Pobierz - Instytut Badań i Analiz Finansowych
Transkrypt
Pobierz - Instytut Badań i Analiz Finansowych
Wiktor Cwynar, Piotr Kaźmierkiewicz Zastosowanie modeli market CAPM i fundamental CAPM do szacowania indeksów ryzyka dla spółek z polskiego rynku kapitałowego Od modelu rynkowego do modelu fundamentalnego Centralnym pojęciem w ramach modelu wyceny aktywów kapitałowych (CAPM) jest indeks beta, mierzący ryzyko określonej inwestycji na tle ryzyka zdywersyfikowanego portfela rynkowego. Jest to miara o rodowodzie rynkowym (market beta albo raw beta) w tym sensie, że tłumaczy zachowanie stóp zwrotu określonej inwestycji na rynku kapitałowym zmianami w rentowności indeksu rynkowego. Pomimo szeregu pozytywnych zmian, czyniących z Giełdy Papierów Wartościowych w Warszawie rynek coraz bardziej dojrzały, szacunki tradycyjnych indeksów beta (market beta) spółek notowanych na warszawskim parkiecie, obciążone wciąż są sporym błędem statystycznym, cechują się dużą zmiennością oraz niską wartością współczynnika determinacji (wartość ta w ostatnich latach uległa nawet obniżeniu) – wykres 1. Wykres 1 GPW w Warszawie: tradycyjny indeks beta w ujęciu historycznym i wybrane statystyki opisujące jego wartości średni poziom parametru raw beta (L) średni błąd oszacowania parametru beta (L) średni poziom korelacji notowań spółek z indeksem WIG (P) współczynnik zamienności parametru raw beta (P) sty 12 kwi 12 lip 11 paź 11 sty 11 kwi 11 lip 10 paź 10 sty 10 kwi 10 lip 09 paź 09 sty 09 kwi 09 lip 08 paź 08 sty 08 kwi 08 lip 07 paź 07 sty 07 0,00 kwi 07 0,00 lip 06 0,15 paź 06 0,10 sty 06 0,30 kwi 06 0,20 lip 05 0,45 paź 05 0,30 sty 05 0,60 kwi 05 0,40 lip 04 0,75 paź 04 0,50 sty 04 0,90 kwi 04 0,60 lip 03 1,05 paź 03 0,70 sty 03 1,20 kwi 03 0,80 lip 02 1,35 paź 02 0,90 sty 02 1,50 kwi 02 1,00 Źródło: opracowanie własne Spowodowane jest to między innymi tym, że te spośród modeli szacowania ryzyka inwestycyjnego, które oparte są o średnią i wariancję (czyli zakładające normalny rozkład stóp zwrotu), a do takich należy CAPM, są zupełnie nieadekwatne do specyfiki stosunkowo młodych, rozwijających się i cechujących niską płynnością rynków kapitałowych. Dla przykładu, odsetek spółek z warszawskiej giełdy, cechujących się wartością współczynnika skośności większą od 1 (w ujęciu bezwzględnym), wciąż wynosi około 20%. W konsekwencji dopasowanie liniowego modelu CAPM dla GPW w Warszawie do obserwowanych w rzeczywistości danych jest niewielkie, a niskie wartości współczynnika determinacji (kluczowego dla jakości modelu) wynikają po prostu z małej liczby spółek odznaczających się znaczącą korelacją stóp zwrotu z rentownością szerokiego rynku. Tradycyjny indeks beta (raw beta) spółek notowanych na warszawskim parkiecie nie jest nawet względnie stały w czasie. Jego wartości wykazują duże wahania uzależnione od zmian całego rynku. Warto zwrócić uwagę, że dla spółek notowanych na GPW w Warszawie nieprzerwanie w okresie od 2000 r. do 2011 r. (okres objęty badaniem, które opisujemy w dalszej części niniejszego tekstu), średni poziom indeksu beta nie przekracza 1. Konstrukcja benchmarku rynkowego wykorzystywanego w szacowaniu indeksu beta dla spółek z warszawskiej giełdy (WIG), ważonego kapitalizacją, powoduje że indeksy beta małych spółek przyjmują wartości niższe od jedności nie ze względu na niską zmienność ich kursów akcji, ale ze względu na niski poziom ich korelacji z indeksem WIG. Wykres 2 GPW w Warszawie: średni poziom korelacji notowań poszczególnych spółek z indeksem WIG średni poziom parametru raw beta (L) średni poziom korelacji notowań spółek z indeksem WIG (P) sty 12 kwi 12 lip 11 paź 11 sty 11 kwi 11 lip 10 paź 10 sty 10 kwi 10 lip 09 paź 09 sty 09 kwi 09 lip 08 paź 08 sty 08 kwi 08 lip 07 paź 07 sty 07 0,00 kwi 07 0,00 lip 06 0,05 paź 06 0,10 sty 06 0,10 kwi 06 0,20 lip 05 0,15 paź 05 0,30 sty 05 0,20 kwi 05 0,40 lip 04 0,25 paź 04 0,50 sty 04 0,30 kwi 04 0,60 lip 03 0,35 paź 03 0,70 sty 03 0,40 kwi 03 0,80 lip 02 0,45 paź 02 0,90 sty 02 0,50 kwi 02 1,00 Źródło: opracowanie własne Analizując rozkład bet w okresie styczeń 2002 – kwiecień 2012, widać wyraźnie znaczącą zmienność poziomu poszczególnych percentyli rozkładu w czasie. Rzutuje to na wartość poznawczą płynącą z parametru raw beta, gdyż nawet znając jego poziom, nie jesteśmy w stanie jednoznacznie stwierdzić czy dana spółka charakteryzuje się ryzykiem powyżej czy poniżej średniej rynkowej, ani nawet czy ryzyko to jest wysokie, czy stosunkowo niskie. Przykładowo na początku 2006 r. roku 95-percentyl rozkładu bet wyniósł 0,96. Oznacza to że jedynie 5 proc. parametrów przyjmowało wartości wyższe (od 0,96). Dwa lata później ta sama wartość odpowiadała 60-percentylowi, co oznaczało, że aż 40 proc. ogółu badanych spółek miało wartość od niego wyższą. Wartość, która w 2006 roku wskazywała na bardzo ryzykowne walory (te, cechujące się wartościami indeksu powyżej 0,96), już dwa lata później była wartością „na porządku dziennym”. Wykres 3 GPW w Warszawie: zmiany w rozkładzie tradycyjnego indeksu beta 2,00 1,75 p.05 p.10 1,50 p.15 p.20 1,25 p.25 p.30 p.35 1,00 p.40 p.45 0,75 p.50 p.55 p.60 0,50 p.65 p.70 p.75 0,25 p.80 p.85 sty 12 kwi 12 lip 11 paź 11 sty 11 kwi 11 lip 10 paź 10 sty 10 kwi 10 lip 09 paź 09 sty 09 kwi 09 lip 08 paź 08 sty 08 kwi 08 lip 07 paź 07 sty 07 kwi 07 lip 06 paź 06 sty 06 kwi 06 lip 05 paź 05 sty 05 kwi 05 lip 04 paź 04 sty 04 kwi 04 lip 03 paź 03 sty 03 kwi 03 lip 02 paź 02 sty 02 kwi 02 0,00 p.90 p.95 -0,25 -0,50 Źródło: opracowanie własne Poziom błędu oszacowania parametru beta jest duży. I choć od kilku lat obserwujemy jego stopniowe zmniejszanie się (z wyjątkiem okresów silnej zmienności, jak np. sierpień 2011 r.), to nadal jest to poziom około 20 proc. Fakt wrażliwości błędu oszacowania na zmienność rynkową to dodatkowy mankament, cechujący tradycyjny indeks beta, który utrudnia oszacowanie realnego ryzyka inwestycji w dany walor w okresie silnych spadków na giełdzie. Wykres 4 GPW w Warszawie: relacja błędu oszacowania parametru beta do jego poziomu średni poziom parametru raw beta (L) relacja błądu oszacowania parametru raw beta do jego poziomu (P) sty 12 kwi 12 lip 11 paź 11 sty 11 kwi 11 lip 10 paź 10 sty 10 kwi 10 lip 09 paź 09 sty 09 kwi 09 lip 08 paź 08 sty 08 kwi 08 lip 07 paź 07 sty 07 0% kwi 07 0,00 lip 06 5% paź 06 0,10 sty 06 10% kwi 06 0,20 lip 05 15% paź 05 0,30 sty 05 20% kwi 05 0,40 lip 04 25% paź 04 0,50 sty 04 30% kwi 04 0,60 lip 03 35% paź 03 0,70 sty 03 40% kwi 03 0,80 lip 02 45% paź 02 0,90 sty 02 50% kwi 02 1,00 Źródło: opracowanie własne Na wykresie 5 pokazujemy możliwości wykorzystania tradycyjnego indeksu beta do prognozowania przyszłych stóp zwrotu. Wykres przedstawia średni poziom korelacji stopy zwrotu z waloru wyliczonej na podstawie modelu jednowskaźnikowego Sharpe’a, a rzeczywistej stopy zwrotu zrealizowanej przez inwestora przy założeniu, że znana jest stopa zwrotu z indeksu WIG w analizowanym okresie. Oś X przedstawia kolejne sesje następujące po momencie oszacowania modelu, zaś oś Y średni poziom korelacji na dany moment. Najwyższa korelacja jest w momencie dokonania oszacowania i wynosi ponad 0,85. Wraz z upływem czasu własności prognostyczne modelu ulegają znacznemu pogorszeniu, a korelacja spada poniżej poziomu 0,5 już po około pół roku (126 sesji). Po roku korelacja modelowych stóp zwrotu spółek, przy znanej stopie zwrotu WIG, z rzeczywistymi zrealizowanymi stopami zwrotu walorów jest bliska 0. Wykres 5 GPW w Warszawie: użyteczność tradycyjnego modelu CAPM w prognozowaniu przyszłych stóp zwrotu 1,000 0,900 0,800 0,700 0,600 0,500 0,400 0,300 0,200 0,100 0,000 1 11 21 31 41 51 61 71 81 91 101 111 121 131 141 151 161 171 181 191 201 211 221 231 241 251 Źródło: opracowanie własne W związku z powyższymi uwagami, zadaliśmy sobie pytanie o obraz polskiej giełdy, stworzony z wykorzystaniem czynników ryzyka innych niż te w modelu rynkowym (market CAPM). Idąc tropem wyznaczonym przez wcześniejsze publikacje poświęcone fundamentalnej wersji modelu CAPM (fundamentalnemu indeksowi beta), stworzyliśmy własny model i poddaliśmy go analizie. Beta fundamentalna Wyszliśmy od przekonania, iż o tym, który z podmiotów cechuje się najniższym ryzykiem inwestycji na danym rynku, decyduje nie tylko historyczne postrzeganie go przez sam rynek, ale także (a może przede wszystkim) wewnętrzna sytuacja panującą w firmie. Na szczególną uwagę zasługuje jej struktura finansowania, ze względu na wzrost prawdopodobieństwa niewypłacalności przedsiębiorstwa wraz ze zwiększaniem długu w strukturze kapitałowej. Istotna, z punktu widzenia bieżącej siły fundamentalnej spółki, jest także ocena zdolności firmy do kreowania wartości dla akcjonariuszy, wyrażona chociażby w postaci rentowności kapitałów własnych, czy wielkości generowanych przepływów pieniężnych. Wyselekcjonowanie wskaźników, a później wyliczenie dla nich wartości, jest początkiem drogi budowania modelu, w którym kluczowe znacznie ma mechanizm transmisyjny, będący złożoną konstrukcją zależności pomiędzy poziomem ryzyka i siłą fundamentalną spółki, a wartościami miar opisujących jej różne obszary funkcjonowania. Tak złożone studium oceny ryzyka inwestycyjnego spółki wymaga więc zastosowania odpowiednich metod jego szacowania, tak by zminimalizować ryzyko popełnionego błędu. Stąd, w tego typu podejściach, proponuje się zastosowanie miar taksonomicznych w tworzeniu systemu oceny spółek według wielu zadanych kryteriów. Prezentowany w niniejszym opracowaniu Syntetyczny Miernik Rozwoju (SMR) jest miarą wykorzystywaną do porządkowania obiektów w n-wymiarowej przestrzeni. Jego zastosowanie daje możliwość porównania ze sobą obiektów badania (w tym przypadku spółek), z których każdy charakteryzuje się kilkoma cechami. W przypadku zastosowania metod taksonomicznych najistotniejszy wydaje się dobór zmiennych opisujących obiekty (wskaźników finansowych) oraz określenie ich charakteru. W zależności od tego, jaki wpływ na badane zjawisko mają te zmienne, wyróżnia się wśród nich stymulanty, destymulanty i nominanty. Stymulantami są te cechy diagnostyczne, których większe wartości oznaczają wyższy poziom rozwoju badanego obiektu. Destymulantami są takie zmienne, których spadek wartości świadczy o pożądanym rozwoju badanego zjawiska. Nominanty z kolei to takie zmienne, które charakteryzują się określonym poziomem nasycenia (czyli wartością nominalną), od którego odchylenia oznaczają niewłaściwy rozwój zjawiska. Przed przeprowadzeniem analizy opartej o SMR kluczowe jest sprowadzenie wszystkich zmiennych do wzajemnej porównywalności, czego dokonuje się za pomocą ich normalizacji. Powyższe zdania można zapisać w postaci schematu etapów tworzenia Taksonomicznej Miary Rozwoju (Syntetycznego Miernika Rozwoju): 1. Ustalenie charakteru badanych zmiennych (xi). 2. Zamiana (charakteru) wszystkich zmiennych na stymulanty. Można tego dokonać według następujących procedur: x'ij 1 x ij 1 x ij x ' ij x'ij x ij , gdzie: xij – destymulanta. 3. Normalizacja zmiennych – zmienne diagnostyczne mogą nosić różne miana, mieć różny zakres zmienności, co uniemożliwia ich bezpośrednie porównanie. Normalizacja wartości zmiennych diagnostycznych polega zatem na sprowadzeniu wartości zmiennych do porównywalności z zastosowaniem procedury unitaryzacji, na podstawie formuł: a. dla stymulant: z ij x ij min{x ij } i max{x ij } min{x ij } i i b. , dla nominant: z ij x ik min{x ij } i nom{x ij } min{x ij } , xij ≤nom{xij} i z ij max{x ij} x ij i max{x ij} nom{x ij} , xij >nom{xij} i gdzie: max{x ij } – maksymalna wartość j-tej cechy, i nom{x ij} – nominalna wartość j-tej cechy, min{x ij} – minimalna wartość j-tej cechy. i 4. Określenie wag przypisanych do poszczególnych cech (zmiennych) diagnostycznych. 5. Obliczanie odległości od obiektu wzorcowego: di wiz n i 1 z oj 2 ij zoj – obiekt wzorcowy, obiekt górnego bieguna zbioru, wi – wagi. 6. Obliczanie syntetycznej miary rozwoju: SMR i 1 di , gdzie: Q Q d aS(d) – norma zapewniająca przyjmowanie przez SMRi wartości z przedziału 0–1 (dla parametru a=3). Im wartość jest bliższa 1, tym obiekt jest lepszy według przyjętego kryterium ogólnego. 7. Konwersja SMRi na indeksy quasi-beta (betę fundamentalną): fundamental SMRi , gdzie: SMRi SMRi - średni poziom SMRi dla całego rynku. Zaproponowana metoda przekształcenia jednostkowych mierników (SMRi) w betę fundamentalną zakłada umieszczenie w mianowniku ułamka wartości Syntetycznego Miernika Rozwoju dla danej spółki. Takie ujęcie może w skrajnych przypadkach doprowadzić do przyjęcia przez indeks beta bardzo wysokich odczytów lub też wartości ujemnych. W tym celu dla spółek, dla których SMRi przyjął wartość poniżej 0,1, parametrowi beta w naszym badaniu automatycznie przypisano wartość równą 10. Późniejsza analiza uzyskanych wyników wykazała, że osiągnięcie wartości powyżej 3,0 świadczy o wysokim prawdopodobieństwie bankructwa spółki. Ocena sytuacji finansowej spółek na podstawie wskaźników cząstkowych W przeprowadzonym badaniu analizie poddano spółki notowane na GPW w Warszawie nieprzerwanie w latach 2000-2011. Dane na temat wskaźników finansowych dla analizowanych spółek zaczerpnięte zostały z serwisu Bloomberg. Wykorzystane wartości wskaźników finansowych miały charakter roczny. Dla części spółek wspomniane dane były niekompletne. W sytuacji, gdy dla danej spółki niedostępna była wartość przynajmniej jednego wskaźnika, spółka ta była usuwana z próby. Z uwagi na odmienną konstrukcję sprawozdań finansowych, z obliczeń wykluczono banki. Ostatecznie więc próbę badawczą, w zależności od analizowanego roku, stanowiło od 102 (sprawozdania za 2000 rok) do 319 (sprawozdania za 2010 rok) spółek. Kierując się praktyką rynkową i posiłkując się publikacjami Instytutu Badań nad Gospodarką Rynkową, do oszacowania bet fundamentalnych w oparciu o Syntetyczny Miernik Rozwoju wykorzystano sześć zmiennych diagnostycznych (wskaźników finansowych). W celu uwzględnienia różnego wpływu poszczególnych zmiennych diagnostycznych na badane zjawisko w procedurze konstrukcji SMRi wprowadzono wagi, co wiąże się z faktem, iż nie wszystkie cechy w jednakowy sposób decydują o jakości danej spółki. Dokonano zatem podziału sześciu wybranych wskaźników na trzy grupy (w nawiasach podano liczbę zmiennych): wskaźniki płynności (2), wskaźniki zadłużenia (2), wskaźniki zdolności do kreowania wartości (2). W celu uniknięcia zbyt dużego akcentu na bezpieczeństwo prowadzonego przez spółkę biznesu, pierwsze dwie grupy wskaźników uzyskały udział 30 procentowy, ostatniej grupie zaś (wskaźniki zdolności do kreowania wartości) przypisano wagę 40 procentową. Udział wskaźników w ramach grupy był jednakowy. Zaproponowana metoda konwersji SMRi na indeksy quasi-beta (betę fundamentalną) spowodowała, że w analizowanym okresie dla zdecydowanej większości badanych spółek uzyskane wartości wskaźników kształtują się w przedziale (0,60–2,40). Ilustruje to wykres 6, na którym przedstawiono wartości poszczególnych percentyli rozkładów indeksów quasi-beta w poszczególnych latach. Wykres 6: Wartości perentyli rozkładu bety fundamentalnej dla analizowanych spółek wyliczonych na podstawie sprawozdań finansowych za lata 2000-2011 2,75 2,50 p.05 2,25 p.10 p.15 2,00 p.20 p.25 p.30 1,75 p.35 p.40 1,50 p.45 p.50 1,25 p.55 p.60 1,00 p.65 p.70 0,75 p.75 p.80 p.85 0,50 p.90 p.95 0,25 0,00 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Źródło: Bloomberg, obliczenia własne Największymi wahaniami w czasie odznaczają się wartości górnych percentyli rozkładów bet fundamentalnych (zwłaszcza p.95). Uzyskane wyniki pomiaru fundamentalnych indeksów beta warto porównać z wartościami tradycyjnego, rynkowego indeksu beta (raw beta) dla badanych spółek w prawie analogicznym okresie (liczonego na dziennych stopach zwrotu w okresie rocznym; wykres 3). Okazuje się bowiem, że beta fundamentalna dla najbardziej ryzykownych spółek z GPW w Warszawie przyjmuje wartości znacząco wyższe od szacunków bety rynkowej dla tychże spółek. Wynika to z prostego faktu, że wpływ zachowania rynku na wartość bety fundamentalnej jest znikomy i przejawia się jedynie pośrednio w postaci wskaźnika EV/CF, jednego ze wskaźników wykorzystanych w konstrukcji modelu fundamentalnego. To swego rodzaju „odrynkowienie” indeksu ryzyka pozwala w sposób pełniejszy na wskazanie spółek o ryzyku inwestycyjnym znacząco wyższym od ryzyka średniorynkowego. Powszechnie uważa się, że indeks beta dla szerokiego rynku powinien być stały i bliski jedności. Przy zastosowaniu indeksu raw beta reguła ta pozostaje jedynie teorią, co uwidacznia chociażby wykres 1, na którym widać, iż średni poziom tego parametru w badanym okresie waha się w przedziale około 0,4-1. Pozbawienie zależności bety fundamentalnej od koniunktury giełdowej skutkuje uzyskaniem względnej stabilności średniej jej wartości w czasie (na poziomie zbliżonym do 1,15). Warto jednak podkreślić, iż mimo stabilności średniego poziomu parametru przez cały okres analizy, odznacza się on znacząco większą zmiennością (mierzoną odchyleniem standardowym) w ramach poszczególnych lat. Oznacza to, że odczyty parametru dla pojedynczych spółek za dany rok różnią się w stopniu o wiele większym niż ma to miejsce w przypadku zastosowania bety rynkowej. Tym samym, z punktu widzenia inwestora, łatwiejsza jest identyfikacja spółek o ponadprzeciętnym ryzyku inwestycyjnym. Wykres 7: Średnia i odchylenie standardowe bety fundamentalnej dla analizowanych spółek z GPW średni poziom bety fundamentalnej odchylenie standardowe bet fundamentalnych 1,400 1,200 1,000 0,800 0,600 0,400 0,200 0,000 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Źródło: Bloomberg, obliczenia własne Połączenie miary ryzyka i atrakcyjności inwestycyjnej Jak już wcześniej zaznaczono, w opisywanym badaniu, analizie poddano spółki notowane nieprzerwanie na GPW w Warszawie w latach 2000-2011. Oznacza to, że w każdym kolejnym badaniu analizowana grupa spółek zwiększała się o spółki, które zadebiutowały przed 1 stycznia danego roku. Przykładowo beta fundamentalna dla roku 2008 obliczona została jedynie dla tych spółek które od dnia 1 stycznia 2008 roku po dzień dzisiejszy są notowane na GPW w Warszawie. Dane wykorzystane do wyliczeń zaczerpnięte zostały ze sprawozdań finansowych za rok 2008. Dla porównania raw beta obliczona została na dziennych stopach zwrotu (z uwzględnieniem dywidend) w okresie rocznym (średnio 252 obserwacje). Oznacza to, że dla wyliczenia bety rynkowej danej spółki za rok 2008 wykorzystano szereg mniej więcej 252 ostatnich dziennych stóp zwrotu. Brak uwzględniania w obliczeniach spółek, które opuściły GPW w konsekwencji chociażby bankructwa, powoduje zawyżenie średniej stopy zwrotu w danym roku w grupie analizowanych spółek, a przez to stawia dodatkowe wyzwanie dla zastosowania parametru quasi-beta w procesie oceny atrakcyjności inwestycyjnej badanych podmiotów. W tym kontekście na uwagę zasługuje przykładowo spadek 95.percentyla bety fundamentalnej (wykres 6), liczonej na danych finansowych za rok 2010. Spadek sugerował wzrost przeciętnej siły fundamentalnej spółek z rynku polskiego i zapowiadał uspokojenie na rynku w 2011 roku. Wydarzenia z drugiej połowy ubiegłego roku wydawać by się mogło zaprzeczyły wskazaniom bety fundamentalnej. Bliższa analiza uzyskanych stóp zwrotu portfeli budowanych w oparciu o betę fundamentalną potwierdzi jednak, że wskazanie płynące z analizy rozkładu bet fundamentalnych okazało się trafne. Dalsze rozważania miały zatem na celu znalezienie odpowiedzi na pytanie o możliwość zastosowania analizy rozkładu bety fundamentalnej za dany rok jako predykatora przyszłej zmienności kursów akcji notowanych na GPW, zaś celem nadrzędnym badania było stworzenie syntetycznego miernika oceny fundamentalnej siły spółek, który pozwoliłby inwestorom osiągać ponadprzeciętne stopy zwrotu przy jednoczesnym ograniczeniu ryzyka inwestycji. W tym celu zaproponowano betę fundamentalną jako metodę selekcji spółek do portfela. Po każdym roku analizy wybrano 20 spółek o najniższych wartościach bety fundamentalnej, które tworzyły portfel o nazwie „liderzy (top20)”. Dla lepszej oceny skuteczności zaproponowanej metody badawczej stworzono również drugi portfel o nazwie „outsiderzy (bottom20)”, który składał się z 20 spółek o najwyższym poziomie bety fundamentalnej. Późniejsza analiza wyników wykazała, że osiągnięcie wartości powyżej 3,0 świadczy o wysokim prawdopodobieństwie bankructwa spółki. Biorąc pod uwagę fakt, że roczne sprawozdania finansowe największych spółek z rynku polskiego publikowane są dopiero w marcu, mierzenie skuteczności metody doboru spółek do portfela dokonano na podstawie rocznych stóp zwrotu liczonych od 31 marca danego roku do 31 marca roku następnego. I tak przykładowo wyniki portfeli sporządzonych na podstawie rankingu siły fundamentalnej za rok 2008 odpowiadały średniej stopie zwrotu walorów wchodzących w ich skład, w okresie od 31 marca 2009 roku do 31 marca 2010 roku. Z uwagi na fakt, że z badania nad betą fundamentalną wykluczono banki, do dalszej analizy efektywności zaproponowanej metody wykorzystano średni poziom stóp zwrotu spółek biorących udział w badaniu w danym roku. Taki zabieg dodatkowo podniósł poprzeczkę dla portfela „liderzy (top20)”. W analizowanym okresie średnia roczna stopa zwrotu ze spółek notowanych na GPW (portfel „średnia WIG.próba”) po wyłączeniu banków wyniosła 39,0 proc. wobec 14,42 proc. dla portfela indeksowego. Celem nadrzędnym analizy było osiągnięcie skuteczności zaproponowanej metody badawczej na poziomie zadowalającym nie tylko dla inwestorów instytucjonalnych (których celem jest uzyskiwanie stóp zwrotu wyższych od benchmarku), ale również dla inwestorów indywidualnych (którzy podejmują ryzyko oczekując stóp zwrotu wyższych od stopy wolnej od ryzyka). Drugi cel należy uznać za szczególnie ambitny w obliczu konstrukcji portfeli całkowicie zaangażowanych w akcje. Wyniki prezentuje wykres 8. Wykres 8: Porównanie wyników portfeli opartych o betę fundamentalną ze średniorynkową stopą zwrotu w okresie analizy 225 200 175 150 Stopa zwrotu [w proc.] 125 100 75 50 25 0 -25 -50 -75 indeks WIG średnia WIG.próba liderzy (top20) outsiderzy (bottom20) 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2,2 -8,4 73,5 14,2 47,5 43,0 -16,5 -49,9 76,6 14,8 -15,3 2012* -8,6 -12,1 -4,8 177,6 24,9 152,0 141,2 -23,4 -53,6 88,0 13,3 -21,2 -13,4 4,4 4,0 176,2 25,8 70,7 194,6 -19,0 -51,0 86,6 10,1 -15,5 -7,0 -40,0 -5,7 204,2 19,6 157,5 200,5 -37,4 -59,4 73,1 29,4 -47,7 -26,0 * stopa zwrotu liczona za okres od 31 marca 2012 do 21 maja 2012 roku Źródło: Bloomberg, obliczenia własne Portfel „liderzy (top20)” uzyskał średnią roczną stopę zwrotu w analizowanych latach na poziomie 40,0 proc., przy stopie zwrotu dla WIG ma poziomie 14,4 proc. W 8 z 12 przypadków były to stopy dodatnie. Portfel „outsiderzy (bottom20)” uzyskał średnią roczną stopę zwrotu w analizowanych latach na poziomie 39,00 proc. W 6 z 12 przypadków były to stopy dodatnie. Powyższe wyniki można zilustrować nieco inaczej, patrząc z perspektywy 100 PLN początkowego kapitału, zainwestowanych przez hipotetycznego inwestora. Kolejny wykres prezentuje wartość owych 100 PLN zainwestowanych 31 marca 2001 roku na dzień 21 maja 2012 roku w różny sposób. Wykres 9: Porównanie wyników inwestycyjnych skonstruowanych portfeli indeks WIG liderzy (top20) średnia WIG.próba outsiderzy (bottom20) 2 000 1 750 1 500 1 250 1 000 750 500 250 0 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012* Źródło: Bloomberg, obliczenia własne Powyższe obserwacje bronią argumentu o możliwości zastosowania analizy rozkładu bety fundamentalnej jako predykatora przyszłej zmienności kursów akcji notowanych na GPW. Na podstawie wskazań tego miernika fundamentalnej siły spółek, inwestorzy mogą podejmować decyzje, uwzględniając jednocześnie dwa kryteria – realizację ponadprzeciętnych stóp zwrotu przy jednoczesnym ograniczeniu ryzyka inwestycji. Bibliografia 1. W. Cwynar, Zmienność – dobra czy zła? Analiza polskiego rynku kapitałowego, eFinanse, 2/2010 2. W. Cwynar, P. Kaźmierkiewicz, Is D-CAPM superior to CAPM when assessing investment risk on the Polish Stock market, TBC Intern Serie, Tietgen Business College, Odense, Danmark, October 2010 3. W. Cwynar, P. Kaźmierkiewicz, Testing the maturity of the Polish stock market, The Challenges to Economic Theory and Policy in the Aftermath of the Global Economic Crisis, Ss. Cyril and Methodius University, Skopje, Macedonia, November 2010 Streszczenie Warszawska Giełda Papierów Wartościowych należy wciąż do rynków niedojrzałych. Na tego typu rynkach – młodych, rozwijających się, o stosunkowo niskiej płynności notowanych walorów – zastosowanie klasycznych metod szacowania indeksów ryzyka, jak model CAPM, wydaje się niewłaściwe. W niniejszym opracowaniu pokazujemy zmiany w rozwoju polskiego rynku kapitałowego rzutujące na możliwości aplikacji modeli takich jak CAPM. Próbujemy też pokazać, który sposób szacowania indeksów ryzyka jest lepszy dla polskiego rynku kapitałowego – oparty o dane rynkowe, czy dane fundamentalne. Summary The Warsaw Stock Exchange is still an immature market. According to many articles dealing with the problem of applying risk assessment models to the Polish stock market, techniques like the CAPM are still inadequate for young, developing, illiquid markets like the Polish one. In this paper, we show that changes on the Warsaw Stock Exchange (WSE) observed in the last few years and those still expected during the upcoming months, should alter this attitude. The Polish capital market becomes increasingly mature year after year. The increasing number of listed companies (even during last global economic slump and bear market of 2007-2008 the number of IPOs was still rising, although the pace of growth was not so impressive comparing to period between 2004 and 2007), growing capitalization and liquidity of the market, make us believe that the application of statistical methods of market analysis, including risk indices assessments, will become more useful. To confirm this belief, we test some of the assumptions that should be met in order to apply the Capital Asset Pricing Model in practice. We also try to determine which method of calculating risk coefficients is more suitable for the Polish market (based on market or fundamental data). Wiktor Cwynar, Instytut Badań i Analiz Finansowych WSIiZ w Rzeszowie Piotr Kaźmierkiewicz, CDM Pekao S.A.