Модель

   Продолжаем разрабатывать свою модель оценки облигаций.

   В прошлый раз мы остановились на том, что проанализировали прогнозируемую способность коэффициента покрытия процентов и составили вот такую таблицу:

   Я составил аналогичные таблицы для 3ех других коэффициентов, которые мы выбрали для модели. Соответственно Долг/EBITDA, ROE и ROA:

1. EBIT / % к уплате. Или простым языком коэффициент покрытия процентов по кредитам.

Больше идей и обзоров в группе VK : arcaniscapital

   Начнем цикл статей, который будет посвящен тому, как самостоятельно разработать модель оценки риска дефолта. 

   Причины, по которым может понадобиться такая модель, могут быть разные. Например, я хочу делать свои инвестиции, основываясь на собственном видении ситуации, даже, если мои результаты будут скромнее, чем при использовании чужого мнения (того же рейтингового агентства). Также, рейтинговые агентства могут ошибаться: если вспомнить 2007-8 год, то много людей доверились их мнению, а результат вы знаете. И наконец, есть компании, которые не покрываются рейтинговыми агентствами, и при этом их бумаги выглядят привлекательно – как быть в таком случае? 

   Наша модель будет строго количественной, т.е. использовать только цифры. В большинстве случаев их нужно корректировать, например, на величину прибыли по курсовым разницам, но это скорее уже тонкости.

   Оценивать эмитент мы будем по финансовым коэффициентам, которые пройдут отбор и с учетом веса каждого параметра будет определяться итоговая оценка. Вот, пример того, какие основные коэффициенты (они дают большой вес в рейтинге) использует популярное рейтинговое агентство Standard & Poor’s:

Очень простая и понятная моделька курса рубля, полное описание тут.  Модель задаётся уравнением: курс рубля (долларов за рубль) = 0,0212 + 0,000152 * Цена нефти -  0,00217 * Время с начала 2010 года (в годах). На рисунке ниже показано как модель описывает реальный исторический ряд курса рубля (долларов за рубль).
 

Из анализа модели делаются следующие выводы:

• Коэффициент детерминации составляет более 0,97, т.е. более 97% вариации курса рубля описываются моделью.
• При увеличении цены на нефть на один доллар, курс рубля увеличивается на 0,000152 доллара за рубль.
• При увеличении времени на один год, курс рубля, при неизменной цене на нефть, снижается на 0,00217 доллара за рубль, т.е. увеличение времени на 1 год, эквивалентно падению цены нефти на 14 долларов за баррель (т.к. 0,00217 / 0,000152 = 14).
• При гипотетическом случае, если бы цена нефти стала равна нулю, то расчётный курс рубля на октябрь 2016 года составил бы 0,006917 долларов за рубль или 144,5 рубля за доллар.
• Если бы цена нефти была равна 100 долларов за баррель, то расчётный курс рубля на октябрь 2016 года составил бы 0,0217 долларов за рубль или 46 рубля за доллар.

slon.ru/posts/66527

Кудрин!

     Сейчас я попробую разложить торговлю по полочкам, вычленить независимые составляющие и их проанализировать.

     Пусть у нас есть торговый алгоритм, который выдает приказ на покупку или продажу. Для выхода используем тупой алгоритм типа таймаут, случайный выход, выхода по стоп-лосс, тейк-профит, трейлинг-стоп и т.п. Комиссию не учитываем.

     Обозначим рекомендацию алгоритма O[i] = -1, 0, 1, где i — номер потенциальной сделки. -1 соответствует рекомендации продать, 1 — купить, 0 — ничего не делать. Объем сделки обозначим V[i] >= 0.

     Результат сделки и при единичном объеме и при условии что только покупаем обозначим R[i]. Будем считать что на рынке на всем периоде торговли нет устойчивого тренда вверх т.е. стратегия “купил и держи” в среднем прибыли/убытка не приносит. Тогда матожидание (M) от произвольной сделки на покупку равно нулю M(R[i])=0.

     Итого, мы разделили торговлю на три независимые составляющие: