Анализ прогнозирующей способности финансовых аналитиков

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Анализ прогнозирующей способности финансовых аналитиков

Григорий Болотин

Москва, 2009г.

Введение

Задачей данной работы является исследование вопроса существования различий в прогнозирующей способности финансовых аналитиков. Так как на основе прогнозов аналитиков инвестиционные компании осуществляют управление активами, результаты подобного исследования могут дать полезные сведения для оценки эффективности функционирования как отдельных финансовых институтов, так и всей отрасли управления активами в целом. прогнозирующая способность аналитика

Большинство работ, посвященных анализу прогнозов аналитиков, исследуют прогнозирующую способность агрегированных прогнозов. Такие работы, как Womack (1996), Barber et al. (2001) и Jegadeesh et al. (2004) свидетельствуют о наличии определенной прогнозирующей способности у аналитиков в целом. Однако, например, в работе Dimson и Marsh (1984) Все четыре работы анализируют данные по американскому рынку были выявлены определенные различия в прогнозирующей способности отдельных аналитиков. Далее рассмотрены основные элементы проведенного исследования по данным для российского рынка: эмпирический материал, методология исследования, а также полученные результаты и выводы.

Сбор и обработка данных

Для проведения эмпирического исследования были использованы следующие данные. Для периода с 01.02.2006 по 01.11.2008 были собраны целевые цены, выставленные различными аналитиками для следующих акций: ОАО Газпром, ао; ОАО Лукойл, ао; ОАО ГМК Норильский Никель, ао; ОАО Сургутнефтегаз, ао; ОАО Северсталь, оа. На момент проведения исследования данные акции составляли примерно 45% расчетной базы индекса РТС. Были использованы прогнозы 10 аналитических департаментов ведущих российских и зарубежных инвестиционных компаний и банков (список аналитиков представлен в Таблице 1) Данные о целевых ценах были взяты с www.quote.ru; текущие рыночные цены - с www.finam.ru.

Исследование проводилось на месячных временных интервалах - датой измерения были первые числа каледарных месяцев. Так как целевые цены аналитиков могут быть выставлены и пересмотрены в любой день месяца, для систематизации базы данных была использована следующая процедура: все целевые цены, выставленные или пересмотренные в течение каледарного месяца, рассматривались как действующие целевые цены на начало следующего календарного месяца. Таким образом, на каждый момент измерения были учтены все изменения в базе данных с момента предыдущего измерения Подобная процедура обработки данных применялась, к примеру, в работе Jegadeesh et al. (2004).

Значения годовых прогнозных доходностей для каждой акции были получены путем деления целевых цен акций, выставленных различными аналитиками, на текущую рыночную цену акции. Для конвертации полученных подобным образом годовых прогнозных доходностей в месячные, которые необходимы для проводимого исследования, была принята предпосылка о том, что внутри годовых прогнозных интервалов цена акций изменялась с постоянным темпом. Таким образом, для каждого значения годового прогноза доходности , было использовано значение месячной прогнозной доходности на уровне . Схожий подход измерения прогнозирующей силы с помощью данных по первому месяцу прогнозного года был, например, использован в работах Crichfield et al. (1978) и Brav и Lehavy (2003).

Абсолютная прогнозирующая способность

Под абсолютной прогнозирующей способностью понимается способность аналитиков давать абсолютные прогнозы доходности по различным акциям, например, «Газпром, ао - рост на 10%», «Лукойл, ао - рост на 20%». Введем необходимые обозначения. Для измерения абсолютной прогнозирующей способности Для случая абсолютной прогнозирующей способности измеряется ошибка прогноза отдельного аналитика по определенной акции каждого аналитика на определенном промежутке времени используются два временных ряда доходностей:

· временной ряд прогнозируемых аналитиком доходностей для акции на временном промежутке между и :
;

· временной ряд реализованных доходностей акции на временном промежутке между и :
.

Для количественного измерения абсолютной прогнозирующей способности могут быть использованы такие стандартные показатели, широко применяемые в статистике и эконометрике, как:

· Среднее Абсолютное Отклонение (Mean Absolute Deviation - MAD).

Этот простой и интуитивный показатель характеризует линейное измерение отклонения прогноза от истинного значения переменной:

.

· Среднеквадратичное Отклонение (Root Mean Squared Error - RMSE).

Данный показатель является более эффективным, так как придает большее значение более сильным отклонениям прогноза от истинного значения переменной:

.

В Таблице 1 приведены результаты измерения абсолютной прогнозирующей силы аналитиков с помощью показателя MAD. Аналогичные расчеты для случая использования показателя RMSE опущены в целях сокращения текста данного конспекта.

В последних стобцах обеих таблиц приведены суммарные ошибки прогнозов, рассчитанные для каждого аналитика - т.е. каждое число характеризует суммарную ошибку прогнозов конкрентного аналитика по всему набору акций. Для случая применения показателся MAD, коэффициент вариации ряда данных, представленных в последнем столбце, составляет всего 2%; максимальная суммарная ошибка прогнозов конкретного аналитика превышает минимальную всего на 6%. Таким образом, можно сделать вывод о том, что показатель MAD не позволяет выявить различий в прогнозирующей силе аналитиков.

Таблица 1. Результаты оценки точности прогнозов аналитиков с помощью показателя MAD

Схожие выводы можно сделать на основе результатов анализа прогнозов аналитиков с помощью показателя RMSE. Для рядя суммарных ошибок конкретных аналитиков, коэффициент вариации составляет всего 3%, в то время как разница между максимальным и минимальным значениями - не более 9%. Таким образом, как и для случая с MAD, использование показателя RMSE для измерения точности прогнозов не позволяет выявить различия в прогнозирующей способности отдельных аналитиков.

Данный результат является следствием того, что абсолютный прогноз доходности акций предполагает также определенный, встроенный в него, прогноз общерыночных движений. Ошибка прогнозных доходностей акций, измеряемая с помощью показателей MAD и RMSE, включает в себя и ошибку прогнозирования рынка в целом. Причем колебания рынка, как правило, значительно превышают возможные расхождения в доходностях отдельных акций. В результате, показатели, измеряющие абсолютную прогнозирующую способность аналитиков, крайне чувствительны к общерыночным колебаниям и неспособны отделить их от специфической составляющей прогноза по каждой акции.

Относительная прогнозирующая способность

Решить проблему сегментации прогноза на специфическую составляющую по конкретной акции и по рынку в целом может измерение относительной прогнозирующей способности аналитиков, т.е. способности аналитиков ранжировать акции - выбирать акции, которые продемонстрируют более высокую доходность, чем остальные Часто употребляемый в иностранной литературе термин в отношении относительной прогнозирующей способности - “stock picking ability”.

Подходящим методом измерения относительной прогнозирующей способности аналитиков является концепция «Информационного коэффициента» (Information Coefficient - IC). IC измеряет прогнозирующую способность конкретного аналитика на определенном промежутке времени. По своей сути, IC является выборочным коэффициентом корреляции между двумя рядами данных:

· набором прогнозируемых аналитиком доходностей для акций на промежутке времени между и : .

· набором реализованных доходностей для акций на промежутке времени между и : .

Таким образом, расчет значения IC можно представить следующим образом:

.

В рамках эмпирического исследования были рассчитаны значения показателей IC для различных аналитиков для месячных интервалов. Для каждого аналитика был получен временной ряд, состоящий из значений IC данного аналитика (всего - 33 значения для каждого аналитика). В Таблице 2 представлены значения дескриптивных статистик временных рядов IC для каждого из аналитиков, а также результат одностороннего t-теста, целью проведения которого было тестирование наличия у аналитиков относительной прогнозирующей силы.

Таблица 2. Дескриптивная статистика и результаты t-теста для показателя IC

Из представленных в Таблице 2 результатов можно сделать следующие выводы:

· некоторые аналитики (а именно: 1, 2, 3, 7) обладают положительной, статистически значимо отличной от нуля, относительной прогнозирующей способностью Следует сделать оговорку, что данный результат выполняется для конкретного случая использования коэффициента IC для измерения относительной прогнозирующей силы;

· некоторые аналитики (а именно: 8, 9, 10) обладают крайне низкой относительной прогнозирующей способностью.

Таким образом, можно заключить, что некоторые аналитики обладают более высокой прогнозирующей способностью, чем другие. Данный результат является статистически значимым.

Выводы

Основной задачей данной работы было исследование прогнозов аналитиков финансового рынка с целью выявления потенциальных различий в прогнозирующей способности отдельных аналитиков. Из проведенного исследования можно сделать следующие выводы:

· показатели абсолютной прогнозирующей способности, а именно, MAD и RMSE, не способны выявить различия в прогнозирующей силе аналитиков;

· с помощью показателя относительной прогнозирующей способности - информационного критерия (IC), возможно выделить ведущих аналитиков, а также аналитиков с низкими прогнозирующими способностями.

Список литературы

1. Barber, Lehavy, McNichols и Trueman (2001). “Can Investors Profit from the Prophets? Security Analyst Recommendations and Stock Returns”, Journal of Finance, Vol. 56, No. 2, pp. 531-563.

2. Brav и Lehavy (2003). “An Empirical Analysis of Analysts' Target Prices: Short-Term Informativeness and Long- Term Dynamics”, The Journal of Finance, Vol. 58, No. 5, pp. 1933-1967.

3. Crichfield, Dyckman и Lakonishok (1978). “An Evaluation of Security Analysts' Forecasts,” The Accounting Review, Vol. 53, No. 3, pp. 651-668.

4. Jegadeesh, Kim, Krische и Lee, C. (2004). „When do recommendations Add Value?” Journal of Finance, Vol. 59, No.3, pp. 1083-1124.

5. Womack (1996). “Do Brokerage Analysts' Recommendations Have Investment Value?” Journal of Finance, Vol. 51, No. 1, pp. 137-167.

6. Dimson and Marsh (1984). “An Analysis of Brokers' and Analysts' Unpublished Forecasts of UK Stock Returns”, Journal of Finance, Vol. 39, No. 5, pp. 1257-1292.

Размещено на Allbest.ru