Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
transzponáltja, Cov – a páronkénti kovarianciák mátrixa. Ekkor a portfólió szórását az<br />
alábbi képlettel lehet leírni:<br />
(4.51) s p = w'*<br />
Cov * w<br />
A portfólió szórásnégyzetét grafikusan is ábrázolhatjuk, amit a 4.4 ábra mutat. A<br />
kovarianciamátrixnak ugyanannyi oszlopa és sora van. Az egyes cellákban a páronkénti<br />
kovarianciák találhatók megszorozva a két értékpapír portfóliósúlyával. A mátrix<br />
fődiagonálisában az egyes értékpapírok szórásnégyzetei találhatók az adott értékpapír<br />
portfóliósúly-négyzetével szorozva. Az ábrából vastag vonal keríti körbe a kételemű<br />
portfólió szórásnégyzetének az elemeit. Az ábrából látható, hogy a kételemű portfólió<br />
szórásnégyzete a két értékpapír szórásnégyzetének a portfóliósúlyok négyzetével vett<br />
szórása, továbbá kétszer a két papír hozamai közötti kovariancia megszorozva a két<br />
portfóliósúllyal. Képlettel:<br />
2 2 2 2<br />
(4.52) s p = w1<br />
* s1<br />
+ w2<br />
* s2<br />
+ 2 * w1<br />
* w2<br />
* Cov(<br />
r1;<br />
r2<br />
)<br />
A kovariancia helyett gyakrabban használják két változó közötti lineáris kapcsolat<br />
mérésére a korrelációt, mivel ennek értéke -1 és 1 között változik, azaz<br />
összehasonlíthatóvá teszi a különböző változók közötti lineáris kapcsolat szorosságát. A<br />
korreláció nem más, mint a kovariancia és a két változó szórásának a hányadosa. Ha a<br />
korrelációt alkalmazzuk, a 4.52-es képlet a következőképpen módosul.<br />
2 2 2 2<br />
(4.53) s p = w1<br />
* s1<br />
+ w2<br />
* s2<br />
+ 2 * w1<br />
* w2<br />
* s1<br />
* s2<br />
* p12<br />
Ahol, sp– a portfólió szórása,<br />
rp – a portfólió hozama,<br />
w1, w2 – az első, illetve a második értékpapír portfóliósúlya,<br />
p12 – a két értékpapír hozama közötti korreláció,<br />
s1, s2 – az első, illetve a második értékpapír szórása.<br />
A 4.49-es és a 4.52-as képlet segítségével számoljuk ki az OTP és a Richter részvényből<br />
álló portfólió hozamát és szórását. Először a portfóliósúlyokat számoljuk ki. A teljes<br />
portfólió értéke 60 mFt + 40 mFt = 100 mFt. Az OTP portfóliósúlya 60 mFt/100 mFt =<br />
0,6, míg a Richteré 40 mFt/100 mFt = 0,4.<br />
Behelyettesítve a 4.49-es képletbe, kapjuk:<br />
(4.54) r p = 0 , 6 * 0,<br />
52%<br />
+ 0,<br />
4 * 0,<br />
56%<br />
= 0,<br />
536%<br />
Az OTP-ből és a Richterből álló portfólió átlagos napi hozama 0,536% volt.<br />
Most számoljuk ki a két értékpapír hozamai közötti kovarianciát, majd a portfólió<br />
szórását. Először a 4.50-es, majd utána a 4.52-es képletbe helyettesítünk be.<br />
(4.55)<br />
31<br />
dr. Bozsik Sándor: Pénzügyi számítások<br />
32<br />
1 ⎡(<br />
1,<br />
74%<br />
− 0,<br />
52%<br />
) * ( 1,<br />
63%<br />
− 0,<br />
56%<br />
) + ( − 0,<br />
68%<br />
− 0,<br />
52%<br />
) * ( 0,<br />
49%<br />
− 0,<br />
56%<br />
) ⎤<br />
( OTP; Richter ) = *<br />
0,<br />
70<br />
2<br />
⎢<br />
=<br />
( 0,<br />
50%<br />
0,<br />
52%<br />
) * ( 0,<br />
44%<br />
0,<br />
56%<br />
)<br />
⎥<br />
⎣+<br />
− − −<br />
⎦<br />
r r Cov<br />
A kovariancia az Excel KOVAR() függvényével is kiszámítható, aminek két paramétere<br />
van, a két változó értékeinek tartománya.<br />
2<br />
2 2<br />
2<br />
(4.56) = 0,<br />
6 * 1,<br />
21%<br />
+ 0,<br />
4 * 1,<br />
03%<br />
+ 2*<br />
0,<br />
6*<br />
0,<br />
4*<br />
0,<br />
70%<br />
= 1,<br />
07%<br />
s p<br />
Nézzük meg, hogy a portfólió hozama és szórása tényleg ekkora-e. A számításokat a<br />
4.11-es táblázat tartalmazza.<br />
4.11 Táblázat<br />
Dátum OTP Richter 100 Tényleges Számított<br />
(1) (2) (3) (4) (5) (6)<br />
2003.07.28 61,05215 40,65556 101,7077 1,69%<br />
2003.07.29 60,63683 40,85556 101,4924 -0,21%<br />
2003.07.30 60,94139 40,67778 101,6192 0,12%<br />
Átlag 0,53540% 0,53539%<br />
Szórás 1,0168% 1,0170%<br />
A táblázat első oszlopa a dátumokat tartalmazza, a második és a harmadik oszlop pedig a<br />
portfólióelemek értékét az egyes napok végén. A negyedik oszlopban pedig a portfólió<br />
teljes értékét láthatják. A portfólió tényleges hozamai az értékek természetes alapú<br />
logaritmusainak különbségei. Ezek számtani átlaga és szórása található az ötödik oszlop<br />
alján. A hatodik oszlopban látható a képletek alapján kiszámított portfólió átlaga és<br />
szórása. Látható, hogy a két érték között igen kicsi a különbség. A különbséget két<br />
tényező magyarázza:<br />
1. A portfólió két eleme közötti arány az eltérő hozamok hatására az időszakon belül<br />
eltér az induló 60% OTP, 40% Richter aránytól.<br />
2. A 4.1.4. alfejezetben láthattuk, hogy kamatintenzitás esetében a várható<br />
hozamrátához tartozó hozam kisebb, mint a várható hozamok átlaga. Mivel itt is a<br />
hozamráták átlagolásáról van szó (csak a súlyok nem valószínűségek, hanem<br />
értékarányok), az alfejezetben bemutatott eltérés itt is jelentkezik.<br />
Mindazonáltal a 4.10 táblázatból látszik, hogy az eltérés igen kicsi, ezért a gyakorlati<br />
életben nyugodtan alkalmazhatjuk a 4.49-es képletet.<br />
A portfólió relatív szórása 1,07%/0,536%=1,99. Ez az érték ugyan jobb, mint az OTP<br />
relatív szórása, de elmarad a Richterétől. Ha csak az OTP-be, a Richterbe, vagy a fenti<br />
portfólióba fektethetnénk a pénzünket, és feltételezzük, hogy a jövő ugyanolyan lesz,<br />
mint a múlt, a Richter-be fektetnénk.<br />
A gyakorlatban általában nem a portfóliók múltbeli teljesítményének elemzésére<br />
alkalmazzák a 4.49-es képleteket, hanem a portfóliók jövőbeli teljesítményének<br />
modellezésére. A feltalálójáról Markowitz-modellnek is nevezett portfoliómodell<br />
adatigénye meglehetősen magas. Egy n elemű portfólió várható relatív szórásának<br />
becslésére szükségünk van:<br />
4. Fejezet – Portólió elmélet