Диплом, курсовая, контрольная работа
Помощь в написании студенческих работ

Формирование рыночной стоимости активов на рынке капитала как нелинейный динамический процесс

Диссертация: Формирование рыночной стоимости активов на рынке капитала как нелинейный динамический процесс
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

В данной главе выделены факторы, значимо влияющие на формирование рыночной стоимости активов, и установлен характер оказываемого ими влияния. Также выявлен механизм, посредством которого выделенные факторы' оказывают влияние на формирование рыночной стоимости активов. Основываясь на свойствах рыночных доходностей и результатах исследований поведения человека в ситуациях риска и неопределенности… Читать ещё >

Содержание

  • Глава 1. Линейный и нелинейный подходы к моделированию ценообразования на рынке капитала
    • 1. 1. Проблемы и ограничения неоклассического, линейного подхода к моделированию ценообразования на рынке капитала
      • 1. 1. 1. Аномалии рынка капитала
      • 1. 1. 2. Отклонения рыночной стоимости актива от фундаментальной на рынке капитала
      • 1. 1. 3. Анализ исходных положений неоклассической теории финансов на предмет соответствия эмпирическим данным
    • 1. 2. Исходные положения, возможности и ограничения нелинейного подхода к моделированию формирования рыночной стоимости активов
      • 1. 2. 1. Основные исходные положения нелинейного подхода
      • 1. 2. 2. Обоснование выбора метода для моделирования формирования рыночной стоимости активов как нелинейной динамической системы
  • Выводы
  • Глава 2. Нелинейная модель формирования рыночной стоимости активов на рынке капитала
    • 2. 1. Концепция формирования рыночной стоимости как нелинейной системы
    • 2. 2. Факторы, влияющие на формирование рыночной стоимости активов
      • 2. 2. 1. Анализ значимых факторов, выявленных в эмпирических исследованиях
      • 2. 2. 2. Конструирование общей карты факторов формирования рыночной стоимости активов
    • 2. 3. Концептуальная нелинейная модель формирования рыночной стоимости активов на рынке капитала и методика применения модели
      • 2. 3. 1. Модель формирования рыночной стоимости активов на рынке капитала
      • 2. 3. 2. Методика анализа формирования рыночной стоимости активов на основе разработанной модели
  • Выводы
  • Глава 3. Применение авторской модели формирования рыночной стоимости активов к анализу эмпирических данных
    • 3. 1. Определение реакции рынка на объявление финансовых результатов на основе модели формирования рыночной стоимости в зависимости от выявленных факторов
    • 3. 2. Эмпирическая проверка гипотезы
      • 3. 2. 1. Проверка первой части гипотезы: влияние ожиданий инвесторов на формирование рыночной стоимости
      • 3. 2. 2. Проверка второй части гипотезы: влияние новостей конкурента на формирование рыночной стоимости
      • 3. 2. 3. Проверка третьей части гипотезы: формирование рыночной стоимости по модели недостаточной реакции (ипс1еггеасиоп)
    • 3. 3. Общие результаты

Формирование рыночной стоимости активов на рынке капитала как нелинейный динамический процесс (реферат, курсовая, диплом, контрольная)

Актуальность темы

исследования. Научные разработки в области теории рынка капитала не теряют свою актуальность на протяжении многих десятилетий ввиду их поискового характера. В конце прошлого столетия на основании результатов эмпирических исследований рынка капитала, а также экспериментальных исследований в области принятия решений были опровергнуты основные положения, на которые опирается неоклассическая теория рынка капитала. В частности, было доказано, что экономическое поведение человека систематически нарушает аксиомы рациональности, а рыночная доходность распределена не по закону нормального распределения. Кроме того, эмпирические исследования показывают, что поведение рынка капитала систематически отклоняется от предсказываемого неоклассическими моделями ценообразования, то есть на рынке капитала регулярно проявляются или возникают так называемые «аномалии». Практики, а именно инвестиционные аналитики и управляющие портфелями, используют чаще эвристические методы прогнозирования дальнейшего движения рынка, основанные на интуиции и опыте, чем теоретические модели ценообразования.

За последние десятилетия было высказано много критических замечаний в отношении неоклассических моделей и самого подхода, тем не менее до сих пор не было предложено альтернативных моделей, теоретически и эмпирически состоятельных, несмотря на большое количество предпринятых попыток. Так, усилия поведенческого направдения школы, которая опирается на гипотезу об ограниченной рациональности экономического агента и инкорпорирует в свои модели и концепции психологические особенности агентов, привели к созданию довольно сложных и трудно применимых на практике моделей. В свою очередь, новые модели, созданные в рамках неоклассического направления и основанные на положениях о рациональности экономического агента, не отличаются достаточной прогностической и объясняющей способностью. Таким образом, попытки представителей как поведенческого направления, так и неоклассического не увенчались успехом.

Подходы и методы в других науках, а именно физике, химии, биологии и других, эволюционировали от простых, линейных к нелинейным — более сложным, но позволяющим исправить «ошибки» линейных теорий и моделей. На основании этого мы предположили, что, возможно, для решения проблемы необходимо выйти не только за рамки неоклассического направления, как это сделала поведенческая школа, но и за рамки линейного подхода. Эмпирические исследования рынка капитала, фиксирующие систематические нелинейные реакции1 инвесторов и рынка в целом, а также «ненормальное» распределение рыночных доходностей, обнаруживают признаки нелинейного характера формирования рыночной стоимости активов.

Учитывая все вышесказанное, а именно отсутствие на текущий момент модели ценообразования рыночных активов, обладающей высокой объясняющей и прогностической способностью, с одной стороны, и проявляющаяся нелинейность поведения рынка капитала, с другой стороны, можно утверждать, что моделирование формирования рыночной стоимости активов на рынке капитала как нелинейного процесса является актуальной темой для научного исследования.

Степень научной и практической разработанности темы исследования.

Исследование функционирования рынка капитала имеет долгую историю в научных работах экономистов многих школ, в связи с чем проблеме моделирования ценообразования активов на рынке капитала посвящено значительное количество монографий и публикаций. Тем не менее, такое большое количество работ свидетельствует, на наш взгляд, не о детальной проработанности проблемы, а напротив, является отражением проблемных вопросов, регулярно возникающих и заставляющих ученых искать все новые способы их решения.

Работы экономистов неоклассической школы серединьь прошлого столетия (Fama, 1970; Von Neumann and Morgenstern, 1947; Sharpe, 1970; Markowitz, 1952; Mossin, 1966 и другие) составили фундамент современной теории рынка капитала. В числе таких фундаментальных разработок гипотеза эффективного рынка, модель ценообразования' долгосрочных активов САРМ, современная портфельная теория Марковичам т.д. В целом эмпирические исследования того времени констатировали соответствие данных концепций фактическим данным (Black, Jensen and Scholes, 1972; Fama and MacBeth, 1973). Более поздние эмпирические исследования, однако, выявили множество «аномалий» в функционировании рынка капитала: результаты исследований показывали, что в реальности формирование рыночной стоимости активов систематически отклоняется от моделируемого (Banz, 1981; Basu, 1983; Bernard and Thomas, 1989; DeBondt and Thaler, 1985; Jegadeesh, 1990; Loughran and Ritter, 1995; Mehra and Prescott, 1985; Michaely, Thaler and Womack, 1995; Shiller, 1981 и многие другие).

Работы следующего периода были посвящены поиску решения рыночных аномалий. Среди них можно выделить несколько подходов:

1 В частности, исследования фиксируют так называемую «слишком сильную реакцию» (оуеггеасиоп) и «слишком слабую реакцию» (ис!еггеасиоп).

1) В рамках неоклассической парадигмы: был создан класс многофакторных моделей ценообразования (Fama and French, 1996; Carhart, 1997). Однако данные модели вызывают много нареканий — и с математической точки зрения, и с точки зрения экономического смысла, поэтому эти попытки нельзя назвать состоятельными.

2) В рамках поведенческого направления: в результате отказа от исходного положения неоклассической теории финансов о рациональности экономического агента представителями данного направления были достигнуты существенные успехи в объяснении причин появления рыночных аномалий (Benartzi and Thaler, 1995; Barberis, Shleifer and Yishny, 1998; Thaler and Johnson, 1990; Shleifer and Vishny, 1997; Daniel, Hirshleifer, and Subrahmanyam, 1998, и многие другие). Тем не менее, формализованные поведенческие модели ценообразования являются громоздкими и сложными в применении на практике (в силу присутствия в моделях субъективных, трудно оцениваемых параметров) (Barberis, Huang and Santos, 2000; Barsky and DeLong, 1993 и другие).

3) В рамках нелинейного подхода. Нелинейный подход рассматривает процесс формирования рыночной стоимости актива как нелинейную систему. Предположение о нелинейности рынка капитала включает в себя гипотезы о нерациональности экономических агентов и ненормальности распределения рыночных доходностей. Теоретическая и методологическая база исследования нелинейных процессов сложилась еще в первой половине прошлого столетия, в математике и физике, поэтому существует огромное количество научной литературы, в которой раскрываются различные проблемные вопросы нелинейных динамических систем (Николис и Пригожин, 1979; Шустер, 1988; Лоскутов и Михайлов, 1990; Gleick, 1987; Cvitanovic, 1984).2 В экономике нелинейный подход стал применяться совсем недавно, поэтому проработанность этой темы в западной, и особенно в отечественной литературе, невелика. Достижения в этой области пока очень фрагментарны, тем не менее, можно выделить некоторые направления теоретических и практических исследований в данной области. Наиболее проработанным направлением можно назвать изучение рынка капитала и его свойств с помощью методов фрактального анализа (Mandelbrot 1964; Peters, 1989, 1991; Бутаков, Граковский, 2005; Гаврилов и др., 2006; Петере, 2004; Цветков и др., 2007, и т. д.). Менее проработанным направлением в этой области является применение нелинейного подхода к моделированию экономических процессов, в частности, процесса принятия.

2 Заметим, что нелинейный подход к изучению и моделированию процессов используется не только в физике: он успешно применяется в химии (Loskutov, 1995), биологии, биофизике и медицине (Лоскутов, 1998), нейрологии и психологии (Хакен, 2001; Малинецкий, 1994), геологии (Летников, 1992; Вадковский, «Захаров, 2001), метеорологии (Белинский, 1948; Монин, 1969 и др.), криптологии (Владимиров, Измайлов, Пойзнер, 2009; Лоскутов, 1998), социологии (Eve, Horsfall and Lee, 1997) и т. д. экономических решений индивидом, формирования рыночной стоимости активов и других (Albin, 1998; Kiel and Elliot, 1996; Simon, 2000; Vaga, 1991). На наш взгляд, подход к моделированию и прогнозированию рынка капитала как нелинейной системы позволит не только объяснить многочисленные рыночные аномалии, но и создать реалистичные, эмпирически состоятельные модели ценообразования и концепцию рынка в целом.

Недостаточная степень проработанности проблемы, ее актуальность и практическая значимость определили как выбор темы, так и цель, задачи и логику настоящего исследования.

Объектом исследования данной диссертационной работы является процесс формирования рыночной стоимости и изменения доходности активов на рынке капитала.

Предмет исследования — моделирование процесса формирования стоимости активов на рынке капитала при исходной предпосылке о его нелинейном характере.

Целью диссертационного исследования является разработка модели формирования рыночной стоимости активов на рынке капитала как сложного нелинейного динамического процесса.

Для достижения поставленной цели автором диссертации были сформулированы и решены следующие задачи:

• Выявить причины ограниченной предсказательной и объясняющей способности неоклассических моделей ценообразования активов на рынке капитала.

• Обосновать нелинейный характер процесса формирования рыночной стоимости активов на рынке капитала на основе свойств нелинейных динамических систем.

• Определить основные элементы и характерные черты рынка капитала как нелинейной системы.

• Определить метод, релевантный для изучения и моделирования рыночной стоимости активов на рынке капитала при предпосылке о нелинейном > характере динамики рыночной стоимости.

• Выявить перечень факторов, влияющих на формирование рыночной стоимости активов и порождающих, тем самым, рыночные «аномалии», и определить характер влияния данных факторов.

• Применяя релевантный метод моделирования ценообразования активов на рынке капитала как нелинейного процесса, установить причинно-следственные взаимосвязи между рыночной стоимостью актива и различными факторами.

• Разработать методику применения авторской модели формирования рыночной стоимости активов на практике.

• Эмпирически протестировать полученные на основе модели ретроспективные прогнозы и интерпретировагь полученные результаты.

Теоретическая и методологическая основа исследования. Теоретическую базу данного диссертационного исследования составляют работы ученых разных экономических направлений — классической, неоклассической и поведенческой (Дж.Кейнс, Дж. Фон Нойман, О Моргенштерн, Ю Фама, Д. Канеман, А. Шляйфер и др.). Большой блок научных работ, проанализированных для написания диссертации, посвящен изучению экономического поведения участников рынка капитала, а также причин и механизмов «аномальных» явлений на рынке.

В силу специфики примененного в рамках настоящей диссертации метода моделирования рыночной стоимости активов, автором была изучена литература, посвященная нелинейным процессам как таковым, их характерным особенностям, свойствам, а также методам анализа нелинейных процессов, прогнозирования и моделирования (Э.Петерс, Б. Мандельброт, В. Анищенко, А. Пуанкаре, И. Пригожин, П Албин, Л. Киль и Э. Эллиот, П. Цвитанович, Г. Хакен, А. Сериков и др.). Среди авторов, чьи работы внесли наиболее существенный вклад в развитие и обоснование идеи данной* диссертации, можно назвать следующих: Г. Саймон, Г. Гигирензер, Д. Канеман, А. Тверски, П. Албин, Э. Петерс, Т. Вага, Т. Коупланд, Б. Мандельброт, Ю. Фама, У. Шарп, Дж. Кейнс, А. Шляйфер, Н. Барберис, Р. Вишны, И. Пригожин и многие другие.

Информационную основу исследования составили работы зарубежных и российских практиков в области финансовой экономики, анализа и прогнозирования* рыночной стоимости активов на рынке капитала, экспериментальной экономики, психологии принятия решений и психофизиологии. При этом автор основывался на научных монографиях и работах, опубликованных в ведущих рецензируемых научных журналах по вопросам финансов, рынка капитала, психологии и прикладной математики, а также в деловых периодических изданиях: «Journal of Financial Economics», «Journal of Finance», «The Economist», «Financial Analyst Journal», «Harvard Business Review», «McKinsey Quarterly», «Review of Financial Studies», «Nature», «Scientific American», «Econometrica», «Physica», «Рынок ценных бумаг», «Ведомости», «РБК Daily» и другие.

Также при написании диссертации, особенно при выполнении эмпирического исследования, привлекались аналитические публикации, в частности, аналитические обзоры, прогнозы, рекомендации, комментарии и отчеты ведущих инвестиционных банков. Данные публикации, а также информация, полученная в ходе непосредственного общения с участниками российского рынка капитала — инвестиционными аналитиками, трейдерами, управляющими активами, частными инвесторами, — позволили учесть специфику реального поведения экономических агентов на рынке капитала и, тем самым, внесли значимый вклад в разработку идеи диссертации и решение поставленных задач.

Кроме того, автор использовал ресурсы Интернет, в частности, официальные сайты российских и зарубежных фондовых бирж, инвестиционных банков, информационных и аналитических агентств (РБК, Интерфакс, Reuters, Quote.ru и многие другие), базы данных Bloomberg, Factiva.

Для достижения поставленной цели в работе были использованы методы сравнительного анализа, синтеза, научной абстракции, дедукции, индукции, классификации и систематизации. Также для выполнения эмпирического исследования был применен метод «исследования событий» (Event Study), наиболее подходящий для исследования такого типа, учи гывая предпосылку о нелинейности рынка капитала.

Научная новизна диссертационного исследования заключается в применении нелинейного подхода к исследованию рынка капитала как системы и процесса формирования рыночной стоимости в рамках данной нелинейной системы и разработке концептуальной модели формирования рыночной стоимости активов на рынке капитала при предпосылке о нелинейноеiи рынка капитала. В данном исследовании автором диссертации сформулированы и выносятся на защиту следующие основные положения, отличающиеся новизной:

1) На основе анализа характерных свойств нелинейных динамических систем в общем и наблюдаемого функционирования рынка капитала в частности обосновано, что процессу формирования рыночной стоимости присущи свойства нелинейной динамической системы, а именно: нелинейная реакция на поступающую на рынок информацию, эффект обратной связи, переход из одного состояния в другое (из нелинейного в линейное или наоборот) при достижении определенных критических уровней параметров системы, чувствительная зависимость от начальных условий.

2) Автором выявлены механизмы, обуславливающие причинно-следственную связь между эмпирически обнаруженными факторами и изменением рыночной стоимости активов: ожидания участников рынка, степень неопределенности на рынке, характеристики инвесторов. На основании данных механизмов автором аналитически установлен широкий спектр факторов, значимо влияющих на формирование рыночной стоимости актива — в зависимости от характеристик актива, рынка капитала и т. д.

3) Автором разработана нелинейная модель формирования рыночной стоимости, которая устанавливает связь между динамикой рыночной стоимости актива и различными влияющими факторами. Модель основывается на положениях, которые синтезируют разработки неоклассической и поведенческой школ и нелинейного подхода. Согласно модели, рыночная стоимость актива является нелинейной функцией от его фундаментальной стоимости, которая зависит от различной нефундаментальной информации об активе (первый уровень переменных) и от психологических особенностей инвесторов и структурных характеристик рынка капитала (второй уровень переменных).

4) В целях обеспечения применимости авторской модели на практике, разработана оригинальная методика анализа эмпирических данных. Задачей методики является прогнозирование изменения рыночной стоимости активов в ответ на поступающую на рынок информацию об активе и другую значимую (для данного актива при данных обстоятельствах) информацию. Разработанная методика позволяет определить характер изменения рыночной стоимости в каждой конкретной ситуации: знак изменения, силу, тип изменения (слишком сильная реакция или недостаточная реакция), и чувствительность рыночной стоимости актива к изменениям факторов.

5) На основе эмпирического исследования подтверждены гипотезы, сформулированные на базе авторской модели формирования рыночной стоимости активов, и, таким образом, продемонстрирована объясняющая и предсказательная способность модели.

Практическая значимость диссертационного исследования. Разработанная', автором модель формирования рыночной стоимости активов предоставляет возможность инвесторам, аналитикам и управляющим стоимостью публичных компаний прогнозировать изменение доходности актива в зависимости от различных факторов. Применение предложенной модели позволяет выявить факторы роста и падения рыночной стоимости каждого конкретного актива, а также использовать полученную информацию для решения разных задач. На основе этой информации инвесторы могут строить систематически прибыльные инвестиционные стратегиианалитики — прогнозировать динамику рыночной стоимости активов в зависимости от текущих макроэкономических, рыночных, отраслевых условий и корпоративных событий. Однако наилучшим образом потенциал данной модели, на наш взгляд, может быть использован управляющими стоимостью компаний: полученную на основе модели информацию можно использовать для управления рыночной стоимостью компании. Выявив факторы, значимым образом влияющие на рыночную стоимость управляемой компании, а также установив характер данного влияния в случае конкретной компании, можно подобрать инструменты и стратегии для осуществления желаемого воздействия на рыночную стоимость компаниив зависимости от условий, возможностей и задач.

Применимость модели на практике к анализу данных конкретных торгуемых компаний была подтверждена в эмпирическом исследовании на примере двух публичных российских компаний, «МТС» и «Вымпелком». Полученные в результате проведенного нами анализа выводы могут быть применены компаниями для управления их рыночной стоимостью.

Апробация результатов исследования. Основные выводы, рекомендации и предложения диссертации докладывались автором на Международной конференции студентов, аспирантов и молодых ученых по фундаментальным наукам «Ломоносов 2008», проходившей в апреле 2008 г. в МГУ им. М. В. Ломоносова. Также предложенная в исследовании концептуальная модель формирования рыночной стоимости активов на рынке капитала была представлена сообществу ученых и практиков на открытом научном семинаре Лаборатории корпоративных финансов ГУ-ВШЭ «Влияние корпоративных новостей на рыночную стоимость компаний», состоявшемся 25 ноября 2008.

Основные положения исследования были использованы при проведении авторского курса «Поведенческие финансы» в магистратуре экономического факультета МГУ им. М. В. Ломоносова, а также протестированы магистрами кафедры «Финансы и кредит» в пилотных эмпирических исследованиях в рамках научного семинара.

Как показало проведенное автором исследование, апробация разработанной модели формирования рыночной стоимости в реальных компаниях возможна и способна показать хорошие результаты (а также предоставить полезные данные для управления рыночной стоимостью компаний).

Основные положения диссертации были изложены в 7 публикациях автора общим объемом 9 печатных листаиз них 2 статьи были опубликованы в журналах, входящих в «Перечень ведущих рецензируемых научных журналов и изданий, рекомендованных ВАК Минобрнауки России» (общим объемом 1,5 печатных листа).

Объем и структура диссертационной работы. Структура диссертации обусловлена целью и задачами исследования. Диссертация включает в себя введение, три главы, заключение, список терминов и сокращений, список используемых источников и приложения. Диссертация содержит 23 таблицы и 27 иллюстраций (включая приложения).

Выводы.

В данной главе выделены факторы, значимо влияющие на формирование рыночной стоимости активов, и установлен характер оказываемого ими влияния. Также выявлен механизм, посредством которого выделенные факторы' оказывают влияние на формирование рыночной стоимости активов. Основываясь на свойствах рыночных доходностей и результатах исследований поведения человека в ситуациях риска и неопределенности, мы принимаем гипотезы об ограниченной рациональности инвесторов и нелинейности процесса ценообразования на рынке капитала как фундамент модели формирования рыночной стоимости активов. Предложенная нами модель является динамической, нелинейной по характеру взаимосвязей между переменными и открытой. Разработанная модель формирования рыночной стоимости увязывает рыночную стоимость и другие переменные модели в общей форме, отражая принцип формирования рыночной стоимости, значимые факторы и характер их влияния на моделируемый процесс. Для применения на практике данной модели был разработан и предложен общий подход к анализу формирования рыночной стоимости в зависимости от поступающей на рынок информации об активе и под влиянием других факторов, а также более конкретная, пошаговая методика применения модели, которая, позволяет анализировать и прогнозировать изменение рыночной стоимости актива в> зависимости от факторов, значимых для конкретного актива в конкретных условиях.

Глава 3. Применение авторской модели формирования рыночной стоимости активов к анализу эмпирических данных.

В третьей, заключительной главе мы проиллюстрируем, как применять разработанную нами модель формирования рыночной стоимости активов на практике, для выявления факторов формирования рыночной стоимости. Мы также протестируем гипотезы, сформулированные нами на основе проведенного анализа, на эмпирических данных. Для эмпирической проверки будут использованы данные по российским активам, поскольку все аналогичные исследования выполнены на данных западных (преимущественно американского) рынков капитала, тогда как российский рынок до сих пор плохо изучен в этих аспектах. Для исследования формирования рыночной стоимости активов мы возьмем долгосрочные активы, то есть обыкновенные акции публичных компаний, торгуемые на рынке капитала. В целях исследования были отобраны две крупные торгуемые компании из телекоммуникационного сектора — «МТС» и «Вымпелком». Выбор именно этих компаний обусловили следующие факторы:

1) длинная история («МТС» и «Вымпелком» одними из первых среди российских.

148 компаний разместились на бирже), что позволяет получить максимально большое количество наблюдений;

2) ведущие позиции в отрасли, что позволяет включить в анализ фактор «события конкурента» и проверить гипотезу о влиянии данного фактора на формирование рычночной стоимости активов;

3) принадлежность к телекоммуникационной отрасли, которая вплоть до кризиса имела четко выраженный тренд роста и оценивалась как одна из наиболее перспективных отраслей;

4) относительно высокая информационная прозрачность, хорошее аналитическое покрытие и освещение в прессе;

5) достаточно высокая ликвидность и большой объем акций в обращении, что позволяет оценить реакцию рынка на то или иное событие с минимальными искажениями.

138 28 апреля 2000 года Федеральная комиссия по ценным бумагам РФ зарегистрировала начальную эмиссию акций ОАО «МТС». С 30 июня 2000 года акции «МТС» котируются на Нью-Йоркской фондовой бирже (в виде американских депозитарных расписок). «Вымпелком» разместил свои акции (также в виде американских депозитарных расписок) на Нью-Йоркской фондовой бирже в ноябре 1996 года.

Эти критерии были наиболее значимыми (и критичными) при отборе компаний для данного исследования. Автор рассматривал возможность включить в исследование данные других крупных, ликвидных российских компаний, из топливноэнергетической, пищевой и металлургической отрасли — в целях увеличить репрезентативность выборки, .однако в отношении всех компаний возникала проблема несоответствия тем или. иным поставленным критериям, что не позволяет проверить соответствующие гипотезы. По этой причине мы получили немногочисленную выборку событий.

В качестве исследуемого события мы возьмем объявление квартальных финансовых результатов. Мы выбрали это корпоративное событие для проведения исследования по ряду причин:

• Объявление квартальных финансовых результатов — это регулярное и, если сравнивать с другими корпоративными событиями (например, объявление дивидендов или сделки слияния и поглощения), наиболее частое событие, что позволяет получить достаточно большую выборку.

• Объявление финансовых результатов обычно предваряют общедоступные прогнозы аналитиков, которые с полным основанием можно принять за ожидания инвесторовдля других собьпий прокси для ожиданий инвесторов подобрать не так легко, либо подобные прогнозы находятся в закрытом доступе (как для сделок слияний и поглощений).

• Кроме того, пилотное исследование методом event-study, проведенное на данных российских компаний для событий разного типа, показало, что в общем случае реакция рынка на объявление финансовых результатов (в терминах сверхдоходности) является наиболее значимой по сравнению с реакцией на другие корпоративные события.

Период выборки охватывает почти 5 лет — с первого квартала 2004 по третий квартал 2008. Глубина периода обусловлена доступностью данных по ожиданиям рынка: начиная с определенного момента обнаружить необходимые прогнозные данные по финансовым основным показателям невозможно (в случае «МТС» и «Вымпелкома» этот.

11Q момент совпал с объявлением результатов за 2003 год). Верхнее ограничение рассматриваемого периода связано с переходом рынка и телекоммуникационной отрасли, в частности, в кризисное состояние, что не позволяет включать наблюдения за этот период в общую выборку. Мы могли бы исследовать реакцию рынка на объявление финансовых.

139 Для поиска аналитических прогнозов была использована база Factiva. результатов в двух состояниях — роста и кризиса, однако для этого требуется достаточно большое количество событий, имевших место в кризисный период, чтобы сформировать репрезентативную подвыборку. Однако продолжительность кризисного состояния не позволяет этого сделать: с третьего квартала 2008 года по текущий момент (январь 2010 года) в общей сложности было сделано всего 10 объявлений квартальных финансовых результатов, что недостаточно для формирования репрезентативной выборки. Итак, за выбранный нами в конечном итоге период произошло 19 квартальных объявлений результатов каждой компании, то есть в результате мы получили выборку из 38 событий140.

3.1. Определение реакции рынка на объявление финансовых результатов на основе модели формирования рыночной стоимости в зависимости от выявленных факторов.

На следующем этапе исследования мы используем разработанную и предложенную нами во второй главе модель, чтобы выявить значимые факторы для компаний МТС и Вымпелком, которые будут определять реакцию рынка на объявляемые компаниями' финансовые результаты. На основе выявленных факторов мы сформулируем гипотезы относительно связи поведения доходности компаний в окне вокруг события и выделенных факторов. После этого мы протестируем гипотезы на эмпирических данных. Для анализа реакции рынка на объявление финансовых результатов мы применим метод анализа событий (Event studies), метод, получивший большое распространение в западных исследованиях, особенно в области поведенческих финансов. Статистическая обоснованность, степень научной проработанности, а также ежегодное применение данного метода в десятках исследований авторитетных экономистов и ведущих экономических журналов, позволяют нам применять данный метод в рамках данного исследования.

Согласно разработанной нами методике, на первом этапе мы определяем, какие факторы значимо влияют на формирование рыночной стоимости исследуемых нами активов — обыкновенных акций компаний «МТС» и «Вымпелком». Ниже мы выделяем и анализируем такие факторы конкретно для выбранных нами активов.

1. Ожидания инвесторов.

Финансовые результаты компании являются важной информацией, на основании которой инвесторы оценивают рыночную стоимость компании. Рыночная стоимость.

140 Перечень событий, попавших в выборку, смотри в Приложении 13. актива в каждый момент времени отражает будущие денежные потоки, ожидаемые инвесторами. При объявлении фактических финансовых результатов представления инвесторов корректируются в зависимости от того, как соотносятся ожидаемые и фактические доходы, и происходит соответствующее изменение цены актива на рынке капитала. Поэтому в окне вокруг даты объявления можно прогнозировать значимую реакцию рынка, а именно положительную сверхдоходность в случае превышения фактических результатов над ожидаемыми («хорошая» новость), и отрицательную в противном случае («плохая» новость).

В силу того, что обе компании регулярно освещаются ведущими аналитическими агентствами, прогнозы и рекомендации публикуются как в финансовой прессе, так и в общедоступных интернет-источниках, в качестве прокси для ожиданий инвесторов можно принять консенсус-прогноз аналитиков.

2. Состояние рынка.

Как обсуждалось нами выше, состояние рынка является очень существенным фактором, определяющим реакцию системы (рынка капитала) на информационные! потоки. Однако, как мы. уже говорили, составленная нами выборка состоит из событий, которые относятся к периоду устойчивого роста рынка и телекоммуникационной отрасли, поэтому этот фактор будет оказывать одинаковое влияние на все события из выборки. Это' означает, что на «хорошие» новости рынок будет реагировать положительно (положительная средняя* сверхдоходность, в том числе накопленная сверхдоходность за. период после объявления финансовых результатов), и на «плохие» — отрицательно (отрицательная средняя сверхдоходность, в том числе накопленная сверхдоходность).

3. Новости конкурентов.

При анализе компаний по предложенной нами модели мы обнаружили ряд предпосылок, чтобы считать данный фактор значимым. Прежде всего, рассматриваемые нами компании являются основными конкурентами на телекоммуникационном рынке, которые очень близки по основным параметрам (размер, доля телекоммуникационного рынка, фаза развития, темпы роста, география деятельности, отраслевая принадлежность и вытекающая отсюда структура активов компании, оборачиваемость средств и другие финансовые показатели хозяйственной деятельности компаний и т. д.). В связи с этим 1 акции этих двух компаний рассматриваются инвесторами как субституты (в данном случае мы не имеем в виду стратегических инвесторовдоли которых в акционерном капитале компаний не меняются). Отсюда можно сделать вывод, что инвесторы будут сопоставлять финансовые результаты двух компаний и перекладывать средства в акции компании, показавшей более высокие результаты по сравнению со своим конкурентом. На рассматриваемом нами периоде этот эффект должен быть достаточно ярко выражен, поскольку в период устойчивого роста инвесторы стремятся выбрать наиболее доходный актив, чтобы извлечь наибольшую выгоду из благоприятного периода, и при этом они не боятся «переходить» из актива в актив, поскольку чувствуют себя защищенными от сильных падений. Также влияние данного фактора должно усиливаться тем обстоятельством, что промежуток между датами объявлений финансовых результатов «МТС» и «Вымпелком» очень мал — в основном от 2 дней до недели141. Это приводит к тому, что рынок не успевает забыть результаты компании, делавшей объявление первой, а также свои эмоции (негативные, если ожидания не были оправданы, и положительные в обратном случае), поэтому объявленные недавно результаты становятся базой для сравнения, «якорем», относительно которого оцениваются объявленные результаты второй компании. Кроме того, в аналитических обзорах «МТС» и «Вымпелкома», которые публикуются в открытом доступе сразу после объявления финансовых результатов, аналитики обычно сравнивают объявленные результаты с результатами конкурента, который объявил результаты за тот же квартал немногим ранее и формулируют посыл типа «компания, А хуже компании Б». Сопоставление, проводимое аналитиками, отчасти отражает ход мыслей инвесторов, отчасти формирует его, указывая на что стоит обращать внимание при принятии решения или оставляя в восприятии инвесторов четкий посыл, который при выборе склонит инвестора в пользу той компании, которая была названа «лучшей».

Таким образом, мы предполагаем, что финансовые результаты, удовлетворяющие ожиданиям инвесторов в общем (обозначим их «хорошие новости»), но оказавшиеся хуже аналогичных показателей конкурента (то есть «хорошие, но хуже конкурента»), вызовут негативную реакцию рынка, то есть сверхдоходность будет низкой или отрицательной. В среднем сверхдоходность событий, которые оказались «хорошими, но хуже конкурента», будет значимо ниже сверхдоходности событий, оказавшихся «хорошими и лучше конкурента».

4. Тип события: квартальные финансовые результаты.

Согласно результатам эмпирических исследований, выполненных на данных американского рынка капитала, на объявление финансовых результатов рынок реагирует по модели недостаточной реакции (ипёеггеаейоп): информация отражается в цене не сразу, а вбирается медленно, со временем. Это означает, что после объявления будет.

141 Даты объявлений смотри в Приложении 13. наблюдаться дрифт, то есть после события будет наблюдаться значимая сверхдоходность, в частности, накопленная сверхдоходность будет положительной в случае хорошей новости и отрицательной в случае плохой новости.

5. Структура инвесторов.

На официальных сайтах компаний «МТС» и «Вымпелком» можно найти некоторую информацию о структуре инвесторов142, однако деление всех акционеров на стратегических (доля которых не меняется на протяжении исследуемого периода) и «остальных» не дает нам возможности проанализировать влияние данного фактора на реакцию рынка. Полученная нами информация не позволяет получить представления о соотношении индивидуальных и институциональных, профессиональных инвесторов, что ограничивает наши возможности по оценке влияния данного фактора.

6. Тип акций (инвестиционные характеристики актива в восприятии инвесторов).

Как мы обсуждали, во второй главе, в зависимости от определенных параметров (размера, фазы развитиякомпании, технологичности, отраслевой принадлежности, соотношения рыночной и балансовой стоимости) в восприятии инвесторов формируется образ компании, из которого интуитивно выводятся такие характеристики как риск и доходность. «МТС» и «Вымпелком» — компании, очень близкие, почти идентичные по данным параметрампоэтому различия реакции не должно быть. Кроме того, образ обеих компаний (крупные, стабильные, экстенсивно растущие, принадлежащие перспективной/ отрасли, среднего уровня технологичности) не предполагает специфических реакций рынка, поэтому в отношении этого фактора мы не формируем гипотез.

7. Тренд (предыдущие финансовые результаты).

Инвесторы могут использовать информацию опредыдущих финансовых результатах в качестве дополнительного критерия «хорошей» или «плохой» новости. Так, положительный темп роста основных финансовых показателей по сравнению с предыдущим кварталом может быть критерием «хорошей» новости, а отрицательный* темп роста — критерием «плохой» новости. Однако для телекоммуникационной отрасли такие критериинеприменимы, поскольку для этого сектора характерна сезонность, в частности, в четвертом квартале на рынке телекоммуникационных услуг традиционно наблюдается спад, а во втором квартале операторы сотовой связи, напротив, фиксируют.

142 Информация по структуре акционеров представлена в Приложении 14. рекордный объем выручки (что связано с ростом доходов от роуминга). В связи с этим мы исключаем данный фактор из рассмотрения.

Подведем итоги нашего анализа: ниже представлена таблица, в которой отмечены факторы, оказывающие значимое влияние на реакцию рынка в ответ на объявление финансовых результатов компаний «МТС» и «Вымпелком», и выдвинуты гипотезы касательно влияния каждого фактора на реакцию рынка (гипотезы 1 — 3 в таблице 3.1). На основании данных гипотез мы формируем итоговую гипотезу, формулирующую предполагаемое поведение доходности при совместном влиянии выделенных факторов. Итоговая гипотеза будет протестирована нами на эмпирических данных.

Заключение

.

1. В рамках настоящего диссертационного исследования автором был применен новый, нелинейный подход к моделированию процесса формирования стоимости активов на рынке капитала. В своем исследовании автор отталкивается от эмпирических наблюдений и исследований функционирования рынка капитала в целом и принятия инвестиционных решений участниками рынка в частности.

В качестве отправной точки для анализа процесса формирования рыночной стоимости активов на рынках капитала в реальности были изучены внешние проявления несостоятельности неоклассических моделей ценообразования, а именно основные рыночные «аномалии», которые систематически имеют место на рынках капитала и которые не находят объяснения в рамках неоклассической теории финансов. На основании анализа фундаментальных основ неоклассических моделей ценообразования показывается эмпирическая несостоятельность исходных положений таких моделей. По результатам проведенного анализа было выдвинуто и впоследствии обосновано предположение, что предсказательная и объясняющая способность неоклассического подхода в целом ограничивается гипотезами, лежащими в ее основе, а именно предположениями о соответствии доходностей модели случайного блуждания, нормальности распределения доходностей и рациональности экономического агента. Несоответствие этих гипотез объективной реальности меняет характер изучаемой системы, а именно рынка капитала, с линейного на нелинейный, что, в свою очередь, обязывает менять методы изучения, анализа, моделирования и прогнозирования таких систем. В частности, в работе было обосновано, что нелинейность изучаемой системы требует специфичных методов анализа, моделирования и прогнозирования, тогда как стандартные статистические и эконометрические методы анализа применительно к нелинейным динамическим системам дают некорректные результаты. Таким образом, были приведены теоретические и эмпирические обоснования того, что для создания эмпирически состоятельных моделей ценообразования активов на рынке капитала необходимо выйти за рамки неоклассического, линейного подхода и применить новый, качественно отличный подход — нелинейный, поскольку изучаемый и моделируемый процесс является нелинейным.

2. На основании анализа фундаментальных источников по теории нелинейных динамических систем, были выявлены и определены характерные свойства нелинейных динамических систем. Используя результаты эмпирических исследований в области функционирования рынка капитала и психологии принятия экономических решений, а также ссылаясь на отдельные яркие случаи из истории российского и некоторых других национальных рынков капитала, автор привел обоснование того, что в действительности рынкам капитала присущи свойства нелинейных динамических систем. Основываясь на результатах исследований рынков капитала, выполненные методом фрактального анализа, автор приходит к выводу, что рынок капитала регулярно переходит из нелинейного состояния в линейное и обратно, то есть в общем случае рынок капитала является нелинейным, тогда как линейное его состояние, описываемое, неоклассическими моделями ценообразования, является лишь частным случаем нелинейного состояния.

3. Используя проанализированную и накопленную теоретическую и эмпирическую базу, автор описывает рынок капитала как нелинейную систему. В целях данного научного исследования процесс формирования рыночной стоимости изучен с точки зрения уровней детализации анализав результате было выделено три уровня детализации: (1) микроуровень, где анализируемым объектом является отдельный экономический агент и его решения- (2) средний уровень детализации, где в качестве объекта выступают группы экономических агентов, объединенные в данный момент единым «настроением" — (3) и наконец, «верхний» уровень, где анализируются агрегированные рыночные данные, а именно изменение рыночных доходностей, объемов торгов и т. д. Было показано, что самым перспективным уровнем анализа является средний, однако на текущий момент он является недоступным в силу отсутствия методов оценки параметров, необходимых для такого анализа. Таким образом, был обоснован выбор «верхнего» уровня рынка капитала для проведения дальнейшего исследования. На выбранном уровне были определены основные элементы рынка капитала как системы, проанализированы их ключевые свойства, а также выявлены характерные черты и связи, определяющие характер формирования рыночной стоимости активов.

4. На следующем этапе были выявлены имеющиеся на текущий момент подходы и методы, разработанные для анализа, моделирования и прогнозирования нелинейных динамических систем. Необходимость применения принципиально иных методов для достижения поставленной цели обосновывается научными работами, доказывающими, что стандартные статистические и эконометрические методы анализа дают некорректные результаты в отношении нелинейных динамических систем, к которым относится рынок капитала. Учитывая возможности и ограничения существующих методов анализа нелинейных систем, был выбран метод, релевантный для" анализа и моделирования формирования рыночной стоимости активов на рынке капитала' как нелинейной системы. При выборе метода автор руководствовался критерием соответствия специфике моделируемого объекта и поставленной цели. В результате для моделирования автор использовал подход, который фокусирует внимание на изучении факторов, влияющих на систему, характере такого влияния, а также свойствах и отдельных связях системы.

5. На основании большого количества эмпирических исследований, изучающих влияние различных факторов на поведение рыночных доходностей, были выделены и систематизированы факторы, статистически значимо влияющие на формирование рыночной стоимости активов, а также определен характер оказываемого ими влияния. Были выявлены основополагающие механизмы, или внутренние связи, благодаря которым становится возможным влияние эмпирически выделенных факторов на рыночную стоимость активов. Используя информацию о механизмах, были обнаружены дополнительные факторы (аналитическим путем, методом индукции), после чего была построена обобщенная, целостная картина факторов, влияющих на формирование рыночной стоимости активов.

6. В результате применения выбранного подхода к анализу и моделированию рыночной стоимости активов автор установил причинно-следственные связи между рыночной стоимостью активов и различными факторами и выразил рыночную стоимость как нелинейную функцию от широкого спектра выявленных на предыдущем этапе работы факторов. В основе разработанной модели лежит идея, что рыночная стоимость актива не является тождественным отражением его фундаментальной стоимости, а является ее нелинейным преобразованием. При этом функция, преобразующая фундаментальную стоимость актива в рыночную, зависит от различных «внешних» факторов, в частности: макроэкономических и отраслевых показателей, прогнозов и рекомендаций аналитиков, параметров эмитента актива, предыдущей динамики рыночной стоимости актива и т. д. «Внешние» факторы, в свою очередь, зависят от ожиданий и настроений инвесторов, степени их согласованности, а также базовых психологических особенностей индивидов (особенностей восприятия, эмоций, памяти и внимания). Модель является знакопеременной, что отражает обоснованную автором идею, что в каждом конкретном случае, для каждого конкретного актива значимые факторы могут быть разными, и их влияние на изменение рыночной стоимости актива также может быть разным. Разработанная модель увязывает рыночную стоимость актива и переменные модели в общем виде, отражая сам принцип формирования рыночной стоимости, значимые факторы и характер их влияния на процесс ценообразования. Модель является динамической, нелинейной по характеру взаимосвязей между переменными, открытой.

7. Для того, чтобы модель формирования рыночной стоимости активов можно было использовать в практических целях, в частности, для построения инвестиционных стратегий, управления рыночной стоимостью компаний, автором была разработана методика анализа влияния новости на стоимость компании, которая основывается на предложенной модели. Методика позволяет анализировать факторы, влияющие на рыночную стоимость различных активов на рынке капитала (акций различных компаний), а также определять характер комплексного влияния таких факторов. В методике прописан алгоритм последовательного анализа «целевой» информации с «наложением» влияния факторов, значимых для данного актива в данных условиях. По результатам анализа по предложенной методике исследователь получает данные о знаке изменения рыночной стоимости актива в ответ на «целевую» информацию, силе и глубине этого изменения, а также характере изменения рыночной стоимости в краткосрочном и среднесрочном периодах (по модели недостаточной реакции или чрезмерной реакции).

8. В заключительной части работы было показано, как применять разработанную автором модель формирования рыночной стоимости для прогнозирования реакции рынка на информационные потоки в зависимости от начальных условий. На основе предложенной методики, автором были выявлены факторы, значимо влияющие на формирование рыночной стоимости двух конкретных российских публичных компаний, «МТС» и «Вымпелком», и были выдвинуты гипотезы относительно реакции системы на объявления финансовых результатов этими двумя компаниями. Автором выполнено исследование, в котором протестированы гипотезы, сформулированные на основе разработанной модели, на эмпирических данных. В результате исследования было получено подтверждение сформулированных гипотез, что позволяет высоко оценить ее эмпирическую достоверность. Кроме того, полученные в ходе исследования результаты могут быть успешно использованы для управления рыночной стоимостью торгуемых компаний, поэтому можно говорить т акже о практической применимости разработанной нами модели. В целом, проведенный нами анализ отразил нелинейность реагирования инвесторов на информацию (в данном случае на объявление финансовых результатов), а также нелинейность влияния значимых факторов. Таким образом, был сделан вывод о целесообразности и перспективности подхода к анализу, моделированию и прогнозированию рынка капитала как нелинейной системыа также о высокой эмпирической достоверности разработанной автором модели формирования рыночной стоимости в зависимости от факторов.

Показать весь текст

Список литературы

  1. В. А., Динамическая метеорология, М. — JL, 1948.
  2. В.Н., Захаров B.C., электронное учебное пособие «Динамические процессы в геологии: первое знакомство с нелинейными системами», 2001.
  3. С.Н., Измайлов И. В., Пойзнер Б. Н. Нелинейно-динамическая криптология. Радиофизические и оптические системы. -М.: ФИЗМАТЛИТ, 2009.
  4. Г. А. Теоретическая и прикладная синергетика. Белгород, 2000.
  5. Ф. А. Синергетика геологических систем. — Новосибирск: Наука. Сиб. отд-ние, 1992. — 230 с.
  6. А.Ю., Михайлов A.C. Введение в синергетику. М.: Наука, 1990.
  7. А. С. Прогноз погоды как задача физики. М., 1969.
  8. Г., Пригожин И. Самоорганизация в неравновесных системах: От диссипативных структур к упорядоченности через флуктуации. М.: Мир, 1979. — 512 с.
  9. , Э. Фрактальный анализ финансовых рынков: Применение теории хаоса в инвестициях и экономике. / Пер. с англ. М.: Интернет-Трейдинг. 2004.
  10. , Э. Хаос и порядок на рынках капитала. Новый аналитический взгляд на циклы, цены и изменчивость рынка. / Пер. с англ. М.: Мир. 2000.
  11. Предпосылки введения количественных мер эффективности для ГЭР. / Архипов В. М., Захаров И. Ю., Науменко В. В., Смирнов С. Н.: Препринт WP16/2007/05. — М.: ГУ-ВШЭ, 2007. — 40 с.
  12. И., Стенгерс И. Время. Хаос. Квант. К решению парадокса времени. / Пер. с англ. Под ред. В. И. Аршинова. Изд. 6-е. М.: КомКнига, 2005. — 232 с. (Синергетика: от прошлого к будущему.)
  13. Психофизиология: Учебник для вузов. 2-е изд., доп. и перераб. / Под ред. Ю. И. Александрова. СПб.: Питер, 2003. — 496 е.: ил. — (Серия «Учебник нового века»),
  14. , А. Наука и метод. — СПб., 1910.
  15. , Дж. Алхимия финансов. М.: ИНФРА-М, 1996.
  16. , Н. Чёрный лебедь. Воздействие крайне маловероятного. Нью-Йорк, 2007.
  17. , Н. Одураченные случайностью. Скрытая роль случая в жизни и на финансовых рынках. Нью-Йорк, 2001.
  18. Г. Принципы работы головного мозга: Синергетический подход к активности мозга, поведению и когнитивной деятельности. М.: Изд-во Per Se, 2001. —353 с.
  19. Г. Детерминированный хаос. Введение. М.: Мир, 1988.
  20. Albin, P. Essays on Economic Complexity Dynamics in Interactive Systems. Edited and with an introduction by D. Foley, Princeton University Press, Princeton, NJ, 1998.
  21. Cootner, P., ed. The Random character of stock market prices. Cambridge: MIT Press, 1964.
  22. Copeland, Т., and A. Dolgoff. Outperform with expectations-based management. John Wiley & Sons, Inc., Hoboken, New Jersey, 2005.
  23. , P. (Ed.). Universality in Chaos, Adam Ililger Ltd., Briston, UK, 1984.
  24. Eve, R., Horsfall, S. and Lee, M. (eds). Chaos, Complexity, and Sociology: Myths, Models, and Theories. London: Sage Publications, 1997.
  25. Gigerenzer, G., and Selten, R. (eds.) Bounded Rationality: The Adaptive Toolbox. MIT Press, Cambridge, MA, 2001.
  26. Gigerenzer, G., Todd, P., ABC Research Group. Simple Heuristics That Make Us Smart. Oxford University Press, New York.
  27. Gleick, J. Chaos: Making a New Science. Penguin, New York, NY, 1987.
  28. Keynes, J. The General Theory of Employment, Interest and Money, London: Macmillan, 1936.
  29. Kiel, L. and Elliot, E. (eds). Chaos Theory in the Social Sciences: Foundations and Applications. Ann Arbor, 1996.
  30. Lowenstein, R. When genius failed: The rise and fall of Long-Term Capital Management. New York: Random House Inc., 2000.
  31. Peters, E. Fractal Market Analysis. Applying Chaos Theory to Investment & Economics. J. Wiley & Sons, New York, 1994.
  32. Rappaport, A. Creating shareholder value. The Free Press, New York, 1986.
  33. Rappaport, A., and M. Maubossin. Expectations investing. Harvard Business School Press, Boston, 2001.
  34. Seyhun, H. Investment Intelligence: Tips from Insider Trading. Cambridge: MIT Press, MA, 2001.
  35. Sharpe, W. Portfolio theory and capital markets. New York: McGraw-Hill, 1970.
  36. Shefrin, H. Beyond Greed and Fear: Understanding behavioral finance and the psychology of investing. Oxford Universtity Press, 2002.
  37. Shleifer, A. Inefficient Markets: An Introduction to Behavioral Finance. New York: Oxford Universtity Press, 2000.
  38. Simon, H. Models of Bounded Rationality. MIT Press, Cambridge, MA, 1982.
  39. Von Neumann, J., and O. Morgenstern, Theory of Games and Economic Behavior. Princeton University Press, Princeton, NJ, 1947.1. Статьи.
  40. , В., А. Граковский (2005), «Оценка уровня стохастичности временных рядов произвольного происхождения при помощи показателя Хёрста,» Computer Modelling and New Technologies, Vol.9, No.2, 27−32.
  41. А., Гаврилов H., Карташов Б. К вопросу о когерентности на российском рынке акций. // Рынок ценных бумаг. 2006 — № 13 (316) — с.37−38.
  42. Г. Г. Нейроромантизм или компьютерные вариации на темы мозга. // Знание-сила. 1994. — № 8, с.44−50.
  43. А.В. Поведенческие модели ценообразования активов. // Финансы и кредит.-2010.-№ 11 (395).
  44. А.В., Никитушкина И. В. Рынок как нелинейная динамическая система. // Вестник МГУ. -2010.
  45. А.В. Дивиденды: платить или не платить? Поведенческий взгляд на дивидендную политику. // Электронный журнал ««.
  46. А.В., Репин Д. В. Психология корпоративных новостей, или дополнительный фактор создания стоимости. // Психология для руководителя. -2008 (март). стр.64−69.
  47. А.В., Репин Д. В. Структура капитала: от традиционного подхода к поведенческому. // Электронный журнал «Корпоративные финансы». 2008. — № 1 (5)-стр. 104−119.
  48. А.В., Репин Д. В. Поведенческие корпоративные финансы: обзор. // Электронная база научных статей SSRN (Social Science Research Network). 2008 (май) http://ssrn.com/abstract=l 133 842
  49. A.B., Репин Д. В. Влияние корпоративных новостей на рыночную стоимость компаний. // Электронный журнал «Корпоративные финансы». 2009. -№ 1(9) — стр. 41−69.
  50. В.П., Цветков И. В., Гуляева О. С. Фрактальный анализ валютных временных рядов. // Финансы и кредит. 2007 — № 9 — с.30−35.
  51. Abarbanell, J., and R. Lehavy (2000), «Biased forecasts or biased earnings? The role of earnings management in explaining apparent optimism and inefficiency in analysts' earnings forecasts,» Unpublished paper, University of North Carolina.
  52. Agrawal, A., Jaffe, J.F., and G. Mandelker (1992). «The post-merger performance of acquiring firms in acquisitions: a re-examination of an anomaly,» Journal of Finance, 47, pp.1605−1621.
  53. Amir, E., Lev, B., and T. Sougiannis (1999), «What value analysts?» Working paper.
  54. Baker, M., and J. Wurgler (2004a), «A catering theory of dividends,» Journal of Finance, 59, pp. 271−288.
  55. Baker, M., and J. Wurgler (2004b), «Appearing and disappearing dividends: The link to catering incentives,» Journal of Financial Economics, forthcoming.
  56. , R. (1978), «Anomalies in Relations between Securities' Yields and Yield Surrogates,» Journal of Financial Economics 9, 3−18.
  57. Barber, B., and T. Odean (2006), «All that glitters: The effect of attention and news on the buying behavior of individual and institutional investors,» Working paper.
  58. Barberis, N., Huang M., and T. Santos (2001), «Prospect Theory and Asset Prices,» Quarterly Journal of Economics 116, 1−53.
  59. Barberis, N., Shleifer, A., and R. Vishny (1998), «A model of investor sentiment,» Journal of Financial Economics, 49, pp.307−343.
  60. Barberis, N., and R. Thaler (2002), «A survey of behavioral finance,» Working paper.
  61. Barth, M., Elliot, J., and M. Finn (1999), «Market rewards associated with patterns of increasing earnings,» Journal of Accounting Research, 37, 387−414.
  62. , S. (1983), «The relationship between earnings yield, market value, and return for NYSE common stocks: Further evidence,» Journal of Financial Economics, 12, pp. 129 156.
  63. Benartzi, S., and R. Thaler (1995), «Myopic Loss Aversion and The Equity Premium Puzzle,» Quarterly Journal of Economics 110, 75−92.
  64. Bernard, V., and J. Thomas (1989), «Post-earnings announcement drift: Delayed price response or risk premium?» Journal of Accounting Research, (Suppl.) 27, pp. 1−36.
  65. Bernard, V., Thomas, J., and J. Wahlen (1997), «Accounting based stock price anomalies: Separating market inefficiencies from risk,» Contemporary Accounting Research, 14, pp. 89−136.
  66. , F. (1986), «Noise,» Journal of Finance, Vol. 41, pp. 529−543.
  67. Black, F., Jensen, M., and M. Scholes (1972), «The Capital Asset Pricing Model: Some Empirical Tests,» in M. Jensen ed. Studies in the Theory of Capital Markets (Praeger, New York, NY).
  68. , L. (2001), «A temporal analysis of earnings surprises: Profits versus losses.» Journal of Accounting Research, 39, pp. 221−241.
  69. Brown, S., and J. Warner (1985), «Using daily stock returns: The case of event studies,» Journal of Financial Economics 14, pp. 3−31.
  70. Callan, E. and Shapiro, D. (1974), «A theory of social imitation,» Physics Today, 27.
  71. Campbell, J., Grossman, S., and J. Wang (1993), «Trading volume and serial correlation in stock returns,» Quarterly Journal of Economics, 108, pp. 905−940.
  72. Chan, L., and J. Lakonishok (1995), «The behavior of stock prices around institutional trades,» Journal of Finance, 50, pp. 1147−1174.
  73. Chan, L., Jegadeesh, N., and J. Lakonishok (1997), «Momentum strategies,» Journal of Finance, 51, pp. 1681−1713.
  74. , W. (2003), «Stock price reaction to news and no-news: drift and reversal after headlinesJournal of Financial Economics, 70, pp. 223−260.
  75. Chopra, N., Lakonishok, J., and J. Ritter (1992). «Measuring abnormal performance: do stocks overreact 1» Journal of Financial Economics, 31, pp. 235−268.
  76. Cohen, R., Gompers, P., and T. Vuolteenaho (2002). «Who underreacts to cash-flow news? Evidence from trading between indidviduals and institutions,» Journal of Financial Economics, Vol. 66, Iss. 2, 3- p. 409.
  77. Conrad, J., Cornell, B., and W. Landsman (2002). «When Is Bad News Really Bad News?» The Journal of Finance, Vol. LVII, No.6, pp. 2507−2532.
  78. Copeland, J., Dolgoff, A. and A. Moel (2004). «The role of expectations in explaining the cross-section of returns,» Review of Accounting Studies, Vol. 9.
  79. Copeland, T., and A. Dolgoff (2005). «Outperform with expectations-based management,» Published by John Wiley & Sons, Inc., Hoboken, New Jersey.
  80. Cutler, D., Poterba, J., and L. Summers (2002), «What moves stock prices?» NBER Working paper № 2538.
  81. Cutler, D., Poterba, J., and L. Summers (1991), «Speculative dynamics,» Review of Economic Studies, 58, pp. 529−546.
  82. Daniel, K., Hirshleifer, D., and A. Subrahmanyam (1998), «A theory of overconfidence, self-attribution, and security market under- and over-reactions,» Journal of Finance, 53, in press.
  83. , A. (1997), «Fluctuating confidence in stock markets: Implications for returns and volatility,» Journal of Financial and Quantitative Analysis, 32, pp. 427−482.
  84. De Bondt, W., and R. Thaler. (1985). «Does the stock market overreact?» Journal of Finance, 40, pp. 793−808.
  85. Dechow, P., and R. Sloan (1997), «Returns to contrarian investment strategies: Tests of naive expectations hypotheses,» Journal of Financial Economics, 43, pp. 3−27.
  86. De Long, J.B., Summers L., Shleifer A., and R. Waldmann (1989), «The Size and Incidence of the Losses from Noise Trading,» Journal of Finance, Vol. 44, pp. 681−696.
  87. De Long, J.B., Summers L., Shleifer A., and R. Waldmann (1990), «Noise Trader risk in financial Markets,» Journal of Political Economy 98, 703−738.
  88. De Long, J.B., Summers L., Shleifer A., and R. Waldmann (1991), «The Survival of Noise Traders in Financial Markets,» Journal of Business, Vol. 64, pp. 1−19.
  89. DellaVigna, S., and J. Pollett (2004), «Strategic release of information on fridays: Evidence from earnings announcements,» Working paper.
  90. Diether, K., Malloy, C., and A. Scherbina (2002), «Differences of opinion and the cross section of stock returns,» Journal of Finance, Vol. 57, No. 5,2113−2141.
  91. , W. (1968), «Conservatism in human information processing,» in: Kleinmutz, B. (Ed.). Formal Representation of Human Judgment. John Wiley and Sons, New York, pp. 17−52.
  92. , A. (2002), «How do different types of investors react to new financial statement information?» Swedish School of Economics and Business Administration Working Paper No. 464.
  93. , E. (1965a), «Portfolio analysis in a stable Paretian market,» Management Science, 11.
  94. , E. (1970), «Efficient Capital Markets: A Review of Theory and Empirical Work,» Journal of Finance, 25, 383−417.
  95. , E. (1998), «Market efficiency, long-term returns, and behavioral finance,» Journal of Financial Economics, 49, pp. 283−306.
  96. Fama, E., and K. French (1993), «Common risk factors in the returns on stocks and bonds,» Journal of Financial Economics, 33, pp. 3−56.
  97. Fama, E., and K. French (1996), «Multifactor explanation of asset pricing anomalies,» Journal of Finance, 51, pp. 55−84.
  98. Fama, E., and K. French (1995). «Size and book-to-market factors in earnings and stock returnsJournal of Finance, 50, pp. 131−155.
  99. Fama, E., and K. French (1992), «The cross-section of expected stock returns,» Journal of Finance, 47, pp. 427165.
  100. Fama, E. and J. MacBeth (1973), «Risk, Return, and Equilibrium: Empirical Tests,» Journal of Political Economy 71, 607−636.
  101. , M. (1983), «Universal behavior in nonlinear systems,» Physica ID.
  102. J. (1987), «Nonlinearity in high-order social systems,» European Journal of Operational Research, Vol. 30.
  103. Foster, F.D., and S. Vishwanathan (1996), «Strategic trading when agents forecast of others,» Journal of Finance, 51, pp. 1437−1478.
  104. Friedman, B., and D. Laibson (1989), «Economic Implications of extraordinary movements in stock prices,» Brookings Papers on Economic Activity 2.
  105. , M. (1953), «The case for flexible exchange rates,» in Essays in Positive Economics, Chicago: University of Chicago Press.
  106. Froot, K. and E. Dabora (1999), «How Are Stock Prices Affected by the Location of Trade?», NBER, Working paper No.6572.
  107. , G. (2001) «Decision making: Nonrational theories,» InN. J. Smelser & P. B. Baltes (Eds.), International Encyclopedia of the Social and Behavioral Sciences. Vol. 5 (pp. 3304−3309). Oxford, UK: Elsevier.
  108. Gompers, P., and J. Lerner (1998), «Venture capital distributions: short-run and long-run reactions,» Journal of Finance, 53, pp. 2161−2183.
  109. , K. (1970), «On formally undecidable propositions of Principia Mathematica and related systems I». In: Frege and Godel: Two Fundamental Texts in Mathematical Logic. Cambridge, Massachusetts. Pp. 87−108.
  110. Harris, L., and E. Gurel (1986), «Price and Volume Effects Associated with Changes in the S&P 500: New Evidence for the Existence of Price Pressure, «Journal of Finance 41, 851−860.
  111. Hong, H., and J. Stein (1999), «A unified theory of underreaction, momentum trading and overreaction in asset markets,» Journal of Finance, 54, pp. 2143−2184.
  112. Hong, H., Lim, T., and J. Stein (2000), «Bad news travels slowly: size, analyst coverage, and the profitability of momentum strategies» Journal of Finance, 55, pp. 265−295.
  113. , H. (1951), «Long-term storage of reservoirs,» Transactions of the American Society of Civil Engineers, 116.
  114. Ibbotson, R., and J. Jaffe (1975), «'Hot issue' markets,» Journal of Finance 30, 10 271 042.
  115. Ibbotson, R., J. Sindelar, and J. Ritter (1994), «The market’s problems with the pricing of initial public offerings,» Journal of Applied Corporate Finance 7, 66−74.
  116. Ikenberry, D., and J. Lakonishok (1993), «Corporate governance through the proxy contest: Evidence and implications,» Journal of Business, 66, pp. 405−435.
  117. Ikenberry, D., and S. Ramnath (2002), «Underreaction to self-selected news events: the case of stock splits,» Review of Financial Studies, 15, pp. 489−526.
  118. Ikenberry, D., Lakonishok, J., and T. Vermaelen (1995), «Market underreaction to open market share repurchases,» Journal of Financial Economics, 39, pp. 181−208.
  119. Ikenberry, D., Rankine, G., and E. Stice (1996), «What do stock splits really signal?» Journal of Financial and Quantitative Analysis, 31, pp. 357−375.
  120. , N. (1990), «Evidence of predictable behavior of security returns,» Journal of Finance, 45, pp. 881−898.
  121. Jegadeesh, N. and S. Titman (1993), «Returns to buying winners and selling losers: implications for stock market efficiency,» Journal of Finance, 48, pp. 65−91.
  122. Kahneman, D., and A. Tversky (1974), «Judgment Under Uncertainty: Heuristics and Biases,» Science 185,1124−31.
  123. Kahneman D. and A. Tversky (1979), «Prospect Theory: An Analysis of Decision Under Risk,» Econometrica, 47, pp. 263—-91.
  124. Kaul, A., Mehrotra V., and R. Morck (2000), «Demand Curves for Stocks Do Slope Down: New Evidence from an Index Weights Adjustment,» Journal of Finance 55, 893 912.
  125. , J. M. (1939), «Professor Tinbergen’s Method,» The Economic Journal, Vol. 49, pp. 558−568.
  126. Kothari, S., and J. Warner (2004), «The econometrics of event studies.» Available at SSRN.
  127. Kothari, S., Sabino, S., and T. Zach (1999), «Implications of data restrictions on performance measurement and tests of rational pricing.» Unpuplished paper, Massachussets Institute of Technology, Cambridge, MA.
  128. Kothari, S., Shu, S., and P. Wysocki (2008). «Do Managers Withhold Bad News?» MIT Sloan Research Paper No. 4556−05.
  129. , A. (1985), «Continious auctions and insider trading,» Econometrica, 53, pp. 13 151 335.
  130. La Porta, R. (1996), «Expectations and the cross-section of expected returns,» Journal of Finance, 51, pp. 1715−1742.
  131. La Porta, R., J. Lakonishok, Shleifer, A. and R. Vishny (1997), «Good news for value stocks: Further evidence on market efficiency,» Journal of Finance, 52, pp. 859−874.
  132. Lakonishok, J., Shleifer, A., and R. Vishny (1994), «Contrarian investment, extrapolation, and risk.» Journal of Finance, 49, pp. 1541—1578.
  133. Lamont, O., and R. Thaler (2002), «Can the Market Add and Subtract? Mispricing in Tech Stock Carve-Outs,» Journal of Political Economy. April, 111, pp. 227−68.
  134. Lee, C. (1992), «Earnings news and small traders,» Journal of Accounting Economics, 15, pp. 265−302.
  135. , J. (1965), «The valuation of risk assets and the selection of risk investments in stock portfolios and capital budgets,» Review of Economic Statistics 47.
  136. Lo, A., and A. MacKinlay (1990), «When are contrarian profits due to stock market overreaction?» Review of Financial Studies, 3, pp. 175−205.
  137. Loomes, G., and R. Sugden (1982), «Regret Theory: an alternative theory of rational choice under ucertainty,» The Economic Journal, 92, 805−824.
  138. A. (1995), «Chaotic dynamics of chemical systems,» In: Mathematical Methods in Contemporary Chemistry. Ed. S. I. Kuchanov. — Gordon and Breach, USA, p. 181−265.
  139. , A. (1926), «The frequency distribution of scientific productivity,» Journal of the Washington Academy of Science, 16.
  140. Loughran, T., and J. Ritter, (1995), «The new issues puzzle,» The Journal of Finance, 50, pp. 23−52.
  141. Loughran, T., and J. Ritter (2002), «Why don’t issuers get upset about leaving money on the table in IPOs?», The Review of Financial Studies 15, 2.
  142. Lowry, M., and W. Schwert (2002), «IPO market cycles: Bubbles or sequential learning?» Journal of Finance 57, forthcoming.
  143. MacKinlay, C. (1997), «Event studies in economics and finance,» Journal of Economic Literature 35, pp. 13−39.
  144. , B. (1964), «The variation of certain speculative prices,» in P. Cootner, ed., The Random character of stock market prices. Cambridge: MIT Press, 1964.
  145. , B. (1999), «A multifractal walk down Wall Street,» Scientific American, Feb.
  146. , H. (1952), «Portfolio selection,» Journal of Finance, 7.
  147. May, R. (1976), «Simple mathematical models with very complicated dynamics,» Nature 261.
  148. Mehra, R., and E. Prescott (1985), «The Equity Premium: A Puzzle,» Journal of Monetary Economics 15, pp. 145−161.
  149. , R. (1987), «A simple model of capital market equilibrium with incomplete information,» Journal of Finance 42, pp. 483−510.
  150. Michaely, R., and K. Womack (1999), «Conflict of interest and the credibility of underwriter analyst recommendations,» Review of Financial Studies 12, pp. 653−686.
  151. Michaely, R., Thaler, R., and K. Womack (1995), «Price reactions to dividend initiations and omissions: overreaction or drift?» Journal of Finance, 50, pp. 573−608.
  152. Mitchell, M., and J. Mulherin (1994), «The impact of public information on the stock market,» Journal of Finance, 49, pp. 923−950.
  153. , J. (1966), «Equilibrium in a capital asset market,» Econometrica, 34.
  154. , M. «Brownian motion in the stock market,» in P. Cootner, ed., The Random character of stock market prices. Cambridge: MIT Press, 1964.
  155. , E. (1989), «Fractal structure in the capital markets,» Financial Analysts Journal, July/August.
  156. , E. (1991), «A chaotic attractor for the S&P 500,» Financial Analysts Journal, March/April.
  157. Pritamani. M., and V. Singal (2001), «Return predictability following large price changes and information releases,» Journal of Banking and Finance, 25, pp. 631−656.
  158. , J. (1991), «The long-run performance of initial public offerings,» Journal of Finance, 46, pp. 3−27.
  159. , J. (1998), «Initial public offerings,» Contemporary Finance Digest.
  160. Ritter, J., and I. Welch (2002), «A review of IPO activity, pricing, and allocations,» Journal of Finance 57, 4, 1795−1828.
  161. Roll, R (1988), «R2», Journal of Finance, 43, pp. 541−566.
  162. , K. (1988), «International momentum strategies,» Journal of Finance, 53, pp. 267−284.
  163. , P. (1965), «Proof and properly anticipated prices fluctuate randomly,» Industrial Management Review, Spring.
  164. , G. (1981), «The adjustment of stock prices to information about inflation,» Journal of Finance, 36, pp. 15−29.
  165. , W. (1964), «Capital asset prices: A theory of market equilibrium under conditions of risk,» Journal of Finance, 19.
  166. , H. (2000), «Barriers and bounds to rationality,» Structural Change and Economic Dynamics, 11, 243−253.
  167. , R. (1981), «Do Stock Prices Move Too much to be Justified by Subsequent changes in Dividends?» American Economic Review 71, 421−436.
  168. , R. (1990), «Speculative prices and popular models,» The Journal of Economic Perspectives 4, 2, 55−65.
  169. , A. (1986), «Do Demand Curves for Stocks Slope Down?» Journal of Finance 41, 579−590.
  170. , D. (1997), «Earnings disclosures and stockholder lawsuits,» Journal of Accounting & Economics, 23, pp. 249−282.
  171. Skinner, D., and R. Sloan (2002), «Earnings surprises, growth expectations and stock returns or Don’t let an earnings torpedo sink your portfolio,» Review of Accounting Studies, 7, pp. 289−312.
  172. Soffer, L., Thiagarajan, S., and B. Walther (2000), «Earnings preannouncement strategies,» Review of Accounting Studies, 5, pp. 5−26.
  173. Spiess, K., and J. Affleck-Graves (1995), «Underperformance in long-run stock returns following seasoned equity offerings,» Journal of Financial Economics, 38, pp. 243−267.
  174. , D. (1980), «Book values and stock returns,» The Chicago MBA: A Journal of Selected Papers, 4, pp. 25−45.
  175. , A. (1989), «On the distribution of financial futures price changes,» Financial Analysts Journal, May/June.
  176. Tan, H.T., Libby R., and Hunton (2002) «Analysts' reactions., to earnings preannouncement strategies,» Journal of Accounting Research, 40, 223−246.
  177. Teoh, S., I. Welch arid T. Wong (1998), «Earnings management and the long-run market performance of initial1 public offerings,» Journal of Finance 53, 1935−1974.
  178. Turner, A. and Weigel, E. (1990), «An analysis of stock market volatility,» Russel Research Commentaries, Frank Russel Company, Tacoma, WA.
  179. , T. (1991), «The coherent market hypothesis,» Financial Analysts Journal, December/January.
  180. , P. (1999), «Stock market overreaction to bad news in good times: A rational expectations equilibrium model,» Review of Financial Studies, 12, pp. 975−1007.
  181. А. «Детерминированный хаос и информационные технологии» (1998) Компьютерра, № 47.http://www.cplire.ru/rus/lnformChaosLab/chaoscomputerra/Dmitriev.htinl
  182. , И.В., доклад «Фрактальный анализ и его применение к исследованию временных рядов». 2002. http://www.russeca.kent.edu/SeminarTsvetkovRus.pdf.
  183. , А.Е. «Фрактальный анализ временных рядов» Социология: 4M. 2006. № 22. (стр. 162 183) www.isras.ru/files/File/4M/22/Serikov.pdf
  184. Ю. Выпускная квалификационная работа на тему «Анализ фрактальных свойств финансово-экономических процессов в экономике РФ» (2004) www.iet.ru/files/text/diplom/2004/strygin.pdf
  185. , А. «Талеб. Черный лебедь» (рецензия на книгу Талеба «Черный лебедь»), http://www.proza.ru/2008/03/08/492.
  186. Бифуркационная диаграмма — график, показывающий критические точки, при которых происходят бифуркации, и возможные решения, которые существуют в этих точках.
  187. Бифуркация приобретение нового качества в движениях динамической системы при малом изменении её параметров (в частности, при достижении критического уровня параметров количество решений, или равновесных положений системы удваивается).
  188. Волатильность стандартное отклонение изменений стоимости рыночного актива.
  189. Временной ряд совокупность наблюдаемых параметров изучаемой системы во времени.
  190. Истинная (справедливая, фундаментальная, внутренняя) стоимость это стоимостьвсех будущих денежных потоков актива- приведенная к текущему моменту времени. ч
  191. Критические уровни величины управляющих параметров, при которых изменяется природа нелинейной динамической системы. Такая система может бифурцировать или совершить переход от устойчивого состояния к турбулентности.
  192. Лептоэксцесс (лептоэксцессное распределение) явление, состоящее в том, что кривая плотности вероятности имеет более толстые хвосты и более острый пик на среднем значении, чем это имеет место у нормального распределения.
  193. Нелинейная система — динамическая система, в которой протекают процессы, описываемые нелинейными дифференциальными уравнениями. Свойства и характеристики нелинейных систем зависят от их состояния.
  194. Открытая система — система, подверженная влиянию извне различного рода (информационного, вещественного, энергетического и т. д.)
  195. Показатель Херста (Н) — мера смещения в частично броуновском движении относительно случайного блуждания: Н— 0.50 для случайного блуждания, 0.50 < Н < 1.00 для персистентного ряда, 0 < Н < 0.50 для антиперсистентного ряда.
  196. Продажа без покрытия (англ. short selling — короткая продажа, шорт, короткая позиция, игра на понижение) — продажа ценных бумаг, товаров или валюты, которыми торговец на момент продажи не владеет.
  197. Распределение Парето (Парето-Леви), или Устойчивое распределение Парето см.
  198. Фрактальное распределение.
  199. Сложная система система, состоящая из множества взаимодействующих составляющих (подсистем), вследствие чего сложная система приобретает новые свойства, которые отсутствуют на подсистемном уровне и не могут быть сведены к свойствам подсистемного уровня.
  200. Случайное блуждание броуновское движение, где предшествующие изменения величины переменной не связаны с прошлыми или будущими изменениями.
  201. Смещенное случайное блуждание (или частично броуновское движение). В противоположность стандартному броуновскому движению, шансы смещаются в одну или другую сторону.
  202. Теория сложности теория, которая изучает процессы с большим количеством агентов, кажущихся независимыми, способных спонтанно самоорганизоваться в когерентную систему.
  203. Фазовое пространство график, показывающий все возможные состояния системы. Он показывает зависимость значения переменной от величин других возможных переменных в один и тот же момент времени.
  204. Фрактальная размерность количественная мера структурности различных объектов.
  205. Фрактальное распределение — функция плотности вероятности, которая статистически самоподобна- это означает, что в различных интервалах времени статистические характеристики остаются одинаковыми.
  206. ГЭР Гипотеза эффективного рынка.
  207. АМЕХ (American Stock Exchange) Американская фондовая биржа.
  208. AR (Abnormal Return) Сверхнормальная доходность (величина отклонения фактической доходности от ожидаемой).
  209. ARPU (Average Return Per User) Средняя выручка (обычно за месяц) в расчетет на одного абонента. Один из показателей успешности бизнеса телекоммуникационных, IT-компаний.
  210. САРМ (Capital Asset Pricing Model) Модель ценообразования долгосрочных активов. CAR (Cumulated Abnormal Return) — Накопленная (за некоторой промежуток времени) сверхнормальная доходность.
  211. EBITDA (Earnings Before Tax, Interest, Depreciation and Amortization) Прибыль до выплаты процентов, налогов, и вычета износа основных средств и амортизации нематериальных активов.
  212. OIBDA (Operating Income Before Depreciation and Amortization) Операционная прибыль до вычета износа основных средств и амортизации нематериальных активов.
Заполнить форму текущей работой

На отлично!