Beta faktor a ekvitní prémie z cizího trhu: přenositelnost a statistická spolehlivost



Podobné dokumenty
9.3.5 Korelace. Předpoklady: 9304

Statistika. Jednotlivé prvky této množiny se nazývají prvky statistického souboru (statistické jednotky).

Nejistoty měření. Aritmetický průměr. Odhad směrodatné odchylky výběrového průměru = nejistota typu A

a my chceme data proložit nějakou hladkou funkcí, která by vystihovala hlavní vlastnosti dat, ale ignorovala malé fluktuace a nepřesnosti.

Odhady parametrů 1. Odhady parametrů

11. Časové řady Pojem a klasifikace časových řad

Mendelova univerzita v Brně Statistika projekt

4.2 Elementární statistické zpracování Rozdělení četností

Odhady parametrů základního. Ing. Michal Dorda, Ph.D.

Metody zkoumání závislosti numerických proměnných

Časová hodnota peněz. Metody vyhodnocení efektivnosti investic. Příklad

Spolehlivost a diagnostika

Tento odhad má rozptyl ( ) σ 2 /, kde σ 2 je rozptyl souboru, ze kterého výběr pochází. Má-li každý prvek i. σ 2 ( i. ( i

Optimalizace portfolia

Přehled vztahů k problematice jednoduchého úročení a úrokové sazby

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna.

PODNIKOVÁ EKONOMIKA 3. Cena cenných papírů

3. Hodnocení přesnosti měření a vytyčování. Odchylky a tolerance ve výstavbě.

Testování statistických hypotéz

5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC

Test dobré shody se používá nejčastěji pro ověřování těchto hypotéz:

Téma 6: Indexy a diference

Téma 3: Popisná statistika

Odhady parametrů základního souboru. Ing. Michal Dorda, Ph.D.

, jsou naměřené a vypočtené hodnoty závisle

Poznámky k tématu Korelace a jednoduchá lineární regrese (Téma není ve skriptech)

a další charakteristikou je četnost výběrového souboru n.

P1: Úvod do experimentálních metod

[ jednotky ] Chyby měření

10.3 GEOMERTICKÝ PRŮMĚR

Ilustrativní příklad ke zkoušce z B_PS_A léto 2014.

FINANČNÍ MATEMATIKA- INFLACE

Kapitola 5.: Analýza rozptylu jednoduchého třídění

Chyby přímých měření. Úvod

USTÁLENÉ PROUDĚNÍ V OTEVŘENÝCH KORYTECH

VY_52_INOVACE_J 05 01

Nepředvídané události v rámci kvantifikace rizika

Vztahy mezi základním souborem a výběry. Základní pojmy a symboly. K čemu to je dobré? Výběrové metody zkoumání

1.1 Definice a základní pojmy

9. Měření závislostí ve statistice Pevná a volná závislost

2,3 ČTYŘI STANDARDNÍ METODY I, ČTYŘI STANDARDNÍ METODY II

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění

Rekonstrukce vodovodních řadů ve vztahu ke spolehlivosti vodovodní sítě

Pojem času ve finančním rozhodování podniku

Náhodný výběr 1. Náhodný výběr

Úvod do korelační a regresní analýzy

Ilustrativní příklad ke zkoušce z B_PS_A léto 2013.

2. Vícekriteriální a cílové programování

Kapitola 12: Zpracování dotazů. Základní kroky ve zpracování dotazů

Finanční management. Co je inflace? Reálný a nominální diskont. Zahrnutí inflace do výpočtu NPV

PRAVDĚPODOBNOST A STATISTIKA. Bodové a intervalové odhady

LABORATORNÍ CVIČENÍ Z FYZIKY. Měření objemu tuhých těles přímou metodou

Generování dvojrozměrných rozdělení pomocí copulí

Využití účetních dat pro finanční řízení

Klasická pravděpodobnost

I. Výpočet čisté současné hodnoty upravené

3. Lineární diferenciální rovnice úvod do teorie

Výukový modul III.2 Inovace a zkvalitnění výuky prostřednictvím ICT

- metody, kterými lze z napozorovaných hodnot NV získat co nejlepší odhady neznámých parametrů jejího rozdělení.

Vzorový příklad na rozhodování BPH_ZMAN

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou

FUNKCÍ JEDNÉ REÁLNÉ PROMĚNNÉ PRVNÍ DIFERENCIÁL

PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 2

Metodika projektů generujících příjmy

4 DOPADY ZPŮSOBŮ FINANCOVÁNÍ NA INVESTIČNÍ ROZHODOVÁNÍ

Deskriptivní statistika 1

8 NELINEÁRNÍ REGRESNÍ MODELY

VYSOCE PŘESNÉ METODY OBRÁBĚNÍ

Regrese. Aproximace metodou nejmenších čtverců ( ) 1 ( ) v n. v i. v 1. v 2. y i. y n. y 1 y 2. x 1 x 2 x i. x n

PŘÍKLAD NA PRŮMĚRNÝ INDEX ŘETĚZOVÝ NEBOLI GEOMETRICKÝ PRŮMĚR

12. Neparametrické hypotézy

MATEMATICKÁ INDUKCE. 1. Princip matematické indukce

NEPARAMETRICKÉ METODY

Univerzita Karlova v Praze Pedagogická fakulta

PRAVDĚPODOBNOST A STATISTIKA

8.2.1 Aritmetická posloupnost I

1 Trochu o kritériích dělitelnosti

Lineární regrese ( ) 2

Intervalové odhady parametrů některých rozdělení.

8. Zákony velkých čísel

Doc. Ing. Dagmar Blatná, CSc.

Spojitost a limita funkcí jedné reálné proměnné

Testy statistických hypotéz

Přednáška V. Úvod do teorie odhadu. Pojmy a principy teorie odhadu Nestranné odhady Metoda maximální věrohodnosti Průměr vs.

UPLATNĚNÍ ZKOUŠEK PŘI PROHLÍDKÁCH MOSTŮ

MATICOVÉ HRY MATICOVÝCH HER

ANALÝZA NÁKLADOVÝCH A CENOVÝCH VZTAHŮ V ODPADOVÉM HOSPODÁŘSTVÍ ČR ANALYSIS OF COST AND PRICE RELATIONSHIPS IN WASTE MANAGEMENT OF THE CZECH REPUBLIC

2 IDENTIFIKACE H-MATICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNOT

Základy korelační analýzy

Petr Šedivý Šedivá matematika

b c a P(A B) = c = 4% = 0,04 d

Výstup a n. Vstup. obrázek 1: Blokové schéma a graf paralelní soustavy

Statistika - vícerozměrné metody

je konvergentní, právě když existuje číslo a R tak, že pro všechna přirozená <. Číslu a říkáme limita posloupnosti ( ) n n 1 n n n

Střední hodnoty. Aritmetický průměr prostý Aleš Drobník strana 1

Závislost slovních znaků

APLIKACE REGRESNÍ ANALÝZY NA VÝPOČET BODU ZVRATU

U. Jestliže lineární zobrazení Df x n n

1 Popis statistických dat. 1.1 Popis nominálních a ordinálních znaků

PRAVDĚPODOBNOST A STATISTIKA

Transkript:

Beta fakto a ekvtí péme z czího thu: přeostelost a statstcká spolehlvost Veze 15. 4. 014 chal Dvořák Abstakt Cílem textu je lustovat že český buzoví th eobsahuje dostatečý počet ttulů ke koektímu staoveí výosost akcového thu a beta faktou po model CAP. Poto je třeba převzít tyto údaje z ozvutého thu. Jsou dskutováy podmíky kladeé a th ze kteého data přejímáme zejméa podmíka epezetatvost a statstcké spolehlvost. V posledí řadě je zmíěo jak kogovat případý esoulad v ekvtí pém a ozvutém a lokálím thu a že beta fakto lze za ozumých předpokladů přeášet mez thy. 1 otvace V pax je zdaleka převažujícím způsobem staoveí ákladů vlastího kaptálu model oceňováí kaptálových aktv (CAP model Shape 1964). odel má tva popsaý ovcí [1] kde [1] A A je (očekávaá) výosost oceňovaého aktva tj. odhad ákladů vlastího kaptálu oceňovaého podku. V ovc [1] představuje A ezámou. je (očekávaá) bezzková výosost beta fakto ozačující expozc oceňovaého aktva k tžímu zku. Obvykle je vypočte a základě dat o buzově obchodovaých aktvech podobého typu tj. akcí podků působících ve shodém č podobém odvětví jako oceňovaý podk je (očekávaá) výosost optmálě složeého potfola akcí a příslušém thu apoxmovaého akcovým dexem. 1 Složeý fakto ozačme jako pém za ekvtí zko. Jedá se o odměu za eseí zka celého akcového thu tj. výosost kteou by vesto požadoval kdyby vestoval do (dobře dvezfkovaého) akcového dexu. odel má 3 základí vstupy: a. V tomto čláku se 1 V teo (Shape 1964) je potfolo složeé tak že ze všech možých kombací aktv abízí díky dvezfkac ejpřízvější kombac mez zkem a výosostí. Vzhledem k tomu že akcové dexy se sestavují a základě tží kaptalzace (po učtých koekcích) ebo jako jedoduchý půmě eí důvod aby dex byl optmálím potfolem. To je lustuje fakt že paktcké mplemetace CAP modelu jsou vztažey k jeho teoetcké podobě pouze velm volě.

budeme věovat výhadě otázce z jakého thu tyto vstupy bát; zda z ozvutého ebo lokálího thu. Ostatí otázky ohledě techky výpočtu těchto vstupů ebudou řešey. Záležtost je elevatí po oceňováí a tzích s katším časovým řadam kam se dá zařadt dtvá větša států (Damodaa 013b) a méě ozsáhlým kaptálovým them; tedy Českou epublku evyjímaje. Aby čláek poskytl vodítka k oceňováí v postředí českého thu jsou používaé demostace vztažey k případu České epublky. V kaptole bude zmíěo čsté řešeí založeé a lokálích vstupech a bude ukázáo že po Českou epublku elze čsté řešeí. V kaptole 3 a 4 poto představí áhadí řešeí založeé a přejímáí zahačích dat. Kaptola 5 obsahuje shutí. Čsté řešeí Oceňujeme-l subjekt pocházející z učtého thu dejme tomu českého je teoetcky jedé zcela koektí řešeí použít všechy 3 vstupy z téhož tedy v tomto případě českého thu. Jým slovy použít: : českou bezzkovou míu: apříklad z českých kouových swapů (jak jsem dopoučoval v čláku Dvořák 014) ebo z českých vládích dluhopsů. Poecháme staou jakou splatost mají bezzkové stumety mít. 3 : českou výosost akcí: ať jž v mulost ealzovaou výosost českého akcového dexu PX (a pak dopoučuj použít metodu kozstetího půměu kteou jsem představl v čláku Dvořák 014a) ebo mplkovaou výosost akcí kótovaých a pažské buze ceých papíů č českých ttulů obchodovaých a zahačích buzách. 4 (Damodaa 013b ařík et al. 011). : českou betu tedy koelac výosů efeečích českých akcí s českým akcovým dexem ( ). Odhad bety se povádí pomocí ovce [1] kdy A jsou zámé výosy efeečích akcí a tžího dexu a ezámou je. K odhadováí bety se dostaeme v kaptole 4. áme dostatečou datovou základu po získáí příslušých vstupů?. Jak bylo ukázáo v Dvořák (014) swapových splatostí je dostatečý počet a jejch sazby se ezdají být vychýleé žší lkvdtou. Stejá stuace pauje a thu s českým státím dluhopsy. V bezzkové míře tedy poblém eí.. Český akcový dex PX obsahuje malý počet akcí. Z Tabulky 1 vyplývá že v dexu je 14 ttulů přčemž 4 hlaví ttuly mají př výpočtu dexu více ež 80 % váhy. Navíc 3 hlaví ttuly zodpovídají za 84% objemu obchodů v pvím čtvtletí Po výboý přehled s tím spojeých otázek vzte ařík et al. (011) po detalější pojedáí o každém z vstupů vzte ařík et al. (011) Damodaa (013a) Damodaa (013b) Damodaa (008) a Damodaa (003). 3 Více v Damodaa (008) ebo Dvořák (014). 4 Pokud je ttul obchodová v czí měě je pouze potřeba kovetovat všechy peěží toky do kou pomocí spotového kuzu mez daou měou a CZK (po kovez současé cey akce) a pomocí k daému d zámých fowadových kuzů mez daou měou a CZK (po kovez očekávaých výosů).

oku 014). 3 ze 4 espektve ze 3 zmíěých společostí spadají do fačího sektou. Tabulka 1: Akce v českém akcovém dexu PX Compay Numbe of secutes the dex ee low acto Repesetato acto Reduced maket captalzato [CZKm] Shae of aket Captalzato [%] Shae of tuove 014Q1 ČEZ 537989759 0.40 0.54 65307.7 1.16 39.1 KOERČNÍ BANKA 3800985 0.40 0.85 6419.8 0.3 6.14 ERSTE GROUP BANK 49800000 0.80 0.6 61166.4 19.8 19.10 VIG 18000000 0.50 0.96 60641.3 19.65 1.8 TELEÓNICA C.R. 31564809 0.0 1.00 18863.1 6.11 8.99 STOCK 00000000 0.50 1.00 9690.0 3.14 NA UNIPETROL 181334764 0.30 1.00 7588.9.46 0.43 PHILIP ORRIS ČR 1913698 0.30 1.00 6487.4.10 0.91 PEGAS NONWOVENS 99400 1.00 1.00 5510.0 1.79 0.79 CETV 134489185 0.50 1.00 3940.5 1.8 1.90 ORTUNA 5000000 0.40 1.00 784.1 0.90 0.33 TR 6707198 0.50 1.00 1945.1 0.63 NA NWR 6464800 0.40 1.00 170.3 0.41 0.78 ORCO 11450769 0.50 1.00 959.0 0.31 0.4 Total 308573.5 100.00 100.00 Zdoj: PSE (014) Pata (014). Pozámka: Data k 11. 4. 014. ee loat acto edukuje tží kaptalzac o akce džeé ve velkých objemech. Repesetato acto edukuje tží kaptalzac tak aby ěkolk akcí emělo ve výsledém dexu eúměě velkou váhu (PSE 014a). Podíl a objemu obchodů v 1. čtvtletí 014 vzat z deích dat Pata (014); jde o podíl v ámc fem z dexu přčemž Stock a TR jsou vyloučey po chybějící data. Komě malého počtu podků a domace ěkolka společostí avíc objem obchodů a pažské buze dlouhodobě klesá. Ročí objem poběhlých obchodů klesl z 1013 mld. CZK v oce 007 a pouhých 175 ml. CZK v oce 013 (PSE 013). Podstatá část e-l dtvá větša ekvtích tasakcí tedy pobíhá mmo buzu a užíváí buzovího dexu k popsu ekvtího thu v české epublce je pak začě edokoalé.. Vzhledem ke zmíěému malému počtu ttulů je emožé sestavt ozumé odvětvové skupy. Užtí dalších ttulů mmo dex epomůže potože jde o mmálě obchodovaé akce. Výpočet odvětvové bety a základě jedoho ebo ěkolka (elkvdích) akcí bude zoufale evaldí ať už z hledska epezetatvost tak z hledska statstcké spolehlvost. Ke statstcké spolehlvost se vátíme v kaptole 4. Z výše uvedeého vyplývá že a zejméa kvůl elze po český th použít čstý postup. Bude posto třeba se uchýlt ke kompomsímu řešeí kteé spočívá v suplováí údajů z lokálího thu údajem z thu a kteém je k dspozc dostatek fomací.

Tím samozřejmě vzká posto po chybu způsobeou odlšým chaakteem thů. Tu lze buďto goovat 5 ebo se můžeme ůzým způsoby sažt o kompezováí. 6 Netřeba dodávat že tyto koekce budou velm subjektví. Kompomsí řešeí po a v kaptole 3 a kaptole 4. a s tím spojeé poblémy budeme dskutovat odděleě a sce 3 Kompomsí řešeí výosost akcového thu Pokud se ozhodeme sáhout po výosostech ze zahačího thu abízí se 3 kocepčí způsoby jak tak můžeme učt. 1) Přejmout z ozvutého thu apříklad ameckého. ) Přejmout celou ekvtí pém (tedy ) z ozvutého thu apříklad ameckého 3) Povést bayesovský odhad kdy omezeá data lokálího thu vhodě kombujeme s daty z ozvutého thu apříklad ameckého. Opět můžeme odhad povést a úov výosost akcového thu ebo a úov celé ekvtí péme. 3.1 Přejmout z ozvutého thu. Pokud emáme a lokálím (českém) thu (1) dostatek ttulů aby byl dex epezetatví co se týče fem a () dostatek běžě obchodovaých ttulů aby byl dex podlože dostatkem obchodů tedy aby epezetoval skutečý th a (3) (používáme-l hstockou výosost a kol mplkovaou výosost) dostatečou hsto aby byl díky většímu možství dat měly výsledky vyšší statstckou spolehlvost poohlédeme se po thu (dexu) kteý potřebým třem chaaktestkam dspouje. Z tohoto pohledu je evhodější amecký th epezetovaý ejčastěj užívaým akcovým dexem S&P 500 kteý dspouje 500 lkvdím blue chps ttuly s datovou řadou od oku 198 (Damodaa 013). 7 Alteatvou k ameckému thu by mohlo být užíváí dat z thu Velké Btáe č geogafcky blžšího Německa. Výše zmíěé podmíky 1 a lze ozačt podmíkou epezetatvost (stuktuálí a objemové) a podmíku 3 podmíkou statstcké spolehlvost. Chceme aby th ze kteého data přejímáme tyto podmíky splňoval co ejvíce. Zmňme se kátce jak splěí podmíek testovat. Podmíka epezetatvost. K ověřeí dostatečé dvezty ttulů a jejch lkvdty je uto použít výps kompozce ttulů dexu (chceme aby byla zastoupea všecha hlaví odvětví mmálě 5 Jak ezřídka čí současá paxe ohledě faktou. 6 Jak často čí současá paxe ohledě bezzkové míy č ekvtí péme z důvodu ozdílů v flac č kedbltě vlády vydávající bezzkový stumet. Koekčí mechasmy popsáy v ařík et al. (011a) č Damodaa (003). 7 Pokud se ám z ějakého důvodu echce používat předdefovaé dexy může z jedotlvých ttulů sestavt dex vlastí; to je ale extémě pacé. U zámých dexů je avíc výhoda že mohé subjekty sestavují potfola podle ch (apř. ET fody) jsou pot m vypsáy futues kotakty apod. tudíž tyto dexy jdou více ež je ějak vybaou skupou akcí.

ěkolka ttuly) objem obchodů s ttuly (je-l malý cea ttulu může být magáí velčou) a váhy ttulů v dexu (jak je ukázáo v Tabulce 1 cey jsou vážey obvykle přepočteou tží kaptalzací a je-l dex domová ěkolka ttuly jako by ostatí ttuly vůbec ezahoval). Hodoceí splěí podmíky je subjektví záležtostí; as se shodeme že S&P 500 j splňuje kdežto PX e ale kde vede hace je ejasé. Podmíka statstcké spolehlvost (u hstocké výosost). Idex musí mít dostatečou hsto aby se dalo říc že jeho půměá (ebo já středí apříklad medáová) výosost je dobým popsem ealty. Přestože větší počet ttulů v dexu zlepšuje též jeho statstcké vlastost (specfcké vlvy se mohou vzájemě kompezovat) ejšší dex totž v čase podstatě kolísá. Delší hstoe dokáže toto kolísáí vlvem áhodých faktoů vyhladt. ěřeí statstcké spolehlvost se obvykle (Damodaa 013b) povádí ásledově. V pvím koku předpokládáme ozděleí výosů dexu; většou se uchylujeme k omálímu ozděleí 8. Za předpokladu stejost ozděleí jedoletých výosů v čase pak můžeme spočítat tevaly spolehlvost jako: [] P ˆ q P ˆ q kde je epozoovaá hodota skutečé půměé výosost P je její bodový odhad (půmě kteý ám výpočtem vyšel) q je kvatl ozděleí (apříklad q 1 96 po 95% spolehlvost u omálího ozděleí) a [3] ˆ 1 x x 1 je směodatá odchylka vztažeá k celému půměu používáme-l půmě atmetcký. K aalýze můžeme mít přpomíky. (1) jedá o postup založeý a atmetckém půměu přčemž se běžě dopoučuje spíše geometcký (Damodaa 013b Ido a Lee 1997) ebo ještě lépe kozstetí půmě (vzte můj čláek Dvořák 014a) () ozděleí jedoleté výosost se měí v čase a (3) exstuje povázaost výosostí (vysoký výos v jedom období může být ásledová dalším vysokým výosem ebo aopak koekcí) a (4) ozděleí jedoletých výosů ozhodě emá omálí ozděleí (jak je ukázáo v Dvořák 014a). Iteval podle [] pak emusí mít deklaovaou spolehlvost. Poto jej azvěme tevalem pseudospolehlvost. Pokud je teval počítá stejým způsobem po ůzé datové zdoje s tochou opatost jej můžeme použít k poměřeí elatví spolehlvost odhadů získaých z ůzých thů potože užší 8 Nomalta je po malý počet pozoováí (období výoostí) používáa poto že s í paktc ád pacují. Po velký počet pozoováí vyplývá z Ldebegovy-Lévyho veze cetálího lmtího teoému že ať je skutečé ozděleí výosů paktcky jakékol jejch půmě (tedy půměá výosost dexu) má omálí ozděleí.

teval dkuje vyšší přesost. Absolutí velkost tevalu poslouží k hubému posouzeí přesost. 9 10 Příklad. Použjeme 85 očích dat po S&P 500 a 1 očích dat po dex PX. Budeme zkoumat šířku tevalu jak z ovce [] po atmetcký půmě tak šířku tevalu vypočteého po geometcký a desetletý kozstetí půmě. Tabulka : Itevalové odhady půměého výosu akcového dexu Th (počet pozoováí) Půmě Výpočet Půmě Stadadí chyba odhadu Dolí mez (95%) Hoí mez (95%) USA (85) Atmetcký půmě Nomálí 116 17 701 1551 ČR (1) ozděleí 1153 95-660 966 USA (85) Bootstap 116 16 697 1543 ČR (1) 1153 885-573 889 USA (85) Geometcký půmě Bootstap 931 30 477 1377 ČR (1) 696 90-103 567 USA (85) Kozstetí půmě Bootstap 951 9 500 1394 ČR (85) (10 let) 743 915-981 598 Zdoj dat: Damodaa (013) Pata (014). Pozámka: Číslo v závoce je počet očích pozoováí. Po USA použta očí data po S&P500 (Damodaa 013). Po ČR použta data po dex PX (Pata 014). Bootstap založe a 1 000 000 smulací hodot půměů ze skutečých dat. Amecké tevaly jsou poměě šoké české jsou ale šoké mohoásobě více. Závěy platí ezávsle a užtém typu půměu č způsobu výpočtu. Přejaté půměy poto kdy ebudou tak statstcky spolehlvé jak bychom chtěl. Koec příkladu. Ze vzoce [3] vyplývá že zvýšeí počtu pozoováí má a šířku tevalů ejvyšší vlv když je pozoováí málo; jak ukazuje bodeaux teval Obázek 1 aby byly odhady půměů smysluplě spolehlvé je potřeba mmálě 50 pozoováí. Nabízelo by se řešeí ve zvýšeí fekvece pozoováí apř. použít měsíčí data místo očích. V očích datech je ale jž zohleděo učté vyhlazeí vzklé delším uvažovaým úsekem tudíž očí data samotá musí mít vyšší spolehlvost ež apř. měsíčí. Ze statstckého hledska by užtím měsíčích dat měla vzůst volatlta (tedy čtatel výazu [3]) a séová povázaost mez výosy což obojí síží přízvý efekt a šířku pozoováí. Výsledá šíře tevalů by se pak sce mohla podle vzoců [] a [3] jevt žší to by ale spíše detekovalo eplatost těchto vzoců (apř. v tom smyslu že euvažují povázaost výosů). Skutečá šíře tevalů by měla zůstat víceméě stejá. 9 Po lepší měřeí spolehlvost lze použít bootstapový odhad tevalů spolehlvost (Geee 01 s. 651-655) kteý překovává výtku že je teval počítá z jého ozděleí ež skutečě astává. Bootstap ale epřekoá výtku že emáme dostatek dat o každém scéář a že jsou výosy mezočě koelovaé (to po amecký a český dex přílš eplatí (u dat z Tabulky 1 je koelace kolem 0001 u českých dat 015) a v ůzých letech mají ůzý ozptyl. 10 K poováí přesost stačí směodaté odchylky soubou dat (čtatelé vzoce [3]) pouze za podmíky že oba souboy mají stejé ozděleí (tedy q je stejé). Obecě se bude stávat že dva soubou se stejou směodatou odchylkou budou mít ůzé kvatly. Například omálí ozděleí se středí hodotou 0 a směodatou odchylkou 1 bude mít 95% hodot mez -196 a 196 kdežto ovoměé ozděleí se středí hodotou 0 a směodatou odchylkou 1 bude mít 95% hodot mez -173 a +173. Pokud tedy chceme přesé hodoty musíme povádět bootstapové výpočty vše ostatí jsou pavdla palce.

1 11 1 31 41 51 61 71 81 91 101 111 11 131 141 151 161 171 181 191 Obázek 1: Šířka tevalů spolehlvost v závslost a počtu pozoováí Výosost % p.a. 60 50 40 30 0 10 0-10 -0-30 -40 Pozámka: Hstocká výosost. Užta očí směodatá odchylka 0% kteá je kozstetí s S&P 500 v Damodaa (013) a Tabulce 1. Kalkulace vyplývá ze vzoců [] a [3]. Byl použt kvatl omálího ozděleí 196. Střed tevalu vychází z půměé hodoty 116%. Implkovaá výosost. Užty vzoce [] a [3] a směodatý odchylka 6% odpovídající předpokladu že mplkovaá výosost každé z fem je 5%-5%. Půměá hodota je škálováa a 116% aby měly oba tevaly stejý střed. Podmíka statstcké spolehlvost (u mplkovaé výosost). U odhadu mplkovaé výosost eí důležtá hstocká řada. Zde obdžíme buďto sé výosů ealzovaý za všechy podky ebo sé odhadů mplkovaé výosost po všechy podky. Pokud bychom uvažoval že každý odhad ať jž odhad budoucího výosu ebo mplkovaé výosost je zatíže ějakou áhodou chybou mohl bychom se ptát zda máme v soubou dostatek podků po edukc této chyby. Takové posouzeí ale podstatě komplkuje fakt že elze přjmout zjedodušující předpoklad že chyba je podobá u každého podku zejméa poto že u zkovějších podků je ozptyl výosů č ozptyl odhadů výosost vyšší ež u méě zkových podků. ěřeí uté velkost soubou by toto muselo (explctě) bát v potaz a bylo by pak daleko složtější (a více subjektví) ež v případě statstckého zkoumáí hstocké výosost). Pokud s aalýzu slě ulehčíme a předpokládáme že podky jsou stejé a po odhad mplkovaé výosost použjeme atmetcký půmě mplkovaých výosostí jedotlvých podků můžeme opět použít ovce [] a [3]. Pokud budeme opatí a budeme mít za to že mplkovaá výosost akce každého z podků je v tevalu 5 5% přčemž každá hodota v tomto ozmezí je stejě pavděpodobá dospějeme ke směodaté odchylce kolem 6%. 11 Jak ukazuje modý teval v Obázku 1 teval spolehlvost bude podstatě užší ež v případě hstocké výosost. Lze obecě předpokládat že: Počet pozoováí Hstocká výosost (95%) Implkovaá výosost (95%) x 5 x5 1 5 5 11 x 15 dx 3333 6(%).

1. Směodatá odchylka odhadů mplkovaé výosost jedotlvých fem bude žší ež směodatá odchylka výosů akcového dexu už poto že výos akce může být zápoý velm vysoký (apř. ad 30% mezočě) kdežto u mplkovaé výosost je zápoá mplkovaá výosost extémě vysoká výosost podezřelá. 1. V dexu (ebo soubou fem po kteé počítáme mplkovaou výosost) bude více společostí ež je počet pozoováí př výpočtu hstocké výosost; v S&P 500 máme společostí kdežto u dat Damodaa (013) máme pouze 85 dat. Oboje zužuje teval pseudospolehlvost. Vzhledem k tomu že ozdíly ve směodatých odchylkách počtu pozoováí budou velm výazé lze se velm důvodě domívat že mplkovaé odhady výosost budou statstcky daleko spolehlvější. 13 Důsledkem je že by mohlo stačt méě akcí v dexu; je však třeba mít a pamět že teval v Obázku 1 je pouze oetačí a př malém počtu akcí v dexu by mohl astat poblém edostatku epezetatvost zmíěý dříve 14. Tudíž po český th bude stále uté výosost thu počítat ze zahačích dat cméě thy Velké Btáe č Německa budou z tohoto pohledu zcela vyhovující. Slučtelost přejímáí s CAP modelem. Nyí posoudíme jak přejatý údaj ze zahačího thu bude koespodovat s ostatím kompoety CAP modelu. Přejmeme-l z ozvutého thu (apříklad ameckého) a přejatou výosost ozačíme ~ pak CAP v ovc [1] dostae tva [4] A ~. Pokud tedy ebude platt že přejaté ~ se ová epozoovatelému (to co pozoujeme a lokálím thu jsme řekl že je jeho epoužtelý odhad) astae poblém. Odlšost se avíc ásobí beta faktoem a může tak dosáhout epříjemých ozměů. Důvody odlšost mohou spočívat apříklad v tom že Na ozvutém thu je já flace ež a lokálím. Pokud je a ozvutém thu žší flace ež a lokálím (to ale eí deší případ ČR!) pak ~ bude ízké kdežto bude poměě vysoké (vyšší ež bezzková mía z ozvutého thu ~ ) což způsobí epřozeě ízký odhad ákladů vlastího kaptálu. ísto flace s můžeme dosadt všechy faktoy kteé ovlvňují podmíky a peěžích tzích a skze ě podmíky a kaptálových tzích. Výosost kaptálu je a ozvutém thu já ež a lokálím. Na ozvutém thu obvykle bývá vyšší kvůl podvestovaost méě ozvuté ekoomky a potože se tam předpokládá vyšší ůst poduktvty v důsledku efektu doháěí. To se odazí a 1 Po sováí výos desetletých řeckých dluhopsů byl v ejktčtějším období v březu 01 kolem 36% (uzavíací kuz Bloombeg (014) a to šlo tehdy o extémě zkový stumet. 13 Jstotu emáme potože tevaly byly postavey a základě předpokladů kteé ejsou vždy splěy jedá se tedy o tevaly pseudospolehlvost a kol o tevaly spolehlvost. 14 Například pokud bychom spočítal mplkovaé výosost po 14 společostí z dexu PX jejch půmě by se jevl spolehlvější ež odhad založeý a 85 očích datech po USA. To ale utě ezameá že by takový odhad byl vhodější po paktcké použtí.

tom že ~ a přejímáí výosost z czího thu opět povede k epřměřeě ízké ekvtí pém. Rzko je a lokálím thu vyšší (ať jž zko spojeé s kedbltou vlády ejstým makoekoomckým podmíkam ebo s zkem lokálího akcového thu) což se opět pojeví a epřměřeě ízké ekvtí pém. Všechy tyto poblémy je pavděpodobě jedodušší kogovat a úov ekvtí péme ež a úov výosost akcového thu. Poto bude užtečé řešeí popsaé v ásledující podkaptole. 3. Přejmout celou ekvtí pém V tomto přístupu přejmeme komě výosost akcového thu bezzkovou míu z ozvutého thu jejíž splatost je stejá jako splatost lokálího stumetu kteý bychom původě použl (běžě 10 let (Damodaa 003 Dvořák 014). K uplatěí tohoto řešeí musí být splěy všechy výše uvedeé podmíky kladeé a ~. Komě toho musí být užtá bezzková mía dostatečě lkvdí aby byla po teto účel použtelá. To ale ebývá poblém a po lokálí th atož po ozvutý potože peěží a dluhopsový th jsou takřka vždy ozvutější ež kaptálový th. Statstckou spolehlvost pak má splňovat eje ~ ale celá ekvtí péme. Vzhledem k tomu že bezzková mía je daleko méě volatlí ež akcový výos a je s ím epřílš slě koelovaá (Dvořák 014) jsou závěy o spolehlvost téměř detcké spolehlvost akcové výosost. 15 (vzoce stejé akoát se dosadí místo výosost ekvtí péme za každé období. 16 Příklad. Šířky pásem odhadů po ekvtí péme pocházející z ameckého thu (S&P opot výosost desetletých dluhopsů) a českého thu (PX opot desetletým spotovým sazbám odvozeým z kouových swapů) jsou k dspozc v tabulce íže. Tabulka 3: Itevalové odhady po ekvtí pém Th (počet pozoováí) Půmě Výpočet Půmě Stadadí chyba odhadu Dolí mez (95%) Hoí mez (95%) USA (85) Atmetcký půmě Nomálí 588 78 043 1133 ČR (10) ozděleí 14 899-1548 1977 USA (85) Bootstap 588 3 19 1037 ČR (10) 14 869-151 1861 USA (85) Geometcký půmě Bootstap 40 45-06 895 ČR (10) -187 93-1944 1641 15 Pokud užíváme atmetcký půmě po výosost akcového thu a hstockou výosost bezzkového stumetu pak lze do vzoců [3] a [4] dosadt v jedotlvých obdobích pozoovaé ekvtí péme. Pokud užíváme geometcký ebo kozstetí půmě je vhodé půměou výosost akcového thu a půměou bezzkovou výosost spočítat zvlášť a a základě jejch ozdílu přést odhad ekvtí péme. Itevaly spolehlvost pak získáme a základě kolísáí tohoto ozdílu s ůzým vstupím daty v každé bootstapové smulac. 16 To by platlo př odhadu atmetckým půměem v ostatích případech je spávé počítat oboje zvlášť a stadadí chyby bootstapovat.

USA (85) Kozstetí půmě Bootstap 438 43-041 910 ČR (10) (10 let) -144 917-1898 1661 Zdoj dat: Damodaa (013) Pata (014). Pozámka: Číslo v závoce je počet očích pozoováí. Po USA použta očí data po S&P500 a desetleté T-Bods (Damodaa 013). Po ČR použta data po dex PX a swapové sazby (Pata 014). Bootstap založe a 1 000 000 smulací hodot půměů ze skutečých dat. Za zmíku stojí 3 věc. Zapvé damatcky šší tevaly po ČR opot USA. Zaduhé poměě velká šířka pásma po samoté Spojeé státy. Šířka pásma je v důsledku další áhodé velčy větší ež šířka pásma po výosost akcového thu avíc ovšem odhad 7-15 p.b. vypadá optcky přesvědčvěj ež odhad 0-8 p.b. byť obojí dává stejou spolehlvost. Zatřetí po ČR vychází ekvtí péme zápoá potože za zmíěých 10 let ostl akcový th méě ež byla bezzková sazba 17. To se v kátkém období může stát a vzká další agumet ve pospěch používáí dlouhodobých dat. Koec příkladu. Přejme-l tedy celou ekvtí pém ze zahačího thu výsledá CAP ovce pak bude: ~ ~. [5] A Pokud máme za to že lokálí a zahačí ekvtí péme ejsou sovatelé (apříklad z důvodů zmíěých v předchozí podkaptole je možé k výazu [5] přpočíst pém/péme země C a to typu ebo [6] C A ~ ~ [7] C případě obojího typu A ~ ~ [8] A 1 ~ ~ C C. Někteé možost jak k pém přstoupt jsou uvedey v Damodaa (003). Je však třeba pozameat že základí péme za flac je v ovc [5] jž obsažea potože bezzková mía stojící mmo závoku je omálí sazba z lokálího thu a tudíž zahuje lokálí flac. Ekvtí péme je o adtví flac očštěa. 18 Je třeba dodat že a ~ by měly pocházet ze stejé třídy stumetů. Pokud používáme ke staoveí bezzkové míy swapové sazby obojí by mělo být ze swapů (kouových a apř. dolaových). Používáme-l státí dluhopsy pak by měly být použty všude (apříklad dluhopsy české vlády a amecké vlády). 17 Geometcký a kozstetí půmě jsou velm ovlvěy damatckým poklesem thu mez dubem 008 a dubem 009 kdežto atmetcký půmě je jím ovlvě méě. 18 Pokud amecká eálá bezzková sazba je 1% péme za (očekávaou) flac je 07% a eálá výosost thu 6% pak lze očekávat že omálí bezzková mía bude zhuba 17% a omálí výosost thu zhuba 67%. Jejch ozdíl 5% tak (zhuba) odpovídá ozdílu v eálých výosostech.

3.3 Bayesovské odhady Tpíme-l edostatkem lokálích dat emusíme lokálí data zahodt a použít přímo zahačí data. ůžeme s též pomoc ozšířeím soubou lokálích dat o fomace z ozvutého thu. To se jeví jako tutvě přozeé poblém ale astává ve dvou bodech. Zapvé pokud exstují podstaté ozdíly mez domácím a zahačím them a ejsme schop je dobře kvatfkovat (pokud bychom byl můžeme ovou užít lepší data a o teto ozdíl je kogovat 19 ) půměováím dat z více thů vzká obtížě tepetovatelé a ospavedltelé číslo. 0 Zaduhé vzká otázka jakým způsobem fomace z domácího zahačího thu zohledt. Optmálí řešeí (Vascek 1973 Dvořák 014b) má podobu [9] V ~ ~ ~ s s s ~ s s s kde V je výsledá výosost a ~ byly defováy dříve a s a s~ jsou stadadí chyby spojeé s těmto odhady (vzoec [3] ebo sloupce Tabulek a 3 azvaé stadadí chyba odhadu ). Podobě můžeme odhadovat celou ekvtí pém kdy do vzoce [9] edosazujeme výosost ale ovou ekvtí péme a stadadí chyby pocházejí z ekvtích pémí. Tyto postupy jsou teoetcky spávé. Otázkou ovšem je jaká data jsou v ch užta; abízí se možost užít data eje z ejozvutějšího (ebo jak pefeovaého) thu ale z více thů záoveň apříklad z USA Btáe Německa vážeé mechasmem [9]. Neexstuje spává odpověď čímž se oceěí stává velm subjektví záležtostí. Příklad. Odhad výosost českého akcového thu pomocí lokálích dat a ameckých dat z Tabulky užjeme-l atmetcký půmě př omálím ozděleí bude 17 95 [10] V 1153 116 11 74. 95 17 95 17 Odhad české ekvtí péme pomocí lokálích dat a ameckých dat z Tabulky 3 užjeme-l opět atmetcký půmě př omálím ozděleí bude 78 899 [11] V 14 588 5 553. 899 78 899 78 V obou stuacích dostal amecký odhad výazě vyšší váhu. Koec příkladu. Bayesovský odhad má dle ašeho ázou smysl zejméa tehdy potřebujeme-l ospavedlt volbu zahačího vstupu přčemž exstuje vstup český. Řekeme-l že použjeme oba tolk akolk jsou oba spolehlvé může zít velm elegatě. 19 Například víme-l že česká výosost akcového thu je o p.b. vyšší ež amecká pak je optmálí využít amecká data a přpočíst k m teto ozdíl. 0 Vysvětleí bayesovské statstky že tímto postupem získáme ejlepší možý odhad by pavděpodobě ebylo po příjemce závěů a sozumtelé a uspokojvé.

3.4 Shutí kompomsích řešeí Byly zde abíduty 3 mplemetace kompomsích řešeí. Přestože každá je v učtých aspektech odlšá jedá se o velm podobá řešeí kteá budou fugovat dobře za podobých podmíek. Pokud bychom se měl vyslovt po jedo z ch dopoučl bychom řešeí duhé a sce přejmout celou ekvtí pém. Pokud používáme hstocká data je vhodé použít co ejdelší datovou řadu o dostatečé epezetatvost což by v pax zamealo uchýlt se a amecký th. Pokud používáme mplkovaou pém bude stačt dostatečě epezetatví th bez požadavků a hstocké řady a thy ozvutých zemí apř. Velké Btáe č Německa budou dostatečě spolehlvé. 4 Kompomsí řešeí beta faktou Požadavky a beta fakto jsou o pozáí přísější ež požadavky kladeé a výosost akcového thu. Chceme totž avíc aby byla beta elevatí po oceňovaý podk. To v pax zameá že použjeme betu podků podobého zaměřeí. Oceňujeme-l apříklad českou telekomukačí společost potřeboval bychom betu typckou po české telekomukačí společost. Jak jž bylo zmíěo a českém akcovém thu je málo lkvdích ttulů a poto elze ajít dostatečý vzoek společostí stejého odvětví. Beta použtá a jejch základě by byla Neepezetatví potože každý podk může mít svá specfka a beta vypočteá z ěkolka málo podků je spíše jejch dvduálí beta ež obecý vztah v celém odvětví. Pak eí důvod aby měl oceňovaý podk stejou betu. Neepezetatví potože má být posuzováa koelace s šoce defovaým them a kol s ěkolka málo (domatím) ttuly. Neepezetatví potože se může stát že bude posuzováa koelace výzamé fmy s dexem v ěm má tato fma velkou váhu (Damodaa 013a). Pak zkoumáme koelac velčy téměř se sebou samou což vyústí v hodotu velm blízko jedé. Statstcky espolehlvá potože směodatá chyba odhadu bety by byla poměě začá. 1 Beta se získává z ovce [1] ebo zcela mmořádě [13] kde [1] A u u [13] A A je pozoovaá výosost akce společost patřící do posuzovaého odvětví výosost celého dexu je bezzková mía (výosost bezzkového aktva) je u je áhodé kolísáí a a jsou ezámé odhadovaé paamety. Přčemž paamet je yze techcký a po odhadu se zahodí kdežto vypočteá je beta fakto kteý se dále užívá v ovc [1]. Z ovc [1] a [13] vyplývá že počet pozoováí př odhadu je počet fem v odvětví ásobeý počtem období za kteé se sledují výosost. Počet fem je odvslý od možství podků kótovaých a buze. Použít katší období eí přílš dobé potože ám jde o tvalejší vztahy a kol o kátkodobé fluktuace. Z tohoto důvodu Damodaa (013a) dopoučuje měsíčí ebo kvatálí vztahy; přčemž čím delší je časová řada tím dlouhodobější hozot se má použít. 1 Opět se vychází z toho že skutečá beta je epozoovaá a to co ze soubou fem zjstíme je pouze její (lepší č hoší) odhad.

ěřeí statstcké spolehlvost odhadu beta faktou se měří podobě jako statstcká spolehlvost akcové výosost ebo ekvtí péme. Itevalový odhad faktou pomocí ejčastěj užívaé metody ejmeších čtveců je za učtých předpokladů : [14] ˆ ˆ q ˆ ˆ q kde je epozoovaá hodota skutečé bety ˆ je její bodový odhad (půmě kteý ám vyšel) q je kvatl omálího 3 ozděleí (apříklad q 1 96 po 95% spolehlvost) a [15] e 1 1 1 ˆ x x 1 kde je počet pozoováí (počet fem ásobeý počtem období sledováí výosostí) a e jsou odhady u tj. ozdíly mez skutečou výosostí akcí a modelem (pavou staou ovce [1] ebo [13]) předpovězeým výosostm. x jsou buďto z ovce [1] ebo z ovce [13]. Ze vztahu [15] vyplývá že tevaly [14] budou ejužší pokud (1) CAP model dobře pokládá data ( e 1 1 je malé) () máme moho pozoováí ( je malé) a ozptyl vysvětlující poměé tedy výosost ebo advýosost dexu ad bezzkovou míu ( možé lépe změřt její dopad a výosost akce (Vebeek 01 s. 18). 1 x x ) je velký aby bylo Jedé s čím můžeme hout je počet pozoováí. Tedy volíme takový th a kteém je moho fem a dlouhá hstoe spolehlvých pozoováí. Příklad. Ukážeme jaký vlv má počet dat a statstckou elevac výpočtu beta faktou. Použjeme k tomu dex S&P500 a akc Exxo obl (NYSE) za období 17. 9. 004-11. 4. 014. áme k dspozc 0 půločích pozoováí 40 čtvtletích pozoováí 10 měsíčích pozoováí 40 čtáctdeích pozoováí 480 týdeích pozoováí a 40 deích pozoováí. 4 Velkost pásma vypočteého pomocí ovce [14] jako fukce fekvece pozoováí je ásledující. Jedá se o Gaussovy-akovovy předpoklady: zejméa je důležté aby u byly vzájemě ekoelovaé (v čase mez jedotkam) a měly stejý ozptyl a aby byly ekoelovaé se zbytkem pavé stay (Vebeek 01 Geee 01). Dlužo říc že v pax většou předpoklady splěy ejsou přesto jsou takové odhady beta faktou po svou jedoduchost běžě užíváy. 3 Ve skutečost se používá Studetovo t-ozděleí s stup volost přčemž po větší počet pozoováí (30 a více) jsou Studetovo a omálí ozděleí takřka totožá. 4 5 ásledujících obchodích dí je ozačováo jako týde 10 jako 14 dí apod.

Obázek : Itevalový odhad beta faktou Beta fakto 1 08 06 04 0 0 Bodový odhad Dolí mez (95%) Hoí mez (95%) -0 1 5 10 0 60 10 ekvece pozoováí (obchodí dy) 1..deí 5..týdeí 0..měsíčí 60..čtvtletí 10..pololetí Zdoj dat: Pata (014). Je vdět že s vyšším počtem pozoováí oste spolehlvost a pseudospolehlvostí pásmo se zužuje přčemž ejvyšší efekt astává po malý počet pozoováí. Jakožto akce opé společost eí překvapvé že její beta je meší ež jedčková elze s ale evšmout že vyšší fekvece pozoováí vede k damatcky vyššímu odhadu bety: od 03 po 0 půločích období až k 075 u čtáctdeího a katšího období. Paktckým kompomsem mez spolehlvostí a časovou by bylo volt měsíčí (tj. 0 deí) tevaly. Koec příkladu. V příkladu je lustováo mmo jé že (epoužíváme-l espolehlvá data katší ež měsíc) jedá akce zdaleka edává dostatečě spolehlvý odhad bety. Pokud emůžeme použít lokálí betu což bylo ukázáo že po český th elze je uté použít áhadí řešeí. Nabízí se použít 1) Betu z ozvutého thu. ) Bayesovský odhad 3) Jý způsob měřeí bety elatví volatlta ebo účetí beta (Damodaa 013a). 4.1 Beta z ozvutého thu. Přejmeme-l betu z ozvutého thu kteá splňuje požadavky epezetatvost a statstcké spolehlvost dostaeme model CAP v podobě [16] A ~. Klíčové pak bude aby model odpovídal českému CAP modelu defovaém ovcí [1] pokud by byla-l česká beta pozoovatelá Jým slovy musí kocepčě platt zapotřebí dvě podmíky. ~. Ke splěí jsou Stejý vztah k dexu. Podky stejého odvětví a ozvutém thu musí mít podobý vztah k tamějšímu dexu jako podky a lokálím thu k lokálímu dexu. I když může být celá

řada dílčích důvodů poč toto emusí platt lze těžko alézt pádé teoetcké důvody poč by apř. automoblové podky měly být pocyklcké v USA a kotacyklcké v České epublce. Kozstetí způsob odhadováí. Způsob odhadováí beta faktou musí být kozstetí s modelem používaým po oceňováí. Potože pví podmíku můžeme ověřt těžko zaměříme se výhadě a duhou podmíku. Nejčastější způsob odhadu beta faktou je podle ovce [1] (Damodaa 013a Vascek 1973) a vede ke zámému výazu [17] A A 1 1 1 cov( A ). va( ) 1 1 1 Povšměme s že v ovc [17] se evyskytuje bezzková mía ( ) a absolutí velkost výosů thu a oceňovaých efeečích podků pouze jejch kovaace ( cov( ) ) a vaace thu ( va( ) ). To zameá že A beta je poto přeostelá do modelů s lbovolou bezzkovou míou tedy s lokálí bezzkovou míou ež je ta užtá k odhadu bety a ozvutém thu beta je přeostelá do modelů s lbovolou půměou výosostí akcí (a ve spojeí s bezzkovou míou do modelů s lbovolou ekvtí pémí). Jým slovy za předpokladu že mez akcí podku v daém odvětví a dexem pauje stejý vztah a ozvutém thu a lokálím thu můžeme použít beta fakto odvozeý a zahačím thu po lokálí podk. Pokud bychom použl méě užívaý 5 leč dle ašeho ázou spávější odhad pomocí ovce [13] kteý posuzuje v každém období velčy v elac k bezzkové míře dostaeme po betu výaz [18] cov( A ) cov( A ) cov( ) va( ). va( ) va( ) cov( ) Přestože ve výazu [18] opět efguují absolutí velkost akcových výosů a bezzkových mě ale pouze vztah mez jejch pohyby aalýza se komplkuje. Rozboem lze zjstt že beta odhadutá podle vzoce [18] je slučtelá s jou ež v ovc [13] použtou bezzkovou míou pouze pokud astae alespoň jeda z ásledujících dvou možostí. 5 Odhad je dle ašeho ázou méě užívaý zejméa poto že (1) je méě zámý () vyžaduje další vstup: bezzkovou míu čímž pak mohou vzkat dskuse jakou bezzkovou míu použít a (3) pokud by bezzková mía fluktuovala v čase poušlo by to předpoklad bezzkovost a kostukce CAP modelu jak byl vyvut (Shape 1964) by emusela teoetcky platt. Odhad [16] je empckým potějškem teoetcky podložeému odhadu [15] kteý adesuje fakt že teoe přílš eplatí.

Bezzkové míy (lokálí zahačí) jsou v čase kostatí a ekoelovaé s posuzovaou akcí a tžím dexem tj. va( ) cov( ) cov( ) 0 a totéž po zahačí th. Přesah výosost oceňovaého (tj. lokálího) aktva ad lokálí bezzkovou míu je popocoálí k přesahu výosost lokálího aktva ad zahačí bezzkovou míu A použtou př odhadu beta faktou ( ~ ). Totéž musí platt po výosost tžího dexu. Nebol musí exstovat jedé číslo k splňující podmíku [19] po všecha pozoováí [19] k A A ~ ~ kde tlda začí údaj ze zahačího thu použtý př odhadu beta faktou. Obě podmíky kdy ebudou dokoale splěy. Lze s však z ch vzít závě že (1) pokud jsou bezzkové míy dostatečě ekoelovaé s výosy posuzovaých akcí a akcovým dexy a dostatečě málo kolísající ebo () péme za tží zko budou přblžě popocoálí př užíváí lokálích ve výpočtu beta faktou použtých zahačích bezzkových stumetů je možé používat bety odvozeé a zahačím thu společě s lokálím bezzkovým měam. Závěem se dá říc že beta je byť s přvřeím očí v duhém případě přeostelá do jých modelů. 4. Bayesovský odhad Podobě jako u Bayesovského odhadu akcové výosost přpadá v úvahu doplt lokálí edokoalý odhad daty z vyspělého thu. S metodou přšel Vascek (1973). Po optmálí váhy jedotlvým odhadům by platlo (Vascek 1973 ařík et al. 011) [0] ~ ~ s s B s s s s ~ ~ kde s jsou stadadí chyby odhadů vypočteé podle vzoců [15]. Námtky jsou komě výtky extémě špatého chaakteu lokálích dat podobé jako u bayesovských odhadů výosost akcového thu č ekvtí péme kokétě obtížá tepetovatelost a subjektvta ohledě užtých dat ze zahačího thu. Po přeostelost beta faktou do modelu jé země platí totéž co bylo zmíěo po přímé přjetí beta faktou dskutovaé v předchozí kaptole. 4.3 Jý způsob odhadu beta faktou Poblémům s egesím odhady beta faktou se lze vyhout také tím že použjeme metodu kde se používá jý typ dat ebo kde se epoužívají hstocká data vůbec. ožé přístupy mohou být tyto. etoda bety z empckých fukcí. (Damodaa 013a ařík et al 011). Jedá se o ovce kdy a ozvutém thu jsou staovey koefcety jak jedotlvé faktoy přspívají k betě apříklad [0] B k x k x... k x 1 1

kde k jsou koefcety a x jsou fomace pocházející z oceňovaého podku. Pokud se koefcety oděkud získají lze dosazeím fomací po oceňovaý podk získat odhad jeho bety. Zádhel spočívá v tom že z ozvutého thu sce epřeášíme betu jako takovou ale přeášíme v podmíkách ozvutého thu odvozeé koefcety. Ty pak emusí být v souladu s eálem lokálího thu. Navíc koefcety ejsou Boží pavda; vztahů typu [0] lze vymyslet a odhadout espočet. Hodoty koefcetů jsou obvykle poplaté okamžku sestaveí a soubou podků a kteých byly odvozey; po jé období a jý soubo podků mohou být začě odlšé. Účetí beta. (Damodaa 013a). Způsobem jak se zcela vyhout poblémům s přejímáím egesích bet je použít účetí ukazatel a sledovat koelac ukazatele přímo po oceňovaý podk ebo po skupu podků podobého zaměřeí ( P ) s ukazatelem po všechy podky akcového dexu případě po jak defovaý th ( podobu [1] cov( P ) va( ) P ). Odhad bety pak má kde kovaace a vaace jsou počítáy v čase. Za dkáto je možé volt ůzé účetí velčy. Dopoučuj volt tžby potože ty se dají hůře účetě zkeslovat v poováí se zskem (Damodaa 013a). Navíc koespodují s běžou představou o cyklčost odvětví: apříklad cyklcké odvětví vímáme jako odvětví kdy mají hodě zakázek v kojuktuře a málo v eces. Nákladové položky jsou pak více v ež jedotlvých fem a jsou poto hůře zobectelé. I když přpouštíme že pospetu fmem eodáží pouze tžby zdá se že tžby jsou to ejlepší co účetctví abízí. Výhoda opot betě z kaptálového thu po lokálí th je že o ohé podky ejsou kótováy a kaptálovém thu ale údaje z jejch závěek exstují; čímž máme k dspozc šší soubo dat jak z hledska zastoupeých odvětví tak z hledska počtu fem. o Lze sado sestavovat dexy: emusíme se bát že výsledek zkeslí výplaty dvded apod. o Lépe ajdeme sovatelé podky pokud oceňovaý podk eí kótová a buze. Nevýhody jsou že áme pouze účetí data kol tží data. Jedotlvé fmy se v čase vyvíjejí což je uté kompezovat (buďto dostatečě šokým počtem fem abychom popsal celé odvětví ebo každou fmu ozložt a tedový a cyklcký vývoj). odfkací by bylo vzít s publkovaé statstcké údaje po velkost tžeb v odvětví podle čost (NACE) a bechmakovat daé odvětví pot všem odvětvím dohomady (HDP). Subjektví metody. Exstují metody (ařík et al. 011a) kteé podle subjektvího hodoceí řady faktoů oceňovaého podku přřadí velkost bety využívaje př tom faktu že půměá beta by měla vycházet kolem jedé. Zde eí poblém s daty potože v podstatě žádá ejsou vyžadováa poblém je v souladu s tžostí.

4.4 Shutí kompomsích řešeí beta faktou Zde se abízí dvě možá řešeí. Zůstaeme-l vě klascké metodě egesího odhadu je uté použít data z ozvutého thu a kvůl podmíce elevatost a statstcké spolehlvost (je potřeba mít celkem kolem 1 000 pozoováí) budou ejvhodějším kaddátem Spojeé státy. akt že beta fakto je kovaace děleá ozptylem umoží za podmíky stejého vztahu odvětví k dexu a ůzých tzích beta fakto přeášet. Dosud přílš epozkoumaou alteatvou je epoužít tží data ale apříklad účetí bety kteé lze a českém thu získat z výkazů fem. Z účetích dat dopoučujeme volt tžby. 5 Závě Po mohé lokálí thy český evyjímaje je velkým poblémem aplt údaje potřebé do CAP modelu zejméa výosost akcového dexu a beta fakto. Řešeím pak je přejímáí údajů z ozvutého thu. Př ozhodováí zda použít lokálí data ebo zahačí data a případě kteá zahačí data volt je třeba pozkoumat akolk splňují voleá data podmíku epezetatvost (dostatek lkvdích ttulů) a statstcké spolehlvost (výsledý půmě je dostatečě přesý). Rozhodeme-l se přejmout zahačí údaj po výosost akcového dexu máme dvě možost. Volíme-l hstockou výosost je uté použít co ejdelší data a volbou poto bude amecký th. Přesto výsledky ebudou přílš spolehlvé. Poto se zdá lepší použít přístup přejaté mplkovaé péme kde eí potřeba hstocká databáze a stačí pouze dostatek lkvdích ttulů (podmíka epezetatvost); poto jsou vhodé thy Velké Btáe Německa č dalších ozvutých států. Výsledý odhad je pak eje více tžě kofomí ež v případě hstocké péme ale statstcky spolehlvější a kvůl možost volt geogafcky blžší th patě věcě elevatější. Rozdíl mez thy lze dále uplatt koekcí ekvtí péme. Podmíky kladeé a beta fakto jsou přísější ež z výosost akcového thu potože je potřeba dostatečý počet fem v daém odvětví a dostatečá délka časových řad aby byl odhad spolehlvý. Kaddátem poto budou především Spojeé státy. Poztví je že beta je za běžě přjímaého předpokladu detckého vztahu odvětví k celému thu v lokálí zahačí zem koceptuálě přeostelá do jých zemí č modelů. Alteatvím řešeím poblému přejímáí beta faktou je užíváí lokálích dat (apříklad o tžbách). To je dosud málo pobádaou oblastí. Lteatua [1] Bloombeg (014). Geece Govt Bod 10 Yea. [ct 19.4.014]. http://www.bloombeg.com/quote/gggb10yr:ind/chat [] Damodaa A. (013). Aual Retus o Stock T.Bods ad T.Blls: 198 - Cuet. [ct. 15.7.013]. Dostupé a http://people.ste.yu.edu/adamoda/new_home_page/datafle/hstetsp.html. [3] Damodaa A. (013a). Estmatg Rsk Paametes. [ct. 14.1.013]. Dostupé a http://people.ste.yu.edu/adamoda/pdfles/papes/beta.pdf. [4] Damodaa A. (013b). Equty Rsk Pemums (ERP): Detemats Estmato ad Implcatos The 013 Edto. [ct. 11.1.014]. Dostupé a http://papes.ss.com/sol3/papes.cfm?abstact_d=38064.

[5] Damodaa A. (008). What s the skfee ate? A Seach fo the Basc Buldg Block. Ste School of Busess New Yok Uvesty. [ct. 7.7.013] Dostupé a: http://people.ste.yu.edu/adamoda/pdfles/papes/skfeeate.pdf. [6] Damodaa A. (003). easug Compay Exposue to Couty Rsk: Theoy ad Pactce. [ct. 11.1.014]. Dostupé a http://people.ste.yu.edu/adamoda/pdfles/papes/coutyrsk.pdf. [7] Dvořák. (014). Užtí swapových sazeb po staoveí dskotí míy se zřetelem a Českou epublku. Oceňováí 7 1 3-6. [8] Dvořák. (014a). Estmatg Yelds: Athmetc Geometc ad Hozo-Cosstet Aveage. Upublshed mauscpt. [9] Dvořák. (014b). O Aveagg-Out Eos Usg Substadad Idcatos. Upublshed mauscpt. [10] Geee W. H. (01). Ecoometc Aalyss. 7 th Edto. Halow: Peaso. [11] Ido D. C. Lee W. Y. (1997): Bases Athmetc ad Geometc Aveages as Estmates of Log-Ru Expected Retus ad Rsk Pema. acal aagemet 1997 vol. 6 o. 4 pp. 81-90. [1] ařík. et al. (011). etody oceňováí podku po pokočlé: Hlubší pohled a vybaé poblémy. 1. vydáí. Paha: Ekopess. [13] ařík. et al. (011a). etody oceňováí podku: Poces oceěí základí metody a postupy. 3. upaveé a ozšířeé vydáí. Paha: Ekopess. [14] Pata ace (014). Akce Akcová databaka. [ct. 11.4.014]. Dostupé a http://www.pata.cz. [15] PSE (014). PX Idex Base as of 4/10/014. [ct 11.4.014 ]. Dostupé z http://www.pse.cz/statstka/buzov-idexy/default.aspx?b=1 [16] PSE (014a). Pavdla po výpočet dexů PX a PX-TR Buzy ceých papíů Paha. Veze 1.3 březe 014. [ct. 11.4.014] Dostupé z http://ftp.pse.cz/ifo.bas/cz/px_pavdla_po_vypocet.pdf. [17] PSE (013). Ročeka 013/act Book 013. [ct 11.4.014]. Dostupé a http://ftp.pse.cz/statst.dta/yea/fb013.pdf. [18] Shape W.. (1964). Captal Asset Pces: A Theoy of aket Equlbum ude Codtos of Rsk. Joual of ace 19 3 s. 45-44. [19] Vascek O. A. (1973). A Note o Usg Coss-Sectoal Ifomato Bayesa Estmato of Secuty Betas. Joual of ace 8 5 s. 133-139. [0] Vebeek. (01). A Gude to ode acoecoomcs. 4th Edto. Chcheste: Joh Wley & Sos.