Планирование и финансовые решения в рамках плана 16 1 Финансовый анализ и его роль в принятии решений 21 (стр. 17 из 52)
· Pr – чистая (нераспределенная) прибыль (убыток) за квартал, млрд. руб.
Порядок оценки финансовых параметров, необходимых для анализа:
X1 = l1/ L;
X2 = (а2- l3)/ а2;
X3 = S/A;
X4 = Pr/C;
X5 = Pr/A. (2.21)
Исходные значения факторов по выделенному перечню облигаций сведены в таблицу П4.2.
2.4.5.1. Нечеткий классификатор уровня факторов
Проведем нечеткую классификацию параметров. Для этого введем лингвистическую переменную «Уровень фактора Х» с терм-множеством значений «Высокий уровень фактора», «Средний уровень фактора», «Низкий уровень фактора». Предполагается, что определения «низкий, средний, высокий» относятся к уровню инвестиционной привлекательности акции применительно к выбранному фактору.
Предшествующий опыт кластеризации на основе гистограмм распределения факторов [69], построенных при сводном анализе широкого перечня эмитентов ценных бумаг, приводит нас к результатам, котороые сведены в таблицу П4.3. Поскольку все факторы по построению являются относительными характеристиками, то они выражены в процентах.
2.4.5.2. Классификация факторов с оценкой рангов
Проведем классификацию полученных значений факторов, т.е. сверим таблицы 2 и 3. Результат сопоставления приведен в таблице П4.4.
2.4.5.3. Комплексная оценка инвестиционного качества ценной бумаги
· Определим лингвистическую переменную «Оценка бумаги» с терм-множеством значений «Очень низкая (О), Низкая (Н), Средняя (Ср), Высокая (В), Очень высокая (ОВ)». Чтобы конструктивно описать введенную лингвистическую переменную «Оценка бумаги», определим носитель ее терм-множества – действительную переменную A_N на интервале от нуля до единицы. Тогда функции принадлежности соответствующих нечетких подмножеств могут быть заданы таблично (таблица П4.5);
· Определим лингвистическую переменную «Торговая рекомендация для бумаги» с терм-множеством значений «Strong Buy (SB – Определенно Покупать), Moderate Buy (MB – Покупать под вопросом), Hold (H – Держать), Moderate Sell (MS – Продавать под вопросом), Strong Sell (SS – Определенно продавать)».
· Установим взаимно однозначное соответствие введенных нами лингвистических переменных на уровне подмножеств: ОН – SS, Н – MS, Ср – H, В – MB, ОВ – SB. Так мы связали качество облигации с ее инвестиционной привлекательностью. Тогда переменная A_N является носителем и для терм-множества лингвистической переменной «Торговая рекомендация», с теми же функциями принадлежности носителя подмножествам значений.
· Оценим веса отдельных факторов для комплесксной оценки бумаги, в соответствии с тем, как это записано в (4.20). Согласно правилу точечных оценок Фишберна, критерию максимума неопределенности в части наличной информационной ситуации можно сопоставить следующую систему весов:
p1 = 0.2, p2 = 0.3, p3 = p4 = p5 = 0.166,
(2.22)· Если в качестве носителя лингвистической переменной «Уровень показателя Х» выбрать единичный интервал, то трапециевидные функции правдоподобия будут иметь вид рис. П4.1;
· Тогда получем комплексный показатель A_N для каждой бумаги методом двойной свертки:
, (2.23)где i – индекс отдельного показателя для их общего числа N=8, j – индекс уровня показателя для общего числа уровней M=3, lij – ранг i-го показателя по своему j-ому уровню, определяемый таблицами П4.3 – П4.5,
- (2.24)абсциссы максимумов функций принадлежности терм-множества лингвистической переменной «Уровень фактора».
Тогда среднеожидаемый ранг j-го уровня, взвешенный по всем N показателям, оценивается формулой
, (2.25)и справедливо
. (2.26)И наоборот, если по каждому фактору определять средний его уровень
, (2.27)то справедливо
. (2.28)Именно формулы (4.27) и (4.28) мы берем за основу при расчетов. Результаты расчетов по этим формулам сведены в таблицу П4.6.
2.4.6. Оценка полученных результатов
Из таблицы П4.6 видно, что облигации всего трех эмитентов (EESR, LKOH, SGNS) из 13 рассматриваемых стоит покупать, и то следует проводить дополнительное углубленное исследование перед покупкой.
Показателен опыт бракованных облигаций. Предельно критично положение компании «ЮКОС». Весьма высокая доля заемных средств в пассивах (по данным неконсолидированной отчетности) наблюдается, по меньшей мере, с 1999 года, а вот отрицательный чистый оборотный капитал – пока только в 2002 году, два квартала подряд. Скачкообразное ухудшение ликвидности, одновременно с тем, что ухудшилось соотношение краткосрочной и долгосрочной задолженностей, - все это тревожные сигналы к тому, что облигации компании обладают повышенным риском, и от них надо избавляться. И нельзя в этом случае полагаться на высокий уровень маржинальной прибыли. Ухудшение конъюнктуры продаж нефтегазопродуктов способно привести к тому, что компания может испытать затруднения с текущими расчетами. А возможности по перекредитованию долгов не очень велики, как видно из отчетности.
Не особенно радует и «Газпром». Низкая рентабельность бизнеса, вызванная колоссальным размером активов, вызывает риск повышенных затрат на поддержание инфраструктуры бизнеса. Износ основных фондов диктует потребность в техническом перевооружении и соответствующих инвестициях в основной капитал, - а взять инвестиций неоткуда, потому что доходность на инвестированный капитал в компании низка. Риск инвестиций в акции и облигации ОАО «Газпром» снизится кардинально, если компания добьется пересмотра тарифов на отпускаемый газ в сторону существенного увеличения. Но это также вряд ли возможно по социально-политическим (предвыборным, я бы сказал) соображениям.
Зададимся целью определить, как, в соответствии с золотым правилом инвестирования, должна определяться требуемая доходность, отвечающая оцененному нами уровню риска. Пусть у нас P1 – процентная ставка по государственным краткосрочным облигациям, а Р2 – предельно возможная ставка по корпоративным облигациям, которые мы в принципе условились покупать (облигации АО «МММ» не в счет). Сегодня в Российской Федерации Р1=14% годовых, Р2=20-21% годовых.
Ставка P, под которую мы готовы выделить деньги, должна удовлетворять следующему рациональному соотношению:
. (2.29)Если инвестиционная привлекательность облигаций высокая (на уровне 0.85 по комплексному показателю), то Р=Р1, и можно требовать доходности по корпоративным облигациям данного вида на уровне того же по государственным займам. Если инвестиционная привлекательность близка к критической (а мы именно это и видим), то Р стремится к Р2. Если A_N<0.55, то о покупке облигаций не может быть и речи, и формула (2.29) недействительна.
Итак, мы видим, что сегодня (конец 2002 года) по облигациям российских корпораций можно получать до 15% годовых в валюте, но риск этих вложений велик. Такие облигации в Америке недаром называют «мусорными» (junk bonds). Из этого не следует, что нельзя в России покупать корпоративные облигации. Очень даже можно, но следует быть предельно осмотрительным. Изложенная здесь методика позволяет таковую осмотрительность сделать предметной. Она же позволяет выработать шкалу для определения обоснованной премии за риск, калиброванной на основе базовой процентной ставки по государственным заимствованиям.
Глава 3. Нечетко-множественный подход к построению эффективных фондовых портфелей
После того, как решена задача оценки инвестиционной привлекательности отдельных активов, можно перейти к решению задачи формирования фондовых портфелей на этих активов. Построение фондового портфеля – эта задача управления финансовой системой, куда финансовые подсистемы отдельных активов входят лишь составляющей, но не исключительной частью. Помимо исходных данных по финансовым инструментам, исследователь в ходе решения задачи оптимизации портфеля должен принимать во внимание данные о взаимосвязи отдельных классовых фондовых инструментов друг с другом, а также влияние на фондовый рынок, где проводится инвестирование, возмущений, источником которых являются макроэкономические надсистемы фондового рынка.
Таким образом, проблема научного управления портфельными инвестициями включает в себя [67]:
А. Выбор перечня модельных классов, в рамках которых будет проводиться инвестирование, и их конструктивное описание. Под модельными классами или модельными активами (model assets) мы здесь понимаем совокупность ценных бумаг, сгуппированных по определенному классификационному признаку (функциональному, отраслевому, региональному итп). Примеры модельных классов: бумаги с фиксированным доходом, акции иностранных государств, акции российских нефтяных компаний, облигации зарубежных корпораций итп.
В. Определение оптимальной долевой пропорции между модельными классами в структуре модельного портфеля (asset allocation). Под модельным портфелем мы понимаем совокупность модельных классов, суммарная доля которых в портфеле составляет 100%.
С. Определение состава бумаг, наполняющих каждый из выбранных модельных классов.
D. Определение стратегии и тактики хеджирования портфеля.
Рассмотрим выделенные задачи по порядку.
3.1. Выбор модельных классов и их индексирование