értekezés - Budapesti Corvinus Egyetem

Az utolsó oszlop a főkomponensek szerinti megbontást feloldja, és aggregát szinten adja
meg a függő változónkat az eredeti kockázati faktorok lineáris kombinációjának és egy
konstansnak az összegeként leíró egyenletet.
Y
⎛
⎞
⎛
= ⎜β
−
iCi
⎟ +
⎜
iwi
⎟X
+ +
⎜ ∑
0 ∑β
∑ β
1 1
...
m σ
1 m
σ
n m
⎝
⎠
⎝
1
⎞
⎠
⎛
⎝
1
β w
i
in
⎞
⎟X
⎠
n
Nem szabad azonban figyelmen kívül hagynunk, hogy a multikollinearitásnak a becsült
regressziós együtthatókra kifejtett torzító hatását csak akkor kerülhetjük el, ha a
főkomponensek mentén végzünk kockázatkezelési akciókat. Ismernünk kell tehát, hogy az
egyes főkomponensek milyen portfolióknak feleltethetők meg valójában. Ehhez a
tömegáruk vonatkozásában a fenti együtthatókat el kell osztanunk a tömegárú jegyzési
devizájának forint elleni árfolyamának megfigyelt átlagával. Ekkor ugyanis megkapjuk,
hogy hány tonna termék szerepel az adott főkomponens által megjelenített portfolióban.
Ezt az alábbi táblázat tartalmazza ezer tonnában kifejezve:
[A15-18. táblázat]
A devizaárfolyam kockázat szempontjából a főkomponensek olyan portfolióknak
tekinthetők melyek az alábbi devizapozíciókat tartalmazzák:
[A15-19. táblázat]
Mindezek fényében már a kockázatkezelés szempontjából is interpretálható
eredményekhez jutottunk. Amennyiben a fenti 5 portfoliót határidős ügyletek segítségével
az üzleti év teljes hosszára eladnánk (szintetikus short pozíció), a vállalat éves forintos
eredményét annak várható értéke körül tudnánk stabilizálni, hiszen azok 94.4%-ban
képesek magyarázni a függő változó volatilitását. A regressziós modellünk stepwise
beválasztási mechanizmusa rávilágít arra, hogy a működési eredmény bizonytalanságának
csökkentését leghatékonyabban az 5. főkomponens (az EN590 finomítói árrés)
hedgelésével tudjuk elérni (55%-os R2). Ezt követi a 2. és a 6. portfolió.
216