TEORIA PORTFELA MARKOWITZA
Transkrypt
TEORIA PORTFELA MARKOWITZA
TEORIA PORTFELA MARKOWITZA Izabela Balwierz 28 maj 2008 1 Wstęp Teoria portfela została stworzona w 1952 roku przez amerykańskiego ekonomistę Harry’go Markowitza. Opiera się ona na minimalizacji ryzyka inwestycyjnego przy jednoczesnej maksymalizacji stopy zwrotu. Zakłada ona, że inwestorzy postępują racjonalnie, zawsze podejmując decyzje takie, aby otrzymać największy zysk przy ustalonym poziomie ryzyka, o którym sami decydują. Teoria portfela dała początek wielu nowym sposobom analizy papierów wartościowych. Przestano rozważać jedynie pojedyncze akcje, a zaczęto skupiać się na ich zestawie, czyli tzw. portfelu. Zróżnicowanie jego zawartości wpływa bowiem na całkowite ryzyko, które jest tym mniejsze im większa jest dywersyfikacja (ryzyko pojedynczych akcji jest większe niż ryzyko całego portfela, składającego się z nich). W mojej pracy przedstawiam ujęcie matematyczne problemu doboru walorów, składających się na optymalny portfel. 2 Optymalny portfel o nieskorelowanych walorach Rozpatrzmy najpierw portfel, w którym wszystkie walory są nieskorelowane. Oczywiście to przybliżenie jest bardzo duże, gdyż w rzeczywistości na ceny akcji ma wpływ wiele różnych czynników i tylko wiedza inwestora umożliwia przewidzenie, ile wynoszą te wartości. Spróbujmy znaleźć kompromis pomiędzy ryzykiem a oczekiwaną stopą zwrotu. W tym celu wprowadźmy najpierw odpowiednie oznaczenia i wielkości. Rozważmy zbiór o M różnych ryzykownych walorach Xi , i = 1, . . . , M i jeden walor bez ryzyka X0 (o zerowej wariancji). Ilość walorów i w portfelu wynosi opowiednio ni , a ich początkowa wartość x0i . Całkowita wartość portfela wynosi PM więc w chwili początkowej W = i=0 ni x0i . W praktyce częściej używa się wag n x0 i i walorów w portfelu zdefiniowanych jako: pi = W , które są znormalizowane: PM i=0 pi = 1, przy czym pi mogą być ujemne. Wartość portfela w chwili T PM PM wynosi: S = i=0 ni xi (T ) = W i=0 pi xxi0(T ) . i Ponadto przyjmujemy, że średnia stopa zwrotu mi jest znana. Wyznaczenie jej jest jednak trudne i aby otrzymać dobrą statystykę potrzeba paru lat obserwacji giełdy. Stąd mi należy bardziej rozumieć jako spodziewany przyszły zysk, który jest szacowany na podstawie informacji posiadanych przez inwestora. Może się więc on różnić. Powstaje więc pytanie, jak stworzyć optymalny portfel, dostosowany do różnych możliwych wartości mi . 2.1 2.1.1 Walory opisywane rozkładem Gaussa Portfel zawierający walory ryzykowne oraz jeden walor o zerowym ryzyku Jeśli założymy, że ryzyko wartości akcji Xi po czasie T podlega rozkładowi Gaussa, to cały portfel również podlega temu rozkładowi. Średni przyrost wartości portfela mp jest dany jako: mp = M X pi mi = m0 + i=0 M X pi (mi − m0 ), i=1 PM gdyż i=0 pi = 1. Ponieważ walory Xi są niezależne, to całkowite ryzyko związane z zainwestowaniem w portfel (w przypadku gaussowskim jest to wariancja) wynosi: σp2 = M X p2i σi2 , i=1 ponieważ σ02 = 0 z założenia. Znalezienie optymalnego portfela sprowadza się do minimalizacji ryzyka (wariancji σp2 ) przy danym średnim przyroście wartości portfela (średniej stopie zwrotu) lub maksymalizacji zysku, zakładając jakieś ryzyko. Można to osiągnąc stosując metodę mnożników Lagrange’a: ∂(σp2 − λmp ) = 0. ∂pi pi =p∗ i Obliczając tę pochodną otrzymujemy: 2p∗i σi2 = λ(mi − m0 ), czyli p∗i = λ(mi − m0 ) , 2σi2 gdzie λ = 2(mp − m0 ) M X (mi − m0 )2 i=1 2 σi2 !−1 . Ryzyko dla całego portfela jest dane przez: σp2∗ M λ2 X (mi − m0 )2 = (mp − m0 )2 = 4 i=1 σi2 M X (mi − m0 )2 i=1 !−1 σi2 . Ostatnie równanie wyznacza na wykresie zależności średniego zysku mp od ryzyka σp2 parabolę, zwaną granicą efektywności. Leżą na niej optymalne portfele, a pod nią zaś te, które również są dostępne, ale są bardziej ryzykowne. Ponad parabolą znajdują się niedostępne portfele. Ilustruje to poniższy rysunek: Rysunek 1: Wykres zależności stopy zwrotu od ryzyka 2.1.2 Portfel zawierający tylko walory ryzykowne Tutaj średni przyrost wartości portfela mp jest dany jako: mp = M X p i mi , i=1 PM gdyż i=1 pi = 1. Całkowite ryzyko związane z zainwestowaniem w portfel wynosi: σp2 = M X p2i σi2 . i=1 3 Ponowanie stosujemy metodę mnożników Lagrange’a z dodatkowym współczynnikiem: P M ∂ σp2 − λmp − λ0 i=1 pi − 1 = 0. ∂pi pi =p∗ i Stąd 2p∗i σi2 = λmi + λ0 , czyli p∗i = 2.1.3 λmi + λ0 . 2σi2 Efektywna kontrola liczby walorów w portfelu Ważną kwestią jest zróżnicowanie portfela w celu minimalizacji ryzyka. Naturalną rzeczą jest, że jeśli mamy w portfelu więcej nieskorelowanych walorów, to poniesiemy mniejsze straty, niż posiadając akcje tylko jednej firmy, która nagle zbankrutowała. Dlatego przydatne jest wprowadzenie obiektywnego sposobu mierzenia dywersyfikacji portfela, dzięki czemu możemy dostosować tę wielkość tak, PMaby2 dalej portfel był optymalny. W tym celu definiujemy wielkość Y2 = i=0 pi , która reprezentuje średnią wagę waloru w portfelu. Możemy również zdefiniować efektywną liczbę walorów w portfelu jako Mef f = Y12 , która może być narzucona w celu uniknięcia zbyt małej ilości walorów w portfelu. Ponownie korzystamy z metody Lagrange’a i otrzymujemy: P PM 2 M 00 ∂ σp2 − λmp − λ0 p − 1 − λ Y − 2 i=1 i i=1 pi = 0. ∂pi pi =p∗ i Stąd 2p∗i σi2 = λmi + λ0 − 2λ00 p∗i , czyli p∗i = λmi + λ0 . 2(σi2 + λ00 ) PM q Ogólnie wielkość Yq zdefiniowana jest jako Yq = i=0 (pi ) i używana do 1−q definicji efektywnej ilości walorów: Yq = Mef f . Różniczkując tę wielkość po q w punkcie q = 1 otrzymujemy minus entropię, czyli średnią ilość informacji. 2.2 Ogony potęgowe Często w rejonach dużych strat (ogonów rozkładów) walory nie podlegają rozkładowi Gaussa. Dzieje się tak w przypadku, gdy duże straty lub duże zyski są 4 bardziej prawdopodobne niż w przypadku gaussowskim. Wtedy minimalizacja wariancji nie jest równoważna minimalizacji ryzyka. Ciekawym przypadkiem są ogony potęgowe, dla których fluktuacje waloru Xi opisywane są przez funkcję gęstości prawdopodobieństwa daną przez: P (ηi ) = µAµi , |ηi |1+µ gdzie µ > 1 oraz Aµi to amplituda w ogonach. 2.2.1 Portfel zawierający walory ryzykowne oraz jeden walor o zerowym ryzyku PM Całkowita amplituda portfela będzie równa Aµp = i=1 pµi Aµi oraz prawdopoA dobieństwo straty na poziomie Λ: P = ( Λp )µ . Stąd minimalizacja P wymaga minimalizacji amplitudy Aµp , niezależnie od Λ przy danej stopie zwrotu mp . Znów stosujemy metodę Lagrange’a: ∂ Aµp − λmp = 0. ∂pi pi =p∗ i Stąd ∗(µ−1) µpi Aµi = λ(mi − m0 ), czyli p∗i = λ(mi − m0 ) µAµi 1 µ−1 , gdzie µ−1 λ = µ(mp − m0 ) µ M X (mi − m0 ) µ−1 !1−µ µ i=1 . Aiµ−1 Prawdopodobieństwo straty (funkcja ryzyka) wyraża się nastomiast następująco: !1−µ µ µ µ µ−1 M M X X λ (mi − m0 ) µ−1 1 (mi − m0 ) µ−1 1 µ ∗ = µ (mp − m0 ) . P = µ µ µ Λ µ Λ A µ−1 A µ−1 i=1 i=1 i i Widzimy stąd, że parabolę otrzymamy dla µ = 2. 2.2.2 Portfel zawierający tylko walory ryzykowne Gdy w portfelu mogą znajdować się tylko akcje ryzykowne to udziały (wagi) pi poszczególnych walorów będa równe: −1 M µ −µ X p∗i = Aiµ−1 Aiµ−1 , j=1 5 a prawdopodobieństwo straty: 1−µ M −µ X 1 P∗ = µ Aiµ−1 . Λ j=1 Jeśli wszystkie walory mają podobną amplitudę, to okazuje się, że prawdopodobieństwo dużych strat dla optymalnego portfela jest mniejsze niż prawdopodobieństwo dla każdego waloru osobno o czynnik M µ−1 . 3 Portfel o skorelowanych walorach Do tej pory rozważaliśmy optymalizację portfela o nieskorelowanch akcjach, podlegających rozkładowi Gaussa (wtedy minimalizowaliśmy wariancję) oraz innym rozkładom (gdzie minimalizacja ryzyka odbywała się w bardziej skomplikowany sposób). W rzeczywistości fluktuacje różnych akcji są silnie skorelowane. Na przykład krótkotrwały wzrost cen udziałów jednej akcji często prowadzi do spadku cen drugiej akcji. Te związki w oczywisty sposób modyfikują zawartość optymalnego portfela i jego szukanie czynią trudniejszym. 3.1 Fluktuacje rozkładu Gaussa Rozważmy przypadek, gdy fluktuacje ηi waloru Xi podlegają rozkładowi Gaussa i zakładamy jakieś korelacje. Są one opisane przez symetryczną macierz kowariancji Cij = hηi ηj i − mi mj . Ważną własnością skorelowanych zmiennych gaussowskich jest to, że mogą być one przedstawione, jako kombinacja liniowa niezależnych zmiennych Gaussa o wartości oczekiwanej zero i wariancji σa2 . Wynika stąd, że fluktuacje całego portfela też są gausowskie o oczekiwanej stopie zwrotu: mp = M X pi (mi − m0 ) + m0 (1) i=1 i wariancji M X σp2 = pi pj Cij . i,j=1 Minimalizację σp2 dla ustalonej mp , biorąc pod uwagę, że możliwy jest walor bez ryzyka X0 otrzymujemy metodą mnożników Lagrange’a: 2 M X p∗j Cij = ξ(mi − m0 ), j=1 co może być zapisane jako: M p∗i = ξX −1 (mj − m0 )Cij . 2 j=1 6 (2) Wynik ten otrzymał Markowitz, za co dostał Nagrodę Nobla. Łącząc wzory (1) i (2) otrzymujemy ostateczną zależność na średni zysk z optymalnego portfela: mp − m0 = M ξ X −1 C (mi − m0 )(mj − m0 ) 2 i,j=1 ij (3) oraz na jego zmienność: σp2 = M ξ 2 X −1 ξ C (mi − m0 )(mj − m0 ) = (mp − m0 ). 4 i,j=1 ij 2 Możemy więc z (3) obliczyć współczynnik Lagrange’a, który jest równy: ξ = 2(mp − m0 ) M X −1 −1 Cij (mj − m0 )(mi − m0 ) , (4) i,j=1 a stąd p∗i = (mp − m0 ) M X −1 −1 Cij (mj − m0 )(mi − m0 ) i,j=1 M X −1 Cij (mj − m0 ) (5) j=1 oraz σp2 = (mp − m0 )2 M X −1 −1 Cij (mj − m0 )(mi − m0 ) . (6) i,j=1 Równanie (6) na wykresie średniego zysku od ryzyka również, jak w poprzednich paragrafach, przedstawia parabolę, na której leżą optymalne portfele. Gdy wykluczymy z portfela walor bez ryzyka i będziemy minimalizować ryzyko bez warunku na stopę zwrotu mp całego portfela, to wagi walorów będą dane przez: PM p∗i j=1 = PM −1 Cij i,j=1 −1 Cij . Warto zaznaczyć, że przy obliczaniu udziałów pi w portfelu powstaje problem, wynikający z przekształceń macierzy kowariancji Cij , która występuje w powyższych wzorach, jako macierz odwrotna. Proces jej odwracania powoduje powstanie dużych błędów numerycznych, a co za tym idzie wzrostu ryzyka optymalnego portfela. Jest jednak sposób, aby „wyczyścić” macierz korelacji, tak aby mogła ona służyć do konstrukcji efektywnego portfela. W tym celu stosuje się metodę sprowadzania macierzy do jednostkowej. 7 3.2 Model Wyceny Aktywów Kapitałowych Z rozważań z poprzedniej sekcji widzimy, że efektywne portfele są do siebie proporcjonalne. Oznacza to, że superpozycja optymalnych portfeli jest również optymalna. Jeśli wszyscy agenci giełdowi będą posiadali efektywne portfele o tej samej stopie zwrotu i współczynnikach korelacji (co jest właściwie nieprawdopodobne), to „portfel rynkowy” również jest optymalny. Stwierdzenie to jest podstawową zasadą Modelu Wyceny Aktywów Kapitałowych (CAPM), który pozwala zobrazować zależność między stopą zwrotu akcji a jego powiązaniem z portfelem rynkowym. Zależność, która pozwala wyliczyć oczekiwaną stopę zwrotu wygląda następująco: mi − m0 = βi (mp − m0 ), gdzie mp to stopa zwrotu z rynku, a wspóczynnik β to współczynnik określający udział ryzyka danego papieru wartościowego w ryzyku rynkowym. Jest on ilorazem kowariancji stóp zwrotu mi z papieru wartościowego Xi i portfela rynkowego do wariancji stóp zwrotu z portfela rynkowego. Stopa wolna od ryzyka m0 to stopa zwrotu z obligacji, bądź bonów skarbowych, zaś stopa zwrotu z rynku mp to np. stopa zwrotu z indeksu giełdowego. 4 Numeryczne wyliczanie udziałów p∗i w porfelu W celu sprawdzenia metody napisałam program, który na podstawie wzoru (5) z rodziału 3.1 wylicza udziały poszczególnych walorów w optymalnym portfelu. Jako dane wejściowe zadajemy żądaną, procentową stopę zwrotu z całego portfela mp , stopy zwrotu z poszczególnych akcji mi , zmienności każdego waloru σi oraz macierz korelacji walorów cij , z której otrzymujemy macierz kowariancji Cij za pomocą przeksztalcenia: Cij = cij σi σj . Dane te generujemy za pomocą generatora dołączonego do pracy, który zwraca przykładowe liczby mp i mi z przedziału (0,1) oraz σi : (0.01,1.01), gdyż rozpatrujemy sytuację tylko dla wszystkich walorów ryzykownych (σi nie może byś równe 0). Macierz korelacji jest macierzą symetryczną, która składa się z jedynek na diagonali, a pozostałe liczby są z zakresu (-1,1). Dla dziesięciu walorów w portfelu otrzymałam przy różnych wartościach na wejściu programu następujące udziały (wagi) pi : p0 p1 p2 p3 p4 p5 p6 p7 p8 p9 0.195981 0.495530 -0.036985 0.061736 0.072666 0.001275 0.041454 0.017978 0.029928 0.120436 p0 p1 p2 p3 p4 p5 p6 p7 p8 p9 -0.604637 1.897184 0.445188 0.000178 0.069166 -0.900799 0.028436 -0.069331 0.067597 0.067018 8 p0 p1 p2 p3 p4 p5 p6 p7 p8 p9 -3.872861 0.667436 -1.542075 -1.127814 -0.086832 4.201099 0.309313 3.730506 -1.622536 0.343764 Widzimy więc, że udziały te mogą być również ujemne, czyli w tzw. pozycji krótkiej. Suma wszystich pi daje 1 i aby portfel był optymalny akcje muszą być dobrane właśnie w ten sposób. 5 Podsumowanie Jak widzimy z rozważań w pracy, możemy otrzymywać różne optymalne portfele, które będą się różniły od siebie ryzykiem w zależności od oczekiwanej stopy zwrotu. W teorii portfela Makowitza każdy inwestor musi zdecydować, jak duże ryzyko jest w stanie podjąć i dopiero wtedy może użyć przedstawionych w pracy narzędzi matematycznych do dywersyfikacji portfela. Chociaż teoria ta jest bardzo pomocna, to jednak dalej najważniejszą kwestią jest wiedza i doświadczenie inwestora. 9