Professional Documents
Culture Documents
Viet 2
Viet 2
II
Mô hình danh mục đầu tư
Lý thuyết danh mục đầu tư hiện đại, bắt nguồn từ công trình của Harry Markowitz, John
Lintner, Jan Mossin và William Sharpe, đại diện cho một trong những tiến bộ vượt bậc
trong lĩnh vực tài chính. Các chương 8–15 thực hiện một số ý tưởng của những nhà
nghiên cứu này và chỉ cho bạn cách tính toán các vấn đề tiêu chuẩn về danh mục đầu
tư trong tài chính. Trong các chương này, chúng tôi sử dụng chuyên sâu các hàm ma
trận, hàm mảng và bảng dữ liệu của Excel, những nội dung này cũng được thảo luận
Chương 8 xem xét các cơ chế cơ bản của việc tính toán danh mục đầu tư. Bắt đầu
với dữ liệu giá, chúng tôi tính toán lợi nhuận của tài sản và danh mục đầu tư. Trong
khi phần lớn chương này đề cập đến vấn đề danh mục đầu tư hai tài sản đơn giản,
trường hợp nhiều tài sản sẽ được thảo luận trong phần 8.4 và 8.5.
Chương 9 thảo luận cả lý thuyết lẫn cơ chế tính toán danh mục đầu tư hiệu quả khi
Bằng cách sử dụng các hàm ma trận của Excel, chúng ta có thể tính toán hai danh mục đầu tư hiệu
quả, sau đó có thể sử dụng danh mục này để vẽ toàn bộ đường giới hạn hiệu quả.
Các chương còn lại của phần này thảo luận về các vấn đề tính toán và triển khai:
• Trong Chương 10 chúng tôi trình bày cách sử dụng dữ liệu trả về để tính ma trận
phương sai-hiệp phương sai. Khả năng xử lý ma trận của Excel giúp bạn dễ dàng thực
• Trong Chương 11, chúng tôi thảo luận về cách tính beta và chúng tôi lặp lại một
thử nghiệm đơn giản về mô hình định giá tài sản vốn (CAPM). Chúng tôi sử dụng một số
dữ liệu thị trường để rút ra đường thị trường chứng khoán (SML). Sau đó, chúng tôi
liên hệ kết quả với lời chỉ trích của Roll về những thử nghiệm này. Excel giúp bạn
dễ dàng thực hiện phân tích hồi quy cần thiết cho các thử nghiệm này. (Các hồi quy
• Các chương trước đã giả định rằng những người tối ưu hóa danh mục đầu tư có thể
bán khống chứng khoán. Trong Chương 12, chúng tôi trình bày cách sử dụng Bộ giải của
Excel để tính toán danh mục đầu tư hiệu quả khi không được phép bán khống. Chúng tôi
cũng chỉ ra cách tích hợp các ràng buộc danh mục đầu tư khác vào vấn đề tối ưu hóa.
• Chương 13 thảo luận về mô hình Black-Litterman. Mô hình được sử dụng rộng rãi này
lấy điểm khởi đầu là tính tối ưu của danh mục cổng chuẩn và sử dụng giả định này để
Sau đó, người tối ưu hóa có thể điều chỉnh việc phân bổ nội dung để phù hợp với ý
• Chương 14 trình bày cách thực hiện một nghiên cứu sự kiện. Nghiên cứu sự kiện là
một nỗ lực nhằm xác định liệu một sự kiện cụ thể trên thị trường vốn hay trong hoạt
động của một công ty có ảnh hưởng đến hiệu suất thị trường chứng khoán của công ty
đó hay không. Phương pháp nghiên cứu sự kiện nhằm mục đích tách các sự kiện cụ thể
của công ty khỏi các sự kiện cụ thể của thị trường và/hoặc ngành và thường được sử
dụng làm bằng chứng ủng hộ hoặc chống lại hiệu quả thị trường.
• Cuối cùng, Chương 15 giới thiệu về các kỹ thuật giá trị rủi ro (VaR) trong bối
Trong chương này chúng ta xem xét cơ chế cơ bản của việc tính toán danh mục đầu tư.
Chúng tôi bắt đầu với một ví dụ đơn giản về hai tài sản, cho thấy cách rút ra phân
bổ lợi nhuận từ dữ liệu giá lịch sử. Sau đó chúng ta thảo luận về trường hợp chung
của N tài sản; trong trường hợp này, việc sử dụng ký hiệu ma trận và khai thác
khả năng xử lý ma trận của Excel sẽ trở nên thuận tiện hơn.
Sẽ rất hữu ích trước khi xem xét một số ký hiệu cơ bản: Mỗi tài sản i (tài sản
có thể là cổ phiếu, trái phiếu, bất động sản hoặc bất cứ thứ gì, mặc dù các ví dụ
bằng số của chúng tôi phần lớn chỉ giới hạn ở cổ phiếu) được đặc trưng bởi một số
thống kê: E(ri ), lợi nhuận kỳ vọng trên tài sản i; Var(ri), phương sai của lợi
nhuận của tài sản thứ i ; và Cov(ri, rj), hiệp phương sai của lợi nhuận của tài
sản i và tài sản j . Đôi khi chúng ta sẽ sử dụng mi để biểu thị lợi tức kỳ vọng
của tài sản i. Ngoài ra, sẽ thuận tiện hơn khi viết Cov(ri, rj) là sij và Var(ri)
2
là sii (thay vì s hiệp phương sai của lợi nhuận của một tôi, như thường lệ). Kể từ khi
tài sản với chính nó, Cov(ri, ri), trên thực tế là biến số dựa trên lợi nhuận của
tài sản, ký hiệu này không chỉ kinh tế mà còn hợp lý.
Trong phần này, chúng tôi tính toán thống kê lợi nhuận cho hai cổ phiếu: Walmart
(ký hiệu chứng khoán WMT) và Target (TGT). Chúng tôi tải xuống dữ liệu về giá và
cổ tức cho từng cổ phiếu từ Yahoo (xem Chương 2, phụ lục 2). Với một số thao tác
xoa bóp nhẹ, chúng tôi nhận được bảng tính sau:
Machine Translated by Google
240 Chương 8
ABC D EF G
Những số liệu này đưa ra giá đóng cửa cuối mỗi tháng cho mỗi cổ phiếu
và đưa ra sự điều chỉnh phù hợp về cổ tức (xem phụ lục 1 của chương
này). Đầu tiên chúng ta tính lợi nhuận hàng tháng cho mỗi cổ phiếu. Đây
là tỷ lệ phần trăm lợi nhuận mà nhà đầu tư có thể kiếm được khi mua cổ
phiếu vào cuối tháng t -1 và bán nó vào cuối tháng tiếp theo. Đối với
cổ phiếu của Walmart trong tháng t, lợi nhuận hàng tháng rWMT,t được
xác định là
P WMT t,
rWMT t, = ln
P WMT t, 1
Chúng ta lưu ý hai điều về cách tính lợi nhuận này: Thứ nhất, chúng
ta sử dụng lợi nhuận gộp liên tục của cổ phiếu. Một giải pháp thay thế
có thể là sử dụng lợi nhuận rời rạc, PWMT,t/PWMT,t 1 1. Phụ lục 2 ở
cuối chương này thảo luận về lý do chúng ta lựa chọn lợi nhuận gộp liên
tục. Thứ hai, dữ liệu thu nhập kết hợp cổ tức vào giá, theo cách được
giải thích trong phụ lục 1.
Bây giờ chúng tôi đưa ra một giả định hùng hồn: Chúng tôi giả định rằng dữ liệu
về lợi nhuận trong 60 tháng thể hiện sự phân bổ lợi nhuận trong thời gian sắp tới.
Machine Translated by Google
tháng. Do đó, chúng ta giả định rằng quá khứ cung cấp cho chúng ta một số thông
tin về cách thức lợi nhuận sẽ hoạt động trong tương lai. Giả định này cho phép
chúng ta giả định rằng mức trung bình của dữ liệu lịch sử đại diện cho kỳ vọng
lợi nhuận hàng tháng từ mỗi cổ phiếu. Nó cũng cho phép chúng ta giả định rằng chúng ta có thể
biết được từ dữ liệu lịch sử phương sai của lợi nhuận trong tương lai là gì.
Sử dụng các hàm Trung bình, Varp và Stdevp trong Excel, chúng tôi tính toán số liệu thống
kê cho phân phối lợi nhuận:
D EF G
66 WMT TGT
67 Trung bình hàng tháng 1,59% 0,46% <-- =TRUNG BÌNH(F5:F64)
68 Phương sai hàng tháng 0,0093 0,0052 <-- =VARP(F5:F64)
69 Độ lệch chuẩn hàng tháng 9,63% 7,19% <-- =STDEVP(F5:F64)
70
71 Trung bình hàng năm 19,07% 5,47% <-- =12*F67
72 Phương sai hàng năm 0,1114 0,0620 <-- =12*F68
73 Độ lệch chuẩn hàng năm 33,37% 24,90% <-- =SQRT(F72)
Excel và Thống kê
Lưu ý rằng chúng tôi đã sử dụng Varp thay vì Var và Stdevp thay vì Stdev.
M
Khi giá trị trung bình được xác định bởi E(rWMT ) = , thì các định nghĩa của
M 1= 1
rWMT t,
t
1 M
2
Varp = =Phương
= Stdevp
sai Vtổng
arp thể , [ WMT
r Ờt ( WMT )] ;
M t= 1
1 M
Var = Phương sai mẫu = , [ WMT
( rt Ơ WMT )] ;
2 Stdev =Var
M 1 t= 1
Có hai lý do tại sao chúng tôi chọn Varp thay vì Var: Lý do đầu tiên là
chúng tôi ngầm giả định rằng dữ liệu lịch sử đại diện cho sự phân bổ.
Lý do thứ hai để chọn Varp là sự lựa chọn của chúng ta làm cho Excel Slope
rr
Hiệp phương sai(nó, Mt )
hàm số phù hợp với định nghĩa của b, β = .1
rnúi )
Phương sai(
Tôi
1. Có một quan điểm khác về vấn đề này. Như đã nêu bởi Press et al. trong cuốn sách tuyệt
vời Công thức số: “Có một câu chuyện dài về lý do tại sao mẫu số là M 1 thay vì M. Nếu
bạn chưa bao giờ nghe câu chuyện đó, bạn có thể tham khảo bất kỳ văn bản thống kê hay
nào. . . . Chúng tôi cũng có thể nhận xét rằng nếu sự khác biệt giữa M và M 1 quan
trọng đối với bạn thì dù sao thì bạn cũng chẳng làm được gì cả—ví dụ, cố gắng chứng minh
một giả thuyết đáng nghi ngờ bằng dữ liệu cận biên” (Công thức số, ấn bản thứ nhất, trang
456, thích nghi một chút).
Machine Translated by Google
242 Chương 8
Tiếp theo chúng ta muốn tính hiệp phương sai của lợi nhuận. Hiệp phương sai (và hệ số
tương quan rút ra từ nó) đo lường mức độ biến động của lợi nhuận trên hai tài sản. Định
nghĩa là
trong đó M là số điểm trong phân phối (trong trường hợp của chúng tôi, M =
60). Tính toán này có thể dễ dàng thiết lập trong Excel:
MỘT B C D EF G H TÔI J K
Cột Sản phẩm chứa bội số của độ lệch so với giá trị trung bình trong mỗi
tháng, tức là các số hạng [rWMT,t E(rWMT)] [rTGM,t E(rTGT)], với t =
1, . . . ,12. Hiệp phương sai là Trung bình (sản phẩm) = 0,0038.
Mặc dù việc tính toán hiệp phương sai theo cách này ít nhất một lần là
đáng giá, nhưng có một cách ngắn hơn cũng được minh họa: Hàm Excel Covar(SLE
trả về, BBY trả về) tính toán hiệp phương sai một cách trực tiếp. Để tính
hiệp phương sai bằng cách sử dụng Covar, không cần thiết phải tìm ra sự khác
biệt giữa lợi nhuận và giá trị trung bình. Chỉ cần sử dụng Covar trực tiếp
trên các cột, như được minh họa trong ô J66 của bảng tính.
Hiệp phương sai là một con số khó diễn giải vì kích thước của nó
phụ thuộc vào đơn vị mà chúng ta đo lường lợi nhuận. (Nếu chúng ta viết
Machine Translated by Google
Cov (rr
WMT ,
TGT )
=
ρ WMT TGT
,
σ σ
WMT TGT
Hệ số tương quan không có đơn vị; tính toán nó cho ví dụ của chúng ta sẽ
cho rWMT,TGT = 0,4415. Như được minh họa trong bảng tính trước, hệ số
tương quan có thể được tính trực tiếp trong Excel bằng cách sử dụng hàm
Correl(trả về WMT, trả về TGT) (ô J70).
MỘT B C D EF G H TÔI J K
Hệ số tương quan đo lường mức độ quan hệ tuyến tính giữa lợi nhuận của
Cổ phiếu A và Cổ phiếu B. Các sự kiện sau đây có thể được chứng minh về
hệ số tương quan:
• Nếu hệ số tương quan là +1 thì lợi nhuận của hai tài sản có quan hệ
tuyến tính với độ dốc dương; nghĩa là, nếu rAB = 1 thì
244 Chương 8
• Nếu hệ số tương quan là 1 thì lợi nhuận của hai tài sản có quan hệ tuyến tính với
• Nếu phân phối lợi nhuận là độc lập thì hệ số tương quan sẽ bằng 0. (Điều ngược lại
là không đúng: Nếu hệ số tương quan bằng 0 thì thực tế này không nhất thiết có nghĩa là
lợi nhuận là độc lập. Xem các bài tập để biết ví dụ.)
Một cách khác để xem xét hệ số tương quan là vẽ biểu đồ lợi nhuận của Walmart và Target
trên cùng một trục, sau đó sử dụng công cụ Đường xu hướng của Excel để hồi quy lợi nhuận
của TGT trên WMT. (Việc sử dụng hàm Đường xu hướng của Excel —dùng để tính phương trình
hồi quy—được giải thích trong Chương 33.) Bạn có thể xác nhận từ các tính toán trước đó
Vẽ đồ thị Lợi nhuận Walmart (trục x) và Lợi nhuận mục tiêu (trục y)
R2 là mối tương quan2
y = 0,4091x – 0,0019
18%
tiêu
Mục
R2 = 0,3008
13%
số 8%
3%
Walmart
–7%
–12%
Machine Translated by Google
8.3 Tính toán phương tiện và phương sai danh mục đầu tư
Trong phần này chúng tôi trình bày cách thực hiện các phép tính cơ bản về giá trị trung
bình và phương sai của danh mục đầu tư. Giả sử chúng ta hình thành một danh mục đầu tư đều
nhau vào WMT và TGT. Giá trị trung bình và phương sai của danh mục đầu tư này sẽ là bao nhiêu?
Bạn nên thực hiện các phép tính mạnh mẽ ít nhất một lần trong Excel.
A BCD E F G H TÔI J
1 TÍNH TRUNG BÌNH VÀ ĐỘ SAI CHUẨN CỦA MỘT DANH MỤC DANH MỤC
2 Tỷ lệ WMT 0,5
3 Tỷ trọng TGT 0,5 <-- =1-B2
4
WMT TGT danh mục đầu tư
Tỷ suất sinh lợi trung bình của danh mục đầu tư chính xác là mức trung bình của tỷ suất sinh lợi trung bình
Ơ () . 05 ( ErLợi WMT
nhuận kỳ vọng của danh mục đầu tư == + P ) 05. ( Ờ TGT )
= 0 .5 1. 59 1 02
0 .. . 46+
5% 0%% =
Nói chung, lợi nhuận trung bình của danh mục đầu tư là lợi nhuận bình quân gia quyền
của các cổ phiếu thành phần. Nếu chúng ta biểu thị bằng x tỷ lệ đầu tư
vào WMT và 1 x tỷ lệ đầu tư vào cổ phiếu TGT thì lợi nhuận kỳ vọng của
danh mục đầu tư được tính bằng
=
() ( )( )( pWMT
E r xE r 1 x E r +
) TGT
Tuy nhiên, phương sai của danh mục đầu tư không phải là mức trung bình của hai phương sai của
cổ phiếu! Công thức tính phương sai là
2P rx=
Var Var r ( )( ) WMT
() 1 + x Var
2 (
+TGT
r xx
) rr
( 2 1 ) (
Cov , WMT TGT )
246 Chương 8
σ2 22 1 21
σ
WMT x ()
p () = + +
2 2
x xx TGT
σ ρ WMT TGT
,
σσTGT
WMT
Một bài tập thường được thực hiện là vẽ các giá trị trung bình và độ lệch
chuẩn cho các tỷ lệ x khác nhau của danh mục đầu tư. Để làm điều này, chúng
ta xây dựng một bảng bằng lệnh Data|Table của Excel (xem Chương 30); các ô
B16 và C16 chứa tiêu đề của bảng dữ liệu, tương ứng đề cập đến các ô B12 và
B10.
MỘT B C D E F G H
1 TÍNH TRUNG BÌNH VÀ ĐỘ SAI CHUẨN CỦA MỘT DANH MỤC DANH MỤC
2 Lợi nhuận tài sản WMT TGT
3 Lợi nhuận trung bình 1,59% 0,46%
4 Phương sai 0,93% 0,52%
5 Độ lệch chuẩn 9,63% 7,19%
6 Hiệp phương sai 0,0038
7
số 8
Tỷ lệ WMT 0,5 <-- Trong bảng dữ liệu bên dưới, giá trị này thay đổi từ -0,5 đến 1,5
9
10 Lợi tức trung bình của danh mục đầu tư 1,02% <-- =B8*B3+(1-B8)*C3
11 Phương sai lợi nhuận danh mục đầu 0,0036 <-- =B8^2*B4+(1-B8)^2*C4+2*B8*(1-B8)*B7
tư 12 Độ lệch chuẩn lợi nhuận danh mục đầu tư 6,01% <-- =SQRT(B11)
13
14 Bảng số liệu: Thay đổi tỷ trọng WMT
danh mục đầu tư danh mục đầu tư
độ lệch nghĩa là
39
8.4 Giá trị trung bình và phương sai của danh mục đầu tư – Trường hợp chung
Trong các phần trước chúng ta đã thảo luận cách tính giá trị trung bình, phương
sai và độ lệch chuẩn của danh mục đầu tư cho một danh mục đầu tư chỉ bao gồm
hai tài sản. Trong phần này chúng ta mở rộng thảo luận sang danh mục đầu tư có
nhiều hơn hai tài sản. Trong trường hợp này, ký hiệu ma trận đơn giản hóa rất nhiều
Machine Translated by Google
cách viết bài toán danh mục đầu tư.2 Trong trường hợp tổng quát của N
tài sản, giả sử tỷ trọng tài sản i trong danh mục đầu tư được ký hiệu là xi.
Chúng ta viết thành phần danh mục đầu tư X và vectơ phương tiện E(r) dưới dạng vectơ cột:
x1 Ơ (1 )
x2 Ơ (2 )
x = x3 Ơ ( )= Ơ (3 )
xN Ơ (N)
T
Khi đó chúng ta có thể viết XT và E(r) là chuyển vị của hai vectơ này:
x T xx
= [ x1,,
2 ,... N ]
T =Ơ
Ơ (Ơ )Ơ [ ( 1) ,,,
( ) 2. . . ( N )]
Lợi nhuận kỳ vọng của danh mục đầu tư có tỷ lệ được cho bởi
X là giá trị bình quân gia quyền của lợi nhuận kỳ vọng của từng tài sản:
N
=
E r( xE) r ()
x ii
=
Tôi 1
N
T T
Ờ ờ ( )= == E r (E )rx() () xE rx
=
Tôi 1
N N N
Var() = Var(
rX ()
ii x 2) r +2 xxtôiCôv( ừ ,
ừ )
Tôi
=1 Tôi
= = 1 kỷ + 1
Điều này trông có vẻ tệ, nhưng nó thực sự là một phần mở rộng đơn giản của biểu
thức cho phương sai của danh mục đầu tư gồm hai tài sản mà chúng ta có trước đó:
Phương sai của mỗi tài sản xuất hiện một lần, nhân với bình phương của tài sản đó.
2. Chương 31 giới thiệu về ma trận đủ để giải quyết tất cả các vấn đề gặp phải trong cuốn
sách này. Vì Excel có khả năng xử lý ma trận tuyệt vời nên bạn nên nghiên cứu Chương
31 trước khi tiếp tục chương hiện tại. Các hàm ma trận Excel MMult và MInverse được
sử dụng trong các bài toán về danh mục đầu tư sẽ được thảo luận trong chương này.
Machine Translated by Google
248 Chương 8
tỷ lệ trong danh mục đầu tư; hiệp phương sai của mỗi cặp tài sản xuất
hiện một lần, nhân với hai lần tích tỷ lệ của từng tài sản. Một cách
khác để viết phương sai là sử dụng ký hiệu
Var( ) = σ , Côv(rr
tôi , )= σ
ij
ii ij
Var( )X r = j σij
xx tôi
kỷ
Cách biểu diễn kinh tế nhất của phương sai danh mục đầu tư sử dụng ký
hiệu ma trận. Đây cũng là cách trình bày dễ thực hiện nhất cho các danh
mục đầu tư lớn trong Excel. Trong cách biểu diễn này, chúng ta gọi ma
trận có sij ở hàng thứ i và cột thứ j là phương sai-hiệp phương sai
ma trận:
σσσ
11 12 13
σ 1N
σσσ
21 22 23
... σ 2N
S = σσσ ... σ 3N .
31 32 33
σσσ123
NNN ... NNσ
Khi đó phương sai danh mục đầu tư được cho bởi Var(rp) = xTSx.
Nếu chúng ta có hai danh mục đầu tư x = [x1, x2, . . . , xN] và y = [y1, y2, . . . ,
yN], thì hiệp phương sai của hai danh mục đầu tư được cho bởi Cov(x, y) = xSyT = ySxT .
Chúng tôi thực hiện các công thức trước đó trong một ví dụ số. Giả sử có bốn tài sản rủi
A B C D E F
1 VẤN ĐỀ VỀ DANH MỤC BỐN TÀI SẢN
Nghĩa là
Chúng ta xem xét hai danh mục đầu tư tài sản rủi ro:
A B C D E
số 8 Danh mục đầu tư x 0,2 0,3 0,4 0,1
9 danh mục đầu tư và 0,2 0,1 0,1 0,6
Chúng tôi tính toán phương tiện, phương sai và hiệp phương sai của hai danh mục đầu tư.
Chúng tôi sử dụng hàm mảng Excel Mmult cho tất cả các phép tính và hàm mảng Transpose để
A BC D EF G
11 Thống kê x và y của danh mục đầu tư: Giá trị trung bình, phương sai, hiệp phương sai, tương quan
12 Trung bình, E(rx) 9,10% Trung bình, E(ry) 12,00% <-- =MMULT(B9:E9,$F$3:$F$6)
2 2
13 Phương sai, σx 0,1216 Phương sai, σy 0,2034 <-- =MMULT(B9:E9,MMULT(A3:D6,TRANSPOSE(B9:E9)))
14 Hiệp phương sai(x,y) 0,0714 <-- =MMULT(B8:E8,MMULT(A3:D6,TRANSPOSE(B9:E9)))
15 Tương quan, ρxy 0,4540 <-- =B14/SQRT(B13*E13)
Bây giờ chúng ta có thể tính toán độ lệch chuẩn và lợi nhuận của sự kết hợp các danh mục
đầu tư x và y. Lưu ý rằng khi chúng ta đã tính giá trị trung bình, phương sai và hiệp phương
sai của lợi nhuận của hai danh mục đầu tư, việc tính giá trị trung bình và phương sai của bất
kỳ danh mục đầu tư nào cũng giống như trường hợp hai tài sản.
MỘT B C D E F G H
25 Tính toán lợi nhuận của sự kết hợp Danh mục X và Danh mục Y
26 Tỷ trọng danh mục đầu tư X 27 0,3
45 36,53% 8,81%
Lợi
3. Hãy nhớ rằng MMult và Transpose là các hàm mảng và phải được nhập bởi
nhấn [Ctrl]+[Shift]+[Enter] đồng thời.
Machine Translated by Google
250 Chương 8
Một danh mục đầu tư hiệu quả là danh mục đầu tư gồm các tài sản rủi ro mang lại phương
sai lợi nhuận thấp nhất trong số tất cả các danh mục đầu tư có cùng lợi nhuận kỳ vọng.
Ngoài ra, chúng ta có thể nói rằng một danh mục đầu tư hiệu quả có lợi nhuận kỳ vọng cao
nhất trong tất cả các danh mục đầu tư có cùng phương sai. Về mặt toán học, chúng ta có
thể định nghĩa một danh mục đầu tư hiệu quả như sau: Với mức sinh lợi m cho trước, một
danh mục đầu tư hiệu quả p = [x1, x2, . . . , xN] là phương trình giải được
phút xx σ
ij ij
= Var(r p)
kỷ
xr E =μr
ii = ( P)
Tôi
x = 1
Tôi
Tôi
Đường biên hiệu quả là tập hợp tất cả các danh mục đầu tư hiệu quả. Như Black
(1972) đã chỉ ra, đường biên hiệu quả là tập hợp tất cả các kết hợp lồi của hai
danh mục đầu tư hiệu quả bất kỳ. Câu lệnh này có nghĩa là nếu x = [x1, x2, . . . ,
xN] và y = [y1, y2, . . . , yN] là những danh mục đầu tư hiệu quả và nếu a là hằng số,
rìu ày + ( 1 ) 1
rìu 2
1ày
+ ) 2
= + =
( 1
rìu z ( 1 ừ)
rìu Này + ( 1 ) N
cũng có hiệu quả. Vì vậy, chúng ta có thể tìm thấy toàn bộ đường biên hiệu quả nếu chúng ta có thể
Theo định lý này, khi đã tìm được hai danh mục đầu tư hiệu quả x và y,
chúng ta biết rằng mọi danh mục đầu tư hiệu quả khác đều là tổ hợp lồi của x
và y. Nếu chúng ta biểu thị giá trị trung bình và phương sai của x và y bằng {E(rx), s2
E ()
rzx a()
y= E
+(r)()
1 một E r
2 22 2 2 1 21 () ()
σσzx=y aaa
+ xy+ σ Một
Côv( , )
22 2 2 T
= + σ+ x ()
aa σ năm
() 1 21 rìu Sỹ á
Machine Translated by Google
Thông tin chi tiết hơn về việc tính toán danh mục đầu tư hiệu quả sẽ được thảo luận
trong Chương 9.
8.5.1 Cho thấy rằng danh mục đầu tư x và y không hiệu quả
Để chứng tỏ rằng hiệu quả là một khái niệm không tầm thường, chúng tôi chứng minh rằng hai
danh mục đầu tư có sự kết hợp được biểu thị trong phần trước đều không hiệu quả. Thực tế này
rất dễ thấy nếu chúng ta mở rộng bảng dữ liệu để bao gồm các số liệu cho từng cổ phiếu:
A BC D EF Tính toán lợi nhuận của sự kết hợp Danh mục x và Danh mục y G H TÔI J
17
18 Tỷ lệ danh mục đầu tư x Lợi 0,3
19 nhuận trung bình, E(rp) 11,13% <-- =B18*B12+(1-B18)*E12
2
20 Phương sai lợi nhuận, σp 14,06% <-- =B18^2*B13+(1-B18)^2*E13+2*B18*(1-B18)*B14
21 Đứng. dev. lợi nhuận, σp 37,50% <-- =SQRT(B20)
22
23 Bảng trả về (sử dụng ví dụ này và Dữ liệu|Bảng)
Tỷ lệ
24 của X Đứng. dev. Nghĩa là
25 37,50% 11,13% <- Tiêu đề bảng: =B21,=B19
26 -0,80 72,88% 14,32%
27 -0,65 67,23% 13,89%
28 -0,50 61,72% 13,45%
29 -0,35 56,40% 13,02%
30
Danh mục đầu tư x và y và Bốn cổ phiếu
-0,20 51,33% 12,58%
31 -0,05 46,59% 12,15%
15% Cổ phiếu D
32 0,10 42,29% 11,71%
33 0,25 38,57% 11,28%
34 0,40 35,63% 10,84%
35 0,55 33,66% 10,41% 13%
36 0,70 32,84% 9,97%
37 0,85 33,26% 9,54%
38 1,00 34,87% 9,10%
39 1,15 37,52% 8,67% 11%
40 1h30 41,00% 8,23%
trung
nhuận
bình
Lợi
Nếu hai danh mục đầu tư này hiệu quả thì tất cả các cổ phiếu riêng lẻ sẽ nằm trên
hoặc bên trong biểu đồ kết hợp. Trong trường hợp của chúng ta, hai trong số lợi nhuận
cổ phiếu (cổ phiếu A và cổ phiếu D) nằm ngoài đường giới hạn được tạo ra bởi sự kết
hợp của danh mục đầu tư x và y; do đó x và y không thể là danh mục đầu tư hiệu quả.
Trong Chương 9, bạn sẽ học cách tính toán các danh mục đầu tư hiệu quả và như bạn sẽ
thấy ở đó, nhiệm vụ này đòi hỏi phải tính toán nhiều hơn đáng kể.
Machine Translated by Google
252 Chương 8
Trong chương này chúng ta đã xem xét lại các khái niệm cơ bản và toán học của danh mục
đầu tư. Trong các chương tiếp theo, chúng tôi sẽ mô tả cách tính ma trận phương sai-hiệp
phương sai từ lợi nhuận tài sản và cách tính hiệu quả.
Bài tập
1. Bảng tính đính kèm fm3_chapter08.xls bao gồm dữ liệu về giá của Dow-Jones 30 Industrials từ tháng 7 năm 1997 đến
tháng 7 năm 2007. Tách riêng dữ liệu của Alcoa (AA) và Johnson & Johnson (JNJ), xác nhận số liệu thống kê
BCDEF G
2. Sử dụng dữ liệu từ bài tập trước, tính số liệu thống kê cho từng giai đoạn trong hai giai đoạn trước đó, từ
tháng 7 năm 1997 đến tháng 7 năm 2002 và tháng 7 năm 2002 đến tháng 7 năm 2007.
3. Lặp lại bài tập 2 cho Merck (MRK) và Johnson & Johnson (JNJ). Merck gặp khủng hoảng lớn vào năm 2003–2004 liên
quan đến Vioxx (http://en.wikipedia.org/wiki/Vioxx). Điều này có rõ ràng trong số liệu thống kê không?
4. Giả sử vào tháng 7 năm 1997 bạn đã mua và nắm giữ đến tháng 7 năm 2007 một danh mục đầu tư bao gồm 50% cổ
Một. Tính lợi nhuận trung bình hàng tháng và độ lệch chuẩn của lợi nhuận này
danh mục đầu tư.
b. Thay đổi tỷ lệ Alcoa từ 1 thành 1 và vẽ biểu đồ lợi nhuận trung bình của danh mục đầu tư như một hàm
của độ lệch chuẩn.
5. Sau đây là số liệu thống kê lợi nhuận hàng năm của hai quỹ tương hỗ từ Vanguard
gia đình:
Machine Translated by Google
MỘT B C
2 Nguồn: http://www.vanguard.com
Quỹ Index 500 bắt chước chỉ số SP500; Quỹ Windsor
3 là một quỹ tăng trưởng "tích cực"
Năm kết thúc Chỉ số 500 Windsor
4 31 tháng 12 Quỹ Quỹ
5 1997 33,40% 22,00%
6 1996 23,00% 26,40%
7 1995 37,60% 30,10%
số 8 1994 1,30% -0,10%
9 1993 10,10% 19,40%
10 1992 7,60% 16,50%
11 1991 30,50% 28,60%
12 1990 -3,10% -15,50%
13 1989 31,70% 15,00%
14 1988 16,60% 28,70%
15 1987 5,30% 1,20%
16 1986 18,70% 20,30%
17 1985 31,80% 28,00%
18 1984 6,30% 19,50%
Sử dụng Excel để vẽ biểu đồ kết hợp độ lệch chuẩn của lợi nhuận (trục x) và lợi
nhuận kỳ vọng (trục y) từ việc thay đổi tỷ lệ phần trăm của Quỹ Chỉ số 500 trong
danh mục đầu tư từ 0% đến 100%.
6. Sử dụng cơ sở dữ liệu của DJ Industrials (1997–2007), tính toán cho General Electric (GE),
Home Depot (HD) và Procter & Gamble (PG)
c. Lợi nhuận kỳ vọng hàng tháng và độ lệch chuẩn hàng tháng của danh mục đầu tư
được đầu tư bằng nhau vào ba cổ phiếu
8. Xét hai tài sản A và B có giá trị trung bình và phương sai như sau:
Ơ ()
0 03 = = 0 05
. () . , ờ
MỘT B
= = 0 .0045
Var() r. 0 0025 , Var( )
MỘT
rB
Machine Translated by Google
254 Chương 8
ρρρ 1 ,,.
10 AB
=+ = = AB AB
Hãy vẽ đồ thị kết hợp giữa phương tiện và phương sai của danh mục đầu tư cho từng trường hợp.
(Những đồ thị như thế này hầu như xuất hiện trong tất cả các sách tài chính cơ bản. Độ lệch
chuẩn thường xuất hiện trên trục x và lợi nhuận trung bình của danh mục đầu tư trên trục y.
Trong trường hợp này, nếu bạn muốn đặt cả ba đồ thị trên cùng một tập hợp của các trục, bạn sẽ
phải đảo ngược cách sắp xếp này hoặc sử dụng thủ thuật.)
9. Hãy xem xét một thế giới ba tài sản với các tham số sau:
10% 0..3 .0 02 0 05
Lợi nhuận trung bình = 12% ,Ma trận phương sai-hiệp phương sai = 0. 02
.. 0 4 0 06
14% 0..
05. 0 06 0 6
Giả sử bạn có hai danh mục đầu tư với trọng số danh mục đầu tư sau:
Một. Tính giá trị trung bình và phương sai của lợi nhuận của từng danh mục đầu tư cũng như hiệp
phương sai và hệ số tương quan của lợi nhuận của danh mục đầu tư.
b. Tạo đồ thị về giá trị trung bình và phương sai của các tổ hợp lồi của
danh mục đầu tư.
10. Trong bảng tính sau, hãy triển khai công thức chính xác cho ô B12 để danh mục đầu
tư mang lại lợi nhuận mục tiêu được chỉ ra trong ô B10:
MỘT B C
Tiêu chuẩn
Lợi nhuận
sự lệch lạc
trung bình
1 sự trở lại
2 Cổ 1 12% 35%
3 Cổ 2 18% 50%
4
5 Hiệp phương sai(r1,r2) 0,08350
11. Sử dụng dữ liệu trong bài tập trước, hãy tìm hai danh mục đầu tư có độ lệch chuẩn lợi
nhuận là 45%. (Có một giải pháp phân tích cho vấn đề này, nhưng nó cũng có thể được
giải quyết bằng Bộ giải.)
Machine Translated by Google
Khi tải xuống dữ liệu từ Yahoo hoặc các nguồn khác, “giá điều chỉnh”
bao gồm điều chỉnh cổ tức. Trong phụ lục này, chúng tôi thảo luận hai
cách thực hiện việc điều chỉnh này.4 Phương pháp đầu tiên và đơn giản
nhất để điều chỉnh cổ tức là thêm chúng vào sự thay đổi hàng năm về
giá. Trong ví dụ sau, nếu bạn mua cổ phiếu GM ở mức giá cuối năm 1986
là 33 USD/cổ phiếu và giữ nó trong một năm, thì vào cuối năm đó, bạn sẽ
kiếm được 0,57%.
30 .69 +2 50
.
= 1 . xu
= 0 568
Lợi nhuận gộp riêng biệt, 1987 mỗi
33 .00
30 .69 +2 50
.
= ln
Lợi nhuận gộp liên tục, 1987
33 .00
=
0 567 . phần trăm
(Sự lựa chọn giữa lãi kép rời rạc và lãi kép liên tục được thảo luận
trong phụ lục 2.)
4. Có thể lập luận rằng vì các nguồn miễn phí có sẵn trên Web thực hiện những điều chỉnh này một
cách tự động nên các chi tiết trong phụ lục này là không cần thiết. Tuy nhiên, chúng tôi nghĩ
rằng họ cung cấp một số hiểu biết thú vị. (Nếu bạn không đồng ý, hãy lật trang!)
Machine Translated by Google
256 Chương 8
A B C D E F
Một cách khác để tính lợi nhuận là giả định rằng cổ tức được tái đầu tư vào cổ phiếu:
G H IJ K L M N
Hãy xem xét năm 1987 đầu tiên: Vì chúng tôi mua cổ phiếu vào cuối năm 1986 nên chúng tôi
sở hữu một cổ phiếu vào cuối năm 1987. Nếu cổ tức năm 1987 được chuyển thành
Machine Translated by Google
cổ phiếu ở mức giá cuối năm 1987, chúng ta có thể dùng nó để mua thêm 0,081 cổ phiếu:
2 .50
Cổ phiếu mới được mua vào cuối năm 1987
= = 0 .081
30 .69
Vì vậy, chúng ta bắt đầu năm 1988 với 1,081 cổ phiếu. Vì cổ tức trên mỗi cổ phiếu năm
1988 là 2,50 USD nên tổng cổ tức nhận được từ cổ phiếu là 1,081 2,50 USD = 2,704 USD.
2 .704
Cổ phiếu mới được mua vào cuối năm 1988
= = 0 .065
41 .75
Như vậy, vào cuối năm 1988, người nắm giữ cổ phiếu GM sẽ tích lũy được 1 + 0,081 + 0,065 =
1,146 cổ phiếu.
Như đoạn bảng tính cho thấy, việc tái đầu tư cổ tức này sẽ
nắm giữ 1.596 cổ phiếu vào cuối năm 1996, trị giá 88,963 USD.
Chúng ta có thể tính toán lợi tức đầu tư này theo một trong hai cách:
Lưu ý rằng lợi nhuận gộp liên tục này (phương pháp được ưu tiên
trong cuốn sách này) giống như lợi tức được tính trong phần bảng
tính đầu tiên trong phụ lục này từ lợi nhuận hàng năm (ô E15).
Một cách khác là tính lợi nhuận hình học:
1 /10
Giá trị cuối năm 1996
Trả về hình học phức hợp = 1
Đầu tư ban đầu
88 .963 / 1 10
= 1 10 43
. phần trăm
33 .00 =
Phụ lục 2: Lợi nhuận gộp liên tục và lợi nhuận hình học
Sử dụng lợi nhuận gộp liên tục giả định rằng Pt = Pt 1ert ,Ở đâu
rt là tỷ suất lợi nhuận trong kỳ (t 1, t). Giả sử rằng r1, ,r12
r2, . . . là lợi nhuận trong 12 kỳ (một khoảng thời gian có thể là
một tháng hoặc có thể là một năm), thì giá cổ phiếu vào cuối 12 kỳ sẽ là
Machine Translated by Google
258 Chương 8
P 12 = r
Perr 1++2 + ... 12
0
Cách trình bày giá và lợi nhuận này cho phép chúng ta giả định rằng lợi
nhuận trung bình định kỳ là r = (r1 + r2 + + r12)/12. Vì chúng ta muốn
. . .
giả định rằng dữ liệu lợi nhuận trong 12 kỳ thể hiện sự phân bổ lợi
nhuận trong kỳ tới, nên lợi nhuận gộp liên tục là thước đo lợi nhuận
thích hợp chứ không phải lợi nhuận gộp riêng biệt.
=
Pt 1 (Tại
rPP
A t , )/ , 1
Tại
Lợi nhuận gộp liên tục và lợi nhuận gộp riêng biệt khác nhau như thế nào?
Lợi nhuận gộp liên tục sẽ luôn nhỏ hơn lợi nhuận gộp riêng biệt, nhưng
sự khác biệt thường không lớn. Bảng sau đây cho thấy sự khác biệt đối
với ví dụ trong phần 8.2:
Tính toán lợi nhuận hàng năm và chênh lệch từ lợi nhuận định kỳ
Giả sử chúng ta tính toán một chuỗi lãi kép liên tục hàng tháng
tỷ suất lợi nhuận r1, r2, . ,. . rn và chúng tôi muốn tính giá trị trung bình và
Machine Translated by Google
sự khác biệt của tỷ suất lợi nhuận hàng năm . Rõ ràng lợi nhuận trung bình hàng năm
1
N
t= 1
Để tính phương sai của tỷ suất lợi nhuận hàng năm, chúng tôi giả định rằng tỷ
suất lợi nhuận hàng tháng được phân phối ngẫu nhiên giống hệt nhau một cách độc
1
N
lập
biến. Từ đó suy ra Var( )r = Var(= rt) σ Và
12 N
12
2 hàng tháng
t= 1
rằng độ lệch chuẩn của tỷ suất lợi nhuận hàng năm được tính bằng
σ = 12 σ hàng tháng.
Để quay lại ví dụ của chúng tôi: Với dữ liệu lợi nhuận hàng tháng của chúng tôi, đây là
tỷ suất lợi nhuận hàng năm, phương sai và độ lệch chuẩn của chúng:
Machine Translated by Google
Machine Translated by Google
Chương này trình bày lý thuyết và các tính toán cần thiết cho cả hai
phiên bản của mô hình định giá tài sản vốn cổ điển (CAPM)—cả hai đều dựa
trên tài sản phi rủi ro (còn được gọi là mô hình Sharpe-Lintner-Mossin)
và của Black (1972). CAPM beta bằng 0 (không yêu cầu giả định tài sản
phi rủi ro). Bạn sẽ thấy rằng việc sử dụng bảng tính cho phép bạn thực
hiện các phép tính cần thiết một cách dễ dàng.
Cấu trúc của chương này như sau: Chúng ta bắt đầu với một số định nghĩa và
ký hiệu sơ bộ. Sau đó chúng tôi phát biểu các kết quả chính (chứng minh được
đưa ra trong phần phụ lục của chương). Trong các phần tiếp theo, chúng tôi
triển khai những kết quả này, cho bạn thấy
Chương này bao gồm nhiều tài liệu lý thuyết hơn hầu hết các chương
trong cuốn sách này: Phần 9.3 chứa các mệnh đề về danh mục đầu tư làm cơ
sở cho việc tính toán cả danh mục đầu tư hiệu quả và đường thị trường
chứng khoán (SML) trong Chương 11. Nếu bạn tìm thấy tài liệu lý thuyết ở
phần 9.3 khó, trước tiên hãy bỏ qua và làm theo các phép tính minh họa ở
phần 9.4. Chương này giả định rằng ma trận phương sai-hiệp phương sai đã
được đưa ra; chúng tôi trì hoãn việc thảo luận về các phương pháp tính
toán ma trận phương sai-hiệp phương sai cho đến Chương 10.
Trong suốt chương này, chúng tôi sử dụng ký hiệu sau: Có N tài sản
rủi ro, mỗi tài sản có lợi nhuận kỳ vọng E(ri). Ma trận E(r) là
vectơ cột lợi nhuận kỳ vọng của các tài sản này:
Ơ (1 )
Ơ (2 )
Ơ ( )=
E (rN)
262 Chương 9
σσ11 21
... σN 1
σσ12 ... σN
S= 22 2
σσ1N 2N
... σ NN
Danh mục đầu tư gồm các tài sản rủi ro (khi mục đích của chúng ta rõ ràng, chúng ta sẽ chỉ
sử dụng từ danh mục đầu tư) là một vectơ cột x có tổng tọa độ bằng 1:
x1
x2 N
x= , x =1
Tôi
Tôi
=1
xN
Mỗi tọa độ xi thể hiện tỷ trọng của danh mục đầu tư vào tài sản rủi ro
i.
Lợi nhuận kỳ vọng của danh mục đầu tư E(rx) của danh mục x được tính
bằng tích của x và R:
N
E (rx
x)
R xE
T r ( ) =
Tôi
≡ Tôi
= Tôi 1
Hiệp phương sai giữa lợi nhuận của hai danh mục đầu tư x và y, Cov(rx,
N N
Biểu đồ sau minh họa bốn khái niệm. Một danh mục đầu tư khả thi là bất kỳ danh
mục đầu tư nào có tổng tỷ trọng bằng một. Tập hợp khả thi là tập hợp các phương
tiện danh mục đầu tư và độ lệch chuẩn được tạo ra bởi các danh mục đầu tư khả
thi; tập khả thi này là diện tích bên trong và bên phải của đường cong. Một danh
mục đầu tư khả thi nằm trên đường bao của tập hợp khả thi nếu với mức sinh lợi
trung bình cho trước, nó có phương sai tối thiểu. Cuối cùng, danh mục đầu tư x là
danh mục đầu tư hiệu quả nếu nó tối đa hóa lợi nhuận với phương sai của danh mục
đầu tư (hoặc độ lệch chuẩn). Nghĩa là, x là hiệu quả nếu không có danh mục y nào
khác sao cho E(Ry) > E(Rx) và sy ≤ sx. Tập hợp tất cả các danh mục đầu tư hiệu
quả được gọi là đường biên hiệu quả; biên giới này là đường nặng hơn trong biểu đồ.
Machine Translated by Google
263 Tính toán danh mục đầu tư hiệu quả khi không có hạn chế bán khống
11
Hiệu quả và
9
phong bì
số 8
trung
nhuận
danh
bình
(%)
đầu
mục
của
Lợi
tư
5
Phong bì, không
có hiệu quả
4
10 20 30 40 50 60 70 80 90
Trong phần phụ lục của chương này, chúng tôi chứng minh các kết quả sau,
là kết quả cơ bản cho việc tính toán CAPM. Tất cả những mệnh đề này
được sử dụng để tìm ra đường biên hiệu quả và đường thị trường chứng
khoán; minh họa bằng số được đưa ra trong phần tiếp theo và trong các
chương tiếp theo.
Ơ (c1 )
Ơ (c ) = Ơ (c2 )
Ơ (c )N
Giả sử vectơ z giải hệ phương trình tuyến tính đồng thời E(r) c =
Sz. Sau đó, giải pháp này tạo ra một danh mục đầu tư x trên đường
bao của tập hợp khả thi theo cách sau:
Machine Translated by Google
264 Chương 9
z =S Er{ c() }
1
xx =xN 1,...,
{ }
Ở đâu
z
x =
Tôi
Tôi
zj
=j 1
Hơn nữa, tất cả các danh mục phong bì đều thuộc dạng này.
Trực giác Một bằng chứng chính thức cho mệnh đề này được đưa ra trong phần
phụ lục của chương này, nhưng trực giác thì đơn giản và mang tính hình học.
Giả sử chúng ta chọn một hằng số c và cố gắng tìm một danh mục đầu tư x hiệu
quả mà có sự tiếp tuyến giữa c và tập hợp khả thi:
x, tiếp tuyến
c danh mục đầu tư đã cho c
Mệnh đề 1 đưa ra quy trình tìm x; hơn nữa, đề xuất nêu rõ rằng tất
cả các danh mục đầu tư phong bì (đặc biệt: tất cả các danh mục đầu tư
hiệu quả) đều là kết quả của quy trình được nêu trong đề xuất. Nghĩa
là, nếu x là danh mục đầu tư bao bất kỳ thì tồn tại một hằng số c và
một vectơ z sao cho Sz = E(r) =c và .xz zi
Tôi
mệnh đề 2 Theo một định lý được chứng minh lần đầu tiên bởi Black (1972),
hai danh mục đầu tư bao bất kỳ cũng đủ để thiết lập toàn bộ bao. Được cho
Machine Translated by Google
265 Tính toán danh mục đầu tư hiệu quả khi không có hạn chế bán khống
hai danh mục phong bì bất kỳ x = {x1, . . . , xN} và y = {y1, . . . , yN}, tất cả các
danh mục đầu tư dạng bao đều là sự kết hợp lồi của x và y. Điều này có nghĩa là với bất
rìu ày + (1 ) 1
rìu ày+ (
21 1 ) 2
+ (1 = )
rìu ày
N
cây rìu + (1 ừ) N
mệnh đề 3 Nếu y là danh mục đầu tư phong bì bất kỳ, thì với bất kỳ danh mục đầu tư nào
()
Er c Er c =+ x xy β [()]
Ở đâu
βx =
Côv xy
2, ( )
σy
Hơn nữa, c là lợi nhuận kỳ vọng của tất cả các danh mục đầu tư z có hiệp phương
c Er = ( )z
Ở đâu
Cov , ( ) yz = 0
Lưu ý Nếu y nằm trên đường bao, sự hồi quy của bất kỳ và tất cả các danh mục đầu tư x
trên y cho một mối quan hệ tuyến tính. Trong phiên bản CAPM này (thường được
gọi là CAPM zero-beta của Black, để vinh danh Fisher Black, người có bài báo
năm 1972 đã chứng minh kết quả này), đường thị trường chứng khoán Sharpe-
Lintner-Mossin (SML) được thay thế bằng SML trong đó vai trò của tài sản phi
rủi ro được thực hiện bởi một danh mục đầu tư có hệ số beta bằng 0 đối với
danh mục đầu tư có hình bao y cụ thể. Lưu ý rằng kết quả này đúng với mọi danh mục đầu tư y.
mệnh đề 4 Giả sử tồn tại một danh mục đầu tư y sao cho với bất kỳ
danh mục x nào cũng có mối quan hệ sau:
Machine Translated by Google
266 Chương 9
()
Er c Er c =+ x xy β [()]
Ở đâu
cov ,xy
βx =
( )
σ y2
Mệnh đề 3 và 4 cho thấy rằng mối quan hệ SML đúng khi và chỉ nếu chúng ta hồi
quy tất cả lợi nhuận danh mục đầu tư trên một danh mục đầu tư phong bì. Như Roll
(1977, 1978) đã chỉ ra một cách mạnh mẽ, những mệnh đề này cho thấy rằng việc
kiểm tra CAPM bằng cách chỉ ra rằng SML đúng là chưa đủ.1 Thử nghiệm thực sự duy
nhất đối với CAPM là liệu danh mục đầu tư thị trường thực sự có trung bình hay
không -phương sai hiệu quả. Chúng ta sẽ quay lại chủ đề này ở Chương 11.
Danh mục thị trường Danh mục thị trường M là danh mục bao gồm tất cả
các tài sản rủi ro trong nền kinh tế, mỗi tài sản được coi là tương ứng
với giá trị của nó. Để làm cho định nghĩa này cụ thể hơn: Giả sử có N
tài sản rủi ro và giá trị thị trường của tài sản i là Vi. Khi đó danh
mục thị trường có các trọng số sau:
V.
Tỷ trọng tài sản trong i M
= Tôi
N
V.h
=h 1
Nếu danh mục thị trường M hiệu quả (đây là một chữ “nếu” lớn như chúng ta sẽ thấy trong Chương
11 (kiểm tra SML) và 13 (Black-Litterman), thì Dự luật 3 cũng đúng với danh mục thị trường.
Nghĩa là, SML giữ với E(rz) được thay thế cho c:
Ở đâu
Cov( x, M )
βx =
σ M2
Cov( , ) z M = 0
1. Bài báo năm 1977 của Roll được trích dẫn nhiều hơn và toàn diện hơn, nhưng bài báo năm 1978 của
ông dễ đọc và trực quan hơn nhiều. Nếu bạn quan tâm đến tài liệu này, hãy bắt đầu từ đó.
Machine Translated by Google
267 Tính toán danh mục đầu tư hiệu quả khi không có hạn chế bán khống
Phiên bản SML này đã nhận được sự chú ý thực nghiệm nhất trong tất cả các
kết quả CAPM. Trong Chương 11 chúng tôi trình bày cách tính b và cách tính
SML; chúng ta tiếp tục xem xét lời chỉ trích của Roll về những thử nghiệm
thực nghiệm này. Từ biểu đồ sau, có thể dễ dàng thấy cách xác định danh mục
đầu tư có hệ số beta bằng 0 trên đường bao của tập hợp khả thi:
x, danh mục
tiếp tuyến cho c
trung
danh
bình
đầu
mục
của
tức
Lợi
tư
Khi có tài sản không có rủi ro, Dự luật 3 chuyên về dòng thị trường
chứng khoán của mô hình định giá tài sản vốn cổ điển:
mệnh đề 5 Nếu tồn tại một tài sản phi rủi ro với tỷ suất sinh lợi rf thì
tồn tại một danh mục đầu tư bao x sao cho
Er()r Er r =+
β [()]
x fx xf
Ở đâu
Cov , ( x M )
βx =
σ M2
Như được trình bày trong các bài báo kinh điển của Sharpe (1964), Lintner (1965),
và Mossin (1966), nếu tất cả các nhà đầu tư chỉ chọn danh mục đầu tư của họ trên
cơ sở giá trị trung bình danh mục đầu tư và độ lệch chuẩn, thì danh mục đầu tư x
Trong phần còn lại của chương này, chúng ta khám phá ý nghĩa của những
các mệnh đề sử dụng các ví dụ số được thực hiện trên Excel.
Machine Translated by Google
268 Chương 9
Trong phần này chúng ta tính toán đường biên hiệu quả bằng cách sử dụng Excel. Chúng tôi
xem xét một thế giới có bốn tài sản rủi ro có lợi nhuận kỳ vọng và ma trận phương sai hiệp
phương sai sau:
Một BCDE FG H
2 E(r) E(r) - c
3 0,40 0,03 0,02 0,00 0,06 0,02 <-- =F3-$B$8
4 0,03 0,20 0,00 -0,06 0,05 0,01 <-- =F4-$B$8
5 0,02 0,00 0,30 0,03 0,07 0,03 <-- =F5-$B$8
6 0,00 -0,06 0,03 0,10 0,08 0,04 <-- =F6-$B$8
7
số 8 Không thay đổi 0,04
Mỗi ô của vectơ cột có nhãn Hằng số trừ dự kiến chứa lợi nhuận trung bình của tài sản
đã cho trừ đi giá trị của hằng số c (trong trường hợp này c = 0,04). Chúng ta sẽ sử
Chúng tôi tách các tính toán của mình thành hai phần: Trong phần 9.4.1, chúng tôi tính
toán hai danh mục đầu tư trên đường bao của tập hợp khả thi. Trong phần 9.4.2 chúng tôi
tính toán đường biên hiệu quả.
Theo Dự luật 2, chúng ta phải tìm ra hai danh mục đầu tư hiệu quả để xác định toàn bộ
đường giới hạn hiệu quả. Theo Mệnh đề 1, mỗi danh mục đầu tư bao thư giải được hệ R
c = Sz với z. Để xác định hai danh mục đầu tư hiệu quả, chúng tôi sử dụng hai giá
trị khác nhau cho c. Với mỗi giá trị của c, chúng ta giải tìm z rồi đặt xz z ii h
Số c mà chúng ta giải là tùy ý (xem phần 9.5), nhưng để dễ dàng thực hiện, trước
tiên chúng ta giải hệ này với c = 0. Quy trình này cho kết quả như sau:
Machine Translated by Google
269 Tính toán danh mục đầu tư hiệu quả khi không có hạn chế bán khống
Một BCDE FG H
10 Tính toán danh mục đầu tư phong bì với hằng số = 0
Phong bì
z danh mục đầu tư
11 x
12 0,1019 <-- {=MMULT(MINVERSE(A3:D6),F3:F6)} 0,0540 <-- =A12/SUM($A$12:$A$15)
13 0,5657 0,2998
14 0,1141 0,0605
15 1,1052 0,5857
16 Tổng 1,0000 <-- =SUM(F12:F15)
chứa ma trận phương sai-hiệp phương sai và các ô F3 : F6 chứa lợi nhuận kỳ vọng của
tài sản.
• Đối với x: Mỗi ô chứa giá trị liên quan của z chia cho tổng của tất cả các z. Vì
Để tìm danh mục phong bì thứ hai, bây giờ chúng ta giải hệ thống này cho
c = 0,04 (ô B8).
Một BCDE FG H
18 Tính toán danh mục đầu tư phong bì với hằng số = 0,04
Phong bì
z danh mục đầu tư
19 y
20 0,0330 <-- {=MMULT(MINVERSE(A3:D6),G3:G6)} 0,0423 <-- =A20/SUM($A$20:$A$23)
21 0,1959 0,2514
22 0,0468 0,0601
23 0,5035 0,6462
24 Tổng 1,0000 <-- =SUM(F20:F23)
Danh mục y trong các ô F20 : F23, theo kết quả của Dự luật 1, là một danh mục
đầu tư phong bì. Vectơ z liên kết với y này được tính theo cách tương tự như vectơ
đầu tiên, ngoại trừ hàm mảng trong các ô là MMult(MInverse(A3 :D6),G3 :G6), trong
Để hoàn thành các tính toán cơ bản, chúng tôi tính toán phương tiện, tiêu chuẩn
độ lệch và hiệp phương sai của lợi nhuận cho danh mục x và y:
270 Chương 9
Các vectơ chuyển vị của x và của y được chèn bằng hàm mảng Transpose (xem Chương 35 để thảo
luận về các hàm mảng). Bây giờ, bước này cho phép chúng ta tính giá trị trung bình, phương
Bảng tính sau đây minh họa mọi thứ đã được thực hiện trong
tiểu mục này:
Một BCDE FG H
Phong bì
Phong bì
danh mục y
19 z
20 0,0330 <-- {=MMULT(MINVERSE(A3:D6),G3:G6)} 0,1959 0,0423 <-- =A20/SUM($A$20:$A$23)
21 0,0468 0,2514
22 0,5035 0,0601
23 0,6462
24 Tổng 1,0000 <-- =SUM(F20:F23)
25
26 Bán tại) 0,0693 Bán tại) 0,0710 <-- {=MMULT(TRANSPOSE(F20:F23),F3:F6)}
27 Var(x) 0,0367 Thay đô i) 0,0398 <-- {=MMULT(MMULT(TRANSPOSE(F20:F23),A3:D6),F20:F23)}
28 Sigma(x) 0,1917 Sigma(y) 0,1995 <-- =SQRT(F27)
29
30 Cov(x,y) 0,0376 <-- {=MMULT(MMULT(TRANSPOSE(F12:F15),A3:D6),F20:F23)}
31 Đúng(x,y) 0,9842 <-- =C30/(B28*F28)
Machine Translated by Google
271 Tính toán danh mục đầu tư hiệu quả khi không có hạn chế bán khống
Theo Dự luật 2 của phần 9.3, sự kết hợp lồi của hai danh mục đầu tư
được tính toán trong tiểu mục trước cho phép chúng ta tính toán toàn bộ
đường bao của tập hợp khả thi (tất nhiên bao gồm cả tầng trước hiệu
quả). Giả sử chúng ta đặt p là một danh mục đầu tư có tỷ lệ a đầu tư
vào danh mục x và tỷ lệ (1 a) đầu tư vào y. Khi đó—như đã thảo luận
ở Chương 8—giá trị trung bình và độ lệch chuẩn của lợi nhuận p là
E ()
rpx a= E+ r 1
y() ( )()
một E r
2 2
σσ = +
22 aa
px +y ( 1 )σ ( aa
21 ,
xy Cov ) ()
Đây là phép tính mẫu cho hai danh mục đầu tư của chúng tôi:
Một BCDE FG H
34 Tính toán danh mục đầu tư duy nhất
35 Tỉ lệ x 0,3
36 E(rp) 7,05% <-- =B35*B26+(1-B35)*F26
37 σp 19,65% <-- =SQRT(B35^2*B27+(1-B35)^2*F27+2*B35*(1-B35)*C30)
Chúng ta có thể biến phép tính này thành bảng dữ liệu (xem Chương 31) để
có được bảng sau:
Một BCDE FG H
34 Tính toán danh mục đầu tư duy nhất
35 Tỉ lệ x 36 0,3
272 Chương 9
Hai danh mục đầu tư x và y có sự kết hợp lồi tạo nên đường bao được
đánh dấu, cũng như các danh mục đầu tư khác, một số trong đó có các vị
thế bán x hoặc y . Lưu ý rằng tất cả các tổ hợp lồi đều nằm trên đường
bao nhưng có thể không nhất thiết hiệu quả. Ví dụ, w
là danh mục đầu tư hiệu quả là tổ hợp lồi của hai danh mục đầu tư hiệu
quả x và y; trong trường hợp cụ thể này, tỷ lệ của x là 50% và của y là
50%. Các danh mục đầu tư phong bì khác được minh họa bao gồm các vị thế
bán ở một trong hai danh mục x và y, và có thể có hoặc không hiệu quả. Do
đó, trong khi mọi danh mục đầu tư hiệu quả đều là sự kết hợp lồi của hai
danh mục đầu tư hiệu quả bất kỳ, thì không phải mọi kết hợp lồi của hai
danh mục đầu tư hiệu quả bất kỳ đều hiệu quả.
Trong phần này, chúng tôi lưu ý thêm ba sự kiện bổ sung về quy trình tối
ưu hóa của Dự luật 1 dẫn đến việc tính toán danh mục đầu tư bao.
lưu ý 1: mọi con đường đều dẫn tới Rome: giá trị chính xác của C là không liên quan
để xác định đường bao Theo Dự luật 2, đường bao được xác định bởi bất kỳ
hai danh mục đầu tư nào của nó. Do đó, để xác định đường bao, việc chúng
ta sử dụng hai danh mục đầu tư nào là không liên quan. Để đạt được điểm
này, bảng tính sau đây tính toán ba danh mục phong bì:
• Danh mục phong bì thứ ba w được tính với hằng số c = 0,01 (các ô F29 :
F32). Như được hiển thị ở hàng 36–44, danh mục đầu tư w bao gồm sự kết
hợp lồi của x và y. Tuyên bố này đúng với mọi x, y và w: các hằng số c
xác định đường bao là hoàn toàn tùy ý.
Machine Translated by Google
273 Tính toán danh mục đầu tư hiệu quả khi không có hạn chế bán khống
A BCD E F G
Phong bì
Phong bì
danh mục y
17 z
18 -0,0359 <-- {=MMULT(MINVERSE(A3:D6),F3:F6-0.08)} 0,1093 <-- {=A18/SUM($A$18:$A$21)}
19 -0.1740 0,5293
20 -0.0205 0,0625
21 -0.0982 0,2989
22 Tổng 1,0000 <-- =SUM(F18:F21)
23
Tính toán bổ sung: Cố định một hằng số khác và chỉ ra rằng kết quả
24 danh mục đầu tư là sự kết hợp của hai danh mục đầu tư trước đó
25 Hằng số 26 0,01
274 Chương 9
lưu ý 2: các giá trị nhất định của C cũng có thể xác định vị trí danh mục đầu tư phong bì
không hiệu quả, mặc dù chúng nằm trên đường bao. Quy trình tối ưu hóa của
Dự luật 1 xác định danh mục đầu tư x có tỷ lệ
S er
1 c }
{ ()
x =
1
Tổng[S {Ơ (c )}]
Mặc dù luôn luôn ở mức bao quát, danh mục đầu tư này không nhất thiết phải hiệu quả -
hiệu quả, như được trình bày trong ví dụ sau, trong đó hằng số c = 0,11 dẫn
đến một danh mục đầu tư kém hiệu quả.
A BCD E F G
MỘT SỐ chữ c CÓ THỂ DẪN ĐẾN DANH MỤC ĐẦU TƯ KHÔNG HIỆU QUẢ
1 Danh mục đầu tư x được xác định bởi hằng số c = 0,11 là không hiệu quả
Lợi nhuận
kỳ vọng
2 Ma trận phương sai-hiệp phương sai E(r)
3 0,40 0,03 0,02 0,20 0,00 0,06
4 0,03 0,00 0,00 0,30 -0,06 0,05
5 0,02 -0,06 0,03 0,03 0,07
6 0,00 0,10 0,08
7
số 8 Không thay đổi 0,11
9
10 Tính toán danh mục đầu tư phong bì với hằng số = 0,11
Phong bì
z danh mục đầu tư
11 x
12 -0,0876 <-- {=MMULT(MINVERSE(A3:D6),F3:F6-B8)} -0.4514 0,0755 <-- {=A12:A15/SUM(A12:A15)}
13 -0.0710 0,3893
14 -0.5495 0,0613
15 0,4739
16 Tổng 1,0000 <-- =SUM(F12:F15)
17
18
19 E(rx) 0,0662
0,074
20 σx 0,1944
0,073
21
0,072
22
0,071
23
24 0,07
25 0,069
26 0,068
27 0,067
28 0,066
29
0,065
30 0,185 0,19 0,195 0,2 0,205 0,21 0,215 0,22 0,225
31
Machine Translated by Google
275 Tính toán danh mục đầu tư hiệu quả khi không có hạn chế bán khống
lưu ý 3: nếu C là lãi suất phi rủi ro và nếu danh mục đầu tư
S 1er
{ () c }
x= 1
Tổng[S{ er() c
}]
hiệu quả thì danh mục đầu tư này là danh mục đầu tư tối ưu. Chúng tôi đã nói tất cả
những điều này trước đây trong cuộc thảo luận về Dự luật 1, nhưng nó đáng được nhắc lại.2
Nếu chúng ta đặt c bằng lãi suất phi rủi ro và nếu danh mục đầu tư
tối ưu hóa đạt được
S 1er
{ () c }
x= 1
Tổng[S{ er() c
}]
hiệu quả thì danh mục đầu tư này là danh mục đầu tư tối ưu cho nhà đầu
tư mà sở thích của họ chỉ được xác định dựa trên giá trị trung bình và
độ lệch chuẩn của lợi nhuận danh mục đầu tư. Trong ví dụ sau, chúng tôi
giả định rằng rf = 4%. Xác định danh mục đầu tư tối ưu hóa
S 1er
{ () c }
x= 1
Tổng[S{ er() c
}]
trên phong bì cho thấy nó có hiệu quả. Do đó danh mục đầu tư tối ưu
cho trường hợp này được cho bởi x.
2. Và nó tạo thành nền tảng cho cuộc thảo luận của chúng ta về mô hình Black-Litterman ở Chương 13.
Machine Translated by Google
276 Chương 9
A BCD E F G
22
0,07
23
24 0,068
25
26 0,066
27
0,064
28
29 0,185 0,19 0,195 0,2 0,205 0,21 0,215 0,22 0,225
30
9.6 Tìm kiếm danh mục đầu tư hiệu quả trong một bước
Các ví dụ trong phần 9.4 tìm ra danh mục đầu tư hiệu quả bằng cách viết ra hầu hết các
thành phần của danh mục đầu tư một cách riêng biệt trên bảng tính.
Tuy nhiên, đối với một số mục đích sử dụng, chúng ta sẽ muốn tính toán danh mục đầu tư
277 Tính toán danh mục đầu tư hiệu quả khi không có hạn chế bán khống
A BCDEFG H
Lợi nhuận
Ma trận phương sai-hiệp phương sai kỳ vọng
2 E(r)
3 0,40 0,03 0,02 0,00 0,06
4 0,03 0,20 0,00 -0,06 0,05
5 0,02 0,00 0,30 0,03 0,07
6 0,00 -0,06 0,03 0,10 0,08
7
số 8 Không thay đổi 0,05
9
Phong bì
dự kiến 16
chuẩn danh
Cách tiếp cận này yêu cầu một số thủ thuật Excel, hầu hết trong số đó liên
quan đến việc sử dụng đúng các hàm mảng. Kết quả cuối cùng là chúng ta có
thể viết biểu thức Mệnh đề 1 cho một danh mục đầu tư phong bì,
S 1er
{ () c }
x= 1
Tổng[S{ er( )c}]
trong một ô:
• Trong các ô A11 : A14, chúng tôi đã sử dụng công thức mảng F3:F6-B8 để
biểu thị lợi nhuận kỳ vọng trừ đi hằng số trong ô B8.
S 1er
{ ()c }
x= 1
Tổng[ { () c
S er }]
Machine Translated by Google
278 Chương 9
9.7 Tìm kiếm danh mục đầu tư thị trường: Đường thị trường vốn
Giả sử tồn tại một tài sản phi rủi ro và giả sử rằng tài sản này có
lợi nhuận kỳ vọng rf. Gọi M là danh mục đầu tư hiệu quả là nghiệm của
hệ phương trình
E r ( )r Sz
f =
z
M = Tôi
Tôi
N
z
Tôi
=
Tôi 1
Bây giờ hãy xem xét sự kết hợp lồi của danh mục đầu tư M và tài sản phi rủi ro rf; ví dụ,
giả sử rằng trọng số của tài sản phi rủi ro trong danh mục đầu tư đó là a. Nó suy ra từ
các phương trình tiêu chuẩn về lợi nhuận danh mục đầu tư và s rằng
er()ar= +
pf M (1 )(một)E r
σσ 22 2 2 = +
1+ 21 σ
aa pr M
=( σM
() ()() fy,
aa rr Cov ) 1 a
f
Quỹ tích của tất cả các kết hợp như vậy cho a ≥ 0 được gọi là đường thị
trường vốn (CML). Nó xuất hiện cùng với đường biên hiệu quả trong biểu
đồ sau:
Chợ
279 Tính toán danh mục đầu tư hiệu quả khi không có hạn chế bán khống
Danh mục đầu tư M được gọi là danh mục đầu tư thị trường vì một số lý do:
• Giả sử các nhà đầu tư đồng ý về thông tin thống kê danh mục đầu tư
[tức là vectơ lợi nhuận kỳ vọng E(r) và ma trận phương sai hiệp phương
sai S]. Hơn nữa, giả sử rằng các nhà đầu tư chỉ quan tâm đến việc tối đa
hóa lợi nhuận kỳ vọng của danh mục đầu tư với độ lệch chuẩn danh mục đầu
tư s. Khi đó tất cả danh mục đầu tư tối ưu sẽ nằm trên CML.
• Trong trường hợp này, tiếp theo là danh mục M là danh mục duy nhất gồm các tài
sản rủi ro nằm trong bất kỳ danh mục đầu tư tối ưu nào. Do đó, danh mục M phải bao
gồm tất cả các tài sản rủi ro, với mỗi tài sản được tính trọng số tương ứng với
giá trị thị trường của nó. Đó là,
V.
=
Tỷ trọng tài sản rủi ro trong danh mục i M
Tôi
N
V. Tôi
=
Tôi 1
Không khó để tìm M khi chúng ta biết rf: Chúng ta chỉ cần giải tìm
danh mục đầu tư hiệu quả khi biết hằng số c = rf. Khi rf thay đổi, chúng
ta có một danh mục đầu tư “thị trường” khác - đây chỉ là danh mục đầu tư
hiệu quả với hằng số rf. Ví dụ, trong ví dụ bằng số của chúng tôi, giả
sử lãi suất phi rủi ro là rf = 5%. Khi đó giải hệ E(r) rf = Sz cho
A BCDEFG H
KHI c = rf, DANH MỤC PHIẾU BÌNH LÀ DANH MỤC THỊ TRƯỜNG M
Lợi nhuận
Ma trận phương sai-hiệp phương sai kỳ vọng
2 E(r)
3 0,40 0,03 0,02 0,00 0,06
4 0,03 0,20 0,00 -0,06 0,05
5 0,02 0,00 0,30 0,03 0,07
6 0,00 -0,06 0,03 0,10 0,08
7
số 8 Không thay đổi 0,05
9
Phong bì
dự kiến 16
280 Chương 9
Để minh họa các Dự luật 3–5, hãy xem xét dữ liệu sau đây về bốn rủi ro
tài sản:
A BCDE F
Lợi nhuận của tài sản vào bảy ngày được cho ở hàng 3–9 và lợi nhuận trung bình được cho ở
hàng 11.
Chúng tôi sử dụng một số hàm mảng phức tạp để tính toán phương sai-
ma trận hiệp phương sai:
MỘT B C D E F G
13 Ma trận phương sai-hiệp phương sai
14 Tài sản Tài sản Tài sản Tài sản 4
22
23 Tài sản 1 0,3129
24 Tài sản 2 0,2464 Ô B23:B26 chứa công thức
Danh mục đầu tư hiệu quả với hằng số c = 0,5 phần trăm được đưa ra trong các ô B23 : B26;
chúng tôi tính toán danh mục đầu tư này bằng phương pháp của Mệnh đề 1.3. Chúng tôi gọi
danh mục đầu tư này là w. Lợi nhuận của danh mục đầu tư w vào ngày 1–7 được cho trong cột G
như sau.
3. Sau cuộc thảo luận ở phần 9.5, người đọc cẩn thận sẽ nhớ lại rằng Dự luật 1 chỉ đảm
bảo rằng danh mục đầu tư này nằm trên phong bì. Nhưng trên thực tế, nó có hiệu quả.
Machine Translated by Google
281 Tính toán danh mục đầu tư hiệu quả khi không có hạn chế bán khống
MỘT F G H
2 Ngày 1 B Tài C Tài D Tài E Tài Danh mục đầu tư hiệu quả w
3 sản 1 sản 2 sản 3 sản 4 -1,82% <-- {=MMULT(B3:E9,B23:B26)}
4 -6,63% -2,49% -4,27% 11,72% 0,99%
5 8,53% 2,44% -3,15% -8,33% 5,47%
6 1,79% 4,46% 1,92% 19,18% 3,65%
7 7,25% 17,90% -6,53% -7,41% -2,51%
số 8 2 3 4 5 6 0,75% -8,22% -1,76% -1,44% 2,16%
9 7 -1,57% -2,10% 0,83% 5,14% 12,88% 13,41% -5,92% -0,46% 4,14%
10
11 Nghĩa là 1,15% 2,87% 1,79% 1,05% <-- =TRUNG BÌNH(E3:E9) 1,73%
Chúng tôi minh họa các Mệnh đề 3–5 theo hai bước:
• Bước 1: Chúng tôi hồi quy lợi nhuận của từng tài sản dựa trên lợi nhuận của hiệu quả -
danh mục đầu tư khoa học: Với i = 1, ., . . 4 chúng tôi chạy hồi quy rit = ai + birwt + eit.
Hồi quy này thường được gọi là hồi quy lần đầu tiên. Kết quả như sau:
MỘT B C D E F
• Bước 2: Bây giờ chúng ta hồi quy hệ số beta của tài sản trên lợi nhuận trung bình của chúng.
Chạy hồi quy này, r¯i = g0 + g1bi + ei, cho kết quả
A B C D E
36 Bước 2: Hồi quy lợi nhuận trung bình của tài sản trên hệ số beta của chúng
37 Chặn 0,005 <-- = INTERCEPT(B11:E11,B33:E33)
38 Độ dốc 0,0123 <-- =SLOPE(B11:E11,B33:E33)
39 R bình phương 1,0000 <-- =RSQ(B11:E11,B33:E33)
Để kiểm tra kết quả của Dự luật 3–5, chúng tôi chạy thử nghiệm:
A B C D E
Kiểm tra Mệnh đề 3 & 4: Các hệ số ở Bước 2 phải là
41 Giao điểm = c, Độ dốc = E(rw) - c
42 Chặn = c ? Đúng <-- =IF(B36=B20,"có","không")
43 Độ dốc = E(rw) - c ? Đúng <-- =IF(B38=G11-B21,"có","không")
Các kết quả hồi quy “hoàn hảo” (lưu ý R2 = 1 trong ô B39) là kết quả đã hứa với chúng ta
282 Chương 9
• Điểm chặn hồi quy ở bước thứ hai bằng c và độ dốc bằng E(rw) c.
• Nếu có một tài sản phi rủi ro có lợi nhuận c = rf, thì Dự luật 5 hứa hẹn rằng trong hồi
quy bước thứ hai r¯i = g0 + g1bi + ei, g0 = rf, và g1 = E(rw) rf.
• Nếu không có tài sản phi rủi ro thì Dự luật 3 phát biểu rằng trong hồi quy bước hai g0 =
E(rz) và g1 = E(rw) E(rz), trong đó z là danh mục đầu tư có hiệp phương sai với w bằng 0.
• Cuối cùng, nếu chúng ta thực hiện hồi quy hai giai đoạn thuộc loại được mô tả trên bất kỳ
danh mục đầu tư w nào và nhận được một “hồi quy hoàn hảo”, thì Dự luật 4 đảm bảo rằng w trên
thực tế là hiệu quả.
Để hiểu rõ rằng kỹ thuật này luôn hiệu quả, chúng tôi sẽ hiển thị cho bạn tất cả các phép
tính bằng cách sử dụng một giá trị khác cho c (ô B21, được đánh dấu trong bảng tính sau). Như
đã được chứng minh trong các Dự luật 3–5, kết quả vẫn là sự hồi quy hoàn hảo về giá trị trung
MỘT B C D E F G H
1
Lần này hằng số là 2% (ô B21)
2 Ngày 1 Tài sản Tài sản 2 Tài sản 3 Tài sản Danh mục đầu tư hiệu quả w
3 1 -2,49% -4,27% 2,44% 4 11,72% -2,95% <-- {=MMULT(B3:E9,B23:B26)}
4 -6,63% -3,15% 4,46% 1,92% -8,33% 3,64%
5 2 8,53% 17,90% -6,53% -8,22% 19,18% 5,16%
6 3 1,79% -1,76% 0,83% 12,88% -7,41% -2,40%
7 7,25% 5,14% 13,41% -1,44% 2,24%
số 8 0,75% -5,92% 0,01%
9 4 5 6 7 -1,57% -2,10% -0,46% -0,26%
10
11 Nghĩa là 1,15% 2,87% 1,79% 1,05% <-- =TRUNG BÌNH(E3:E9) 0,78%
12
13 Ma trận phương sai-hiệp phương sai
14 Tài sản 1 Tài sản 2 Tài sản 3 Tài sản 4
22
23 Tài sản 0,8234 <-- {=MMULT(MINVERSE(B15:E18),TRANSPOSE(B11:E11)-B21)/SUM(MMULT(MINVERSE(B15:E18),TRANSPOSE(B11:E11)-B21))}
1 24 Tài sản -0,2869
2 25 Tài sản 0,2278
3 26 Tài sản 4 0,2357
27
28
283 Tính toán danh mục đầu tư hiệu quả khi không có hạn chế bán khống
Trong chương này chúng tôi đã trình bày các định lý liên quan đến danh mục
đầu tư hiệu quả và sau đó chỉ ra cách áp dụng các định lý này để tìm ra hiệu quả.
biên giới cổ đại. Hai mệnh đề cơ bản cho phép chúng ta rút ra các danh mục đầu
tư trên đường bao của tập hợp các danh mục đầu tư khả thi và chính đường bao
đó. Ba mệnh đề nữa liên hệ lợi nhuận kỳ vọng của bất kỳ tài sản hoặc danh mục
đầu tư nào với lợi nhuận kỳ vọng của bất kỳ danh mục đầu tư hiệu quả nào.
Trong những trường hợp nhất định, những đề xuất này cho phép chúng ta rút ra
đường thị trường chứng khoán (SML) và đường thị trường vốn (CML) của mô hình
định giá tài sản vốn cổ điển (CAPM).
Trong các chương tiếp theo, chúng ta sẽ thảo luận về việc thực hiện CAPM.
Chúng tôi trình bày cách tính ma trận phương sai-hiệp phương sai (Chương 10),
cách kiểm tra SML (Chương 11), cách tối ưu hóa khi có các ràng buộc bán khống
(Chương 12) và cách rút ra các quy trình tối ưu hóa danh mục đầu tư hữu ích từ
kiến thức của chúng ta về toán học tập hợp hiệu quả (Chương 13, thảo luận về
mô hình Black-Litterman).
Bài tập
1. Hãy xem xét dữ liệu sau đây của sáu công ty nội thất:
BCDEFGH tôi
Ma trận
Một. Cho ma trận này, và giả định rằng lãi suất phi rủi ro là 0%, hãy tính danh mục đầu tư hiệu
quả của sáu công ty này.
b. Lặp lại, giả định rằng lãi suất phi rủi ro là 10%.
c. Sử dụng hai danh mục đầu tư này để tạo ra một biên giới hiệu quả cho sáu sản phẩm đồ nội thất
các công ty. Hãy vẽ đường biên giới này.
d. Có một danh mục đầu tư hiệu quả chỉ với tỷ trọng dương của tất cả các tài sản không?4
4. Vấn đề khi một danh mục đầu tư chỉ chứa các trọng số dương trong mức không tầm thường. Xem
bài viết của Green (1986) và Nielsen (1987).
Machine Translated by Google
284 Chương 9
2. Điều kiện đủ để tạo ra các danh mục đầu tư hiệu quả có trọng số dương là ma trận phương
sai-hiệp phương sai có đường chéo: Nghĩa là, sij = 0, với i j. Bằng tính liên
tục, danh mục đầu tư có trọng số dương sẽ đạt được nếu các phần tử ngoài đường
chéo của ma trận phương sai-hiệp phương sai đủ nhỏ so với đường chéo. Xét một phép
biến đổi của ma trận trước trong đó
εσ Nguyên bản
σ = ij
nếu như
ij
σ
ij
Bản gốc ii
Khi ε = 1, phép biến đổi này sẽ cho ma trận phương sai-hiệp phương sai ban đầu và
khi ε = 0, phép biến đổi sẽ cho ma trận đường chéo đầy đủ.
Với r = 10 phần trăm, hãy tìm ε tối đa mà tại đó tất cả trọng số danh mục đầu tư
đều dương.
3. Trong ví dụ sau, hãy sử dụng Excel để tìm một danh mục đầu tư phong bì có b đối
với danh mục đầu tư hiệu quả y bằng 0. Gợi ý: Lưu ý rằng vì hiệp phương sai là
tuyến tính nên b cũng vậy: Giả sử z = lx + (1 l)y là một tổ hợp lồi của x và y,
và chúng ta đang cố gắng tìm bz. Sau đó
= Cov(zy ,2 )= Cov[λ x + (1 λ )ừ , ]
z
σ năm
σ y2
λ Côv(xy,2 ) (1 λ )Cov(y ,
= + )y
+ x ( 1) λ
= λβ
σy σ 2
năm
BCDEF
Nghĩa là
Ma trận phương sai-hiệp phương sai
trả lại
1
2 0,400 0,030 0,020 0,000 0,06
3 0,030 0,200 0,001 -0,060 0,05
4 0,020 0,001 0,300 0,030 0,07
5 0,000 -0,060 0,030 0,100 0,08
4. Tính toán tập phong bì cho bốn tài sản sau đây và chỉ ra rằng tất cả các tài sản
riêng lẻ đều nằm trong tập phong bì này.
MỘT B CDE F
1 VẤN ĐỀ VỀ DANH MỤC BỐN TÀI SẢN
285 Tính toán danh mục đầu tư hiệu quả khi không có hạn chế bán khống
20
18
16
14 Cổ phiếu D
12
10
trung
nhuận
bình
(%)
Lợi
Cổ phiếu C
số 8
Cổ phiếu B
Cổ phiếu A
6
0
20 30 40 50 60 70 80
ruột thừa
Trong phần phụ lục này, chúng tôi thu thập các bằng chứng khác nhau cho các nhận định được đưa
ra trong chương này. Như trong chương này, chúng ta giả sử rằng chúng ta đang kiểm tra dữ liệu cho N
tài sản rủi ro. Điều quan trọng cần lưu ý là tất cả các định nghĩa về “khả thi” và “tối ưu”
đều được đưa ra liên quan đến tập hợp này. Do đó, cụm từ “hiệu quả” thực sự có nghĩa là “hiệu
quả so với tập hợp N tài sản đang được kiểm tra”.
mệnh đề 0 Tập hợp tất cả các danh mục đầu tư khả thi của tài sản rủi ro là
lồi.
Chứng minh Danh mục đầu tư x là khả thi khi và chỉ khi tỷ lệ của
N
= , trong đó N là số lượng rủi ro
danh mục cộng lại thành 1; đó là, 1
xi
Tôi
=1
tài sản. Giả sử x và y là những danh mục đầu tư khả thi và giả sử l là một số nào đó nằm
286 Chương 9
mệnh đề 1 Cho c là một hằng số và biểu thị bằng R là vectơ lợi nhuận
trung bình. Một danh mục đầu tư x nằm trên phong bì so với tập mẫu N
tài sản khi và chỉ nếu nó là giải pháp chuẩn hóa của hệ thống
R c Sz =
z
x = Tôi
Tôi
z h
Chứng minh Danh mục đầu tư x nằm trên đường bao của tập hợp danh mục đầu tư
khả thi khi và chỉ khi nó nằm trên tiếp tuyến của đường nối một số điểm c
trên trục y với tập hợp khả thi. Danh mục đầu tư như vậy phải tối đa hóa hoặc
xR( ) c
giảm thiểu tỷ lệ , trong đó x(R c) là tích vectơ
σ 2 (x )
mang lại lợi nhuận vượt trội dự kiến của danh mục đầu tư trên c và s2 (x) là phương
sai của danh mục đầu tư. Gọi giá trị của tỷ số này khi cực đại (hoặc cực tiểu) là l.
xR( ) c
= λ
σ 2 (x )
x ( x =R =c ) σλ2
() xSxT λ
Giả sử h là một nội dung cụ thể và lấy– vi phân biểu thức cuối cùng này
với xh. Bước này mang lại cho R h c = SxTl. Viết zh = lxh, đối
chúng ta thấy rằng một danh mục đầu tư là hiệu quả khi và chỉ khi nó giải được hệ R c
= Sz. Bình thường hóa z sao cho tọa độ của nó thêm vào 1 sẽ cho kết quả mong muốn.
mệnh đề 2 Sự kết hợp lồi của hai danh mục đầu tư bất kỳ nằm trên
đường bao của tập hợp khả thi.
Chứng minh Cho x và y là danh mục đầu tư trên phong bì. Theo Mệnh đề
1, suy ra rằng tồn tại hai vectơ zx và zy và hai hằng số cx và cy
sao cho
zxi
•
x là vectơ chuẩn hóa thành đơn vị của zx, nghĩa là x
= và y là
Tôi
,
z xh
• R cx = Szx và R cy = Szy.
Machine Translated by Google
287 Tính toán danh mục đầu tư hiệu quả khi không có hạn chế bán khống
( zR c)
Hơn nữa, vì z tối đa hóa tỷ lệ ,theo sau đó là bất kỳ
σ 2 (z)
chuẩn hóa z cũng tối đa hóa tỷ lệ này. Do đó, không mất tính tổng quát, chúng
ta có thể giả sử rằng z có tổng bằng 1.
Theo đó, với bất kỳ số thực a nào , danh mục đầu tư azx + (1 a)zy
giải hệ R [acx + (1 a)cy] = Sz. Kết quả này chứng minh khẳng định của chúng tôi.
mệnh đề 3 Gọi y là danh mục bao bất kỳ của tập hợp N tài sản.
Sau đó, đối với bất kỳ danh mục đầu tư x nào khác (bao gồm, có thể, một danh
mục đầu tư bao gồm một tài sản duy nhất), tồn tại một hằng số c sao cho mối
quan hệ sau đây đúng giữa lợi nhuận kỳ vọng của x và lợi tức kỳ vọng của danh
mục đầu tư y:
()
Er c Er c =+ x xy β [()]
Ở đâu
= Cov , xy
( )
x
σ 2
y
Hơn nữa, c = E(rz), trong đó z là bất kỳ danh mục đầu tư nào mà Cov(z, y) =
0.
Chứng minh Giả sử y là một danh mục đầu tư có phong bì cụ thể, và gọi x là danh mục đầu
tư bất kỳ nào khác. Chúng tôi giả định rằng cả hai danh mục đầu tư x và y đều là vectơ cột.
Lưu ý rằng
T
) =Sy
≡ Cov ,( xyx
x
σ 2
y
T
y Sĩ
Bây giờ vì y nằm trên đường bao nên chúng ta biết rằng tồn tại một
và hằng số c giải hệ Sw=R c và yww wa i =
vectơ w = / .
Tôi
Thay thế phương trình này vào biểu thức của bx, chúng ta nhận được
) Sy
Cov ,( xyx
T
xRca
T
xRc
T
( )
x
= ==
( )/
=
σ 2
y
T
y Sĩ yRca
T
( )/
T
yRc
( )
288 Chương 9
Ơ (cx )
βx =
Ơ (cy )
()
Er c Er c =+ x xy β [()]
Để hoàn thành việc chứng minh, hãy cho z là một danh mục đầu tư có hiệp phương sai bằng 0 với y.
Khi đó logic trước cho thấy c = E(rz). Kết quả này chứng minh khẳng định.
mệnh đề 4 Nếu ngoài N tài sản rủi ro còn tồn tại một tài sản phi rủi ro có tỷ
suất sinh lợi rf thì đường thị trường chứng khoán tiêu chuẩn giữ nguyên:
Er()
rx fx
ErMfr =+
β [( ) ]
Ở đâu
Cov , ( x M )
βx = 2
σM
Bằng chứng Nếu tồn tại một chứng khoán phi rủi ro thì đường tiếp tuyến từ chứng
khoán này đến đường biên hiệu quả sẽ chi phối tất cả các danh mục đầu tư khả thi khác.
Gọi điểm tiếp tuyến trên đường biên hiệu quả M; sau đó là kết quả.
Lưu ý Điều quan trọng là phải nhắc lại một lần nữa rằng thuật ngữ “danh mục đầu
tư thị trường” trong trường hợp này đề cập đến “danh mục đầu tư thị trường liên
mệnh đề 5 Giả sử tồn tại một danh mục đầu tư y sao cho với bất kỳ
danh mục x nào cũng có mối quan hệ sau:
()
Er c Er c =+ x xy β [()]
Ở đâu
Côv ,(xy)
x
=
2
σ y
289 Tính toán danh mục đầu tư hiệu quả khi không có hạn chế bán khống
Bằng chứng Thay thế cho định nghĩa của bx, nó suy ra rằng đối với bất kỳ danh
mục đầu tư x nào , mối quan hệ sau đây đúng:
T T
x Sy =
x R c
T
σ
2
năm c năm
Gọi x là vectơ chỉ gồm tài sản rủi ro đầu tiên: x = {1, 0, . . . ,
0}. Khi đó phương trình trước trở thành
T
năm c = Ơ (c1 )
S1 y
σ
2
năm
Nói
1 E= RC 1( )
trong đó S1 là hàng đầu tiên của ma trận phương sai hiệp phương sai S. Lưu ý rằng
T
Một
= yR c là hằng số có giá trị độc lập với vectơ x. Nếu như
σ
2
năm
chúng ta đặt x là một vectơ chỉ bao gồm tài sản rủi ro thứ i, chúng ta nhận được
= RC
Nói E Tôi Tôi
( )
Để tính toán các danh mục đầu tư hiệu quả, chúng ta phải có khả năng tính toán ma
trận phương sai-hiệp phương sai từ dữ liệu lợi nhuận của cổ phiếu. Trong chương này
chúng ta thảo luận về tính toán này, chỉ ra cách thực hiện các phép tính trong Excel.
Phép tính rõ ràng nhất là ma trận phương sai-hiệp phương sai mẫu: Đây là
ma trận được tính trực tiếp từ lợi nhuận lịch sử. Chúng tôi minh họa một
số phương pháp tính toán ma trận phương sai-hiệp phương sai mẫu, bao gồm
tính toán trực tiếp trong bảng tính bằng cách sử dụng ma trận trả về vượt
mức và triển khai phương pháp này với Visual Basic for Application (VBA).
Mặc dù ma trận phương sai-hiệp phương sai mẫu có vẻ là một lựa chọn hiển nhiên,
nhưng một lượng lớn tài liệu thừa nhận rằng nó có thể không phải là ước tính tốt
nhất về phương sai và hiệp phương sai. Sự thất vọng với ma trận phương sai-hiệp
phương sai mẫu bắt nguồn từ cả các tham số thường không thực tế và do nó không
có khả năng dự đoán. Những vấn đề này sẽ được thảo luận ngắn gọn trong phần 10.5
và 10.6. Để thay thế cho ma trận mẫu, phần 10.9 và 10.10 thảo luận về các phương
pháp “rút gọn” để cải thiện việc ước tính ma trận phương sai-hiệp phương sai.1
Trước khi bắt đầu chương này, bạn có thể muốn đọc kỹ Chương 34, chương này thảo luận về
các hàm mảng. Đây là các hàm Excel có đối số là vectơ và ma trận; cách triển khai của chúng
hơi khác so với các hàm Excel tiêu chuẩn. Chương này sử dụng nhiều các hàm mảng Transpose( )
và MMult( ) cũng như một số hàm mảng “cây nhà lá vườn” khác.
Giả sử chúng ta có dữ liệu trả về cho N nội dung trong M khoảng thời gian. Viết lợi
nhuận của tài sản i trong kỳ t là rit, chúng ta viết lợi nhuận trung bình của tài sản i là
M
r = ,
M 1 1
= N rồi nó
Tôi
,... ,
t= 1
Khi đó hiệp phương sai của lợi nhuận của tài sản i và tài sản j được tính như sau
1. Chúng ta quay lại vấn đề dự đoán ở Chương 13, trong đó thảo luận về Người xả rác đen.
mô hình tối ưu hóa danh mục đầu tư
Machine Translated by Google
292 Chương 10
M
1
σ = Cov ( ,) =
ij ( )
ừ , tôi
)jt rr , , = 1,... , N
( j ij
M 1
ij
t= 1
Ma trận của các hiệp phương sai này (tất nhiên bao gồm các phương sai khi i
= j) là ma trận phương sai-hiệp phương sai mẫu. Vấn đề của chúng ta là tính
toán các hiệp phương sai này một cách hiệu quả. Xác định ma trận trả về vượt quá
được
rr rr
1
11 1 NN
rr
12 2 rr
1 NN
MỘT = Ma trận lợi nhuận vượt trội =
r1M r rr 1 NM N
Các cột của ma trận A trừ đi lợi nhuận tài sản trung bình của cá nhân
rr rr 11
1 12 1 r1 M r1
MỘT
T =
rN rr
1NN rN 2 rr
NM N
Nhân AT nhân A và chia cho M 1 sẽ được ma trận phương sai-hiệp phương sai mẫu:
AAT
S = [σ ] =
M 1
ij
Để xem xét khía cạnh tính toán, chúng tôi sử dụng dữ liệu lợi nhuận hàng
năm M = 11 năm cho N = 6 cổ phiếu. Bảng tính sau đây hiển thị dữ liệu về
giá (được điều chỉnh theo cổ tức) và lợi nhuận được tính toán:
Machine Translated by Google
A BCDEFG H
GIÁ CỔ PHIẾU HÀNG NĂM VÀ DỮ LIỆU TRẢ LẠI CHO SÁU CỔ PHIẾU
General Electric (GE), Microsoft (MSFT), Johnson & Johnson (JNJ), Kellogg (K), Boeing (BA), IBM
1
2 Dữ liệu giá
3 Ngày GE MSFT JNJ 2,36 6,78 4,15 K BA IBM
4 04-01-93 7,20 4,98 10,91
2,68 8,80 19,43 20,37 2,34 11:79
5 3-01-94 13,51 24,44 2,64
21,64 29,15 18,47 4,21 14,62
6 03-01-95 30,57 38,04 3,68
40,51 39,36 19,90 4,20 15,53
7 02-01-96 42,42 43,80 5,73
34,82 55,19 29,03 8,09 20,41
số 8 02-01-97 22,2 5 52,1512,64
31,86 51,49 27,59 13,93 30,78
9 02-01-98 18,49 38,01 20,19 31:60
10 4-tháng-1-99 43,37 34,14 23,47 30,94
11 03-01-00 48,51 20,93 36,27 39,24
12 02-01-01 30,26 23,52 48,13 48,78
13 02-01-02 31,58 28,70 41,39 51.05
14 02-01-03 23,52 32,00 32,81 59,63
15 02-01-04 28,16 37,36 48,86 81,95
16
17 Cổ phiếu đang lưu hành 10,56 10,86 2,97 0,41 0,84 0,79
18 Giá trị thị trường 336,44 305,82 152,93 15,44 41,01 65,13 <-- =G15*G17
19 Tỷ lệ danh mục đầu tư 36,70% 33,36% 16,68% 1,68% 4,47% 7,10% <-- =G18/SUM($B$18:$K$18)
20
21 Trả về dữ liệu
Chúng tôi minh họa phương pháp ma trận tính toán ma trận phương sai-hiệp
phương sai bằng ví dụ số của chúng tôi. Trừ đi lợi nhuận trung bình của từng
tài sản khỏi lợi nhuận hàng năm của nó, chúng ta tạo ra ma trận lợi nhuận
vượt mức (các hàng 42–52 trong bảng tính sau). Ở hàng 55–61, chúng tôi tính
toán ma trận phương sai-hiệp phương sai mẫu.
Machine Translated by Google
294 Chương 10
A BCDEFG H
40 Lợi nhuận vượt mức
41 Ngày GE MSFT JNJ K ba IBM
42 3-01-94 32,78% -22,89% -12,42% -15,31% 31,11% -5,43% 3,89% <-- =G23-G$35
43 03-01-95 11,83% 23,13% 33,27% 22,90% 1,94% -27,86% -11,59% <-- =G24-G$35
44 02-01-96 39,28% 32,25% 37,93% 19,21% 57,73% 23,45% 16,65% 9,70%
45 02-01-97 26,53% 10,89% 4,51% -10,60% 26,72% 23,46%
46 02-01-98 63,87% 4,49% - 10,18% -15,02% -54,44% 9,49% -15,00%
47 4-tháng-1-99 15,90% -19,05% 8,19% -16,25% -12,57% -19,74%
48 03-01-00 -68,58% -7,74% 6,15% 0,67% -43,40% -17,11% 6,14%
49 02-01-01 4,14%
50 02-01-02 4,68% 14,39% -42,71% -13,08%
51 02-01-03 -68,45% -50,85% -24,10% 5,37% -50,86% -2,09%
52 02-01-04 12,24% -3,38% -19,70% 9,97% 12,20% 14,17%
53
Sử dụng công thức mảng {<-- {=MMULT(TRANSPOSE(B42:G52),B42:G52)/10}} để tính toán ma trận var-cov
mẫu
54
55 GE MSFT JNJ K 0,0222 BA IBM
56 GE 0,1035 0,0758 -0,0043 0,0412 0,0857 0,0123
57 MSFT 0,0758 0,1657 -0,0052 0,0360 0,0379 -0,0022
58 JNJ 0,0222 0,0412 0,0181 0,0101 -0,0039
59 K -0,0043 -0,0052 0,0181 0,0570 -0,0076 -0,0046
60 ba 0,0857 0,0379 0,0101 -0,0076 0,0896 0,0248
61 IBM 0,0123 -0,0022 -0,0039 -0,0046 0,0248 0,0184
62
63 Lưu ý: Để đưa công thức mảng vào ô B56:G61:
64 1. Đánh dấu toàn bộ vùng B56:G61
65 2. Nhập <-- {=MMULT(TRANSPOSE(B42:G52),B42:G52)/10} vào một trong các ô.
66 3. Khi gõ xong, nhấn [Ctrl]+[Shift]+[Enter] để nhập công thức dưới dạng công thức mảng.
10.2.1 Một phương pháp thay thế hiệu quả hơn một chút
Như bạn có thể mong đợi, có những phương pháp thay thế để tính toán ma trận phương sai-hiệp
phương sai. Phương pháp được minh họa ở đây bỏ qua việc tính toán ma trận trả về vượt mức và
thực hiện phép tính trực tiếp bên trong công thức của ô B71:G76. Nó làm được điều đó bằng cách
Bằng cách viết B23:G33-B35, chúng ta trừ trực tiếp giá trị trung bình từ mỗi kết quả trả về
để tạo ra vectơ kết quả vượt quá:
Machine Translated by Google
A BCDEFG H
21 Trả về dữ liệu
10.3 Chúng ta nên chia cho M hay cho M - 1? Excel so với thống kê?
Trong các tính toán trước, chúng tôi chia cho M 1 thay vì M để có được ước
tính không thiên vị về phương sai và hiệp phương sai. Nhưng có lẽ sự lựa chọn
này hầu như không quan trọng. Chúng tôi trích dẫn từ một văn bản quan trọng:
“Có một câu chuyện dài về lý do tại sao mẫu số là M 1 thay vì M. Nếu bạn
chưa bao giờ nghe câu chuyện đó, bạn có thể tham khảo bất kỳ văn bản thống kê hay nào.
Ở đây chúng ta vui lòng lưu ý rằng M 1 nên được đổi thành M
nếu bạn từng ở trong tình huống đo lường phương sai của một phân phối có giá
trị trung bình được biết trước thay vì được ước tính từ dữ liệu.
(Chúng tôi cũng có thể nhận xét rằng nếu sự khác biệt giữa M và M 1 quan
trọng đối với bạn, thì dù sao thì bạn cũng có thể chẳng làm được gì cả—ví dụ:
cố gắng chứng minh một giả thuyết đáng nghi ngờ bằng dữ liệu cận biên.)”2
2. Công thức số: Nghệ thuật tính toán khoa học của William H. Press, Brian P.
Flannery, Saul A. Teukolsky, và William T. Vetterling (Nhà xuất bản Đại học Cambridge,
1986). Chuyển thể một chút từ p. 456.
Machine Translated by Google
296 Chương 10
Bản thân Excel hơi bối rối về vấn đề chia cho M hoặc cho M 1. Trong bảng
tính sau đây, chúng tôi trình bày một số cách tính giá trị trung bình, phương
sai, độ lệch chuẩn và hiệp phương sai:
A BCDEFG H
Độ lệch chuẩn
GE MSFT JNJ K ba IBM
24
25 0,3067 0,3882 0,1808 0,2275 0,2854 0,1293 <-- =SQRT(G20)
26 0,3067 0,3882 0,1808 0,2275 0,2854 0,1293 <-- =STDEVP(G3:G13)
27 0,3217 0,4071 0,1897 0,2386 0,2993 0,1356 <-- =STDEV(G3:G13)
28
29 Hiệp phương sai(GE,MSFT)
30 0,0690 <-- =COVAR(B3:B13,C3:C13)
31 0,0690 <-- {=MMULT(TRANSPOSE(B3:B13-B16),C3:C13-C16)/11}
32 0,0758 <-- {=MMULT(TRANSPOSE(B3:B13-B16),C3:C13-C16)/10}
33 0,0758 <-- =COVAR(B3:B13,C3:C13)*11/10
Excel phân biệt giữa phương sai tổng thể (Varp, chia cho M) và phương
sai mẫu (Var, chia cho M 1) và phân biệt giữa tổng thể và độ lệch
chuẩn mẫu (Stdevp và Stdev, tương ứng). Tuy nhiên, Excel không tạo ra
sự khác biệt tương tự cho hàm hiệp phương sai Covar. Như bạn có thể
thấy trong ô B30, Covar chia cho M, giống như cách Varp chia cho M. Nếu
bạn muốn tạo hàm hiệp phương sai tương ứng chia cho M 1,
M
bạn phải nhân Covar với như trong ô B33 hoặc bạn phải
M -1
các hàm: Covarp, chia cho M (tương ứng với Varp hoặc Stdevp), và Covar, chia cho M 1
Bối rối? Đừng lo lắng! Như câu trích dẫn mở đầu phần này đã chỉ ra, có lẽ điều đó
10.4 Các phương pháp thay thế để tính ma trận phương sai-hiệp phương sai mẫu
Trong phần này chúng tôi thảo luận ngắn gọn về hai lựa chọn thay thế cho các kỹ thuật
được mô tả trong phần trước. Phương án thay thế đầu tiên là hàm mảng VBA tính toán trực
tiếp ma trận phương sai-hiệp phương sai mẫu và phương án thứ hai sử dụng hàm Offset của
Excel .
Phương án thay thế đầu tiên của chúng tôi sử dụng hàm VBA.3,4
Dim i là số nguyên
Dim j là số nguyên
numCols = rng.Columns.Count
numRows = rng.Rows.Count
Ma trận mờ() Như đôi
WorksheetFunction.Covar(rng.Columns(i), rng.Columns(j)) _
* numRows / (numRows - 1)
Tiếp theo j
Tiếp theo tôi
VarCovar = ma trận
3. Phần này, có thể bỏ qua trong lần đọc đầu tiên, yêu cầu một số kiến thức về ngôn ngữ lập
trình Visual Basic for Application (VBA) của Excel, được thảo luận trong Chương 37–43.
298 Chương 10
A BCDEFG H
General Electric (GE), Microsoft (MSFT), Johnson & Johnson (JNJ), Kellogg (K), Boeing (BA), IBM
1
21 Trả về dữ liệu
VarCovar sử dụng hàm Excel Covar để tính toán các mục của ma trận
phương sai-hiệp phương sai. Vì Covar chia cho M, trong khi chúng ta muốn
chia cho M 1, nên đường thẳng
Application.WorksheetFunction.Covar(rng.
Cột(i), rng.Columns(j)) _
* numRows / (numRows - 1)
M
điều chỉnh bằng cách nhân với .
M -1
10.4.2 Ma trận phương sai-hiệp phương sai sử dụng hàm offset của Excel
Một cách khác để tính hàm phương sai-hiệp phương sai là sử dụng hàm
Offset của Excel.5 Offset cần một chút thời gian để làm quen: Hàm này cho phép
5. Shay Zafrir, một sinh viên MBA tại Đại học Tel-Aviv, đã đề xuất sử dụng hàm này để xác định ma trận var-cov.
Machine Translated by Google
bạn xác định một khối ô tương ứng với ô ban đầu nào đó. Do đó, ví dụ: Offset(ô ban đầu, hàng,
cột) đề cập đến một khối ô có cùng kích thước với các ô ban đầu, nhưng các hàng và cột nằm
trên các ô ban đầu. Kỹ thuật này được minh họa trong bảng tính sau.
Lưu ý rằng các đường viền 0, 1, 2, 3, 4, 5 đã được thêm vào ma trận phương sai-hiệp phương
BCDEF G
2 Trả về dữ liệu
10.5 Tính toán danh mục phương sai tối thiểu toàn cầu
Hai ứng dụng nổi bật nhất của ma trận phương sai-hiệp phương sai là tìm danh mục phương sai
tối thiểu toàn cầu (GMVP) và tìm danh mục đầu tư hiệu quả. Cả hai cách sử dụng đều minh họa
các vấn đề khi làm việc với dữ liệu mẫu và cung cấp cho chúng tôi phần giới thiệu cần thiết
cho các phần 10.7–10.10, trong đó thảo luận về các lựa chọn thay thế cho ma trận phương sai-
hiệp phương sai mẫu. Trong phần này chúng ta thảo luận về GMVP.
Machine Translated by Google
300 Chương 10
Giả sử có N tài sản có ma trận phương sai hiệp phương sai S. GMVP là
danh mục đầu tư x = {x1, x2, . . . , xN} có phương sai thấp nhất trong
số tất cả các danh mục đầu tư khả thi. Danh mục phương sai tối thiểu
được xác định bởi
1S 1
xx x= {
x GMVP 1, , 2
GMVP GMVP
,, ,..., GMVP N }
= 1 =11 ,,
,Ở đâu { 1 ...
, }
1S 1
1T
N chiều
GMVP của danh mục đầu tư phương sai tối thiểu được đưa ra bởi
= ( ), x Er 2 = T
μ GMVP GMVP σ GMVP GMVPxSx GMVP
Đây là cách triển khai các công thức này cho ví dụ cụ thể của chúng
tôi:
TÍNH TOÁN DANH MỤC PHƯƠNG PHÁP TỐI THIỂU TOÀN CẦU BẰNG CÁCH SỬ DỤNG
10
11 Nghĩa là 23,66% 21,38% 18,43% 5,51% 27,63% 17,63%
12
Danh mục phương sai tối thiểu toàn cầu (GMVP) được tính dưới đây với công thức
13 {=MMULT(TRANSPOSE(I4:I9),MINVERSE(B4:G9))/MMULT(MMULT(TRANSPOSE(I4:I9),MINVERSE(B4:G9)),I4:I9)}
14 GE MSFT 0,6105 JNJ K BA 0,0539 IBM
15 -0,1034 0,2074 -0,7704 1,0019
16
17 Tổng 1,0000 <-- =SUM(B15:G15)
18
19 GMVP có nghĩa 0,1273 <-- =SUMPRODVEL(B11:G11,B15:G15)
là 20Phương sai GMVP 0,0060 <-- {=MMULT(MMULT(B15:G15,B4:G9),TRANSPOSE(B15:G15))}
21 độ lệch chuẩn GMVP 0,0773 <-- =SQRT(B20)
6. Robert C. Merton 1973. “Một dẫn xuất phân tích về biên giới danh mục đầu tư hiệu quả,”
Tạp chí Phân tích Tài chính và Định lượng 7, trang 1851–1872.
Machine Translated by Google
Lưu ý rằng GMVP cho sáu cổ phiếu của chúng tôi có hai vị thế bán
(BA và MSFT) và nó có vị thế dương rất lớn đối với GE và IBM.
Đây là một đặc điểm có thể bị phản đối khi tính toán GMVP với ma trận
phương sai-hiệp phương sai mẫu: Không thể tin được rằng một nhà đầu tư
đang tìm kiếm phương sai tối thiểu lại đặt 61% danh mục đầu tư của mình
vào GE và 100% danh mục đầu tư của mình vào IBM, tài trợ cho các vị thế
này. với mức thiếu 77% ở BA và 10% ở MSFT. Các danh mục đầu tư không
đáng tin cậy được tạo ra bởi ma trận phương sai-hiệp phương sai mẫu đã
dẫn đến nhiều kỹ thuật khác nhau cho các phương pháp tính toán ma trận
này khác nhau, được thảo luận trong phần 10.7–10.9. Nhưng trước khi
chuyển sang chủ đề này, chúng ta xem xét việc tính toán danh mục đầu tư hiệu quả.
Sau phần thảo luận ở Chương 9, chúng ta có thể tính toán một danh mục cổng hiệu
quả bằng cách giải phương trình:
1
S er c ]
[ ()
Danh mục đầu tư hiệu quả = 1
Tổng{S[er
()c]}
Trong đó S là ma trận phương sai-hiệp phương sai, E(r) là vectơ của lợi
nhuận kỳ vọng và c là hằng số. Trong bảng tính tiếp theo, chúng tôi giả sử
E(r) là vectơ phương tiện tài sản lịch sử và chúng tôi đặt c = 2%. Danh mục
đầu tư hiệu quả được cho ở hàng 14.
BCDEFGH tôi
Danh mục đầu tư hiệu quả được tính bằng công thức mảng {=TRANSPOSE(MMULT(MINVERSE(B3:G8),I3:I8-
12 B10)/SUM(MMULT(MINVERSE(B3:G8),I3:I8-B10)))} . Các ô bên dưới sử dụng TRANSPOSE( ) để biến đây thành một vectơ hàng.
302 Chương 10
Hàng 16 của bảng tính hiển thị giá trị thị trường của từng cổ phiếu vào
ngày cuối cùng của dữ liệu (đầu tháng 1 năm 2004). Hàng 17 tính tỷ lệ của
danh mục đầu tư bao gồm trọng số thị trường của từng tài sản. Sự khác biệt
giữa trọng số thị trường này và trọng số hiệu quả của danh mục đầu tư là
rất rõ ràng.
Bảng tính hiển thị thêm hai vấn đề liên quan đến việc sử dụng
ma trận phương sai-hiệp phương sai mẫu để tối ưu hóa danh mục đầu tư.
Vấn đề đầu tiên là danh mục đầu tư tối ưu thể hiện một số vị thế bán
khống rất đáng kể và một số vị thế mua lớn không thực tế. Chạy Bảng Dữ
liệu để tính toán các danh mục đầu tư bao cho các giá trị khác nhau của c
cho thấy rằng toàn bộ đường biên hiệu quả chứa các danh mục đầu tư có vị
thế bán và mua rất lớn. Các đèn sáng tiếp theo biểu thị sự thay đổi dấu
hiệu xảy ra khi c thay đổi.
Chỉ JNJ có tỷ trọng dương trên toàn bộ nhóm cổ phiếu.
BCDEFGH tôi
Bảng dữ liệu: Danh mục đầu tư tối ưu cho nhiều c khác nhau: tiêu đề bảng (ẩn) ở hàng 22 đề cập đến việc
20 tính toán danh mục đầu tư hiệu quả ở hàng 14
Vị thế
mua Vị trí nhỏ nhất
21 GE MSFT JNJ K ba IBM lớn nhất
22 c
23 -10% 44,68% -8,31% 28,41% 0,57% -56,66% 91,32% 91,32% 43,92% -8,22% 28,76% -56,66%
24 -9% 0,35% -55,72% 90,91% 90,91% 43,10% -8,12% 29,15% 0,11% 69% 90,46% 90,46% -55,72%
25 -8% 42,19% -8,01% 29,57% -0,16% -53,56% 89,97% 89,97% 41,18% -7,88% 30,04% -54,69%
26 -7% -0,46% -52,31% 89,42% 89,42% 40,06% -7,74% 30,57% -0,79% -50,91% 88. 81% -53,56%
27 -6% 88,81% 38,80 % -7,59% 31,16% -1,15% -49,35% 88,13% 88,13% 37,39% -7,41% -52,31%
28 -5% 31,82% -1,57% -47,59% 87,37% 87,37% 35,78% -7,21% 32,57% -2,04% -45,59% -50,91%
29 -4% 8 6,50% 86,50% 33,94% -6,98% 33,43% -2,58% -43,30% 85,50% 85,50% 31,81% -49,35%
30 -3% -6,72% 34,43% -3,21% -40,65% 84,34% 84,34% 29,32% -6,41% 35,59% -3,94% -47,59%
31 -2% 55% 82,99% 82,99 % 26,37% -6,05% 36,98% -4,81% -33,87% 81,39% 81,39% -45,59%
32 -1% 22,80% -5,61% 38,65% -5,86% -29,44% 79,46% 79,46% 18,42% -5,06% 40,70% -43,30%
33 0% -7,15% 3,99% 77,08% 77,08% 12,91% -4,38% 43,28% -8,77% -17,13% 74,10% -40,65%
34 1% 74,10% -3,89% -2,30% 51,14% -13,71% 3,77% 64,99% 64,99% -38,68% 2,00% -37,55%
35 2% 67,42% 94% 47,07% 46,13% 67,42% -153,79% 16,25% 121,30% -57,80% 190,31% -33,87%
36 3% -16,27% 190,31% -29,44%
37 4% -23,99%
38 5% -17,13%
39 7% -13,71%
40 9% -38,68%
41 11% -153,79%
Nếu chúng ta cho rằng tỷ lệ danh mục đầu tư thu được theo cách này là không thực tế thì
xét về mặt quá trình tối ưu hóa, chắc chắn có điều gì đó không ổn với ma trận phương sai-hiệp
phương sai hoặc vectơ phương tiện (có thể là cả hai). Chúng ta sẽ quay lại chủ đề này trong
Vấn đề thứ hai được minh họa bằng ví dụ này liên quan đến các mối tương quan không thể
tin được ngụ ý bởi ma trận phương sai-hiệp phương sai mẫu.
Trong bảng tính tiếp theo, chúng tôi hiển thị ma trận tương quan. Trong khoảng thời gian
được khảo sát, mối tương quan lớn nhất (giữa General Electric và Boeing) là 0,89; kiểm
tra ma trận cho thấy còn có một số mối tương quan rất lớn và khó tin khác: Có sáu hệ số
tương quan lớn hơn 0,5. Không thể tin! Mối tương quan nhỏ nhất (giữa Boeing và Kellogg),
Phải chăng khi lợi nhuận của Boeing tăng lên thì doanh số bán ngũ cốc sẽ giảm?
A BCDEFG H
#TÊN?
11
12 GE MSFT JNJ BA IBM
13 1 3 6 GE
14 2 0,5791 K 4 0,3632 -0,0560 5 0,8035 MSFT
15 1 0,5340 -0,0532 0,8905 0,6288 JNJ
16 2 0,4002 0,3113 0,4386 K
17 3 0,0934 BA
0,1780 -0,1067
18 4 5 0,5226 IBM
19
20 Tương quan lớn nhất 0,8905 <-- =MAX(B14:G18)
21 Tương quan lớn thứ 2 0,8035 <-- =LỚN(B14:G18,2)
22 Tương quan lớn thứ 3 0,6288 <-- =LỚN(B14:G18,3)
23 Tương quan lớn thứ 4 0,5791 <-- =LỚN(B14:G18,4)
24 Tương quan lớn nhất thứ 0,5340
25 5 Tương quan lớn nhất 0,5226
26 thứ 6 Tương quan lớn 0,4386
27 nhất thứ 7 Tương quan 0,4002
28 0,3632
lớn nhất thứ 8 Tương quan lớn nhất thứ 9
29 Tương quan nhỏ nhất -0.1067 <-- =MIN(B14:G18)
30 Tương quan trung bình 0,3685 <-- =TRUNG BÌNH(C14:G18)
31
Số lượng
304 Chương 10
10.7 Các lựa chọn thay thế cho phương sai-hiệp phương sai mẫu: Mô hình chỉ số đơn
Ma trận phương sai-hiệp phương sai mẫu có thể dễ dàng tính toán được từ dữ
liệu lý thuyết của anh ấy, nhưng—như đã trình bày ở phần trước—nó có vấn đề.
Đặc biệt, ma trận mẫu khiến việc dự đoán GMVP trở nên khó khăn và việc sử dụng nó để tối ưu hóa
danh mục đầu tư thường dẫn đến các vị thế tài sản không hợp lý (cả dài hạn và ngắn hạn). Trong
phần này và phần tiếp theo, chúng tôi xem xét một số lựa chọn thay thế cho việc sử dụng ma trận
mẫu. Tất cả các phương pháp này đều có hai đặc điểm chung:
• Họ để nguyên các phương sai—họ tính toán chúng từ phương sai mẫu.
• Chúng thay đổi các phần tử hiệp phương sai (ngoài đường chéo) của ma trận phương sai-hiệp
phương sai.
Mô hình chỉ số đơn (SIM) bắt đầu như một nỗ lực nhằm đơn giản hóa một
số tính toán phức tạp khi tính toán ma trận phương sai-hiệp phương sai.7
Giả định cơ bản của SIM là lợi nhuận của mỗi tài sản có thể được hồi
quy tuyến tính theo chỉ số thị trường x :
tôi
=+ αβ
+ tôi
r tôi ix ε
trong đó mối tương quan giữa ei và ej bằng không. Với giả định này,
thật dễ dàng để thiết lập hai sự thật sau:
Ơ = (tôi)vàα=tôi+ β ờ ( )
ββσ
2 khi ij
σ = ijx
ij
σ 2 khi =
ij
Tôi
Về cơ bản, SIM giả định liên quan đến những thay đổi trong ước tính
hiệp phương sai chứ không phải phương sai mẫu. Chúng tôi minh họa cách
tính toán của SIM bằng ví dụ sáu tài sản, thêm cột thứ bảy cho lợi nhuận
của S&P 500. Hồi quy lợi nhuận của từng tài sản trong danh mục đầu tư
Standard & Poor's 500, chúng tôi nhận được hệ số beta ở hàng 20:
7. WF Sharpe 1963. “Mô hình đơn giản hóa để phân tích danh mục đầu tư,” Khoa học quản lý 9,
trang 277–293.
Machine Translated by Google
MỘT B C D E F G H TÔI
1
MÔ HÌNH CHỈ SỐ ĐƠN
2 Trả về dữ liệu
Sử dụng sự kỳ diệu của hàm mảng Excel (Chương 35), chúng ta có thể tính hàm phương sai-
BCDEFG H
Ma trận SIM var-cov sử dụng công thức mảng
{=IF(B24:G24=A25:A30,B18:G18,MMULT(TRANSPOSE(B20:G20),B20:G20)*H18)} để tính toán ma trận var-cov mẫu
23
24 GE MSFT JNJ BA IBM
25 GE 0,1035 0,0120 0,0034 K 0,0014 0,0002
26 MSFT 0,0120 0,1657 0,0092 0,0031 0,0037 0,0007
27 JNJ 0,0034 0,0092 0,0360 0,0010
0,0083 0,0023 0,0002
28 K 0,0031 0,0083 0,0023 0,0570 0,0009 0,0002
29 ba 0,0014 0,0037 0,0010 0,0009 0,0896 0,0001
30 IBM 0,0002 0,0007 0,0002 0,0002 0,0001 0,0184
• Nó chứa hàm If , như chúng ta biết, có ba phần: If(điều kiện, trả lời nếu điều kiện đúng,
• Điều kiện B24:G24=A25:A30 hỏi xem các “mục chéo” trong hàng B24:G24 (chứa tên cổ phiếu
dưới dạng một hàng) có bằng với các mục trong vectơ cột A25:A30 hay không. Để thấy điều kiện
này rõ ràng hơn, chúng tôi đã chèn công thức If(B24:G24=A25:A30,1,0) vào bảng tính sau. Như
bạn có thể thấy, bước này sẽ tạo một bảng tính có 1 trên đường chéo và 0 ở những nơi khác:
Machine Translated by Google
306 Chương 10
ABCDEFG
• Điều kiện If đầu tiên trong ma trận phương sai-hiệp phương sai SIM của chúng ta là IF(B24:
G24=A25:A30, B18:G18, ....). Điều này nói lên rằng nếu chúng ta nằm trên đường chéo,
chúng ta nên đưa vào phương sai lợi nhuận của tài sản.
• Điều kiện If thứ hai nói rằng nếu chúng ta không có đường chéo, chúng ta nên đặt vào
trận bibj. Công thức nhân nhân ma trận này với phương sai của S&P 500, được cho trong cột
H.
10.8 Các lựa chọn thay thế cho Phương sai-Hiệp phương sai mẫu: Tương quan không đổi
Mô hình tương quan không đổi của Elton và Gruber (1973) tính toán ma
trận phương sai-hiệp phương sai bằng cách giả định rằng phương sai của
lợi nhuận tài sản là lợi nhuận mẫu, nhưng các hiệp phương sai đều có
liên quan bởi cùng một hệ số tương quan, thường được lấy là hệ số tương
quan trung bình của các tài sản được đề cập. Vì Cov(ri, rj) = sij =
rijsisj, giả định này có nghĩa là trong hằng số-
mô hình tương quan
σ =σ 2
khi =
ij
σ =
ii tôi
ij
σ = ρσ σ
ij ij
khi ij
Sử dụng dữ liệu của chúng tôi cho 10 cổ phiếu, chúng tôi có thể triển khai mô hình
tương quan không đổi. Đầu tiên chúng ta tính toán mối tương quan của tất cả các cổ phiếu:
Machine Translated by Google
A BCDEFG H
Trong bảng tính trước, chúng tôi lấy mối tương quan cố định là mối tương
quan trung bình của mẫu gồm sáu cổ phiếu (ô B19). Tất nhiên cách tiếp cận
này có nhiều biến thể: Giả sử chúng ta cảm thấy rằng mối tương quan trung
bình của các cổ phiếu trong tương lai sẽ vào khoảng 0,3. Sau đó, chúng ta
có thể ước tính trực tiếp ma trận tương quan không đổi từ dữ liệu trả về.
Machine Translated by Google
308 Chương 10
A BCDEFG H
Ước lượng ma trận phương sai-hiệp phương sai bằng cách sử dụng phương pháp tiếp cận
Một loại phương pháp ước lượng ma trận phương sai-hiệp phương sai thứ ba gần đây đã trở nên
phổ biến. Cái gọi là phương pháp rút gọn giả định rằng ma trận phương sai-hiệp phương sai là
sự kết hợp lồi của
Trong ví dụ sau, ma trận “khác” là ma trận đường chéo chỉ có các phương
sai, với các số 0 ở nơi khác. Công cụ ước tính độ co l = 0,3 (ô B20).
Machine Translated by Google
A BCDEFG H
Sử dụng công thức mảng {=MMULT(TRANSPOSE(B4:G14-B16:G16),B4:G14-B16:G16)/10} để tính toán ma trận hiệp phương sai mẫu không
32 đổi. Trong var-cov co rút, ma trận này được tính trọng số lambda.
33 GE MSFT JNJ K 0,0222 BA IBM
34 GE 0,1035 0,0758 -0,0043 0,0412 0,0857 0,1414
35 MSFT 0,0758 0,1657 -0,0052 0,0379 0,1400
36 JNJ 0,0222 0,0412 0,0360 0,0181 0,0101 0,0455
37 K -0,0043 -0,0052 0,0181 0,0570 -0,0076 0,0122
38 ba 0,0857 0,0379 0,0101 -0,0076 0,0896 0,0856
39 IBM 0,1414 0,1400 0,0455 0,0122 0,0856 0,2993
40
41
42
43 GE MSFT JNJ BA IBM
44 GE 0,1035 0,0000 0,0000 K 0,0000 0,0000
45 MSFT 0,0000 0,1657 0,0000 0,0000
0,0000 0,0000 0,0000
46 JNJ 0,0000 0,0000 0,0360 0,0000 0,0000 0,0000
47 K 0,0000 0,0000 0,0000 0,0570 0,0000 0,0000
48 ba 0,0000 0,0000 0,0000 0,0000 0,0896 0,0000
49 IBM 0,0000 0,0000 0,0000 0,0000 0,0000 0,2993
Machine Translated by Google
310 Chương 10
Có rất ít lý thuyết về việc chọn công cụ ước tính độ co ngót thích hợp.8
Đề xuất của chúng tôi là chọn toán tử co rút l sao cho GMVP hoàn toàn
dương (xem phần tiếp theo để biết chi tiết).
10.10 Các lựa chọn thay thế cho Ma trận phương sai-hiệp phương sai:
Tác động đến danh mục phương sai tối thiểu và danh mục đầu tư tối ưu
Chương này đã đưa ra bốn phương án để tính toán ma trận phương sai-hiệp phương sai:
Làm thế nào để chúng ta so sánh những lựa chọn thay thế này? Trong phần này, chúng tôi so
sánh bốn lựa chọn thay thế này trên hai ví dụ:
• Đầu tiên, chúng tôi tính toán danh mục phương sai tối thiểu bằng từng phương pháp.
• Thứ hai, chúng tôi tính toán danh mục đầu tư tối ưu bằng từng phương pháp.
10.10.1 Danh mục phương sai tối thiểu sử dụng phương sai-hiệp phương sai mẫu
Như tên gọi của nó đã chỉ ra, danh mục đầu tư có phương sai tối thiểu toàn cầu (GMVP) là danh
mục đầu tư có ít phương sai nhất trong tất cả các danh mục tài sản đang được xem xét. Như
1 S 1
1 S 1 1T
trong đó S là danh mục phương sai-hiệp phương sai và 1 là vectơ cột bằng 1.
8. Ba bài báo của Olivier Ledoit và Michael Wolf có thể đưa ra một số hướng dẫn: “Ước tính cải
tiến về ma trận hiệp phương sai của lợi nhuận chứng khoán với ứng dụng lựa chọn danh mục đầu
tư,” Tạp chí tài chính thực nghiệm, 209, 10, 2003. “Công cụ ước tính có điều kiện tốt cho Ma
trận hiệp phương sai chiều lớn,” Tạp chí phân tích đa biến, 88, 2004. “Em yêu, anh đã thu nhỏ
ma trận hiệp phương sai mẫu.” Tạp chí Quản lý danh mục đầu tư, 30, 2004.
Machine Translated by Google
Đối với mẫu sáu cổ phiếu của chúng tôi và sử dụng phương sai-hiệp phương sai mẫu
A BCD E FG H
TÍNH TOÁN SỬ DỤNG DANH MỤC TỐI THIỂU TỐI THIỂU TOÀN CẦU
23 MSFT 1
24 JNJ 1
25 K 1
26 ba 1
27 IBM 1
A BCD E FG H
TÍNH TOÁN DANH MỤC PHƯƠNG PHÁP TỐI THIỂU TOÀN CẦU SỬ DỤNG MẪU VAR-COV
MA TRẬN
1
Phương pháp nhỏ gọn hơn: sử dụng thủ thuật tính vectơ 1s
2 Ma trận phương sai-hiệp phương sai mẫu
3 GE MSFT JNJ K 0,1035 0,0758 BA IBM
4 GE 0,0222 -0,0043 0,0857 0,0123
5 MSFT 0,0758 0,1657 0,0412 -0,0052 0,0379 -0,0022
6 JNJ 0,0222 0,0412 0,0360 0,0181 0,0101 -0,0039
7 K -0,0043 -0,0052 0,0181 0,0570 -0,0076 -0,0046
số 8 ba 0,0857 0,0379 0,0101 -0,0076 0,0896 0,0248
9 IBM 0,0123 -0,0022 -0,0039 -0,0046 0,0248 0,0184
10
11 Trung bình 23,66% 21,38% 18,43% 5,51% 27,63% 17,63%
12
312 Chương 10
Phương pháp nhỏ gọn hơn này sử dụng công thức mảng If(A14:A19=A14:
A19,1,0) để tính vectơ 1s.
10.10.2 GMVP Sử dụng Ma trận Phương sai-Hiệp phương sai thay thế
Trong tiểu mục này, chúng ta lặp lại bài tập trước bằng cách sử dụng ba biến
thể của ma trận phương sai-hiệp phương sai. Sử dụng mô hình chỉ mục đơn
(SIM), chúng tôi nhận được GMVP sau:
A BCD E FG H
TÍNH TOÁN DANH MỤC PHƯƠNG PHÁP TỐI THIỂU TOÀN CẦU
Sự thay đổi đáng chú ý không phải là số liệu thống kê GMVP mà là thành
phần của GMVP, hiện chỉ bao gồm tỷ lệ dương của cổ phiếu.
Trong bảng tính tiếp theo, chúng tôi sử dụng ma trận tương quan không đổi:
Machine Translated by Google
A BCD E FG H
TÍNH TOÁN DANH MỤC PHƯƠNG PHÁP TỐI THIỂU TOÀN CẦU
20
Sử dụng ma trận phương sai-hiệp phương sai co rút, chúng tôi nhận được kết quả sau:
Machine Translated by Google
314 Chương 10
A BCD E FG H
TÍNH TOÁN DANH MỤC PHƯƠNG PHÁP TỐI THIỂU TOÀN CẦU
Ma trận co ngót
Sử dụng công thức mảng {=B20*MMULT(TRANSPOSE(B4:G14-B16:G16),B4:G14-B16:G16)/10+(1-B20)*MMULT(TRANSPOSE(B4:G14-
B16:G16),B4:G14-B16:G16)/10*IF(A24:A29=B23:G23,1,0)}
22 để tính toán ma trận hiệp phương sai co ngót
23 GE MSFT JNJ 0,1035 0,0228 K BA IBM
24 GE 0,0066 0,0228 0,1657 0,0124 -0,0013 0,0257 0,0037
25 MSFT 0,0066 0,0124 0,0360 -0,0013 -0,0016 0,0114 -0,0007
26 JNJ -0,0016 0,0054 0,0257 0,0114 0,0054 0,0030 -0,0012
27 K 0,0030 0,0037 -0,0007 -0,0012 0,0570 -0,0023 -0,0014
28 ba -0,0023 0,0896 0,0074
29 IBM -0,0014 0,0074 0,0184
30
Việc thay đổi hệ số co ngót sẽ làm thay đổi GMVP. Trong bảng dữ liệu
sau, chúng tôi thay đổi l từ 0 đến 1 (khi l = 1 GMVP giống như giá trị
đạt được với ma trận phương sai-hiệp phương sai mẫu):
J K LMNOPQR
Chúng tôi đã sử dụng tính năng Định dạng có điều kiện của Excel để đánh dấu
Trong chương này chúng ta đã xem xét cách tính ma trận phương sai-hiệp phương
sai, ma trận này là trọng tâm của mọi hoạt động tối ưu hóa danh mục đầu tư.
Bắt đầu với ma trận phương sai-hiệp phương sai mẫu tiêu chuẩn, chúng tôi cũng
chỉ ra cách tính toán một số lựa chọn thay thế đã xuất hiện trong tài liệu có
lẽ nhằm cải thiện việc tính toán danh mục đầu tư.
Bài tập
1. Trong bảng sau, bạn sẽ tìm thấy dữ liệu lợi nhuận hàng năm của sáu công ty nội thất từ năm 1982 đến năm
1992. Sử dụng những dữ liệu này để tính toán ma trận phương sai-hiệp phương sai của lợi nhuận.
BCDEF G H
1 DỮ LIỆU CỦA 6 CÔNG TY NỘI THẤT
Leggett ShawHerman
& Platt
2 La-Z-Boy Kimball Flexsteel
Miller Các ngành nghề
2. Đối với các công ty trong ví dụ trước, hãy tính ma trận phương sai-hiệp phương sai bằng mô hình một chỉ
số. Giả sử rằng phương sai của danh mục thị trường là 18%.
3. Trong sổ ghi chép Excel fm3_problems10.xls trên đĩa đi kèm cuốn sách này, bạn sẽ tìm thấy dữ liệu giá hàng
tháng của 30 cổ phiếu trong Chỉ số Dow-Jones của 30 ngành công nghiệp từ tháng 7 năm 1997 đến tháng 7 năm
2007. Sử dụng dữ liệu này để tính phương sai-hiệp phương sai ma trận của DJ30.
Machine Translated by Google
316 Chương 10
4. Biểu đồ sau đây cho thấy ma trận phương sai-hiệp phương sai và lợi nhuận trung bình của
sáu cổ phiếu. Tất cả dữ liệu đều dành cho dữ liệu hàng tháng (dữ liệu thô có trên đĩa kèm
theo sách).
Một. Tính toán danh mục phương sai tối thiểu toàn cầu (GMVP).
b. Hãy tính danh mục đầu tư hiệu quả, giả sử lãi suất phi rủi ro hàng tháng là 0,45%.
c. Biểu thị đường biên là lợi nhuận kỳ vọng và độ lệch chuẩn của các tổ hợp lồi của GMVP
và danh mục đầu tư hiệu quả.
ABCDEFGH tôi
cây bách xù
Kroger Ford Mục tiêu giữ lại KeyCorp Nghĩa là
Mạng
KR F TGT AHO CHÌA KHÓA trả lại
1 JNPR
2 KR 0,0052 0,0033 0,0015 0,0039 0,0068 0,0010 0,24%
3 F 0,0033 0,0120 0,0034 0,0072 0,0063 0,0015 -0,89%
4 TGT 0,0015 JNPR 0,0034 0,0046 0,0058 0,0039 0,0015 0,48%
5 0,0039 AHO 0,0068 0,0072 0,0058 0,0379 0,0073 0,0023 0,44%
6 CHÌA KHÓA 0,0010 0,0063 0,0039 0,0073 0,0389 0,0023 -1,46%
7 0,0015 0,0015 0,0023 0,0023 0,0018 1,04%
5. Lặp lại bài tập trước khi ma trận phương sai-hiệp phương sai là sự kết hợp có trọng số bằng
nhau của ma trận mẫu trong bài tập 4 và ma trận đường chéo thuần túy chỉ có các phương sai.
Machine Translated by Google
Mô hình định giá tài sản vốn (CAPM) là một trong hai phát kiến có ảnh hưởng nhất trong lý
Bằng cách tích hợp quyết định danh mục đầu tư với lý thuyết hữu dụng và hành vi thống kê của
giá tài sản, những người xây dựng CAPM đã xác định mô hình mà hiện nay thường được sử dụng
CAPM thực sự nói lên điều gì? Ý nghĩa thực nghiệm của nó là gì? Nói một cách đại khái,
chúng ta có thể phân biệt hai loại hàm ý của CAPM. Đầu tiên, đường thị trường vốn (CML) xác
định danh mục đầu tư tối ưu riêng lẻ cho nhà đầu tư quan tâm đến giá trị trung bình và phương
sai của danh mục đầu tư tối ưu của mình. Thứ hai, dựa trên thỏa thuận giữa các nhà đầu tư về
đặc tính thống kê của lợi nhuận tài sản và tầm quan trọng của việc tối ưu hóa phương sai trung
bình, đường thị trường chứng khoán (SML) xác định mối quan hệ rủi ro-lợi nhuận cho từng tài
Sẽ rất hữu ích khi phân biệt giữa trường hợp tài sản phi rủi ro
tồn tại và trường hợp không có tài sản phi rủi ro.2
11.1.1 Trường hợp 1: Tồn tại một tài sản phi rủi ro
Giả sử tồn tại một tài sản phi rủi ro và có lợi nhuận rf. Chúng ta có thể phân biệt giữa việc
tối ưu hóa riêng lẻ của các nhà đầu tư và ý nghĩa cân bằng chung của CAPM:
• Tối ưu hóa cá nhân: Giả sử rằng các nhà đầu tư tối ưu hóa dựa trên lợi nhuận kỳ vọng và độ
lệch chuẩn của lợi nhuận danh mục đầu tư của họ (theo thuật ngữ tài chính - họ có ưu tiên
“phương sai trung bình”), CAPM tuyên bố rằng danh mục đầu tư tối ưu của mỗi nhà đầu tư cá nhân
E(rp) = rf + sp[E(rx) rf], trong đó danh mục x là danh mục tối đa hóa ( )
Ơ, ừ
y
cho tất cả các danh mục đầu tư khả thi y. Dự luật 1 của Chương 9 cho thấy
σ y
1. Sự đổi mới đáng chú ý khác là lý thuyết định giá quyền chọn, được thảo luận trong Chương 16–24. Hai đổi mới này
cùng nhau đã mang lại một số giải thưởng Nobel về kinh tế: Harry Markowitz (1990), William Sharpe (1990), Myron
Scholes (1997), Robert Merton (1997). Nhưng vì sự sụp đổ không đúng lúc của chúng, những người khác gắn liền với
những lý thuyết này—Jan Mossin (1936–87) và Fisher Black (1938–95)—chắc chắn cũng đã nhận được giải Nobel.
2. Sự tồn tại (hoặc không tồn tại) của một tài sản phi rủi ro có liên quan chặt chẽ đến thời hạn đầu tư. Tài sản
không có rủi ro trong thời gian ngắn có thể không có rủi ro trong thời gian dài hơn
thuật ngữ.
Machine Translated by Google
318 chương 11
S 1Rr ]
= = f
,S ở đâu
{ x có thể tính được bằng x xx x 1,,
2 ,... N } 1
[
S Rr f ]
[ ma trận phương sai-hiệp phương sai của lợi nhuận tài sản rủi ro và R là
vectơ lợi nhuận tài sản kỳ vọng.
• Cân bằng tổng thể: Nếu tất cả các nhà đầu tư đồng ý về các giả định thống kê của mô hình—
ma trận phương sai-hiệp phương sai S và vectơ của
Lợi nhuận tài sản kỳ vọng R—và nếu tồn tại một tài sản phi rủi ro thì lợi nhuận
tài sản riêng lẻ được xác định bởi đường thị trường chứng khoán (SML):
Ơ =
r +
( )
Cov( rr , ) ờ r
Tôi
f [ ( Mf) ]
σ M2
Tôi
trong đó M biểu thị danh mục đầu tư thị trường—danh mục đầu tư có trọng số giá trị của
11.1.2 Trường hợp 2: Không tồn tại tài sản phi rủi ro
Nếu không có tài sản phi rủi ro thì ý nghĩa của CAPM đối với cả việc
tối ưu hóa riêng lẻ và trạng thái cân bằng chung được xác định bởi
Mô hình beta bằng 0 của Black (1972) (Dự luật 3 của Chương 9):
• Tối ưu hóa riêng lẻ: Trong trường hợp không có tài sản phi rủi ro, danh mục đầu tư tối ưu
riêng lẻ sẽ nằm dọc theo đường biên hiệu quả. Như được trình bày trong Đề xuất 3 của Chương
9, đường biên này là phần dốc lên của các tổ hợp trung bình-sigma được tạo ra bởi tổ hợp lồi
• Cân bằng tổng thể: Trong trường hợp không có tài sản phi rủi ro, nếu tất
cả các nhà đầu tư đồng ý về các giả định thống kê của mô hình—ma trận
phương sai-hiệp phương sai S và vectơ lợi nhuận tài sản kỳ vọng R—khi đó
lợi nhuận tài sản riêng lẻ được xác định bởi Đường thị trường chứng khoán (SML):
Cov( rr , )
tôi
Ơi(( )) [ ( z) Er Er ( )] =+
z
y
σ y2
Tôi
Machine Translated by Google
trong đó y là danh mục đầu tư hiệu quả bất kỳ và z là danh mục đầu tư có hiệp phương sai
Trường hợp không có tài sản phi rủi ro rõ ràng là yếu hơn trường hợp tài sản phi
rủi ro. Nếu có một tài sản phi rủi ro, phiên bản cân bằng chung của CAPM cho biết
rằng tất cả các danh mục đầu tư đều nằm trên một đường thống nhất duy nhất. Nếu không
có tài sản phi rủi ro thì tất cả các danh mục đầu tư tối ưu đều nằm trên cùng một
cấp độ; nhưng trong trường hợp này beta tài sản có thể khác nhau, vì có nhiều danh mục đầu tư
Cov( rr
, )
tôi
=+ Er
( ) y thỏa mãn phương trình ( z Er
) 2 [ờ (ờy ) ( z)].
σy
Tôi
Như bạn có thể thấy từ hai dấu đầu dòng cho trường hợp 1 và 2, CAPM vừa mang
tính quy định vừa mang tính mô tả.
Là một công cụ mang tính quy định, CAPM cho nhà đầu tư có phương sai trung bình
biết cách chọn danh mục đầu tư tối ưu của mình. Bằng cách tìm một danh mục đầu tư có dạng
S 1Rc 1 ]
1 nhà đầu tư có thể xác định danh mục đầu tư tối ưu từ
[ S Rc
[ 1 ],
tập dữ liệu.
Là một công cụ mô tả, CAPM đưa ra các điều kiện để chúng ta có thể khái quát hóa về cấu trúc lợi nhuận kỳ vọng trên
thị trường. Cho dù tài sản phi rủi ro có tồn tại hay không, những điều kiện này giả định rằng các nhà đầu tư đồng ý về
cấu trúc thống kê của lợi nhuận tài sản—ma trận phương sai hiệp phương sai và lợi nhuận kỳ vọng. Trong trường hợp này,
tất cả lợi nhuận dự kiến sẽ nằm trên đường thị trường chứng khoán (SML) có dạng Cov( , ( ) = + Er r f
rr
Tôi )
2 [Ờ (r Mf
]) (nếu có tài sản phi rủi ro) hoặc của
σM
Tôi
Côv(rr, )ờ ờ
tôi
( ) dạng Er =+
Er (z ) [ (y ) ( z)] nếu không có tài sản phi rủi ro.
σ
Tôi
năm
Trong chương này, chúng ta xem xét một số dữ liệu thị trường vốn điển hình và
lặp lại một thử nghiệm đơn giản về phần mô tả của CAPM. Để làm như vậy, chúng
ta phải tính toán beta cho một tập hợp tài sản và sau đó chúng ta phải xác
định phương trình của đường thị trường chứng khoán (SML). Bài kiểm tra trong
chương này là bài kiểm tra đơn giản nhất có thể có của CAPM. Có một lượng tài
liệu khổng lồ trong đó có thể có những cạm bẫy về mặt thống kê và phương pháp luận.
Machine Translated by Google
320 chương 11
của các bài kiểm tra CAPM sẽ được thảo luận. Những nơi tốt nhất để bắt đầu là
sách giáo khoa của Elton, Gruber, Brown và Goetzmann (2006), và Bodie, Kane,
và Marcus (2005).
Các thử nghiệm điển hình của đường thị trường chứng khoán (SML) bắt đầu bằng dữ liệu lợi
nhuận trên một tập hợp tài sản rủi ro. Các bước trong bài kiểm tra như sau:
1. Xác định một ứng cử viên cho danh mục thị trường M. Trong ví dụ của chúng ta,
chúng ta sẽ sử dụng Chỉ số Standard & Poor's 500 (S&P 500) làm ứng cử viên cho
danh mục thị trường M. Đây là một bước quan trọng: Về nguyên tắc, danh mục đầu
tư thị trường “thực sự” phải— như đã chỉ ra ở Chương 8—chứa tất cả tài sản rủi
ro của thị trường theo tỷ lệ tương ứng với giá trị của chúng. Rõ ràng là không
thể tính toán danh mục thị trường lý thuyết này và do đó chúng ta phải thực hiện
với một người thay thế. Như bạn sẽ thấy trong hai phần tiếp theo, các đề xuất
của Chương 8 có thể làm sáng tỏ việc lựa chọn người thay thế thị trường ảnh hưởng
như thế nào đến bình phương r của bài kiểm tra hồi quy CAPM của chúng tôi.
2. Đối với mỗi nội dung được đề cập, hãy xác định hệ số beta của nội dung,
Cov( rr
,tôi M )
β = 2 . Điều này thường được gọi là hồi quy lần đầu tiên.
σM
Tôi
3. Hồi quy lợi nhuận trung bình của tài sản trên hệ số beta tương ứng của
chúng ( hồi quy bước thứ hai):
ri = γ
+ 0 γβ1 Tôi
Nếu CAPM ở định dạng mô tả của nó giữ nguyên thì hồi quy bước thứ
hai sẽ là đường thị trường chứng khoán.
Chúng tôi minh họa các thử nghiệm của CAPM bằng một ví dụ số đơn giản sử dụng dữ liệu của
30 cổ phiếu trong Chỉ số Công nghiệp Dow-Jones. Chúng ta bắt đầu với giá của S&P 500 (ký hiệu
SPX) và cổ phiếu trong DJ30 (một số hàng và cột không được hiển thị):
Machine Translated by Google
A BC D EFGH I J K LMN
DỮ LIỆU GIÁ CHO CỔ PHIẾU CÔNG NGHIỆP DOW-JONES VÀ TIÊU CHUẨN VÀ NGƯỜI NGHÈO 500
Mục lục Rượu Group Citigroup Express AIG con sâu Du Pont Disney Điện Động cơ Trang chủ Honeywell
2 Ngày SPX AA AXP Boeing BA C bướm CAT ĐĐ DIS GE GM Kho HD HON
3 3-07-01 1211,23 1-01 35,37 81.32 33.73 53,64 40,97 76.43 30,46 47,06 24,73 36,29 25,02 38,33 49,72 48,26 32,75
4 tháng 08 1133,58 4-01 34,50 37.49 76.24 24.30 30.79 33,15 76.82 24.68 22,45 35,01 24,14 36,04 43,14 44,06 33,27
5 tháng 09 1040,94 1-01 28,06 29.97 37.26 80.54 30,64 42,64 37,29 59,76 20,11 32,07 17,68 32,93 33,81 36,79 23,57
6 tháng 10 1059,78 1-01 29,34 47,68 65,02 42,62 58,92 47,89 66,26 42,89 20,23 34,18 17,65 32,23 32,56 36,66 26,38
7 tháng 11 1139,45 3-01 35,09 61,67 49,79 67,18 44.60 21,45 38,21 19,43 34,08 39,63 44,78 29,77
số 8 tháng 12 1148,08 2-01 32,32 23,63 36,63 19,88 35,63 38,75 48,97 30,38
9 tháng 01 1130,20 01 32,59 22,91 38,06 20,21 33,03 40,77 48,09 30.19
10 tháng 02-02 110 6,73 34,31 25,29 40,68 22,07 34,39 42,67 48,00 34,43
51 1- 05 tháng 7 1234,18 27,48 53,28 41,22 25,37 33,53 34,89 42,97 38,43
52 1-05 tháng 8 1220,33 26,38 54,85 38,55 24,93 32,66 32,86 39,92 37,66
53 1-05 tháng 9 1228,81 24,05 58,07 38,16 23,88 32,94 29,42 37,76 36,89
54 3-05 tháng 10 1207,01 23,92 64,49 49,41 63,91 44,86 52,22 40,62 24.11 33,17 26.33 40,63 33,65
55 1-05 tháng 11 1249,48 27.16 66,82 51.04 67,67 48.04 57,37 42.02 24,67 34,94 21.44 41,46 36,15
56 01-12-05 1248.29 29h30 67,91 51.08 69,71 48.02 57,36 41,77 23,97 34,53 19.01 40,17 36,85
57 06-01-03 1280.08 31,21 65,15 52,19 67,79 46,09 67,69 38,48 25.31 32,27 23,56 40,24 38.01
58 01-02-06 1280.66 29.19 66,05 53,61 72,44 46,37 72,85 39,91 27,99 32,63 20.11 41,83 40,74
59 1-Tháng 3-06 1294,87 30,43 65,93 52,28 77,66 47,23 71,58 41,87 27,89 34,52 21,06 42,13 42,55
60 3-06 tháng 4 1310,61 33,63 65,09 53,66 83,17 49,95 75,74 43,74 27,96 34,33 22,66 39,77 42,28
61 1-06 tháng 5 1270,09 31,72 60,80 54,21 83,25 49,30 72,95 42,53 30,50 34,01 26,93 37,97 41,18
62 1-06 tháng 6 1270,20 32,36 59,05 53,07 81,91 48,25 74,48 41,60 30,00 32,96 29,79 35,79 40:30
63 3-Tháng 7-06 1265,48 33,55 58,97 51,98 79,99 49,08 72,58 40,54 29,83 33,30 29,48 35,37 38,96
Trước tiên, chúng tôi chuyển đổi dữ liệu giá này thành lợi nhuận:
TRẢ LẠI DỮ LIỆU CHO CỔ PHIẾU CÔNG NGHIỆP DOW-JONES VÀ TIÊU CHUẨN VÀ NGƯỜI NGHÈO 500
9 01/08 -6,63% 01/09 -2,49% -6,20% -10,20% -13,09% -8,88% -9,67% -3,59% -3,58% -6,16% -14,20% -9,11% 1,58%
10 -8,53% 01/10/01 1,79% -20,66% -0,25% -22,59% -42,42% -12,30% -11,01%
=RSQ(C9:C68,$B$9:$B$68) -8,77% -31,14% -9,02% -24,37% -18,03% -34,47%
11 4,46% 0,76% 1,55% -2,70% 11,69% 0,59% 6,37% -0,17% -2,15% -3,77% -0,35% 11,26%
12 1-Tháng 11-01 7,25% 17,90% 4,73% 11,18% 7,89% 5,43% 5,86% 11,15% 9,61% 5,58% 19,65% 20,01% 12,09%
13 01-03-12 0,75% -8,22% -3,67% 8,10% 9,97% 5,25% -6,84% 0,67% 5,43% 9,68% -4,22% 2,29% 4,45% -2,25% 8,94% 2,03%
14 2-02-01 -1,57% 0,83% -5,96% -0,18% 1,68% 11,97% -4,64% -2,52% -3,09% 3,83% 1,65% -7,58% 5,08% -1,81% -0,63%
15 01-02-02 -2,10% 5,14% 11,66% 4,85% 9,02% -4,27% 3,15% 3,58% -4,09% 9,88% 6,66% 8,80% 4,03% 4,55% -0,19% 13,14%
16 01-03-02 3,61% 0,47% 1,92% -15,73% 5,37% -10,81% -6,53% -2,75% 2,38% 0,66% 0,36% -2,89% 13,20% -2,72% 0,41%
17 01-02-04 -6,34% -10,35% -8,07% -14,43% -3,38% -5,78% 0,41% -17,02% 5,94% -4,71% -4,25%
18 01-02-02 -0,91% 3,20% 0,11% -4,41% 4,11% -1,18% -1,29% -2,43% -10,65% 7,13%
19 3-02-06 -7,52% 1 -5,38% -6,55% -3,56% -19,26% -6,34% -15,08% -12,54% -10,67%
20 -02/07 -8,23% -19,75% -8,26% -5,75% -8,51% -6,38% 10,29% -13,83% -17,35%
Hàng 4 cho biết lợi nhuận trung bình hàng tháng của mỗi tài sản trong khoảng
thời gian 60 tháng (để tính lợi nhuận hàng năm này, chúng tôi sẽ nhân với 12).
Hàng 5–7 báo cáo kết quả của hồi quy bước đầu tiên. Đối với mỗi tài sản i, chúng
tôi báo cáo hồi quy rit = ai + birSP,t. Chúng ta sử dụng hàm Excel Độ dốc để tính toán
Machine Translated by Google
322 chương 11
b của từng nội dung và các hàm Intercept và Rsq để tính a và R2 cho
mỗi hồi quy.
Để kiểm tra, chúng tôi cũng tính toán a, b và R2 cho chỉ số S&P 500
(cột B). Không có gì đáng ngạc nhiên khi aSP = 0, bSP = 1 và R2 = 1.
SML quy định rằng lợi nhuận trung bình của mỗi chứng khoán phải liên quan
tuyến tính với phiên bản beta của nó. Giả sử rằng dữ liệu lịch sử cung cấp
mô tả chính xác về phân bổ lợi nhuận trong tương lai, chúng tôi giả định
rằng E(Ri) = a + biΠ + ei. Trong bước thứ hai của quá trình kiểm tra CAPM,
chúng tôi kiểm tra giả thuyết này bằng cách hồi quy lợi nhuận trung bình trên bs.
MỘT B C D E F G H
3 Rượu AA -0,09% 1,9028 -0,0023 Hồi quy lần thứ hai, hồi quy lợi nhuận hàng tháng trên Beta
4 Tập đoàn quốc tế Mỹ AIG -0,54% 0,9936 -0,0061 Đánh chặn 0,0036 <-- = INTERCEPT(B3:B32,C3:C32)
5 American Express AXP 0,72% 1,3784 0,67% 0,0062 Dốc -0,0020 <-- =SLOPE(B3:B32,C3:C32)
6 Boeing BA 1,1515 0,30% 0,0058 bình phương R 0,0238 <-- =RSQ(B3:B32,C3:C32)
7 Citigroup C 1,2952 1,79% 0,0021
số 8
con sâu bướm CAT 1,3903 0,18% 0,0169 thống kê t, chặn 1.23813 <-- =tinintercept(B3:B32,C3:C32)
9 Du Pont DD 1,0009 0,29% 0,0011 thống kê t, độ dốc -0.825378 <-- =tslope(B3:B32,C3:C32)
10 Disney DIS 1,2805 -0,23% 0,0020
11 Tổng Công ty Điện lực GE -0,87% 0,8420 -0,0030
12 General Motors GM -0,52% 1,4060 -0,0097
13 Home Depot HD 0,29% 1,5528 -0,0063
14 Honeywell HON 1,6640 61% 1,9594 0,0017
15 Hewlitt Packard HPQ 0,0046
16 IBM -0,47% 1,5764 -0,0058
17 Intel INTC -0,73% 2,2648 -0,0089
18 Johnson & Johnson JNJ 0,34% 0,2471 0,0032
19 JP Morgan JPM 0,18% 1,7917 0,12% 0,0005
20 Coca Cola KO 0,3590 0,35% 0,0009
21 MCD của McDonald 1,2646 0,64% 0,0025
22 3M MMM 0,6504 1,30% 0,0059
23 AltriaMO 0,6633 -0,63% 0,0125
24 Merck MRK -0,35% 0,6099 -0,0068
25 Microsoft MSFT -0,74% 1,1219 -0,0043
26 Pfizer PFE 0,94% 0,5572 -0,0078
27 Procter Gamble PG 0,1687 -0,41% 1. 0,0093
28 AT&T T 03% 1,1275 -0,0050
29 United Technologies UTX 1,0659 -0,49% 0,0095
30 Verizon VZ -0,25% 1,0231 -0,0057
31 Walmart WMT 0,88% 0,6000 -0,0030
32 Exxon Mobil XOM 0,6455 0,0083
Kết quả (ô F4 : G6) rất đáng thất vọng. Thử nghiệm của chúng tôi
mang lại SML sau:
2
E r() =0 0036
Tôi .= R 00 0238
.
0020 β , Tôi .
γ 0 γ1
• g0 phải tương ứng với lãi suất phi rủi ro trong kỳ. Trong phần 11.6 chúng ta
sẽ thảo luận về tỷ lệ này, tỷ lệ này đã thay đổi rất nhiều trong 60 tháng được
khảo sát. Tại thời điểm này, chỉ cần chỉ ra rằng lãi suất phi rủi ro trung
bình hàng tháng là 0,18% (hoặc 0,0018, chính xác là một nửa g0) là đủ.
• g1 phải tương ứng với E(rM) rf. Lợi nhuận trung bình hàng tháng của S&P
500 trong giai đoạn này là -0,10% và lãi suất phi rủi ro trung bình hàng tháng
là 0,18%, do đó g1 phải xấp xỉ bằng -0,28% (hoặc 0,0028).
• Cả thống kê t cho i (ô G8) và độ dốc (ô G9) chỉ ra rằng chúng không khác
biệt về mặt thống kê so với 0,3
Thử nghiệm SML của chúng tôi đã thất bại. CAPM có thể có quy định
giá trị, nhưng nó không mô tả dữ liệu của chúng tôi.
Thí nghiệm mà chúng tôi đã thực hiện – kiểm tra CAPM bằng cách vẽ đường thị
trường chứng khoán – có vẻ không hiệu quả lắm. Dường như không có nhiều bằng
chứng ủng hộ SML: cả R2 của hồi quy lẫn thống kê t đều không đưa ra nhiều bằng
chứng cho thấy có mối quan hệ giữa lợi nhuận kỳ vọng và danh mục đầu tư b.
Có một số lý do giải thích tại sao những kết quả đáng thất vọng này có thể giữ nguyên:
1. Một lý do là có lẽ bản thân CAPM không đúng. Giả định này có thể đúng vì
nhiều lý do:
Một. Có lẽ việc bán khống tài sản bị hạn chế trên thị trường. Việc rút ra CAPM
của chúng tôi (xem Chương 9 về danh mục đầu tư hiệu quả) giả định rằng không
có hạn chế bán khống. Rõ ràng đây là một giả định không thực tế. Việc tính
toán danh mục đầu tư hiệu quả khi doanh số bán khống bị hạn chế được xem xét
trong Chương 12. Tuy nhiên, trong trường hợp này, không có mối quan hệ đơn
giản nào (như những mối quan hệ đã được chứng minh trong Chương 9) giữa lợi
nhuận của tài sản và beta của chúng. Đặc biệt, nếu doanh số bán khống bị hạn
chế thì không có lý do gì để kỳ vọng SML sẽ được giữ vững.
b. Có lẽ các cá nhân không có những đánh giá xác suất đồng nhất, hoặc có lẽ
họ không có cùng kỳ vọng về lợi nhuận, phương sai và hiệp phương sai của tài
sản.
3. Các hàm tintercept và tslope do tác giả tạo ra. Chúng được đính kèm vào
bảng tính của chương này và được thảo luận trong Chương 2.
Machine Translated by Google
324 chương 11
2. Có lẽ CAPM chỉ áp dụng cho danh mục đầu tư chứ không áp dụng cho các tài sản đơn lẻ.
3. Có lẽ tập hợp tài sản của chúng tôi không đủ lớn: Xét cho cùng, CAPM nói về tất cả
các tài sản rủi ro, trong khi chúng tôi đã chọn - nhằm mục đích minh họa - để thực hiện
thử nghiệm trên một tập hợp con rất nhỏ của những tài sản này. Tài liệu về thử nghiệm
CAPM ghi lại các thử nghiệm trong đó tập hợp tài sản rủi ro đã được mở rộng để bao gồm
trái phiếu, bất động sản và thậm chí cả những tài sản không thể đa dạng hóa như vốn nhân
lực.
4. Có lẽ “danh mục thị trường” không hiệu quả. Khả năng này được đề xuất bởi toán học
của Chương 9 về danh mục đầu tư hiệu quả, và chính gợi ý này mà chúng ta sẽ khám phá sâu
5. Có lẽ CAPM chỉ đúng nếu lợi nhuận thị trường là dương (trong giai đoạn được khảo sát,
Kết quả bài tập của chúng tôi ở phần 11.2 khá đáng thất vọng. Chúng ta có học được điều
gì tích cực từ bài tập này không? Tuyệt đối. Ví dụ: mô hình hồi quy thực hiện khá tốt
việc mô tả lợi nhuận của từng tài sản riêng lẻ liên quan đến S&P 500:
2,00
1,00
0,50
0,00 AT&T T
Rượu AA IBM Intel INTC
Disney DIS
3M MMM Altria MO Merck MRK Microsoft MSFT Pfizer PFE Procter Gamble PG
General Electric GE General Motors GM Home Depot HD Honeywell HON Hewlitt Packard HPQ
Trung bình, S&P 500 mô tả khoảng 35% mức độ biến động của cổ phiếu DJ30, có hệ
số beta trung bình là 1,12. Nếu chúng ta loại trừ bảy cổ phiếu có R2 thấp nhất
, S&P mô tả gần 43%
sự thay đổi trong lợi nhuận của cổ phiếu:
1 BÀI TẬP SML CỦA CHÚNG TÔI: CHÚNG TÔI ĐÃ HỌC ĐƯỢC GÌ?
2 Alpha trung bình 0,06% <-- =AVERAGE('Dữ liệu trả về của DJ'!C6:AF6)
3 Beta trung bình 1.12 <-- =AVERAGE('DJ trả về dữ liệu'!C5:AF5)
4 Trung bình r bình phương 0,3510 <-- =AVERAGE('Dữ liệu trả về của DJ'!C7:AF7)
5
6 R2 trung bình cho hồi quy tốt nhất
7 Điểm cắt cho R2 0,2 <- Dưới đây chúng tôi tính tất cả R2 lớn hơn con số này
số 8
9.8258 <-- =SUMIF('Dữ liệu trả về của DJ'!C7:AF7,">"&TEXT(B7,"0.00"))
9 23 <-- =COUNTIF('DJ trả về dữ liệu'!C7:AF7,">"&TEXT(B7,"0.00"))
10 R2 trung bình 0,4272 <-- =B8/B9
11
12 thống kê t cho điểm chặn và độ dốc
Người Mỹ
Quốc tế Người Mỹ
Rượu Nhóm Thể hiện Tập đoàn sâu bướm Du Pont Disney
13 AA AIG AXP Boeing BA C CON MÈO ĐĐ DIS
14 t-stat cho điểm chặn 0,3144 0,6324 -1.0525 -0.1584 -0.2013 -1.6120 -0.0192 -0.0371
15 t-stat cho độ dốc 9.4942 5.6112 11.7783 4.3815 9.2729 7.8607 6.6993 6.0199
16
Trung bình tuyệt đối
17 t-stat để đánh chặn 0,3998 <-- {=TRUNG BÌNH(ABS(B14:AE14))}
Chỉ số t trung bình
18 cho độ dốc 5,7866 <-- =TRUNG BÌNH(B15:AE15)
Ô B10 tính R2 trung bình cho các hồi quy có R2 > 0,2.
Đây là 23 trong số Dow-Jones 30. Vì vậy, nhìn chung, sự hồi quy ở lần vượt
qua đầu tiên là rất đáng kể. R2 trung bình là 35% mà chúng tôi nhận được
trong lần hồi quy đầu tiên của SML cơ bản thực sự là một con số đáng nể
trong lĩnh vực tài chính. Các sinh viên—bị ảnh hưởng bởi những người hướng
dẫn thống kê quá nhiệt tình và một cái nhìn quá tuyến tính về thế giới—
thường cảm thấy rằng R2 của bất kỳ phép hồi quy thuyết phục nào phải đạt
ít nhất là 90%. Tài chính dường như không phải là một nghề có tính tuyến
tính cao: Một nguyên tắc chung là bất kỳ hồi quy tài chính nào cho R2 lớn
hơn 80% đều có thể bị xác định sai và gây nhầm lẫn.4
Một cách khác để xem xét tầm quan trọng của kết quả của chúng tôi là tính toán
thống kê t cho điểm chặn và độ dốc của hồi quy lần đầu tiên (hàng 14–15). Trong
khi các điểm chặn không khác biệt đáng kể so với 0 (vì thống kê t của chúng nhỏ
4. Nếu nhìn lại phụ lục của Chương 2, bạn sẽ thấy rằng - nếu chúng ta thực hiện hồi quy
trên các danh mục cổ phiếu được đa dạng hóa - thì R2 sẽ tăng đáng kể.
Machine Translated by Google
326 chương 11
11.3.1 Chú ý trong Excel: Tính giá trị tuyệt đối của mảng số
Trong các tính toán trước, chúng ta đã sử dụng một thủ thuật Excel đơn giản
liên quan đến các hàm mảng (xem Chương 34). Bằng cách sử dụng Abs làm hàm
mảng (nghĩa là bằng cách nhập hàm bằng [Ctrl] + [Shift] + [Enter]), chúng ta
có thể tính giá trị trung bình của các giá trị tuyệt đối của một vectơ số.
Đây là một ví dụ đơn giản:
BCDE F
Nếu chúng ta sử dụng nó như một hàm mảng, nó có thể được áp dụng cho một dãy số
2
3 số 1 -2 -3 -6 số 8
4
5 Số trung bình -0,4000 <-- =TRUNG BÌNH(B3:F3)
Số tuyệt đối trung bình
6 4,0000 <-- {=TRUNG BÌNH(ABS(B3:F3))}
Những điều trên nhưng không
Lưu ý ô B7: sử dụng hàm giống như hàm thông thường sẽ không cho ra đáp án
đúng.
11.4 Tính kém hiệu quả của “Danh mục thị trường”
Khi tính SML trong phần 11.2, chúng tôi hồi quy lợi nhuận trung bình của từng tài sản dựa trên
lợi nhuận của danh mục thị trường. Những đề xuất của Chương 9 về danh mục đầu tư hiệu quả
cho thấy rằng việc chúng tôi không tìm được kết quả phù hợp có thể xuất phát từ thực tế là
danh mục đầu tư S&P 500 không hiệu quả so với tập hợp sáu tài sản mà chúng tôi đã chọn.
Dự luật 3 của Chương 9 nêu rõ rằng nếu chúng ta chọn hồi quy lợi nhuận tài
sản của mình trên một danh mục đầu tư hiệu quả đối với chính tập hợp tài sản
đó thì chúng ta sẽ nhận được r bình phương là 100%. Dự luật 4 của Chương 9
cho thấy rằng—nếu chúng ta có r bình phương bằng 100%—thì danh mục đầu tư mà
chúng ta hồi quy lợi nhuận tài sản nhất thiết phải có hiệu quả đối với tập
hợp tài sản. Trong phần này chúng tôi đưa ra một minh họa bằng số cho những
mệnh đề này.
Machine Translated by Google
Trong bảng tính dưới đây, chúng tôi tạo một “danh mục đầu tư bí ẩn”
ở cột B. Danh mục đầu tư này (cấu trúc của nó được mô tả trong tiểu mục
tiếp theo) hiệu quả đối với chỉ số Dow-Jones 30. Như bạn có thể thấy
trong các ô A10: B12, khi chúng tôi thực hiện hồi quy bước thứ hai –
hồi quy lợi nhuận trung bình riêng lẻ của từng tài sản trên hệ số beta
được tính toán đối với danh mục đầu tư bí ẩn – thì kết quả rất hoàn
hảo. Kết quả hồi quy có điểm chặn là 0,0030 và độ dốc là 0,0425. Quan
trọng nhất – nó có R2 là 100%.
TRẢ LẠI DỮ LIỆU CHO CỔ PHIẾU CÔNG NGHIỆP DOW-JONES VÀ STANDARD & POOR'S 500
Danh mục Rượu Nhóm Thể hiện sâu bướm Du Pont Tổng quan Tổng quan Trang chủ Honeywell
2 Ngày đầu tư bí ẩn AA AIG AXP Boeing BA Citigroup C CON MÈO DD Disney DIS GE điện Động cơ GM Kho HD HƠN
3
4 Lợi nhuận trung bình 4,55% -0,09% -0,54% 0,72% 0,67% 0,30% 1,79% 0,18% 0,29% -0,23% -0,87% -0,52% 0,29%
5 bản thử nghiệm -0,09 -0,20 0,10 0,09 0,00 0,35 -0,03 0,00 -0,13 -0,28 -0,19 0,00
6 Alpha 0,33% 0,36% 0,27% 0,27% 0,30% 0,19% 0,31% 0,30% 0,34% 0,38% 0,36% 0,30%
7 bình phương R 0,0025 0,0242 0,0064 0,0024 0,0000 0,0579 0,0006 0,0000 0,0126 0,0176 0,0143 0,0000
số 8
Các đề xuất của Chương 9 chỉ để lại cho chúng ta một kết luận: “danh
mục đầu tư bí ẩn” phải có hiệu quả đối với DJ30. Và do đó, nó là. Trong
bảng tính tiếp theo, chúng tôi trình bày cách xây dựng danh mục đầu tư
hiệu quả này, tuân theo các đề xuất của Chương 9.
• Đầu tiên chúng ta xây dựng ma trận phương sai-hiệp phương sai S của lợi nhuận vượt trội.
1
S Rc ]
[ • Sau đó chúng tôi tính toán danh mục đầu tư hiệu quả bằng bên trong
1
S Rc
cách giải[ ].
bảng tính chúng tôi sử dụng c = 0,0030, sau đó hóa ra là phần chặn của
hồi quy bước thứ hai.
Machine Translated by Google
328 chương 11
TRẢ LẠI DỮ LIỆU CHO CỔ PHIẾU CÔNG NGHIỆP DOW-JONES VÀ STANDARD & POOR'S 500
9 01-08-01 -6,63% -2,49% -6,20% -10,20% -13,09% -8,88% -9,67% -0,25% -22,59% -3,59% -3,58% -6,16% -14,20% 1,58% -9,11%
10 4-09-01 -8,53% -20,66% -42,42% -12,30% -11,01%
=RSQ(C9:C68,$B$9:$B$68) -8,77% -31,14% -9,02% -24,37% -18,03% -34,47%
11 1-Tháng 10-01 1,79% 4,46% 0,76% 1,55% -2,70% 11,69% 4,73% 11,18% 0,59% 6,37% -0,17% 5,86% 11,15% -2,15% -0,35%
-3,77%
11,26%
12 1-Tháng 11-01 7,25% 17,90% 7,89% 5,43% -3,67% 8,10% 9,97% 5,25% -6,84% 9,61% 9,68% -4,22% 2,29% -3,09% 5,58% 19,65% 20,01% 12,09%
13 01-03-12 0,75% -8,22% 0,67% 5,43% -5,96% -0,18% 1,68% 11,97% 3,83% 1,65% 9,88% 6,66% 8,80% 4,45% 8,94% -2,25%
2,03%
14 02-01-02 -1,57% 0,83% -7,58% -1,81%5,08%
-0,63%
15 1-02-02 -2,10% 5,14% 4,03% -0,19% 4,55%
13,14%
67 01-06-06 0,01% 2,00% -2,92% -2,13% -1,62% -0,14% -2,15% 2,08% 1,71% -2,21% -1,65% -3,14% 10,09% 1,03% -5,91% -2,16%
68 03-07-06 -0,37% 3,61% -2,08% -2,37% -2,58% -2,58% -0,57% -1,05% -1,18% -3,38%
69
70
71
72 Các ô sau đây tính toán ma trận phương sai-hiệp phương sai cho DJ30 bằng cách sử dụng công thức {=MMULT(TRANSPOSE(C9:AF68-C4:AF4),C9:A F68-C4:AF4)/60}
73 AA AXP 0,0024 0,0060
AIG GE HON 0,0031 BA 0,0043 0,0015 0,0026 MÈO Đ DIS GM HD HPQ
74 AA 0,0091 0,0037 0,0044 C 0,0045 0,0040 0,0042 0,0046 0,0045 0,0059
75 AIG 0,0031 0,0020 0,0010 0,0033 0,0023
0,0022 0,0022 0,0015 0,0018 0,0020 0,0024
76 AXP 0,0037 0,0020 0,0041 0,0030 0,0030 0,0029 0,0020 0,0036 0,0019 0,0033 0,0032 0,0041 0,0049
102 WMT 0,0018 0,0014 0,0010 0,0003 0,0015 0,0011 0,0014 0,0008 0,0009 0,0012 0,0024 0,0008 0,0008
103 XOM 0,0024 0,0010 0,0010 0,0017 0,0008 0,0021 0,0012 0,0004 0,0007 0,0019 0,0007 0,0020 0,0011
104
Lưu ý rằng “danh mục đầu tư bí ẩn” không phải là duy nhất. Trong bảng tính tiếp theo,
chúng tôi hiển thị kết quả bằng cách sử dụng một hằng số c khác cung cấp một phiên bản khác
của SML.
Machine Translated by Google
TRẢ LẠI DỮ LIỆU CHO CỔ PHIẾU CÔNG NGHIỆP DOW-JONES VÀ STANDARD & POOR'S 500
Danh mục Rượu Nhóm Thể hiện Boeing sâu bướm Du Pont Disney Tổng quan Tổng quan kho chứa Honeywell
2 Ngày đầu tư bí ẩn AA AIG AXP BA Citigroup C CON MÈO ĐĐ DIS GE điện Động cơ GM HD HƠN
3
4 Lợi nhuận trung bình 8,88% -0,09% -0,54% 0,72% 0,67% 0,30% 1,79% 0,18% 0,29% -0,23% -0,87% -0,52% 0,29%
5 bản thử nghiệm -0,07 -0,12 0,03 0,02 -0,02 0,15 -0,04 -0,02 -0,09 -0,16 -0,12 -0,03
6 Alpha 0,54% 0,56% 0,49% 0,49% 0,51% 0,42% 0,52% 0,51% 0,54% 0,58% 0,56% 0,51%
7 bình phương R 0,0061 0,0399 0,0019 0,0005 0,0015 0,0467 0,0045 0,0010 0,0256 0,0259 0,0237 0,000 9
số 8
Cũng lưu ý rằng mặc dù R2 của hồi quy bước thứ hai là 100% (vì “danh mục đầu tư bí ẩn” là
hiệu quả), nhưng R2 của hồi quy bước đầu riêng lẻ không đáng chú ý.
11.5 Vậy danh mục đầu tư thị trường thực là gì? Chúng ta có thể kiểm tra CAPM bằng cách nào?
Suy ngẫm một chút sẽ tiết lộ rằng mặc dù danh mục đầu tư “bí ẩn” ở phần trước có thể hiệu quả
đối với 30 cổ phiếu của chỉ số Dow-Jones, nhưng nó không thể là danh mục đầu tư thị trường
thực sự, ngay cả khi cổ phiếu DJ30 đại diện cho toàn bộ danh mục đầu tư. vũ trụ của chứng
khoán rủi ro. Tuyên bố này đúng vì nhiều cổ phiếu xuất hiện trong “danh mục đầu tư bí ẩn” với
tỷ trọng âm. Chắc chắn một đặc điểm tối thiểu của danh mục đầu tư thị trường là tất cả các cổ
Roll (1977, 1978) gợi ý rằng phép thử duy nhất của CAPM là trả lời câu hỏi, Liệu phương
sai trung bình của danh mục đầu tư thị trường thực sự có hiệu quả không? Nếu câu trả lời cho
câu hỏi này là có thì theo Dự luật 3 của Chương 9, có một mối quan hệ tuyến tính giữa giá trị
trung bình của mỗi danh mục đầu tư và b của nó. Trong ví dụ của chúng ta, chúng ta có thể làm
sáng tỏ câu hỏi này bằng cách xây dựng một bảng tỷ lệ tài sản của danh mục đầu tư trên đường
Trong bảng sau, chúng tôi đưa ra một số bằng chứng cho thấy tất cả các danh mục đầu tư
hiệu quả cho DJ30 đều chứa các vị thế bán khống đáng kể. Bằng cách sử dụng sự kỳ diệu của Bảng
Dữ liệu| của Excel, chúng tôi tính toán các vị thế bán và mua lớn nhất cho một loạt danh mục
đầu tư hiệu quả, mỗi danh mục được xác định bằng hằng số c riêng của nó. Tất cả các danh mục
đầu tư này đều chứa các vị thế bán lớn (và, như bạn có thể thấy, cũng có các vị thế mua lớn).
Machine Translated by Google
330 chương 11
Sử dụng dữ liệu của DJ30, chúng tôi có thể kết luận rằng không thể nào
CAPM sẽ hoạt động.5
Có lẽ chúng tôi nên tiến hành thử nghiệm CAPM về tỷ suất lợi nhuận vượt trội - sự khác biệt
giữa giá trị hàng tháng của cổ phiếu.
lợi nhuận và lãi suất phi rủi ro. Trong phần này chúng tôi thực hiện việc này
5. Trong Chương 13, chúng ta xem xét mô hình Black-Litterman, một mô hình theo chủ nghĩa thực chứng hơn
sự khác biệt trong thử nghiệm và cho thấy rằng nó không cải thiện được nhiều cho phân tích
Bảng tiếp theo hiển thị dữ liệu Dow-Jones tương tự, với một cột bổ sung được thêm vào để
trả về tín phiếu Kho bạc; những điều này rất khác nhau trong thời kỳ này:
DỮ LIỆU TRẢ LẠI VƯỢT QUÁ CHO CỔ PHIẾU CÔNG NGHIỆP DOW-JONES VÀ TIÊU CHUẨN VÀ NGƯỜI NGHÈO 500
Tiền lãi hàng tháng trừ đi tiền lãi tín phiếu kho bạc hàng tháng
9 01-08-01 0,29% -6,92% 0,28% -2,78% -6,49% -10,49% -13,38% -9,17% -9,97% -0,54% -22,89% -3,88% -3,87% -6,45% -14,49% 1,28% -9,40%
10 4-09-01 -8,82% 0,22% 1,50% -20,95% -42,72% -12,60% -11,30% 0,47% -2,99% 0,30% 4,44% 5,56% -9,06% -31,44% -9,32% -24,66% -18,33% -34,76%
11 1-Tháng 10-01 0,18% 6,96% 0,16% 4,17% -3,96% 9,39% Lãi suất 11,40% 6,08% -0,46% 10,85% -2,44% 10,97%-4,06% -0,65%
12 1-Tháng 11-01 0,46% 17,60% tín phiếu kho
10,89% bạc 5,14%
7,60% hàng tháng là 1,26%
9,32% 7,81%, từ tháng 4,96%
9,68% 8 năm 2001 đến tháng
2,00% -4,52%7 năm 2006 5,29% 11,80%
19,36% 19,72%
13 01-03-12 -8,52% 4,16% 1,74% -2,54% 8,65%
14 02-01-02 0,14% -1,86% 0,14% 0,54%
0,45% -7,13% 0,37% 5,14% -6,26% 11,68% -3,39% 3,54% 1,35% -7,87% 8,51% 4,79% -2,11% 4,26% -0,92%
15 1-02-02 -2,39% 0,14% 3,32% 4,85% -0,47% 1,39% -4,93% 4,56% 8,73% 9,59% 6,36% 3,74% 0,07% -3,18% -0,48% 12,91% 12,85%
0,40%
16 1-03-02 0,15% -6,63% 0,14% 0,17% -2,81% 11,37% -8,14% -13,70% 2,09% 0,37% 0,11% -17,32% -3,02% 5,65% -5,00% 0,11%
17 01-04-02 -1,20% -10,64%
0,35% -4,56% 0,03% -4,39% -0,18% -3,67% -6,07% -1,47% -1,58% -2,72% -10,94% -4,55%
18 01-05-02 2,91% -3,45% 3,29% -4,70% 3,81% 6,84%
0,30%
19 3-Jun-02 0,14% -7,81% 0,14% -5,67% 1,63% -16,02% 5,07% -11,10% -6,85% -3,86% -19,55% -6,64% -15,37% -12,83% -10,96%
20 01-07-02 -8,52% 0,14% 0,19% -20,04%
0,25% -6,82% -3,04% -8,36% -14,72% 4,83% -8,56% -6,04% -6,67% 10,00% -14,12% -17,65% -8,81%
21 01-08-02 0,14% -11,95% -7,82% -2,05% 1,97% -11,16% -14,03% -2,69% -3,36% -12,53% -6,86% 3,63% 6,16% -7,45%
22 0,14% 8,00% 0,20%
-26,52% -14,84% -8,55% -10,25% -16,22% -11,40% 13,11% 15,33% -14,04% 22,23% -3,81% -19,74% -21,01% -23,41% -32,66%
3-09-02
23 1-Tháng 10-02 13,04%
0,15% 13,12% 9,92% 9,47% 2,10% -16,00% 9,83% 9,71%
24 1-Tháng 11-02 0,13% 5,26% 0,10% 15,03% 3,78% 6,52% 13,76% 4,80% -9,71% 19,76% 8,38% 16,87% 6,88% -9,04% -5,38% 18,89% -9,27% -7,70% 8,80%
25 2-Tháng 12-02 -6,52% 0,10% 0,10%
-11,76% -12,10% -3,46% -10,27% 0,21% -4,64% -18,59% -10,31% -3,44% -11,59% 6,77% -5,42% -9,51% -1,74% -8,34%
26 02-01-03 -3,07% 0,10% -14,44% -6,96% -2,15% -5,92% -13,40% -3,27% 6,35% -2,57% -2,85% 4,38% 4,26% 5,51% -0,53% -14,19% -6,21% 1,50%
0,05%
27 03-02-03 -2,01% 0,10% 0,54% 4,08% -9,65% -1,35% -9,79% 2,98% 12,98% % 7,04% 8,74% 8,95% 14,11% -1,14% -0,40% 11,20% -0,75% 3,77% -6,01%
28 3-03-03 0,09% 7,50% 0,09% 0,00%
-5,87% 0,14% 8,20% 12,76% 9,27% 8% 4,61% 4,87% -2,87% 6,22% -1,50% 0,23% 0,31% 6,71% 14,09% -0,92% -7,21%
01 tháng 8
Tháng Tư-02
02 tháng 8
Tháng Tư-03
03 tháng 8
Tháng Tư-04
04 tháng 8
Tháng Tư-05
05 tháng 8
Tháng Sáu-02
Tháng Sáu-03
Tháng Sáu-04
Tháng Sáu-05
Tháng Bảy-06
Tháng 10-01
Tháng 10-02
Tháng 10-03
Tháng 10-04
Tháng 10-05
Tháng 03-06
Tháng 5-06
01 tháng 12
Tháng 2-02
02/12
Tháng 2-03
03/12
Tháng Hai-04
04/12
Tháng 2-05
05 tháng 12
29 01-04-03 4,67% 0,09% 0,83% 17,16% 15,56% 0,07% 10,95% 3,97% 14,14% 1,57% 1,81% 9,69%
30 01-05-03 6,77% -0,42% 10,89%
31 02-06-03 3,27% -4,98% 2,17%
32 01-07-03 0,08% 1,32% 0,08% 8,24% 14,85% 5,45% -3,85% 5,05% 19,55% 5,10% 5,95% 10,09% -1,16% 3,59% -6,29% 4,91%
33 01-08-03 1,48% 0,08% -1,49% 3,09% -7,78% 1,68% 12,36% -3,60% 2,31% -4,54% -6,94% 3,62% 10,41% 2,73% 2,84%
34 02-09-03 0,08% 5,06% -9,09% -3,36% -0,29% -8,84% 4,56% -11,47% 6,44% 0,69% -1,96% 1,12% -0,71% -1,03% -9,82%
35 1-Tháng 10-03 18,52% 4,98% 4,02% 11,15% 4,52% 11,26% -3,00% 3,87% 14,90% 14,70%
Chạy hồi quy bước thứ hai chỉ cho thấy những thay đổi nhỏ so với kết quả của phần 11.2:
Machine Translated by Google
332 chương 11
MỘT B C D E F G H
1 ĐỔI HỒI LẠI THỨ HAI CHO TRẢ LẠI VƯỢT QUÁ
Trung bình
hàng tháng
Cổ phần bản thử nghiệm
Alpha
thặng dư
2 trở lại
3 Rượu AA -0,38% 1,9028 0,0004 -0,83% Hồi quy lần thứ hai, hồi quy lợi nhuận hàng tháng trên Beta
4 Tập đoàn quốc tế Mỹ AIG 5 0,9936 -0,0061 0,43% 1,3784 Đánh chặn 0,0007 <-- = INTERCEPT(B3:B32,C3:C32)
American Express AXP 6 0,0073 0,37% 1,1515 0,0063 Dốc -0,0020 <-- =SLOPE(B3:B32,C3:C32)
Boeing BA 7 0,01% 1,2952 0,0029 bình phương R 0,0238 <-- =RSQ(B3:B32,C3:C32)
Citigroup C
8 Sâu bướm CAT 9 1,50% 1,3903 0,0181 -0,11% t-statistic, chặn 0,243911 <-- =tintercept(B3:B32,C3:C32)
Du Pont DD 10 1,0009 0,0011 0,00% 1,2805 thống kê t, độ dốc -0,825378 <-- =tslope(B3:B32,C3:C32)
Disney DIS 0,0028
11 Tổng Điện GE 12 -0,53% 0,8420 -0,0034
General Motors GM 13 -1,16% 1,4060 -0,0086
Trò chơi có bị mất không? Chúng ta có phải từ bỏ CAPM không? Không hoàn toàn.
• Trước hết, có thể lợi nhuận trung bình được mô tả gần đúng bằng hồi quy của chúng đối với
danh mục thị trường. Trong mô tả thay thế này của CAPM, chúng tôi khẳng định (với một số giải
thích, xem chú thích cuối trang) rằng b của một tài sản (đo lường sự phụ thuộc của lợi nhuận
của tài sản vào lợi nhuận thị trường) là một thước đo quan trọng về rủi ro của tài sản.
• Thứ hai, CAPM có thể là một mô tả chuẩn mực tốt về cách lựa chọn danh mục đầu tư.
Như chúng tôi đã trình bày trong phần phụ lục của Chương 2, các danh mục đầu tư được
đa dạng hóa lớn hơn được mô tả khá rõ ràng bằng hệ số beta của chúng, do đó hệ số
beta trung bình của một danh mục đầu tư được đa dạng hóa tốt có thể là sự mô tả hợp
Bài tập
1. Bài tập này yêu cầu bạn lặp lại các tính toán ở phần 11.1 để có được tỷ lệ phần trăm hơi khác một
chút. Trong tập tin fm3_problems11.xls bạn sẽ tìm thấy lợi nhuận hàng tháng của chỉ số Dow-Jones
30 Industrials và S&P 500 từ tháng 7 năm 1997 đến tháng 7 năm 2007.
Một. Hồi quy lợi nhuận hàng tháng của từng cổ phiếu trên S&P 500, tính toán độ dốc, điểm chặn, R2
, và thống kê t cho độ dốc và điểm chặn.
b. Thực hiện hồi quy bước thứ hai: Hồi quy lợi nhuận trung bình hàng tháng của mỗi cổ phiếu ở
phiên bản beta của nó. Phân tích kết quả.
AB C D E FGH tôi J KL
2. Trong một bài báo nổi tiếng, Roll (1978), thảo luận về việc kiểm tra SML trong mô hình bốn tài sản.
bối cảnh:
Một. Hãy suy ra hai danh mục đầu tư hiệu quả trong mô hình bốn tài sản này và vẽ đồ thị đường biên hiệu
quả.
b. Chứng minh rằng bốn danh mục đầu tư sau đây là hiệu quả bằng cách chứng minh rằng mỗi danh mục đầu tư là một
kết hợp lồi của hai danh mục đầu tư mà bạn rút ra ở phần a:
334 chương 11
c. Giả sử danh mục thị trường bao gồm các tỷ lệ bằng nhau của từng tài sản (tức
là danh mục thị trường có tỷ lệ [0,25, 0,25, 0,25, 0,25]). Tính SML thu được.
Danh mục đầu tư [0,25, 0,25, 0,25, 0,25] có hiệu quả không?
d. Lặp lại bài tập này nhưng thay thế một trong bốn danh mục đầu tư ở phần b
làm danh mục đầu tư thị trường.
Machine Translated by Google
Trong Chương 9 chúng ta đã thảo luận vấn đề tìm kiếm một danh mục đầu tư hiệu quả.
Như được chỉ ra ở đó, vấn đề này có thể được viết dưới dạng tìm một danh mục đầu
tư tiếp tuyến trên đường bao của tập hợp danh mục đầu tư khả thi:
Sigma
Chứng minh ở phụ lục của Chương 9 về cách giải bài toán hiệu quả như vậy
danh mục đầu tư liên quan đến việc tìm giải pháp cho vấn đề sau:
Er( cx) Θ =
tối đa
σ
P
như vậy mà
N
=
1xi
Tôi
=1
Ở đâu
N
E rxx R xET r ( ) = = ( )
Tôi Tôi
= Tôi 1
N N
σ = = TxSx xx σ
P ij ij
Tôi
==
11j
Machine Translated by Google
336 Chương 12
Đề xuất 1 của Chương 9 đưa ra phương pháp giải quyết vấn đề này.
Giải pháp cho vấn đề tối đa hóa cho phép tỷ lệ danh mục đầu tư âm ;
khi xi < 0, phương pháp này giả định rằng chứng khoán thứ i được nhà
đầu tư bán khống và số tiền thu được từ việc bán khống này sẽ ngay lập
tức có sẵn cho nhà đầu tư. Tất nhiên, thực tế phức tạp hơn nhiều so với
mô hình bán khống mang tính học thuật này. Đặc biệt, rất hiếm khi tất
cả số tiền bán khống đều có sẵn cho nhà đầu tư tại thời điểm đầu tư, vì
các công ty môi giới thường ký quỹ một phần hoặc thậm chí toàn bộ số
tiền thu được. Cũng có thể nhà đầu tư bị cấm hoàn toàn thực hiện bất kỳ
hoạt động bán khống nào (thực tế, hầu hết các nhà đầu tư nhỏ dường như
tiến hành với giả định rằng việc bán khống là không thể).1
Trong chương này chúng ta nghiên cứu những vấn đề này. Chúng tôi trình bày cách
sử dụng Bộ giải của Excel để tìm danh mục tài sản hiệu quả khi chúng tôi hạn chế
bán khống.2
12.2 Một ví dụ số
Chúng ta bắt đầu với bài toán tìm một danh mục đầu tư tối ưu khi không được phép bán khống.
Vấn đề chúng tôi giải quyết tương tự như vấn đề tối đa hóa đã nêu trước đây, với việc bổ sung
( )
Er c x
Θ = tối
đa
σP
như vậy mà
x =
1 Tôi
Tôi
=1
= 1 ...
xi0N≥,,,
Tôi
1. Thực tế thủ tục thực hiện bán khống không hề đơn giản. Một cuộc khảo sát học thuật được
viết rất hay là một bài báo gần đây của Gene D'Avolio, “Thị trường cho vay vốn,” Tạp chí
Kinh tế Tài chính, 2003, trang 271–306. Ngoài ra còn có một bài viết tuyệt vời trên tạp
chí New Yorker Magazine số ra ngày 1 tháng 12 năm 2003 của James Surowiecki có tựa đề
“Hãy rút ngắn lại”.
2. Chúng ta không đi sâu vào tập hợp toán học hiệu quả khi việc bán khống tài sản bị hạn chế.
Điều này liên quan đến các điều kiện Kuhn-Tucker, được thảo luận trong Elton, Gruber,
Brown, và Goetzmann (2002), Lý thuyết danh mục đầu tư hiện đại và Phân tích đầu tư, ấn
bản thứ 6.
Machine Translated by Google
337 Danh mục đầu tư hiệu quả mà không cần bán khống
Ở đâu
N
E rxx R xET r ( ) = = ( )
Tôi Tôi
= Tôi 1
N N
σ = = TxSx xx σ
P ij ij
Tôi
==
11j
12.2.1 Giải quyết vấn đề về danh mục đầu tư không bị ràng buộc
Để thiết lập bối cảnh, chúng tôi xem xét vấn đề tối ưu hóa sau đây mà chúng tôi
giải quyết mà không có bất kỳ ràng buộc bán khống nào. Bảng tính hiển thị ma
trận phương sai-hiệp phương sai của bốn tài sản và lợi nhuận kỳ vọng liên quan.
Với hằng số c = 8 phần trăm, danh mục đầu tư tối ưu được đưa ra trong các ô B11 : B14.
Lưu ý θ trong ô B19: Đây là tỷ lệ Sharpe của danh mục đầu tư, tỷ lệ lợi nhuận vượt trội của
nó trên hằng số c và độ lệch chuẩn của nó:
Er( cx )θ =
. Danh mục đầu tư tối ưu tối đa hóa tỷ lệ Sharpe θ.
σ x
A BCDEFG H
1
Tuân theo Dự luật 1, Chương 9
2 Ma trận phương sai-hiệp phương sai Có nghĩa
3 0,10 0,03 -0,08 0,03 0,20 0,02 0,05 số 8%
9
10 Danh mục đầu tư tối ưu không có hạn chế bán khống (Chương 9, Đề xuất 1)
11 x1 0,6219 <-- {=MMULT(MINVERSE(B3:E6),G3:G6-C8)/SUM(MMULT(MINVERSE(B3:E6),G3:G6-C8))}
12 x2 0,0804
13 x3 0,3542
14 x4 -0,0565
15 Tổng cộng 1 <-- =SUM(B11:B14)
16
17 Ý nghĩa danh mục đầu 8,62% <-- {=MMULT(TRANSPOSE(B11:B14),G3:G6)}
tư 18 Sigma danh mục đầu 19,39% <-- {=SQRT(MMULT(TRANSPOSE(B11:B14),MMULT(B3:E6,B11:B14)))}
tư θ = Theta
Có một cách khác để giải quyết vấn đề không bị ràng buộc này. Bắt đầu
từ một danh mục đầu tư tùy ý (bảng tính bên dưới sử dụng x1 = x2 = x3 = x4
= 0,25), chúng ta sử dụng Solver để tìm nghiệm:
Machine Translated by Google
338 Chương 12
Giải pháp Bộ giải tối đa hóa θ (ô B19) tuân theo ràng buộc rằng ô B15,
chứa tổng các vị trí danh mục đầu tư, bằng 1,3
Khi nhấn Giải quyết, chúng tôi nhận được giải pháp mà chúng tôi đã đạt được trước đó:
3. Nếu Công cụ|Bộ giải không hoạt động thì có thể bạn chưa tải phần bổ trợ Bộ giải . Để làm như vậy, hãy đi
tới Công cụ|Phần bổ trợ và nhấp vào bên cạnh Phần bổ trợ Bộ giải.
Machine Translated by Google
339 Danh mục đầu tư hiệu quả mà không cần bán khống
Giải pháp tối ưu trước đó chứa một vị thế bán khống trong tài sản 4. Để hạn
chế bán khống, chúng tôi thêm ràng buộc không bán khống vào Tools|Solver.
Bắt đầu từ một lời giải tùy ý, chúng ta đưa ra Solver như sau:
A BCDEFG H
Giải pháp với Solver, bắt đầu từ danh mục đầu tư khả thi tùy ý
1
2 Ma trận phương sai-hiệp phương sai Có nghĩa
3 0,10 0,03 -0,08 0,03 0,20 0,02 0,05 số 8%
9
10 Ở đây chúng ta bắt đầu với một danh mục đầu tư khả thi tùy ý và sử dụng Bộ giải
11 x1 0,5856
12 x2 0,0965
13 x3 0,3179
14 x4 0,0000
15 Tổng cộng 1 <-- =SUM(B11:B14)
16
17 Ý nghĩa danh mục đầu tư 8,73% <-- {=MMULT(TRANSPOSE(B11:B14),G3:G6)}
18 Sigma danh mục đầu 20,32% <-- {=SQRT(MMULT(TRANSPOSE(B11:B14),MMULT(B3:E6,B11:B14)))}
tư θ = Theta
340 Chương 12
Ràng buộc không âm được thêm vào bằng cách nhấp vào nút Thêm trong hộp thoại Bộ
Ràng buộc thứ hai (hạn chế tỷ lệ danh mục đầu tư có tổng bằng 1) được thêm vào
Bằng cách thay đổi giá trị của c trong bảng tính, chúng ta có thể tính toán các
danh mục đầu tư khác; trong ví dụ sau, chúng tôi đã đặt hằng số c = 8,5 phần trăm:
A BCDEFG H
1 Giải pháp với Solver, bắt đầu từ danh mục đầu tư khả thi tùy ý
2 Ma trận phương sai-hiệp phương sai Có nghĩa
3 0,10 0,03 -0,08 0,03 0,20 0,02 0,05 số 8%
9
10 Ở đây chúng ta bắt đầu với một danh mục đầu tư khả thi tùy ý và sử dụng Bộ giải
11 x1 0,0000
12 x2 0,2515
13 x3 0,4885
14 x4 0,2601
15 Tổng cộng 1 <-- =SUM(B11:B14)
16
17 Ý nghĩa danh mục đầu 10,01% <-- {=MMULT(TRANSPOSE(B11:B14),G3:G6)}
tư 18 Sigma danh mục đầu 45,25% <-- {=SQRT(MMULT(TRANSPOSE(B11:B14),MMULT(B3:E6,B11:B14)))}
tư θ = Theta
Trong cả hai ví dụ, hạn chế bán khống đều có hiệu lực, với một số tài sản không
có vị thế. Tuy nhiên, không phải tất cả các giá trị của c đều cho danh mục đầu tư
trong đó các ràng buộc bán khống có hiệu lực. Ví dụ: nếu hằng số là 8 phần trăm,
341 Danh mục đầu tư hiệu quả mà không cần bán khống
A BCDEFG H
1
Giải pháp với Solver, bắt đầu từ danh mục đầu tư khả thi tùy ý
2 Ma trận phương sai-hiệp phương sai Có nghĩa
3 0,10 0,03 -0,08 0,03 0,20 0,02 0,05 số 8%
9
10 Ở đây chúng ta bắt đầu với một danh mục đầu tư khả thi tùy ý và sử dụng Bộ giải
11 x1 0,2004
12 x2 0,2587
13 x3 0,4219
14 x4 0,1190
15 Tổng cộng 1 <-- =SUM(B11:B14)
16
17 Ý nghĩa danh mục đầu tư 9,46% <-- {=MMULT(TRANSPOSE(B11:B14),G3:G6)}
18 Sigma danh mục đầu 31,91% <-- {=SQRT(MMULT(TRANSPOSE(B11:B14),MMULT(B3:E6,B11:B14)))}
tư θ = Theta
Như chúng ta đã thấy trong ví dụ trong đó c = 3 phần trăm, khi c càng thấp, hạn chế
bán khống bắt đầu có hiệu lực đối với tài sản 4. Đối với c rất cao (trường hợp sau minh
họa c = 11 phần trăm) chỉ có tài sản 4 là nằm trong danh mục đầu tư tối đa hóa:
A BCDEFG H
số 8 c 11,0% <- Đây là hằng số
9
10 Ở đây chúng ta bắt đầu với một danh mục đầu tư khả thi tùy ý và sử dụng Bộ giải
11 x1 0,0000
12 x2 0,0000
13 x3 0,0000
14 x4 1,0000
15 Tổng cộng 1 <-- =SUM(B11:B14)
16
17 Ý nghĩa danh mục đầu tư 11,00% <-- {=MMULT(TRANSPOSE(B11:B14),G3:G6)}
18 Danh mục đầu tư sigma 94,87% <-- {=SQRT(MMULT(TRANSPOSE(B11:B14),MMULT(B3:E6,B11:B14)))}
θ = Theta =
12.3 Biên giới hiệu quả với những hạn chế bán khống
Chúng ta muốn vẽ đồ thị đường biên hiệu quả với các hạn chế bán khống. Hãy nhớ lại rằng
trong trường hợp không có hạn chế bán khống được thảo luận ở Chương 9, chỉ cần tìm hai
danh mục đầu tư hiệu quả là đủ để xác định toàn bộ đường giới hạn hiệu quả (kết luận này
đã được chứng minh trong Mệnh đề 2 của Chương 9). Khi chúng tôi áp đặt các hạn chế bán
khống, tuyên bố này không còn đúng nữa. Trong trường hợp này việc xác định đường biên
342 Chương 12
vẽ một số lượng lớn các điểm. Cách hiệu quả duy nhất (xin lỗi vì chơi chữ!) là sử dụng
Trong phần này chúng tôi mô tả một chương trình như vậy. Một mục tiêu của chương trình
là tạo ra một biểu đồ đường biên hiệu quả không có bán khống:
11
10
là(%)
Nghĩa
số 8
18 28 38 48 58 68 78 88 98
Sigma (%)
Khi chúng ta có chương trình và đồ thị của đường biên hiệu quả không bán khống, chúng
ta cũng sẽ so sánh đường biên hiệu quả này với đường biên hiệu quả được phép bán khống:
11
10
trung
nhuận
bình
(%)
Lợi
số 8
6
18 28 38 48 58 68 78 88 98
Sigma(%)
Machine Translated by Google
343 Danh mục đầu tư hiệu quả mà không cần bán khống
Mối quan hệ giữa hai biểu đồ này không có gì đáng ngạc nhiên:
• Nói chung, đường biên hiệu quả với doanh số bán khống lấn át đường biên hiệu quả không
có doanh số bán khống. Tuyên bố này rõ ràng là như vậy, vì hạn chế bán khống đặt ra một
• Trong một số trường hợp, hai đường biên hiệu quả trùng nhau. Một điểm như vậy xảy ra,
Đặt hai biểu đồ này trên một bộ trục cho thấy tác động của các hạn chế bán khống chủ
yếu là đối với các danh mục đầu tư có lợi nhuận và sigma cao hơn.
Đầu ra cho trường hợp bán khống bị hạn chế trình bày trong phần 12.3 được tạo ra bằng
ByChange:=”$B$11:$B$14”
SolverSolve UserFinish:=True
Doit phụ()
Gỡ rối
Application.SendKeys (“{Enter}”)
Phạm vi(“portfolio_mean”)
Phạm vi(“x_1”)
Machine Translated by Google
344 Chương 12
Phạm vi(“x_2”)
Phạm vi(“x_3”)
Phạm vi(“x_4”)
ActiveSheet.Range(“x_4”)
Chương trình bao gồm hai chương trình con: Solve gọi Bộ giải Excel; và
chương trình con Doit liên tục gọi bộ giải để tìm các giá trị khác nhau của
phạm vi có tên Hằng (đây là ô C8 trong bảng tính), đưa kết quả đầu ra vào một
phạm vi được gọi là Kết quả.
Đầu ra cuối cùng trông như thế này:
1 TỐI ƯU HÓA DANH MỤC KHÔNG BÁN HÀNG NGẮN KẾT QUẢ
2 Ma trận phương sai-hiệp phương sai Trung bình 0,10 0,03 -0,08 8% c Giá trị trung bình Sigma x1 x3
3 0,05 Ctrl+A chạy chương trình VBA để tính -0,035 20,24% 8,70% 0,6049 x2 0,0885 0,3066
4 0,03 0,20 0,02 0,03 9% toán các danh mục đầu tư hiệu -0,03 20,25% 8,70% 0,6042 0,0887 0,3070
5 -0,08 0,02 0,30 0,20 10% quả cho hoạt động bán hàng không bán khống. -0,025 20,25% 8,70% 0,6035 0,0890 0,3075
6 0,05 0,03 0,20 0,90 11% Chương trình này lặp đi -0,02 20,25% 8,71% 0,6027 0,0893 0,3080
7 lặp lại thay thế một hằng số -0,015 20,25% 8,71% 0,6017 0,0897 0,3086
số 8 c 16,0% <- Đây là hằng số trong khoảng từ -3,5% đến -0,01 20,26% 8,71% 0,6007 0,0901 0,3092
9 16% (tăng 1/2%) và tính -0,005 20,26% 0 8,71% 0,5994 0,0908 0,3098
10 toán danh mục đầu tư tối ưu. 20,27% 8,71% 0,5982 0,0912 0,3106
11 x1 0,0000 0 0,005 20,27% 8,71% 0,5968 0,0917 0,3115
12 x2 0,0000 0 0,01 20,28% 8,72% 0,5950 0,0926 0,3123
13 x3 0,0000 0 0,015 20,29% 8,72% 0,5932 0,0934 0,3134
14 x4 1,0000 0 0,02 20,30% 8,72% 0,5910 0,0943 0,3147
15 Tổng cộng 1,0000 <-- =SUM(B11:B14) 0,025 20,31% 8,73% 0,5885 0,0953 0,3161
16 0,03 20,32% 8,73% 0,5856 0,0965 0,3179
17 Ý nghĩa danh mục đầu tư 11,00% <-- {=MMULT(TRANSPOSE(B11:B14),G3:G6)} 0,035 20,34% 8,74% 0,5821 0,0980 0,3199
18 sigma danh mục đầu tư 94,87% <-- {=SQRT(MMULT(TRANSPOSE(B11:B14),MMULT(B3:E6,B11:B14)))} 0,04 20,37% 8,74% 0,5779 0,0998 0,3224
19 theta -5,27% <-- =(B17-C8)/B18 0,045 20,41% 8,75% 0,5726 0,1019 0,3255
20 0,05 20,46% 8,76% 0,5659 0,1047 0,3294
21 0,055 20,54% 8,78% 0,5572 0,1083 0,3345
22 0,06 20,67% 8,80% 0,5452 0,1133 0,3415
23 0,065 20,90% 8,82% 0,5277 0,1205 0,3518
24 0,07 21,36% 8,87% 0,4992 0,1324 0,3684
25 0,075 23,27% 9,01% 0,4267 0,1630 0,3856
Nếu quy trình trước đó không hoạt động, bạn có thể cần thêm tham chiếu đến Bộ giải trong trình
soạn thảo VBA. Nhấn [Alt] + F11 để đến trình soạn thảo và kiểm tra tài liệu tham khảo.
Machine Translated by Google
345 Danh mục đầu tư hiệu quả mà không cần bán khống
Nếu tham chiếu này bị thiếu, hãy đi tới Công cụ|Tham khảo trên menu VBA và đảm bảo
rằng Bộ giải được chỉ định.
Không cần phải nói rằng Excel và Solver có thể đáp ứng các giới hạn vị trí khác. Ví dụ,
giả sử nhà đầu tư muốn đầu tư ít nhất 5% danh mục đầu tư vào bất kỳ tài sản nào và không
quá 40%.
Machine Translated by Google
346 Chương 12
phần trăm danh mục đầu tư đầu tư vào bất kỳ tài sản nào. Bài toán danh mục đầu tư này có thể dễ dàng thiết
BCDEF G
9
10 Ở đây chúng ta bắt đầu với một danh mục đầu tư khả thi tùy ý và sử dụng Bộ giải
11 x1 0,4000
12 x2 0,2270
13 x3 0,3230
14 x4 0,0500
15 Tổng cộng 1 <-- =SUM(B11:B14)
16
17 Ý nghĩa danh mục đầu tư 9,02% <-- {=MMULT(TRANSPOSE(B11:B14),G3:G6)}
18 Sigma danh mục đầu 23,81% <-- {=SQRT(MMULT(TRANSPOSE(B11:B14),MMULT(B3
tư θ = Theta =
347 Danh mục đầu tư hiệu quả mà không cần bán khống
Không ai có thể khẳng định rằng Excel cung cấp một cách nhanh chóng để giải
quyết việc tối đa hóa danh mục đầu tư, có hoặc không có các ràng buộc bán khống.
Tuy nhiên, nó có thể được sử dụng để minh họa các nguyên tắc liên quan và Bộ
giải Excel cung cấp giao diện trực quan và dễ sử dụng để thiết lập các vấn đề này.
Bài tập
Một. Hãy tính đường biên hiệu quả với giả định rằng không được phép bán khống.
b. Hãy tính đường biên hiệu quả với giả định rằng việc bán khống được cho phép.
BCDEFGH TÔI
Nghĩa là
ABCDEF
3 trả lại
4 MỘT 0,0100 0,0000 0,0000 0,0000 0,0000 0,0000 0,0100
5 B 0,0000 0,0400 0,0000 0,0000 0,0000 0,0000 0,0200
6 C 0,0000 0,0000 0,0900 0,0000 0,0000 0,0000 0,0300
7 D 0,0000 0,0000 0,0000 0,1500 0,0000 0,0000 0,0400
E
số 8 0,0000 0,0000 0,0000 0,0000 0,2000 0,0000 0,0500
9 F 0,0000 0,0000 0,0000 0,0000 0,0000 0,3000 0,0550
Machine Translated by Google
Machine Translated by Google
13 Phương pháp tiếp cận của Black-Litterman để tối ưu hóa danh mục đầu tư
Các chương 8–12 đã trình bày cách tiếp cận cổ điển để tối ưu hóa danh mục đầu tư được Harry
Markowitz giải thích lần đầu tiên vào những năm 1950 và sau đó được Sharpe (1964), Lintner
Một lượng lớn tài liệu học thuật và thực hành (cũng như một số giải thưởng Nobel về kinh tế)
chứng minh tác động của quan điểm mới này đối với việc định giá tài sản và lựa chọn danh mục
đầu tư. Ngày nay, không có cuộc trò chuyện nào về rủi ro của một cổ phiếu mà không đề cập đến
hệ số beta của nó và các cuộc thảo luận về hiệu suất danh mục đầu tư thường xuyên nhắc đến
hệ số alpha (cả hai chủ đề này đều được thảo luận trong Chương 11).
Không quá lời khi nói rằng Markowitz đã thay đổi mô hình quản lý đầu tư. Ngay trước
Markowitz, các nhà đầu tư cá nhân đã biết rằng họ nên “đa dạng hóa” và không nên “bỏ tất cả
trứng vào một giỏ”. Nhưng Markowitz và những người theo ông đã đưa ra ý nghĩa mang tính thống
kê và thực tiễn cho những lời sáo rỗng này. Lý thuyết danh mục đầu tư hiện đại (MPT) đã thay
đổi cách các nhà đầu tư thông minh thảo luận về đầu tư.
Tuy nhiên, MPT đã gây thất vọng. Có thể rút ra khỏi cuộc thảo luận tiêu chuẩn trong sách
giáo khoa về tối ưu hóa danh mục đầu tư với ấn tượng rằng một bộ quy tắc tối ưu hóa cơ học
cố định, kết hợp với một chút kiến thức về sở thích cá nhân, đủ để xác định danh mục đầu tư
tối ưu của nhà đầu tư. Bất cứ ai đã cố gắng thực hiện tối ưu hóa danh mục đầu tư bằng cách sử
dụng dữ liệu thị trường đều biết rằng giấc mơ thường là một cơn ác mộng. Việc áp dụng lý
thuyết danh mục đầu tư tạo ra các danh mục đầu tư cực kỳ phi thực tế với các vị thế bán khống
Vấn đề chính với việc thực hiện tối ưu hóa danh mục đầu tư một cách máy móc là dữ liệu về
lợi nhuận tài sản trong quá khứ tạo ra những dự đoán xấu về lợi nhuận tài sản trong tương lai.
Việc ước tính hiệp phương sai giữa lợi nhuận tài sản và ước tính lợi nhuận kỳ vọng - nền tảng
của lý thuyết danh mục đầu tư - từ dữ liệu lịch sử thường tạo ra những con số không thể tin
được.
1. Có thể cho rằng việc hạn chế bán khống, như chúng tôi đã minh họa ở Chương 12, có thể giải
quyết được một số vấn đề này. Tuy nhiên, những hạn chế về bán khống hạn chế nghiêm trọng
phạm vi tài sản có thể đầu tư. Trong nhiều trường hợp, việc bán khống là do lợi nhuận trước
đây không tốt và không nhất thiết phản ánh lợi nhuận dự đoán trong tương lai; các nhà đầu tư
có thể muốn mua tài sản có những tài sản này bất chấp lịch sử “xấu” của chúng.
Machine Translated by Google
350 Chương 13
Trong Chương 10, chúng ta đã đề cập đến một số vấn đề này trong bối cảnh ước tính
ma trận phương sai-hiệp phương sai. Ở đó chúng tôi đã chỉ ra rằng dữ liệu lịch sử có
thể không phải là cách tốt nhất để ước tính ma trận này; Các phương pháp khác-
đặc biệt là các phương pháp “rút gọn”—có thể tạo ra những ước tính đáng tin cậy hơn
về hiệp phương sai. Trong chương này chúng ta tiến thêm một bước nữa.
Chúng tôi minh họa các vấn đề tối ưu hóa danh mục đầu tư tiêu chuẩn bằng cách sử dụng
vấn đề danh mục đầu tư 10 tài sản. Việc tối ưu hóa MPT cho dữ liệu của chúng tôi tạo
ra một danh mục đầu tư “tối ưu” điên rồ, với nhiều vị thế mua và bán khổng lồ.
Thật không may, các vấn đề về tối ưu hóa danh mục đầu tư được minh họa trong ví dụ của
chúng tôi không phải là bất thường. Việc sử dụng dữ liệu một cách máy móc để tạo ra
danh mục đầu tư “tối ưu” đơn giản là không hiệu quả.2
Năm 1991, Fisher Black và Robert Litterman của Goldman-Sachs đã xuất bản một phương
pháp giải quyết nhiều vấn đề về tối ưu hóa danh mục đầu tư. Black và Litterman bắt
đầu với giả định rằng nhà đầu tư chọn danh mục đầu tư tối ưu của mình trong số một
nhóm tài sản nhất định. Nhóm tài sản này - có thể là Chỉ số Standard & Poor's 500,
Russell 2000, hoặc sự kết hợp của các chỉ số quốc tế - xác định khuôn khổ mà nhà đầu
tư lựa chọn danh mục đầu tư của mình. Tổng thể tài sản của nhà đầu tư xác định danh
Mô hình Black-Litterman lấy điểm khởi đầu là giả định rằng, nếu không có thông tin
bổ sung, điểm chuẩn không thể vượt trội hơn. Giả định này dựa trên nhiều nghiên cứu
cho thấy rằng rất khó để vượt qua một tiêu chuẩn được đa dạng hóa tốt điển hình.3
Trên thực tế, mô hình Black-Litterman làm thay đổi lý thuyết danh mục đầu tư hiện
đại - thay vì nhập dữ liệu và tìm ra danh mục đầu tư tối ưu,
2. Một bài báo gần đây của DeMiguel, Garlappi và Uppal (2007), “Đa dạng hóa tối ưu so với ngây thơ:
Chiến lược danh mục đầu tư 1/N kém hiệu quả như thế nào?” sắp xuất bản trên The
Đánh giá các nghiên cứu tài chính, minh họa việc tối ưu hóa cơ học hoạt động tồi tệ như thế nào.
Các tác giả xem xét phân bổ tối ưu trong số mười danh mục đầu tư ngành. Họ nhận thấy rằng quy
tắc phân bổ danh mục đầu tư đơn giản là đầu tư theo tỷ lệ bằng nhau vào mỗi danh mục đầu tư—bất
kể giá trị thị trường—sẽ tốt hơn các phương pháp tối ưu hóa dựa trên dữ liệu phức tạp hơn.
3. Theo Dịch vụ Phân tích Lipper, “trong mười năm kết thúc vào tháng 6 năm 2000, hơn 80% các quỹ
tương hỗ 'vốn cổ phần chung', nghĩa là các quỹ cổ phần giống vườn, hoạt động kém hiệu quả so
với Chỉ số Standard and Poor's 500 - chuẩn mực chính cho quỹ tương hỗ cổ phiếu” (được trích dẫn
trong http://www.fool.com/Seminars/OLA/2001/Retire1_4C.htm). Hoặc, từ một học giả nổi tiếng: “Các
nhà quản lý đầu tư chuyên nghiệp, cả ở Mỹ và nước ngoài, không vượt trội hơn các tiêu chuẩn chỉ
số của họ” Burton G. Malkiel, “Refl ections on the Effi cient Market Giả thuyết: 30 Năm Sau”.
Tạp chí Francial, Tập. 40, 2005, trang 1–9.)
Machine Translated by Google
351 Phương pháp tiếp cận của Black-Litterman để tối ưu hóa danh mục đầu tư
Cách tiếp cận BL giả định rằng một danh mục đầu tư nhất định là tối ưu và từ giả định này
Vector ngụ ý về lợi nhuận chuẩn dự kiến là điểm khởi đầu của mô hình BL.
Lợi nhuận tài sản ngụ ý BL có thể được hiểu là thông tin của thị trường về lợi nhuận
tương lai của từng tài sản trong danh mục chuẩn.
Nếu nhà đầu tư của chúng ta đồng ý với đánh giá thị trường này thì anh ta đã hoàn thành:
Sau đó anh ta có thể mua chuẩn khi biết rằng đó là mức tối ưu. Nhưng điều gì sẽ xảy ra
nếu anh ta không đồng ý với một hoặc nhiều lợi nhuận ngụ ý? Black và Litterman cho thấy
ý kiến của nhà đầu tư có thể được kết hợp như thế nào vào vấn đề tối ưu hóa để tạo ra
một danh mục đầu tư tốt hơn cho nhà đầu tư.
Trong chương này chúng ta bắt đầu với một minh họa về các vấn đề của MPT.
Sau đó chúng tôi tiếp tục minh họa cách tiếp cận của Black-Litterman.
Chúng tôi bắt đầu với một vấn đề khá ngây thơ nhưng mang tính đại diện: Quỹ Super Duper
đã đặt danh mục đầu tư chuẩn của mình là danh mục đầu tư bao gồm 10 cổ phiếu hàng đầu.
Joanna Roe, nhà phân tích danh mục đầu tư mới của Quỹ Super Duper, đã quyết định sử dụng
lý thuyết danh mục đầu tư để đề xuất việc nắm giữ danh mục đầu tư tối ưu dựa trên tiêu
chuẩn này. Màn hình sau đây cung cấp dữ liệu giá hàng tháng của các cổ phiếu này trong 5
năm kể từ ngày 1 tháng 7 năm 2006 (lưu ý rằng một số hàng đã bị ẩn):
A BC D EFGH I J K L
352 Chương 13
Hàng 3 cung cấp giá trị vốn chủ sở hữu hiện tại của từng cổ phiếu chuẩn và hàng 4 tính tỷ
lệ chuẩn - giá trị vốn chủ sở hữu riêng lẻ chia cho tổng vốn hóa thị trường của chuẩn.
Theo các quy trình được mô tả trong Chương 9 và 10, trước tiên Joanna chuyển đổi dữ liệu
giá thành kết quả trả về và sau đó tính toán ma trận phương sai-hiệp phương sai cho những kết
quả trả về này:
BCDEFGH tôi J K
1 TRẢ LẠI DỮ LIỆU CHO DANH MỤC ĐIỂM CHUẨN SIÊU DUPER
3 Giá trị vốn sở hữu (tỷ USD) 16:85 73,98 15,92 88,37 153,33 65,66 28,16 38,32 79,51 60,9
4 Tỷ lệ điểm chuẩn 2,71% 11,91% 2,56% 14,23% 24,69% 10,57% 4,53% 6,17% 12,80% 9,81%
5
6 Lợi nhuận trung bình -0,87% -0,39% 0,06% 0,30% 6,23% 1,07% 0,82% -0,18% 6,43% 0,03% -0,55% 6,12% 0,75%
7 Trả về sigma 10,78% 8,41% 10,80% 8,71% 9,54% 8,06% 5,54%
số 8
10 Ngày IP
GM HD HPQ -1,18% 6,42% 13,24% -14,79% MO AXP AA -8,42% 4,07% ĐĐ MRK MMM
11 02-07-01 -14,20% -9,11% -0,90% -6,10% -24,37% -1,93% -11,91% 4,10% -10,20% -2,49% -3,59% 6,19% -1,98%
12 01-08-01 -18,03% -14,15% -36,44% -3,77% 4,78% 19,65% 1,84% -22,57% -20,66% -8,77% -3,81% -6,65%
13 4-09-01 20,01% 11,59% -2,25% -6,46% 5,08% 7,39% 2,28% -5,63%
14 1-Tháng 10-01 -11,06% 5,32%
-0,35%
-11,10% -4,05%
2,70%-20,55% 5,66% -3,12% 1,55% 4,46% 6,37% -4,29% 5,91%
15 1-Tháng 11-01 -12,03% -3,32% 21,46% 8,54% -15,83% 5,09% 0,79% 11,19% 17,90% 11,15% -1,58% 8,12% 5,98% 9,83%
16 01-03-12 4,62% 0,52% 7,32% 1,01%
8,94% 2% 17,26% -0,28% 10,09% -8,22% 8,87% 0,66% 0,83% 5,28% -4,22% -13,63% 3,12%
17 02-01-02 -1,91% -1,81% 3,47% 3,90% -9,25% 1,81% -0,78% 3,83% 0,63% -6,29%
61 01-09-05 -5,56% -3,48% -0,54% -3,06% 3,28% 12,70% -1,02% -3,66% 3,05%
62 3-Tháng 10-05 7,33% -2,08% 0,08% -3,24 % 2,12% -0,61% 6,25% 3,63% 3,50%
63 1-Tháng 11-05 2,02% 8,56% 2,70% -6,69% -0,37% -2,51% 3,39% 5,40% 3,77%
64 01-12-05 -3,16% 6,39% 4,16% 3,20% 2,60% 7,58% -0,60% 7,86% -1,26%
65 03-01-06 0,17% -2,97% 10,00% -1,11% 6,32% -8,20% 8,12% -6,32%
66 1-02-06 3,88% 1,18% 1,02% -5,85% -2,81% 2,61% 3,65% 1,06% 1,78%
67 01-03-06 0,71% 5,36% -2,12% 2,00% -2,21% 4,79% 2,15% 2,82%
68 03-04-06 -5,76% 5,03% 4,37% -2,32% 12,11%
69 01-05-06 -4,63% -6,02% -2,20% -1,57%
70 01-06-06 -5,91% -5,07% 9,01% -3,52%
Sử dụng dữ liệu thu nhập, Joanna tính toán ma trận phương sai-hiệp phương sai mẫu của lợi
nhuận vượt trội như minh họa trong Chương 10. Để thực hiện tối ưu hóa danh mục đầu tư, cô ấy
cần dữ liệu về lãi suất tín phiếu: Lãi suất tín phiếu ngày 1 tháng 7 năm 2006 là 4,83% hàng
năm , và 4,83 phần trăm/12 = 0,40 phần trăm hàng tháng. Sử dụng ma trận phương sai-hiệp phương
sai, lãi suất tín phiếu kho bạc và lợi nhuận trung bình lịch sử, cô tính toán danh mục đầu tư
353 Phương pháp tiếp cận của Black-Litterman để tối ưu hóa danh mục đầu tư
rMMM r rMMM r
f = f
rGM r rGM r
f f
rHD r rHD r
,,
[11 1 ,]
... 1 S f
Tổng S 1 f
rMMM r rr MMM f
f
BCDEFGH tôi J K L M
3 Giá trị vốn cổ phần 16,85 73,98 2,71% 15,92 88,37 153,33 65,66 28,16 2,56% 14,23% 38,32 79,51 6,17% 60,9
4 Tỷ lệ điểm chuẩn 11,91% 24,69% 10,57% 4,53% 12,80% 9,81%
5
6 Ma trận phương sai-hiệp phương sai của lợi nhuận vượt mức
Nghĩa là
số 8 GM 0,0116 0,0030 IP 0,0041 0,0013 0,0032 0,0046 0,0018 0,0010 0,0014 -0,87%
9 HD 0,0030 0,0071 0,0023 0,0042 0,0022 0,0033 0,0045 0,0020 0,0002 0,0018 -0,39%
10 IP 0,0023 0,0018 0,0018 0,0031 0,0001 0,0023 0,0043 0,0021 0,0012 0,0016 0,06%
11 HPQ 0,0041 0,0042 0,0039 0,0117 0,0025 0,0048 0,0060 0,0033 0,0019 0,0022 0,30%
12 MO 0,0013 0,0022 0,0031 0,0025 0,0076 0,0016 0,0018 0,0009 0,0007 0,0008 1,07%
13 AXP 0,0032 0,0033 0,0001 0,0048 0,0016 0,0041 0,0037 0,0019 0,0011 0,0014 0,82%
14 AA 0,0046 0,0045 0,0023 0,0060 0,0018 0,0037 0,0091 0,0040 0,0018 0,0024 -0,18%
15 ĐĐ 0,0018 0,0020 0,0043 0,0033 0,0009 0,0019 0,0040 0,0038 0,0016 0,0019 0,03%
16 MRK 0,0010 0,0002 0,0021 0,0019 0,0007 0,0011 0,0018 0,0016 0,0065 0,00 05 -0,55%
17 MMM 0,0014 0,0018 0,0022
0,0012 0,0016 0,0008 0,0014 0,0024 0,0019 0,0005 0,0031 0,75%
18
19 Tỷ giá hối phiếu hiện tại 0,40%
20
21 Danh mục đầu tư “tối ưu”
22 GM 480,2% <-- {=MMULT(MINVERSE(B8:K17),M8:M17-B19)/SUM(MMULT(MINVERSE(B8:K17),M8:M17-B19))}
23 HD 981,8%
24 IP 689,3%
25 HPQ 221,3%
26 MO -263,7%
27 AXP -1763,7%
28 AA -324,5%
29 ĐĐ 528,8%
30 MRK 469,5%
31 MMM -918,9%
32 Tổng tỷ lệ 1 <-- =SUM(B22:B31)
Machine Translated by Google
354 Chương 13
Danh mục đầu tư “tối ưu” được hiển thị trong các ô B22: B31 rõ ràng là không thể triển
khai trên thực tế: Nó chứa quá nhiều vị thế lớn (cả âm và dương). Ví dụ: lưu ý vị thế bán
1763,7 phần trăm trong AXP và vị thế bán 528,8 phần trăm trong DD. Hầu hết các quỹ tương hỗ
đều bị ngăn cản việc nắm giữ các vị thế bán khống, và ngay cả những quỹ bán khống cũng sẽ khó
bán khống gấp 17,63 lần giá trị quỹ trong AXP hoặc 9,19
lần giá trị quỹ tính bằng MMM. Các vị thế mua khổng lồ có được từ các vị thế bán khống này (ví
dụ: 9,82 lần giá trị quỹ đầu tư mua vào HD) cũng không thể thực hiện được.
Ở một khía cạnh nào đó, các vị trí “tối ưu hóa” danh mục đầu tư kỳ lạ đều có thể đoán trước
được. Bảng tính sau đây nêu bật một số đặc điểm đáng lo ngại của dữ liệu có thể giải thích
• Một số lợi nhuận trung bình trong lịch sử là âm. Nếu chúng ta bỏ qua ảnh hưởng của các mối
tương quan, lợi nhuận kỳ vọng âm sẽ hàm ý một vị thế bán khống cổ phiếu. Tuy nhiên, có một
câu hỏi triết học sâu sắc hơn về việc sử dụng lợi nhuận trong quá khứ làm đại diện cho lợi
nhuận kỳ vọng trong tương lai: Mặc dù lợi nhuận trong quá khứ là âm, nhưng không có lý do gì
để cho rằng lợi nhuận kỳ vọng trong tương lai từ một cổ phiếu sẽ âm. Đây là một trong những
vấn đề khi chúng ta sử dụng dữ liệu lịch sử để rút ra những dự đoán về tương lai.
• Mối tương quan giữa lợi nhuận tài sản trong một số trường hợp là rất lớn.
Mối tương quan lớn đối với một cổ phiếu cụ thể có thể khiến chúng ta thích những cổ phiếu khác
có lợi nhuận nhỏ hơn nhưng có mối tương quan vừa phải hơn.
Bảng tính sau đây nêu bật các cổ phiếu có lịch sử tiêu cực
355 Phương pháp tiếp cận của Black-Litterman để tối ưu hóa danh mục đầu tư
MỘT B C D E F G H TÔI J K L
3 Giá trị vốn cổ phần 16,85 73,98 2,71% 15,92 65,66 88,37
2,56% 14,23%
153,33
24,69% 10,57% 28,16 38,32 79,51 6,17% 60,9
4 Tỷ lệ điểm chuẩn 11,91% 4,53% 12,80% 9,81%
5
6 Lợi nhuận trung bình -0,87% -0,39% 0,06% 0,30% 1,07% 0,82% -0,18% 0,03% -0,55% 0,75%
7 Trả về sigma 10,78% 8,41% 6,23% 10,80% 8,71% 6,43% 9,54% 6,12% 8,06% 5,54%
số 8
9
10 GM HD IP HPQ MO AXP AA ĐĐ MRK MMM
11 GM 1,0000 0,3320 0,3459 0,3534 0,1428 0,4676 0,4430 0,2737 0.1109 0,2277 <-- =CORREL($B$24:$B$83,K24:K83)
12 HD 1,0000 0,3512 0,4618 0,3012 0,6061 0,5618 0,3891 0,0260 0,3800 <-- =CORREL($C$24:$C$83,K24:K83)
13 IP 1,0000 0,4580 0,0159 0,5772 0,7181 0,5400 0,2362 0,4575 <-- =CORREL($D$24:$D$83,K24:K83)
14 HPQ 1,0000 0,2682 0,6965 0,5770 0,4924 0,2232 0,3666
15 MO 1,0000 0,2839 0,2145 0,1647 0,0955 0,1645
16 AXP 1,0000 0,6034 0,4855 0,2038 0,3798
17 AA 1,0000 0,6863 0,2294 0,4525
18 ĐĐ 1,0000 0,3287 0,5606
19 MRK 1,0000 0,1079
20 MMM 1,0000
13.2.3 Thay đổi ma trận phương sai-hiệp phương sai thì sao?
Trong Chương 10 chúng ta đã thảo luận về các phương pháp khác nhau để thu gọn ma trận phương
sai-hiệp phương sai. Bạn sẽ nhớ lại “Sự co rút” là một chút thuật ngữ dùng để chỉ sự kết hợp
lồi của ma trận var-cov mẫu với ma trận đường chéo chỉ có các phương sai. Các phương pháp rút
gọn đã được chứng minh là có hiệu quả trong việc cải thiện hiệu suất của danh mục đầu tư có
Liệu việc thu hẹp có giúp chúng tôi giải quyết các vấn đề cực đoan của việc tối ưu hóa
danh mục cổng ngây thơ không? Chúng tôi thực hiện nỗ lực này trong bảng tính tiếp theo, trong
đó các ô B11 : K20 chứa tổ hợp có trọng số của ma trận hiệp phương sai mẫu (B39 : K48) và ma
trận toàn đường chéo chỉ có các phương sai (B52 : K61). Trọng số λ đặt trên ma trận hiệp
Với λ = 0,3, danh mục đầu tư “tối ưu” thực sự chứa ít vị thế mua và bán cực kỳ ít hơn.
Nhưng rõ ràng là sự suy giảm không bao giờ có thể giải quyết được vấn đề cơ bản của dữ liệu—
việc sử dụng lợi nhuận lịch sử âm làm đại diện cho lợi nhuận kỳ vọng sẽ luôn tạo ra một số vị
trí danh mục đầu tư âm trong một trình tối ưu hóa. Đây chính là vấn đề mà Black và Litterman
356 Chương 13
A BC D EFGH I J K L M
DANH MỤC TIÊU CHUẨN SIÊU DUPER--Tối ưu hóa ngây thơ VỚI
3 Giá trị vốn cổ phần 16:85 73,98 15,92 88,37 153,33 65,66 28.16 38,32 79,51 60,9
4 Tỷ lệ điểm chuẩn 2,71% 11,91% 2,56% 14,23% 24,69% 10,57% 4,53% 6,17% 12,80% 9,81%
5
6 Ma trận phương sai-hiệp phương sai của lợi nhuận vượt mức
7 Hệ số co ngót, λ 0,3 <-- Trọng lượng trên ma trận var-cov mẫu
số 8
Ma trận sau đây là sự kết hợp có trọng số của ma trận phương sai-hiệp phương sai mẫu và ma trận đường chéo thuần túy chỉ có phương sai.
9 {=B7*B39:K48+(1-B7)*B52:K61}
Nghĩa là
11 GM 0,0116 0,0009 IP 0,0012 0,0004 0,0010 0,0014 0,0005 0,0003 0,0004 -0,87%
12 HD 0,0009 0,0071 0,0007 0,0013 0,0007 0,0010 0,0014 0,0006 0,0001 0,0005 -0,39%
13 IP 0,0007 0,0006 0,0006 0,0009 0,0000 0,0007 0,0013 0,0006 0,0004 0,0005 0,06%
14 HPQ 0,0012 0,0013 0,0039 0,0117 0,0008 0,0015 0,0018 0,0010 0,0006 0,0007 0,30%
15 MO 0,0004 0,0007 0,0008
0,0009 0,0000 0,0076 0,0005 0,0005 0,0003 0,0002 0,0002 1,07%
16 AXP 0,0010 0,0010 0,0007 0,0015 0,0005 0,0041 0,0011 0,0006 0,0003 0,0004 0,82%
17 AA 0,0014 0,0014 0,0013 0,0018 0,0005 0,0011 0,0091 0,0012 0,0005 0,0007 -0,18%
18 ĐĐ 0,0005 0,0006 0,0006 0,0010 0,0003 0,0006 0,0012 0,0038 0,0005 0,0006 0,03%
19 MRK 0,0003 0,0001 0,0004 0,0006 0,0002 0,0003 0,0005 0,0005 0,0065 0,0001 -0,55%
20 MMM 0,0004 0,0005 0,0005 0,0007 0,0002 0,0004 0,0007 0,0006 0,0001 0,0031 0,75%
21
22 Tỷ giá hối phiếu hiện tại 0,40%
23
24 Danh mục đầu tư “tối ưu”
25 GM 84,3% <-- {=MMULT(MINVERSE(B11:K20),M11:M20-B22)/SUM(MMULT(MINVERSE(B11:K20),M11:M20-B22))}
26 HD 96,4%
27 IP 50,2%
28 HPQ -3,6%
29 MO -76,1%
30 AXP -134,6%
31 AA 32,5%
32 ĐĐ 62,5%
33 MRK 112,1%
34 MMM -123,8%
35 Tổng tỷ lệ 1 <-- =SUM(B25:B34)
36
37 Ma trận phương sai-hiệp phương sai của lợi nhuận vượt mức
38 GM HD IP HPQ MO AXP AA ĐĐ MRK MMM
39 GM 0,0116 0,0030 0,0023 0,0041 0,0013 0,0032 0,0046 0,0018 0,0010 0,0014
40 HD 0,0030 0,0071 0,0018 0,0042 0,0022 0,0033 0,0045 0,0020 0,0002 0,0018
41 IP 0,0023 0,0018 0,0039 0,0031 0,0001 0,0023 0,0043 0,0021 0,0012 0,0016
42 HPQ 0,0041 0,0042 0,0031 0,0117 0,0025 0,0048 0,0060 0,0033 0,0019 0,0022
43 MO 0,0013 0,0022 0,0001 0,0025 0,0076 0,0016 0,0018 0,0009 0,0007 0,0008
44 AXP 0,0032 0,0033 0,0023 0,0048 0,0016 0,0041 0,0037 0,0019 0,0011 0,0014
45 AA 0,0046 0,0045 0,0043 0,0060 0,0018 0,0037 0,0091 0,0040 0,0018 0,0024
46 ĐĐ 0,0018 0,0020 0,0021 0,0033 0,0009 0,0019 0,0040 0,0038 0,0016 0,0019
47 MRK 0,0010 0,0002 0,0012 0,0019 0,0007 0,0011 0,0018 0,0016 0,0065 0,0005
48 MMM 0,0014 0,0018 0,0016 0,0022 0,0008 0,0014 0,0024 0,0019 0,0005 0,0031
49
Ma trận đường chéo thuần túy. Công thức mảng trong các ô tạo ra một ma trận chỉ có phương sai trên đường chéo và bằng 0 ở
50 những nơi khác. {=IF(B51:K51=A52:A61,B39:K48,0)}
51 GM HD HPQ MO AXP AA Đ MRK MMM
52 GM 0,0116 0,0000 IP 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
53 HD 0,0000 0,0071 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
54 IP 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
55 HPQ 0,0000 0,0000 0,0039 0,0117 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
56 MO 0,0000 0,0000 0,0000 0,0000 0,0076 0,0000 0,0000 0,0000 0,0000 0,0000
57 AXP 0,0000 0,0000 0,0000 0,0000 0,0000 0,0041 0,0000 0,0000 0,0000 0,0000
58 AA 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0091 0,0000 0,0000 0,0000
59 ĐĐ 0,0000 0,0000 0,0000
0,0000 0,0000 0,0000 0,0000 0,0000 0,0038 0,0000 0,0000
60 MRK 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0065 0,0000
61 MMM 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0031
Machine Translated by Google
357 Phương pháp tiếp cận của Black-Litterman để tối ưu hóa danh mục đầu tư
13.3 Giải pháp của Black và Litterman cho bài toán tối ưu hóa
Phương pháp Black-Litterman cung cấp giải pháp ban đầu cho vấn đề tối
ưu hóa mà chúng tôi đã trình bày. Phương pháp BL bao gồm hai phần:
Bước 1: Thị trường nghĩ gì? Rất nhiều nghiên cứu tài chính cho thấy rất khó để đánh bại lợi
nhuận của danh mục đầu tư chuẩn. Bước đầu tiên của phương pháp BL lấy nghiên cứu này làm điểm
khởi đầu. Nó giả định rằng điểm chuẩn là tối ưu và thu được lợi nhuận kỳ vọng của từng tài
sản theo giả định này. Nói cách khác, ở Bước 1, chúng tôi tính toán lợi nhuận kỳ vọng của tài
sản sẽ khiến nhà đầu tư chọn điểm chuẩn bằng cách sử dụng các kỹ thuật tối ưu hóa trong Chương
9–11.
Bước 2: Tổng hợp ý kiến nhà đầu tư. Ở Bước 1, Black và Litterman chỉ ra
cách tính lợi nhuận tài sản chuẩn dựa trên giả định về tính tối ưu. Giả
sử nhà đầu tư có quan điểm khác nhau về lợi nhuận kỳ vọng dựa trên thị
trường này. Bước 2 cho thấy cách kết hợp những ý kiến này vào quy trình
tối ưu hóa. Lưu ý rằng—do mối tương quan giữa lợi nhuận của tài sản—ý
kiến của nhà đầu tư về lợi nhuận của bất kỳ tài sản cụ thể nào sẽ ảnh
hưởng đến tất cả lợi nhuận kỳ vọng khác. Một phần quan trọng trong Bước
2 là điều chỉnh tất cả lợi nhuận tài sản theo quan điểm của nhà đầu tư
về bất kỳ lợi nhuận nào.
Một nhà đầu tư tuân theo quy trình Black-Litterman bắt đầu bằng cách xem trọng số
thị trường hàm ý gì đối với lợi nhuận kỳ vọng. Sau đó, anh ta có thể điều chỉnh các
trọng số này bằng cách thêm ý kiến của riêng mình về lợi nhuận kỳ vọng của bất kỳ tài
sản nào. Trong hai phần tiếp theo, chúng ta sẽ thảo luận chi tiết về hai bước này.
Như đã trình bày trong Chương 9, một danh mục đầu tư tối ưu phải giải được phương trình
1
Có hiệu quả Phương sai- Hy vọng
danh mục đầu tư
= hiệp biến e danh mục đầu tư
Ritỷ lệ không có sk
358 Chương 13
Giải phương trình vectơ lợi nhuận kỳ vọng của danh mục đầu tư, biểu
thức này có nghĩa là một danh mục đầu tư hiệu quả phải giải phương trình
sau:
Joanna giả định rằng, trong trường hợp không có bất kỳ kiến thức hoặc
quan điểm bổ sung nào về thị trường, trọng số thị trường hiện tại của
danh mục đầu tư sẽ chỉ ra trọng số hiệu quả. Cô ước tính rằng lợi nhuận
chuẩn dự kiến trong tháng tới sẽ là 1% và sử dụng ước tính này để thiết
lập hệ số chuẩn hóa.4
Giải phần đầu tiên của phương trình sau (không có hệ số chuẩn hóa)
sẽ cho kết quả sau:
A BC D EFGH I J KL M
Không có
yếu tố bình
10 GM HD IP HPQ MO AXP AA ĐĐ MRK MMM thường hóa
11 GM 0,0116 0,0030 0,0023 0,0041 0,0013 0,0032 0,0046 0,0018 0,0010 0,0014 0,27%
12 HD 0,0030 0,0071 0,0018 0,0042 0,0022 0,0033 0,0045 0,0020 0,0002 0,0018 0,0039 0,0031 0,0001 0,0023 0,0043 0,31%
13 IP 0,0023 0,0018 0,0021 0,0012 0,0048 0,0016 0,0041 0,0037 0,0019 0,0011 0,0014 0,18%
14 HPQ 0,0041 0,0042 0,46%
15 MO 0,0013 0,0022 0,31%
16 AXP 0,0032 0,0033 0,27%
17 AA 0,0046 0,0045 0,0043 0,0060 0,0018 0,0037 0,0091 0,0040 0,0018 0,0024 0,37%
18 ĐĐ 0,0018 0,0020 0,0021 0,0033 0,0009 0,0019 0,0040 0,0038 0,0016 0,0019 0,21%
19 MRK 0,0010 0,0002 0,0012 0,0019 0,0007 0,0011 0,0018 0,0016 0,0065 0,0005 0,18%
20 MMM 0,0014 0,0018 0,0016 0,0022 0,0008 0,0014 0,0024 0,0019 0,0005 0,0031 0,16%
21
Kiểm tra: Lợi nhuận kỳ vọng
22 của điểm chuẩn? 0,29% <-- {=MMULT(B7:K7,M11:M20)} Ô M11:M20 chứa công thức mảng
23 {=MMULT(B11:K20,TRANSPOSE(B7:K7)+B3)}
24
Lưu ý rằng với các trọng số ở hàng 7, lợi nhuận chuẩn dự kiến là 0,29%
mỗi tháng so với mức 1% mỗi tháng do Joanne (ô B2) đặt ra. Để đạt được
lợi nhuận chuẩn dự kiến này, chúng tôi nhân hàng 7 với hệ số chuẩn hóa.
4. Một phần trăm mỗi tháng tương đương với việc ước tính điểm chuẩn dự kiến hàng năm
lợi nhuận 12%.
Machine Translated by Google
359 Phương pháp tiếp cận của Black-Litterman để tối ưu hóa danh mục đầu tư
ma trận tỷ lệ
Điểm chuẩn dự kiến lại tỷ giá phi rủi ro
T
Điểm chuẩn Phương sai- Điểm chuẩn Không có rủi ro
+
danh mục đầu tư
hiệp phương sai danh mục đầu tư tỷ lệ
Quy trình này được minh họa trong bảng tính tiếp theo:
A BC D EFGH I J K L M
1
Lợi nhuận kỳ vọng làm cho điểm chuẩn trở nên tối ưu
2 Lợi nhuận chuẩn dự kiến 1,00% <-- =12%/12
3 Tỷ giá hối phiếu hiện tại 0,40%
4
Với
yếu tố bình
10 GM HD IP HPQ MO AXP 0,0023 0,0041 AA ĐĐ MRK MMM thường hóa
11 GM 0,0116 0,0030 0,0013 0,0032 0,0018 0,0042 0,0022 0,0033 0,0046 0,0018 0,0010 0,0014 0,96%
12 HD 0,0030 0,0071 0,0039 0,0031 0,0001 0,0023 0,0031 0,0117 0,0045 0,0020 0,0002 0,0018 1,05%
13 IP 0,0023 0,0018 0,0025 0,0048 0,0043 0,0021 0,0012 0,0016 0,77%
14 HPQ 0,0041 0,0042 0,0060 0,0033 0,0019 0,0022 1,36%
15 MO 0,0013 0,0022 0,0001 0,0025 0,0076 0,0016 0,0018 0,0009 0,0007 0,0008 1,05%
16 AXP 0,0032 0,0033 0,0023 0,0048 0,0016 0,0041 0,0037 0,0019 0,0011 0,0014 0,97%
17 AA 0,0046 0,0045 0,0043 0,0060 0,0018 0,0037 0,0091 0,0040 0,0018 0,0024 1,17%
18 ĐĐ 0,0018 0,0020 0,0021 0,0033 0,0009 0,0012 0,0019 0,0040 0,0038 0,0016 0,0019 0,84%
19 MRK 0,0010 0,0002 0,0019 0,0007 0,0016 0,0022 0,0011 0,0018 0,0016 0,0065 0,0005 0,77%
20 MMM 0,0014 0,0018 0,0008 0,0014 0,0024 0,0019 0,0005 0,0031 0,73%
21
Kiểm tra: Lợi nhuận kỳ vọng Ô M11:M20 chứa công thức mảng
22 của điểm chuẩn? 1,00% <-- {=MMULT(B7:K7,M11:M20)} {=(MMULT(B11:K20,TRANSPOSE(B7:K7))*(B2-
23 B3)/MMULT(B7:K7,MMULT(B11:K20,TRANSPOSE(B7:
24 K7))))+B3}
25
Kiểm tra bổ sung:
35 MRK 12,80%
36 MMM 9,81%
37 Tổng tỷ lệ 100,0% <-- =SUM(B27:B36)
Machine Translated by Google
360 Chương 13
Chúng tôi đã thực hiện kiểm tra bổ sung trong bảng tính bằng cách tìm ra
danh mục đầu tư tối ưu với lãi suất tín phiếu kho bạc hiện tại là 0,40% và
lợi nhuận kỳ vọng ở M11 : M20. Điều này sẽ cung cấp cho chúng ta tỷ lệ điểm
chuẩn ở hàng 7—và đúng như vậy!
Sau khi đưa ra hai giả định—(1) rằng điểm chuẩn có hiệu quả và (2) lợi nhuận
chuẩn dự kiến là 1% mỗi tháng—
Joanna đã tính được lợi nhuận kỳ vọng cho từng thành phần chuẩn (các ô M11 : M20). Bây giờ
chúng tôi đã sẵn sàng giới thiệu quan điểm của Joanna về lợi nhuận tài sản. Ý tưởng sơ bộ là
nếu cô ấy không đồng ý với lợi nhuận thị trường, cô ấy có thể sử dụng quy trình tối ưu hóa từ
Chương 9 để rút ra một danh mục đầu tư có tỷ lệ khác với tỷ lệ của chuẩn.
Tuy nhiên, chúng ta phải cẩn thận: Bởi vì lợi nhuận của tài sản có mối
tương quan với nhau, bất kỳ ý kiến nào của Joanna về lợi nhuận của một tài
sản sẽ chuyển thành ý kiến về tất cả lợi nhuận của tài sản khác. Để minh họa
điểm này, giả sử Joanna nghĩ rằng lợi nhuận của GM sẽ là 1,1% trong tháng tới
thay vì ý kiến thị trường là 0,96%. Sau đó, giả định này chuyển thành hình
ảnh sau:
Machine Translated by Google
361 Phương pháp tiếp cận của Black-Litterman để tối ưu hóa danh mục đầu tư
A BC D EFGH I J K L
ĐIỀU CHỈNH CHUẨN MỰC CHO Ý KIẾN CỦA NHÀ PHÂN TÍCH
Chữ δ được giới thiệu ở cột B của hình trước cho thấy sự sai lệch của
Joanna so với trường hợp cơ bản của Black-Litterman. Trong ví dụ này,
Joanna cho rằng GM sẽ có lợi nhuận hàng tháng cao hơn 0,14% so với lợi
nhuận của thị trường là 0,96% (ô B24). Do có sự đồng phương sai giữa
lợi nhuận tài sản, thay đổi này có nghĩa là lợi tức HD mà cô mong đợi
là 1,11%:
Cov(rHD, GM )
rr
HD,
=+ =
ý kiến điều chỉnh HD, thị trường δGM 1 11%.
Var (rHD )
Machine Translated by Google
362 Chương 13
Cov( rIP, GM )
=+ = rr δ GM 0 86 . %
Var( rIP
IP, IP điều chỉnh theo ý kiến, thị trường
)
và như thế.
Danh mục đầu tư mới được tối ưu hóa được đưa ra trong các ô J24 :
J33. Ý kiến của Joanna về GM đã thay đổi đáng kể cơ cấu danh mục đầu tư
so với tỷ trọng chuẩn của nó (L24 : L33):
JKL
Danh mục đầu tư được tối ưu hóa
Lưu ý rằng quan điểm tích cực của Joanna về lợi nhuận của GM có thể
đoán trước được là đã làm tăng tỷ trọng GM trong danh mục đầu tư của cô
ấy. Nhưng ý kiến về GM cũng đã ảnh hưởng đến tất cả các tỷ trọng danh
mục đầu tư khác - tăng tỷ trọng AXP, giảm tỷ trọng AA, . . . .
Nếu Joanna có hai hoặc nhiều ý kiến thì tình hình sẽ trở nên khó khăn hơn. Ví dụ, giả sử cô ấy
tin rằng lợi nhuận GM sẽ là 1,10% thay vì lợi nhuận thị trường là 0,96% và lợi nhuận HD sẽ là
1% thay vì lợi nhuận thị trường là 1,05%. Sử dụng Bộ giải, chúng ta có thể tìm ra giải pháp
cho δGM và δHD mang lại lợi nhuận được điều chỉnh theo ý kiến là 1,10% cho GM và 1,00% cho HD:
Machine Translated by Google
363 Phương pháp tiếp cận của Black-Litterman để tối ưu hóa danh mục đầu tư
Chúng tôi đã đạt được kết quả này bằng cách sử dụng Bộ giải:
Lưu ý Người đọc có khuynh hướng triết học có thể sẽ hỏi “ý kiến” thực sự là gì. Trong ví dụ này, chúng tôi
đã giới hạn vùng đồng bằng chỉ có GM và HD. Tuy nhiên, giả sử chúng ta cho phép delta đối với các tài sản
khác; thì chúng ta nhận được cả một nhóm “ý kiến” phù hợp với yêu cầu có E(rGM) = 1,10 phần trăm và E(rHD)
= 1,00 phần trăm. Ví dụ: nếu chúng tôi sẵn sàng cho phép ds đối với tất cả nội dung, chúng tôi có thể yêu
cầu Solver đưa ra một tập hợp tối thiểu các ý kiến khác nhau ( ) mang lại cho Joanna hai lợi nhuận kỳ vọng
cho GM và HD:
34
35 Tổng các delta bình phương 4.32684E-06 <-- {=SUM(B24:B33^2)}
Machine Translated by Google
364 Chương 13
Trong clip bảng tính trước, chúng tôi đã giải các delta bình phương tối thiểu đưa ra các
Chúng ta có thực sự tin vào ý kiến của chính mình không? Chúng ta có thực sự tin tưởng vào
điều chúng ta tin tưởng không? Có cả một lý thuyết về sự điều chỉnh theo kiểu Bayes đối
với niềm tin của chúng ta, được trình bày trong Theil (1971).6 Ứng dụng cho mô hình port-
folio có thể được tìm thấy trong Black and Litterman (1991) và các tài liệu liên quan
khác. Tác giả này nhận thấy những bài viết này cực kỳ phức tạp và khó thực hiện. Một cách
tiếp cận đơn giản hơn cho câu hỏi về độ tin cậy là hình thành một danh mục đầu tư dựa
trên sự kết hợp lồi của trọng số thị trường và trọng số được điều chỉnh theo quan điểm:
trong đó γ là mức độ tin cậy của chúng ta đối với ý kiến của mình. Đây là một ứng dụng
A BC D EFGH I K L
Lợi nhuận chuẩn dự kiến, không ý kiến, điều chỉnh điểm chuẩn được chuẩn, không
23 có ý kiến đồng bằng theo ý kiến tối ưu hóa có ý kiến
24 0,96% 0,17% 1,10% <-- {=A24:A33+MMULT(B56:K65,B24:B33)} 8,32% GM 2,71%
25 1,05% -0,12% 1,00% 3,52% HD 11,91%
26 0,77% 0,00% 0,82% 7,13% IP 2,56%
27 1,36% 0,00% 1,37% 11,25% HPQ 23,56% 14,23%
28 1,05% 0,00% 1,05% Ô J24:J33 chứa mảng MO 16,41% AXP 24,69%
công thức
29 0,97% 0,00% 1,01% 2,07% AA 7,72% 10,57%
{=MMULT(MINVERSE(B11:K20),D2
30 1,17% 0,00% 1,20% 4:D33-
DD 4,53%
31 0,84% 0,00% 0,86% 6,17%
B3)/SUM(MMULT(MINVERSE(B11:K
32 0,77% 0,00% 0,79% 20),D24:D33-B3))} 11,53% MRK 12,80%
33 0,73% 0,00% 0,74% 8,50% MMM 9,81%
34
35 γ, độ tin cậy của ý kiến 36 0,60 <- Trọng số gắn liền với ý kiến chuyên gia
5. Lưu ý rằng vectơ delta này không phải là duy nhất. Nếu chúng ta thay thế ô B35 bằng tổng các
giá trị tuyệt đối của delta, chúng ta sẽ có được một tập hợp delta khác (xem bài tập của
chương này).
6. Theil, Henri. 1971. Nguyên lý kinh tế lượng. New York: Wiley và các con trai.
Machine Translated by Google
365 Phương pháp tiếp cận của Black-Litterman để tối ưu hóa danh mục đầu tư
Chúng tôi kết thúc chương này bằng cách triển khai mô hình BL về dữ liệu cho
năm chỉ số quốc tế.7 Bảng tính sau đây cung cấp dữ liệu về năm chỉ số thị
trường chứng khoán thế giới chính:
1. S&P 500, chỉ số giá trị gia quyền của 500 cổ phiếu lớn nhất Hoa Kỳ.
2. Chỉ số MSCI Thế giới ngoài Hoa Kỳ: Chỉ số Thế giới ngoài Hoa Kỳ của Morgan
Stanley Capital (MSCI) bao gồm 21 quốc gia phát triển tính theo GDP bình quân
đầu người.
3. Chỉ số Russell 2000: Chỉ số Russell 3000 được tính theo trọng số vốn hóa thị trường và
chiếm khoảng 98% thị trường có thể đầu tư của Hoa Kỳ. Chỉ số Russell 2000 bao gồm 2.000 công
4. Chỉ số Thị trường mới nổi của MSCI: Chỉ số Thị trường mới nổi của Morgan
Stanley Capital International (MSCI) bao gồm các chỉ số cho 26 nền kinh tế mới
nổi.
5. Chỉ số tổng hợp toàn cầu LB: Chỉ số Lehman Brothers này bao gồm phần có
tính thanh khoản cao nhất của thị trường trái phiếu lãi suất cố định cấp độ
đầu tư toàn cầu, bao gồm chứng khoán chính phủ, tín dụng và chứng khoán thế chấp.
MSCI
Russell MSCI LB toàn cầu Tiêu chuẩn
Tương quan S&P 500 Cựu thế giới Cân nặng
2000 Mới nổi Tổng hợp sự lệch lạc
CHÚNG TA
3
4 S&P 500 1,0000 0,8800 0,8400 0,8100 -0,1600 24% 14,90%
5 MSCI World cũ của Mỹ 0,8800 1,0000 0,8300 0,8700 0,0700 26% 15,60%
6 Russell 2000 0,8400 0,8300 1,0000 0,8300 -0,1400 3% 19,20%
7 MSCI mới nổi 0,8100 0,8700 0,8300 1,0000 -0,0500 3% 21,00%
số 8
Tổng hợp toàn cầu LB -0.1600 0,0700 -0,1400 -0,0500 1,0000 44% 5,80%
9 100%
Cột H cung cấp trọng số của chỉ số trong danh mục đầu tư tổng hợp tính đến cuối
tháng 12 năm 2005 và cột I cung cấp độ lệch chuẩn của từng thành phần chỉ số.
7. Tôi cảm ơn Steven Schoenfeld của Northern Trust đã cung cấp cho tôi dữ liệu và một số
gợi ý.
Machine Translated by Google
366 Chương 13
Đầu tiên chúng ta sử dụng các hàm mảng Excel kỳ diệu (xem Chương 34) để
tính ma trận phương sai-hiệp phương sai cho năm chỉ số:
MỘT B C D E FG H
12 {=I4:I8*TRANSPOSE(I4:I8)*B4:F8}
MSCI
Phương sai-hiệp phương sai Russell MSCI LB toàn cầu
S&P 500 Cựu thế giới
ma trận 2000 Mới nổi Tổng hợp
13 CHÚNG TA
σ SP 500
σ Thế Giới MSCI
σ Russell 2000 [
σσSP 500 Thế Giới MSCI σ Russell 2000 σ MSCI mới nổi σ LB toàn cầu ]
σ MSCI mới nổi
σ LB toàn cầu
Mà—trong thế giới tuyệt vời của các hàm mảng—đưa ra một ma trận hiệp phương sai:
σ LB Toàn cầuσSP 500 σ LB Toàn cầu MSCI Thế giớiσ … … σ LB2 toàn cầu
Machine Translated by Google
367 Phương pháp tiếp cận của Black-Litterman để tối ưu hóa danh mục đầu tư
• Nhân số trước với ma trận tương quan B4 : F8 ta được ma trận phương sai - hiệp phương
sai.
Ở hàng 21 và 22, chúng tôi thực hiện hai kiểm tra tính toán của mình: Hàng
21 chứa các phép tính mạnh mẽ của hàng đầu tiên của ma trận phương sai-hiệp
phương sai—chỉ để đảm bảo công thức mảng của chúng tôi hoạt động như quảng
cáo. Trong ô B22, chúng tôi tính toán độ lệch chuẩn của danh mục năm chỉ số
bằng cách sử dụng trọng số tương đối của chúng.
A BCDE F
25 Lãi suất phi rủi ro 5,00%
Lợi nhuận kỳ vọng trên
26 S&P 500 12,00%
27
28 Black-Litterman ngụ ý lợi nhuận
29 S&P 500 12,00% <-- {=MMULT(B14:F18,H4:H8)*(B26-
30 MSCI World ex-US B12)/INDEX((MMULT(B14:F18,H4:H8)),1,1)+B12} 13,66%
31 Russell 2000 14,22%
32 MSCI Mới Nổi 16,20%
33 LB tổng hợp toàn cầu 1,30%
Lợi nhuận kỳ vọng ngụ ý của Black-Litterman dựa trên ba giả định:
• Danh mục đầu tư có trọng số của năm chỉ số là tối ưu về phương sai trung bình.
Với những giả định này, lợi nhuận kỳ vọng của danh mục đầu tư năm chỉ số được đưa ra
trong các ô B29 : B33. Lưu ý công thức mảng được đưa ra trong các ô này:
=
MMULT(B14:F18,H4:H8) (B26-B12)/INDEX
((MMULT(B14:F18,H4:H8)),1,1) B12 +
Công thức này sử dụng lợi nhuận kỳ vọng của S&P 500 để bình thường hóa
lợi nhuận. Nó tương đương với
Machine Translated by Google
368 Chương 13
= danh mục
tỷđầu
lệ tư hiệp phương sai
ma trận
ma trận tỷ trọng
S
Nếu chúng ta tin rằng danh mục đầu tư thế giới là hiệu quả (và do không có thêm thông tin
nên có rất ít lý do để tin vào điều ngược lại), thì lợi nhuận dự kiến từ mỗi thành phần của
nó được đưa ra bởi mô hình Black-Litterman, bởi rủi ro- suất tự do và bằng một giả định bổ
sung về lợi nhuận kỳ vọng (trong trường hợp của chúng tôi là lợi nhuận kỳ vọng của chỉ số
S&P 500). Các bài tập trong chương này khám phá một số biến thể khác của giả định sau.
Việc áp dụng lý thuyết danh mục đầu tư không chỉ đơn thuần là sử dụng dữ liệu lịch sử thị
trường để rút ra hiệp phương sai và lợi nhuận kỳ vọng. Việc áp dụng dữ liệu mẫu một cách mù
quáng để rút ra danh mục đầu tư tối ưu (như trong phần 13.2) thường dẫn đến những kết quả
vô lý. Cách tiếp cận của Black-Litterman giải quyết những điều phi lý này bằng cách trước
tiên giả định rằng - trong trường hợp không có ý kiến của các nhà phân tích và thông tin
khác - trọng số thị trường chuẩn và lãi suất phi rủi ro hiện tại dự đoán chính xác lợi nhuận
tài sản trong tương lai. Lợi nhuận tài sản thu được sau đó có thể được điều chỉnh theo quan
điểm và độ tin cậy trong quan điểm để có được danh mục đầu tư tối ưu.
Machine Translated by Google
369 Phương pháp tiếp cận của Black-Litterman để tối ưu hóa danh mục đầu tư
Bài tập
1. Bạn đã quyết định tạo chỉ số của riêng mình về các thành phần có hệ số beta cao của Chỉ số Công nghiệp
Dow-Jones 30. Sử dụng công cụ sàng lọc chứng khoán của Yahoo, bạn có được dữ liệu sau.
Người Mỹ
3M Người Mỹ Hewlett Trang chủ
Rượu Quốc tế sâu bướm Dupont Exxon Honeywell Intel McDonalds Merck
Công ty Thể hiện Packard kho chứa IBM
AA Nhóm CON MÈO ĐĐ XOM HƠN INTC MCD MRK
MMM AXP HPQ HD
AIG
2
3 Vốn hóa thị trường ($B) 65,66 39/11 77,91 180,72 55,7 49,08 519,89 126,75 78,37 47,55 146,76 172.03 62,88 106,93
4 bản thử nghiệm 1,07 1,37 1,06 1.17 1,98 1,06 1.13 1.6 1.2 1.3 1.9 1,81 1,37 1.16
5
6 Giá cổ phiếu
7 2-07-02 56,69 24,41 29,46 61,98 20,21 35,54 32,85 13,22 29,07 28,77 17,76 67,04 22,57 38,95
số 8
01-08-02 56,56 22,64 30,12 60,89 19,73 34,46 31,88 12,54 31,00 26,78 15,78 71,94 21,67 39,67
9 3-09-02 49,78 17,41 26,05 53,08 16,83 30,84 28,69 10,96 24,61 19,37 13,14 55,65 16,11 36,16
10 1-Tháng 10-02 57,47 19,91 30,46 60,70 18,64 35,27 30,27 14,84 27,23 21,41 16,37 75,34 16,52 42,91
64 02-04-07 82,31 35,32 60,52 69,75 72,32 48,81 79,04 42,07 37,66 53,95 21,39 101,81 48,28 51.06
65 01-05-07 87,96 41,28 64,82 72,34 78,25 52,32 83,17 45,63 38,65 57,91 22,18 106,60 50,55 52.06
66 07-06-01 86,79 40,53 61,03 70,03 77,97 50,84 83,88 44,62 39,35 56,28 23,74 105,25 50,76 49,80
67 2-07-07 90,21 43.08 64,51 69,04 83,20 52,62 91,94 48,54 39,39 60,96 24:55 114,81 52.09 49.02
Một. Tính toán ma trận phương sai-hiệp phương sai của lợi nhuận.
b. Giả sử rằng lãi suất phi rủi ro là 5,25% hàng năm (= 5,25%/12 = 0,44% hàng tháng) và lợi
nhuận hàng năm của chỉ số beta cao dự kiến là 12% (= 1% hàng tháng), hãy tính tỷ lệ dự kiến
hàng tháng của Black-Litterman sinh lời cho mỗi cổ phiếu.
2. Bạn là nhà phân tích đang đầu tư vào danh mục DJ30 beta cao từ bài tập trước. Bạn tin rằng lợi
nhuận hàng tháng của MMM sẽ là 1%. Tỷ lệ danh mục đầu tư tối ưu được đề xuất của bạn là gì?
3. Một nhà phân tích khác tin rằng HD sẽ chỉ mang lại lợi nhuận 0,5% mỗi tháng trong năm tới. Tỷ
lệ danh mục đầu tư được đề nghị của cô ấy là gì?
Machine Translated by Google
Machine Translated by Google
Nghiên cứu sự kiện là một trong những ứng dụng mạnh mẽ và được sử dụng rộng rãi nhất của mô
hình định giá tài sản vốn (CAPM) được thảo luận trong Chương 8–11. Nghiên cứu sự kiện là một nỗ
lực nhằm xác định liệu một sự kiện cụ thể trên thị trường vốn hoặc trong hoạt động của một công
ty có ảnh hưởng đến hiệu suất thị trường chứng khoán của công ty hay không. Phương pháp nghiên
cứu sự kiện nhằm mục đích tách các sự kiện cụ thể của công ty khỏi các sự kiện cụ thể của thị
trường và ngành và thường được sử dụng làm bằng chứng ủng hộ hoặc chống lại hiệu quả thị
trường.
Nghiên cứu sự kiện nhằm mục đích xác định liệu một sự kiện hoặc thông báo có gây ra biến
động bất thường về giá cổ phiếu của công ty hay không. Lợi nhuận bất thường (AR) được tính bằng
chênh lệch giữa lợi nhuận thực tế của cổ phiếu và lợi nhuận kỳ vọng của nó, trong đó lợi nhuận
kỳ vọng của cổ phiếu thường được đo lường bằng mô hình thị trường, chỉ dựa vào chỉ số thị
trường của cổ phiếu để ước tính lợi nhuận kỳ vọng của nó. 2 Sử dụng mô hình thị trường có thể
đo lường mối tương quan giữa lợi nhuận của một cổ phiếu riêng lẻ và lợi nhuận thị trường tương
ứng của nó. Trong một số trường hợp, chúng tôi tính tổng lợi nhuận bất thường để đạt được lợi
nhuận bất thường tích lũy (CAR), đo lường tác động tổng thể của một sự kiện trong một khoảng
thời gian cụ thể, còn được gọi là khoảng thời gian sự kiện.
Trong phần này chúng tôi phác thảo phương pháp luận của một nghiên cứu sự kiện. Trong các phần
tiếp theo, chúng tôi áp dụng phương pháp này cho một số vấn đề khác nhau.
các trường hợp.
Một nghiên cứu sự kiện bao gồm ba khung thời gian: khoảng thời gian ước tính (đôi khi được
gọi là khoảng thời gian kiểm soát), khoảng thời gian sự kiện và khoảng thời gian sau sự kiện.
Biểu đồ sau đây minh họa các khung thời gian này:
1. Chương này được đồng tác giả với Torben Voetmann (tvoetmann@cornerstone.com) của
Nghiên cứu nền tảng.
2. Lợi nhuận bất thường còn được gọi là lợi nhuận thặng dư và cả hai thuật ngữ này được sử dụng thay thế cho
372 Chương 14
T0 T1 T1 +1 0 T2 T2 +1 T3
Ngày bắt đầu cho Ngày kết thúc cho Ngày bắt đầu cho Ngày kết thúc cho
Ngày bắt đầu cho Sự kiện Ngày kết thúc
ước lượng ước lượng sau sự việc sau sự việc
cửa sổ sự kiện ngày của cửa sổ sự kiện
cửa sổ cửa sổ cửa sổ cửa sổ
2. “Hiệu ứng sau thông báo”: Thị trường mất bao lâu để tiếp
thu thông tin sự kiện.
Dòng thời gian minh họa trình tự thời gian của một sự kiện. Độ dài của cửa sổ ước tính (còn
được gọi là khoảng thời gian kiểm soát) được biểu thị lại là T0 đến T1. Sự kiện xảy ra tại
thời điểm 0 và cửa sổ sự kiện được biểu thị bằng T1 + 1 đến T2. Độ dài của cửa sổ sau sự kiện
Một sự kiện được định nghĩa là thời điểm công ty đưa ra thông báo hoặc khi một sự kiện thị
trường quan trọng xảy ra. Ví dụ, nếu chúng ta đang nghiên cứu tác động của việc mua bán và
sáp nhập lên thị trường chứng khoán thì ngày thông báo thường là điểm cần quan tâm. Nếu chúng
ta đang xem xét cách thị trường phản ứng với việc điều chỉnh lại thu nhập, thì khoảng thời
gian sự kiện sẽ bắt đầu vào ngày công ty công bố điều chỉnh lại thu nhập của mình.
Một thông lệ phổ biến là mở rộng ngày diễn ra sự kiện thành hai ngày giao dịch, ngày diễn ra
sự kiện và ngày giao dịch tiếp theo. Điều này được thực hiện để nắm bắt diễn biến thị trường
nếu sự kiện được công bố ngay trước khi thị trường đóng cửa hoặc sau khi thị trường đóng cửa.
Khoảng thời gian sự kiện thường bắt đầu vài ngày giao dịch trước ngày diễn ra sự kiện thực
tế. Độ dài của cửa sổ sự kiện tập trung vào thông báo và thường là ba, năm hoặc mười ngày.
Quy trình này cho phép chúng tôi điều tra sự cố rò rỉ thông tin. Khoảng thời gian sau sự kiện
thường được sử dụng để điều tra hiệu quả hoạt động của một công ty sau các thông báo như mua
Cửa sổ ước tính cũng được sử dụng để xác định hành vi bình thường
lợi nhuận của một cổ phiếu so với chỉ số thị trường hoặc chỉ số ngành. Việc ước tính lợi
nhuận của cổ phiếu trong cửa sổ ước tính đòi hỏi chúng ta phải xác định
Machine Translated by Google
một mô hình hành vi “bình thường”: Chúng tôi thường sử dụng mô hình hồi quy cho
Độ dài thông thường của khoảng thời gian ước tính là 252 ngày giao dịch (hoặc
một năm dương lịch), nhưng không phải lúc nào bạn cũng có nhiều ngày như vậy
trong mẫu của mình. Nếu không, bạn cần xác định xem số lượng quan sát bạn có có
đủ để tạo ra kết quả chắc chắn hay không. Theo hướng dẫn, bạn nên có tối thiểu
126 quan sát; nếu bạn có ít hơn 126 quan sát trong cửa sổ ước tính, có thể các
thông số của mô hình thị trường sẽ không chỉ ra những biến động giá cổ phiếu
thực sự và do đó không chỉ ra mối quan hệ giữa lợi nhuận cổ phiếu và lợi nhuận
thị trường. Khoảng thời gian ước tính mà bạn chọn được cho là khoảng thời gian
không có bất kỳ vấn đề nào—nghĩa là khoảng thời gian phản ánh biến động giá
Khoảng thời gian sau sự kiện cho phép chúng ta đo lường tác động lâu dài của
sự kiện. Khoảng thời gian sau sự kiện có thể ngắn nhất là một tháng và dài nhất
14.2.1 Đo lường hành vi của cổ phiếu trong Cửa sổ ước tính và Cửa sổ sự kiện
Đúng như tên gọi của nó, cửa sổ ước tính được sử dụng để ước tính mô hình lợi nhuận của cổ
phiếu trong các trường hợp “bình thường”. Phổ biến nhất
mô hình được sử dụng cho mục đích này là mô hình thị trường, về cơ bản là sự hồi
quy của lợi nhuận cổ phiếu và lợi nhuận của chỉ số thị trường.4 Mô hình thị
trường cho một cổ phiếu i có thể được biểu diễn dưới dạng
r = + α
nó tôi β tôi là Mt
Ở đây rit và rMt đại diện cho cổ phiếu và lợi nhuận thị trường vào ngày t. Các
hệ số ai và bi được ước tính bằng cách chạy hồi quy bình phương nhỏ nhất thông
Tiêu chí phổ biến nhất để lựa chọn chỉ số thị trường và ngành là liệu công ty
có được niêm yết trên NYSE/AMEX hay Nasdaq hay không và liệu có bất kỳ hạn chế
nào được áp đặt bởi tính sẵn có của dữ liệu hay không. Nói chung, chỉ số thị
trường phải là chỉ số gia quyền theo giá trị trên diện rộng hoặc chỉ số thả nổi.
3. Mô hình hồi quy tương tự như mô hình hồi quy lần đầu được thảo luận ở Chương 11. Xem
thảo luận thêm sau đó.
4. Các nhà kinh tế tài chính thường sử dụng mô hình thị trường để ước tính lợi nhuận kỳ
vọng của một chứng khoán, mặc dù đôi khi họ sử dụng mô hình điều chỉnh thị trường hoặc
mô hình thị trường hai yếu tố. Một ví dụ về mô hình hai yếu tố sẽ được trình bày ở phần 14.5.
Machine Translated by Google
374 Chương 14
chỉ số có trọng số. Chỉ số ngành phải cụ thể đối với công ty đang được
phân tích. Vì mục đích kiện tụng, người ta thường xây dựng chỉ số ngành
thay vì sử dụng các chỉ số S&P 500 hoặc MSCI thay thế (hầu hết các chỉ
số ngành đều có sẵn trên Yahoo).5
Với phương trình rit = ai + birMt trong cửa sổ ước tính, giờ đây chúng ta
có thể đo lường tác động của một sự kiện đến lợi nhuận của cổ phiếu trong
cửa sổ sự kiện. Đối với một ngày cụ thể t trong cửa sổ sự kiện, chúng tôi
xác định lợi nhuận bất thường (AR) của cổ phiếu là chênh lệch giữa lợi nhuận
thực tế của nó và lợi nhuận được dự đoán bởi phương trình
AR Nó
= nó α Mtβ r )
+i (i
Chứng khoán thực tế
Nốt Rê
lần lượt dự đoán
trở lại trong sự kiện
bởi lợi nhuận của α ,
ngày cửa sổ t
β ,cổ phiếu và thị trường
Chúng tôi giải thích lợi nhuận bất thường trong thời gian sự kiện là
thước đo tác động của sự kiện đó lên giá trị thị trường của chứng khoán.
Cách giải thích này giả định rằng sự kiện này là ngoại sinh đối với sự
thay đổi giá trị thị trường của chứng khoán.
Lợi nhuận bất thường tích lũy (CAR) là thước đo tổng lợi nhuận bất
thường trong khoảng thời gian sự kiện. Biến CARt là tổng của tất cả các
khoản lợi nhuận bất thường từ đầu cửa sổ sự kiện T1
cho đến một ngày cụ thể t trong cửa sổ:
XE ARt =
=
1 Tj +
j 1
Như đã đề cập trước đây, bạn có thể sử dụng một số mô hình thay thế để tính
toán lợi nhuận kỳ vọng của chứng khoán. Mô hình điều chỉnh theo thị trường
có thiết kế đơn giản nhất và thường được sử dụng để có ấn tượng đầu tiên về
biến động giá cổ phiếu. Khi sử dụng mô hình điều chỉnh theo thị trường, bạn
tính toán lợi nhuận bất thường bằng cách lấy chênh lệch giữa lợi nhuận thực tế của
5. Yahoo có lẽ không phải là nguồn dữ liệu chỉ mục tốt nhất (mặc dù nó miễn phí!). Nguồn
dữ liệu ngành được sử dụng rộng rãi là Bloomberg. Một nguồn dữ liệu danh mục đầu tư
ngành miễn phí tuyệt vời có sẵn từ Fama-Pháp tại http://mba.tuck.dartmouth.edu/pages/faculty/
ken.french/data_library.html.
Machine Translated by Google
sự an toàn và lợi nhuận thực tế của chỉ số thị trường. Do đó không cần phải chạy hồi quy OLS
để ước tính các tham số. Trên thực tế, tất cả những gì bạn cần là lợi nhuận tại thời điểm
diễn ra sự kiện. Tuy nhiên, khi kiểm tra lợi nhuận bất thường về ý nghĩa thống kê, bạn vẫn
cần thu thập lợi nhuận trong khoảng thời gian ước tính.
Mô hình hai yếu tố so sánh lợi nhuận từ thị trường và ngành. Bạn tính toán lợi nhuận kỳ
vọng của cổ phiếu bằng cách sử dụng các thông số từ hồi quy lợi nhuận thực tế so với lợi
nhuận thị trường và lợi nhuận của ngành trong khoảng thời gian ước tính. Lợi nhuận của ngành
được đưa vào chủ yếu để tính đến các thông tin cụ thể của ngành bên cạnh thông tin cụ thể của
thị trường. Để tính lợi nhuận bất thường, bạn trừ khỏi lợi nhuận thực tế phần có thể được
giải thích bởi thị trường và phần có thể được giải thích bởi ngành. Mô hình hai yếu tố được
Như Brown và Warner (1985) đã chỉ ra, kết quả của một mẫu lớn các sự kiện không đặc biệt
nhạy cảm với việc bạn lựa chọn mô hình ước lượng.
Tuy nhiên, nếu bạn đang xử lý một mẫu nhỏ, bạn nên khám phá các mô hình thay thế.
14.3 Nghiên cứu sự kiện ban đầu: Procter & Gamble mua Gillette
Vào ngày 28 tháng 1 năm 2005, Procter & Gamble thông báo đấu thầu Công ty Gillette. Như có
thể thấy trong thông cáo báo chí ở trang 379, giá thầu đã định giá Gillette cao hơn 18% so
với giá thị trường. Đúng như dự đoán, giá thầu đã có tác động đáng kể đến giá cổ phiếu của
Gillette:
Machine Translated by Google
376 Chương 14
$50
$45
$40
Công ty Gillette
$35
$30
30/6/2004 23/8/2004 17/10/2004 11/12/2004 4/2/2005 31/3/2005 25/5/2005 19/7/2005 12/9/2005 6/11/2005 31/12/2005
Từ biểu đồ, có vẻ như giá của Procter & Gamble cũng đã giảm.
Chúng tôi sẽ thử thực hiện một nghiên cứu sự kiện để đánh giá tác động của thông báo tiếp
quản đối với lợi nhuận của Gillette và Procter & Gamble. Chúng tôi trước
xác định khoảng thời gian sự kiện là 252 ngày giao dịch trước hai ngày trước
thông báo vào ngày 28 tháng 1 năm 2005:
Machine Translated by Google
MỘT B C DE F G
VÀ CỬA SỔ SỰ KIỆN
1
2 Đánh chặn < 0,0007 -- =INTERCEPT($C$11:$C$262,$B$11:$B$262)
3 Dốc < 0,6364 -- =SLOPE($C$11:$C$262,$B$11:$B$262)
4 bình phương R < 0,1315 -- =RSQ($C$11:$C$262,$B$11:$B$262)
5 Steyx < 0,0113 -- =STEYX($C$11:$C$262,$B$11:$B$262)
6
Số ngày ước tính
7 cửa sổ 252 <-- =COUNT(A11:A262)
số 8
9 CỬA SỔ SỰ KIỆN
Tích lũy
Lợi nhuận Lợi nhuận bất
Ngày NYSE Gillette bất thường
kỳ vọng thường (AR)
10 trả lại (CAR)
11 27-01-04 -0,48% -0,42%
12 28-01-04 -1,26% -1,27%
13 29-01-04 0,00% -0,94%
=$B$2+$B$3*B263
14 30-01-04 -0,06% -1,39%
15 02-02-04 0,26% -0,74%
258 19-01-05 -0,78% -0,09%
Ô E263 chứa công thức =C263-
259 20-01-05 -0,69% -0,56% D263
260 21-01-05 -0,20% -1,50%
261 24-01-05 -0,18% 0,57%
262 25-01-05 0,21% 1,44%
263 26-01-05 0,68% 0,07% 0,50% -0,44% -0,44% <-- =E263
264 27-01-05 0,04% 1,89% 0,09% 1,80% 1,36% <-- =F263+E264
265 28-01-05 -0,24% 12,94% -0,09% 13,03% 14,39% <-- =F264+E265
266 31-01-05 0,82% -1,71% 0,59% -2,30% 12,09%
267 1-02-05 0,80% -0,83% 0,57% -1,40% 10,69%
268 02-02-05 0,32% 0,80% 0,27% 0,52% 11,21%
269 3-02-05 -0,29% -0,59%
270 05-02-04 0,97% -1,29%
271 16%
7-02-05 -0,23% -0,38%
272 8-02-05 0,09% -0,75%
Lợi nhuận kỳ vọng
273 14%
9-02-05 -0,63% -1,20%
Lợi nhuận bất thường (AR)
274 10-02-05 0,68% 0,37% 1,68%
275 11-02-05
12% Lợi nhuận bất0,71%
thường tích lũy (CAR)
1,58%
276 14-02-05 0,26% 0,67%
277 15-02-05
10% 0,32% 1,68%
278 16-02-05 0,04% -0,41%
279 17-02-05
8% -0,47% 0,18%
280 18-02-05 0,21% 0,10%
281 22-02-05 -1,05% -1,82%
6%
282 23-02-05 0,45% 2,05%
283 24-02-05 0,55% 0,81%
4%
284 25-02-05 1,08% 0,57%
285 28-02-05 -0,55% -2,33%
2%
286 01-03-05 0,41% 1,19%
287
288 0%
26/0105
27/0105
28/0105
2 tháng 2 năm 05
31/0105
1 tháng 2 năm 05
289
290 -2%
291
292 -4%
293
294
Machine Translated by Google
378 Chương 14
Kết quả hồi quy chỉ ra hành vi bình thường của Gillette trong cửa sổ ước lượng:
Hàm Steyx đo lường sai số chuẩn của các giá trị y được dự đoán hồi quy. Trong tiểu mục
tiếp theo, chúng tôi sẽ trình bày cách sử dụng giá trị này để đo lường mức độ quan trọng
Chúng tôi xác định khoảng thời gian sự kiện là hai ngày trước và ba ngày sau thông báo.
Để đo lường tác động của hiệu ứng thông báo trong cửa sổ sự kiện, chúng tôi sử dụng mô
Các công thức trong cửa sổ sự kiện nằm trong bảng tính trước đó. Như bạn có thể thấy, thông
báo về việc Procter & Gamble mua lại Gillette đã dẫn đến một số lợi nhuận bất thường lớn của
Chúng ta có thể sử dụng Steyx, sai số chuẩn của dự đoán hồi quy, để đo lường mức độ
quan trọng của lợi nhuận bất thường. Chỉ có hai trong số những khoản lợi nhuận bất thường
—vào ngày diễn ra sự kiện 28 tháng 1 và ngày tiếp theo—là thực sự có ý nghĩa ở mức 5 phần
trăm:
MỘT B C D E F GH tôi
9 CỬA SỔ SỰ KIỆN
=IF(ABS(E263)<1.96,"no","yes")
261 24-01-05 -0,18% 0,57%
262 25-01-05 0,21% 1,44%
263 26-01-05 0,68% 0,07% -0,44% -0,39 KHÔNG
Chúng tôi xác định thống kê kiểm tra cho tỷ suất sinh lợi bất thường AR bằng cách chia AR
bởi Steyx trong ô B5. Giả sử phần dư hồi quy có phân bố chuẩn, nếu giá trị tuyệt đối của
thống kê kiểm định lớn hơn 1,96 thì lợi nhuận bất thường có ý nghĩa ở mức 95% (có nghĩa
là khả năng lợi nhuận bất thường là ngẫu nhiên và không rõ ràng). nifi cant nhỏ hơn 5%).
Nếu thống kê kiểm tra lớn hơn 2,58 thì mức ý nghĩa của nó là 1%. Như có thể thấy từ hàng
263–268, ở mức 1 phần trăm, chỉ bản thân thông báo đó có lợi nhuận bất thường đáng kể.6
Cho đến nay chúng ta đã tập trung vào ảnh hưởng của sự kiện đến việc tiếp quản
mục tiêu, Gillette. Áp dụng phương pháp tương tự đối với lợi nhuận cổ phiếu của Procter &
Gamble cho thấy thông báo này có tác động tiêu cực đến lợi nhuận cổ phiếu của công ty.
Cũng có thể đã có một số rò rỉ thông tin trước thông báo vào ngày 28 tháng 1 năm 2005:
6. Một hạn chế của Steyx là phương sai hơi thấp. Phương sai thực sự của mô hình thị trường
là phương sai ước tính từ Steyx và phương sai bổ sung do lỗi lấy mẫu trong ai và bi.
Tuy nhiên, sai số lấy mẫu tiến tới 0 khi độ dài của cửa sổ ước tính tăng lên. Vì chúng
tôi khuyên bạn nên sử dụng 252 ngày giao dịch trong khoảng thời gian ước tính nên ảnh
hưởng của sai số lấy mẫu là tối thiểu và do đó, nó thường bị bỏ qua khi tính toán
phương sai của lợi nhuận bất thường.
Machine Translated by Google
380 Chương 14
MỘT B C DE F G H
1
VÀ CỬA SỔ SỰ KIỆN
9 CỬA SỔ SỰ KIỆN
Vào ngày 28 tháng 1 năm 2005, Procter & Gamble thông báo mua Gil-lette. Mỗi cổ phiếu của
Gillette được mua bằng 0,975 cổ phiếu của Procter & Gamble. Ở mức ý nghĩa 5%, thông báo mua
lại chỉ có tác động đáng kể đến giá cổ phiếu của Gillette và Procter & Gamble vào ngày thông
báo và ngày hôm sau. Sau tác động tích cực ban đầu đối với Gillette (tỷ suất sinh lời cổ phiếu
dự đoán bình thường tăng 13,03% vào ngày diễn ra sự kiện 28 tháng 1 và thêm -2,30% vào ngày
31 tháng 1) và tác động tiêu cực ban đầu đối với Procter & Gamble (-2,02% vào ngày 31 tháng
1). ngày 28 tháng 1 và -2,23% vào ngày 31 tháng 1), không có thêm tác động đáng kể nào lên
382 Chương 14
MỘT B C DE F G H TÔI
1
Đo lường sự phối hợp trong cửa sổ sự kiện
Giá trị thị
Số cổ Giá cổ
trường, ngày
phiếu đang lưu phiếu,
25 tháng 1 năm 2005
hành (nghìn) 25/0105
2 (tỷ đô la)
3 Gillette 1.000.000 44,53 44,53
4 P&G 2.741.000 53,49 146,62
5 Ô F12 chứa công thức
6 =$D$3*SUM($B$12:B12)/1000
7
số 8 Ô G12 chứa công thức
9 =$D$4*SUM($C$12:C12)/1000
Tích lũy giá trị bất thường
Ngày Lợi nhuận bất thường (AR)
10 (tỷ đô la)
11 P&G Tổng Gillette P&G Tổng
Bảng trước cố gắng đo lường sự cộng hưởng ngắn hạn của thông báo bằng
cách nhân CAR của Gillette và P&G với giá trị thị trường của họ vào ngày
trước thời điểm diễn ra sự kiện. Trong khoảng thời gian ngắn được đo bằng
cửa sổ sự kiện này, cuộc phẫu thuật tích lũy dường như mang tính tiêu cực,
với việc tạo ra giá trị tích cực cho các cổ đông của Gillette bị ảnh hưởng
tiêu cực bởi tác động tiêu cực đến P&G.7.
14.4 Nghiên cứu sự kiện đầy đủ hơn: Tác động của thông báo thu nhập đến giá cổ phiếu
Trong phần trước, chúng tôi đã sử dụng phương pháp nghiên cứu sự kiện để
khám phá tác động của thông báo sáp nhập đến lợi nhuận của cả mục tiêu
tiếp quản (Gillette) và bên thâu tóm (Procter & Gamble). Trong phần này,
chúng tôi trình bày cách tổng hợp lợi nhuận của một sự kiện để đánh giá
phản ứng của thị trường đối với một loại sự kiện cụ thể. Chúng tôi xem xét
tác động của việc thu nhập thông báo đối với một nhóm cửa hàng trong ngành tạp hóa.
7. Một nghiên cứu do Bộ trưởng Khối thịnh vượng chung Massachusetts William F. Galvin ủy
quyền sau đề nghị sáp nhập cho thấy rằng sức mạnh tổng hợp của việc sáp nhập, từ 22
đến 28 tỷ USD, phần lớn đã được Procter & Gamble nắm bắt. Xem http://www.sec.state
.ma.us/sct/sctpdf/Gillettefairnessreport.pdf (trên đĩa có cuốn sách này) và http://
www.businessweek.com/bwdaily/dnfl ash/jun2005/nf20050616_1121_db016.htm.
Machine Translated by Google
14.4.1 Một ví dụ ban đầu: Thu nhập tích cực bất ngờ của Safeway vào ngày 20 tháng 7 năm 2006
Để chuẩn bị, hãy xem xét thông báo thu nhập của Safeway vào ngày 20 tháng 7 năm 2006. Vào ngày
này Safeway công bố thu nhập trên mỗi cổ phiếu (EPS) là 0,42 đô la, một con số vượt quá 6 xu
ước tính đồng thuận của thị trường là 0,36,8 đô la . cùng ngày, S&P 500 giảm 0,85% và cổ
phiếu Safeway tăng 8,39%. Bảng tính sau đây trình bày ví dụ về thông báo thu nhập của Safeway
vào ngày 20 tháng 7 năm 2006. Chúng tôi sử dụng phương pháp nghiên cứu sự kiện để đánh giá
phản ứng của thị trường trước khoản thu nhập bất ngờ này:
MỘT B C
PHẢN ỨNG THỊ TRƯỜNG ĐỐI VỚI THU NHẬP TÍCH CỰC
1
BẤT NGỜ BỞI SAFEWAY, ngày 20 tháng 7 năm 2006
Thị trường giải thích sự bất ngờ về thu nhập như thế nào?
7 Sử dụng mô hình thị trường
số 8
Đường an 8,39%
9 toàn S&P 500 -0,85%
10
Hồi quy lợi nhuận của Safeway đối với lợi nhuận của S&P:
11 Đường an toàn = 0,0001 + 0,9289*SP
12 Chặn 0,0001
13 epolS 9829.0
14 Steyx 0,0118
15
Trong các ô B12: B14, chúng tôi đã tính lại lợi nhuận hàng ngày của Safeway trên S&P 500
trong 252 ngày giao dịch trước thông báo. Hồi quy cho thấy rSafeway = 0,0001 + 0,9289*rSP500
Với những dữ liệu này, chúng ta có thể thấy rằng vào ngày công bố lợi nhuận dự kiến của
8. Yahoo là nguồn cung cấp dữ liệu bất ngờ về thu nhập của chúng tôi (xem trang 384).
Machine Translated by Google
384 Chương 14
Những con số bất ngờ về thu nhập của chúng tôi được rút ra từ Yahoo, như thể
hiện trong hình dưới đây. Mặc dù Yahoo là một nguồn dữ liệu đáng ngưỡng mộ
nhưng nó không cung cấp cơ sở dữ liệu về ước tính lịch sử của các nhà phân
tích và con số thu nhập thực tế; những dữ liệu đó có sẵn từ Ước tính thu nhập
đồng thuận tốt nhất của Bloomberg và các nguồn thương mại khác.
Machine Translated by Google
Chúng tôi mở rộng nghiên cứu Safeway bằng cách xem xét 16 báo cáo thu
nhập hàng quý của bốn công ty tạp hóa trong năm tài chính 2006.9
CÔNG BỐ LỢI NHUẬN NĂM 2006-07 CỦA KROGER (KR), SUPERVALU (SVU),
1 AN TOÀN (SWY) VÀ THỰC PHẨM TOÀN BỘ (WFMI)
Lợi nhuận Trở lại bất
Sự ngạc nhiên: Bắt đầu Thật sự S&P 500
Lịch Ngày Mã Mã Đồng thuận Thực tế Chặn dốc STEXY kỳ vọng: thường: Chỉ số T
=D3-C3 Điểm Trở lại Trở lại
2 =H3+I3*M3 =L3-N3
3 7-03-06 KR 20-06-06 0,36 0,39 0,03 44 0,0003 0,6662 0,0123 1,36% -0,19% -0,09% 1,46% 1,1808 <-- =O3/J3
4 KR 12-09-06 KR 0,42 0,42 0,00 117 0,0004 0,6063 0,0113 5,05% 0,00% 0,04% 5,01% 4,4355 <-- =O4/J4
5 5-12-06 KR 18-04-06 0,29 0,29 0,00 175 0,0006 0,5628 0,0108 -5,67% 1,03% 0,64% -6,31% -5,8201 <-- =O5/J5
6 SVU 26-07-06 SVU 0,28 0,30 0,02 234 0,0003 0,4483 0,0118 5,08% 0,40% 0,21% 4,87% 4,1297
7 10-10-06 SVU 0,53 0,56 0,55 -0,01 73 -0,0008 0,7049 0,0123 -0,28% 1,69% 1,11% -1,39% -1,1313
số 8 9-01-07 SVU 0,56 0,57 0,53 -0,04 142 -0,0003 0,5416 0,0122 -7,09% -0,04% -0,05% -7,03% -5,7632
9 27/04/06 SWY 0,30 20/07/06 SWY 0,61 0,08 195 -0,0002 0,6014 0,0128 4,36% 0,20% 0,10% 4,26% 3,3170
10 0,36 12/10/06 SWY 0,39 27/02/07 0,54 -0,02 256 0,0003 0,5238 0,0130 -1,70% -0,05% 0,00% -1,70% -1,3061
11 SWY 0,60 04/05/06 WFMI 0,35 0,32 0,02 80 0,0001 1,0139 0,0130 2,88% 0,33% 0,34% 2,54% 1,9473
12 1/08/06 WFMI 0,34 3/11/06 WFMI 0,42 0,06 138 0,0001 0,9289 0,0118 8,39% -0,85% -0,78% 9,17% 7,7519
13 0,29 22 -07/02 WFMI 0.40 0,39 0,00 197 0,0003 0,7533 0,0134 -1,43% 0,95% 0,75% -2,18% -1,6265
14 0,61 0,01 289 0,0012 0,7505 0,0131 -3,95% -3,53% -2,54% -1,41% -1,0814
15 0,36 0,01 85 0,0006 0,8345 0,0175 12,50% 0,32% 0,33% 12,17% 6,9434
16 0,35 0,01 146 -0,0007 1,2329 0,0164 -12,51% -0,45% -0,63% -11,88% -7,2345
17 0,29 0,00 213 -0,0014 1,3199 0,0195 -26,21% -0,22% -0,43% -25,78% -13,2186
18 0,38 -0,02 286 -0,0020 1,5321 0,0243 13,13% -0,09% -0,33% 13,46% 5,5465
19
<--
Bất ngờ
2,65% =SUMIF($E$3:$E$18,">0",$O$3:$O$
tích cực
20 18)/COUNTIF(E3:E18,">0")
<--
Ô G18 chứa công thức: Bất ngờ không
-3,24% =SUMIF($E$3:$E$18,"<=0",$O$3:$O
21 =COUNTIF('Giá cổ phiếu'!$A$3:$A$551,"<="&TEXT(A18,"0"))-252 tích cực
$18)/COUNTIF(E3:E18,"<=0")
22
Đối với mỗi thông báo, chúng tôi đã xác định điểm chặn và độ dốc của
hồi quy phản ứng của thị trường trong 252 ngày trước thông báo.10 Sau
đây là ví dụ cụ thể từ bảng tính.
9. Chúng tôi chỉ đưa Kroger, Supervalu, Safeway và Whole Foods vào mẫu. Đây rõ ràng là một mẫu chưa
đầy đủ, cả về các công ty được khảo sát và số lượng thông báo. Tuy nhiên, ví dụ mở rộng này nhằm
mục đích truyền đạt hương vị của một nghiên cứu sự kiện toàn diện.
10. Cửa sổ sự kiện được xác định trong cột G bởi “Điểm bắt đầu”, sử dụng Countif
để xác định một ngày 252 ngày làm việc trước ngày diễn ra sự kiện trong cơ sở dữ liệu về lợi
nhuận chứng khoán. Lưu ý rằng “Điểm bắt đầu” được sử dụng trong các công thức Giao điểm, Độ
dốc, Rsq trong các cột H, I và J.
Machine Translated by Google
386 Chương 14
Hàng 3 theo dõi mô hình thị trường của cổ phiếu Kroger với S&P 500 trong 252 ngày giao
dịch trước khi công bố thu nhập vào ngày 7 tháng 3 năm 2006. Mô hình thị trường là rKroger,t
= 0,003 + 0,662*rSP,t. Lợi nhuận thực tế của Kroger vào ngày công bố là 1,36%, cao hơn 1,46%
so với lợi nhuận mà mô hình thị trường của nó dự đoán. Tuy nhiên, chia 1,46% này cho độ lệch
chuẩn của lợi nhuận bất thường (phần dư hồi quy) (Steyx =
0,0123) cho kết quả thống kê t là 1,1808, con số này không có ý nghĩa ở mức 5%.
Hàng 18 theo dõi mô hình thị trường của cổ phiếu Whole Foods đối với S&P
500 vào năm trước khi công bố thu nhập sau khi thị trường đóng cửa vào ngày 21 tháng 2 năm
2007. Mô hình thị trường là thực phẩm nguyên chất,t = 0,0020 + 1,5321*rSP,t, với Steyx =
0,0243. Lợi nhuận bất thường vào ngày công bố, 13,46%, có ý nghĩa ở mức 1% (do đó được in
đậm trong ô P18). Để xoa dịu cách giải thích này, hãy lưu ý rằng vào ngày công bố thu nhập,
Whole Foods đã công bố việc sáp nhập với Wild Oats Markets; Thông báo thứ hai này khiến cho
việc dự đoán phản ứng thực sự của thị trường đối với việc công bố thu nhập trở nên khó khăn.
Nói chung, chúng ta phải cẩn thận khi giải thích lợi nhuận bất thường khi một sự kiện được
Chúng tôi trình bày lại dữ liệu ở dạng hơi khác trong bảng tính tiếp theo—
bằng cách sử dụng hàm OFFSET —và sau đó tính toán lợi nhuận bất thường trong khoảng thời gian
sự kiện kéo dài từ 10 đến +10 ngày xung quanh thu nhập
thông báo:
Machine Translated by Google
A B C D E F G H TÔI J K L M N O P Q
9 Đánh chặn 0,0003 0,0004 0,0006 0,0003 -0,0008 -0,0003 0,4483 -0,0002 0,0003 0,0001 0,0001 0,0003 0,0012 0,0006 -0,0007 -0,0014 -0,0020
10 Dốc 0,6662 0,6063 0,5628 0,7049 0,5416 0,6014 0,5238 1,0139 0,9289 0,7533 0,7505 0,8345 1,2329 1,3199 1,5321
11 STEXY 0,0123 0,0113 0,0108 0,0118 0,0123 0,0122 0,0128 0,0130 0,0130 0,0118 0,0134 0,0131 0,0175 0,0164 0,0195 0,0243
12
13
Chúng ta có thể tính toán lợi nhuận bất thường trung bình (AAR) và lợi
nhuận bất thường tích lũy (CAR) cho mỗi ngày trong khoảng thời gian sự
kiện. Trong bảng sau, chúng tôi thực hiện tính toán này một cách riêng
biệt cho các thông báo thu nhập dương và không dương:
Machine Translated by Google
388 Chương 14
S T bạn V. WX Y Z AA AB
3 Ô U11 chứa công thức
4 {=SQRT(SUMPRODVEL(IF($B$6:$Q$6>0,$B$11:$Q$11),IF($
5 B$6:$Q$6>0,$B$11:$Q$11))*(1/COUNTIF($B$6:$Q$6,">0")^2)
6 )}
7
số 8
Lỗi mặt cắt không được điều chỉnh - Lỗi mặt cắt không được điều chỉnh -
Tích cực Không tích cực
9
10
11 %94,0 %45,0
12
tương đối AAR Chỉ số T Bất thường AAR Chỉ số T thường tích
=SUMIF($B$6:$Q$6,">0",B35:Q35)/COUNTIF($B$6:$ =SUMIF($B$6:$Q$6,"<=0",B35:Q35)/COUNTIF($B
38 Q$6,">0") $6:$Q$6,"<=0")
39
Ô U35 chứa công thức =T35/$U$11 Ô Y35 chứa công thức =X35/$Y$11
40
41
42
Ô V35 chứa công thức =T35+V34 Ô Z35 chứa công thức =X35+Z34
43
Machine Translated by Google
Số liệu thống kê kiểm tra cho các thông báo tích cực và không tích
cực đã được tính toán bằng cách chia AAR cho mỗi ngày cho sai số cắt
ngang thích hợp cho loại kết quả trả về cụ thể (các ô U11 và
Y11):
2
Tổng Steyx cho các thông báo tích cực
Tế bào U11:
Số lượng tích cực thông báo điện tử
2
Tổng Steyx cho các thông báo tiêu cực
Ô Y11:
Số lượng tiêu cực thông báo điện tử
–1
–2
(%)
Trả
về
–3
-4
–5
–6
Thông báo thu nhập không tích cực
–7
–10 –9 –8 –7 –6 –5 –4 –3 –2 –1 0 1 2 3 4 5 6 7 8 9 10
Ngày sự kiện
Nhìn chung, dường như có rất ít thông tin rò rỉ trước ngày công bố
tin tốt hoặc tin xấu. Thị trường dường như đã tiếp thu thông tin trong
các thông báo một cách nhanh chóng: sau ngày thông báo (“ngày diễn ra
sự kiện 0”), dường như có rất ít phản hồi bổ sung.
Machine Translated by Google
390 Chương 14
14.5 Sử dụng Mô hình lợi nhuận hai yếu tố cho nghiên cứu sự kiện
Mô hình được sử dụng trong phần 14.4 giả định mô hình cân bằng rit = ai +
birMt. Mô hình “một yếu tố” này giả định rằng lợi nhuận của các cổ phiếu được đề cập chỉ được
thúc đẩy bởi một chỉ số thị trường. Trong phần này chúng tôi minh họa một mô hình hai yếu tố.
Chúng ta giả định rằng lợi nhuận là một hàm của cả
thị trường và yếu tố ngành: rit = ai + bi,MarketrMt + bi,IndustryrIndustry,t. Sau đó, chúng
tôi sử dụng mô hình này để xác định liệu một sự kiện cụ thể có ảnh hưởng đến lợi nhuận hay
không và theo hướng nào.
Sự kiện của chúng tôi: Vào ngày 16 tháng 11 năm 2006, Wendy's thông báo mua 22.418.000 cổ
phiếu với giá 35,75 USD một cổ phiếu. Việc mua cổ phiếu này chiếm khoảng 19% vốn chủ sở hữu
Cổ phiếu của Wendy đóng cửa vào ngày 16 tháng 11 ở mức 35,66 USD.
Machine Translated by Google
Chỉ số nhà hàng Wendy's Intl so với S&P 500 và S&P 500
3/1/03–16/3/07
40:00
Wendy's quốc tế
35:00 Công bố mua lại cổ phiếu
30:00
25:00
Nhà hàng S&P 500
Mục lục
20:00
10 giờ 00
5 giờ 00
0,00
5-06-03
06-04-04
7-02-05
05-07-10
13-10-06
16-03-07
05-11-12
07-09-04
13-05-06
11-03
Tháng
03-01-03
5-
Lưu ý: Chỉ số Nhà hàng S&P 500 và S&P 500 được lập chỉ mục ở mức 12,04 USD
giá đóng cửa của Wendy's International vào ngày 3 tháng 1 năm 2003.
14.5.1 Việc mua lại có ảnh hưởng đến lợi nhuận của Wendy không?
Chúng tôi bắt đầu bằng cách hồi quy lợi nhuận hàng ngày của Wendy's theo S&P 500
và Chỉ số Nhà hàng S&P 500 trong 252 ngày trước ngày đấu thầu ngày 16 tháng 11 năm
2006. Chúng tôi sử dụng hàm mảng Linest để thực hiện phép tính này.11 Hộp Linest
A B C D
2 Ngành Thị Đánh chặn
3 Độ dốc --> 0,4157 trường 0,0012
4 Lỗi chuẩn --> 0,0851 0,5095 0,1410 0,0007
5 R2 --> 0,3140 0,0103 #Không áp dụng
11. Việc sử dụng Linest để thực hiện hồi quy bội được thảo luận trong Chương 33. Nó không phải là
thân thiện với người dùng nhất trong tất cả các hàm Excel.
Machine Translated by Google
392 Chương 14
Từ hộp này, chúng ta có thể kết luận rằng lợi nhuận của Wendy rất nhạy cảm
với cả thị trường và ngành.
= 0 .0012 0 5095
. + + 0 4157.
rWendys, t rMt rCông nghiệp,t
Hộp Linest này được hiển thị lại trong bảng tính tiếp theo. Chia các hệ số hiệu
quả cho sai số chuẩn tương ứng của chúng (hàng 9) cho thấy rằng cả hai hệ số này
đều có ý nghĩa quan trọng ở mức 1 phần trăm. Lưu ý rằng ô C5 đưa ra sai số chuẩn
của ước tính y; chúng tôi sử dụng điều này trong phân tích để xác định ý nghĩa -
khả năng xảy ra những khoản lợi nhuận bất thường. Phân tích sâu hơn sau bảng tính.
MỘT B C D EF G H TÔI J
1
TRỞ LẠI CỦA WENDY: CỬA SỔ DỰ ÁN VÀ CỬA SỔ SỰ KIỆN
số 8
Trong các hàng 267–272 của bảng tính, chúng tôi sử dụng mô hình hai yếu tố để phân tích lợi
nhuận bất thường (AR) và lợi nhuận bất thường tích lũy (CAR) của thông báo của Wendy. Mặc dù
có rất ít AR hoặc CAR vào những ngày trước thông báo, nhưng rõ ràng là thông báo vào ngày 16
tháng 11 có tác động đáng kể đến lợi nhuận của Wendy vào ngày hôm sau (lợi nhuận bất thường
-5,87% vào ngày 17 tháng 11) và vào ngày hôm sau ( -1,63% AR vào ngày 20 tháng 11). Chia lợi
nhuận bất thường cho sai số chuẩn trong C5 cho thấy chỉ AR vào ngày diễn ra sự kiện là có ý
Hơn nữa, phân tích về thông báo được chia thành thị trường và các yếu tố ngành cho thấy rằng
trong cả hai ngày sau ngày công bố ngày 16 tháng 11, tác động của chỉ số thị trường đối với
Lợi nhuận của Wendy rất nhẹ. Tuy nhiên, vào ngày 17 tháng 11, chỉ số Nhà hàng S&P 500 đã có tác
động đáng kể lên Wendy's, tác động còn thiếu vào ngày 20 tháng 11.
Để thấy được điểm này, trước tiên chúng ta thảo luận vào ngày sau sự kiện, ngày 17 tháng 11
năm 2006:
MỘT B C D EFG H
13 CỬA SỔ SỰ KIỆN
Tích lũy
S&P 500 Lợi nhuận Bất thường
Ngày Sân bay quốc tế Wendy S&P 500 Lợi nhuận
Mục lục nhà hàng kỳ vọng trở lại (AR)
14 bất thường (CAR)
266 14-11-06 0,73% 0,63% 0,03%
267 15-11-06 0,25% 0,24% 0,21% 0,33% -0,08% -0,08% <-- =F267
268 16-11-06 0,31% 0,23% 1,26% 0,76% -0,45% -0,53% <-- =F267+F268
269 17-11-06 -6,44% 0,10% -1,78% -0,57% -5,87% -6,32% <-- =F268+F269
270 20-11-06 -1,59% -0,05% -0,19% 0,02% -1,61% -7,48%
271 21-11-06 0,15% 0,16% 0,07% 0,23% -0,08% -1,69%
272 22-11-06 2,80% 0,23% 0,27% 0,35% 2,45% 2,37%
Vào ngày 17 tháng 11, S&P 500 tăng 0,10% và Chỉ số Nhà hàng S&P 500 giảm 1,78%. Cho hồi quy
rWendy's,t =
0,0012 + 0,5095*rMt + 0,4157*rIndustry,t, sự thay đổi trong S&P 500 sẽ ảnh hưởng đến lợi nhuận
của Wendy khoảng +0,05% và sự thay đổi trong chỉ số ngành sẽ ảnh hưởng đến lợi nhuận của Wendy
khoảng -0,74%. Nhưng Wendy's lại giảm -6,44% trong cùng ngày, vượt xa tác động của một trong
394 Chương 14
MỘT B C D EFG H
13 CỬA SỔ SỰ KIỆN
Vào ngày 20 tháng 11, S&P 500 giảm 0,05% và Chỉ số Nhà hàng S&P 500 giảm
của Wendy khoảng -0,08% và sự thay đổi trong chỉ số ngành sẽ ảnh hưởng đến lợi nhuận của Wendy
khoảng -0,03%. Nhưng Wendy's lại giảm -1,59% trong cùng ngày, một lần nữa vượt xa tác động
Tác động của thông báo đã được cảm nhận ngay cả vào ngày thứ ba sau sự kiện,
nhưng chúng tôi để lại việc phân tích này cho người đọc.
14.6 Sử dụng hàm Offset của Excel để xác định vị trí hồi quy trong tập dữ liệu
Phân tích trong phần 14.4 yêu cầu chúng ta thực hiện hồi quy lợi nhuận của một
cổ phiếu cụ thể dựa trên lợi nhuận của S&P 500, trong đó điểm bắt đầu của hồi
quy là 252 ngày giao dịch trước một ngày cụ thể. Kỹ thuật trong phần 14.4 sử
dụng một số hàm Excel:
• Các hàm Chặn, Độ dốc, Rsq cho ra điểm chặn hồi quy, độ dốc và r bình phương.
Các chức năng này đã được minh họa trong Chương 2 và trong các chương danh mục
đầu tư trước đó. Hàm Steyx cho biết độ lệch chuẩn của phần dư hồi quy.
• Hàm Countif đếm số ô trong một phạm vi đáp ứng một điều kiện cụ thể. Countif
có cú pháp Countif(data,condition).
Tuy nhiên, điều kiện phải là điều kiện văn bản (có nghĩa là trong ví dụ này
chúng ta sẽ sử dụng hàm Văn bản trong Excel để dịch ngày thành số văn bản—sẽ
nói thêm sau).
• Hàm Offset (xem thêm Chương 34) cho phép chúng ta xác định một ô hoặc một
khối ô trong một mảng.
Machine Translated by Google
Để minh họa vấn đề, hãy xem xét dữ liệu sau đây về lợi nhuận của General Mills (GIS) và
S&P 500. Chúng tôi muốn chạy hồi quy lợi tức GIS của lợi nhuận S&P 500 trong 10 ngày trước
MỘT B C D E F G
Để chạy hồi quy này, trước tiên chúng ta sử dụng Countif(data,condition) để đếm số hàng
của dữ liệu chứa ngày bắt đầu. Vì điều kiện phải là mục nhập văn bản nên chúng ta dịch ngày
trong ô B26 thành văn bản bằng cách sử dụng Văn bản (b26, ≤0). Hàm Excel =Countif(A3:A24,<=
396 Chương 14
nhỏ hơn hoặc bằng ngày trong ô B26. Câu trả lời, như bạn có thể thấy trong ô
B27, là 19.
Tiếp theo, chúng tôi sử dụng Offset(A3:F24,B27-11,2,10,1) để xác định vị trí
của 10 hàng trả về GIS trước hàng thứ 19 được chỉ định bởi ngày bắt đầu. Đây là
Các chức năng Chặn, Độ dốc, Rsq hiện có thể được sử dụng với Offset(A3:
F24,B27-11,2,10,1) và Offset(A3:F24,B27-11,5,10,1):
=
Chặn(Offset(A3:F24,B27-11,2,10,1) ,Bù đắp(A3:F24,B27-11,5,10,1))
Nghiên cứu sự kiện, được sử dụng để xác định tác động của hiệu ứng thị trường cụ thể
lên một cổ phiếu cụ thể hoặc hiệu ứng thị trường chung đối với một tập hợp cổ phiếu,
là một trong những công nghệ được sử dụng rộng rãi nhất trong tài chính thực tế. Mặc
dù Excel có thể không phải là công cụ tối ưu để thực hiện nghiên cứu sự kiện nhưng
chúng tôi đã sử dụng nó trong chương này để minh họa cả hai cách sử dụng của nghiên
cứu sự kiện. Chúng tôi đã chỉ ra rằng Excel có thể dễ dàng được sử dụng để thực hiện
nghiên cứu sự kiện một yếu tố hoặc hai yếu tố. Người dùng sành sỏi có thể dễ dàng tiếp
Giá trị rủi ro (VaR) đo lường khoản lỗ dự kiến tồi tệ nhất trong điều kiện thị trường bình
thường trong một khoảng thời gian cụ thể ở mức độ tin cậy nhất định. Như một trong những tài
liệu tham khảo của chúng tôi nêu rõ, “VaR trả lời câu hỏi: tôi có thể thua bao nhiêu với xác
suất x% trong một khoảng thời gian định trước” (JP Morgan, RiskMetrics—Tài liệu kỹ thuật).2
Một cách khác để diễn đạt định nghĩa này là VaR là phân vị thấp nhất của những tổn thất tiềm
ẩn có thể xảy ra trong một danh mục đầu tư nhất định trong một khoảng thời gian cụ thể.
Khoảng thời gian cơ bản T và mức độ tin cậy (phân vị) q là hai tham số chính cần được chọn
theo cách phù hợp với mục tiêu chung của việc đo lường rủi ro. Khoảng thời gian có thể khác
nhau từ vài giờ đối với bàn giao dịch đang hoạt động đến một năm đối với quỹ hưu trí. Khi mục
tiêu chính là đáp ứng các yêu cầu pháp lý bên ngoài, chẳng hạn như yêu cầu về vốn ngân hàng,
thì lượng tử thường rất nhỏ (ví dụ: 1% kết quả tồi tệ nhất). Tuy nhiên, đối với mô hình quản
lý rủi ro nội bộ được công ty sử dụng để kiểm soát mức độ rủi ro, con số điển hình là khoảng
5% (truy cập các trang Internet trong phần tài liệu tham khảo để biết thêm chi tiết). Phần
giới thiệu chung về VaR có thể được tìm thấy trong Linsmeier và Pearson (1996) và Jorion
(1997).
Theo thuật ngữ VaR, giả sử rằng một nhà quản lý danh mục đầu tư có VaR hàng ngày bằng 1
triệu USD với lãi suất 1%. Tuyên bố này có nghĩa là chỉ có một trong 100 khả năng xảy ra
khoản lỗ hàng ngày lớn hơn 1 triệu USD trong điều kiện thị trường bình thường.
Giả sử người quản lý có một danh mục đầu tư bao gồm một tài sản duy nhất. Lợi nhuận của tài
sản thường được phân phối với lợi nhuận trung bình là 20% và độ lệch chuẩn là 30%. Giá trị
của danh mục đầu tư ngày nay là 100 triệu USD. Chúng tôi muốn trả lời nhiều câu hỏi đơn giản
khác nhau về sự phân bổ giá trị danh mục đầu tư vào cuối năm:
1. Chương này dựa trên một bài báo viết cùng Zvi Wiener, “Value-at-Risk (VaR),” xuất hiện
lần đầu trong Mathematica in Education and Research, Vol. 7, 1998, trang 39–45.
2. Bạn có thể tìm thấy tài liệu này và các tài liệu có giá trị khác do JP Morgan ban đầu sản
xuất tại trang web của công ty kế nhiệm, RiskMetrics, http://www.riskmetrics.com/techdoc
.html.
Machine Translated by Google
398 Chương 15
1. Giá trị danh mục đầu tư cuối năm được phân bổ như thế nào?
2. Xác suất lỗ hơn 20 triệu USD vào cuối năm là bao nhiêu (tức là xác
suất giá trị cuối năm nhỏ hơn 80 triệu USD) là bao nhiêu?
3. Với xác suất 1%, khoản lỗ lớn nhất vào cuối năm là bao nhiêu? Đây là
VaR ở mức 1%.
Xác suất để giá trị danh mục đầu tư cuối năm dưới 80 triệu USD là khoảng
9%. (“Triệu” bị bỏ qua trong ví dụ.)
MỘT B C D
9
10 Giá trị danh mục 0,0055
11 0,0000 Giá trị danh mục đầu tư cuối năm
12 0,0000 0,014
13 0,0001
0,012
14 0,0001
15 0,0004 0,010
16 0,0009
0,008
17 0,0018
18 0,0033 0,006
19 0,0055
0,004
20 0,0081
21 đầu 0,0106 0,002
22 tư 0,0126
0,000
23 0 0,0133
24 10 0,0126 0 25 50 75 100 125 150 175 200 225 250
25 20 0,0106
26 30 0,0081
27 40 0,0055
28 50 0,0033
29 60 0,0018
30 70 0,0009
31 80 0,0004
32 90 0,0001
33 100 0,0001
34 110 0,0000
35 120 0,0000
36 0,0000
130 140 150 160 170 180 190 200 210 220 230 240 250
Machine Translated by Google
Hàm NormDist của Excel có thể trả về cả phân phối tích lũy
và hàm khối lượng xác suất. Đây là giao diện của màn hình khi chúng ta áp dụng hàm NormDist
trong ô B6:
Bảng tính sử dụng hai phiên bản NormDist: Đầu tiên, chúng tôi sử dụng hàm trong ô B6 để
xác định xác suất giá trị cuối năm của danh mục đầu tư nhỏ hơn 80. Trong phiên bản hàm này,
chúng tôi sử dụng giá trị TRUE cho giá trị cuối cùng. mục nhập vào NormDist; khi chúng ta viết
=NORM
DIST(B5,(1+B2)*B4,B4*B3,TRUE), NormDist trả về các giá trị của phân phối chuẩn tích lũy. Trong
bảng dữ liệu, chúng tôi đặt giá trị này thành
FALSE để vẽ hàm khối lượng xác suất của giá trị danh mục đầu tư cuối năm.
Bằng cách sử dụng Bộ giải của Excel , chúng tôi có thể xác định rằng với xác suất 1 phần trăm,
giá trị danh mục đầu tư cuối năm sẽ nhỏ hơn 50,209. Hãy nhớ lại rằng giá trị rủi ro là khoản
lỗ dự kiến tồi tệ nhất trong điều kiện thị trường bình thường trong một khoảng thời gian cụ
thể ở mức độ tin cậy nhất định. Do đó, giá trị 50,210 có nghĩa là VaR của danh mục đầu tư ở
400 Chương 15
MỘT B C
9
10
11
12
13
14
15
16
17
18
19
20
Điểm cắt được gọi là lượng tử của phân phối. Trong Excel, nó có thể được xác định bằng cách
sử dụng Bộ giải, như được minh họa ở đây. Đối với hai phân phối mà chúng tôi sử dụng—phân phối
chuẩn và phân phối logic chuẩn—Excel có các hàm dựng sẵn để tìm nhóm ngũ phân vị. Các hàm này—
Norminv, Normsinv, và loginv—tìm nghịch đảo của các phân phối chuẩn, chuẩn chuẩn và log-chuẩn.
Đây là ví dụ về những con số chúng tôi đang sử dụng; lần này chúng ta đã viết hàm
=NORMINV(0,01,(1+B3)*B5,B5*B4) trong ô B6. Hàm này tìm điểm giới hạn mà tại đó phân phối chuẩn
có giá trị trung bình là 120 và độ lệch chuẩn là 30 có xác suất là 1%. Bạn có thể thấy điểm
này trên biểu đồ sau, biểu đồ này hiển thị một phần của phân phối tích lũy:
Machine Translated by Google
MỘT B C
14
2,5
15
16 2.0
17
1,5 1% điểm lượng tử
18
suất
19 1.0
(%)
Xác
20
0,5
21
22 0,0
Phân phối loga chuẩn là phân phối hợp lý hơn cho nhiều giá tài sản
(không thể trở thành âm) so với phân phối chuẩn. Giả sử rằng lợi nhuận
[return = log(giá tương đối)] trên danh mục đầu tư thường được phân
phối với giá trị trung bình hàng năm μ và độ lệch chuẩn hàng năm σ. Hơn
nữa, giả sử giá trị hiện tại của danh mục đầu tư được cho bởi V0. Sau
đó (xem Hull 2006, Chương 11) cho thấy loga-rithm của giá trị danh mục
đầu tư tại thời điểm T, VT, có phân phối chuẩn:
2
σ
ln( V)TVT
~ Bình μthường ln( ) 0 + ,σ T
2
402 Chương 15
Do đó, một danh mục đầu tư có giá trị ban đầu là 100 triệu USD và lợi
nhuận hàng năm được phân phối chuẩn logarit với các tham số μ = 10% và
σ = 30% có VaR hàng năm bằng 47,42 triệu USD ở mức 1%:
AB C
Hầu hết các tính toán VaR không liên quan đến giá trị rủi ro hàng năm. Các
mối quan tâm chính về quản lý và quản lý là mất giá trị danh mục đầu tư
trong khoảng thời gian ngắn hơn nhiều (thường là vài ngày hoặc có thể
vài tuần). Rõ ràng là công thức phân phối
σ2
ln(V TVT
) ~ Bình
+ln(thường
μ) 0 ,σ T
2
có thể được sử dụng để tính toán VaR trên bất kỳ khoảng thời gian nào.
Hãy nhớ lại rằng T được đo lường theo năm; nếu có 250 ngày làm việc trong
một năm thì VaR hàng ngày tương ứng với T = 1/250 (đối với nhiều công cụ
thu nhập cố định nên sử dụng 1/360, 1/365 hoặc 1/365,25 tùy theo quy ước
thị trường) .
15.4 Bài toán về ba tài sản: Tầm quan trọng của Ma trận phương sai-hiệp phương sai
Như có thể thấy từ các ví dụ trước, VaR – ít nhất về nguyên tắc – không
phải là một khái niệm quá phức tạp. Trong việc thực hiện VaR,
Machine Translated by Google
tuy nhiên, có hai vấn đề thực tế lớn (cả hai vấn đề đều được thảo
luận chi tiết hơn nhiều trong tài liệu có sẵn trên
Trang web RiskMetrics được trích dẫn ở chú thích 2):
1. Vấn đề đầu tiên là ước tính các thông số phân bổ lợi nhuận của tài sản.
Trong các ứng dụng VaR “trong thế giới thực”, cần phải ước tính mức trung
bình, phương sai và mối tương quan của lợi nhuận. Đây là một vấn đề không
nhỏ! Trong phần này chúng tôi minh họa tầm quan trọng của mối tương quan giữa
lợi nhuận tài sản. Trong phần sau đây, chúng tôi đưa ra một ví dụ rất đơn
giản về ước tính phân phối lợi nhuận từ dữ liệu thị trường. Ví dụ: bạn có thể
tưởng tượng rằng vị thế mua bằng đồng euro và vị thế bán bằng đô la Mỹ ít rủi
ro hơn vị thế chỉ bằng một trong các loại tiền tệ, vì có khả năng cao là lợi
nhuận của một vị thế sẽ chủ yếu được bù đắp bằng khoản lỗ khác.
2. Vấn đề thứ hai là tính toán thực tế kích thước vị thế. Một tổ chức tài
chính lớn có thể có hàng ngàn khoản nợ tồn đọng. Cơ sở dữ liệu của các
khoản vay này có thể không phân loại chúng theo mức độ rủi ro, thậm chí
không theo thời hạn đáo hạn. Hoặc - để đưa ra ví dụ thứ hai - một ngân
hàng có thể có trạng thái bù trừ bằng ngoại tệ tại các chi nhánh khác
nhau ở những địa điểm khác nhau. Vị thế mua đồng Deutschmark ở New York
có thể được bù đắp bằng vị thế bán đồng Deutschmark ở Geneva; rủi ro của ngân hàng -
mà chúng tôi dự định đo lường bằng VaR—dựa trên vị thế ròng.
Chúng ta bắt đầu với vấn đề về mối tương quan giữa lợi nhuận của tài sản. Chúng ta tiếp tục ví dụ
trước nhưng giả định rằng có ba tài sản rủi ro. Như trước đây, các tham số phân phối lợi nhuận của tài
sản đã được biết: tất cả các phương tiện, μ1, μ2, μ3, cũng như ma trận phương sai-hiệp phương sai của
lợi nhuận:
11 12 13
S = 21 22 23
σσσ
31 σσσ
32 σσσ33
Ma trận S tất nhiên là đối xứng; σii là phương sai của lợi nhuận của tài sản thứ
i và σij là hiệp phương sai của lợi nhuận của tài sản i và j (nếu i = j thì σij
sản 3. Khi đó tỷ suất sinh lợi của danh mục đầu tư được tính bằng
Machine Translated by Google
404 Chương 15
μ1
Lợi nhuận trung bình = {}123
,xxx,=++
x μ2 xx μμμ
11 22 33
μ3
T
biến thểce lợi nhuận = xx
{123}{123xxx
,, Sx ,, }
trong đó x = {x1, x2, x3} = {0,3, 0,25, 0,45} là vectơ tỷ lệ đầu tư vào
từng loại tài sản trong số ba tài sản. Giả sử rằng lợi nhuận được phân
phối chuẩn (có nghĩa là giá được phân phối chuẩn log), chúng ta có thể
tính VaR như trong đoạn bảng tính sau:
A BCDEFG H
Đôi khi nó giúp mô phỏng dữ liệu. Trong phần này chúng tôi đưa ra một ví dụ.
Chúng ta giả sử ngày hiện tại là ngày 10 tháng 2 năm 1997 và chúng ta xem xét một công ty
có khoản đầu tư vào hai tài sản:
• Đó là hai đơn vị dài của một quỹ chỉ số. Giá thị trường hiện tại của
quỹ là 293, do đó khoản đầu tư vào quỹ chỉ số có giá trị 2 * 293 = 586.
• Bán khống trái phiếu nước ngoài bằng đồng rúp. Trái phiếu này là trái
phiếu không trả lãi (tức là không trả lãi), có mệnh giá 100 rúp và đáo hạn
vào ngày 8 tháng 5 năm 2000. Nếu lãi suất đồng rúp hiện tại là 5,30% thì
giá trị đồng rúp ngày 10 tháng 2 năm 1997 là trái phiếu là
Machine Translated by Google
100 (
5 30 điểm kinh nghiệm[ . phần trăm 8 tháng 5 năm 2000 , Tháng Hai .10,1997) /365 ]84
= 21 .66
Bằng đô la, giá trị của trái phiếu là 84,2166 * 3,40 = 286,3365, do đó
MỘT B C D EF G H TÔI
4
đồng rúp đồng rúp Tổng số tiền Rúp đô la
Mục lục quan tâm tỷ giá mục lục giá trị trái phiếu danh mục đầu tư
Bây giờ giả sử chúng ta có dữ liệu về tỷ giá hối đoái và chỉ số. Chúng tôi
minh họa dữ liệu trong 40 ngày (phần giữa của dữ liệu đã bị ẩn, nhưng bạn sẽ
thấy các hàng đi từ 8 đến 45):
MỘT B C DE F
Chúng tôi muốn sử dụng những dữ liệu này làm cơ sở để tạo dữ liệu trả về “ngẫu nhiên”.
Chúng tôi minh họa một kỹ thuật để làm điều đó, được gọi là bootstrapping: Kỹ thuật này
Machine Translated by Google
406 Chương 15
thuật ngữ này đề cập đến việc xáo trộn ngẫu nhiên dữ liệu. Với mỗi lần lặp
lại, chúng tôi sắp xếp lại chuỗi giá chỉ số, lãi suất và tỷ giá hối đoái rồi
tính toán lợi nhuận trên danh mục đầu tư.3
MỘT B C D EF G H
5 =H46/H7-1
Chỉ Lãi suất Lãi suất Tỷ giá Trao đổi danh mục đầu tư
Việc phân phối dữ liệu trả về đã khởi động trông như sau.
3. Kỹ thuật khởi động được minh họa trong phần phụ lục của chương này.
Machine Translated by Google
TÔI
J KLM N OPQRSTU V
thường
xuyên
19 0,0449 -0,1292 158 3,2%
Tính
100
20 -0,3506 -0,0950 149 3,0%
21 -0,2166 -0,0609 203 4,1% 50
22 -0,3239 -0,0267 275 5,5%
23 -0.2028 0,0075 228 4,6% 0
24 0,2835 0,0417 244 4,9% -1,0000 -0,5000 0,0000 0,5000 1,0000 1,5000
25 1,0692 0,0758 212 4,2%
Trở lại
26 0,0790 0,1100 128 2,6%
27 0,6386 0,1442 135 2,7%
28 -0,2984 0,1783 92 1,8%
29 0,2447 0,2125 137 2,7%
30 -0,1735 0,2467 98 2,0%
31 0,0521 0,2809 100 2,0%
32 -0,0751 0,3150 109 2,2%
33 -0,0110 0,3492 94 1,9%
34 -0,0717 0,3834 73 1,5%
35 0,1361 0,4176 73 1,5%
36 -0,3946 0,4517 65 1,3%
37 0,8810 0,4859 87 1,7%
38 0,0918 0,5201 59 1,2%
39 -0,0068 0,5543 98 2,0%
40 -0,2152 0,5884 101 2,0%
41 0,0085 0,6226 75 1,5%
42 0,2460 0,6568 73 1,5%
43 -0,3402 0,6910 51 1,0%
44 -0.4153 0,7251 54 1,1%
45 0,8356 0,7593 33 0,7%
46 -0.3696 0,7935 35 0,7%
47 -0.3039 0,8277 33 0,7%
48 -0.1435 0,8618 22 0,4%
49 Còn nhiều ngày nữa: Trong này -0.4194 0,8960 37 0,7%
50 trường hợp 5.000 điểm dữ liệu. -0.3564 0,9302 21 0,4%
51 -0.1352 0,9644 25 0,5%
52 0,6275 0,9985 35 0,7%
53 -0.3857 1.0327 19 0,4%
54 0,2709 1,0669 22 0,4%
55 -0,4091 1,1010 15 0,3%
56 -0,3238 1,1352 0,1%
57 -0,3540 1,1694 6 7 0,1%
58 -0.3286
59 -0,0724
60 -0.3396
61 0,0087
62 -0.3552
Biểu đồ bên phải biểu thị mức phân phối lợi nhuận, khác xa so với mức
bình thường. Từ các cột L, M và N, bạn có thể biết rằng VaR 1% là khoảng
-50%, nghĩa là với xác suất 1%, công ty có thể mất 50% khoản đầu tư của
mình.
Machine Translated by Google
408 Chương 15
15.5.1 Chúng tôi đã tạo ra dữ liệu khởi động như thế nào?
Bootstrapping về cơ bản bao gồm việc xáo trộn lại dữ liệu một cách ngẫu nhiên và
sau đó xem mỗi lần xáo trộn lại như một điểm trong phân phối. Trong bảng tính
trước, cột C, E và G chứa các số ngẫu nhiên. Chương trình VBA sau đây (được vận
chap15.xls bằng cách nhấn [Ctrl] + a) chứa ba vòng lặp For chèn ba cột số ngẫu
Sau khi chèn các số ngẫu nhiên, bảng tính sẽ sử dụng chức năng Sắp xếp của Excel
để sắp xếp giá chỉ số (cột B), lãi suất nước ngoài (cột D) và tỷ giá hối đoái (cột
F). Quy trình này tạo ra sự kết hợp ngẫu nhiên của ba yếu tố định giá danh mục đầu
tư, mang lại giá trị danh mục kết quả trong cột H và lợi nhuận danh mục đầu tư
trong ô F3).
Range(“IndexRand”).Cells(Row, 1) = Rnd
Hàng tiếp theo
Range(“InterestRand”).Cells(Row, 1) = Rnd
Hàng tiếp theo
Range(“ExchangeRand”).Cells(Row, 1) = Rnd
Hàng tiếp theo
Machine Translated by Google
Tiêu đề:=xlKhông
Tiêu đề:=xlKhông
Tiêu đề:=xlKhông
Range(“returndata”).Cells(Iteration, 1) = Range(“meanreturn”)
Phạm vi(“đã trôi qua”) = Thời gian - Phạm vi(“thời gian bắt đầu”)
Sau khi tạo ra dữ liệu đã được khởi động, chúng tôi sử dụng hàm mảng Tần số (xem Chương 35) để
Lưu ý rằng mô phỏng này mất một thời gian rất dài! Trên máy tính xách tay của tác giả, 5.000 mô
Phụ lục: Cách khởi động: Tạo thẻ Bingo trong Excel
Bootstrapping đề cập đến một kỹ thuật xáo trộn dữ liệu ngẫu nhiên để tạo ra nhiều “dữ liệu” hơn. Phụ
Nó dựa trên trò chơi “sinh nhật bingo” được tạo ra nhân dịp sinh nhật lần thứ 85 của
• Mọi người đều nhận được một “Thẻ Bingo Helen,” có năm cột, mỗi cột có năm số. Cột đầu tiên có năm
số từ 1 đến 17, cột thứ hai có năm số từ 18 đến 34, v.v. Một thẻ điển hình trông như thế này:
Machine Translated by Google
410 Chương 15
HELEN
3 23 51 52 75
15 26 40 57 70
9 21 50 68 82
7 22 49 56 71
8 20 45 55 69
• Chúng tôi tạo ra 85 câu hỏi với các câu trả lời từ 1 đến 85. Khi rút thẻ có câu hỏi, ai đó
phải đưa ra câu trả lời đúng và sau đó những người có số trên thẻ của mình có thể gạch bỏ câu
hỏi đó. Ví dụ: nếu chúng ta hỏi: “Helen có bao nhiêu cháu?” và ai đó trả lời: “Mười ba”, thì
• Người đầu tiên có năm số trên một dòng (một cột, một hàng hoặc một đường chéo) sẽ đoạt giải.
(Lưu ý rằng không cần bất kỳ tài năng nào để giành chiến thắng—tất cả những gì bạn phải làm
Chúng tôi muốn sử dụng Excel để tạo thẻ nhưng ban đầu vẫn chưa rõ cách
thực hiện nhiệm vụ này. Cuối cùng, thủ thuật cần thiết, đó là chúng ta muốn
lập mô hình việc lựa chọn các quả bóng từ một chiếc bình mà không cần thay
thế, đã được phát hiện. (Chúng ta sẽ thảo luận chi tiết hơn về chủ đề này sau.)
thủ thuật
Bí quyết rất đơn giản. Để minh họa, giả sử chúng ta muốn rút ngẫu nhiên năm
số từ 1 đến 17. (Đây sẽ là năm số sẽ xuất hiện ở cột đầu tiên của một lá bài
Helen Bingo cụ thể.) Đây là cách chúng ta thực hiện Nó:
• Đầu tiên tạo một danh sách các số từ 1 đến 17 và một cột số ngẫu nhiên liền kề. Bước này sẽ
MỘT B
GIẢI THÍCH
1 thủ thuật
2 0,653152
3 1 0,425876
4 2 3 0,743173
5 4 0.911709
6 5 0.104356
7 6 0,09228
số 8 7 0,49608
9 8 0,210725
10 9 0,740506
11 10 0,724376
12 11 0.310175
13 12 0,437225
14 13 0.197224
15 14 0.145462
16 15 0,797405
17 16 0,52166
18 17 0,438188
Bản thân danh sách các số được tạo theo hai giai đoạn: Trong giai đoạn đầu
tiên =Rand() được nhập vào mỗi ô B2 : B18. Trong giai đoạn thứ hai B2 : B18 đã
được sao chép và sau đó được dán đặc biệt trở lại vị trí của chúng bằng cách
sử dụng Chỉnh sửa|Dán Đặc biệt|Giá trị. Quy trình này sẽ loại bỏ các for-mulas
đằng sau các con số (nếu không thì Rand() sẽ thay đổi giá trị của nó mỗi khi
chúng ta nhấn [Enter] ).
• Tiếp theo, sắp xếp cả hai cột bằng cột thứ hai làm khóa sắp xếp. Trước tiên,
hãy đánh dấu dữ liệu liên quan, sau đó sử dụng lệnh Excel Data|Sắp xếp.
Thao tác này sẽ hiển thị màn hình sau, trong đó tôi đã chọn sắp xếp dữ liệu
theo Cột B.
Machine Translated by Google
412 Chương 15
MỘT B
GIẢI THÍCH
1 thủ thuật
2 1 0,041996
3 16 0,057147
4 7 0,089137
5 17 0.18458
6 9 0.185816
7 4 0,201975
số 8 3 0,231535
9 11 0,493658
10 10 0,58846
11 6 0,60949
12 2 0,638563
13 14 0.667014
14 5 0,678208
15 13 0,683465
16 0,762878
17 8 0.815158
18 15 12 0.924981
Machine Translated by Google
• Cuối cùng, chọn năm số đầu tiên từ cột đầu tiên (trong ví dụ này là
1, 16, 7, 17, 9). Tất nhiên, bạn có thể chọn năm số cuối cùng, năm số ở
giữa hoặc bất kỳ năm số nào khác từ cột.
Những gì chúng tôi đang làm ở đây cũng giống như việc chọn những con số ngẫu nhiên
từ một chiếc bình mà không cần thay thế. Mô hình này, tiêu chuẩn trong tất cả các
sách giới thiệu về xác suất, tưởng tượng một chiếc bình chứa đầy bóng. Mỗi quả bóng
có một số khác nhau—trong trường hợp của chúng ta, có 17 quả bóng có số từ 1 đến 17.
Chiếc bình được lắc để trộn các quả bóng và sau đó năm quả bóng được rút ra.
Mỗi quả bóng sau khi được rút ra sẽ không được đặt lại vào bình.
Mô hình này hơi khác so với các trình tạo số ngẫu nhiên tiêu chuẩn, chọn các số ngẫu nhiên
để thay thế (tức là khi số của quả bóng được ghi lại, nó sẽ được đặt trở lại vào bình để có
Bước rõ ràng tiếp theo là viết một chương trình bằng VBA để tự động hóa quy
trình. Đây là bảng tính:
4. Excel có hàm Randbetween(low,high) cho phép bạn tạo các số nguyên ngẫu nhiên giữa thấp
và cao. Vì vậy, để tạo năm số từ 1 đến 17, bạn chỉ cần sao chép =Randbetween(1,17)
vào năm ô liền kề. Tuy nhiên, điều này giống như rút các số từ chiếc bình có số thay
thế và do đó có thể cho bạn nhiều lần rút cùng một số—một trò chơi bingo không-không!
Machine Translated by Google
414 Chương 15
BC D E F G H TÔI
Ctrl + b chạy
2 vĩ mô
5 HELEN
6 2 20 47 63 73
7 15 18 39 68 78
số 8
5 31 43 58 80
9 11 19 44 65 69
10 17 26 51 64 76
11
5. Tôi cảm ơn Paul Legerer vì đã cải tiến đáng kể mã cho chương trình này từ ấn bản trước
của Mô hình tài chính. Một người đọc tinh tường sẽ lưu ý rằng chương trình của Paul
nội bộ hóa việc sắp xếp các số ngẫu nhiên trong mã VBA, sao cho chỉ việc in thẻ được
thực hiện trong bảng tính.
Machine Translated by Google
Tùy chọn Cơ sở 1
lặp 5 lần (1 vòng lặp cho mỗi 'cột trên thẻ bingo)
Dim ArraySort(NperR, 2)
'chiều thứ nhất của mảng: 'số ngẫu nhiên trong khoảng từ
0 đến 1
ArraySort(i, 1) = Rnd
'chiều thứ hai của mảng: 'vị trí trong mảng (1-17 trong
vòng lặp đầu tiên, '18 đến 34 trong vòng lặp thứ hai, v.v.)
'tìm giá trị nhỏ nhất trong mảng' và giữ nguyên giá trị của vị trí (1
đến 17)
MinNum = ArraySort(ii, 1)
MinIndex = ArraySort(ii, 2)
Chỉ số thực = ii
MinNum = ArraySort(i, 1)
MinIndex = ArraySort(i, 2)
Chỉ số thực = tôi
416 Chương 15
'Thay thế số đầu tiên trong mảng bằng 'giá trị tối thiểu và...
TempNum = ArraySort(ii, 1)
TempIndex = ArraySort(ii, 2)
ArraySort(ii, 1) = MinNum
ArraySort(ii, 2) = MinIndex
ArraySort(RealIndex, 1) = TempNum
ArraySort(RealIndex, 2) = TempIndex
'bắt đầu lại với các số còn lại: khi 'vòng lặp cuối cùng hoàn thành, tất cả các số sẽ
được
sắp xếp
Tiếp theo ii
'viết 5 số đầu tiên (số hàng trên 'thẻ bingo) của kết quả vào bảng tính
Với ActiveSheet.Range(BingoCard)
Với ii = 1 Đối với BingoRows .Cells(ii,
iii) = ArraySort(ii, 2)
Tiếp theo ii
Tiếp theoiii
Có một cách khác để thiết kế thẻ bingo, sử dụng hàm Xếp hạng Excel :6
AB C D E F G
1
2 HELEN
1 31 36 63 83 <-- =(F$9-1)*17+RANK(F10,F$10:F$26)
3
3 27 38 58 84 <-- =(F$9-1)*17+RANK(F11,F$10:F$26)
4
5
11 32 44 55 78
6
2 23 35 68 75
7
6 19 45 61 76
8
9 12345
10 0,9562 0,2730 0,8788 0,2574 0,0735 <-- =RAND()
11 0,8333 0,5145 0,7366 0,5556 0,0702 <-- =RAND()
12 0,4827 0,2727 0,4318 0,8825 0,5355 <-- =RAND()
13 0,8475 0,6533 0,9783 0,0103 0,6092
14 0,7706 0,9582 0,3832 0,3485 0,6019
15 0,4284 0,66 52 0,2587 0,6039 0,9998
16 0,2066 0,3386 0,0672 0,0924 0,5632
17 0,6735 0,1244 0,3091 0,8998 0,8532
18 0,2589 0,6032 0,0847 0.4665 0.4054
19 0. 29 0.3386 0,5020 0,2635 0,8696
20 0,8241 0,5994 0,7240 0,0538 0.9613
21 0.5427 0.9184 0.7793 0.4888 0.2180
22 0.7136 0.491
23
24
25
26
Các mục trong hàng 10–26 được tạo bằng Rand(). Các mục của
Thẻ bingo được tính theo công thức:
= (F$9-1) 17 NGỨA(F10,F$10:F$26) +
cột khác)
Nhược điểm duy nhất của việc triển khai bootstrap-ping rất thông minh
này là các mục trên thẻ thay đổi sau mỗi lần tính toán lại bảng tính.
Machine Translated by Google
Machine Translated by Google
III
Mô hình định giá quyền chọn
Các chương 16–24 đề cập đến việc định giá quyền chọn và các ứng dụng. Chương 16 là
phần giới thiệu về các lựa chọn. Sau khi xác định thuật ngữ quyền chọn, Chương 16
thảo luận về lợi ích quyền chọn và các đề xuất định giá quyền chọn cơ bản. Trong
Chương 17, chúng ta thảo luận về mô hình định giá quyền chọn nhị thức và cách triển
khai nó trong Excel. Sau khi trình bày cách các mô hình nhị thức này hoạt động, chúng
tôi sử dụng Visual Basic for Application (VBA; xem Chương 37–40) để xây dựng các hàm
định giá quyền chọn nhị thức cho cả quyền chọn Châu Âu và Mỹ. Một trong những ứng
dụng được thảo luận là việc định giá quyền chọn cổ phiếu của nhân viên.
Chương 18 thảo luận về tính chuẩn logarit của giá cổ phiếu. Giả định về tính logic
làm cơ sở cho các công thức định giá Black-Scholes; trong Chương 18, chúng tôi sử
dụng Excel để mô phỏng các quy trình giá logarit thông thường.
Chương 19 thảo luận về công thức định giá Black-Scholes cho quyền chọn mua và quyền
bán kiểu Châu Âu. Những công thức này có thể được triển khai bằng cách tính toán
trực tiếp trong bảng tính hoặc bằng cách sử dụng VBA để xây dựng các hàm bảng tính
mới. Việc mở rộng mô hình Black-Scholes để định giá cổ phiếu trả cổ tức (còn gọi là
Chúng tôi trình bày cách áp dụng các mô hình định giá quyền chọn để định giá chứng
khoán có cấu trúc. Chương 20 thảo luận về cách tính toán “Hy Lạp”—
các dẫn xuất của công thức định giá quyền chọn cho thấy mức độ nhạy cảm của việc định
giá quyền chọn với các thông số khác nhau của nó.
Trong Chương 21, chúng ta thảo luận về ứng dụng của mô hình Black-Scholes—
bảo hiểm danh mục đầu tư. Chúng tôi sử dụng Excel để mô phỏng hiệu suất của các
chiến lược bảo hiểm danh mục đầu tư; những mô phỏng này sử dụng mô phỏng logic chuẩn
Nhiều quyền chọn không thể được định giá bằng các công thức dạng đóng được thảo
luận trong Chương 19. Chương 22 và 23 chỉ ra cách áp dụng kỹ thuật Monte Carlo để
định giá quyền chọn Châu Á và quyền chọn rào cản. VBA và Excel sẵn sàng cho Monte
Carlo.
Quyền chọn thực được minh họa trong Chương 24. Quyền chọn thực là một ứng dụng
của các khái niệm giống quyền chọn cho các vấn đề về lập ngân sách vốn và định giá
được thảo luận trong Chương 1–4. Chúng tôi trình bày một ứng dụng của kỹ thuật quyền
chọn thực để định giá một công ty khởi nghiệp về y tế sinh học.
Machine Translated by Google
Machine Translated by Google
Trong chương này chúng tôi giới thiệu ngắn gọn về các lựa chọn. Tốt nhất, chương
này có thể đóng vai trò như một phần giới thiệu về những thông tin đã được cung
cấp. Nếu bạn không biết gì về quyền chọn, hãy đọc phần giới thiệu về chủ đề này
trong một văn bản tài chính cơ bản.1 Chúng ta bắt đầu với các định nghĩa cơ bản
và thuật ngữ về quyền chọn, tiếp tục thảo luận về biểu đồ về lợi nhuận quyền chọn
và “sơ đồ lợi nhuận” và cuối cùng thảo luận về một số đề xuất kinh doanh chênh
lệch giá quyền chọn quan trọng hơn (đôi khi được gọi là hạn chế định giá tuyến
tính). Trong các chương tiếp theo, chúng ta thảo luận về hai phương pháp định giá
quyền chọn: Mô hình định giá quyền chọn nhị thức (Chương 17) và mô hình định giá
Quyền chọn cổ phiếu là một chứng khoán cho phép người nắm giữ quyền mua hoặc bán
một cổ phiếu vào hoặc trước một ngày cụ thể với mức giá được xác định trước. Dưới
đây là bảng chú giải thuật ngữ ngắn gọn về các thuật ngữ và ký hiệu được sử dụng
• Gọi, C: Một quyền chọn cho phép người nắm giữ quyền mua một cổ phiếu vào hoặc
trước một ngày nhất định với mức giá định trước.
• Put, P: Một quyền chọn cho phép người nắm giữ quyền bán một cổ phiếu vào hoặc
trước một ngày nhất định ở một mức giá định trước.
• Giá thực hiện, X: Giá mà người nắm giữ có thể mua hoặc bán cổ phiếu cơ sở; đôi
• Ngày hết hạn, T: Ngày hoặc trước ngày người nắm giữ có thể mua hoặc bán cổ phiếu
cơ sở.
• Giá cổ phiếu, St: Giá cổ phiếu cơ sở được bán tại ngày t. Giá cổ phiếu hiện tại
• Giá quyền chọn: Giá mà quyền chọn được bán hoặc mua.
1. Các chương hay có thể tìm thấy trong các cuốn sách sau: John Hull, Options, Futures,
and Other Derivatives (ấn bản thứ 6, 2006, Upper Saddle River, NJ: Prentice Hall);
Bodie, Kane, và Marcus, Investments (ấn bản thứ 6, 2004, New York: McGraw Hill Higher
Education).
Machine Translated by Google
422 Chương 16
Quyền chọn kiểu Mỹ và quyền chọn châu Âu Trong thuật ngữ của thị trường quyền chọn, quyền chọn
kiểu Mỹ là quyền chọn có thể được thực hiện vào hoặc trước ngày hết hạn T, trong khi quyền chọn
kiểu Châu Âu là quyền chọn chỉ có thể được thực hiện vào ngày hết hạn T. Thuật ngữ này gây nhầm
1. Các quyền chọn được bán trên cả hai sàn giao dịch quyền chọn Châu Âu và Mỹ hầu như
2. Các công thức định giá quyền chọn đơn giản nhất (bao gồm cả công thức định giá
quyền chọn Black-Scholes nổi tiếng đã thảo luận ở Chương 19) là dành cho quyền chọn
kiểu Châu Âu. Như chúng tôi trình bày ở phần 16.6, trong nhiều trường hợp, chúng tôi có
thể định giá quyền chọn Mỹ như thể chúng là quyền chọn châu Âu.
Chúng ta sử dụng Ct để biểu thị giá quyền chọn mua kiểu Châu Âu vào ngày t và Pt để
biểu thị giá bán kiểu Châu Âu. Nếu rõ ràng giá quyền chọn đề cập đến giá hôm nay, chúng
ta thường bỏ chỉ số dưới, viết C hoặc P thay vì C0 hoặc P0. Khi cần ký hiệu đầy đủ hơn,
chúng ta viết Ct(St, X, T) cho giá quyền chọn mua vào ngày t khi giá của cổ phiếu cơ sở
là St, giá thực hiện là X và ngày hết hạn là T. Nếu chúng ta cần ký hiệu đầy đủ hơn,
chúng ta viết Ct(St, X, T) cho giá quyền chọn mua vào ngày t. muốn chỉ rõ rằng công
thức định giá quyền chọn của chúng tôi liên quan đến quyền chọn kiểu Mỹ, chúng tôi sử
dụng ký tự siêu A: Ct A, Ct A(St, X, T) hoặc Pt A(St, X, T). Khi được viết không có chữ
số trên, các ký hiệu đề cập đến quyền chọn kiểu Châu Âu.
Khi có tiền, bằng tiền, hết tiền Nếu giá thực hiện X
của một quyền chọn mua hoặc một quyền chọn bán bằng với giá hiện tại của cổ phiếu S0,
thì quyền chọn đó có giá trị bằng tiền. Nếu một dòng tiền dương có thể được tạo ra
bằng cách thực hiện ngay một quyền chọn kiểu Mỹ (nghĩa là S0 X > 0 đối với quyền
2
chọn mua và X S0 > 0 đối với quyền chọn bán), thì quyền chọn đó có tiền.
16.2.1 Quyền chọn Viết so với Quyền chọn Mua: Dòng tiền
Người mua quyền chọn mua có quyền mua một cổ phiếu với mức giá nhất định vào hoặc trước
ngày T và thanh toán quyền này tại thời điểm mua. Người viết hoặc người bán quyền chọn
mua này là người bán quyền này: Người viết thu thập giá quyền chọn ngày hôm nay để đổi
lấy việc buộc mình phải giao một cổ phiếu trong tương lai với giá thực hiện,
2. Tất nhiên là không hợp lý nếu bạn có thể kiếm được lợi nhuận ngay lập tức bằng cách mua một
quyền chọn kiểu Mỹ và thực hiện quyền chọn đó ngay lập tức. Do đó, đối với quyền chọn mua
kiểu Mỹ, C0 > S0 X, và đối với quyền chọn bán kiểu Mỹ, P0 > X S0. Như vậy trong tiền
và ngoài tiền chỉ đề cập đến mối quan hệ giữa S0 và X mà không tính đến giá quyền chọn.
Machine Translated by Google
nếu người mua cuộc gọi yêu cầu. Về mặt dòng tiền, người mua quyền chọn luôn
có dòng tiền âm ban đầu (giá của quyền chọn) và dòng tiền trong tương lai ở
mức tồi tệ nhất bằng 0 (nếu nó không đáng để thực hiện quyền chọn) và ngược
lại dương (nếu quyền chọn được thực hiện).
Vị trí dòng tiền của người viết quyền chọn bị đảo ngược: Dòng tiền dương ban
đầu được theo sau bởi dòng tiền cuối cùng ở mức tốt nhất.
số không.
Tùy chọn cuộc gọi mua, Hoàn trả cuộc gọi thiết bị đầu cuối,
Tùy chọn cuộc gọi viết (tức là phát hành), Trả tiền hoàn trả cuộc gọi thiết bị đầu cuối
Một mô hình hoàn trả tương tự cũng áp dụng cho dòng tiền của người mua và
người viết quyền chọn bán cổ phiếu:
Tùy chọn cuộc gọi viết (tức là phát hành), Trả tiền hoàn trả cuộc gọi thiết bị đầu cuối
424 Chương 16
16.3 Một số ví dụ
Bảng tính sau đây hiển thị các tùy chọn được giao dịch tích cực nhất trên 3
Tháng 10 năm 2006:
1 CÁC LỰA CHỌN TÍCH CỰC NHẤT, NGÀY 3 THÁNG 10 NĂM 2006
Cổ phần
2
26 Lãi suất mở: Số lượng vị trí mở vào cuối ngày. Một vị thế sẽ bị đóng (tức là không mở) nếu quyền chọn đã được bán vào cuối ngày.
Trong số 20 quyền chọn tích cực nhất, 14 quyền chọn là quỹ giao dịch trao đổi (ETF) và 6
quyền chọn là cổ phiếu. Với mục đích phân tích, chúng ta có thể coi ETF như thể chúng là
cổ phiếu.
• QQQQ là chỉ số của 100 công ty tài chính phi tài chính lớn nhất được giao dịch trên sàn
Nasdaq.
Trong số 20 quyền chọn tích cực nhất, có 5 quyền chọn mua và 15 quyền chọn bán. Vào ngày
3 tháng 10 năm 2006, thị trường Mỹ đóng cửa ở mức cao nhất hoặc gần mức cao nhất trong 7
năm, do đó, ưu thế về quyền chọn bán có lẽ là dấu hiệu cho thấy xu hướng đặt cược vào sự
sụt giảm của thị trường.
Machine Translated by Google
Trong số 20 quyền chọn tích cực nhất, 10 quyền chọn có ngày hết hạn quyền chọn gần nhất
—20 tháng 10 năm 2006. Các quyền chọn tích cực nhất thường là các quyền chọn có kỳ
Trong nhiều trường hợp, khối lượng giao dịch vượt quá lãi suất mở vào cuối ngày. Thực
tế này cho thấy rằng các vị thế quyền chọn mở trong ngày đã bị đóng vào cuối ngày. Vị
thế quyền chọn sẽ bị đóng nếu người nắm giữ đã bán quyền chọn của mình.
Chúng tôi xem xét kỹ hơn các lựa chọn vào tháng 1 năm 2007 của Halliburton (HAL).3
MỘT B C DEF G H
Lưu ý sự mất cân bằng về khối lượng giao dịch giữa quyền chọn mua và quyền chọn bán.
Cũng lưu ý rằng phần lớn khối lượng giao dịch bán tập trung vào các giao dịch mua bán
3. Tại sao bốn Halliburton lại được đưa vào danh sách những lựa chọn tích cực nhất? Vào ngày 3 tháng
10 năm 2006, cổ phiếu này được giao dịch với khối lượng gấp đôi trung bình hàng ngày (29 triệu
cổ phiếu so với 14 triệu cổ phiếu hàng ngày trong ba tháng trước đó). Những tin đồn mạnh mẽ đang
lan truyền về khả năng công ty che đậy liên quan đến các khoản hối lộ trả cho các quan chức chính
phủ ở Nigeria.
Machine Translated by Google
426 Chương 16
Một trong những điểm hấp dẫn của quyền chọn là chúng cho phép chủ sở hữu thay đổi mô hình
hoàn trả của tài sản cơ bản. Trong phần này chúng tôi xem xét
• Các hình thức hoàn trả và lợi nhuận cơ bản của quyền chọn mua, quyền chọn bán và cổ phiếu.
• Mô hình hoàn trả của các kết hợp quyền chọn và cổ phiếu khác nhau.
Giả sử bạn mua một cổ phiếu của General Pills vào tháng 7 với giá thị trường hiện tại là 40
USD. Nếu vào tháng 9 giá cổ phiếu là 70 USD, bạn sẽ kiếm được 30 USD; nếu giá của nó là 30
đô la, bạn sẽ lỗ (hoặc lợi nhuận âm) là 10,4 đô la. Tổng quát hóa mô hình này bằng cách viết
giá cổ phiếu trong tháng 9 là ST và giá của nó trong tháng 7 là S0. Sau đó chúng ta viết hàm
Giả sử chúng tôi đã bán khống một cổ phiếu GP vào tháng 7, khi giá thị trường của nó là 40
USD. Nếu vào tháng 9, giá thị trường của GP là 70 đô la và nếu tại thời điểm đó chúng tôi hủy
bỏ việc bán khống (tức là chúng tôi mua một cổ phiếu theo giá thị trường để trả lại cổ phiếu
cho người cho vay bán khống ban đầu), thì hồ sơ của chúng tôi sẽ t sẽ là $30:
Lưu ý rằng lợi nhuận từ việc bán khống là số âm của lợi nhuận từ việc mua; điều này luôn xảy
ra (đối với các tùy chọn, được xem xét trong phần 16.4.2).
4. Việc chúng tôi sử dụng từ lợi nhuận trong phần này có phần hơi lạm dụng ngôn ngữ tiếng Anh và khái niệm tài chính
tiêu chuẩn của từ này, vì chúng tôi đang bỏ qua chi phí lãi vay liên quan đến việc mua tài sản. Trong trường hợp
hiện tại, việc lạm dụng ngôn ngữ này vừa mang tính truyền thống vừa vô hại.
Machine Translated by Google
Hình Excel sau đây biểu thị các mô hình lợi nhuận từ cả việc mua và bán khống cổ phiếu GP:
50
40
30
20
10
0
nhuận
($)
Lợi
10 20 30 40 50 60 70 80
0–10
–20
–30
–40
–50
Giá cổ phiếu đầu cuối, ST ($)
Chúng ta quay lại tùy chọn Thuốc chung (GP) của phần trước.
Giả sử rằng vào tháng 7, bạn mua một quyền chọn mua GP ngày 40 tháng 9 với giá 4,5
USD. Trong tháng 9, bạn sẽ chỉ thực hiện quyền chọn mua nếu giá thị trường của GP
cao hơn 40 USD. Nếu chúng ta viết giá quyền chọn mua ban đầu (tháng 7) là C0, chúng
ta có thể viết hàm lợi nhuận từ quyền chọn mua vào tháng 9 như sau:
5. Bởi vì giá thực hiện của quyền chọn mua này bằng với giá thị trường hiện tại của cổ phiếu nên nó
được gọi là quyền chọn mua theo giá tiền . Khi giá thực hiện quyền chọn mua cao hơn giá thị trường
hiện tại thì được gọi là quyền chọn mua hết tiền và khi giá thực hiện quyền chọn mua thấp hơn giá
thị trường hiện tại thì quyền chọn mua được gọi là quyền chọn mua có giá trị. gọi.
Machine Translated by Google
428 Chương 16
16.4.2.2 Mô hình thanh toán từ một cuộc gọi bằng văn bản
Trong thị trường quyền chọn, người mua quyền chọn mua quyền chọn mua từ một bên đối tác thực
hiện quyền chọn mua. Trong thuật ngữ tùy chọn, người phát hành cuộc gọi được gọi là người viết
cuộc gọi. Sẽ rất đáng để dành một vài phút xem xét sự khác biệt giữa bảo mật được mua bởi
• Người mua quyền chọn mua mua một chứng khoán có quyền mua một cổ phiếu
vào hoặc trước ngày T với giá X. Chi phí của đặc quyền này là giá quyền
chọn mua C0, được thanh toán tại thời điểm mua quyền chọn mua. Do đó,
người mua cuộc gọi có dòng tiền âm ban đầu (giá mua C0); tuy nhiên,
dòng tiền của anh ta tại ngày T luôn không âm: max (ST X, 0).
• Người thực hiện cuộc gọi nhận được C0 vào ngày mua cuộc gọi. Để đổi
lại mức giá này, người viết lệnh mua đồng ý bán một cổ phiếu với giá X
vào hoặc trước ngày T. Lưu ý rằng trong khi người mua quyền chọn mua
có quyền chọn thì người viết lệnh mua đã thực hiện một nghĩa vụ.
Hơn nữa, lưu ý rằng mô hình dòng tiền của người viết cuộc gọi trái ngược
với mô hình của người mua cuộc gọi: Dòng tiền ban đầu của người viết cuộc
gọi là dương (+C0) và dòng tiền của cô ấy tại ngày T luôn không dương:
max ( ST X, 0).
Lợi nhuận của người viết cuộc gọi trái ngược với lợi nhuận của người mua cuộc gọi.
0
SXtối đa9 (=0
Gọi lợi nhuận của người viết trongCtháng ) , T
= 4 tối đa ( 0 ,ST 40)
4 + ST ≤ 40
=
nếu như
44 SS
T
nếu như
T
> 40
Vẽ đồ thị các mô hình lợi nhuận của lệnh mua và lệnh mua bằng văn bản cho:
Machine Translated by Google
40
30
20
10
0
nhuận
($)
Lợi
0 10 20 30 40 50 60 70 80
–10
–20
–30
–40
Giá cổ phiếu đầu cuối, ST ($)
Cuộc gọi bằng văn bản
Cuộc gọi đã mua
Nếu trong tháng 7, bạn mua một quyền chọn bán GP ngày 40 tháng 9 với giá 2 đô la,
thì vào tháng 9, bạn sẽ chỉ thực hiện quyền chọn bán nếu giá thị trường của GP
thấp hơn 40 đô la. Nếu chúng ta viết giá bán ban đầu (tháng 7) là P0, chúng ta
có thể viết hàm lợi nhuận từ giá bán vào tháng 9 như sau:
=
, 40
tối đa ( 0 ST ) 2
ST ST ≤ 40
= 38
nếu như
16.4.3.2 Mô hình thanh toán từ một lệnh đặt bằng văn bản
Người viết lệnh bán bắt buộc phải mua một cổ phiếu của cổ phiếu GP vào
hoặc trước ngày T với giá thực hiện quyền chọn bán là X. Để đặt mình
vào tình thế khó chịu này, người viết lệnh bán sẽ nhận được, tại thời
điểm lệnh bán được viết, lệnh bán giá P0. Do đó, mô hình hoàn trả từ
việc viết lệnh bán GP ngày 40 tháng 9 là
Machine Translated by Google
430 Chương 16
Vẽ đồ thị mô hình lợi nhuận của giao dịch mua và quyền chọn bán bằng văn bản cho
50
40
30
20
10
0
nhuận
($)
Lợi
10 20 30 40 50 60 70 80
0–10
–20
–30
–40
–50
Giá cổ phiếu đầu cuối, ST ($)
mua đặt viết bằng văn bản
16.5 Chiến lược quyền chọn: Lợi nhuận từ danh mục quyền chọn và cổ phiếu
Có một số mối quan tâm trong việc vẽ đồ thị mô hình lợi nhuận tổng hợp từ danh
mục các quyền chọn và cổ phiếu. Những mô hình này đưa ra dấu hiệu về cách sử
dụng các quyền chọn để thay đổi mô hình hoàn trả của các chứng khoán “tiêu
chuẩn” như cổ phiếu và trái phiếu. Dưới đây là một vài ví dụ.
• Một quyền chọn bán, được mua với giá P với giá thực hiện X.
Machine Translated by Google
Chiến lược quyền chọn này thường được gọi là chiến lược “bảo vệ quyền chọn
bán” hoặc “bảo hiểm danh mục đầu tư”; trong Chương 21 chúng ta quay lại chủ
đề này, khám phá nó chi tiết hơn. Mô hình hoàn trả của quyền chọn bảo vệ
được đưa ra bởi
SS
T XS
Lợi nhuận chứng khoán t + Lợi nhuận 0 Ptối
bán t =đa+ ( 0 T ), 0
T 0+XS P
SS T 0 T ≤
SX
=
nếu như
SSP
T 0 0
nếu như
T >
SX
XS P 0 0 T ≤
SX
=
nếu như
SS
T 0 P0 nếu như
T >
SX
50
40
30
20
10
0
nhuận
10 20 30 40 50 60 70 80
($)
Lợi
0–10
Giá cổ phiếu đầu cuối, ST ($)
–20
–30
–40
–50 Lợi nhuận cổ phiếu thiết bị đầu cuối Thiết bị đầu cuối đặt lợi nhuận Lợi nhuận đặt bảo vệ
Mẫu này trông rất giống với mẫu hoàn trả từ một cuộc gọi.6
6. Trong phần 16.6 chúng tôi chứng minh và minh họa định lý chẵn lẻ quyền chọn bán. Theo định lý này, quyền chọn mua
phải được định giá ở mức giá C sao cho C = P + S0 Xe rT. Do đó, khi quyền chọn mua được định giá chính xác
theo định lý này, lợi ích thu được từ sự kết hợp quyền chọn bán + cổ phiếu cũng giống như lợi ích từ sự kết hợp
quyền chọn mua + trái phiếu.
Machine Translated by Google
432 Chương 16
Một sự kết hợp khác liên quan đến việc mua và viết các cuộc gọi với mức giá thực
hiện khác nhau. Khi quyền chọn mua đã mua có giá thực hiện thấp và quyền chọn
mua có giá thực hiện cao hơn, sự kết hợp này được gọi là chênh lệch giá tăng. Ví
dụ: giả sử bạn mua một quyền chọn mua (với giá 4 đô la) với giá thực hiện là 40
đô la và viết một quyền chọn mua (với giá 2 đô la) với giá thực hiện là 50 đô la.
tối đa ( T , 0 4
) 40 [tối đa (S T , 0 2
) 50 ]
S 4 +2 nếu như S T ≤ 40
= S T +=40 4 2 ST 42 nếu như 40 S₫T 50
ST 40 4 ( S= T ) 50 2 8 nếu như S T ≥ 50
Biểu đồ Excel sau đây hiển thị từng lệnh gọi trong số hai lệnh gọi và lợi nhuận
30
25
20
15
10
5
nhuận
($)
Lợi
0
10 20 30 40 50 60 70 80
0–5
–15
–20
–25 Cuộc gọi mua thiết bị đầu cuối, X = 40 Cuộc gọi bằng văn bản đầu cuối, X = 50
Trong các chương tiếp theo, chúng tôi định giá quyền chọn dựa trên các giả
định cụ thể về phân bổ xác suất của tài sản cơ sở (thường là cổ phiếu) trên
Machine Translated by Google
tùy chọn nào được viết. Tuy nhiên, có thể học được nhiều điều về việc định
giá quyền chọn mà không cần đưa ra những giả định về xác suất cụ thể này.
Trong phần này chúng ta xem xét một số hạn chế về kinh doanh chênh lệch giá
đối với việc định giá quyền chọn. Danh sách của chúng tôi không hề đầy đủ
và chúng tôi tập trung vào những đề xuất cung cấp cái nhìn sâu sắc về việc
định giá các quyền chọn hoặc sẽ được sử dụng trong các phần sau.
Trong suốt quá trình, chúng tôi giả định rằng có một mức lãi suất phi rủi ro
duy nhất định giá trái phiếu; chúng ta cũng giả định rằng lãi suất phi rủi ro này
được gộp liên tục, do đó giá trị hiện tại của một chứng khoán không rủi ro sẽ thanh
mệnh đề 1 Hãy xem xét một quyền chọn mua được viết trên một cổ phiếu
không trả cổ tức trước ngày hết hạn của quyền chọn T. Khi đó giới hạn
dưới của giá quyền chọn mua được cho bởi
C0( ≥tối đa S0 Xe rT
,0)
Nhận xét Trước khi chứng minh mệnh đề này, sẽ rất hữu ích khi xem xét ý
nghĩa của nó: Giả sử lãi suất phi rủi ro là 10% và giả sử chúng ta có một
quyền chọn mua kiểu Mỹ với thời gian đáo hạn T = 1/2 (tức là ngày hết hạn
của quyền chọn này là nửa năm kể từ hôm nay) với X = 80 được ghi trên một
cổ phiếu có giá cổ phiếu hiện tại S0 = 83. Một cách tiếp cận ngây thơ để
xác định giới hạn dưới cho giá của quyền chọn này là tuyên bố rằng nó có
giá trị ít nhất là 3 đô la, vì nó có thể được thực hiện ngay lập tức với
lợi nhuận là 3 USD. Mệnh đề 1 cho thấy giá trị của tùy chọn ít nhất là 83 -
e 0,10*0,580 = 6,90. Hơn nữa, việc xem xét cẩn thận bằng chứng sau đây
sẽ cho thấy rằng thực tế này không phụ thuộc vào việc quyền chọn là quyền
chọn kiểu Mỹ - nó cũng đúng đối với quyền chọn kiểu Châu Âu.
MỘT B C
1 Đề xuất 1--Giới hạn dưới cao hơn cho giá quyền chọn mua
2 Giá cổ phiếu hiện tại, S0 83
3 Thời gian quyền chọn đáo hạn, T 0,5
4 Giá thực hiện quyền chọn, X 80
5 Lãi suất, r 10%
6
7 Giá quyền chọn tối thiểu ngây thơ, Max(S0-X,0) 3 <-- =MAX(B2-B4,0)
số 8
Dự luật 1 giới hạn dưới của giá quyền chọn, Max(S0 - Exp(-rT)X,0) 6,902 <-- =MAX(B2-EXP(-B5*B3)*B4,0)
Bằng chứng Bằng chứng chênh lệch giá tiêu chuẩn được xây dựng dựa trên việc
xem xét dòng tiền từ một chiến lược cụ thể. Trong trường hợp này, chiến
lược như sau:
Machine Translated by Google
434 Chương 16
• Vay giá trị hiện tại (PV) của giá thực hiện quyền chọn X.
• Thực hiện quyền chọn nếu đó là bảng thông số để thực hiện việc đó.
Tổng cộng S0 + Xe rT + C0 ST X ≤ 0 0
Lưu ý rằng tại thời điểm T, dòng tiền thu được từ quyền chọn này là âm (nếu
quyền chọn mua không được thực hiện) hoặc bằng 0 (khi ST ≥ X). Bây giờ, một tài
sản tài chính (trong trường hợp này là sự kết hợp giữa việc mua cổ phiếu, vay X
và viết lệnh mua lại) chỉ có các khoản hoàn trả không dương trong tương lai phải
Để kết thúc việc chứng minh, chúng ta lưu ý rằng trong mọi trường hợp giá trị của một
quyền chọn mua không thể nhỏ hơn 0. Do đó chúng ta có C0 ≥ max (S0 Xe rT, 0), điều này
Dự luật 1 có một hệ quả ngay lập tức và rất thú vị: Trong nhiều trường hợp,
tính năng thực hiện sớm của một quyền chọn mua kiểu Mỹ là vô giá trị; do đó, một
quyền chọn mua kiểu Mỹ có thể được định giá như thể nó là một quyền chọn kiểu
mệnh đề 2 Hãy xem xét một quyền chọn mua kiểu Mỹ được viết trên một cổ phiếu
sẽ không trả bất kỳ cổ tức nào trước ngày hết hạn của quyền chọn T. Khi đó,
việc thực hiện quyền chọn trước ngày đáo hạn không bao giờ là tối ưu.
Chứng minh Giả sử người nắm giữ quyền chọn đang xem xét thực hiện sớm, vào
một ngày nào đó t < T. Lý do duy nhất để xem xét thực hiện sớm như vậy là
St X > 0, trong đó St là giá của cổ phiếu cơ sở tại thời điểm t.
Tuy nhiên, theo Dự luật 1, giá trị thị trường của quyền chọn tại thời điểm t
ít nhất là St Xe r(T t), trong đó r là lãi suất phi rủi ro. Vì St
Xe r(T t) > St X, nên người nắm giữ quyền chọn tốt hơn nên bán quyền
chọn trên thị trường hơn là thực hiện nó.
Dự luật 2 có nghĩa là nhiều quyền chọn mua kiểu Mỹ có thể được định giá như
thể chúng là quyền chọn mua kiểu châu Âu. Lưu ý rằng tuyên bố này không đúng đối
với quyền chọn bán kiểu Mỹ, ngay cả khi cổ phiếu cơ sở không trả cổ tức (chúng
mệnh đề 3 (giới hạn đặt) Giới hạn dưới của giá trị của quyền chọn bán là
P rT
0 ( ≥0 tối đa ,Xe S 0)
Chứng minh Chứng minh của mệnh đề này có dạng giống như chứng minh của định
lý trước. Chúng tôi thiết lập một bảng chiến lược:
Tổng cộng
P0 + S0 XerT X ST ≤ 0
Vì chiến lược này chỉ có lợi nhuận âm hoặc bằng 0 trong tương lai nên nó
phải có dòng tiền dương ngày hôm nay để chúng ta có thể kết luận rằng
P 0Xe
0 S rT+ ≥ 0
Kết hợp với thực tế là trong mọi trường hợp giá trị đặt có thể âm, điều này
chứng tỏ mệnh đề.
Machine Translated by Google
436 Chương 16
mệnh đề 4 (chẵn giá quyền chọn bán) Giả sử C0 là giá quyền chọn mua kiểu Châu
Âu với giá thực hiện X được ghi trên một cổ phiếu có giá hiện tại là S0. Đặt P0
là giá của một quyền chọn bán ở Châu Âu trên cùng một cổ phiếu có cùng
giá thực hiện X. Giả sử cả quyền bán và quyền chọn mua đều có ngày thực
hiện T, và giả sử rằng lãi suất gộp liên tục là r. Sau đó,
C XerTPS+ 0=+0 0
Chứng minh Chứng minh có cách chứng minh tương tự như hai mệnh đề trước.
Chúng tôi xem xét sự kết hợp của bốn tài sản (quyền chọn bán, quyền chọn mua,
cổ phiếu và trái phiếu) và cho thấy mối quan hệ về giá phải được giữ vững.
Tổng cộng C0 Xe rT + P0 + S0 0 0
Vì chiến lược này có lợi ích thu được trong tương lai bằng 0 bất kể giá
cổ phiếu có xảy ra như thế nào, nên dòng tiền ban đầu của chiến lược cũng
phải bằng 0.7 Do đó,
C 0Xe rT
+ PS=0 0 0
Tính ngang bằng của quyền chọn bán cho biết giá cổ phiếu S0, giá quyền
chọn mua C0 với giá thực hiện X và giá quyền chọn bán P0 với giá thực
hiện X, được xác định đồng thời với lãi suất r. Sau đây là minh họa sử
dụng giá quyền chọn C0, giá thực hiện quyền chọn X, giá cổ phiếu hiện tại
S0 và lãi suất r để tính giá quyền chọn bán với giá thực hiện X và thời
gian đáo hạn T:
7. Đây là một thực tế cơ bản của tài chính: Nếu một chiến lược tài chính có các khoản hoàn trả trong tương lai
bằng 0 thì chi phí hiện tại của nó cũng phải bằng 0. Tương tự như vậy, nếu một chiến lược tài chính có các
khoản hoàn trả trong tương lai không âm thì khoản hoàn trả theo thời gian bằng 0 của nó phải là số âm (nghĩa
là nó phải tốn một khoản chi phí nào đó).
Machine Translated by Google
MỘT B C
Bảng tính này sử dụng tính chẵn lẻ của lệnh bán để tính ra giá bán P0 từ giá cuộc gọi
bán tại.
9 C0, lãi suất r, thời gian đáo hạnT, và giá thực hiện
mệnh đề 5 (độ lồi của giá quyền chọn mua) Xem xét ba quyền chọn mua ở Châu Âu, tất cả đều được viết trên cùng một cổ phiếu không trả cổ tức và có cùng ngày hết
hạn T. Chúng ta giả sử rằng giá thực hiện quyền chọn mua là X1, X2 và X3, và biểu thị giá quyền chọn liên quan bằng C1, C2 và XX + 1 3
Do đó, giá quyền chọn mua là một hàm lồi của giá thực hiện.
X1
X3
giá X2
Tổng cộng 2C2 C1 0 ST X1 ≥ 0 2X2 X1 ST 0
C3 = X3 ST > 0
Machine Translated by Google
438 Chương 16
Vì các khoản hoàn trả trong tương lai đều không âm (với xác suất dương là
dương), nên dòng tiền ban đầu từ vị thế này phải âm:
CC1 + 3
2 CCC
0 213C2 < <
2
XX 1 3+
=
Điều này chứng minh mệnh đề. (Lưu ý rằng giả sử X 2
2
được thực hiện để thuận tiện và không ảnh hưởng đến tính tổng quát của
lập luận.)
Không có bằng chứng, chúng tôi phát biểu một mệnh đề tương tự cho quyền chọn bán:
mệnh đề 6 (độ lồi của giá bán) Xem xét ba quyền chọn bán kiểu Châu Âu, tất
cả đều được viết trên cùng một cổ phiếu không trả cổ tức và có cùng ngày
đáo hạn T. Chúng ta giả sử rằng giá thực hiện quyền chọn mua là X1, X2 và
X3, và biểu thị giá bán liên quan bằng P1, P2 và P3. Chúng ta phải tiếp tục
XX + 1 3
giả sử rằng X 2
= . Khi đó giá bán là một hàm lồi của
2
PP1 + 3
P2 <
2
Cuối cùng, chúng ta phát biểu mệnh đề sau đây, chứng minh của nó chỉ liên quan đến
mệnh đề 7 (giới hạn quyền chọn mua với cổ tức đã biết trong tương lai)
Xem xét một quyền chọn mua với giá thực hiện X và ngày đáo hạn T. Giả
sử tại một thời điểm nào đó t < T, cổ phiếu chắc chắn sẽ trả cổ tức D.
Khi đó giới hạn dưới của giá quyền chọn mua được cho bởi
rt rT
C 0≥ tối 0
đa (S 0Đề Xe , )
Chứng minh Chứng minh chỉ liên quan đến một sửa đổi nhỏ đối với chứng minh
của Mệnh đề 1.
Machine Translated by Google
Xe rT + C0
Chương này tóm tắt các định nghĩa và đặc điểm cơ bản của quyền chọn. Tuy
nhiên, đây không phải là sự giới thiệu đầy đủ về những chứng khoán phức tạp
này cho những người không có kiến thức nền tảng. Để giải mã những bí ẩn của
quyền chọn, chúng tôi giới thiệu các chương giới thiệu về một quyền chọn tốt.
chữ.
Bài tập
1. Khi bạn xem báo giá trên báo về quyền chọn cổ phiếu ABC, bạn thấy rằng quyền chọn mua tháng 2 với X = 37,5 có giá 6,375,
trong khi quyền chọn mua tháng 4 với cùng giá thực hiện có giá là 6. Bạn có thể nghĩ ra một công thức kinh doanh
chênh lệch giá này? Bạn có lời giải thích nào cho những trích dẫn trên báo không?
2. Một quyền chọn mua kiểu Mỹ được viết trên một cổ phiếu có giá hôm nay là S = 50. Giá thực hiện quyền chọn mua là X = 45.
Một. Nếu giá quyền chọn mua là 2, hãy giải thích cách bạn sử dụng kinh doanh chênh lệch giá để thực hiện ngay lập tức
lợi nhuận.
b. Nếu quyền chọn có thể được thực thi tại thời điểm T = 1 năm và nếu lãi suất là 10% thì bao nhiêu?
giá tối thiểu của quyền chọn là bao nhiêu? Sử dụng Mệnh đề 1.
3. Một quyền chọn mua kiểu Châu Âu được viết trên một cổ phiếu có giá hiện tại S = 80. Giá thực hiện X = 80, lãi suất r = 8%
và thời gian thực hiện quyền chọn T = 1. Cổ phiếu được giả định trả a cổ tức 3 tại thời điểm t = /2. Sử dụng Dự luật
1
7 để xác định giá tối thiểu của quyền chọn mua.
Machine Translated by Google
440 Chương 16
4. Quyền chọn bán có giá thực hiện là 50 có giá là 6 và quyền chọn mua trên cùng một cổ phiếu có giá thực hiện là
60 có giá là 10. Cả quyền chọn bán và quyền chọn mua đều có cùng ngày hết hạn.
Một. Trên cùng một bộ trục, hãy vẽ biểu đồ “lợi nhuận” cho
b. Cả ba đường giao nhau đều có cùng giá trị ST. Rút ra giá trị này.
• Cả hai quyền chọn đều được viết trên cổ phiếu của Công ty ABC, giá cổ phiếu hiện tại
là 100 đô la. ABC không trả cổ tức.
• Cả hai quyền chọn đều có thời gian đáo hạn là một năm.
• Một quyền chọn mua có X1 = 90 và có giá 30; cuộc gọi thứ hai có X2 = 100 và có
giá 20.
Bằng cách thiết kế một vị thế chênh lệch giá (tức là mua một quyền chọn mua và viết một quyền chọn mua khác), hãy
chứng tỏ rằng chênh lệch giữa hai giá quyền chọn mua là quá lớn và tồn tại một hoạt động kinh doanh chênh lệch giá
không rủi ro.
6. Một cổ phiếu của Tập đoàn ABC được bán với giá 95 USD. Quyền mua cổ phiếu có giá thực hiện là 90 USD
được bán với giá 8 USD.
Một. Hãy vẽ đồ thị mô hình lợi nhuận từ việc mua một cổ phiếu và một quyền chọn mua cổ phiếu đó.
b. Hãy vẽ đồ thị mô hình lợi nhuận từ việc mua một cổ phiếu và hai quyền chọn mua.
c. Hãy xem xét mô hình lợi nhuận từ việc mua một cổ phiếu và N quyền chọn mua. Tại mức giá cổ phiếu
nào tất cả các đường lợi nhuận cắt nhau?
7. Một quyền chọn mua kiểu Châu Âu có thời gian đáo hạn 6 tháng và giá thực hiện X = 80, được viết trên một
cổ phiếu có giá hiện tại là 85, đang được bán với giá 12,00 USD; một quyền chọn bán kiểu Châu Âu
được viết trên cùng một cổ phiếu có cùng thời hạn và có cùng giá thực hiện được bán với giá 5 USD.
Nếu lãi suất hàng năm (lãi suất gộp liên tục) là 10%, hãy xây dựng một kinh doanh chênh lệch giá từ
tình huống này.
Ba quyền chọn bán cổ phiếu của XYZ có cùng ngày hết hạn đang được bán với mức giá thấp như sau:
Hiển thị một chiến lược kinh doanh chênh lệch giá cho phép bạn kiếm lời từ những mức giá này và chứng minh
rằng nó hiệu quả.
9. Giá cổ phiếu hiện tại của Tập đoàn ABC là 50. Giá quyền chọn mua cổ phiếu ABC kỳ hạn 6 tháng được trình
bày trong bảng sau:
Machine Translated by Google
Gọi Giá
40 16,5
50 9,5
60 4,5
70 2
Vẽ sơ đồ lợi nhuận của chiến lược sau: Mua một cuộc gọi 40, viết hai cuộc gọi 50, mua một cuộc gọi 60 và viết
10. Hãy xem xét chiến lược quyền chọn sau, chỉ bao gồm các cuộc gọi:
Giá thực hiện được mua/viết? Con số? Giá mỗi tùy chọn cuộc gọi
20 1 văn bản 45
30 2 mua 1 33
40 viết 22
50 1 đã mua 18
70 1 đã mua 16
b. Giá đưa ra bao gồm một lần vi phạm điều kiện chênh lệch giá. Xác định hành vi vi phạm này và giải thích.
11. Một cổ phiếu của Formila Corporation hiện đang giao dịch ở mức 38,50 USD và quyền chọn mua một năm trên Formila
với X = 40 USD đang giao dịch ở mức 3 USD. Lãi suất phi rủi ro là 4,5%.
Một. Giá của quyền chọn bán một năm đối với cổ phiếu có X = $40 sẽ là bao nhiêu?
Tại sao?
b. Nếu giá của một quyền chọn bán là 2 đô la, hãy xây dựng chiến lược kinh doanh chênh lệch giá.
c. Nếu giá của một quyền chọn bán là 4 đô la, hãy xây dựng chiến lược kinh doanh chênh lệch giá.
Machine Translated by Google
Machine Translated by Google
Bên cạnh mô hình Black-Scholes (được thảo luận ở Chương 19), mô hình định giá
quyền chọn nhị thức là mô hình định giá quyền chọn được sử dụng rộng rãi nhất.
Nó có nhiều ưu điểm: Đây là một mô hình đơn giản, ngoài việc đưa ra nhiều hiểu
biết sâu sắc về việc định giá quyền chọn, còn dễ dàng được lập trình và thích
ứng với nhiều vấn đề về định giá quyền chọn và thường khá phức tạp. Khi được
mở rộng sang nhiều thời kỳ, mô hình nhị thức trở thành một trong những cách
mạnh mẽ nhất để định giá chứng khoán giống như quyền chọn mà lợi nhuận thu
được phụ thuộc vào giá thị trường của các tài sản khác.
Mô hình nhị thức phụ thuộc vào việc sử dụng giá nhà nước để tính toán giá trị của tài sản
rủi ro. Khi hiểu được các nguyên tắc định giá nhà nước làm cơ sở cho mô hình, chúng ta sẽ hiểu
sâu hơn về tính kinh tế của việc định giá tài sản ngẫu nhiên. Trong chương này, minh họa cách
sử dụng đơn giản của mô hình nhị thức, chúng tôi dành phần lớn thời gian để tìm ra và sử dụng
giá nhà nước. Trong Chương 22 và 23, chúng ta quay lại mô hình nhị thức và sử dụng nó trong
Để minh họa việc sử dụng mô hình nhị thức, chúng ta bắt đầu với ví dụ rất đơn
giản sau:
• Có một kỳ và hai ngày; ngày 0 đại diện cho ngày hôm nay và ngày 1 là một năm
kể từ bây giờ.
• Có hai tài sản “cơ bản”: cổ phiếu và trái phiếu. Ngoài ra còn có một tài sản phái sinh, một
• Giá cổ phiếu hôm nay là $50. Vào ngày 1, nó sẽ tăng 10% hoặc giảm 3%.
• Quyền chọn mua đáo hạn vào ngày 1 và có giá thực hiện X = $50.
10 phần trăm, 1 cộng với mức di chuyển xuống 3 phần trăm và 1 cộng với mức di chuyển xuống -3 phần trăm.
Machine Translated by Google
444 Chương 17
Lãi suất 6%. Chúng tôi sử dụng các chữ cái in hoa U, D và R để biểu thị các giá
trị này.1
MỘT B C D E FG H TÔI J
Chúng tôi muốn định giá quyền chọn mua. Chúng tôi làm như vậy bằng cách chỉ ra rằng
có sự kết hợp giữa trái phiếu và cổ phiếu sao chép chính xác cơ chế của quyền chọn mua.
tiền thưởng. Để chỉ ra thực tế này, chúng tôi sử dụng một số đại số tuyến tính cơ bản; giả sử
chúng ta tìm được cổ phiếu A của cổ phiếu và trái phiếu B sao cho
06 AB . 1 =
5 + 55
48 .5AB +1 .06 0 =
5
A = = 0 .7692
55 48 5 .
0 48 5. MỘT
B = = 35 .1959
1 .06
Do đó, việc mua 0,77 cổ phiếu và vay 35,20 USD với lãi suất 6% trong
một kỳ sẽ mang lại lợi nhuận là 5 USD nếu giá cổ phiếu tăng và 0 USD
nếu giá cổ phiếu giảm - lợi nhuận của quyền chọn mua. Theo đó, giá của
quyền chọn phải bằng với chi phí tái tạo các khoản hoàn trả của nó; đó
là,
1. Nếu cần phân biệt giữa 1,10 (1 cộng với mức tăng giá 10% của cổ phiếu) và 10% (chính mức tăng giá), chúng ta sẽ sử
dụng U cho giá trị đầu tiên và chữ u viết thường cho giá trị sau.
Machine Translated by Google
Logic này được gọi là "định giá bằng chênh lệch giá": Nếu hai tài sản hoặc bộ tài sản
(trong trường hợp của chúng tôi - quyền chọn mua và danh mục đầu tư gồm 0,77 cổ phiếu
và -35,20 đô la của trái phiếu) có cùng mức lợi nhuận, thì chúng phải có cùng mức lợi
MỘT B C D E FG
19 Giải bài toán danh mục đầu tư: Cổ phiếu A + Trái phiếu B kết hợp để tạo ra lợi tức quyền chọn
20 A 0,7692 <-- =D15/(D10-D12)
21 B -35.1959 <-- =-D12*B20/B6
22
23 Giá cuộc gọi 3,2656 <-- =B20*B5+B21
Trong các phần tiếp theo, chúng tôi sẽ chỉ ra rằng lập luận kinh doanh chênh
lệch giá đơn giản này có thể được mở rộng thành nhiều giai đoạn. Nhưng trong lúc
chờ đợi, chúng tôi giới hạn ở phần tiếp theo để khái quát hóa logic.
Thực ra có một cách đơn giản hơn (và tổng quát hơn) để giải quyết vấn đề
này: Nhìn từ hôm nay, chỉ có hai khả năng cho giai đoạn tiếp theo: Giá cổ
phiếu tăng hoặc giảm. Hãy nghĩ về việc thị trường xác định giá qU cho 1
đô la trong trạng thái “tăng” của thế giới và giá qD cho 1 đô la trong
trạng thái “giảm” của thế giới. Sau đó, cả trái phiếu và cổ phiếu đều
phải được định giá bằng cách sử dụng giá trạng thái sau:
+
q SU q SDS
bạn
qU = +
TỒI q D = 1
q Rq =R 1 +D
bạn
Do đó, giá giao dịch là minh họa cho nguyên tắc định giá tuyến tính: Nếu giá cổ
phiếu có thể tăng lên trong một thời kỳ theo hệ số U và giảm theo hệ số R, và nếu 1
cộng với lãi suất một kỳ là R, thì bất kỳ giá nào khác đều có thể xảy ra. tài sản sẽ
được định giá bằng cách chiết khấu khoản hoàn trả của nó ở trạng thái “tăng” qU và
bằng cách chiết khấu khoản hoàn trả của nó ở trạng thái “giảm” qD.
RD UR
q = , qD =
RU()D RU D ()
bạn
Trong trường hợp của chúng tôi, giá trạng thái này được đưa ra bởi
Machine Translated by Google
446 Chương 17
MỘT B C
10 Kiểm tra: Xác nhận rằng giá nhà nước thực sự định giá cổ phiếu và trái phiếu
Ở hàng 11 và 12, chúng ta kiểm tra xem giá giao dịch có thực sự phản ánh
lãi suất và giá cổ phiếu hay không.
Bây giờ chúng ta có thể sử dụng giá hiện hành để định giá quyền chọn mua và quyền chọn
bán cổ phiếu cũng như để thiết lập mức giữ ngang giá cho quyền chọn bán đó. Quyền chọn mua
= SU tối
C q X đaq SD X ,) 0 + tối đa ( ,0 )
bạn D
=
P q X SU q (X( SD
tối đa ,) 0 + tối đa ( ,0 )
bạn D
hoặc, nếu được định giá theo ngang giá quyền chọn mua,
PC PV XS =+ ( )
Chúng ta có thể trình bày các mối quan hệ này trong một bảng tính:
MỘT B C
ĐỊNH GIÁ LỰA CHỌN NHIỀU VỚI GIÁ NHÀ NƯỚC TRONG MỘT KỲ
Trong khung thời gian liên tục (khung Black-Scholes tiêu chuẩn), PV(X) = X*Exp(-r*T). Bởi vì khuôn khổ ở đây
20 là thời gian rời rạc, PV(X) cũng là thời gian rời rạc: PV(X)=X/(1+r)=X/R.
Machine Translated by Google
Các công thức chúng tôi sử dụng (với S = 50, X = 50, U = 1,10, D = 0,97, R = 1,06)
là
= X tối
C q SU bạn đa X(
q SD + ,0 ) D tối đa ( ,0) 0= 6531
.+ 5 0 .2903 0
= 3 .2657
cho việc đặt. Đúng như mong đợi—định lý chẵn lẻ của lệnh mua bán áp dụng cho
X 50
= +. 50 += +
PS =0 +4354 C 3 .27
R 1 .06
17.3.1 Giá Nhà Nước hay Giá Trung Tính Rủi Ro?
Nhân giá giao dịch với 1 cộng với lãi suất R sẽ có mức giá trung hòa
rủi ro: πU = qUR, πD = qDR. Giá trung hòa rủi ro trông giống như phân
bố xác suất của các trạng thái, vì chúng có tổng bằng 1:
RD UR
πU DU πD qR qR += +
= R + R = 1
RU()D () RU D
Hơn nữa, có sự tương đương cơ bản giữa việc định giá theo giá trung lập
với rủi ro và định giá theo giá nhà nước. Giả sử một tài sản có các khoản
hoàn trả phụ thuộc vào trạng thái XU ở trạng thái “tăng” và XD ở trạng thái
“giảm” của mô hình hai ngày. Sau đó, giá ngày 0 của tài sản sử dụng giá
hiện hành là qUXU + qDXD và giá ngày 0 của tài sản sử dụng giá trung tính
rủi ro là khoản hoàn trả tài sản dự kiến được chiết khấu, trong đó kỳ vọng
được tính bằng cách sử dụng giá trung tính rủi ro. giá như thể chúng là xác
suất trạng thái thực tế:
“
π Ư XX
ĐĐ +π ” Khoản hoàn trả tài sản dự kiến sử dụng mức giá trung tính rủi ro
=
R 1+ r
= qX qX+ UU DD
Tất nhiên, hai phép tính này là bằng nhau. Tác giả này thích sử dụng
giá nhà nước hơn, nhưng nhiều nhà nghiên cứu cảm thấy thoải mái hơn
khi sử dụng xác suất giả của giá trung hòa rủi ro và sau đó chiết khấu
khoản hoàn trả “dự kiến”.
Machine Translated by Google
448 Chương 17
XU
*
Định giá theo giá nhà nước qU*XU + qD XD
XD
XU
*
Định giá theo mức giá trung tính rủi ro (πU XU + πD * XD)/R
XD
* *
Mối quan hệ giữa rủi ro trung tính với giá nhà nước: πU = qU R, πD = qD R
Để hiểu rõ sự tương đương giữa giá nhà nước và giá trung tính rủi ro
giá, chúng tôi kết thúc tiểu mục này bằng một ví dụ bằng số:
MỘT B C
1
GIÁ TRUNG LẬP RỦI RO HAY GIÁ NHÀ NƯỚC?
2 Lên, bạn 1.10
3 Xuống, D 0,97
4 Lãi suất, R 1,06
5 Giá cổ phiếu ban đầu, S 50,00
6 Giá thực hiện quyền chọn, X 50,00
7
số 8
Giá nhà nước
9 qU 0,6531 <-- =(B4-B3)/(B4*(B2-B3))
10 qD 0,2903 <-- =(B2-B4)/(B4*(B2-B3))
11
12 Giá trung tính rủi ro
13 π bạn = qU*R 0,6923 <-- =B9*$B$4
Mô hình nhị thức có thể dễ dàng được mở rộng thành nhiều chu kỳ.
Ví dụ, hãy xem xét mô hình nhị phân hai kỳ (ba ngày) có các đặc điểm sau:
• Trong mỗi thời kỳ, giá cổ phiếu tăng 10% hoặc giảm 3% so với thời kỳ
trước. Do đó, U = 1,10, D
= 0,97.
RD UR
q bạn
= = 0 .6531, qD = = 0 2903 .
RU( )D RU( )D
Bây giờ chúng ta có thể sử dụng các giá hiện hành này để định giá một quyền
chọn mua được ghi trên cổ phiếu sau hai kỳ. Như trước đây, chúng ta giả định
rằng giá cổ phiếu ban đầu là 50 USD và giá thực hiện quyền chọn mua là X = 50
sau hai kỳ. Những giả định này đưa ra bức tranh sau:
60,5000 1.1236
55.0000 1.0600
50.0000 53.3500 1,00 1.1236
48,5000 1.0600
47.0450 1.1236
Ngày 0 Ngày 1 Ngày 2
Giá quyền chọn mua 5,7492 được xác định như thế nào? Để thực hiện quyết định
này, chúng ta quay ngược lại, bắt đầu từ giai đoạn 2:
Vào ngày thứ 2: Vào cuối hai giai đoạn, giá cổ phiếu là 60,50 USD (tương ứng
với hai biến động “tăng” về giá), 53,35 USD (một biến động “lên” và một biến
động “xuống”) hoặc 47,05 USD (hai biến động “xuống”). xu hướng giảm” của giá).
Machine Translated by Google
450 Chương 17
Do đó, với giá thực hiện X = 50, mức hoàn trả quyền chọn đầu cuối trong
giai đoạn 2 là 10,50 USD, 3,35 USD hoặc 0 USD.
Tại ngày 1: Tại ngày 1, có hai khả năng: Hoặc chúng ta đã đạt đến trạng thái
“tăng”, trong trường hợp đó giá cổ phiếu hiện tại là 55 USD và quyền chọn sẽ
trả hết 10,50 USD hoặc 3,35 USD trong giai đoạn tiếp theo:
10,5000
????
3,3500
Chúng tôi sử dụng giá trạng thái qu = 0,6531, qd = 0,2903 để định giá quyền chọn ở trạng thái
này:
“ ”
= . 10 50 0 +2903
. =3 35.7 83 . 0,02
Giá quyền chọn ở trạng thái tăng, ngày 1 0 6531
Khả năng thay thế là chúng ta đang ở trạng thái “xuống dốc” của giai đoạn 1:
3,3500
????
0,0000
Sử dụng cùng một mức giá giao dịch (mà xét cho cùng chỉ phụ thuộc vào sự biến
động “lên” và “xuống” của giá cổ phiếu và lãi suất), chúng ta có được
“ ” =
Giá quyền chọn ở trạng thái giảm, ngày 1 0 6531 . + 0 =
.. 0.2903
3 35 2 1880
Tại ngày 0: Đi lùi theo cách này, hiện tại chúng ta đã điền được
hình sau:
10,5000
7.8302
???? 3,3500
2.1880
0,0000
Machine Translated by Google
Do đó, ở giai đoạn 0, người mua quyền chọn sở hữu một chứng khoán có giá trị là
7,83 USD nếu lợi nhuận của cổ phiếu cơ bản có chuyển động “tăng” và lợi tức của
nó là 2,19 USD nếu cổ phiếu có chuyển động “giảm”. Chúng ta lại có thể sử dụng
. .. ..
Giá quyền chọn ngày 0 0 6531 7 830 0 2903 2 188 5 749 = + =
BCDEFGH tôi J K
17.4.1 Mở rộng mô hình định giá nhị thức sang nhiều thời kỳ
Rõ ràng là logic của ví dụ có thể được mở rộng thành nhiều giai đoạn.
Đây là một đồ họa Excel khác hiển thị mô hình năm ngày sử dụng cùng các
tham số “lên” và “xuống” như trước:
Machine Translated by Google
452 Chương 17
Giá cổ phiếu
73.2050
66,5500
60,5000 64.5535
55.0000 58.6850
48,5000 51.7495
47.0450 50.1970
45.6337
44.2646
1.1910
1.1236 1.2625
1.0600 1.1910
1.0600 1.1910
1.1236 1.2625
1.1910
1.2625
Machine Translated by Google
19.3802
16.0002 14.5535
13.0190 11.5152
6.6593 4.5797
3.0284 0,1970
0,1287
0,0000
17.4.2 Bạn có thực sự phải định giá ngược mọi thứ không?
Câu trả lời là không. Không cần thiết phải định giá khoản hoàn trả giá quyền
chọn mua “lùi” tại mỗi nút kể từ ngày kết thúc, miễn là quyền chọn mua
2
là người châu Âu. Chỉ cần định giá mỗi khoản hoàn trả cuối cùng bằng
nêu giá, miễn là bạn đếm chính xác số lượng đường dẫn đến mỗi nút đầu cuối.
Đây là một minh họa, sử dụng ví dụ tương tự:
2. Khi thảo luận về quyền chọn Mỹ ở phần 17.5, chúng ta sẽ thấy rằng việc định giá ngược
là rất quan trọng.
Machine Translated by Google
454 Chương 17
A BCDEFG H
Sau đây là lời giải thích cho bảng tính trước đó. Đối với mỗi thuật ngữ
mức hoàn trả quyền chọn cuối cùng, chúng tôi xem xét những câu hỏi sau:
Làm thế nào đạt được khoản Ví dụ: Khoản hoàn trả cuối cùng là 14,5535
hoàn trả cuối cùng này? Cổ phiếu đã phát sinh khi giá cổ phiếu là 64,5535.
thực hiện bao nhiêu bước “tăng” Kết quả này xảy ra khi giá cổ phiếu
và bao nhiêu bước “giảm”? tăng ba lần và giảm một lần.
Giá mỗi đô la của khoản hoàn Giá nhà nước = Ví dụ: Giá trị tại thời điểm 0 của
#bước xuống
trả ở trạng thái cụ #up qUbướcqD khoản thanh toán cuối cùng được xem xét
thể là bao nhiêu? trong cùng ví dụ là 0,65313 * 0,29031 = 0,0809
Có bao nhiêu con đường có cùng Câu trả lời được đưa ra bởi hệ 4
kết quả cuối cùng? số nhị thức Ví dụ: Có 4= đường dẫn
3
Số tiết
“ ”
đưa ra giá cổ phiếu cuối cùng là 64,5535.
Số bước lên
Hàm Excel Combin(4,3) cho hệ số nhị thức này.
Giá trị tại thời điểm 0 của khoản Câu trả lời là tích của Ví dụ: 14,5535 * 0,0809 * 4 = 4,7078
hoàn trả cuối cùng cụ thể là số tiền hoàn trả nhân
bao nhiêu? với số lượng đường đi.
Giá trị tại thời điểm 0 của quyền Tổng giá trị của mỗi khoản hoàn Tổng giá trị: 10,4360. Đây là giá trị
chọn là bao nhiêu? trả. quyền chọn mua nhiều kỳ trong mô hình nhị thức năm
Quyền chọn bán kiểu Châu Âu có thể được định giá bằng cách sử dụng logic trước đó hoặc—như trong ô G16—
Tóm tắt lại: Giá của một quyền chọn mua kiểu Châu Âu ở dạng nhị thức
mô hình với n tiết được cho bởi
N N
Giá cuộc gọi
= qq
Tôi
tối
đa
(UD X
tôi không
,)0
bạn D
=tôi
0
Tôi
N N
(XS UD ,0)
tối
qq Tôi
bạn D
đa tôi không
Định giá trực tiếp
Đặt giá =
=0
Tôi
Tôi
X
Gọi cho PriSce + Sử dụng tính chẵn lẻ của cuộc gọi
RN
Trong phần 17.6 của chương này, chúng tôi triển khai các công thức này trong VBA.
17.5 Định giá quyền chọn kiểu Mỹ sử dụng mô hình định giá nhị thức
Chúng ta có thể sử dụng mô hình định giá nhị thức để tính giá quyền chọn
Mỹ cũng như quyền chọn Châu Âu.3 Chúng ta xem xét lại mô hình cơ bản
tương tự, trong đó Lên = 1,10, Xuống = 0,97, R = 1,06, S = 50, X = 50.
Chúng tôi kiểm tra phiên bản ba ngày của mô hình. Các mô hình hoàn trả
cho cổ phiếu và trái phiếu đã được đưa ra trước đây và vẫn chỉ xem xét
các mô hình hoàn trả cho một quyền chọn bán với X = 50. Chúng tôi tham
khảo các trạng thái trên thế giới bằng cách sử dụng các nhãn sau:
UU
Nhãn trạng thái
bạn
0 UD hoặc DU
ĐĐ
Dưới đây là giá trị của cổ phiếu và ngày thanh toán cuối cùng:
3. Hãy nhớ lại Chương 16 rằng một quyền chọn mua kiểu Mỹ trên một cổ phiếu không trả cổ tức có cùng giá trị như một
quyền chọn mua kiểu Châu Âu. Chúng ta quay lại cuộc gọi ở cuối phần này.
Machine Translated by Google
456 Chương 17
60,5000 0,0000
55.0000 ????
53.3500
50.0000 ???? 0,0000
48,5000 ????
47.0450 2,9550
Vào ngày thứ 2, người nắm giữ quyền chọn bán kiểu Mỹ có thể chọn giữ quyền
chọn bán hay thực hiện quyền chọn bán đó. Bây giờ chúng ta có hàm giá trị sau:
Đặt mức hoàn trả ở trạng thái + UU qq D Đặt tiền hoàn trả ở trạng thái UD
bang U
bạn
Một hàm tương tự áp dụng cho giá trị đặt ở trạng thái D tại ngày thứ 2. Cây
kết quả bây giờ trông như thế này:
0,0000
???? 0,0000
1,5000
2,9550
• Ở trạng thái U, quyền chọn bán không có giá trị. Khi giá cổ phiếu là $55, việc
thực hiện quyền chọn bán sớm là không đáng, vì max(X SU, 0) = max(50 55, 0) =
0. Tuy nhiên, vì lợi ích quyền chọn bán trong tương lai từ trạng thái U là bằng 0,
giá trị hiện tại phụ thuộc vào trạng thái của những khoản hoàn trả trong tương lai
này (dòng thứ hai trong công thức trước) cũng bằng 0.
• Tuy nhiên, ở trạng thái D, người nắm giữ quyền chọn bán đạt được max(50 48,5, 0) = 1,5 nếu anh
ta thực hiện quyền đặt cược; tuy nhiên, nếu anh ta giữ quyền chọn bán mà không thực hiện quyền chọn
bán, giá trị thị trường của nó là giá trị thu được trong tương lai tùy thuộc vào nhà nước:
.. 0. 0..
0 2 96 0 6531 2903 2 95 0 8578 + = + = qq
D D
Rõ ràng là nên thực hiện lệnh bán trong trạng thái này hơn là giữ nó.
Machine Translated by Google
BCDEFGH tôi J K
9
10 Giá cổ phiếu Giá trái phiếu
11 60,5000 1.1236
12 55.0000 1.0600
13 50.0000 53.3500 1,0000 1.1236
14 48,5000 1.0600
15 47.0450 1.1236
16
17
18 Quyền chọn bán kiểu Mỹ
19 =MAX(MAX(XS*U,0),qU*put_payoffUU+qD*put_payoffUD)
20 0,0000
21 0
22 0,4354 0,0000
23 1,5
24 2,9550 =MAX(MAX(XS*D,0),qU*put_payoffUD+qD*put_payoffDD)
25
26
27 =MAX(MAX(XS,0),qU*put_valueU+qD*put_valueD)
28
29
30 Quyền chọn bán kiểu Châu Âu
31 0,0000
32 0
33 0,2490 0,0000
34 0,8578
35 2,9550
Tuy nhiên, chúng ta có thể sử dụng logic tương tự để định giá một quyền chọn mua kiểu Mỹ—
theo Dự luật 2 của Chương 16 – chúng ta biết rằng giá trị của quyết
định của Mỹ và của châu Âu sẽ trùng khớp với nhau. Và họ làm như vậy:
Machine Translated by Google
458 Chương 17
BCDEFGH tôi J K
9
10 Giá cổ phiếu Giá trái phiếu
11 60,5000 1.1236
12 55.0000 1.0600
13 50.0000 53.3500 1,0000 1.1236
14 48,5000 1.0600
15 47.0450 1.1236
16
17
18 Quyền chọn mua kiểu Mỹ
19 =MAX(MAX(S*UX,0),qU*call_payoffUU+qD*call_payoffUD)
20 10,5000
21 7.8302
22 5.7492 3,3500
23 2.1880
24 0,0000 =MAX(MAX(S*DX,0),qU*call_payoffUD+qD*call_payoffDD)
25
26
27 =MAX(MAX(SX,0),qU*call_valueU+qD*call_valueD)
28
29
30 Quyền chọn mua kiểu Châu Âu
31 10,5000
32 7.8302
33 5.7492 3,3500
34 2.1880
35 0,0000
17.6 Lập trình mô hình định giá quyền chọn nhị thức trong VBA
Quy trình định giá được sử dụng trong các ví dụ trước có thể dễ dàng
được lập trình bằng ngôn ngữ lập trình VBA của Excel. Trong mô hình nhị
thức, giá có thể tăng hoặc giảm trong bất kỳ khoảng thời gian nào. Nếu
qU là giá trạng thái liên quan đến xu hướng tăng và nếu qD là giá trạng
thái liên quan đến xu hướng giảm thì giá quyền chọn nhị thức Châu Âu
được đưa ra bởi
N N
(UD X tôi không
tối
Cuộc gọi nhị thức châu Âu = qq
Tôi
bạn D
đa ,)0
Tôi
=tôi
0
N N
(XS UD
tối
qq đa tôi không
,)
= 0
Tôi
bạn D
Quyền chọn nhị thức châu Âu =tôi
Tôi
N
trong đó U là xu hướng tăng, R là xu hướng giảm của giá cổ phiếu và là
Tôi
N N !
Tôi
= đầu
!( tiên)!
Chúng tôi sử dụng Combin(n,i) của Excel để đưa ra các giá trị cho các hệ số nhị thức.
Sau đây là hai hàm VBA tính toán giá trị của quyền chọn bán và quyền chọn
nhị thức kiểu Châu Âu. Hàm Binomial_eur_put sử dụng tính chẵn lẻ của lệnh
bán để định giá lệnh bán.
Thực hiện quy trình này trong một bảng tính, chúng tôi nhận được bốn-
ví dụ về giai đoạn của phần 17.4:
Machine Translated by Google
460 Chương 17
MỘT B C
Như đã thảo luận ở Chương 16, một định lý nổi tiếng phát biểu rằng giá quyền chọn mua của người
Mỹ đối với một cổ phiếu không trả cổ tức cũng giống như giá của một quyền chọn kiểu Châu Âu. Tuy
nhiên, giá quyền chọn bán kiểu Mỹ có thể khác nhau. Hàm VBA sau đây sử dụng mô hình định giá
quyền chọn nhị thức giống như mô hình trong phần 17.5 cho giá quyền chọn bán kiểu Mỹ:
ReDim OptionReturnEnd(Chu kỳ + 1)
Đối với trạng thái = 0 đến dấu chấm
ReDim OptionReturnMiddle(Index)
Đối với trạng thái = 0 để lập chỉ mục
OptionReturnMiddle(State) = Application.Max(Bài _
^
tập - Stock * State * Down Hướng lên _
^
_
Machine Translated by Google
Tùy chọnReturnMiddle(State)
Trạng thái tiếp theo
Binomial_amer_put = OptionReturnMiddle(0)
Chức năng kết thúc
Trong hàm này, chúng ta sử dụng hai mảng, được gọi là OptionReturnEnd và
OptionReturnMiddle. Tại mỗi ngày t, các mảng này lưu trữ các giá trị tùy chọn cho chính
ngày đó và ngày tiếp theo—t + 1.
Đây là cách triển khai trong bảng tính, sử dụng ví dụ hai kỳ, ba ngày từ phần 17.5:
MỘT B C
Các giá trị trong ô B9 và B10 dành cho quyền chọn bán kiểu Mỹ và kiểu châu Âu; những
giá trị này tương ứng với những giá trị được đưa ra trong phần 17.5. Trong ô B11, chúng
tôi sử dụng một hàm tương tự như hàm put của Mỹ để định giá các quyền chọn mua kiểu Mỹ.
Không có gì đáng ngạc nhiên – theo Dự luật 2 của Chương 16 – hàm này cho giá trị tương tự
như hàm định giá quyền chọn nhị thức Châu Âu.
Machine Translated by Google
462 Chương 17
Hàm VBA hoạt động tốt trong nhiều khoảng thời gian nữa.4 Trong ví dụ
sau đây, chúng tôi tính toán giá trị của một quyền chọn bán và quyền
chọn mua của Mỹ cho các quyền chọn hết hạn vào lúc T = 0,75 trong một
năm. Quá trình ngẫu nhiên xác định lợi nhuận cổ phiếu có trung bình m =
15% và độ lệch chuẩn σ = 35%. Lãi suất gộp liên tục hàng năm r là 6% và
mỗi năm được chia thành 25 kỳ nhỏ, sao cho một kỳ có độ dài Δt = 1/25 =
0,04. Với những con số này, Lên, Xuống và
,μ Δ
= ==và eR
,. Δ σtt +
Xuống μ ΔΔt Δσ rt te
R được định nghĩa bởi Up
Đây là giá của quyền chọn mua và bán kiểu Mỹ và Châu Âu:
MỘT B C
1
Lên=exp(μ*Δt + σ*sqrt(Δt)), Xuống = exp(μ*Δt - σ*sqrt(Δt))
2 Lợi nhuận trung bình mỗi năm, μ 15%
3 Độ lệch chuẩn của lợi nhuận hàng năm, σ 35%
4 Lãi suất hàng năm, r 6%
5
6 Giá cổ phiếu ban đầu, S 50,00
7 Giá thực hiện quyền chọn, X 50,00
số 8
Ngày thực hiện quyền chọn (năm) 0,75
9 Số lần chia của 1 năm Δt, độ 25 <-- mỗi năm chia thành 25 tiểu kỳ
10 dài của một lần chia 0,04 <-- =1/B9
11 Di chuyển lên trên mỗi Δt 1,078963 <-- =EXP(B2*B10+B3*SQRT(B10))
12 Di chuyển xuống trên mỗi Δt 0,938005 <-- =EXP(B2*B10-B3*SQRT(B10))
13 Lãi suất trên Δt 1,002403 <-- =EXP(B4*B10)
14
15 Số kỳ cho đến khi đáo hạn, n 19 <-- =VÒNG(B8*B9,0)
16
17 Mỹ đặt 5.1311 <-- =binomial_amer_put(B11,B12,B13,B6,B7,B15)
18 Đặt châu Âu 4.9213 <-- =binomial_eur_put(B11,B12,B13,B6,B7,B15)
19 cuộc gọi Mỹ 7.1501 <-- =binomial_amer_call(B11,B12,B13,B6,B7,B15)
20 cuộc gọi châu Âu 7.1501 <-- =binomial_eur_call(B11,B12,B13,B6,B7,B15)
Lưu ý rằng chúng tôi đã thỏa hiệp về số kỳ, bằng cách sử dụng hàm Round
của Excel —vì có 25 phần của một năm và kỳ hạn của quyền chọn là T =
0,75, số kỳ thực tế cho đến khi đáo hạn là 25 * 0,75, đây không phải là
một số tròn.
Thủ tục này hoạt động tốt ngay cả trong một số lượng rất lớn các khoảng
thời gian. Trong ví dụ tiếp theo, quyền chọn có thời gian đáo hạn T = 0,5
và thời hạn một năm cơ bản được chia thành 400 kỳ nhỏ. Excel dễ dàng tính toán
4. Phần thảo luận tiếp theo có lẽ tốt nhất nên đọc sau Chương 18 và 19.
Machine Translated by Google
giá trị của quyền chọn bán và quyền chọn mua kiểu Mỹ, mặc dù có liên quan đến
MỘT B C
1
Lên=exp(μ*Δt + σ*sqrt(Δt)), Xuống = exp(μ*Δt - σ*sqrt(Δt))
2 Lợi nhuận trung bình mỗi năm, μ 15%
3 Độ lệch chuẩn của lợi nhuận hàng năm, σ 35%
4 Lãi suất hàng năm, r 6%
5
6 Giá cổ phiếu ban đầu, S 50,00
7 Giá thực hiện quyền chọn, X 50,00
số 8
Ngày thực hiện quyền chọn (năm) 0,50
9 Số lần chia của 1 năm Δt, độ 400 <-- mỗi năm chia thành 400 tiểu kỳ
10 dài của một lần chia 0,0025 <-- =1/B9
11 Di chuyển lên trên mỗi Δt 1,018036 <-- =EXP(B2*B10+B3*SQRT(B10))
12 Di chuyển xuống trên mỗi Δt 0,983021 <-- =EXP(B2*B10-B3*SQRT(B10))
13 Lãi suất trên Δt 1,00015 <-- =EXP(B4*B10)
14
15 Số kỳ cho đến khi đáo hạn, n 200 <-- =VÒNG(B8*B9,0)
16
17 Mỹ đặt 4.2882 <-- =binomial_amer_put(B11,B12,B13,B6,B7,B15)
18 Đặt châu Âu 4.1471 <-- =binomial_eur_put(B11,B12,B13,B6,B7,B15)
19 cuộc gọi Mỹ 5,6248 <-- =binomial_amer_call(B11,B12,B13,B6,B7,B15)
20 cuộc gọi châu Âu 5.6248 <-- =binomial_eur_call(B11,B12,B13,B6,B7,B15)
Trong phần này chúng ta thảo luận về sự hội tụ của mô hình nhị thức với
công thức định giá Black-Scholes. Cuộc thảo luận giả định một số hiểu biết
về tính logic chuẩn (được thảo luận trong Chương 18) và công thức định giá
quyền chọn Black-Scholes (được thảo luận trong Chương 19). Vì vậy, bạn có
thể muốn bỏ qua phần này và quay lại phần này sau.
Bất cứ khi nào chúng ta xem xét một xấp xỉ hữu hạn cho các công thức định giá quyền chọn,
chúng ta phải sử dụng một xấp xỉ cho các chuyển động lên và xuống. Một cách dịch rộng rãi
của lãi suất r và độ biến động của cổ phiếu σ thành chuyển động “lên” hoặc “xuống” cần thiết
rt
Δ t= Tn/ Nốt= Rê
σ Δt σ
bạn1 ed
=+ e
= 1 =+ =
t
Lên Xuống
Machine Translated by Google
464 Chương 17
Phép tính gần đúng này đảm bảo rằng khi Δt 0 (tức là khi n ∞), kết quả
phân phối lợi nhuận cổ phiếu sẽ tiến tới phân phối logic chuẩn.5
Sau đây là việc triển khai phương pháp này trong một bảng tính. Hàm
Binomial_Eur_call giống như hàm được xác định trước đó; hàm BSCall là công thức
Black-Scholes, được định nghĩa và thảo luận trong Chương 19:
MỘT B C
số 8
Mô hình nhị thức cho kết quả gần đúng với Black-Scholes (các ô B14:B15). Khi n
lớn hơn, phép tính gần đúng này sẽ tốt hơn, mặc dù sự hội tụ đến giá Black-
5. Một phép tính gần đúng thay thế hội tụ đến quy trình giá logic chuẩn được đưa ra trong
phần 17.7.1. Xem thêm Omberg (1987), Hull (2006), và Benninga, Steinmetz, và
Stroughair (1993).
Machine Translated by Google
số 8
20 10 12.8593 12.8226
21 50 12.8108 12.8226 Sự hội tụ của nhị thức với Black-Scholes
22 75 12.8238 12.8226 12,87
17.7.1 Một phép tính gần đúng thay thế cho logic chuẩn
Phép tính gần đúng của phần đầu tiên của phần này không phải là phép tính x-
imation gần đúng duy nhất có hiệu quả. Nếu giá cổ phiếu được phân phối chuẩn
log với giá trị trung bình μ và độ lệch chuẩn σ, chúng ta cũng có thể sử dụng
phép tính gần đúng sau:
t =Tn
Δ / Nốt= Rêrt
bạn=+ed
1 = =+ =
1 e μ Δ Δ σt + t
Xuống μ Δ ttΔ σ
Hướng lên
Việc thực hiện điều này trong bảng tính của chúng tôi mang lại
Machine Translated by Google
466 Chương 17
9
10 Δt = T/n 0,0250 <-- =B4/B8
11 Lên, bạn 1,0517 <-- =EXP(B6*B10+B7*SQRT(B10))
12 Xuống, D 0,9565 <-- =EXP(B6*B10-B7*SQRT(B10))
13 Lãi suất, R 1,0020 <-- =EXP(B5*B10)
14
15 Cuộc gọi nhị thức Châu Âu 16 12.8388 <-- =binomial_eur_call(B11,B12,B13,B2,B3,B8)
Black-Scholes gọi 12.8226 <-- =BSCall(B2,B3,B4,B5,B7)
17
21 10 12.8158 12.8226
22 50 12.8062 12.8226 Sự hội tụ của nhị thức với Black-Scholes
23 75 12.8264 12.8226 12.83
những gì kém mượt mà hơn, mặc dù kết quả cuối cùng là như nhau.6
17.8 Sử dụng Mô hình nhị thức để định giá quyền chọn cổ phiếu của nhân viên7
Quyền chọn cổ phiếu nhân viên (ESO) là một quyền chọn mua do công ty cung cấp cho nhân
viên của mình như một phần trong gói thù lao của họ. Giống như tất cả các tùy chọn cuộc gọi,
6. Lưu ý rằng cả hai phương pháp thực sự hội tụ khá nhanh—trong vòng vài chục bước, nhị
thức nằm trong khoảng 0,01 của giá Black-Scholes.
7. Phần này được hưởng lợi từ các cuộc thảo luận với Torben Voetmann của Cornerstone
giá trị của ESO phụ thuộc vào giá hiện tại của cổ phiếu, giá thực hiện quyền chọn và thời
gian cho đến khi thực hiện. Tuy nhiên, ESO thường có một số điều kiện đặc biệt:
• Quyền chọn có thời hạn trao quyền. Trong thời gian này, nhân viên không được phép thực
hiện quyền chọn. Một nhân viên rời công ty trước thời hạn quyền sẽ bị mất quyền lựa chọn.
Trong mô hình của phần này, chúng tôi giả định rằng một nhân viên điển hình của công ty
mỗi năm.
• Một nhân viên rời công ty sau thời gian được giao quyền buộc phải thực hiện quyền lựa
• Vì lý do thuế, hầu hết các ESO đều có giá thực hiện bằng giá cổ phiếu vào ngày phát hành.
Trong mô hình tiếp theo, phỏng theo một bài báo của Hull và White (2004), chúng tôi
giả định rằng một nhân viên sẽ chọn thực hiện quyền chọn của mình khi giá cổ phiếu lớn
hơn vài m giá thực hiện X của ESO. đầu tiên trình bày cách triển khai và kết quả của mô
hình, sau đó thảo luận về chương trình VBA mang lại cho chúng ta những kết quả sau:
MỘT B C
MÔ HÌNH ĐỊNH GIÁ CỔ PHIẾU LỰA CHỌN CỔ PHIẾU CỦA NHÂN VIÊN
9 Tỷ lệ thoát, e 10,00%
10 Bài tập tùy chọn bội số, m 3,00
11 N 50 Số phân khu của một năm
12
13 Giá trị quyền chọn cổ phiếu của nhân viên 13,56 <-- =ESO(B2,B3,B4,B5,B6,B7,B8,B9,B10,B11)
14 Cuộc gọi Black-Scholes 19,18 <-- =BSCall(B2*EXP(-B8*B4),B3,B4,B6,B7)
Hàm ESO trong ô B13 phụ thuộc vào 10 biến được liệt kê trong
ô B2:B11. Màn hình cho chức năng này trông như thế này:
Machine Translated by Google
468 Chương 17
Trong ví dụ này, quyền chọn cổ phiếu của nhân viên được đưa ra khi giá cổ phiếu là 50 USD.
đáo hạn một năm và thời hạn trao quyền là ba năm. Lãi suất là 5% hàng năm và cổ phiếu trả cổ
tức hàng năm là 2,5% giá trị cổ phiếu. Tỷ lệ nhân viên rời bỏ công ty là 10% mỗi năm. Mô hình
này giả định rằng sau thời gian giao quyền, nhân viên sẽ chọn thực hiện quyền chọn của mình
nếu giá cổ phiếu gấp ba lần giá thực hiện quyền chọn đó trở lên.8 Mô hình nhị thức dùng để
tính toán trong ô B13 sẽ chia mỗi năm thành 50 phần nhỏ .
Với những giả định này, quyền chọn cổ phiếu của nhân viên có giá trị là 13,56
USD (ô B13). Một quyền chọn Black-Scholes có thể so sánh được trên một cổ phiếu
trả cổ tức sẽ có giá trị là 19,18,9 USD.
Ủy ban Chuẩn mực Kế toán Tài chính Hoa Kỳ (FASB) và Ủy ban Chuẩn mực Kế toán Quốc tế (IASB)
đồng ý rằng quyền chọn cổ phiếu điều hành nên được định giá bằng cách sử dụng mô hình được
khám phá ở đây và giá trị của quyền chọn được trao phải được tính vào mạng lưới của công ty.
thu nhập. Ví dụ: nếu một công ty đã phát hành 1 triệu quyền chọn của
8. Nghiên cứu được trích dẫn bởi Hull và White (2004) cho thấy tỷ lệ giá cổ phiếu trên giá thực hiện trung bình mà chủ
sở hữu ESO thực hiện quyền chọn của họ là từ 2,2 đến 2,8.
9. Chúng ta đang đi trước chính mình ở đây! Sự chuyển thể của Black-Scholes cho
xuất hiện trong bảng tính trước đó, chúng tôi sẽ định giá các tùy chọn
này ở mức 13.564.600 USD.
Trong tiểu mục này, chúng tôi cung cấp mã VBA cho mô hình này. Một cuộc thảo luận ngắn tuân
theo quy tắc.
Giảm dần lên gấp đôi, giảm xuống gấp đôi, R như _
Là gấp đôi, i là _
số nguyên, j là số nguyên
R = Exp(Sở thích/n)
Div = Exp(-Divrate / n)
Với j = 0 To i ' j là số
Tiếp theo j
Tiếp theo tôi
Machine Translated by Google
470 Chương 17
'Xác định giá trị tùy chọn ở các nút cuối cùng của cây
Với i = 0 Đến T * N
Chọn(T * n, n, i) = Application.Max(S(T _
*
i) - X, 0)
Tiếp theo tôi
'Tập thể dục sớm khi giá cổ phiếu > 'nhiều * tập thể dục
sau khi giao dịch
Với i = T * n - 1 Đến 0 Bước -1
Với j = 0 To i
Nếu i > Vest * n Và S(i, j) >= Nhiều _
* X Rồi _
Application.Max(S(i, j) - X, 0)) _
_
*
_
Opt(i + 1, j)) / R
Tiếp theo j
Tiếp theo tôi
Mã VBA có một số phần. Phần đầu tiên xác định các biến, điều chỉnh Lên, Xuống và 1 +
lãi suất R cho n kỳ của mỗi năm. Sau khi thực hiện điều chỉnh này, mã xác định xác
10. Tiểu mục này tẻ nhạt và có thể bỏ qua. Nhưng hãy xem phần phụ tiếp theo,
nơi chúng tôi sử dụng Dữ liệu|Bảng để thực hiện phân tích độ nhạy.
Machine Translated by Google
R = Exp(Sở thích/n)
Div = Exp(-Divrate / n)
Giá cổ phiếu được xác định như một mảng S(i, j), trong đó tôi xác định các khoảng thời gian,
Với j = 0 To i ' j là số
Lên bước
^
S(i, j) = Cổ phiếu * (i - j) Hướng lên ^ j * Xuống _
Tiếp theo j
Tiếp theo tôi
Các giá trị tùy chọn được xác định trong đoạn mã tiếp theo, đây là trọng tâm của
hàm tùy chọn cổ phiếu nhân viên của chúng tôi. Giá trị tùy chọn được xác định dưới
'Xác định giá trị tùy chọn trên các nút cuối cùng của
'cây
Với i = 0 Đến T * N
- X, 0)
Tiếp theo tôi
'Tập thể dục sớm khi giá cổ phiếu > bội số *' tập thể dục sau khi giao dịch
Với j = 0 To i
Machine Translated by Google
472 Chương 17
Tiếp theo j
Tiếp theo tôi
(
1 N)
R
,) =
opt (ij Sij
( , )m
sau khi nhận quyền, <X
+ Thoát/Tối đa [Si(,j )X ,0 ]
π
ni opt( i 1 () +) 1 ,1
j ++
chọn + π Xuống ,j
Thoát/ n )
Hướng lên
( 1
R
trước đây đốt
Tại các nút đầu cuối, chúng tôi chỉ cần thực hiện tùy chọn. Trước các nút
đầu cuối và sau khi giao dịch, chúng tôi kiểm tra xem liệu giá cổ phiếu có lớn
hơn bội số mong muốn của giá thực hiện hay không. Nếu có, chúng tôi thực hiện
quyền chọn. Nếu S(i, j) < m*X thì khoản hoàn trả của ESO phụ thuộc vào việc
nhân viên có rời khỏi công ty hay không. Với xác suất (1 - Tỷ lệ rời bỏ/n),
nhân viên không rời khỏi công ty, trong trường hợp đó, khoản hoàn trả quyền
chọn là khoản hoàn trả dự kiến được chiết khấu trong kỳ tiếp theo:
π j i 1 1π Chọn
opt( ,++ ) () xuống +
tôi 1 +
,j
( 1
Thoát/ N)
Hướng lên
R
Machine Translated by Google
Tuy nhiên, nếu nhân viên rời khỏi công ty và thời gian trao quyền đã qua, anh ta sẽ
thử xem liệu anh ta có thể thực hiện quyền chọn này hay không, mang lại mức hoàn trả
dự kiến.
Thoát/ max[
n
, Sij
( )X , 0]
Cuối cùng, trước khi trao quyền, ESO chỉ có giá trị hoàn trả dự kiến, được chiết khấu
(theo xác suất trung hòa rủi ro) của các giá trị trong kỳ tiếp theo:
Bước cuối cùng trong mã là xác định giá trị của hàm ESO:
ESO = lựa chọn (0, 0).
Chúng tôi có thể sử dụng bảng dữ liệu để thực hiện phân tích độ nhạy trên ESO của mình
chức năng.
MỘT B C D E F
CHỨC NĂNG ESO ĐỘ NHẠY CẢM VỚI SỐ PHẦN TRONG MỘT NĂM
1
2 S 50 Giá cổ phiếu hiện tại
3 X Giá thực hiện quyền chọn 50
4 T 10.0000 Thời gian thực hiện quyền chọn (năm)
5 Thời gian trao quyền (năm) 3,00
6 Quan tâm Lãi suất hàng năm 5,00%
9 Tỷ lệ thoát, e 10,00%
10 Bài tập tùy chọn bội số, mn 3,00
11 25 Số phân khu của một năm
12
13 Giá trị quyền chọn cổ phiếu của nhân viên 13.5275 <-- =ESO(B2,B3,B4,B5,B6,B7,B8,B9,B10,B11)
14 Cuộc gọi Black-Scholes 19.1842 <-- =BSCall(B2*EXP(-B8*B4),B3,B4,B6,B7)
15
16 Độ nhạy của giá trị ESO với số phân khu n
17 13.5275 <-- =B13, tiêu đề bảng dữ liệu
18 n 2 12.8213
19 13.2870 13:60
20 5 13.4312
13:50
21 10 13.5275
22 25 13.5646 13:40
23 50 13.5733
24 75 13.5753 13:30
13:20
26
27 13.10
28
29 13:00
30
12:90
31
32 12:80
33 0 25 50 75 100 125 150 175 200
34 Phân khu, n
35
Machine Translated by Google
474 Chương 17
Biểu đồ đưa ra nhiều bằng chứng cho thấy n = 25 hoặc 50 đủ tốt để định giá ESO. Vì các giá
trị lớn hơn của n sẽ tốn nhiều thời gian nên chúng tôi khuyên bạn nên sử dụng số thấp hơn.
Trong biểu đồ tiếp theo, chúng tôi cho thấy độ nhạy của giá trị ESO đối với
tỷ lệ rời bỏ công ty của nhân viên e, tỷ lệ nhân viên rời bỏ công ty mỗi ngày.
năm:
MỘT B C D E F
ĐỘ NHẠY CẢM CỦA CHỨC NĂNG ESO ĐỐI VỚI TỶ LỆ BỎ CUỘC CỦA NHÂN VIÊN e
1
2 S 50 Giá cổ phiếu hiện tại
3 X Giá thực hiện quyền chọn 50
4 T 10.0000 Thời gian thực hiện quyền chọn (năm)
5 Thời gian trao quyền (năm) 3,00
6 Quan tâm Lãi suất hàng năm 5,00%
9 Tỷ lệ thoát, e 10,00%
10 Bài tập tùy chọn bội số, m 3,00
11 N 50 Số phân khu của một năm
12
13 Giá trị quyền chọn cổ phiếu của nhân viên 13.5646 <-- =ESO(B2,B3,B4,B5,B6,B7,B8,B9,B10,B11)
14 Cuộc gọi Black-Scholes 19.1842 <-- =BSCall(B2*EXP(-B8*B4),B3,B4,B6,B7)
15
16 Độ nhạy của giá trị ESO với tỷ lệ thoát e
17 Tỷ lệ thoát 13.5646 <-- =B13, tiêu đề bảng dữ liệu
18 20.1732
19 19.3621 21:00
20 17.8536
20:00
21 16.4828
22 khỏi, e 0% 1% 3% 5% 7% 15.2347 19:00
23 9% 14.0963
18:00
24 11% 13.0561
25 13% 12.1039 17:00
ESO
26 16:00
27
15:00
28
29 14:00
30
13:00
31
32 12:00
33 0 2 46 810 12
34 Tỷ lệ thoát, e (%)
35
Tỷ lệ thoát có ảnh hưởng lớn đến giá trị của ESO: Doanh thu của nhân viên càng cao thì giá
trị quyền chọn cổ phiếu của nhân viên càng thấp. Về mặt định giá FASB 123, tỷ lệ thoát e là
Cuối cùng, chúng tôi thực hiện phân tích độ nhạy của giá trị ESO trên bội
số thoát m. Hãy nhớ lại rằng mô hình Hull-White giả định rằng một nhân viên
Machine Translated by Google
nắm giữ một ESO thực hiện quyền chọn của mình khi giá cổ phiếu là bội số của giá thực hiện
quyền chọn X. Về cơ bản, giả định này khiến nhân viên rơi vào một chiến lược dưới mức tối ưu,
vì nói chung quyền chọn mua phải được giữ đến ngày đáo hạn (mặc dù lưu ý rằng trong trường
hợp này, quyền chọn được viết trên một cổ phiếu trả cổ tức, trong một số trường hợp có thể
làm cho việc thực hiện sớm trở nên tối ưu). Trong ví dụ tiếp theo, chúng ta thấy rõ tính chất
dưới mức tối ưu của bài tập ESO ban đầu: Hệ số m càng cao thì giá trị của ESO càng cao.
MỘT B C D E F
ĐỘ NHẠY CẢM CỦA CHỨC NĂNG ESO ĐỐI VỚI TỶ LỆ BỎ CUỘC CỦA NHÂN VIÊN m
1
2 S 50 Giá cổ phiếu hiện tại
3 X Giá thực hiện quyền chọn 50
4 T 10.0000 Thời gian thực hiện quyền chọn (năm)
5 Thời gian trao quyền (năm) 3,00
6 Quan tâm Lãi suất hàng năm 5,00%
9 Tỷ lệ thoát, e 10,00%
10 Bài tập tùy chọn bội số, m 3,00
11 N 25 Số phân khu của một năm
12
13 Giá trị quyền chọn cổ phiếu của nhân viên 13.5275 <-- =ESO(B2,B3,B4,B5,B6,B7,B8,B9,B10,B11)
14 Cuộc gọi Black-Scholes 19.1842 <-- =BSCall(B2*EXP(-B8*B4),B3,B4,B6,B7)
15
16 Độ nhạy của giá trị ESO với nhiều m
17 m 13.5275 <-- =B13, tiêu đề bảng dữ liệu
18 1,0 9.1758
19 1,3 16/11 14
20 1,6 12.2760
21 1,9 12.9793
13
22 2,2 13.2735
23 2,5 13.4467
24 2,8 13.4985 12
25 3.1 13.5423
ESO
26
11
27
28
29
10
30
31
32 9
33 1.0 1.2 1.4 1.6 1.8 2.0 2.2 2.4 2.6 2,8 3.0
34
Nhiều m
35
Machine Translated by Google
476 Chương 17
Mô hình Hull-White là một số lượng gần đúng của việc định giá quyền chọn ESO, nhưng nó không
phải là một công thức dạng đóng. Một bài báo gần đây của Cvitanic', Wiener, và Zapatero
(2006) đưa ra một phân tích về giá trị của quyền chọn cổ phiếu của nhân viên. Công thức trải
dài trên 16 trang chữ và sẽ không được đưa ra ở đây. Tuy nhiên, bản triển khai công thức
~mswiener/nghiên cứu/ESO.htm.
17.9 Sử dụng mô hình nhị thức để định giá các quyền chọn không chuẩn: Một ví dụ
Mô hình nhị thức cũng có thể được sử dụng để định giá các quyền chọn không chuẩn. Hãy xem
xét ví dụ sau: Bạn có quyền chọn mua cổ phiếu của một công ty. Tùy chọn này cho phép tập thể
dục sớm, nhưng giá tập thể dục thay đổi tùy theo thời điểm bạn chọn tập thể dục. Đối với
trường hợp chúng tôi xem xét, tùy chọn có các điều kiện sau:
• Chỉ có n ngày thực hiện quyền chọn (nghĩa là quyền chọn chỉ được thực hiện vào những ngày
này).
• Tập thể dục vào ngày t ngăn cản việc tập thể dục vào tất cả các ngày s > t. Tuy nhiên, nếu
bạn không tập thể dục vào ngày s, bạn vẫn có thể tập thể dục vào ngày t > s.
• Giá thực hiện tại ngày t là Xt. Nói cách khác, giá thực hiện có thể thay đổi theo thời
gian.
Chúng tôi muốn đánh giá tùy chọn này bằng cách sử dụng khung nhị thức. Để làm như vậy,
chúng tôi nhận thấy rằng về cơ bản đây chỉ là một quyền chọn kiểu Mỹ với ba mức giá thực
Đây là cách chúng tôi giải quyết vấn đề này trong bảng tính, sử dụng logic của
MỘT B C D E F G H TÔI
36 KHÔNG
=IF(qU*H25+qD*H27>=
37 KHÔNG
MAX(F16-E4,0),"không",,"có")
38 KHÔNG
39
Hầu hết bảng tính này tuân theo phần 17.5. Các ô B15:H21 mô tả giá cổ
phiếu theo thời gian, tuân theo quy trình nhị thức với Lên = 1,10 và
Xuống = 0,95 (ô B3 và B4). Nơi mọi thứ trở nên thú vị là ở việc định
giá:
MỘT B C D E F G H TÔI
22 =MAX(qU*H25+qD*H27,MAX(F16-E4,0))
23 Ngày 0 Ngày 1 Ngày 2 Ngày 3
24
25 Giá trị tại mỗi nút 21.100 <-- =MAX(H16-E6,0)
26 16.000
27 11.583 2,950 <-- =MAX(H18-E6,0)
28 8.368 2.041
29 1.412 0,000
30 0,000
31 =MAX(qU*F28+qD*F30,MAX(D19-E3,0)) 0,000
32
Machine Translated by Google
478 Chương 17
Như thường lệ đối với một quyền chọn kiểu Mỹ, tại mỗi nút của cây chúng ta xem
xét liệu quyền chọn đó có giá trị hơn dù được thực hiện hay được giữ.
Nhưng lưu ý rằng trong hình này, giá thực hiện thay đổi theo ngày, do đó giá
thực hiện tại ngày thứ 3 là E5, giá thực hiện tại ngày 2 là E4 và giá thực
hiện tại ngày 1 là E3. Như bạn có thể thấy trong ô B28, giá trị của quyền chọn
mua kiểu Mỹ là 8,368.
Mô hình nhị thức trực quan và dễ thực hiện. Là một giải pháp thay thế rộng rãi
cho việc định giá Black-Scholes, mô hình này có thể dễ dàng được đưa vào bảng
tính và lập trình trong VBA. Chương này đã khám phá cả cách sử dụng cơ bản của
mô hình nhị thức và cách thực hiện nó để định giá các quyền chọn kiểu Mỹ và
các quyền chọn phi tiêu chuẩn khác. Phần về quyền chọn cổ phiếu của nhân viên
đã chỉ ra cách triển khai mô hình Hull và White (2004) để định giá các quyền
chọn này. Xuyên suốt chương trình, chúng tôi đặc biệt nhấn mạnh vai trò của
giá nhà nước trong việc thực hiện mô hình.
Bài tập
1. Một cổ phiếu được bán với giá 25 đô la ngày hôm nay sẽ có giá trị trong một năm sau đó là 35 đô
la hoặc 20 đô la. Nếu lãi suất là 8%, giá trị ngày nay của quyền chọn mua cổ phiếu kỳ hạn một
năm với giá thực hiện là 30 USD là bao nhiêu? Sử dụng phương pháp phương trình đồng thời ở
phần 17.2 để định giá quyền chọn.
2. Trong bài tập 1, hãy tính giá hiện hành qU và qD, rồi sử dụng các giá này để tính giá trị ngày
hôm nay của quyền chọn bán một năm đối với cổ phiếu có giá thực hiện là 30 USD. Chứng tỏ rằng
tính chẵn lẻ của lệnh mua bán đúng: Nghĩa là, sử dụng câu trả lời của bạn từ bài toán này và bài
toán trước đó, hãy chứng minh rằng
X
= + Đặt giá.
Giá cuộc gọi Giá cổ phiếu hôm nay
+ 1 +r
3. Trong mô hình nhị thức, quyền chọn mua và quyền chọn bán đều được ghi trên cùng một
cổ phiếu. Giá thực hiện của quyền chọn bán là 30 và giá thực hiện của quyền chọn bán
là 40. Lợi ích của quyền chọn mua là 0 và 5, lợi tức của quyền chọn bán là 20 và 5.
Giá của quyền chọn bán là 2,25 và giá của quyền chọn bán là 12,25.
Một. Lãi suất không rủi ro là gì? Giả sử thời gian cơ bản là một năm.
4. Tất cả các nhà phân tích đáng tin cậy đều đồng ý rằng một cổ phiếu của Tập đoàn ABC, được
bán hôm nay với giá 50 đô la, sẽ có giá 65 đô la hoặc 45 đô la một năm kể từ bây giờ. Họ
còn đồng ý rằng xác suất của những sự kiện này lần lượt là 0,6 và 0,4. Lãi suất phi rủi
ro thị trường là 6%. Giá trị của một quyền chọn mua trên ABC có giá thực hiện là 50 USD
và đáo hạn sau một năm là bao nhiêu?
Machine Translated by Google
5. Một cổ phiếu hiện đang được bán với giá 60 USD. Giá cổ phiếu vào cuối năm dự kiến sẽ tăng 25% hoặc
giảm 20%. Lãi suất không rủi ro là 5%. Hãy tính giá một quyền chọn bán ở Châu Âu với giá thực
hiện là 55$. Sử dụng mô hình định giá quyền chọn nhị thức.
6. Điền vào tất cả các ô có nhãn ??? trong bảng tính sau. Tại sao không có cây định giá bổ sung cho
quyền chọn mua kiểu Mỹ?
BCDEFGH tôi J K
7. Hãy xem xét mô hình nhị thức hai kỳ sau đây, trong đó lãi suất hàng năm là 9% và giá cổ phiếu tăng
15% mỗi kỳ hoặc giảm 10%:
66.1250 1.1881
57,50 1,09
50 51.7500 1 1.1881
45:00 1,09
40,5000 1.1881
Một. Định giá quyền chọn mua kiểu Châu Âu đối với cổ phiếu với giá thực hiện là 60.
b. Giá một người châu Âu đưa vào cổ phiếu với giá thực hiện là 60.
Machine Translated by Google
480 Chương 17
c. Định giá quyền chọn mua kiểu Mỹ đối với cổ phiếu với giá thực hiện là 60.
d. Giá một người Mỹ mua cổ phiếu với giá thực hiện là 60.
• Trong mỗi thời kỳ, giá cổ phiếu tăng 30% hoặc giảm
10 phần trăm.
50,70 1.5625
39:00 1,25
30 35.10 1 1.5625
27:00 1,25
24h30 1.5625
Một. Hãy xem xét một quyết định mua kiểu Châu Âu với X = 30 và T = 2. Điền vào chỗ trống trong cây:
???
???
??? ???
???
???
c. Bây giờ hãy xem xét một quyền chọn bán kiểu Mỹ với X = 30 và T = 2. Điền vào chỗ trống trong
cây:
???
???
??? ???
???
???
9. Một công ty chứng khoán nổi tiếng gần đây đã giới thiệu một sản phẩm tài chính mới. Sản phẩm này có
tên là Best of Both Worlds (viết tắt là BOBOW), có giá 10 USD. Nó đáo hạn sau 5 năm, tại thời
điểm đó, nó sẽ hoàn trả cho nhà đầu tư chi phí 10 USD cộng với 120% lợi nhuận dương bất kỳ của
chỉ số S&P 500. Không có khoản thanh toán trước khi đáo hạn.
Machine Translated by Google
Ví dụ: nếu S&P 500 hiện ở mức 1500 và nếu nó ở mức 1800 sau 5 năm, chủ sở hữu
BOBOW sẽ nhận lại $12,40 = $10 * [1 + 1,2 * (1800/1500 1)]. Nếu S&P ở mức hoặc
dưới 1500 trong 5 năm, chủ sở hữu BOBOW sẽ nhận lại 10 USD.
Giả sử lãi suất hàng năm của trái phiếu chiết khấu thuần túy, lãi suất gộp liên
tục, kỳ hạn 5 năm là 6%. Giả sử thêm rằng S&P 500 hiện ở mức 1500 và bạn tin rằng
trong 5 năm nữa nó sẽ ở mức 2500 hoặc 1200. Sử dụng mô hình định giá quyền chọn
nhị thức để chỉ ra rằng BOBOW được định giá thấp.
10. Vấn đề này là phần tiếp theo của phần thảo luận ở phần 17.6.1. Chứng minh rằng khi
n ∞, giá bán nhị thức Châu Âu hội tụ về giá bán Black-Scholes.
(Lưu ý rằng, như một phần của bảng tính fm3_chapter17.xls, chúng tôi đã đưa vào
một hàm có tên BSPut để tính giá bán Black-Scholes.)
11. Đây là phiên bản nâng cao của bài tập 10. Hãy xem xét một tham số hóa thay thế của nhị thức:
t =Tn
Δ / Nốt= Rê
rt
tt2/2) Δ+σ
R Xuống
= e (r σ Δ
q =
Hướng lên bạn
R (Lên xuống)
1
Xuống = e (r σ 2/2)Δ σΔ tt =
q
qD bạn
Xây dựng các hàm định giá quyền chọn và lệnh gọi nhị thức Châu Âu trong VBA cho
tham số hóa này và cho thấy rằng chúng cũng hội tụ về công thức Black-Scholes.
(Thông báo ở đây là việc tham số hóa nhị thức σ không phải là duy nhất.)
12. Quyền chọn mua được viết trên một cổ phiếu có giá hiện tại là 50 USD. Quyền chọn có
thời hạn 3 năm và trong thời gian này giá cổ phiếu hàng năm dự kiến sẽ tăng 25%
hoặc giảm 10%. Lãi suất hàng năm không đổi ở mức 6%. Quyền chọn này có thể được
thực hiện vào ngày 1 với giá 55 USD, vào ngày thứ 2 với giá 60 USD và vào ngày 3
với giá 65 USD. Giá trị của nó ngày nay là bao nhiêu? Bạn có bao giờ thực hiện
quyền chọn sớm không?
13. Xem xét lại bài tập 12. Chứng minh rằng nếu giá thực hiện ngày 1 là X, ví dụ ngày
2
giá cise là X* (1 + r) và giá thực hiện ngày 3 là X* (1 + r) 2, bạn sẽ không
thực hiện quyền chọn sớm.11
14. Một ngân hàng đầu tư đang chào bán một chứng khoán có liên quan đến giá cổ phiếu Bisco
trong hai năm tới, hiện ở mức 3 USD một cổ phiếu. Biểu thị giá cổ phiếu của Bisco
trong hai thời kỳ bằng S2. Chứng khoán được chào bán có giá trị Max(S3 2 40,0).
Bạn ước tính rằng trong hai giai đoạn tiếp theo, cổ phiếu Bisco sẽ tăng 50% hoặc
giảm 20%. Lãi suất hàng năm là 8%. Định giá an ninh.
11. Cũng có thể chứng minh rằng đặc tính này được giữ vững nếu giá thực hiện tăng chậm hơn lãi suất. Do đó đối với
vấn đề được xem xét ở phần 17.7, quyền chọn mua kiểu Mỹ sẽ chỉ được thực hiện sớm khi giá thực hiện tăng với