Заключение. В ходе данного исследования было выявлено, что модель парной регрессии оказалась лучшего качества, нежели чем модель множественной регрессии

В ходе данного исследования было выявлено, что модель парной регрессии оказалась лучшего качества, нежели чем модель множественной регрессии, исходя из полученных значений скорректированного коэффициента детерминации (R²). Следовательно, Гипотеза №1 опровергнута. Гипотеза №2 была подтверждена: коэффициент при параметре Х, характеризующим премию за риск от вложения в портфель акций компании ВСМПО-АВИСМА действительно оказался меньше 1, что говорит о том, что объясняемая переменная (как в случае модели парной регрессии, так и множественной) низкочувствительна к изменению объясняющей переменной Х. К сожалению, выбранная нами для введения в эконометрическую модель переменная Z, характеризующая темп прироста цен алюминия, оказалась не значимой. Т.е., она, даже судя по значению коэффициента при ней (0,04), не оказывает особого влияния на формирование премии за риск от вложения в портфель акций рассматриваемой корпорации. Следовательно, Гипотеза №3 опровергнута.

В целом, итоговая эконометрическая модель (модель парной регрессии, которая по качеству оказалась лучшей из двух рассматриваемых) согласована с экономической моделью по показателю отсутствия свободного члена (в случае с эконометрической моделью, грубо говоря, поскольку значение его все-таки стремится к нулю). Но все-таки является некачественной, поскольку, судя по коэффициентам при переменных ее составляющих (в данном случае Х), не учитывает основных факторов, оказывающих сильное влияние на формирование объясняемой переменной (премии за риск от вложения в портфель акций рассматриваемой корпорации).

Для улучшения качества модели, возможно, стоит делать проверки на значимость нововведенных факторов, и найти именно те параметры, которые бы оказывали весомое влияние на формирование объясняемой переменной У. Введя их, мы бы получили явно более качественную модель, чем та, что была рассмотрена в данном исследовании. Но более эффективным вариантом для улучшения качества модели был бы переход к нелинейной зависимости в регрессионном уравнении. В исследовании было замечено, что после удаления выбросов в модели парной регрессии по графику QQ plot видно, что наблюдения имеют распределение схожее с графиком кубической параболы. Возможно, перейдя на нелинейность, модель, по показателю коэффициента детерминации, стала бы более качественной, поскольку, пришлось бы удалять не столь много выбросов, следовательно, выборка состояла бы из большего числа наблюдений, а это, априори, влияет на увеличение коэффициента детерминации.

Что касается рассматриваемой на примерах модели САРМ, то, прочитав достаточно литературы по этой теме, хочется отметить, что с самого появления ее на свет, она сразу же была подвергнута критике из-за нереалистичности своих предпосылок. И также, на сегодняшний день, имеется достаточное количество моделей, взявших за основу построение САРМ, но пытающихся ликвидировать ее недостатки.

[1] [Эл. ресурс]: http://berg.com.ua/fundam/capm/ - модель оценки долгосрочных активов (САРМ)

[2] [Эл. ресурс]: www.finam.ru – данные.

[3] [Эл. ресурс]: www.finam.ru – данные.

[4] [Эл. ресурс]: http://quote.rbc.ru/macro/country/24.shtml. - данные.

[5] [Эл. ресурс]: http://www.rusbonds.ru/tyield.asp?tool=6043 - данные

[6] Цыплаков А. «Мини-словарь англоязычных эконометрических терминов, часть 2», Квантиль №3, 2008.-с.67-72

[7] [Эл. ресурс]: http://www.finman.ru/annotations/2010/4/ - Финансовый менеджмент. №4-2010

[8] Бардасов С.А. Эконометрика: 2-е изд.,-2010