Upload
others
View
0
Download
0
Embed Size (px)
Citation preview
Testiranje Sharpe-Lintnerovog modela na Zagrebačkoj burzi
Zaporka: CAPM2003 (za studentsku nagradu) Sažetak Jedna od najvažnijih rasprava na tržištima kapitala jest može li model za procjenjivanje kapitalne imovine (CAPM) služiti kao osnova za odluke o investiranju. William Sharpe i John Lintner razvili su model koji pokazuje da je «ispravna» mjera rizika za dionice sistematski rizik (beta). Kasnije, mnogi su poduprli CAPM pristup, ali i mnogi su kritizirali model (Fama i French). Nadalje, u slučaju tržišta kapitala u nastajanju može se raspravljati o korisnosti modela, te da beta koeficijenti nisu signifikantni. Ovaj rad analizira vrijednost Sharpe-Lintnerovog modela na primjeru Zagrebačke burze. Isto tako, pokušava odgovoriti na pitanje mogu li investitori vjerovati beta koeficijentima prilikom donošenja odluka o investiranju. Ključne riječi: Markowitzev model, CAPM, sistematski rizik, Zagrebačka burza. Abstract One of the most important debates in capital markets is whether the Capital Asset Pricing Model can serve as a base for investment decisions. William Sharpe and John Lintner constructed the model that shows that the “true” measure of risk for stocks is the systematic risk (beta). In the following period, many studies have supported CAPM approach, but also some other criticized the model (Fama and French). Moreover, one can argue that in the case of emerging stock exchanges the model is useless and beta coefficients are not significant. The present study analyzes the value of the Sharpe-Lintner model in the case of Zagreb Stock Exchange. It is supposed to check whether investors can trust beta coefficients in their investment decision-making process. Key words: Markowitz model, CAPM, systematic risk, Zagreb Stock Exchange.
2
1. Uvod1
Markowitzev mean-variance (M-V) model je statički dvokriterijski portfolio model
koji služi portfolio analitičarima za konstruiranje efikasne granice s obzirom na
trade-off između rizika i prinosa. Markowitz (1952) pokazuje da za racionalnog
investitora koji maksimizira očekivanu korisnost odabrani portfolio je optimalan
uzimajući u obzir kriterije očekivanog prinosa te varijancu prinosa kao mjeru rizika.
Takav nedominirajući portfolio je efikasan u smislu da generira najveći očekivani
prinos za danu razinu rizika, odnosno najniži rizik za danu razinu prinosa.
Markowitzevo normativno M-V pravilo za ponašanje investitora implicira
diversifikaciju. Određivanje efikasnog skupa iz skupa mogućih investicija zahtijeva
formuliranje i rješavanje parametarskog kvadratičnog programiranja. Efikasan
portfolio je točka u prostoru rizika i prinosa, a njihov skup čini efikasnu granicu.
Procjena parametara, kao što su prinosi, varijance i kovarijance, koji su zahtijevani
kao inputi u M-V analizu, ključan je korak u modeliranju. Male promjene inputa
mogu imati velik utjecaj na optimalne pondere pojedinih investicija u portfoliu.
Chopra i Ziemba (1993) su pokazali da za prosječnog investitora, uz kojeg se veže
dana tolerancija rizika, pogreške u procijenjenim prinosima su više nego deset puta
važnije od pogrešaka u procijeni varijanci te oko dvadeset puta važnije od pogrešaka
u procijeni kovarijanci. Moderna portfolio analiza koristi linearizaciju Markowitzeve
kvadratične funkcije cilja ili redukciju broja procijenjenih parametara. Oba pristupa
uključuju aproksimaciju ili dekompoziciju matrice kovarijanci.
Tobin (1958) je razvio teorem odvojenosti prema kojem će u prisutnosti nerizičnih
investicija optimalan rizični portfolio može biti određen bez ikakvog znanja o
funkciji korisnosti pojedinog investitora. Takav portfolio ovisi samo o očekivanim
prinosima te varijancama za različite moguće portfolije sastavljene od rizičnih
vrijednosnih papira. Na taj način se prvo odredi portfolio rizičnih vrijednosnih
papira pa onda najpoželjnija kombinacija nerizične investicije i rizičnog portfolia.
1 Autori se zahvaljuju prof. dr. sc. Bošku Šegi i mr. sc. Tomislavu Petrovu na korisnim savjetima. Za eventualne pogreške u radu odgovorni su isključivo autori.
3
Kasnije su Sharpe (1963; 1964) i Lintner (1965) razvili model za procjenjivanje
kapitalne imovine (CAPM2). CAPM je linearni ravnotežni model prinosa na
investicije koji objašnjava prinose iznad nerizične stope pomoću kovarijanci prinosa
na pojedine investicije jedino kroz njihove kovarijance s cjelokupnim tržištem.
Sharpe-Lintnerov model je prilično jednostavan pa su ga financijski analitičari i
investitori objeručke prihvatili za analizu konkretnih problema. Ross (1976) je
koristeći faktorsku analizu razvio arbitražni model određivanja cijene kapitala
(ARBM3). Suština ARBM-a se zasniva na pretpostavci da se cijene vrijednosnih
papira mijenjaju kako investitori mijenjaju svoje portfolije u potrazi za natprosječnim
prinosima.
U ovom radu pokušavamo otkriti koliko dobro Sharpe-Lintnerov model opisuje
prinose na hrvatskom tržištu kapitala. S obzirom da je debata o korisnosti modela još
uvijek aktualna, želimo doprinijeti još jednim empirijskim radom, pri čemu je fokus
istraživanja nerazvijeno hrvatsko tržište kapitala. U drugom dijelu prikazan je
Markowitzev model kao temelj moderne portfolio teorije. Teorijske postavke Sharpe-
Lintnerovog modela prikazane su u trećem dijelu rada, a četvrti dio se bavi
ekonometrijskim testiranjima modela. Rasprava o vrijednosti takvih testiranja, kao i
preporuke za buduća istraživanja dana su u zaključku.
2. Standardni Markowitzev M-V model
M-V pristup portfolio optimizacije je sigurno najpopularniji pristup kojim se odabire
portfolio. Investitor je suočen s kriterijem profitabilnosti portfolia s jedne strane,
kojeg označava očekivani prinos, te s rizikom mjerenim varijancom prinosa portfolia
s druge strane. Ova dva kriterija dovoljna su za definiranje kompletnog poretka
investitorovih preferencija u ordinalnom smislu. Dobiveni “jaki” rezultat posljedica
je pojednostavljene pretpostavke da su investitorove preferencije kvadratnog oblika
te da su prinosi normalno distribuirani.
2 Termin CAPM označava Capital Asset Pricing Model. 3 Termin ARBM označava Arbitrage Pricing Model.
4
Ako se sa xi označi udio investicije i u portfoliu, s W iznos s kojim investitor
raspolaže te s ( )[ ]TirErE =)( očekivani prinosi i-te investicije u porfoliu (i=1,…,N),
tada je očekivani prinos portfolia, )( pp rEr = , definiran vektorom ( )TNxxxx ,,, 21 Κ= ,
dan kao:4
).()()(1
rExxrErE Ti
N
iip ==∑
= (1)
Varijanca portfolia predstavljena je sljedećom kvadratnom formom:
,)(1 1
2 Qxxxxx Tj
N
i
N
jijip ==∑∑
= =
σσ (2)
gdje je ijσ kovarijanca prinosa između investicije i i j, nij MQ ∈= )(σ matrica varijanci
i kovarijanci5 vektora prinosa r. Efikasan portfolio, definiran minimalnom varijancom
za zadani očekivani prinos, može se dobiti rješavanjem sljedećeg kvadratičnog
programa:
min QxxT (3)
uz ograničenja ρ≥∑=
i
N
iirx
1 (4)
11
=∑=
N
iix (5)
0≥ix , Ni ,,1Κ= , (6)
za različite vrijednosti ρ , gdje ρ predstavlja zahtijevani prinos portfolia.
Ograničenje (4) govori da realizirani prinos portfolia mora biti barem koliki je 4 Vektor xT je vektor redak koji predstavlja varijablu odluke. 5 Ako je i=j, onda je 2
iii σσ = , što predstavlja varijancu i-te investicije. Markowitz (1987) pretpostavlja da je matrica kovarijanci pozitivno semidefinitna prihvaćajući mogućnost da može biti singularna ili regularna. Nekoliko je razloga za takvu pretpostavku: (1) Portfolio analitičari ponekad koriste povijesne podatke pri izračunavaju matricu kovarijanci s više razmotrenih investicija nego opaženih kombinacija prinosa i varijanci. U tom slučaju, matrica Q će uvijek biti singularna. (2) Kombinacija prinosa od kupnje call opcije i sastavljanja put opcije na istu dionicu je savršeno koreliran s prinosom na samu dionicu. Ako su put opcija, call opcija i dionica na temelju koje su opcije sastavljene nalaze u istom portfoliu, te se koristi dijagonalizirana matrica kovarijanci [ ]jiQ ij ≠== ),0(σ , rezultirat će singularnošću matrice kovarijanci. Za daljnju raspravu o svojstvima matrice kovarijanci vidjeti Markowitz (1987).
5
zahtijevani prinos, (5) predstavlja budžetsko ograničenje (investitor raspolaže s
ograničenim proračunom za investiranje), a jednadžba (6) pretpostavlja
nenegativnost komponenti vektora odluke.6
Ako pretpostavimo da raspolažemo s iznosom za investiranje W, onda možemo
investitorove preferencije prikazati funkcijom korisnosti u(W), koja upravo ovisi o
novčanom iznosu koji posjedujemo. Funkcija korisnosti je rastuća, jednostavno jer je
svaki racionalan investitor nezasićen, odnosno preferira više novca u odnosu na
manje.7 Osim stroge monotonosti, pretpostavljamo da je funkcija korisnosti konkavna
pa implicira određeni stupanj averzije prema riziku.8
Stupanj averzije prema riziku možemo mjeriti Arrow-Prattovim indeksom RA
(Brandimarte, 2002). RA je definiran kao:9
)(')(''
21
WuWuRA −= . (7)
S obzirom da smo pretpostavili da je funkcija korisnosti rastuća vrijedi uʹ(W)≥0, dok
je zbog konkavnosti uʹʹ(W)≤0. Ova svojstva funkcije korisnosti impliciraju da je
Arrow-Prattov indeks nenegativan kad god je 0)(' ≠Wu . Alternativna formulacija
kvadratičnog programa (3)-(6) eksplicitno izražava trade-off između rizika i prinosa
u funkciji cilja:
max )(1 11
j
N
i
N
jijiA
N
iii xxRrx ∑∑∑
= ==
+ σ (8)
uz ograničenja 11
=∑=
n
iix (9)
0≥ix , Ni ,,1Κ= . (10)
6 Osim toga, nejednadžbama (6) smo osigurali da ne postoji «short selling», tj. prodaja vrijednosnih papira koji su posuđeni s namjerom kupovine i vraćanja tih vrijednosnih papira u budućnosti kada im padne cijena (Madura, 2003). 7 Važno je napomenuti da funkcije korisnosti samo rangiraju različite alternative u smislu Pareto indeksa korisnosti, a da su apsolutne vrijednosti koje generira u potpunosti nevažne. 8 Funkcija korisnosti je konkavna, tj. U(λx + (1 – λ)y) ≥ λU(x) + (1 – λ)U(y), 0 ≤ λ ≤ 1. 9 Izvod Arrow-Prattovog indeksa prikazan je u Dodatku 1.
6
Povećavanjem RA od nule te rješavanjem kvadratnog programa dobivamo efikasnu
granicu. Empirijski rezultati pokazuju da se uz RA≥6 bira portfolio s vrlo malim
rizikom, 2≤RA≤4 predstavlja umjerenu averziju prema riziku, dok RA≤2 vodi prema
izboru rizičnog portfolia (Kallberg i Ziemba, 1983).10
3. Sharpe-Lintnerov model (CAPM)11
Sharpe (1964) i Lintner (1965) pretpostavljaju da svi investitori traže Markowitzevu
M-V efikasnost, očekivanja o kretanju tržišta su homogena te se svi suočavaju s
identičnim skupom ograničenja. Nadalje, postoji dovoljno velik broj investitora pa
pojedinačno ne mogu utjecati na cijene investicija, kojima se smatraju samo
standardizirani vrijednosni papiri poput dionica ili obveznica te nerizičnih
investicija.12 Nema transakcijskih troškova niti poreza na kapitalni dobitak.
Ako svi investitori maksimiziraju korisnost uz dani rizik za identičan skup investicija
i identično vremensko razdoblje, moraju doći do identičnog optimalnog rizičnog
portfolia. Takav portfolio zove se tržišni portfolio, a prikazan je vektorom
),,,( 21mN
mmm xxxx Κ= , gdje je mix omjer vrijednosti i-te investicije i vrijednosti svih
investicija na tržištu. Tržišni portfolio uključuje sve investicije na tržištu.13 Svaki
investitor odabire svoj portfolio kao linearnu kombinaciju između optimalnog
rizičnog portfolia i nerizične investicije ovisno o skolonosti prema riziku.14 Isto tako,
model dopušta investitorima koji preferiraju više rizika (pa i prinosa) nego što nudi
tržišni portfolio da posude dodatni iznos po nerizičnoj kamatnoj stopi. Prinos iznad
nerizične stope i-te investicije fi rr − , gdje je fr nerizična kamatna stopa,
10 RA=4 otprilike korespondira s portfoliom koji sadrži 60% dionica te 40% obveznica na američkom tržištu kapitala (Kallberg i Ziemba, 1983). 11 Model se ponekad naziva i Sharpe-Lintner-Mossinov model (Bodie et al., 1996). 12 U modelu se investicijama ne smatraju investicije u realnu imovinu i ljudski kapital. Nerizična investicija je ona čija je vjerojatnost ostvarivanja očekivanog prinosa jednaka 1. Uobičajeno je nerizičnu investiciju definirati kao kratkoročnu obveznicu države. 13 Cjenovna prilagodba, koja ovisi o ponudi i potražnji za pojedinim investicijama, osigurava da se u ravnoteži sve investicije nalaze u optimalnom rizičnom portfoliu. 14 Ovaj pristup često nazivan teorem o odvojenosti razvio je James Tobin (1958).
7
proporcionalan je iβ , regresijskom koeficijentu prinosa na i-tu investiciju i prinosa na
tržišni portfolio. Model možemo prikazati jednadžbom:15
−=−
m
im
m
fmfi
rrrr
σσ
σ (11)
ili
ifmfi rrrr β)( −+= , (12)
gdje je ∑=
=N
jij
mjim x
1σσ kovarijanca prinosa i-te investicije s prinosom tržišnog portfolia
( mr ), 2mσ varijanca prinosa tržišnog portfolia, a 2/ mimi σσβ = je beta i-te investicije. Beta
predstavlja mjeru sistematskog (tržišnog) rizika. Sistematski rizik je dio rizika koji ne
može biti eliminiran kombiniranjem investicija u portfoliu, tj. diversifikacijom.
Nesistematski rizik je u potpunosti eliminiran u tržišnom portfoliu.16 Beta portfolia je
jednostavna ponderirana suma beta svih investicija u portfoliu:
∑=
=N
iiip x
1ββ . (13)
Model omogućava investitorima da relativno jednostavno izračunaju zahtijevani
ravnotežni prinos na bilo koju rizičnu investiciju. Ukoliko je procijenjeni prinos
različit od ravnotežnog, CAPM nalaže da je investicija ili podcijenjena ili precijenjena.
Koristeći programski paket Mathematica i podatke opisane u odjeljku 4, možemo
prikazati efikasnu granicu i liniju tržišta kapitala u prostoru kriterija ( r,σ ).17 Efikasna
granica je dobivena variranjem zahtijevanog prinosa ( ρ ) u kvadratičnom programu
prikazanog jednadžbama (3)-(6). Odabrali smo da ρ čine aritmetički niz sa početnim
članom 1, diferencijom 0.04 i promatrali samo njegovih prvih 270 članova.18 Program
15 Izvod Sharpe-Lintnerovog modela prikazan je u Dodatku 2. 16 U realnosti teško je postići potpunu eliminaciju nesistematskog rizika zbog transakcijskih troškova. S obzirom da transakcijski troškovi čine relativno malen udio u vrijednosti investicije i zbog jednostavnosti prikaza oni su zanemareni. 17 Autori se zahvaljuju mr. sc. Tomislavu Petrovu koji je izradio kvadratični program za konstruiranje efikasne granice u programskom paketu Mathematica. 18 Toliko je puta riješen pripadni problem kvadratičnog programiranja. Vrijeme potrebno za rješavanje navedenog programa na računalu s Intel Pentium IV procesorom, 256 MB RAM-a i 2.4 GHz je nešto više od jednog sata.
8
je riješen Primal-Dual metodom kvadratičnog programiranja. Rješenje programa s
pripadajućim pravcem tržišta kapitala, čiji je odsječak na ordinati jednak aritmetičkoj
sredini prinosa na blagajničke zapise HNB-a, prikazan je na Slici 1.
Slika 1. Sharpe-Lintnerov model na Zagrebačkoj burzi
4. Testiranje Sharpe-Lintnerovog modela
Model ćemo testirati korištenjem regresijske analize. Prvo ćemo procijeniti
karakteristični pravac za svaku dionicu, a zatim ćemo output prve regresijske
jednadžbe koristiti kao input druge jednadžbe za procjenu linije tržišta kapitala.
Takav test prvi je predložio profesor John Lintner s Harvarda (Lintner, 1965).
A) Podaci
Koristili smo N=43 dionice sa strogo pozitivnim prosječnim prinosom u T=38
mjeseci.19 Mjesečni podaci su promatrani od siječnja 2000. do veljače 2003. godine, a
19 Od 64 dionice kojima se trgovalo odbačene su one s negativnim prinosom jer bi to narušavalo pretpostavku racionalnosti investitora.
9
izvedeni su iz mjesečnih burzovnih izvješća dostupnih na Internet stranicama
Zagrebačke burze (www.zse.hr). Za prinos tržišnog portfolia korišten je prinos
indeksa Zagrebačke burze – CROBEX. Za prinos nerizične investicije korištena je
kamatna stopa na dragovoljno upisane blagajničke zapise Hrvatske narodne banke s
rokom dospijeća od 63 dana. Podaci su dostupni na Internet stranicama HNB-a
(www.hnb.hr).
B) Regresijski model
Prva regresijska jednadžba izvedena je iz jednadžbe (12) i glasi:
itftmtiiftit rrrr εβα +−+=− )( , Ni ,,1Κ= , Tt ,,1Κ= , (14)
gdje je itε normalno distribuirana slučajna pogreška za dionicu i u vremenu t, a iα i
iβ su koeficijenti regresijske jednadžbe. Reziduali ( itε ) prikazuju razliku između
stvarnog prinosa pojedine dionice i prinosa kojeg predviđa regresijska jednadžba.
Oni su tipično veliki za pojedine investicije, međutim, puno su manji za portfolio
investicija (Jagannathan i McGrattan, 1995). Ekonomska interpretacija mjesečnih
reziduala jest da oni mjere događaje koji su specifični za svako poduzeće, tj. koji se ne
mogu opisati sistematskim rizikom. Jednadžba (14) predstavlja karakterističan
pravac za svaku od 43 promatrane dionice. U Dodatku 3 prikazana je tablica koja
sumira dobivene rezultate za sve 43 dionice.
Slika 2. Prikaz dionice Zagrebačke banke
10 20 30
-20
-10
10
20
30
Prinos dionice ZABA tijekom vremena
-0.15 -0.1 -0.05 0.05 0.1 0.15rM P- rR F P
-0.2
-0.1
0.1
0.2
0.3
0.4rZ A B A - rR F P
0
10
Prvi dio Slike 2 prikazuje kretanje prinosa dionice Zagrebačke banke kroz vrijeme s
pripadajućim linearnim trendom i intervalima pouzdanosti. Drugi dio slike pokazuje
ovisnost prinosa iznad nerizične stope dionice Zagrebačke banke s prinosom tržišta
iznad nerizične stope. Karakteristični pravac za dionicu Zagrebačke banke je:
)(34096.100889.0,39 ftmtftt rrrr −+=− ,
(0.01727) (0.30109) R2=0.355243
gdje su u zagradama prikazane standardne greške koeficijenata. Nagib regresijskog
pravca, beta koeficijent, iznosi 1.34096 što znači da su promjene prinosa dionice
Zagrebačke banke intenzivnije od promjene prinosa tržišta. U tablici u Dodatku 3
prikazani su i Merrill Lynch prilagođeni beta koeficijenti. Transformaciju u Merrill
Lynch beta koeficijente možemo prikazati jednadžbom (Bodie et al., 1996):
31
32
+= iML ββ . (15)
Na američkom tržištu kapitala opaženo je da u prosjeku beta koeficijenti
konvergiraju jedinici. Motivacija za prilagođavanje beta koeficijenata dolazi iz dva
izvora. Prvi je intuitivan: nova poduzeća se ponašaju nekonvencionalno, imaju
drugačiju tehnologiju, stilove menadžmenta te proizvode mali broj proizvoda. Kako
poduzeće raste, ono diverzificira rizik ulazeći u nove poslove te prihvaća uobičajenu
tehnologiju, a samim tim logično je da su kretanja cijena dionica više korelirane s
kretanjem tržišta. Drugi razlog je statistički, što se više beta pojedine dionice razlikuje
od jedinice to je veća vjerojatnost da će i greška procjene biti veća (Bodie et al.,1996).
Tako prilagođeni beta koeficijent za dionicu Zagrebačke banke iznosi 1.2273.
Odsječak na ordinati, odnosno alfa dionice Zagrebačke banke iznosi 0.00889. Alfa
prikazuje prinos iznad nerizične investicije kada dionica uopće nije korelirana s
tržištem i teoretski bi trebala biti nula. Koeficijent determinacije (R2) je dio varijance
ovisne varijable (prinos dionice) koji je objašnjen kretanjima neovisne varijable
(prinos tržišta). Za dionicu Zagrebačke banke iznosi 0.3552. (1-R2) je dio varijance koji
nije objašnjen kretanjem tržišta, već nekim drugim faktorima.
11
Slika 3. Prikaz dionice Sonic banke
Za razliku od dionice Zagrebačke banke, dionica Sonic banke prikazuje puno veće
oscilacije od trend linije. Tako je u nekim mjesecima cijena dionice rasla više od 300%.
Karakterisičan pravac za dionicu Sonic banke je:
)(37498.216725.0,32 ftmtftt rrrr −−=− .
(0.11172) (1.94723) R2=0.03968
Sasvim suprotno od dionice Zagrebačke banke beta koeficijent iznosi -2.37498
(prilagođeni beta koeficijent je -1.24999), što u oba slučaja manje od ekstremne
vrijednosti -1.20 Takva anomalija može se objasniti izuzetno velikim oscilacijama
prinosa dionice Sonic banke. Isto tako, alfa koeficijent je puno veći, dok je koeficijent
determinacije (R2) puno manji.
Rezultati dobiveni iz 43 regresijske jednadžbe služe nam kao inputi u drugu
regresijsku jednadžbu:
)(ˆ 2210 iifi rr εσγβγγ ++=− , (16)
gdje je fi rr − jednostavna aritmetička sredina natprosječnog prinosa za svaku od 43
dionice, iβ su beta koeficijenti, )(ˆ 2iεσ je procijenjena varijanca reziduala, a 0γ , 1γ i
20 Koeficijent korelacije može poprimiti vrijednosti u intervalu [ ]1,1− , gdje se vrijednost -1 interpretira kao savršena negativna korelacija dviju pojava, a vrijednost 1 kao savršena pozitivna korelacija.
10 20 30
-100
100
200
300
Prinos dionice SSNC tijekom vremena
-0.15 -0.1 -0.05 0.05 0.1 0.15 rMP- rRFP
-1
1
2
3
rSSNC - rRFP
0
12
2γ su koeficijenti višestruke regresije.21 Konzistentnost prve regresijske jednadžbe s
CAPM teorijom procjenjujemo pomoću jednadžbe (16) testiranjem sljedeće nulte
hipoteze:
H0: 00 =γ , fm rr −=1γ i 02 =γ .
Tablica 1. Rezultati regresijske jednadžbe (16)
koeficijent procjena
koeficijenta standardna
greška t-statistika p vrijednost 0γ 0.0128556 0.00346123 3.714170974 0.000622145 1γ 0.00745533 0.00379958 1.962145816 0.0567294 2γ 0.321225 0.0372461 8.624392889 0
Iz rezultata predočenih u Tablici 1 očigledno je da odbacujemo nultu hipotezu.
Koeficijent 1γ trebao bi biti jednak premiji rizika na tržišni portfolio, odnosno
00858084.0=− fm rr , ali je procijenjen na 0.00745533. Razlika između sredine uzorka
prinosa iznad nerizične stope i regresijskog koeficijenta je relativno mala, samo
0.00112551 ili 0.29621 standardne greške, što je unutar statistički signifikantne razine.
Rani testovi modela provođeni na dionicama Njujorške burze pokazuju puno veća
odstupanja sredine uzorka natprosječnih prinosa i regresijskog koeficijenta, čak 20
puta veća od standardne greške koeficijenta (Bodie et al., 1996). S druge strane,
koeficijenti 0γ i 2γ bi trebali iznositi nula, što znači da niti jedan drugi faktor osim
sistematskog rizika ne opisuje natprosječnog prinosa. Oba koeficijenta su statistički
različiti od nule, što se vidi u četvrtom stupcu Tablice 1 jer su empirijske t-vrijednosti
u apsolutnom iznosu veće od teorijske za danu razinu stupnjeva slobode i unutar
intervala pouzdanosti od 95%. R2 iznosi 0.6591 što znači da je koeficijentima u
jednadžbi (16) opisano samo 65,91% natprosječnih prinosa. Međutim, ono što je u
potpunosti kontradiktorno teorijskom modelu jest da nesistematski rizik,
reprezentiran varijancom reziduala, opisuje prinose iznad nerizične stope i to čak
21 Beta koeficijenti i procijenjene varijance reziduala dobiveni su iz jednadžbe (14) i prikazani su u Dodatku 3.
13
intenzivnije i statistički signifikantnije nego sistematski rizik. Takav rezultat druge
regresijske jednadžbe samo je logična posljedica inputa iz prve regresijske jednadžbe.
Naime, tablica u Dodatku 3 pokazuje da samo 8 dionica ima R2 veći od 0.1, što znači
da za većinu dionica beta objašnjava prinose iznad nerizične stope u proporciji
manjoj od 10%. Isto tako, vrijednosti t-statistike za beta koeficijente su izuzetno niske.
To nas navodi na zaključak da beta koeficijenti na Zagrebačkoj burzi ne opisuju
dobro prinose iznad nerizične stope i ne mogu služiti kao temelj za odluke
investitora.
Međutim, to ne mora nužno značiti da podaci ne podržavaju CAPM. S jedne strane
imamo očitu grešku u specifikaciju modela. Korištenjem proxy varijable (CROBEX)
umjesto «pravog» tržišnog portfolia, dovode do rezultata da beta koeficijenti
konvergiraju prema nuli, a alfa koeficijenti divergiraju od nule (Jagannathan i
McGrattan, 1995). S druge strane, ako ne postoji nerizična investicija, onda odsječak
regresijske linije na ordinati ne mora biti jednak nuli.
5. Zaključak
Uzevši u obzir ograničenja testiranja, beta koeficijenti u prvom koraku naglašavaju
pozitivnu vezu između rizika i prinosa na Zagrebačkoj burzi. Međutim, R2
koeficijenti pokazuju da beta koeficijenti relativno slabo opisuju model. Kao odgovor
na pitanje zašto je tako, možemo raspraviti dva argumenta. Prvi je vezan za
specifičnosti hrvatskog tržišta kapitala, a drugi je fundamentalni, koji raspravlja o
nadogradnji modela. Prije svega, hrvatsko tržište kapitala je u nastajanju. Na primjer,
nekoliko dionica na Zagrebačkoj burzi uopće nije promijenilo cijenu tijekom
razdoblja testiranja premda se s njima trgovalo. Ponekad su mogući kontradiktorni
rezultati upravo zbog manjka integracije sa svjetskim tržištima kapitala. Nadalje,
Latković (2001) naglašava da rizik nelikvidnosti može biti značajan čimbenik na
tržištima u nastajanju, dok se u ekonometrijskim analizama razvijenih tržišta on
najčešće zanemaruje. Sharpe-Lintnerov model pretpostavlja da se cijene investicija
neće promijeniti pod utjecajem investitora jer su svi dovoljno mali da to osiguraju.
14
Međutim, u Hrvatskoj postoji relativno malen broj institucionalnih investitora te bi
bilo iluzorno očekivati da se cijena neke nelikvidne dionice ne promijeni pod
utjecajem jednog takvog aktera na tržištu.
Fama i French (1992) pokazuju da se za velik broj analiziranih dionica i u dugom
vremenskom razdoblju beta koeficijenti ne mogu koristiti za objašnjavanje varijacija
u prinosima. Zato Fama i French predlažu druge faktore kao što su veličina tržišne
kapitalizacije te omjer knjigovodstvene i tržišne vrijednosti dionice koji na
američkom tržištu kapitala bolje opisuju prinose nego sistematski rizik. Kasnije su još
uvođeni dodatni faktori kao što su omjer cijene prema zaradi po dionici, prinos od
dividendi, omjer dugova i ukupne imovine te stopa rasta zarade po dionici. Bilo bi
zanimljivo istražiti utječe li u Hrvatskoj neki od tih faktora (ili neki drugi) na prinose
više od sistematskog rizika. Ipak, za ozbiljnije analize potrebna je konzistentna baza
podataka kakve trenutačno u Hrvatskoj nema.
Zaključno, investitori moraju biti oprezni ukoliko koriste beta koeficijente pri
odlukama o ulaganju u pojedine dionice. Testiranje Sharpe-Lintnerovog modela na
Zagrebačkoj burzi pokazuje da iako postoji pozitivna veza između prinosa i beta
koeficijenata, oni se ne mogu pouzdano koristiti pri odlukama o ulaganju.
Akademska debata o korisnosti CAPM-a se nastavlja.
15
Dodatak 1. Izvod Arrow-Prattovog indeksa averzije prema riziku
Ako definiramo korisnost kao funkciju očekivanog prinosa portfolia i napišemo ju u
obliku Taylorovog razvoja drugog reda, dobivamo:22
[ ] =
−+−+=≡ 2))((''
21))((')()( pppppppp rrrurrruruEruEu
=−+−+= 2)()(''21)()(')( ppppppp rrErurrEruru
2)(''21)( ppp ruru σ+= , (A1)
gdje je E – operator očekivanja,
[ ])( pruEu ≡ – očekivana korisnost gdje je funkcija korisnosti konkavna,
pr – prinos portfolia,
)( pp rEr = – očekivani prinos portfolia,
22 )( ppp rrE −=σ – varijanca portolia,
)( pru – funkcija korisnosti u točki pp rr = ,
pp rdduru /)(' = – prva derivacija funkcije korisnosti po pr (granična korisnost),
22 /)('' pp rdudru = – druga derivacija funkcije korisnosti po pr (stopa promjene
granične korisnosti).
Jednadžba (A1) govori da očekivana korisnost ovisi o očekivanom prinosu portfolia i
njegovoj varijanci, odnosno:
),( 2ppruu σ= (A2)
Jednadžba (A2) je od izuzetne važnosti za portfolio teoriju, jer je očekivani prinos i
varijancu mnogo lakše kvantificirati nego očekivanu korisnost. S obzirom da nam
Arrow-Prattov indeks pokazuje nagib krivulje indiferencije u prostoru rizika i
prinosa, izvest ćemo totalni diferencijal funkcije očekivane korisnosti (A1) i
izjednačiti s nulom:
22 U odjeljku 2 korisnost je funkcija iznosa kojim investitor raspolaže (W). Očekivani prinos pokazuje razliku između iznosa kojim je investitor raspolagao na početku i na kraju razdoblja.
16
0)(''21)('''
21)(' 22 =++= ppppppp drurdrurdruud σσ (A3)
Pretpostavit ćemo da je )(''' pru , treća derivacija )( pru po pr , jednaka nuli. Dijeljenjem
jednadžbe (A3) s )(' pru dobivamo:
0)(')(''
21 2 =+= p
p
pp d
ruru
rdud σ , (A4)
odnosno
02 =−= pAp dRrdud σ , (A5)
gdje je )(')(''
21
p
pA ru
ruR −= Arrow-Pratov indeks averzije prema riziku.
Integriranjem jednadžbe (A5) dobiva se krivulja indiferencije u prostoru rizika i
prinosa: 2pAp Rur σ+= (A6)
Dodatak 2. Izvod Sharpe-Lintnerovog modela
Pretpostavimo da na tržištu ima h=1,…,H investitora te i=1,…,N rizičnih investicija te
da je moguće zaduživanje, odnosno posuđivanje, (N+1) po nerizičnoj kamatnoj stopi
rf, kao što je pokazano u sljedećoj matrici:
∑∑∑
∑
=
+
=
+
=
++++
=
=
−−−−+H
h
N
iihHh
N
iih
HNhNNN
mNNHNhNN
miiHihii
mHh
mHh
H
hih
WWWW
NxN
xi
xx
Hh
1
1
121
1
1
,1,12,11,1
21
21
2222221
1111211
1
1
01
21
21
ωω
ωωωωωωωω
ωωωω
ωωωωωωωω
ω
ΛΛ
ΛΛΚΚ
ΜΜΟΜΝΜΜΜΛΛ
ΜΜΝΜΟΜΜΜΚΛΚΛ
ΚΛ
Element matrice ihω pokazuje koliko je investitor h uložio u investiciju i u odnosu na
vrijednost cjelokupnog tržišta. Isto tako, hN ,1+ω je proporcija duga investitora h uz
17
nerizičnu kamatnu stopu u odnosu na vrijednost cjelokupnog tržišta. Sume stupaca,
prikazane u posljednjem retku, predstavljaju budžetska ograničenja za investitore –
Wh je iznos kojim raspolaže investitor h u odnosu na ukupan iznos kojim raspolažu
svi investitori. Sume redaka, prikazane u posljednjem stupcu, predstavljaju
ravnotežna tržišna ograničenja za pojedine investicije – mix je omjer vrijednosti
investicije i u odnosu na cijelo tržište.
Svaki investitor maksimizira korisnost danu u sljedećem obliku:
),( 2phphh ruu σ= , (A7)
gdje je phr očekivani prinos na portfolio investitora h, odnosno
−
= +
=∑ fhN
N
iiih
hph rr
Wr ,1
1
1 ωω , (A8)
i 2phσ je varijanca prinosa portfolia investitora h, odnosno:
= ∑∑
= =
N
i
N
jijjhih
hph W 1 1
22 1 σωωσ . (A9)
Svaki investitor suočava se s budžetskim ograničenjem:
11,1
1=−
+
=∑ hN
N
iih
hWωω . (A10)
Uvjeti prvog reda za maksimum su:
0112111
2
2
2
2 =
+
∂∂
+
∂∂
=
+
∂
∂
∂∂
+∂
∂
∂∂ ∑
= hh
N
jijjh
hph
hi
hph
h
hh
ih
ph
ph
h
ih
ph
ph
h
WWur
Wru
Wur
ru λσω
σλ
ωσ
σω(A11)
i
0111
,1
2
2,1
=
−
−
∂∂
=
−
∂
∂
∂∂
+∂
∂
∂∂
++ hhf
hph
h
hh
hN
ph
ph
h
hN
ph
ph
h
Wr
Wru
Wur
ru λλ
ωσ
σω, (A12)
gdje hλ predstavlja Lagrangeov multiplikator za investitora h.
Supstituiranjem (A12) u (A11) možemo eliminirati hλ :
( ) 0121
2
2 =
∂∂
+−∂∂ ∑
=
N
jijjh
hph
hfi
ph
h
Wurr
ru σω
σ. (A13)
18
Jednadžba (A13) je ravnotežni odnos koji vrijedi za sve investitore, h=1,…,H, i za sve
investicije, i=1,…,N. Ako jednadžba (A13) vrijedi za sve investicije mora vrijediti i za
odnos bilo koje dvije investicije i i k:
( )( )( )( )
( )
( )
∂∂−
∂∂−
=−∂∂
−∂∂
∑
∑
=
=
N
jkjjhhphh
N
jijjhhphh
fkphh
fiphh
Wu
Wu
rrrurrru
1
22
1
22
)/1(2/
)/1(2/
//
σωσ
σωσ,
što možemo pojednostavljeno napisati
∑∑==
−=
−N
jkjjh
fkN
jijjh
fi rrrr
11σωσω
. (A14)
U tržišnoj ravnoteži sljedeći odnos mora biti ispunjen:
∑=
=H
h
mjjh x
1ω . (A15)
Supstituirajući jednadžbu (A15) u (A14) dobivamo:
γσσ
=−
=−
∑∑==
N
jkj
mj
fkN
jij
mj
fi
x
rr
x
rr
11
, (A16)
gdje je γ ravnotežni omjer za bilo koje dvije investicije.
Množeći brojnik i nazivnik jednadžbe (A16) s ∑=
N
k
mkx
1 dobivamo:
γσσ
=−
=−
∑∑
∑
= =
=2
1 1
1)(
m
fmN
k
N
jkj
mj
mk
N
k
mkf
mkk rr
xx
xrxr, (A17)
gdje je mr očekivani prinos na tržišni portfolio, a 2mσ varijanca prinosa tržišnog
portfolia. Izjednačavajući jednadžbe (A16) i (A17) dobivamo Sharpe-Lintnerov
model:
−=−
m
im
m
fmfi
rrrr
σσ
σ (A18)
ili
19
ifmfi rrrr β)( −+= , (A19)
gdje je ∑=
=N
jij
mjim x
1σσ kovarijanca prinosa i-te investicije s prinosom tržišnog
portfolia, a 2/ mimi σσβ = je beta i-te investicije.
Dodatak 3. Rezultati prve regresijske jednadžbe (14)
br. Dionica iα t
statistika Stand. greška iβ
t statistika
Stand. greška
Procjena varijance R2
Merrill Lynch β
1 ARNT 0,01757 0,47469 0,03702 0,55587 0,86152 0,64522 0,05091 0,02020 0,703912 ATPL 0,00360 0,12122 0,02973 0,27327 0,52727 0,51828 0,03285 0,00766 0,515523 BD62 0,00200 0,06442 0,03105 -0,07799 -0,14411 0,54116 0,03581 0,00058 0,281344 BLSC 0,01031 1,03553 0,00995 -0,20700 -1,19314 0,17349 0,00368 0,03804 0,195345 CROSPA 0,02352 0,78862 0,02983 1,27692 2,45597 0,51992 0,03306 0,14351 1,184616 CROSPA 0,02747 0,98706 0,02783 0,68514 1,41243 0,48508 0,02877 0,05251 0,790107 DABA 0,06358 1,32932 0,04782 0,98452 1,18101 0,83363 0,08498 0,03730 0,989688 DIKV 0,02912 1,08582 0,02686 -0,16604 -0,35461 0,46823 0,02681 0,00348 0,222649 DOMF 0,00655 0,37374 0,01753 0,16908 0,55342 0,30552 0,01141 0,00844 0,44606
10 ELKA 0,00841 0,36459 0,02308 0,27320 0,67927 0,40220 0,01978 0,01265 0,5154711 EXPF 0,00201 0,15717 0,01280 0,03374 0,15118 0,22317 0,00609 0,00063 0,3558312 HICZ 0,01995 0,80640 0,02474 -0,18453 -0,42791 0,43124 0,02274 0,00506 0,2103113 HRBC 0,02291 0,82521 0,02777 -0,16640 -0,34381 0,48399 0,02864 0,00327 0,2224014 ISTT 0,04718 2,03201 0,02322 0,97281 2,40388 0,40468 0,02003 0,13832 0,9818715 JDIT 0,04984 1,47450 0,03380 0,65106 1,10516 0,58911 0,04244 0,03281 0,7673816 JNAF 0,02585 1,16820 0,02213 0,36988 0,95913 0,38564 0,01819 0,02492 0,5799217 KABA 0,00504 0,57435 0,00877 -0,04956 -0,32418 0,15288 0,00286 0,00291 0,3002918 KAPI 0,04132 1,28689 0,03211 -0,08687 -0,15523 0,55963 0,03830 0,00067 0,2754219 KOEI 0,01532 0,68983 0,02220 1,10636 2,85879 0,38700 0,01831 0,18502 1,0709120 KRAS 0,03009 1,20432 0,02498 1,20516 2,76738 0,43549 0,02319 0,17542 1,1367721 LLRB 0,00237 0,34382 0,00690 0,00761 0,06329 0,12019 0,00177 0,00011 0,3384022 PBZ 0,01788 0,96459 0,01853 0,36278 1,12311 0,32302 0,01276 0,03385 0,5751923 PLAG 0,03132 0,49594 0,06314 2,04607 1,85903 1,10061 0,14813 0,08759 1,6973824 PLTR 0,01095 0,48601 0,02252 0,25991 0,66115 0,39254 0,01884 0,01203 0,5066025 PODR 0,01427 1,09410 0,01305 1,23785 5,44321 0,22741 0,00632 0,45146 1,1585726 RIBA 0,03053 0,94172 0,03242 0,30208 0,53452 0,56514 0,03905 0,00787 0,5347227 RIVP 0,01674 0,86836 0,01928 0,99690 2,96640 0,33606 0,01381 0,19642 0,9979328 SLBA 0,00791 0,51737 0,01529 0,00977 0,03664 0,26658 0,00869 0,00004 0,3398429 SLPF -0,00255 -0,12034 0,02119 0,30476 0,82509 0,36966 0,01668 0,01856 0,5365030 SNCE -0,00082 -0,03475 0,02346 0,17222 0,42110 0,40897 0,02045 0,00490 0,4481431 SNHO -0,00157 -0,32399 0,00484 -0,01348 -0,15969 0,08442 0,00087 0,00071 0,3243532 SSNC 0,16725 1,49709 0,11172 -2,37498 -1,21967 1,94723 0,46365 0,03968 -1,2499933 STBA 0,05451 2,46170 0,02214 0,28753 0,74494 0,38598 0,01822 0,01518 0,5250234 SUNH 0,02520 0,86213 0,02923 0,97800 1,91945 0,50952 0,03175 0,09284 0,9853335 VABAR1 0,04021 1,04307 0,03855 1,15531 1,71955 0,67187 0,05520 0,07590 1,10354
20
36 VARTR1 0,01181 0,52856 0,02234 0,87057 2,23623 0,38930 0,01853 0,12197 0,9137137 VLBT 0,00472 1,20568 0,00392 -0,03540 -0,51837 0,06829 0,00057 0,00741 0,3097338 VLEN 0,01454 0,61742 0,02354 0,14318 0,34891 0,41037 0,02059 0,00337 0,4287939 ZABA 0,00890 0,51495 0,01727 1,34096 4,45365 0,30109 0,01109 0,35524 1,2273040 ZABAPA 0,04433 1,66688 0,02660 0,77579 1,67354 0,46357 0,02628 0,07218 0,8505341 ZABAPB 0,05267 1,62521 0,03241 0,13347 0,23630 0,56485 0,03901 0,00155 0,4223142 ZAPI 0,03544 2,15851 0,01642 -0,25243 -0,88208 0,28617 0,01001 0,02116 0,1650543 ZLAR 0,01479 0,30364 0,04869 1,29793 1,52923 0,84875 0,08809 0,06100 1,19862
21
Literatura
Blake, D., 1990. Financial market analysis, Barkshire: McGraw-Hill Company (UK).
Bodie, Z., Kane, A. and Marcus, A. J. 1996. Investments, Boston: Irwin.
Brandimarte, P., 2002. Numerical methods in finance, a MATLAB based introduction,
New York: John Wiley & Sons.
Chopra, V. K. and Ziemba, W. T., 1993. The effect of errors in means, variances and
covariances on optimal portfolio choice, Journal of Portfolio Management, 19, 6-11.
Elton, E. and Gruber, M., 1991. Modern portfolio theory and investment analysis, New
York: John Wiley & Sons.
Fabozzi, F. and Modigliani, F., 1996. Capital markets, New Yersey: Prentice-Hall Inc.
Fama, E. F. and French, K. R., 1992. The cross-section of expected stock returns,
Journal of Finance, 47, 427-465.
Israilevich, G., 2000. A Test of the CAPM without the Short-Selling Assumption [online],
Chicago Business School Research Paper. Available from:
http://home.uchicago.edu/~guille/capmpaper.pdf [12.04.2003.]
Jagannathan, R. and McGrattan, E. R., 1995. The CAPM debate, Federal Reserve Bank
of Minneapolis Quarterly Review, 19(4), 2-17.
Jobst, N. J., Horniman, M. D., Lucas, C. A. and Mitra, G., 2001. Computational
aspects of alternative portfolio selection models in the presence of discrete asset
choice constraints, Quantitative Finance, 1, 1-13.
Kallberg, J. G. and Ziemba, W. T., 1983. Comparison of alternative utility functions
in portfolio selection problems, Management Science, 29, 1257-1276.
Latković, M., 2001. Nesinkrono trgovanje i proračun sistematskog rizika [online], Zavod
za teorijsku fiziku, PMF, Sveučilište u Zagrebu. Available from:
http://www.phy.hr/~laci/art/beta.pdf [03.05.2003.]
Lintner, J., 1965. Security prices, risk and maximal gains from diversification, Journal
of Finance, 20, 587-616.
22
Madura, J., 2003. Financial markets and institutions, Mason (Ohio): Thomson South-
Western.
Markowitz, H. M., 1952. Portfolio selection, Journal of Finance, 7(1), 77-91, reprinted
in: Archer, S. H. and D’Ambrosio, C. A., ed., 1967. The theory of business finance: a book
of readings, New York: The Macmillan Company.
Markowitz, H. M., 1987. Mean-variance analysis in portfolio choice and capital markets,
Oxford (UK): Basil Blackwell.
Petrov, T., 2003. Predavanje ekvilibrija na tržištima kapitala korištenjem
programskog paketa Mathematica – primjer Zagrebačke burze, rad na konferenciji
PrimMath [2003].
Reilly, F. K. and Brown, K. C., 2000. Investment analysis and portfolio management,
Orlando: The Dryden Press.
Ross, S. A., 1976. The arbitrage theory of capital asset pricing, Journal of Economic
Theory, 13, 341-360.
Sharpe, W. F., 1963. A simplified model for portfolio analysis, Management Science, 9,
277-293.
Sharpe, W. F., 1964. Capital asset prices: A theory of market equilibrium under
conditions of risk, Journal of Finance, 19(3), 425-442, reprinted in: Archer, S. H. and
D’Ambrosio, C. A., ed., 1967. The theory of business finance: a book of readings, New
York: The Macmillan Company.
Tobin, J., 1958. Liquidity preference as behavior towards risk, The Review of Economic
Studies, 25(2), 65-86, reprinted in: Archer, S. H. and D’Ambrosio, C. A., ed., 1967. The
theory of business finance: a book of readings, New York: The Macmillan Company.