Он допускает внесение корректировок в средние доходности этих компаний в зависимости от показателей, предсказанных для акций ШСАР. Индекс LOCAP для каждого месяца примерно равен разнице между средней доходностью компаний, не входящих в ШСАР, и средним значением их оценок, основанных на факторной модели.

Этот показатель, по сути, является обобщением понятия размера компании, допускающим отклонение от точной линейной зависимости доходности меньших компаний от величины индекса.

3.2. Развитие методов технического анализа финансовых рынков на основе адаптации программного модуля на платформе NetInvestor, сопряженной с программой технического анализа TradeStation и нейромодулем MatlabДля разработки эффективного инструмента прогнозирования финансовых рынков, необходимо выявить его особенности и закономерности. Использование компьютерных инструментальных средств, в основе которых лежат системы искусственного интеллекта, позволяет выполнить большой объем математических расчетов, за счет эффективной организации и проведения вычислений. Начиная с 1995 года, на российском рынке стали появляться программные продукты для персональных компьютеров, рассчитанные на их массовое использование. Именно с этого момента большинство повседневных задач, в которых возникает необходимость приближенного задания условий и, соответственно, получения столь же приближенных результатов, стало возможным быстро и с приемлемой точностью решать, не прибегая к помощи программистов. Математический аппарат, предоставляющий такие возможности, детально описанный в специальной литературе и в полной мере реализованный в программных пакетах, спрятан «за кадром», что делает процесс освоения этих инструментов более доступным и интуитивно понятным для любого пользователя. В России наибольшую популярность получили следующие программные продукты: FuziCalc фирмы FuziWare; CubiCalc фирмы HiperLogic и Matlab фирмы SoftLine. Основополагающие принципы интеллектуальных систем это самообучаемость в процессе эксплуатации и способность обрабатывать разнородные величины. В диссертации нами сформулированы эти парадигмы в концентрированном виде, как способы обработки данных. В нейронной сети многочисленные факторы взаимодействуют весьма сложным образом. Типичная последовательность действий при решении задачи прогнозирования финансовых показателей с помощью нейронных сетей показана на рисунке 8. В качестве поступающих на входы нейросети могут выступать как приращения пунктов фондовых индексов, так и комбинации приращений разных типов индексов в пределах одного временного интервала. На рисунке 9 показано, каким образом этот алгоритм реализуется в предлагаемой нами системе TradeStation, и как взаимодействует с внешними приложениями — DLL. Данная схема реализации позволяет анализировать он-лайн поток котировок в GlobalServer — это сервер накопления котировок о текущем состоянии, что происходит на рынке — и TradeStation сама, автоматически при помощи DLL соединяется таким же способом, как и NetInvestor.

Анализ прогнозирования банкротства предприятия и пути его оздоровления ...

... анализу проблем неплатежеспособности и антикризисного менеджмента. Дипломная работа состоит из трех глав: в первой главе рассматриваются теоретические аспекты несостоятельности (банкротства); во второй главе проводится анализ прогнозирования банкротства ... банкротства предприятия в соответствии со значением модели R определяется следующим образом: Таблица 1.1 Вероятность наступления банкротства ...

1. Определение временного интервала. Формирование базы данных.

2. Определение входных величин. Определение прогнозируемых величин. Предварительная обработка данных3. Формирование входных множеств (обучающего, тестового)

4. Выбор архитектуры нейросетей5. Обучение нейросетей6. Адаптивное предсказание и принятие решений

Рисунок 8- Блок-схема цикла предсказаний на основе нейросетей TradeStationРисунок 9 — Алгоритм автоматизированного анализа он-лайн котировок TradeStation в режиме он-лайн выдает информацию соответственно об ордерах, также запрашивает о состоянии портфеля, снимает заявки, выполняет все те действия, с теми параметрами как если бы вы выставляли заявки вручную. Таким образом можно отслеживать текущее состояние на фондовом рынке 2-мя способами. Первый — можно подключить еще один NetInvestor, и тогда можно анализировать этот счет и визуально видеть, какие заявки были выполнены, какие сняты, и соответственно, всю историю за текущий день. Второй — просматривать эту информацию непосредственно в Omega, в виде графической информации. В качестве входных данных выступают приращения максимальных, минимальных цен и цен закрытия периода. Такой подход к прогнозированию можно рассматривать как нейросетевой аналог анализа «японских свечей», поскольку прослеживается прямая аналогия с попытками некоторых трейдеров найти закономерности в комбинациях «свечей».

Необходимо отметить, что в выборку следует отбирать наиболее значимую комбинацию технических индикаторов, которую и предлагается затем использовать в качестве входов нейросети. Решить задачу выбора необходимых индикаторов можно при помощи оптимизационных методов и тех же нейронных сетей. Абсолютное большинство трейдеров при прогнозировании финансовых рынков используют технический анализ (ТА).

Одним из наиболее популярных разделов которого, является анализ при помощи индикаторов. Даже если торговая система трейдера не основана на индикаторах, он все равно использует несколько «дежурных сигнальщиков» в своей работе. Не существует индикатора, который бы со 100% уверенностью выдавал сигналы на вход в рынок и выход из него, так как индикаторы просто представляют текущую рыночную ситуацию в удобном виде и не позволяют однозначно сказать, что будет в будущем. В диссертации перед нами стояла задача, разработать индикатор, которому можно было бы доверять больше чем, например, таким популярным индикаторам как RSI или Stochastic, который бы решал задачу прогнозирования изменения фондового индекса или его волатильности. Базой для формирования входной информации явилась суточная динамика индекса РТС за январь 2010 года. Выходная информация: обученная многослойная нейронная сеть. Таблица 22Характеристики нейросетей, задействованных в эксперименте

СетьКонфигурацияMSE — среднеквадратическая ошибка

Процент верно распознаваемых образов, %EUR1(24−36−1)0.285 650,00EUR2(24−40−1)0.291 548,53EUR3(24−36−1)0.281 048,70EUR4(24−49−1)0.262 055,04EUR5(24−42−1)0.265 054,70EUR6(24−24−1)0.282 447,93EUR7(24−28−1)0.277 049,36EUR8(24−47−1)0.268 053,70EUR9(24−47−1)0.252 856,40EUR10(24−48−1)0.260 055,12Обучение каждой сети производилось до тех пор, пока MSE (Mean Squared Error) не переставала заметно уменьшаться. MSE — среднеквадратическая ошибка значений, формирующихся на выходах ИНС, рассчитываемая в процессе обучения «с учителем» — один из самых распространенных критериев качества обучения нейросетей. В таблице 22 представлены результаты обучения 10-ти ИНС. Нейронные сети не «научились» однозначно распознать хотя бы половину образов, и, кроме того, на одном и том же обучающем множестве показали разные результаты. Этот факт наглядно иллюстрирует эффект «локальных минимумов» и «первоначальной точки» при обучении методом градиентного спуска (обратного распространения ошибки).Современные методы обучения многослойных ИНС подразумевают формирование первоначальных значений весов случайным образом и дальнейший пошаговый поиск экстремумов функции невязки.

В этой связи, предсказания сетей, обученных на одной и той же выборке, в большинстве случаев, будут отличаться. Для преодоления этого недостатка (элемента неопределенности) в диссертации предложено организовать комитет нейро-экспертов, состоящий из нескольких ИНС. Разброс в предсказаниях экспертов позволяет получить представление «качестве» получаемых прогнозов, что можно использовать для правильного выбора стратегии игры. Среднее значение комитета должно давать лучшие предсказания, чем средний эксперт из этого же комитета, причем, снижение ошибки может быть довольно заметным. Поэтому, в предсказаниях всегда лучше опираться на средние значения всего комитета.

Таким образом, такой подход может существенно повысить качество прогнозирования. В качестве результирующего прогнозируемого значения мы воспользовались взвешенной средней мнений сетей — экспертов. В качестве оценки степени обученности нейросети, воспользовались коэффициентом корреляции выходов сети и «идеальных» значений из обучающего множества: чем больше коэффициент корреляции, тем больше выходные значения сети совпадают с «идеальными». Из таблицы 22 видно, что хуже обученные сети характеризуются меньшими значениями коэффициента корреляции. В результате, они вносят меньший вклад в общее мнение и не искажают предсказания. Полученное среднее мнение комитета можно использовать для построения индикатора. Значения среднего мнения комитета, стремится к нижней границе оптимальных значений, колеблется с малой амплитудой около своего среднего значения.

Кроме того можно увидеть, что значения характеризуются шумом (испытывают резкие смены направлений), который затрудняет использование индикатора. Следующим этапом в анализе «качества» полученных результатов явилось построение простейшей торговой системы, базирующейся на основе полученного индикатора, и моделирование торговли по ней на рынке. Под простейшей торговой системой будем понимать систему, выдающую сигналы на открытие позиции (длинной и короткой) и закрытие позиции. Такую систему можно смоделировать, используя модуль TradeStation. TradeStation позволяет подобрать для индикаторов оптимальные уровни, при пересечении которых возникает сигнал на открытие или закрытие позиции. По результатам нескольких тестов значимые уровни были расставлены следующим образом (рисунок 10).Как правило, торговые системы практикующих трейдеров гораздо более сложные и строятся на большом числе элементов. Однако, предложенная система обладает потенциалом усовершенствования с точки зрения надежности и прибыльности. Точность прогнозирования можно повысить, если при разработке нейросетевого индикатора в качестве входных данных использовать сигналы индикаторов технического анализа (ТА).

Очевидные достоинства применения входных данных такого рода описаны выше. По результатам проведенного исследования нами выявлены также недостатки практики компьютерного эксперимента, преодоление которых, позволит получить более точные прогнозы и разработать готовые для практического применения финансовые стратегии. Рисунок 10- Практический пример использования DLL и программы ТА OmegaResearch Prosuite2000iТехнологическая цепочка работы с предложенной системой представлена в диссертации. На первом шаге институциональный инвестор создает проект (торговую систему, стратегию), при помощи встроенных возможностей описывает ее, устанавливает ключевые параметры. В тех местах, где в системе предполагается использовать прогнозы нейронных сетей, настраиваются модели прогнозирования. На втором этапе для каждой модели настраиваются параметры модулей, связанных с процессом обучения нейроэкспертов и получения результатов: какие данные требуются, где они могут быть найдены, шаблоны преобразования входных и выходных величин, параметры алгоритма обучения, настройки оптимизации модели и т. п. На этом этапе инвестор может также сам участвовать в создании базы данных с финансовыми показателями. После установления всех параметров торговой системы, ей может быть отдан сигнал, на запуск процессов оптимизации торговой системы (проекта), поиска оптимальной архитектуры нейронных сетей и обучения нейэкспертов. Прогнозирующая система способна в автоматическом режиме осуществлять эти процессы. Обучение нейроэкспертов, самый критичный по времени процесс, может протекать в фоновом режиме постоянно, т. е. возобновляться каждый раз при включении компьютера. Чем больше система обучит нейроэкспертов, тем больше возможностей выбора появляется у нее при формировании комитетов. Для регуляторов фондового рынка так же возможно использование предложенного метода для оценки текущего состояния конъюнктуры рынка и прогнозирования последствий его развития через управление макроэкономическими показателями национальной экономики (валового внутреннего продукта, темпов инфляции, курса национальной валюты, безработицы, инвестиций и др.)В недавнем прошлом по темпам роста ВВП Россия отставала только от Китая и Казахстана и занимает 3 место в мире. В Китае за последние годы динамика ВВП составила 11,9%, в Казахстане 8,5%, в России 8,1%. За январь-август 2010 г.

аналогичные показатели составили 10,4%, 5,2% и 7,7% соответственно. По данным МЭРТ темп роста ВВП в России в I квартале 2008 г. составил 8,5% к соответствующему периоду предыдущего года. Во II квартале имело место замедление, в результате которого данный показатель снизился до 7,5%. Падение в III квартале осуществилось до оценки в 7,1%. Таким образом, прирост за первые три квартала текущего года составляет 7,7%. Наиболее заметное замедление темпов роста имело место в августе (0,5%) и сентябре (0,4%).

По нашим прогнозам годовая динамика ВВП в 2011 году ожидается на уровне 7%, а в 2012 г. —

5,5%. Однако с учетом настоящей ситуации стоит, скорее, ожидать спад реального ВВП в 2012 г. на 2−3%.Рисунок 11 — Формирование ВВП по годам в 2005;2012 гг. (

2011;2012 гг. — прогноз) в текущих ценах, трлн. руб. Основным фактором экономического роста в России в текущем году является торговля, которая занимает в структуре вклада в рост ВВП более 25% (по данным МЭРТ).

Однако не стоит забывать, что развитие торговли базируется на росте потребительского спроса и доступности кредитования, в связи с чем в ближайшие 10 месяцев в данном секторе экономики следует ожидать спад потребительской активности. Так, если среднемесячный прирост потребительского рынка составил в июле 1,2% (с исключением сезонной составляющей), в сентябре данный показатель опустился до 0,1%.Что касается промышленного производства, снижение темпов роста уже очевидно: если прирост за первые три квартала 2007 г. составили

6,6%, то в 2008 г. — всего 5,4%. Годовой прирост прогнозируется на уровне 3,4%. Рост промышленного производства в июле составил 0,6% (с исключением сезонной составляющей), в августе — 0,3%, в сентябре — 0,1%. Замедление темпов роста данного сектора связано с сокращением роста в сфере полезных ископаемых и оборудования (оптического, электронного и электрического).

Некоторые сферы производства в сентябре претерпели спад: обрабатывающее производство упало на 0,6%, производство пищевых продуктов — на 0,9%, химическое — 0,7%, производство стройматериалов — 0,6%.Стоит отметить, что отрицательное воздействие внешних факторов — снижение цен на нефть и ухудшение экономической ситуации большинства стран — отразились на внешнеэкономической деятельности России пока не в полной мере.

Так, экспорт в первых трех кварталов 2008 года по данным Банка России увеличился по сравнению с тем же периодом в 2007 г. в полтора раза (372 млрд долл. США), импорт — в 1,4 раза (218,7 млрд долл. США).В таблице 23 сведены макроэкономические показатели полученные в результате использования разработанных инструментальных средств на основе использования нейросетевого прогнозирования. Таблица 23Прогнозы основных показателей развития экономики на период 2009;2012 гг.200 920 102 011МЭРТ 2012 МЭРТ 2011

Авт. прогноз2012 авт. Прогноз Индекс потребительских цен в среднем за год, %109,0111,9109,0−110,5106,0−107,5113,5100,7Валовой внутренний продукт, млрд. руб.

Темп роста ВВП, в % к пред. Году107,4108,1107,6106,6 107 100,5Цены на нефть Urals (мировые), долл. / барр.

61,169,39 810 295,268,5Курс доллара США (руб. за долл.) среднегодовой27,227,530,932,931,8236,8Курс доллара США (руб. за долл.) на конец периода26,324,623,827,131,9537,8Иностранные инвестиции (прямые), млрд. долл.

13,6827,8нд

Нд23,815,2Как видно из представленных в таблице данных, Министерство экономики не предполагает возможность создания кризисной ситуации в России в 2012 г. На реально происходящие процессы — отток иностранного капитала из страны и последующий кризис ликвидности, снижение цен на нефть, а также темпов роста ВВП — наслаиваются события, вызванные субъективными факторами: инфляция, подстегиваемая ожиданиями потребителей относительно ослабления рубля и дефицита импортной продукции на рынке, изъятие денег с банковских счетов, перевод сбережений в валюте и т. д. Государственные органы предпринимают попытки оценить реальную ситуацию и сделать прогнозы на ближайшее время. Однако данные прогнозы можно считать скорее оптимистическими, чем реальными. В ближайшие время произойдут следующие разрушительные волны кризиса 2012;15 и 2017;19 гг., что с большой долей вероятности подорвет экономическую мощь лидеров прежних лет: в первую очередь США и ЕС. Параллельно в период второй волны 2012;2015 гг. рухнет и мировая финансовая система, основанная на господстве единственной резервной валюты — американского доллара. Выводы по главе 3 В третье главе нами определены направления развития методов фундаментального и технического анализа. Многофакторная модель BARRA для ценных бумаг США оказала влияние на строгость и сложность, с которой институциональные инвесторы подходят к задаче управления большими пакетами обыкновенных акций в США. Возможно, наиболее впечатляющим свидетельством эффективности и жизнеспособности модели является то обстоятельство, что никакая другая альтернативная модель не приобрела столь широкого признания, как модель E3. Кроме того, нами выявлен достаточный для практического применения запас знаний по применению интеллектуальных систем моделирования и прогнозирования в экономических и финансовых задачах (программные модули: FuziCalc фирмы FuziWare; CubiCalc фирмы HiperLogic и Matlab фирмы SoftLine), степень реализованности которых ограничена в силу относительной новизны данного инструментария, а так же изучен успешный опыт внедрения Пенсионным фондом РФ подобной системы по оптимизации фондового портфеля от Siemens Business Services Russia, что позволило предложить авторскую систему прогнозирования, основанную на техническом анализе с помощью нейросетевого аппарата. На основании этого было разработано инструментальное средство для прогнозирования фондовых индексов, программная реализация которого построена на торговой интернет-платформе NetInvestor, сопряженной с программой технического анализа TradeStation и нейромодулем Matlab, входными данными в котором, явились сигналы индикаторов технического анализа, что позволило повысить точность прогнозирования до 96%, с помощью которого были проанализированы в динамике макроэкономический показатели рыночной активности (инфляция, прирост ВВП, индексы фондового рынка), получены прогнозные оценки их величин и рассчитан показатель качества предсказания примененным методом;

— предложены рекомендации для Минэкономразвития и Центрального банка РФ по предупреждению кризисных явлений и минимизации инвестиционных рисков, заключающиеся в предположении возможности возникновения второй волны кризиса в 2012 году с последующим оттоком иностранного капитала и соответственно кризисом ликвидности, снижением цен на нефть до 68 рублей/баррель, а также темпов роста ВВП (инфляция, подстегиваемая ожиданиями потребителей относительно ослабления рубля до 36 руб./долл. и дефицита импортной продукции на рынке, изъятие денег с банковских счетов, перевод сбережений в валюте и т. д. ).Заключение

Для моделирования инвестиционных стратегий на фондовых рынках существует множество инвестиционных инструментов и различных подходов для его анализа, основными из которых являются фундаментальный анализ, технический анализ и теория случайных событий. Фундаментальный анализ, в первую очередь, направлен на выявление наиболее привлекательного объекта инвестирования и прогнозирование изменения цены, и основывается на изучении политической и экономической ситуации в мире и стране, общего состояния в отрасли и у конкретного эмитента. Понятие фундаментального анализа возникло и получило распространение в связи с развитием рынка корпоративных ценных бумаг. Значительная часть инвесторов полагает, что существует функциональная зависимость между динамикой курсов акций предприятия и эффективностью его функционирования в прошлом, настоящем и будущем, а также характеристиками политического, экономического и социального развития страны, специфики отрасли и месторасположения предприятия. Технический анализ основывается на ряде базовых принципов — постулатах. Один из них лежит в основе теории эффективности рынка, т. е. цена учитывает и отражает всю имеющуюся информацию и действие различных факторов на данный момент. Другой постулат отражает характер движения рынка — рынок движется трендами.

Третий постулат является одним из самых противоречивых постулатов теории технического анализа — история повторяется. Данный постулат лежит в основе применения торговых систем. Движение рынка происходит вследствие реакции на полученную информацию или вызванную психологическими особенностями того или иного участника, образующего вместе с другими т.н. «биржевую толпу», действия которой легко формализованы и предсказуемы. Суть противоречий между сторонниками технического и фундаментального анализа состоит в большинстве случаев в эффективности применения методов той или иной теории, что не совсем корректно, т.к. причины реакции рынка, изучаемые данными теориями, имеют разную природу; и использование методов фундаментального анализа более целесообразно для определения долгосрочной тенденции движения рынка и изучения внешних причин воздействия на него, а технического — для кратко и среднесрочных тенденций. Многочисленные статистические исследования фондового рынка в целом подтверждают наличие положительной корреляции между динамикой котировок акций и динамикой валового внутреннего продукта как ключевого индикатора общеэкономической конъюнктуры, между динамикой курса акций и динамикой чистой прибыли предприятия в расчете на одну акцию как обобщающего показателя эффективности деятельности предприятия. Вместе с тем, эти исследования не дали однозначного подтверждения о наличии прямой пропорциональной зависимости динамики курсов акций и показателей развития экономики страны в целом, отрасли, предприятия. Эта зависимость более сложна из-за того, что инвесторами движут самые разнообразные, нередко противоречивые мотивы при покупке или продаже ценных бумаг, чаще всего основанные на ожиданиях, во-многом субъективных, эмоциональных, а не на ретроспективной информации. Следует отметить, что в классических работах, в частности, Бенджамена Грэма, под фундаментальным анализом понимается определение действительной стоимости акции предприятия и ее сравнение с фактической рыночной капитализацией для целей выявления степени недооцененности (переоцененности) акций компании, и соответственно измерения уровня потенциальной доходности операций с ценными бумагами. В ряде других работ фундаментальный анализ трактуется как комплексное исследование инвестиционной привлекательности акций, включающее в себя анализ финансово-экономических показателей компании и внешних предпосылок инвестирования, то есть общеэкономический и отраслевой анализ. Приведенные определения отличаются некоторой фрагментарностью, так как не учитывают в достаточной степени два ключевых мотива принятия решения по вложению средств на фондовом рынке, а именно: требование максимизации доходности и минимизации риска инвестиций. В теории и практике фундаментального анализа высокая потенциальная доходность финансовых вложений, как правило, связывается с недооцененностью акций.

В отношении измерения минимального уровня риска инвестиций выделено три ключевых фактора, которые обычно анализируются инвесторами: инвестиционная привлекательность предприятия по экономическим показателям (ретроспективным и прогнозным), благоприятные внешние предпосылки для инвестирования (общеэкономические, отраслевые, региональные), высокая ликвидность акций эмитента. Фундаментальный анализ является инструментом обоснования инвестиционных решений на фондовом рынке, основываясь на ключевых факторах принятия этих решений. Поэтому сформировалась точка зрения, о том, что фундаментальный анализ — это последовательное изучение инвестиционной привлекательности страны, региона, отрасли, предприятия, а также ликвидности и оцененности акции предприятия для целей определения наилучших инвестиционных возможностей по вложению денежных средств в корпоративные акции. С такой оценкой представляется возможным согласиться. На рынке ценных бумаг существует множество методов стратегий инвестирования. Зарубежные издания и интернет-ресурсы пестрят заголовками, повествующими о том, как легко и просто заработать на рынке ценных бумаг, всего лишь применив модель или стратегию инвестирования, разработанную консалтинговыми компаниями, а иногда и частными лицами.

Однако за такими громкими вывесками, как правило, стоят обычные, торговые системы, которые протестированы профессиональными участниками рынка. По сути, торговая система есть алгоритм действий, которые обусловлены изменением курсов. Проведенные исследования таких торговых систем, используемых на рынках США и Западной Европы, показывают, что в целом торговые системы ориентированы на краткосрочный период: день — неделя. Рекомендуемые брокерами торговые системы действительно могут приносить достаточные доходы от роста курсовой стоимости акций или деривативов (капитальный доход), однако они же и предполагают большие транзакционные издержки, поэтому большинство мелких клиентов в среднем выходят на уровень нормальной прибыли. К сожалению, большинство торговых систем, даже реализованных в электронном варианте, требуют актуализации и очень быстро устаревают, приводя к внеплановым дисбалансам в портфелях инвесторов. Вместе с тем уже более полувека существуют модели, позволяющие максимально учесть влияние факторов на движение цен на ценные бумаги.

Такие модели, или, как их уже называют, технологии, стоят достаточно дорого и в большинстве случаев доступны весьма немногим участникам рынка, в основном институциональным инвесторам, для которых проблема баланса рискованности и доходности портфеля ценных бумаг особенно актуальна. Среди институциональных инвесторов наибольший интерес к многофакторным моделям проявляют институты совместного инвестирования, пенсионные и инвестиционные фонды. В последнее время наметилась и тенденция повышения интереса к многофакторным моделям банков, как коммерческих, так и инвестиционных. Пока рано говорить о том, что банки переняли концепции многофакторных моделей, однако системный подход к риску, используемый здесь, максимально располагает банки к их практическому использованию. Наибольших успехов в использовании многофакторных моделей добилась компания Barra. Модель BarraUS-E3 позволяет производить оценку акций в режиме реального времени. Проведенное исследование и применение данной модели на примере анализа акций ОАО «Северсталь» показали эффективность применения данной модели в режиме реального времени. Модель E3 может применяться институциональными инвесторами в разнообразных ситуациях. Инвестиционные менеджеры могут использовать эту модельдля предсказания изменчивости в доходности их портфелей, как в абсолютном выражении, так и относительно рыночного эталона. Модель позволяет менеджерам разделить предсказываемый таким образом риск на факторные и нефакторные компоненты, В результате менеджеры могут на основе этой информации судить о соотношении между ожидаемым вознаграждением и прогнозируемым риском для конкретных стратегий управления портфелем. Менеджеры и их клиенты также могут использовать модель E3 для факторного анализа.

В этом случае аналитик использует модель для вычисления влияния разных факторов на данный портфель за отчетный период. Затем, с помощью вычисленных BARRA доходностей по факторам определяется вклад каждого из факторов в полную доходность портфеля. Наконец, сравнение значений факторов для портфеля и их вкладов в доходности с соответствующим эталоном дает ключ к разгадке успеха или провала стратегий менеджера. Институциональные инвесторы также могут использовать модель E3 для того, чтобы характеризовать инвестиционные стили их менеджеров. Сходные стили инвестиционного поведения имеют тенденцию давать сходные значения факторов модели E3. Например, менеджеры, предпочитающие большой рост капитализации, обычно и. меют большие значения факторов, характеризующих размер и рост, но низкие значения соотношения балансовой стоимости и цены. Анализируя с помощью модели E3 ряды доходностей в прошлом для различных портфелей, клиент может идентифицировать инвестиционный стиль своих действующих и потенциальных менеджеров. Это помогает при оценке работы и структуры менеджмента. Многофакторная модель BARRA для ценных бумаг США оказала влияние на строгость и сложность, с которой институциональные инвесторы подходят к задаче управления большими пакетами обыкновенных акций в США. Возможно, наиболее впечатляющим свидетельством эффективности и жизнеспособности модели является то обстоятельство, что никакая другая альтернативная модель не приобрела столь широкого признания, как модель E3. Кроме того, нами выявлен достаточный для практического применения запас знаний по применению интеллектуальных систем моделирования и прогнозирования в экономических и финансовых задачах (программные модули: FuziCalc фирмы FuziWare; CubiCalc фирмы HiperLogic и Matlab фирмы SoftLine), степень реализованности которых ограничена в силу относительной новизны данного инструментария, а так же изучен успешный опыт внедрения Пенсионным фондом РФ подобной системы по оптимизации фондового портфеля от Siemens Business Services Russia, что позволило предложить авторскую систему прогнозирования, основанную на техническом анализе с помощью нейросетевого аппарата. На основании этого было разработано инструментальное средство для прогнозирования фондовых индексов, программная реализация которого построена на торговой интернетплатформе NetInvestor, сопряженной с программой технического анализа TradeStation и нейромодулем Matlab, входными данными в котором, явились сигналы индикаторов технического анализа, что позволило повысить точность прогнозирования до 96%, с помощью которого были проанализированы в динамике макроэкономический показатели рыночной активности (инфляция, прирост ВВП, индексы фондового рынка), получены прогнозные оценки их величин и рассчитан показатель качества предсказания примененным методом;

— предложены рекомендации для Минэкономразвития и Центрального банка РФ по предупреждению кризисных явлений и минимизации инвестиционных рисков, заключающиеся в предположении возможности возникновения второй волны кризиса в 2012 году с последующим оттоком иностранного капитала и соответственно кризисом ликвидности, снижением цен на нефть до 68 рублей/баррель, а также темпов роста ВВП (инфляция, подстегиваемая ожиданиями потребителей относительно ослабления рубля до 36 руб./долл. и дефицита импортной продукции на рынке, изъятие денег с банковских счетов, перевод сбережений в валюте и т. д. ).

Список литературы

Об оценочной деятельности в Российской Федерации: федер. закон: [от 29 июля 1998 г. № 135-ФЗ: в посл. ред. от

28 декабря 2010 г.]. Батунин М. Соотношение фондового рынка и рынка ценных бумаг / М. Батунин //Хозяйство и право. 2006. — №

Л. П. Основы, Е. М. Фрактальный

М. Бронштейн 3. И. Янчушка // Финансы и кредит. 2007.

• „– 12 (252).

  — С. 26−29.Ван Хорн Дж. К. Основы управления финансами / Мж.

Л. П. Прогнозирование

Спектральный анализ временных рядов в экономике / К. Гренджер, М. Хатанака. М.: Статистика, 1972

Е. Т. Механизмы, О. О. Эконометрические, К. В. Зарубежный, Я. М. Ценные

• 550 с. Найман Э. Мастер-трейдинг: секретные материалы / Э. Найман. М.: Альпина Паблишер, 2002. ;

• Э. Л. Малая

С. В. Понятие, Сергеев А. П.

1. М.: Проспект, 2004. С. 182. Смирнов С. Система опережающих индикаторов для России / С. Смирнов // Вопросы экономики. 2001. — №

3. — С. 23−42.Сорос Дж. Алхимия финансов / Дж.

С. А. Рынок

Э. Е. Методы

• 143 с. Фундаментальный анализ финансовых рынков. СПб: Питер, 2005.-288 с. Хенан Э. Анализ временных рядов / Э. Хенан. М.: Статистика, 1964.
• 215 с.

Хенан Э.Дж. Многомерные временные ряды / Э. Дж. Хенан.

Н. И. Предсказание, В. В. Гражданский, Г. С. Защита

12.Шарп У. Инвестиции / У. Шарп, Г. Александер, Дж. Бэйли. М.: Инфра-М, 2007.

Г. Н. Акция

35.Элдер А. Основы биржевой игры / А. Элдер. М.: Светочъ, 2006

А. А. Технический

and Bushee, B. J., A bnormal returns to a fundamental analysis strategy // The Accounting Review. 2008. — №

73. — p. 19−45.Achelis Steven B. T echnical Analysis From A to Z. P

robus Publishing. C hicago. 278 p. Akhigbe A., and J. M adura.

T he Industry Effects Regarding the Probability of Takeovers // The Financial Review. 2009. № 34(3).

p.

1−18.Altman E. I., R. G. H aldeman, and P. N arayanan, Zeta Analysis: A New Model to dentify Bankruptcy Risk of Corporations // Journal of Banking and Finance. — 1977.

— J une. p. 29−54.Analysts’ Forecasts and Stock Price Fluctuations // Financial Analysts Journal.-№ 42, pp. 29−39, 55. Andersen T.G., Bollerslev, Т., Christoffersen, P.F., and Diebold, F.X. Volatility and Correlation Forecasting // in G. E lliott, C.W.J. Granger, and A.

T immermann (eds.).

Handbook of Economic Forecasting. A msterdam: North-Holland.

pp. 778−878.Ang Andrew, and Geert Bekaert. S tock return predictability: Is it there? // R eview of Financial Studies. 2007. — №

20. — pp. 651—707.Arms R. P rofits In Volume: Equivolume Charting. M arketplace Books, 2009. Arnott Robert, and Peter Bernstein.

W hat risk premium is normal? // F inancial Analyst Journal. 2002. — №

58, pp. 64—85.Ashley, Richard. B eyond optimal forecasting.

W orking paper. V irginia Tech. — 2006. Asness Clifford A. T he interaction of value and momentum strategies // Financial Analysts Journal.

2007. — № 53. — pp. 29−36.Asquith Paul.

M erger Bids, Uncertainty, and Stockholder Returns // Journal of Financial Economics. 1983. -№ 11.-pp. 51−83.Atiase R.

K. P re-disclosure information, Firm Capitalization and Security Price Behavior around Earnings Announcement // Journal of Accounting Research. 1985. — pp.

215−235.Baker Malcolm, and Jeffrey Wurgler. T he equity share in new issues and aggregate stock returns // Journal of Finance. 2000. — №

55. — pp. 2219—2257.Balduzzi Pierluigi, and Antonhy Lynch. T ransaction costs and predictability: Some utility cost calculations // Journal of Financial Economics. 2009. — №

52. — pp. 47—78.Ball R., and P. B

rown. A n Empirical Evaluation of Accounting Income Numbers // Journal of Accounting Research. 1964. — № 6(2).

;

• pp. 157−178.Barberis Nicholas. I nvesting for the long run when returns are predictable // Journal of Finance.

2000. — № 55. pp. 225—264.BARRA, United States Equity Model Version 3 (E3), Model Handbook, BARRA Corporation: Berkeley, С A. IbbotsonSBBI 2009 ValuationYearbook — Электронный ресурс — Режим доступа:

http://corporate.morningstar.com/ib/documents/MarketingOneSheets/DataPublication/SBBI_ValuationTOC.pdf , свободный. — Загл. С экрана. New Decade, New World, New Policy — Russia in 2011 — Электронный ресурс — Режим доступа:

http://www.cmslegal.ru/Pages/default.aspx, свободный. — Загл. С экрана. Templeton, Lauren C. I

nvesting The Templeton Way: The Market-Beating Strategies of Value Investing’s Legendary Bargain Hunter / Lauren C. T empleton, Scott Phillips. — USA: T he McGraw-Hill Companies, 2008. —

p. 27. WarrenBaffet — Электронный ресурс — Режим доступа:

http://billionaires.forbes.com/topic/Warren_Buffett, свободный. — Загл. с экрана. Анализ акций — Электронный ресурс — Режим доступа:

http://old.k2kapital.com/training/learning/analyz/92 802.html , свободный. — Загл. с экрана. Базовая процентная ставка — Электронный ресурс — Режим доступа:

http://www.mabico.ru/lib/127.html , свободный. — Загл. с экрана.

Введение

в практику оценки стоимости бизнеса (предприятия) имущественным (затратным) подходом — Электронный ресурс — Режим доступа:

http://businessval.ru/adept/business/net-assets, свободный. — Загл. с экрана. Интернет-дайджест IPO

http://www.offerings.ru/Интернет-сайт информационного агентства Bloomberg

http://www.bloomberg.com/Интернет-сайт информационного агентства Cbonds

http://www.cbonds.info/ru/rus/Интернет-сайт информационного агентства Economagic

http://www.economagic.com/Интернет-сайт Информационного агентства QuoteRBC

http://quote.rbc.ru/shares/Интернет-сайт компаний металлургической отрасли

http://www.metaltorg.ru/Интернет-сайт Министерства регионального развития Российской Федерации

http://www.minregion.ru.Интернет-сайт Министерства экономического развития России www.economy.gov.ru.Интернет-сайт Московской Межбанковской Валютной Биржи www.micex.ru.Интернет-сайт Федеральной службы государственный статистики www.gks.ru.Интернет-сайт Центрального Банка Российской Федерации

http://www.cbr.ru/Коэффициент рентабельности активов — Электронный ресурс — Режим доступа:

http://www.cfin.ru/encycl/return_on_assets.shtml, свободный. — Загл. с экрана. Российские компании в кризис догнали и обогнали европейских конкурентов по рентабельности — Электронный ресурс — Режимдоступа:

http://oko-planet.su/finances/financesdiscussions/39 422-rossijskie-kompanii-v-krizis-dognali-i-obognali.html , свободный. — Загл. с экрана. Приложения

Приложение 1Отчетность компании ОАО «Северсталь» по РСБУ за 2007;2010 гг. итемпы прироста отдельных показателей

Приложение 2Вертикальный анализ баланса компании ОАО «Северсталь», %2 007 200 820 092 010

Актив

Внеоборотные активы:

Нематериальные активы0,420,380,110,07Основные средства29,2331,9834,3333,05Незавершенное строительство11,8418,4215,7215,87Доходные вложения в материальные ценности0,120,100,040,05Долгосрочные финансовые вложения16,5912,1818,7421,91Отложенные налоговые активы0,041,620,610,50Прочие внеоборотные активы0,130,100,090,08Итого внеоборотные активы58,3764,7869,6471,53Оборотные активы:

Запасы, в том числе7,527,667,478,48сырье, материалы и другие аналогичные ценности5,175,615,325,59затраты в незавершенном производстве1,381,381,241,42готовая продукция и товары для перепродажи0,520,370,631,18товары отгруженные0,000,000,000,06расходы будущих периодов0,450,300,290,21НДС по приобретенным ценностям1,460,980,850,91Дебиторская задолженность (платежи по которой ожидаются более чем через 12 месяцев после отчетной даты), в том числе0,190,272,743,86покупатели и заказчики0,010,000,000,00задолженность дочерних и зависимых обществ0,080,181,692,83Дебиторская задолженность (платежи по которой ожидаются в течение 12 месяцев после отчетной даты), в том числе11,7214,9310,889,13покупатели и заказчики4,898,055,513,85задолженность дочерних и зависимых обществ1,492,893,053,91авансы выданные0,790,110,520,28Краткосрочные финансовые вложения19,345,117,153,39Денежные средства1,396,261,262,70Итого оборотные активы41,6335,2230,3628,47Итого активы100,100,00100,100,00Пассив

Капитал и резерв:

Уставной капитал5,504,814,593,68Собственные акции, выкупленные у акционеров0,000,000,00−0,06Добавочный капитал24,9121,7313,4310,74Резервный капитал0,270,240,230,18Нераспределенная прибыль (убыток)

51,8545,4853,2149,36Итого капитал82,5372,2671,4663,90Долгосрочные обязательства:

Долгосрочные кредиты и займы3,355,7012,5922,11Отложенные налоговые обязательства2,963,014,755,27Итого долгосрочные обязательства6,318,7117,3327,39Краткосрочные обязательства:

Краткосрочные кредиты и займы5,144,703,561,90Кредиторская задолженность, в том числе5,8413,276,836,73поставщики и подрядчики3,3911,055,144,50задолженность перед персоналом организации0,390,160,180,18задолженность перед государственными внебюджетными фондами0,040,010,020,04задолженность по налогам и сборам0,300,310,320,25задолженность перед дочерними и зависимыми обществами0,601,040,480,46авансы полученные0,900,620,591,26Задолженность перед учредителями по выплате доходов0,131,030,790,05Доходы будущих периодов0,040,040,030,03Итого краткосрочные обязательства11,1619,0311,218,71Итого капитал и обязательства100,100,00100,100,00Приложение 3Расчет показателей ликвидности

Показатель2 007 200 820 092 010

Коэффициент текущей ликвидности (нормальный уровень — больше 2)3,731,852,713,27Коэффициент быстрой ликвидности (нормальный уровень — 0,7−1)2,911,381,721,75Коэффициент мгновенной ликвидности (нормальный уровень — больше 0,2)1,860,600.

750,70Расчет показателей финансовой устойчивости

Показатель2 007 200 820 092 010

Коэффициент финансовой зависимости1,211,381,401,56Коэффициент финансового рычага0,210,380,400,56Коэффициент финансовой устойчивости (нормальный уровень — 0,5−0,7)0,890,810,890,91Показатель покрытия процентов54,3913,1321,6212,99Расчет показателей деловой активности (оборачиваемости)Показатель2 007 200 820 092 010

Период оборачиваемости кредиторской задолженности, дней23 504 437

Период оборачиваемости товарно-материальных запасов, дней29 294 847

Коэффициент фондоотдачи основных средств2,281,931,131,36Коэффициент оборачиваемости активов0,940,970,560,66Коэффициент оборачиваемости инвестированного капитала1,031,180,640,76Расчет показателей рентабельности и отдачи на капитал. %Показатель2 007 200 820 092 010

Рентабельность активов28,101,8614,339,88Рентабельность собственного капитала30,705,3615,6812,43Рентабельность инвестированного капитала30,872,2516,3611,24Коэффициент EBITDA67,1835,4260,3943,76Коэффициент EBIT36,456,9225,7915,66Маржа чистой прибыли27,073,9819,8611,95Приложение 4Структура органов управления ОАО «Северсталь»Приложение 5Формулы для расчета стоимости акций компании методомдисконтированных денежных потоков

Расчет чистого денежного потока на инвестированный капитал (FCFF)Скорректированная чистая прибыль [NOPLAT = EBIT х (1 — T)] + АмортизацияКапитальные вложения -/+ Увеличение (уменьшение) собственного оборотногокапитала = Чистый денежный поток на инвестированный капитал

Расчет ставки дисконтирования

Средневзвешенная стоимость капитала: WACC = We x ke + Wd x kd x (1 — T) где:We — доля собственного капитала в структуре инвестированного капиталакомпании;ke — стоимость привлечения собственного капитала;Wd — доля заемного капитала в структуре инвестированного капиталакомпании;kd — стоимость привлечения заемного капитала;T — действующая ставка налога на прибыль. Формула CAPM применительно к российской практике выглядит следующим образом: Re = Rf + RLx (Rm — Rf) + Cгде: Re — ставка доходности на собственный капитал;Rf — норма дохода по безрисковым вложениям;Rm — среднерыночная норма доходности;(Rm — Rf) ― премия за риск вложения в акции;RL— коэффициент бета, учитывающий соотношение собственного изаемного капитала компании;C — дополнительная норма дохода, учитывающая страновой риск. Номинальная ставка доходности для денежных потоков на инвестированный капитал компании, выраженный в рублях: RRUR = (1 + RUSD) x1 + rRUR — 11 + rUSDгде: RRUR — ставка дисконтирования, номинированная в рублях;RUSD — ставка дисконтирования, номинированная в долларах США;rRUR — доходность по рублевым государственным облигациям России;rUSD — доходность по еврооблигациям России, номинированным в долларах

США.Приложение 6Расчет стоимости акций компании ОАО «Северсталь» методом дисконтированных денежных потоков, тыс. руб. Приложение 7Расчет прогнозов изменения собственного оборотного капитала в 2011;2015 гг.200 720 082 009 201 020 296 603 269 530 124 288

Запасы, тыс. руб.

Оборачиваемость, дней423 964 555 050 505 024НДС по капитальным вложениям, тыс. руб.

2 686 018 166 099 930 119 412 086 167 909 467 477 696 640 378 858 020 664 246 272НДС по приобретенным ценностям, тыс. руб.

Дебиторская задолженность (платежи по которой ожидаются более чем через 12 месяцев после отчетной даты), тыс. руб.

38 982 462 786 066 793 408 668 849 122 509 257 179 136—-Норма выплаты долгосрочной задолженности, %33,3333,3333,33Дебиторская задолженность (платежи по которой ожидаются в течение 12 месяцев после отчетной даты), тыс. руб.

Оборачиваемость, дней465 670 505 656 565 632

Кредиторская задолженность, тыс. руб.

Оборачиваемость, дней326 858 555 151 515 136

Приложение 8Расчет справедливой стоимости акций компании ОАО «Северсталь» методом компаний-аналогов

КомпанияКоличество обыкновенных акций

Средняя цена за день на последний день торговли (ММВБ), руб., 31.

12.2010

Денежные средства, млн. руб. Долгосрочная задолженность, мленю руб. Собственный капитал, млн. руб. Инвестированный капитал, млн. руб. Выручка, млн. руб. EBITDA, млн. руб.

Прибыль, млн. руб. Веса

ОАО «НЛМК»5 993 227 240 144,5422738,5 981 879,82866261,7 970 879,47253840,68 825,9038152,000,10ОАО «ММК»1 007 701 355 519,8562440,99 131 903,62523853,55 718 198,16412619,2 097 804,10(17 540,50)0,30ООО Мечел»416 270 745 881,5010360,32 209 362,34366942,66 586 665,32296278,4 061 006,4219972,800,60ОАО «Северсталь»234 657,6043654,407 721,60Компания

ИК/Выручка

ИК/ EBITDAИК/Прибыль

ОАО «НЛМК»3,8214,1125,45ОАО «ММК»1,747,34−40,95ООО «Мечел»1,989,6229,37Совокупное значение мультипликатора491 072,89409629.

8 560 885,98Веса0,70,20,1Стоимость ИК, млн. руб.

431 765,59Долгосрочная задолженность, млн. руб.

83 156,00Денежные средства, млн. руб.

8188,00СК, млн. руб.

340 421,59Количество акций11 174 330 000

Стоимость одной акции, руб.

30,46Стоимость 1 ГДР, долл. США13,03