Б А К А Л А В Р И А Т

ФГОБУ ВО «Финансовый университет

при Правительстве Российской Федерации»

Ю.Ф. КАСИМОВ, М.С. АЛЬ-НАТОР, А.Н. КОЛЕСНИКОВ

ОСНОВЫ
ФИНАНСОВЫХ
ВЫЧИСЛЕНИЙ
ПОРТФЕЛИ АКТИВОВ,
ОПТИМИЗАЦИЯ
И ХЕДЖИРОВАНИЕ
Рекомендовано
Экспертным советом УМО
в системе ВО и СПО в качестве учебника для студентов,
обучающихся по направлениям «Экономика»,
«Менеджмент», «Прикладная математика и информатика»

КНОРУС • МОСКВА • 2017

УДК 681.140(075.8)
ББК 65.26я73
К28

Рецензенты:
С.А. Балашова, канд. физ.-мат. наук, доц. (Российский университет дружбы народов),
А.К. Керимов, канд. физ.-мат. наук, доц. (Финансовый университет)

Касимов, Юрий Федорович.

К28 Основы финансовых вычислений. Портфели активов, оптимизация
и хеджирование : учебник / Ю.Ф. Касимов, М.С. Аль-Натор, А.Н. Колесников. —
Москва : КНОРУС, 2017. — 322 с. — (Бакалавриат).
ISBN 978-5-406-05591-5
DOI 10.15216/978-5-406-05591-5
В третьей части рассматриваются стохастические методы анализа финансовых
рынков. Здесь излагается современная теория портфеля (теория Марковица) и модель
оценивания финансовых активов (САРМ). Рассмотрены однофакторная модель Шарпа
и меры эффективности финансовых сделок с учетом риска (коэффициенты Шарпа,
Трейнора, Йенсена). В четвертой части рассматриваются модели оценивания облига-
ций, их ценовой чувствительности к изменению процентных ставок и различных типов
доходности. Рассмотрены также структура процентных ставок, форвардные ставки,
и оценивание облигаций и их процентного риска относительно заданной структуры
процентных ставок. Проведен анализ портфелей облигаций, включая основные типы
доходностей портфельных сделок и хеджирование процентного риска.
Соответствует ФГОС ВО 3+.
Для студентов бакалавриата, обучающихся по направлениям «Экономика», «Ме-
неджмент» и «Прикладная математика и информатика» и изучающих курсы основ
финансовых вычислений, финансовой и актуарной математики, математических
методов финансового анализа.
УДК 681.140(075.8)
ББК 65.26я73

Касимов Юрий Федорович

Аль-Натор Мохаммед Субхи
Колесников Алексей Николаевич
ОСНОВЫ ФИНАНСОВЫХ ВЫЧИСЛЕНИЙ.
ПОРТФЕЛИ АКТИВОВ, ОПТИМИЗАЦИЯ И ХЕДЖИРОВАНИЕ
Сертификат соответствия № РОСС RU.АГ51.Н03820 от 08.09.2015.
Изд. № 13535. Подписано в печать 08.09.2016. Формат 60×90/16.
Гарнитура «Times New Roman». Печать офсетная.
Усл. печ. л. 20,5. Уч.-изд. л. 12,0. Тираж 500 экз.
ООО «Издательство «КноРус».
117218, г. Москва, ул. Кедрова, д. 14, корп. 2.
Тел.: 8-495-741-46-28.
E-mail: office@knorus.ru http://www.knorus.ru
Отпечатано в ПАО «Т8 Издательские Технологии».
109316, г. Москва, Волгоградский проспект, д. 42, корп. 5.
Тел.: 8-495-221-89-80.

© Касимов Ю.Ф., Аль-Натор М.С.,

Колесников А.Н., 2017
ISBN /978-5-406-05591-5 © ООО «Издательство «КноРус», 2017
 ОГЛАВЛЕНИЕ

ЧАСТЬ III
МЕТОДЫ ОПТИМИЗАЦИИ ПОРТФЕЛЕЙ АКТИВОВ

Глава 14. Вероятностная и статистическая модели рынка

14.1. Вероятностная модель рынка ..................................................................... 7
14.2. Статистическая модель рынка ................................................................. 18
14.3. Параметрическая модель рынка .............................................................. 24
Задачи ...................................................................................................................... 31
Глава 15. Оптимизация портфелей из двух активов
15.1. Типы моделей в теории инвестиций ....................................................... 35
15.2. Проблемы выбора оптимального портфеля ........................................... 42
Задачи ...................................................................................................................... 56
Глава 16. Многомерные модели рынка
16.1. Модель Блека для портфеля из трех активов ......................................... 58
16.2. Матричные методы оптимизации портфеля в модели Блека ............... 62
16.3. Модель Марковица с тремя активами ..................................................... 81
Задачи ...................................................................................................................... 94
Глава 17. Модель Тобина–Шарпа–Линтнера
17.1. Модель Тобина для рынка из двух активов ............................................ 97
17.2. Оптимизация портфелей с произвольным числом активов
в модели Тобина ..................................................................................... 106
Задачи .................................................................................................................... 117
Глава 18. Модели финансовых рынков
18.1. Основные предположения модели CAPM ............................................ 119
18.2. Уравнение эффективной линии рынка .................................................. 120
18.3. Формирование оптимальных портфелей с использованием CAPM .. 125
18.4. Бета и характеристическая линия рынка .............................................. 129
18.5. Однофакторная модель рынка ............................................................... 134
18.6. Методы измерения эффективности инвестиций с учетом риска ....... 139
Задачи .................................................................................................................... 143
Тесты ...................................................................................................................... 145
ЧАСТЬ IV
ОБЛИГАЦИИ И ИХ ПОРТФЕЛИ. РАСЧЕТ ХАРАКТЕРИСТИК,
ОПТИМИЗАЦИЯ И ХЕДЖИРОВАНИЕ РИСКА

Глава 19. Облигации и их оценивание

19.1. Основные характеристики облигаций ................................................... 153
19.2. Внутренняя цена облигации ................................................................... 160

3
 19.3. Практические методы оценивания облигаций ..................................... 171
19.4. Оценивание облигаций в календарной шкале ...................................... 179
Задачи .................................................................................................................... 188
Глава 20. Доходность облигаций
20.1. Простые меры доходности ..................................................................... 191
20.2. Реализованная доходность облигации .................................................. 195
20.3. Доходность к погашению и ее свойства ............................................... 208
Задачи .................................................................................................................... 217
Глава 21. Ценовая чувствительность облигаций
21.1. Дюрация и выпуклость потока платежей ............................................. 219
21.2. Чувствительность и дюрация облигаций .............................................. 229
21.3. Свойства дюрации облигаций ................................................................ 235
21.4. Дюрация внутри купонных периодов ................................................... 239
Задачи .................................................................................................................... 244
Глава 22. Временная структура процентных ставок
22.1. Кривая доходности .................................................................................. 246
22.2. Спот-ставки и дисконтная кривая ......................................................... 252
22.3. Форвардные ставки ................................................................................. 254
Задачи .................................................................................................................... 259
Глава 23. Портфели облигаций
23.1. Способы задания портфеля облигаций ................................................. 261
23.2. Дублирующие портфели, оценивание и арбитраж .............................. 265
23.3. Доходность к погашению портфеля облигаций ................................... 282
23.4. Реализованная доходность портфеля .................................................... 287
23.5. Дюрация портфеля .................................................................................. 294
23.6. Управление процентным риском и иммунизация................................ 297
Задачи .................................................................................................................... 303
Тесты ...................................................................................................................... 306
Ответы к задачам .................................................................................................. 315
Литература ............................................................................................................ 321
ЧАСТЬ III
ÌÅÒÎÄÛ ÎÏÒÈÌÈÇÀÖÈÈ
ÏÎÐÒÔÅËÅÉ ÀÊÒÈÂÎÂ
 Данная часть учебника посвящена стохастическим методам анализа фи-
нансового рынка. Здесь излагается современная теория портфеля (теория
Марковица) и модель оценивания финансовых активов (САРМ); рассмотрены
однофакторная модель Шарпа и меры эффективности финансовых сделок с
учетом риска (коэффициенты Шарпа, Трейнора и Йенсена).
Недетермированные модели используются в анализе и принятии финан-
совых, в частности инвестиционных, решений в условиях неопределенности
и риска. В этих моделях будущие цены и доходы активов и, следовательно,
составленные из них портфели, заранее неизвестны. Значительный прогресс
в финансовой теории был достигнут тогда, когда эти характеристики стали
рассматривать как случайные величины. Используя числовые характеристики
этих случайных величин, такие как математическое ожидание, дисперсия и
другие, стало возможным количественно охарактеризовать эффективность
принимаемых финансовых решений. В частности, появилась возможность
введения различных мер риска принимаемых решений. По этой причине по-
дробно изложены вероятностные, статистические и параметрические модели
рынка (гл. 14). Помимо этого дается детальный анализ структуры критериаль-
ных множеств, минимальных и эффективных границ в моделях Блека и Мар-
ковица (гл. 15, 16).
Во всех случаях результатом анализа является описание некоторого мно-
жества портфелей и их оценок. При этом демонстрируется важнейший прин-
цип, связывающий доходности и риск эффективных портфелей. Рост доход-
ности выбираемого портфеля сопровождается повышением его риска. В
конечном счете инвестор, решающий проблему выбора оптимального порт-
феля, должен выбрать только один портфель. Отметим, что выбор портфеля
с наименьшим риском может не устраивать инвестора своей низкой доходно-
стью. Поэтому изложены различные подходы к постановке и решению основ-
ных задач выбора оптимального портфеля.
В модели Блека сначала рассмотрены исключительно рисковые активы,
т.е. активы с ненулевой вариацией доходности. Однако в финансовой теории
и практике чрезвычайно важную роль играют безрисковые активы. Модель, в
которой явным образом предполагается наличие безрискового актива (гл. 17),
называется моделью Тобина–Шарпа–Линтнера (в дальнейшем – просто моде-
лью Тобина). Эта модель играет основную роль в классической модели
САРМ. Заметим, что с чисто формальной точки зрения модель Тобина явля-
ется частным случаем модели Блека, в которой матрица ковариаций вырож-
дена и имеет специальный вид.
В главе 18 рассмотрены две из самых известных теорий рынка капитала:
модель САРМ и однофакторная модель Шарпа. Модель САРМ относится к
равновесным моделям. Иными словами, при заданных предположениях о
рынке и поведении инвесторов она определяет теоретическую или равновес-
ную стоимость актива. Математически САРМ описывается двумя основ-
ными уравнениями: эффективной и характеристической линиями рынка.

6
 ГЛАВА 14
Вероятностная и статистическая модели рынка

14.1. Вероятностная модель рынка

Простейшая вероятностная модель рынка. Будем считать, что ры-
нок ценных бумаг в конце некоторого периода может находиться в одном
из трех состояний: 𝑠1 , 𝑠2 , 𝑠3 , где 𝑠1 – "хорошее" состояние, 𝑠2 – "среднее"
состояние, 𝑠3 – "плохое" состояние рынка. При этом заданы вероятности
этих состояний:
𝑝(𝑠1 ) – вероятность того, что рынок находится в состоянии 𝑠1 ;
𝑝(𝑠2 ) – вероятность того, что рынок находится в состоянии 𝑠2 ;
𝑝(𝑠3 ) – вероятность того, что рынок находится в состоянии 𝑠3 .
Активы, обращающиеся на рынке, будем обозначать 𝐴1 , 𝐴2 , 𝐴3 ,….
Пусть задана таблица, например, годовых доходностей для некоторых
трех активов 𝐴1 , 𝐴2 , 𝐴3 в каждом из состояний рынка. Годовые доходности
активов, заданные в таблице, измеряются в процентах.

Доходность Доходность Доходность

Состояния Вероятности
актива 𝐴1 (%) актива 𝐴2 (%) актива 𝐴3 (%)
𝑠1 𝑝(𝑠1 ) 𝑟11 𝑟12 𝑟13
𝑠2 𝑝(𝑠2 ) 𝑟21 𝑟22 𝑟23
𝑠3 𝑝(𝑠3 ) 𝑟31 𝑟32 𝑟33
Доходность актива 𝐴𝑖 (𝑖 = 1, 2, 3) можно рассматривать как дискретную
случайную величину, которая принимает значение 𝑟1𝑖 с вероятностью
𝑝(𝑠1 ), значение 𝑟2𝑖 с вероятностью 𝑝(𝑠2 ), значение 𝑟3𝑖 с вероятностью 𝑝(𝑠3 ).
Обозначим эту случайную величину 𝑅𝑖 .
Тогда ожидаемую доходность актива 𝐴𝑖 можно определить как мате-
матическое ожидание 𝑚𝑖 = 𝐸(𝑅𝑖 ) случайной величины 𝑅𝑖 . Математическое
ожидание случайной величины 𝑅𝑖 – доходности актива – вычисляется по
формуле
𝑚𝑖 = 𝐸(𝑅𝑖 ) = 𝑟1𝑖 𝑝(𝑠1 ) + 𝑟2𝑖 𝑝(𝑠2 ) + 𝑟3𝑖 𝑝(𝑠3 ). (14.1)
Математическое ожидание часто называют средним значением случай-
ной величины.
Пример 14.1. Пусть задана таблица годовых доходностей для трех ак-
тивов 𝐴1 , 𝐴2 , 𝐴3 в каждом из трех состояний рынка. Годовые доходности
активов, заданные в таблице, измеряются в процентах.

7
 Доходность Доходность Доходность
Состояния Вероятности
актива 𝐴1 (%) актива 𝐴2 (%) актива 𝐴3 (%)
𝑠1 0,3 20 30 −10
𝑠2 0,6 20 5 15
𝑠3 0,1 5 −20 15
Найти ожидаемую доходность для каждого актива.
Решение. Согласно формуле (14.1) для первого актива имеем (𝑖 = 1)
𝑚1 = 𝐸 (𝑅1 ) = 𝑟11 𝑝(𝑠1 ) + 𝑟21 𝑝(𝑠2 ) + 𝑟31 𝑝(𝑠3 ) =
= 20 ⋅ 0,3 + 20 ⋅ 0,6 + 5 ⋅ 0,1 = 18,5;
для второго актива (𝑖 = 2)
𝑚2 = 𝐸(𝑅2 ) = 𝑟12 𝑝(𝑠1 ) + 𝑟22 𝑝(𝑠2 ) + 𝑟32 𝑝(𝑠3 ) =
= 30 ∙ 0,3 + 5 ∙ 0,6 + (−20) ∙ 0,1 = 10;
для третьего актива (𝑖 = 3)
𝑚3 = 𝐸 (𝑅3 ) = 𝑟13 𝑝(𝑠1 ) + 𝑟23 𝑝(𝑠2 ) + 𝑟33 𝑝(𝑠3 ) =
= (−10) ∙ 0,3 + 15 ∙ 0,6 + 15 ∙ 0,1 = 7,5.
Итак, ожидаемые доходности активов 𝐴1 , 𝐴2 , 𝐴3 равны соответственно
18,5, 10, 7,5%.
Однако математическое ожидание не единственная характеристика
случайной величины. Второй числовой характеристикой случайной вели-
чины является дисперсия. Дисперсия характеризует "степень отклонения"
случайной величины от ее среднего значения. Ее также называют вариа-
цией случайной величины. Вариация 𝑉(𝑅𝑖 ) случайной величины 𝑅𝑖 вычис-
ляется по формуле
𝑉(𝑅𝑖 ) = (𝑟1𝑖 − 𝑚𝑖 )2 𝑝(𝑠1 ) + (𝑟2𝑖 − 𝑚𝑖 )2 𝑝(𝑠2 ) + (𝑟3𝑖 − 𝑚𝑖 )2 𝑝(𝑠3 ). (14.2)
В теории инвестиций Марковица математическое ожидание есть фор-
мальный аналог понятия доходности актива, а вариация служит мерой его
риска. Другими словами, полагают, что вариация 𝑉(𝑅𝑖 ) случайной вели-
чины (доходности) 𝑅𝑖 задает риск при вложении средств в актив 𝐴𝑖 .
Из определения вариации видно, что она имеет размерность квадрата
размерности величины 𝑅𝑖 . Для того чтобы использовать в качестве меры
разброса характеристику той же размерности, вместо вариации часто ис-
пользуют среднеквадратическое отклонение
𝑖 = (𝑅𝑖 ) = √𝑉(𝑅𝑖 ). (14.3)

8
 Пример 14.2. Пусть задана таблица годовых доходностей для некото-
рых трех активов в каждом из состояний рынка (пример 14.1). Годовые до-
ходности активов, заданные в таблице, измеряются в процентах. Найти
риск при вложении средств в покупку каждого актива.
Решение. Согласно формуле (14.2) для первого актива имеем (𝑖 = 1)
𝑉(𝑅1 ) = (𝑟11 − 𝑚1 )2 𝑝(𝑠1 ) + (𝑟21 − 𝑚1 )2𝑝(𝑠2 ) + (𝑟31 − 𝑚1 )2 𝑝(𝑠3 ) =
= (20 − 18,5)2 ∙ 0,3 + (20 − 18,5)2 ∙ 0,6 + (5 − 18,5)2 ∙ 0,1 = 20,25;
для второго актива (𝑖 = 2)
𝑉(𝑅2 ) = (𝑟12 − 𝑚2 )2 𝑝(𝑠1 ) + (𝑟22 − 𝑚2 )2 𝑝(𝑠2 ) + (𝑟32 − 𝑚2 )2 𝑝(𝑠3 ) =
= (30 − 10)2 ∙ 0,3 + (5 − 10)2 ∙ 0,6 + (−20 − 10)2 ∙ 0,1 = 225;
для третьего актива (𝑖 = 3)
𝑉(𝑅3 ) = (𝑟13 − 𝑚3 )2 𝑝(𝑠1 ) + (𝑟23 − 𝑚3 )2 𝑝(𝑠2 ) + (𝑟33 − 𝑚3 )2 𝑝(𝑠3 ) =
= (−10 − 7,5)2 ∙ 0,3 + (15 − 7,5)2 ∙ 0,6 + (15 – 7,5)2 ∙ 0,1 = 131,25.
Среднеквадратические отклонения, вычисляемые по формуле (14.3),

(𝑅1) = √𝑉(𝑅1 ) = 4,5; (𝑅2 ) = √𝑉(𝑅2 ) = 15;

(𝑅3 ) = √𝑉(𝑅3 ) = 11,46.
Риски активов 𝐴1 , 𝐴2 , 𝐴3 равны соответственно 4,5, 15, 11,46%.
Оценки активов. Оценкой актива 𝐴𝑖 будем называть пару значений
доходность-риск (𝑚𝑖 , 𝑉𝑖 ) или (𝑚𝑖 , 𝑖 ). Сведем полученные результаты в
следующую таблицу (доходности заданы в процентах)
Состояния Вероятность Доходность 𝐴1 Доходность 𝐴2 Доходность 𝐴3
𝑠 𝑝(𝑠) 𝑅1 𝑅2 𝑅3
1 0,3 20 30 −10
2 0,6 20 5 15
3 0,1 5 −20 15
Ожидаемая доходность
18,5 10 7,5
𝐸(𝑅𝑖 )
Вариация 𝑉(𝑅𝑖 ) 20,25 225 131,25
Стандартное отклонение
4,50 15,00 11,46
(𝑅𝑖 )
Пример 14.3. Найти оценку активов из примера 14.1.

9
 Решение. Для первого актива 𝐸(𝑅1 ) = 18,5, 𝑉(𝑅1 ) = 20,25.
Для второго актива 𝐸(𝑅2 ) = 10; 𝑉(𝑅2 ) = 225.
Для третьего актива 𝐸(𝑅3 ) = 7,5; 𝑉(𝑅3 ) = 131,25.
Следовательно, оценка первого актива (18,5; 20,25), оценка второго ак-
тива (10; 225), оценка третьего актива (7,5; 131,25).
Актив имеет наилучшую оценку в данном множестве оценок, если в
этом множестве нет оценки с большей ожидаемой доходностью и с мень-
шим риском.
Пример 14.4. Найти актив с наилучшей оценкой из примера 14.3.
Решение. Наилучшей является оценка первого актива, так как ожидае-
мая доходность этого актива 18,5 > 10 > 7,5, а риск 20,25 < 131,25 <
225. Однако если бы на рынке имелись бы только второй и третий активы,
то невозможно было бы выбрать актив с наилучшей оценкой, так как риск
и ожидаемая доходность второго актива больше, чем риск и ожидаемая до-
ходность третьего.
Общая конечная вероятностная модель рынка. Пусть рынок может
находиться в одном из множества
𝑆 = {𝑠1 , 𝑠2 , … , 𝑠𝑚 }
состояний. Множество S называется пространством состояний рынка.
Каждое состояние s имеет вероятность 𝑝(𝑠) ≥ 0 его реализации. Ниже, для
краткости, вероятность состояния 𝑠𝑘 будем обозначать 𝑝𝑘 . При этом есте-
ственно выполняется соотношение
𝑝1 + 𝑝2 + ⋯ + 𝑝𝑚 = 1.

Рассмотрим актив 𝐴, обращающийся на таком рынке. Тогда доход-

ность актива 𝐴 является случайной величиной 𝑅 = 𝑅𝐴 , принимающей значе-
ния 𝑟1 , 𝑟2 , … , 𝑟𝑚 в состояниях 𝑠1 , 𝑠2 , … , 𝑠𝑚 соответственно. Набор возмож-
ных доходностей с указанием соответствующих им вероятностей
называется распределением доходности актива. Оно обычно задается таб-
лицей вида

Значения: 𝑟 𝑟1 𝑟2 . . . 𝑟𝑚
Вероятность: 𝑝 𝑝1 𝑝2 . . . 𝑝𝑚

С точки зрения теории вероятностей в распределении содержится "вся"

необходимая информация о случайной величине. Неудобство состоит в

10
том, что распределение является функцией, в дискретном случае задавае-
мой таблично. Непосредственное использование распределений (таблиц)
при сравнении активов затруднительно, поскольку в реальности число "раз-
личимых" значений доходности может быть достаточно большим.
На практике вместо распределений используются важнейшие число-
вые характеристики случайной величины – ее математическое ожидание,
дисперсия и стандартное отклонение.
Ожидаемая доходность актива равна
𝑚𝐴 = 𝐸(𝑅𝐴 ) = 𝑟1 𝑝1 + 𝑟2 𝑝2 + ⋯ + 𝑟𝑚 𝑝𝑚 . (14.4)
Риск (вариация или дисперсия) актива задается в общем случае выра-
жением
2
𝑉𝐴 = 𝑉(𝑅𝐴 ) = 𝐸(𝑅 − 𝐸(𝑅 )) . (14.5)
Иными словами, вариация есть математическое ожидание квадрата от-
клонения случайной величины от ее среднего значения. Дисперсию можно
вычислять исходя из основного определения случайной величины, в этом
случае вместо случайной величины R рассматривается случайная величина
2
(𝑅 − 𝐸(𝑅)) , являющаяся функцией от исходной величины R. Дисперсию
доходности можно вычислить по ее распределению:
𝑉𝐴 = 𝑉[𝑅𝐴 ] = (𝑟1 − 𝑚𝐴 )2 𝑝1 + (𝑟2 − 𝑚𝐴 )2 𝑝2 + ⋯ + (𝑟𝑚 − 𝑚𝐴 )2 𝑝𝑚 . (14.6)
Здесь 𝑚𝐴 = 𝐸(𝑅𝐴 ) – ожидаемая доходность актива.
Наконец, среднеквадратичное (стандартное) отклонение доходности
актива равно 𝐴 = √𝑉(𝑅𝐴 ).
Ожидаемая доходность и риск (вариация и стандартное отклонение)
доходности актива являются его важнейшими инвестиционными характе-
ристиками, на основании которых инвестор принимает решение о разме-
щении средств в этот актив.
Оценка инвестиционных портфелей. Пусть имеется некоторый
начальный капитал. И пусть в процессе вложения (инвестирования) началь-
ного капитала покупаются некоторые активы. Наша задача научиться нахо-
дить доходность вложения капитала при различных состояниях рынка. При
этом все оценки делаются для фиксированного периода [𝑡0 , 𝑡1 ]. Иными сло-
вами, мы снова рассматриваем однопериодную модель, но уже в условиях
неопределенности и риска.
Рассмотрим снова общую конечную модель рынка, описанную выше.
Пусть рынок в конце инвестиционного периода может находиться в одном
из 𝑚 состояний 𝑠1 , 𝑠2 , … , 𝑠𝑚 с вероятностями 𝑝1 , 𝑝2 , … , 𝑝𝑚 ≥ 0. Пусть также
на рынке обращаются n активов 𝐴1 , 𝐴2 , . . . , 𝐴𝑛 . Рассмотрим портфель

11
 𝜋 = 𝑧1 𝐴1 + 𝑧2 𝐴2 +. . . , 𝑧𝑛 𝐴𝑛 .
Обозначим начальные цены активов 𝐴1 , 𝐴2 , . . . , 𝐴𝑛 через
𝑃10 , 𝑃20 , … , 𝑃𝑛0
соответственно. Конечные цены зависят, естественно, от состояния рынка.
Пусть 𝑃𝑖1(𝑠𝑘 ) = 𝑃𝑖𝑘
1
– конечная цена актива 𝐴𝑖 в состоянии 𝑠𝑘 . Начальная
стоимость портфеля  равна, очевидно

𝑊 0 (𝜋) = 𝑧1 𝑃10 + 𝑧2 𝑃20 + ⋯ + 𝑧𝑛 𝑃𝑛0 ,

а конечная стоимость портфеля в состоянии 𝑠𝑘

𝑊𝑘 (𝜋) = 𝑊𝑘 1 (𝜋) = 𝑧1 𝑃1𝑘

1 1
+ 𝑧2 𝑃2𝑘 1
+ ⋯ + 𝑧𝑛 𝑃𝑛𝑘 .

Тогда доходность портфеля 𝜋 в состоянии 𝑠𝑘 равна, очевидно

𝑊𝑘1 (𝜋) − 𝑊 0 (𝜋)
𝑟𝑘 (𝜋) = . (14.7)
𝑊 0 (𝜋)
Ясно, что доходность портфеля 𝜋 есть случайная величина 𝑅(𝜋) с распре-
делением
Доходность 𝑅(𝜋) 𝑟1 (𝜋) 𝑟2 (𝜋) … 𝑟𝑚 (𝜋)
Вероятность 𝑝 𝑝1 𝑝2 … 𝑝𝑚

Пример 14.5. Рассмотрим рынок из трех активов из примера 14.1.

Предположим что начальные цены активов 𝐴1 , 𝐴2 , 𝐴3 равны 𝑃10 = 50 долл.,
𝑃20 = 20 долл., 𝑃30 = 100 долл. соответственно. Найти начальную и конеч-
ную стоимость, а также доходность портфеля 𝜋 = 4𝐴1 + 5𝐴2 + 2𝐴3 в
каждом из трех возможных состояний рынка. Найти ожидаемую доход-
ность и риск (вариацию и стандартное отклонение) портфеля.
Решение. Начальная цена портфеля равна
𝑊 0 () = 4𝑃10 + 5𝑃20 + 2 𝑃30 = 4 ⋅ 50 + 5 ⋅ 20 + 2 ⋅ 100 = 500 долл.
1
Конечная цена 𝑃𝑗𝑘 актива 𝐴𝑗 в состоянии 𝑠𝑘 очевидно равна
1
𝑃𝑗𝑘 = 𝑃𝑗0 (1 + 𝑟𝑗𝑘 ),
где 𝑃𝑗0 – начальная цена актива. Используя данные о доходностях активов
из примера 14.1, получим конечные цены для первого актива в различных
состояниях:

12
 1 1
𝑃11 = 50 ⋅ (1 + 0,2) = 60, 𝑃12 = 50 ⋅ (1 + 0,2) = 60,
1
𝑃13 = 50 ⋅ (1 + 0,05) = 52,5.

Для второго
1 1
𝑃21 = 20 ⋅ (1 + 0,3) = 26, 𝑃22 = 20 ⋅ (1 + 0,05) = 21,
1
𝑃23 = 20 ⋅ (1 − 0,2) = 16.
Для третьего
1 1
𝑃31 = 100 ⋅ (1 − 0,1) = 90, 𝑃32 = 100 ⋅ (1 + 0,15) = 115,
1
𝑃33 = 100 ⋅ (1 + 0,15) = 115.
Сведем полученные данные в таблицу

Конечная Конечная Конечная

Состояния
цена 𝐴1($) цена 𝐴2($) цена 𝐴3($)
𝑠1 60 26 90
𝑠2 60 21 115
𝑠3 52,5 16 115

Конечная цена портфеля 𝜋 в состоянии 𝑠𝑘 равна

𝑊𝑘1 (𝜋) = 4𝑃1𝑘
1 1
+ 5𝑃2𝑘 1
+ 2𝑃3𝑘 ,

где 𝑃𝑗𝑘 1 конечная цена актива 𝐴𝑗 в состоянии 𝑠𝑘 . Тогда получаем

𝑊11 (𝜋) = 4 ⋅ 60 + 5 ⋅ 26 + 2 ⋅ 90 = 550,

𝑊21 (𝜋) = 4 ⋅ 60 + 5 ⋅ 21 + 2 ⋅ 115 = 575,
𝑊31 (𝜋) = 4 ⋅ 52,5 + 5 ⋅ 16 + 2 ⋅ 115 = 520.
Теперь можно найти доходность портфеля в каждом состоянии. Со-
гласно формуле (14.7):
550 − 500
𝑟1 (𝜋) = = 0,10, или 10%,
500
575 − 500
𝑟2 (𝜋) = = 0,15, или 15%,
500
520 − 500
𝑟3 (𝜋) = = 0,04, или 4%.
500

13
 Занесем полученные результаты в таблицу

Состояния 𝑠1 𝑠2 𝑠3
Доходность 10% 15% 4%
Вероятность 0,3 0,6 0,1
Последние две строки таблицы задают распределение доходности 𝑅(𝜋)
портфеля. Положим 𝑅𝜋 = 𝑅(𝜋).
Ожидаемая доходность портфеля равна, очевидно,
𝐸(𝑅𝜋 ) = 0,3 ∙ 0,1 + 0,6 ∙ 0,15 + 0,1 ∙ 0,04 = 0,124, или 12,40%.

Вариация доходности 𝑉 портфеля 𝑅(𝜋) равна

𝑉(𝑅𝜋 ) = (0,1 − 0,124)2 · 0,3 + (0,15 − 0,124)2 · 0,6 +
+(0,04 − 0,124)2 · 0,1 = 0,001284.
Стандартное отклонение доходности портфеля R равно

(𝑅𝜋 ) = √𝑉(𝑅𝜋 ) = √0,001284 = 0,03583, или 3,58%.

Выше мы находили доходность портфеля по основной формуле (см.
формулу (14.4)) исходя из начальной и конечной стоимости портфеля. В
главе 10 была приведена формула (10.9), связывающая доходность порт-
феля с доходностями входящих в него активов. В этой формуле использу-
ется не позиционное, а весовое представление портфеля. Если известны
веса активов в портфеле, то реализованная доходность портфеля будет
равна
𝑟𝑘 (𝜋) = 𝑟1𝑘 𝑤1 + 𝑟2𝑘 𝑤2 + ⋯ + 𝑟𝑛𝑘 𝑤𝑛 , (14.8)
где
𝑊𝑗0 𝑧𝑗 𝑃𝑗0
𝑤𝑗 = 0 =
𝑊 (𝜋) 𝑊 0 (𝜋)

портфельный вес актива 𝐴𝑗 , а 𝑟𝑗𝑘 – его доходность в состоянии 𝑠𝑘 .

Пример 14.6. Найти доходности портфеля из примера 14.5, используя
формулу (14.8).
Решение. Найдем сначала веса активов в портфеле:
4 ∙ 50 5 ∙ 20 2 ∙ 100
𝑤1 = = 0,4; 𝑤2 = = 0,2; 𝑤3 = = 0,4.
500 500 500

14
 Тогда доходность портфеля в трех состояниях будет:
𝑟1 (𝜋) = 0,4 ∙ 0,2 + 0,2 ∙ 0,3 − 0,4 ∙ 0,1 = 0,1,
𝑟2 (𝜋) = 0,4 ∙ 0,2 + 0,2 ∙ 0,05 + 0,4 ∙ 0,15 = 0,15,
𝑟3 (𝜋) = 0,4 ∙ 0,05 − 0,2 ∙ 0,2 + 0,4 ∙ 0,15 = 0,04.
Мы получили те же результаты, что и при прямом вычислении.
Формула (14.8) верна для любого состояния рынка, тем самым она оста-
ется верной для доходностей портфеля как случайной величины. Иными
словами, мы можем записать
𝑅 (𝜋) = 𝑅1 𝑤1 + 𝑅2 𝑤2 + ⋯ + 𝑅𝑛 𝑤𝑛 , (14.9)
где 𝑅𝑖 – случайная величина – доходность актива 𝐴𝑖 . Это важнейшее соот-
ношение будет основой для финансового анализа портфельных инвести-
ций.
Коэффициенты ковариации и корреляции. Для инвестирования ка-
питала лишь в актив одного вида необходимо, чтобы из всех имеющихся на
рынке активов он был наилучший, т.е. его риск (дисперсия) был наимень-
шим, а ожидаемая доходность наибольшей. Что же должен делать инве-
стор, если такого актива на финансовом рынке не существует? В этом слу-
чае выгоднее купить не один актив, а несколько, стремясь
перераспределить (диверсифицировать) риск в целях уменьшения его ко-
личественной оценки. Степень возможности такой диверсификации зави-
сит от характеристики, служащей мерой связи между случайными величи-
нами, представляющими доходности активов. Речь идет о ковариации и
корреляции. На важность учета связи в поведении доходности различных
активов при формировании оптимальных портфелей впервые обратил вни-
мание создатель современной теории портфеля американский экономист
лауреат Нобелевской премии по экономике (1990) Гарри Марковиц.
Пусть снова имеются активы 𝐴1 , 𝐴2 , 𝐴3 и задана таблица их годовых
(или периодических) доходностей в каждом из состояний рынка. Годовые
доходности активов, заданные в таблице (для удобства повторяем), измеря-
ются в процентах.

Доходность Доходность Доходность

Состояния Вероятности
актива 𝐴1 (%) актива 𝐴2 (%) актива 𝐴3 (%)
𝑠1 𝑝(𝑠1 ) 𝑟11 𝑟12 𝑟13
𝑠2 𝑝(𝑠2 ) 𝑟21 𝑟22 𝑟23
𝑠3 𝑝(𝑠3 ) 𝑟31 𝑟32 𝑟33

15
 Пусть доходность актива 𝐴𝑖 задается случайной величиной 𝑅𝑖 . Тогда
коэффициентом ковариации двух случайных величин 𝑅𝑖 и 𝑅𝑗 называется ве-
личина

𝑐𝑜𝑣(𝑅𝑖 , 𝑅𝑗 ) = (𝑟1𝑖 – 𝐸(𝑅𝑖 )) (𝑟1𝑗 – 𝐸(𝑅𝑗 )) 𝑝(𝑠1) +

+(𝑟2𝑖 – 𝐸(𝑅𝑖 )) (𝑟2𝑗 – 𝐸(𝑅𝑗 )) 𝑝(𝑠2 ) + (𝑟3𝑖 – 𝐸(𝑅𝑖 )) (𝑟3𝑗 – 𝐸(𝑅𝑗 )) 𝑝(𝑠3 ). (14.10)
В дальнейшем коэффициент ковариации двух случайных величин 𝑅𝑖 и
𝑅𝑗 будем обозначать

𝑐𝑜𝑣(𝑅𝑖 , 𝑅𝑗 ) = 𝑐𝑖𝑗 .

Например, для двух случайных величин R1 и R2 (𝑖 = 1, 𝑗 = 2) получаем

𝑐12 = 𝑐𝑜𝑣(𝑅1 , 𝑅2 ) = (𝑟11 – 𝐸 (𝑅1 ))(𝑟12 – 𝐸(𝑅2 ))𝑝(𝑠1 ) +

+(𝑟21 – 𝐸 𝑅1 𝑟22 – 𝐸 (𝑅2 ))𝑝(𝑠2 ) + (𝑟31 – 𝐸 (𝑅1 ))(𝑟32 – 𝐸(𝑅2 ))𝑝(𝑠3 ). (14.11)
( ))(

Свойства коэффициента ковариации.

1. Для любых 𝑖 и 𝑗 верно утверждение о симметричности коэффициен-
тов ковариации

𝑐𝑜𝑣(𝑅𝑖 , 𝑅𝑗 ) = 𝑐𝑜𝑣(𝑅𝑗 , 𝑅𝑖 ) или 𝑐𝑖𝑗 = 𝑐𝑗𝑖 .

2. Для любых 𝑖 диагональные коэффициенты ковариации 𝑐𝑖𝑖 представ-

ляют собой вариации доходностей активов:
𝑐𝑖𝑖 = 𝑐𝑜𝑣(𝑅𝑖 , 𝑅𝑖 ) = 𝑉(𝑅𝑖 ) = 2𝑖 .
Чтобы выделить собственно меру связи между случайными величи-
нами, прибегают к нормированию коэффициента ковариации. Такая нор-
мированная величина называется коэффициентом корреляции
𝑐𝑜𝑣(𝑅𝑖 , 𝑅𝑗 )
𝑖𝑗 = 𝑐𝑜𝑟(𝑅𝑖 , 𝑅𝑗 ) = . (14.12)
𝑖 ⋅ 𝑗
В статистике коэффициент корреляции часто обозначают греческой
буквой 𝜌. Так коэффициент корреляции двух случайных величин 𝑅𝑖 и 𝑅𝑗
можно обозначить символом 𝜌𝑖𝑗

𝑐𝑜𝑟(𝑅𝑖 , 𝑅𝑗 ) = 𝑖𝑗 .

16
 Свойства коэффициента корреляции. Коэффициент корреляции лю-
бых двух случайных величин 𝑅𝑖 и 𝑅𝑗 по модулю (по абсолютной величине)
не превосходит 1:

|𝑖𝑗 | = |𝑐𝑜𝑟(𝑅𝑖 , 𝑅𝑗 )| ≤ 1

или, что то же самое,

−1 ≤ 𝑖𝑗 = 𝑐𝑜𝑟(𝑅𝑖 , 𝑅𝑗 ) ≤ 1.

Пример 14.7. Пусть задана таблица годовых доходностей (см. пример

14.1.) для некоторых трех активов в каждом из состояний рынка. Годовые
доходности активов, заданные в таблице, измеряются в процентах.

Доходность Доходность Доходность

Состояния Вероятности
актива 𝐴1 (%) актива 𝐴2 (%) актива 𝐴3 (%)
𝑠1 0,3 20 30 −10
𝑠2 0,6 20 5 15
𝑠3 0,1 5 −20 15

Найти коэффициент ковариации 𝑐12 и коэффициент корреляции 12 .

Решение. Ожидаемые доходности первых двух активов были найдены
в примере 14.1

𝐸(𝑅1 ) = 18,5 и 𝐸(𝑅2 ) = 10,

пользуясь формулой (14.11) получаем

𝑐12 = 𝑐𝑜𝑣(𝑅1 , 𝑅2 ) = (20 − 18,5)(30– 10) ∙ 0,3 +

+(20 − 18,5)(5 − 10) ∙ 0,6 + (5 − 18,5)(– 20 − 10) ∙ 0,1 = 45.

А используя результаты примера 14.2 имеем

(𝑅1) = √𝑉(𝑅1 ) = 4,5;

(𝑅2 ) = √𝑉(𝑅2 ) = 15.
По формуле (14.12) получаем

𝑐𝑜𝑣(𝑅1 , 𝑅2 ) 45
12 = 𝑐𝑜𝑟(𝑅1 , 𝑅2 ) = = = 0,67.
1 ⋅ 2 4,515

17
 Итак, коэффициент 𝑐12 = 45, коэффициент 12 = 0,67.
Обычно вероятностные характеристики активов и их портфелей при
совместном рассмотрении записывают в матричном (табличном) виде. Так
совокупность всех попарных ковариаций трех активов представляет собой
матрицу размера 33, т.е. таблицу из трех строк и трех столбцов. Для
нашего примера она будет иметь вид

Ковариационная матрица
𝐴1 𝐴2 𝐴3
𝐴1 20,25 45 −11,25
𝐴2 45 225 −150
𝐴3 −11,25 −150 131,25

Аналогичную структуру имеет и матрица корреляций. Для разобран-

ного примера она имеет вид
Корреляционная матрица
𝐴1 𝐴2 𝐴3
𝐴1 1,00 0,67 −0,22
𝐴2 0,67 1,00 −0,87
𝐴3 −0,22 −0,87 1,00

14.2. Статистическая модель рынка

Выше доходность актива рассматривалась как дискретная случайная

величина. Если бы мы знали возможные значения случайной величины и
вероятности, с которыми она принимает эти значения, т.е. знали бы распре-
деление случайной величины, то мы могли бы найти ее вероятностные ха-
рактеристики: математическое ожидание, вариацию (дисперсию) и стан-
дартное отклонение. Однако на практике, как правило, распределение
случайной величины неизвестно. Вместо этого известны ее реализации в
серии наблюдений. Так, мы можем не знать распределение доходности не-
которой акции, однако нам могут быть известны месячные доходности за
несколько последних лет.
Оказывается, что наблюдаемые значения случайной величины могут
быть использованы для оценивания ее вероятностных характеристик. В от-
личие от точных (теоретических) значений вероятностных характеристик,

18
получаемых по распределению случайной величины, статистические
оценки являются лишь приближенными значениями этих характеристик.
Причем эти оценки тем точнее, чем большим числом наблюдаемых значе-
ний мы располагаем. Наблюдаемые значения (статистические данные) ча-
сто называют выборочными значениями, а набор таких значений – выбор-
кой. Поэтому оценки вероятностных характеристик случайной величины
называют выборочными характеристиками. Так говорят о выборочном
среднем (выборочном математическом ожидании), выборочной вариации
(дисперсии) и т. д. Перейдем теперь к описанию выборочных характеристик
случайной величины.
Будем предполагать, что известны 𝑁 значений 𝑟1 , 𝑟2 , … , 𝑟𝑁 случайной
величины 𝑅, полученных в результате наблюдения, опыта, эксперимента и
т.д. По этим значениям мы можем получить характеристики случайной ве-
личины.
1. Выборочное математическое ожидание случайной величины 𝑅 есть
просто арифметическое среднее наблюдаемых значений.
1
𝑟̅ = (𝑟 + 𝑟2 + ⋯ + 𝑟𝑁 ). (14.13)
𝑁 1
Таким образом, мы имеем оценку математического ожидания:
𝐸(𝑅) ≈ 𝑟̅

2. Выборочная вариация (дисперсия) случайной величины 𝑅

̅̅̅̅̅̅̅ 1
𝑉(𝑅 ) = 𝑠 2 (𝑅 ) = ((𝑟 − 𝑟̅ )2 + (𝑟2 − 𝑟̅ )2 + ⋯ + (𝑟𝑁 − 𝑟̅ )2 ). (14.14)
(𝑁 − 1) 1

Выборочная вариация дает оценку

𝑉(𝑅) ≈ ̅̅̅̅̅̅̅
𝑉(𝑅) = 𝑠 2 (𝑅).

3. Выборочное среднеквадратическое (стандартное) отклонение слу-

чайной величины R

𝜎̅𝑅 = 𝑠(𝑅) = √̅̅̅̅̅̅̅

𝑉(𝑅). (14.15)

Выборочное среднеквадратическое отклонение дает оценку

𝜎𝑅 ≈ 𝜎̅𝑅 = 𝑠(𝑅).

19
 На практике вместо знака приближенного равенства часто пишут про-
сто знак равенства, что, конечно, неверно, но допустимо, если помнить, что
статистическая оценка (выборочная характеристика) есть лишь приближен-
ное значение для точной (теоретической) характеристики. Ниже для выбо-
рочных характеристик мы будем использовать теоретические (а не специ-
альные, надчеркнутые) обозначения, однако всегда следует помнить о
приближенном характере статистических оценок.
В портфельной теории Марковица математическое ожидание есть фор-
мальный аналог понятия "ожидаемой доходности актива", а вариация или,
что по существу то же самое, стандартное отклонение служит мерой риска
актива.
Таким образом, если известен ряд доходностей актива (такие ряды ча-
сто называют временными рядами), то по нему можно найти статистиче-
ские характеристики актива: его выборочные среднюю, вариацию (диспер-
сию) и квадратичное отклонение. Эти выборочные характеристики
являются оценками теоретических характеристик, ожидаемой доходности
и риска.
Пример 14.8. Известен ряд ежемесячных доходностей акций AMBRND
(в процентах) за 1987 год. Значения доходностей приведены в таблице ниже
(месяцы обозначены римскими цифрами). Вычислить ожидаемую доход-
ность и риск акции AMBRND

I II III IV V VI VII VIII IX X XI XII

17,6 2 -3,7 -8,7 -0,5 7,1 7,2 16,9 -3,9 -22,5 -12,6 19,4
Решение.
1
𝐸[𝑅] = (17,6 + 2 − 3,7 − 8,7 − 0,5 + 7,1 + 7,2 + 16,9 − 3,9 −
12
−22,5 − 12,6 + 19,4) = 1,53.
Ожидаемая доходность акции 1,53%. График месячной доходности ак-
ции AMBRND приведен на рис. 14.1.
Для вычисления риска составим ряд значений (𝑟𝑖 – 𝐸[𝑅]):

16,1 0,5 -5,2 -10,2 -2 5,6 5,7 15,4 -5,4 -24 -14,1 17,9

Возведя в квадрат каждое значение ряда (𝑟𝑖 – 𝐸[𝑅]), получим ряд зна-
чений (𝑟𝑖 – 𝐸[𝑅])2.

258,4 0,2 2,7 104,6 4,1 31,1 32,2 236,4 29,4 577,2 199,5 319,5

20
 ЛИТЕРАТУРА

1. Аль-Натор М.С., Касимов Ю.Ф., Колесников А.Н. Основы финансо-

вых вычислений: учебное пособие. М.: ФУ. 2014. Ч. 3.
2. Аль-Натор М.С., Касимов Ю.Ф., Колесников А.Н. Основы финансо-
вых вычислений: учебное пособие. М.: ФУ. 2015. Ч. 4.
3. Аль-Натор М.С., Аль-Натор С.В., Касимов Ю.Ф. Математическая
теория инвестиций: задачи и тесты. М.: РУДН, 2012.
4. Бабайцев В.А., Гисин В.Б. Математические основы финансового ана-
лиза: учебное пособие. М.: ФА, 2005.
5. Барбаумов В.Е., Гладких И.М., Чуйко А.С. Финансовые инвестиции.
М.: Финансы и статистика, 2003.
6. Боди З., Кейн А., Маркус А. Дж. Принципы инвестиций. М.: Дом Ви-
льямс, 2008.
7. Буренин А.Н. Управление инвестиционным портфелем. М.: НТО им.
Вавилова, 2005.
8. Гитман Л. Дж., Джонк М.Д. Основы инвестирования. М.: Дело,
1997.
9. Жуленев С.В. Финансовая математика. Введение в классическую тео-
рию. Ч. 2. М: МГУ, 2012.
10. Касимов Ю.Ф. Финансы и инвестиции. М.: Анкил, 2005.
11. Касимов Ю.Ф. Управление инвестиционным портфелем. М.: НИУ
ВШЭ, 2012.
12. Касимов Ю.Ф. Финансовая математика. М.: Юрайт, 2014.
13. Колесников А.Н. Теория вероятностей в финансах и страховании.
М: Анкил, 2008.
14. Крушвиц Л. Финансирование и инвестиции. М.: Питер, 2000.
15. Люу Ю-Д. Методы и алгоритмы финансовой математики. М.: Би-
ном. Лаборатория знаний, 2007.
16. Фабоцци Дж.Ф. Управление инвестициями. М.: Инфра-М, 2000.
17. Четыркин Е.М. Финансовая математика. М.: Дело, 2006.
18. Шарп У. Александер. Г., Бейли Дж. Инвестиции. М.: Инфра-М,
2001.
19. Noel Amenc, Veronique Le Sourd. Portfolio Theory and Performance
Analysis, 2003, John Wiley & Sons.

321
 20. Carl R. Bacon. Practical Portfolio Performance Measurement and At-
tribution, 2008, John Wiley & Sons.
21. John L. Maginn, Donald L. Tuttle. Managing Investment Portfolios,
2007, John Wiley & Sons.
22. Jean-Luc Prigent. Portfolio Optimization and Performance Analysis,
2007, Chapman & Hall/CRC.
23. Frank J. Fabozzi. Bond Markets, Analysis and Strategies. Prentice
Hall, 2012.

акций обеспечил инвестору в период с 1 января 1998 г. по 31 декабря