Второй аспект финансового риска — относительный разброс дохода держателей обыкновенных акций. Допустим, оценки ожидаемого дохода от основной деятельности на ближайшие 5 лет для фирм А и В есть субъективные случайные величины, ожидаемое значение распределения вероятностей будет 80 000 дол. для каждой, а стандартные отклонения равно 40 000 дол. Как и в предыдущем примере, предположим, что фирма А не имеет задолженности, а фирма В выпустила на 200 000 дол. 15-процентных облигаций. Если для простоты пренебречь федеральными налогами, то ожидаемый доход акционеров фирмы А составит 80 000 дол., а фирмы В — 50 000 дол. Поскольку величина стандартного отклонения одинакова для обеих фирм, относительная дисперсия ожидаемых доходов фирмы В больше, чем фирмы А. Коэффициент вариации для фирмы А есть стандартное отклонение, деленное на ожидаемую величину дохода [c.450]
В качестве примера применения этого метода рассмотрим возможные действия руководителя, связанные с оценкой риска при заключении некоего контракта. Допустим, что ожидаемая при заключении контракта прибыль положительна. Рассматривая прибыль, приносимую контрактом, как основную случайную переменную, предположим, что руководитель не знает точного значения ожидаемой прибыли (в этом и заключается неопределенность, связанная с заключением контракта), но что относительно величины дисперсии прибыли у него нет сомнений, так что он считает ее точно известной. Основанная на его априорном мнении ожидаемая прибыль равна [c.290]
Нормальное распределение (распределение Гаусса) представляет собой вид распределения случайных величин, с достаточной точностью описывающий распределение плотности вероятности результатов производственно-хозяйственной, финансовой, инновационной деятельности или изменений условий внешней среды, поскольку показатели, характеризующие их, определяются большим числом независимых случайных величин, каждая из которых в отдельности относительно других играет незначительную роль и непредсказуема. Применение нормального распределения для оценки рисков также связано с тем, что в основе данных, как правило, используется ряд дискретных значений. Эти теоретические [c.407]
Выше было отмечено, что риском является и несоответствие ожиданиям. Имея различные возможные альтернативы, ЛПР оценивает и сравнивает их, при этом предполагается, что для каждого мыслимого способа действия прогнозируемые последствия могут из-за влияния неконтролируемых факторов не совпасть с тем, что произойдет на самом деле. Разброс возможных значений относительно ожидаемой величины зависит от меры случайности этих рассогласований, а также от амплитудных характеристик. Поэтому каждая альтернатива взвешивается, например, по двум критериям один из них дает прогнозную оценку варианта (например, среднее значение возможного варианта) а другой—меру возможного расхождения — степень риска, при этом рискованность варианта возрастает с ростом ожидаемой результативности. Какую из альтернатив выберет ЛПР з имк т от его отноше- [c.160]
Для оценки финансовых активов существует множество моделей. Как правило, их целью является определение реальной цены котируемых финансовых инструментов, например облигаций, либо оценка рискованности портфеля активов с помощью прогнозирования. Эти модели позволяют выработать политику управления рисками и определить коэффициенты хеджирования. Зачастую определение коэффициентов хеджирования является их основной целью, еще более важной, чем теоретическая оценка самих активов. Существует два основных подхода к моделированию структуры процентных ставок и ее динамики параметрический и непараметрический. В данной главе нами будет рассмотрен непараметрический подход, не требующий принятия никакой априорной гипотезы относительно вида функционала процесса, формирующего структуру процентных ставок, а также вида распределения, характеризующего динамику наблюдаемых случайных величин. На примере исторического набора данных Эрик де Бодт, Филипп Грегори и Мари Коттрелл используют алгоритм СОК для аппроксимации распределения структуры процентных ставок и ее изменения с течением времени (структурных потрясений). Производимое на этой основе численное моделирование методом Монте-Карло позволяет получить картину долгосрочного развития структуры процентных ставок в течение пяти лет. [c.63]
Смотреть страницы где упоминается термин Случайные величины и относительные оценки риска
: [c.137]Смотреть главы в:
Теория экономического анализа -> Случайные величины и относительные оценки риска