Методы оценки информационной эффективности фондовых рынков

  • Автор:
  • Специальность ВАК РФ: 08.00.10
  • Научная степень: Кандидатская
  • Год защиты: 2012
  • Место защиты: Москва
  • Количество страниц: 128 с. : ил.
  • бесплатно скачать автореферат
  • Стоимость: 230 руб.
Титульный лист Методы оценки информационной эффективности фондовых рынков
Оглавление Методы оценки информационной эффективности фондовых рынков
Содержание Методы оценки информационной эффективности фондовых рынков
Глава 1. Теоретические аспекты исследования эффективности фондовых рынков
1.1. Теоретические подходы к анализу Гипотезы эффективного рынка
1.2. Анализ допущений Гипотезы эффективного рынка
Глава 2. Количественные меры информационной эффективности ценообразования
2.1. Традиционные методы оценки рыночной эффективности
2.2. Оценка долгосрочной зависимости цен
2.3. Выявление нелинейной динамики цен
Глава 3. Оценка информационной эффективности цен на основе анализа операций инвесторов
3.1. Выявление информационной асимметрии между рыночными
участниками
3.2. Выявление торговли риск-нерациональных инвесторов
Основные результаты и выводы
Литература

Важно найти меру, характеризующую, насколько хорошо работает рынок <
М. Дакорогна, 2001
Актуальность. На протяжении трех последних десятилетий глобальный финансовый сектор растет быстрее остальной экономики. Объемы спекулятивных транзакций стали многократно превышать объемы физического производства товаров и услуг. Теоретическим обоснованием нормальности такого положения вещей является так называемая Гипотеза эффективного рынка (ГЭР). Но за пятьдесят лет своего существования, теория так и не дала ответа на главный вопрос, который ставят перед ней все практики: «насколько точно современные рынки отражают в своих котировках фундаментальную информацию об активах?». Чтобы ответить на этот вопрос требуется введение количественных мер, которые бы численно характеризовали информационную эффективность ценообразования и позволяли сравнивать рынки между собой.
Отчасти эта задача выполнена. В 2000-е годы стали появляться работы, показывающие принципиальную возможность обоснованного научного прогноза рыночных кризисов. Так, представители школы фундаментального анализа, Р. Шиллер и П. Кругман, выявили неизбежность обвалов фондового рынка США в 2001 и 2008 годах в результате «схлопывания» пузырей dot. сотов и необеспеченных ипотек. Прогностическую силу показала модель рыночных крахов Д. Сорнета. На ее основе, почти за год до реальных событий, в работе [2] был составлен прогноз о начале «второй волны» глобального кризиса в августе - сентябре 2011 г.
Однако прогресс в количественном описании информационной эффективности «не-кризисного» рынка практически отсутствует. На текущий момент (январь 2012 г.) нет ни одной общепринятой меры информационной эффективности ценообразования, получившей достаточное практическое применение. Это обусловливает необходимость совершенствования

существующих и разработки новых методов количественной оценки информационной эффективности фондовых рынков.
Степень разработанности темы исследования. Наибольший вклад в развитие всего направления анализа информационной эффективности фондовых рынков внесли П. Самуэльсон и Ю. Фама, сформулировавшие концепцию Гипотезы (Теории) эффективного рынка и первые предложившие методы ее верификации. Экономические модели, объясняющие фундаментальные причины возможной рыночной неэффективности, предложили Дж. Стиглиц, Ф. Блэк (модели информационной асимметрии) и Д. Канеман (нерациональность участников). Анализом информационной эффективности фондовых рынков с точки зрения соответствия эволюции котировок моделям ценообразования, занимались У. Шарп, Р. Мертон, К. Грэнжер. Существенный вклад в это направление внесли также С. Росс, Р. Шиллер, Б. Малкиел, Э. Ло, А. Тиммерман, Г. Робертс, М. Песаран и другие.
Особую роль в развитии инструментов количественной оценки рыночной эффективности сыграли: М. Кендалл, Б. Мандельброт, Д. Сорнет, Э. Петерс, Р. Мантенья, X. Стенли. Их работы стали эталонными по верификации гипотезы о случайном блуждании котировок, сформировав тем самым направление проверки «слабой» формы эффективности.
Самостоятельное направление в оценке информационной эффективности сформировали специалисты по высокочастотной биржевой динамике М. Дакорогна, У. Мюллер, и Р. Олсен. Указанные авторы предложили использовать в качестве «статистического носителя» информационной эффективности цен Ыё-авк спред и волатильность котировок.
Несмотря на наличие ряда фундаментальных достижений, полученных в рамках изложенных подходов, ни один из них не получил достаточного практического применения в качестве меры информационной эффективности фондовых рынков.

асимметрии и разрывности траекторий. Например, обобщенную модель случайного блуждания - процессы Леви-Хинчина. Для них характеристическая функция приращений ряда cp(t) имеет BH,T(p(t)=expi|;(t), при этом
ф(1) - itp - d|t|“[l + ie[G(t, a)] (14)
,где 00, |0|<1, = о при t = о;
!тса
tan —, если а Ф 1,

— ln|t|,ecaH a = 1.

У Винеровского процесса параметров всего два: (р; а). В процессах Леви-Хинчина их четыре (ц; а; а; (1). Именно аир позволяют моделировать любую скорость убывания хвостов и асимметрию плотности распределения доходности активов. Кроме того, траектории процессов Леви, в отличие от процесса Винера, могут иметь разрывы первого рода. К сожалению, на этом различия не заканчиваются.
Теоретическая проблема состоит в том, что нормальное распределение единственное из класса устойчивых распределений, которое имеет конечную дисперсию. В общем случае, для них справедливо равенство:
Р1Х|Р_Г<со' если р < a
Е1Х1 1=00, если р > а
Как видно, для всех вариантов, кроме а — 2 дисперсия распределения не определена. В итоге допущение Гипотезы эффективного рынка о том, что «инвесторы оценивают портфели основываясь на ожидаемых доходностях (мера прибыли) и дисперсиях (мера риска) ценных бумаг» применительно к процессам Леви теряет статистический смысл. Поскольку историческая дисперсия у таких процессов не сходится к «среднему» с увеличением выборки. И потому не может служить мерой ожидаемого разброса в будущем.
Простая замена одномерного риска ГЭР (историческая дисперсия а2) на
три параметра риска, которые присутствуют в распределении Леви-Хинчина

Рекомендуемые диссертации данного раздела