Главная страница

Теоретическое обоснование Рынок пфи, валютный риск и инструменты хеджирования


Скачать 2 Mb.
НазваниеТеоретическое обоснование Рынок пфи, валютный риск и инструменты хеджирования
Дата07.04.2023
Размер2 Mb.
Формат файлаrtf
Имя файлаbibliofond.ru_904600.rtf
ТипРеферат
#1045492
страница6 из 9
1   2   3   4   5   6   7   8   9





. Описание результатов



Как отмечалось ране анализ эффективности хеджирования валютного риска с помощью фьючерсных контрактов на нефть и рубли, а также свопов на дефолт по кредиту в данной работе происходит в два шага, как это делали Sanders D.R. & Manfredo M.R. (2004).

Первый шаг состоит в оценивании уравнений 8, 9, 10 методом наименьших квадратов. Для начала необходимо выбрать наилучшую спецификацию модели. Поскольку тест Дики-Фуллера выявил нестационарность всех имеющихся временных рядов, необходимо привести их к стационарному виду. Широко распространенным способом получения стационарных временных рядов является взятие первых разностей. Главный вопрос заключается в том, достаточно ли первых разностей абсолютных величин или необходимо взять разности логарифмических величин. В таблицах 11 и 12 приведены результаты оценки моделей для дневных, недельных и месячных данных в двух разных спецификациях. Изучив таблицы, можно сделать следующие выводы:

· Коэффициенты при ценах фьючерсов на нефть и рубль являются статистически значимыми на 1%-ом уровне значимости во всех моделях, в то время как для цен кредитно-дефолтных свопов модель с недельными данными оказалась полностью незначимой;

· В моделях с логарифмическими разностями скорректированный коэффициент детерминации выше, чем в моделях с первыми разностями абсолютных величин для всех частот данных первых двух моделей. Что касается модели 3, то получилось так, что скорректированный коэффициент детерминации выше в спецификации разностей абсолютных величин, а не процентных;

· Кроме того, информационный критерий Акаике в моделях с процентными изменениями показателей является наименьшим, что говорит о том, что качество этих моделей лучше, чем в моделях с абсолютными изменениями.
Таблица 11

Результаты МНК регрессии в абсолютных разностях

Модель











Akaike




Ежедневные данные

1

0.0009***







1045.3***

0.675

2.000

2




-0.3074***




73.689***

0.128

2.988

3







0.0571***

373.80***

0.425

2.569




Еженедельные данные

1

0.0008***







195.56***

0.659

3.324

2




-0.2692***




12.939***

0.114

4.281

3







0.0046

0.3300

-0.006

4.398




Ежемесячные данные

1

0.0008***







60.421***

0.742

4.651

2




-0.4156***




12.163***

0.367

5.549

3







0.0257***

21.952***

0.487

5.290

Замечания: В качестве модели 1 представлена модель хеджирования валютного риска с помощью фьючерсных контрактов на рубль, модели 2 - модель хеджирования валютного риска с помощью фьючерсных контрактов на нефть, а модели 3 - модель хеджирования валютного риска с помощью свопов на дефолт России по кредиту. Уровни значимости: 1% = ***, 5% = **, 10% = *.


Таблица 12

Результаты МНК в процентных изменениях

Модель











Akaike




Ежедневные данные

1

0.8433***







1092.3***

0.685

-6.430

2




-0.298***




93.090***

0.155

-5.455

3







0.267***

240.54***

0.322

-5.666




Еженедельные данные

1

0.7556***







196.44***

0.6604

-6.668

2




-0.269***




16.289***

0.1304

-5.737

3







0.046

1.0964

0.0009

-5.598




Ежемесячные данные

1

0.7910***







67.068***

0.7615

-5.289

2




-0.451***




13.258***

0.3870

-4.346

3







0.324***

21.472***

0.4820

-4.560

Замечания: В качестве модели 1 представлена модель хеджирования валютного риска с помощью фьючерсных контрактов на рубль, модели 2 - модель хеджирования валютного риска с помощью фьючерсных контрактов на нефть, а модели 3 - модель хеджирования валютного риска с помощью свопов на дефолт России по кредиту. Уровни значимости: 1% = ***, 5% = **, 10% = *.


На основании вышеперечисленных выводов, выбрана логарифмическая спецификация моделей. Также данная спецификация является наиболее предпочтительной по причине сглаживания колебаний параметров во времени. Кроме этого для свопов на дефолт России по кредиту модель с недельными данными рассматриваться в дальнейшем не будет.

Также в таблице 12 представлены результаты первого шага, описанного в методологии. Таким образом, получается, что хеджирование фьючерсными контрактами на рубль является эффективнее, чем хеджирование фьючерсными контрактами на нефть и кредито-дефолтными свопами.

Более того не сложно заметить, что все показатели дневных регрессий порядком хуже, чем регрессий с месячными данными. Это было ожидаемо, поскольку регрессии с дневными данными содержат в себе намного больше шума, который нивелируется при использовании месячных данных. Таким образом, в течение данного периода с 2014 по начало 2016 года с периодом хеджа месяц фьючерсными контрактами на рубль мы бы смогли захеджировать 76% валютного риска, с помощью кредитно-дефолтных свопов - 50% риска, а с помощью фьючерсов на нефть - около 40% риска.

Кроме всего, по результатам уравнений линейных регрессий, представленных в таблице 12, можно посчитать необходимый объем контрактов, нужный для хеджирования полученного процента риска. Для того, чтобы посчитать количество требуемых контрактов поможет формула 7, которая учитывает рассчитанный коэффициент хеджирования. Для определения оптимального количества контрактов инвестору необходимо в данную формулу подставить значение размера хеджинговой позиции (ту сумму, которую он хочет захеджировать от риска). В данной работе такого размера нет, поэтому оптимальное количество контрактов не рассчитано.

Второй шаг данного анализа заключается в определении того, действительно ли фьючерсные контракты на рубль являются более предпочтительными, среди выбранных инструментов в течение данного периода. Уравнение 13 было оценено также для ежедневных, еженедельных и ежемесячных данных. Стоит обратить внимание на то, что предпочитаемым контрактом являются фьючерсы на рубль, а конкурирующими или альтернативными - фьючерсы на нефть и своп на дефолт по кредиту. Рассмотрим таблицу 13 с результатами:
Таблица 13

Результаты «охватывающей» регрессии













Дневные данные

Futrub/Futoil

0.0733** (0.0316)

5.3695**

0.0086

Futrub/CDS

0.1468*** (0.0344)

18.2207***

0.0330




Недельные данные

Futrub/Futoil

1.0067*** (0.0001)

804328***

0.9999




Месячные данные

Futrub/Futoil

-0.0831 (0.1871)

0.19728***

-0.0378

Futrub/CDS

0.0651 (0.1959)

0.110440

-0.0421

Замечания: В качестве модели 1 представлена модель хеджирования валютного риска с помощью фьючерсных контрактов на рубль, а модели 2 - модель хеджирования валютного риска с помощью фьючерсных контрактов на нефть. В скобках приведены стандартные ошибки. Уровни значимости: 1% = ***, 5% = **, 10% = *.


Результаты, представленные в таблице 13, получились отличными от результатов в таблице 12. В данном случае оказалось, что в модели с недельными данными коэффициент не отличен от нуля. Это означает, что хеджер рублевого риска не будет снижать остаточный базисный риск (residual basis risk), используя фьючерсы на рубль. Вместо этого, ему лучше всего использовать фьючерсные контракты на нефть при недельном периоде хеджа. Такая процедура для недельных данных с кредитно-дефолтными свопами не была проведена, поскольку предыдущая модель оказалась статистически незначимой. Для дневных и месячных данных ситуация получилась обратной для обоих инструментов; данные результаты подтвердили результаты предыдущей модели. Коэффициент не отличим от нуля, что подтверждает результаты МНК о более эффективном использовании фьючерсов на рубль для хеджирования рублевого риска с периодом хеджа день или месяц.

Если обобщить полученные в ходе исследования результаты получается, что:

· Вне зависимости от частоты хеджа (день, неделя, месяц) фьючерсные контракты на рубль хеджируют больший процент риска рубля, чем фьючерсные контракты на нефть и свопы на дефолт по кредиту. Наилучшие результаты показала модель с месячными данными, поскольку месячные данные содержат в себе меньше шума, чем дневные;

· Как оказалось, хеджирование свопами на дефолт по кредиту нивелирует больше риска, чем при хеджировании фьючерсами на нефть. Так, например, при месячных данных, используя кредитно-дефолтные свопы, инвестор мог сократить около 50% риска, в то время как с помощью фьючерсов на нефть лишь 40% риска;

· Для всех инструментов хеджирования модели с месячными данными оказались лучше, чем модели с дневными и недельными данными. Кроме этого для кредитно-дефолтных свопов хедж размером в неделю оказался статистически незначимым;

· Результаты второго шага в большинстве своем подтвердили результаты предыдущего шага. Получилось, что если выбирать между фьючерсными контрактами на рубль и фьючерсными контрактами на нефть или свопами на дефолт по кредиту, более статистически предпочтительными являются фьючерсы на рубль. Такой вывод может быть обоснован тем, что полное хеджирование является более предпочтительным по сравнению с перекрестным хеджированием.

· Основным выводом данной работы является результат второго шага для недельных данных пары фьючерсы на рубль и фьючерсы на нефть. Получилось, что при периоде хеджа равном неделе фьючерсы на нефть являлись более предпочтительными, чем фьючерсы на рубль. Учитывая результаты первого шага, этот результат оказался исключительным и требует дальнейшей проверки.

По итогам проведенной работы, результаты относительно эффективности хеджирования с помощью фьючерсов на нефть оказались неоднозначными и требуют дальнейшего рассмотрения. Вероятно, что использование моделей динамического программирования, ARCH или GARCH, приведет к другим результатам, отличающимся от получившихся выводов в данной работе.

Конечно, в получившихся моделях есть ряд ограничений. Во-первых, не все условия Гаусса-Маркова выполнились, что говорит о том, что МНК оценки не являются лучшими, эффективными и несмещенными в классе всех линейных. Поэтому, как уже отмечалось, необходимо проведение дальнейшего анализа с использованием других моделей, которые будут лучше описывать взаимосвязи между показателями. Во-вторых, искажение полученных результатов возможно из-за наличия такой проблемы, как эндогенность. Данная проблема заключается в наличии других факторов, связанных с ошибкой уравнения линейной регрессии и переменными, которые непосредственно в нее включены. При наличии таких взаимосвязей получается, что эффективность хеджирования может зависеть от каких-либо других факторов, оказывающих на нее непосредственное влияние. К таким факторам могут относиться экономическое состояние страны, отношение инвесторов к риску и других.

Однако данная работа имеет большое практическое применение. Стратегии, предложенные в данной работе, вполне могут использоваться на практике. Не смотря на то, что самым лучшей получилась стратегия хеджирования валютного риска рубля с помощью фьючерсов на рубль, одновременно она является самой дорогой из всех предложенных, поскольку объем данного контракта составляет 2,5 млн. рублей. В данной работе была сделана попытка найти такой инструмент, который бы одновременно имел небольшую цену и хеджировал большое количество риска.
1   2   3   4   5   6   7   8   9


написать администратору сайта