Szigorlat.

Az előadások a következő témára: "Szigorlat."— Előadás másolata:

1 Szigorlat

2 SZÁMVITEL

3 Számvitel tételek 5. Mérleg 6. Eredménykimutatás
Mérleg fogalma Mérleg szerkezete Mérleg főcsoportok és csoportok tartalma 6. Eredménykimutatás Eredménykimutatás fogalma, szerkezete Összköltség és forgalmi költség eljárásra épülő eredménykimutatás felépítése Eredménykategóriák tartalma 7. Cash-flow kimutatás Cash-flow kimutatás tartalma, szerkezete Indirekt és direkt cash-flow kimutatás Gazdasági események hatása a mérlegre, az eredménykimutatásra és a cash-flowra Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

4 A vállalkozás vagyoni helyzetét bemutató számviteli okmány
A mérleg jellemzői A vállalkozás vagyoni helyzetét bemutató számviteli okmány A vállalkozás vagyoni helyzetét (vagyonát) egy adott időpontban mutatja meg, méghozzá dec. 31-én (állományi szemlélet). A vagyont kettős vetületben szemléli ESZKÖZÖK, vagyontárgyak (Mink van?) aktívák FORRÁSOK, vagyon eredete (Miből vettük?) passzívák  Eszközök =  Források ezt nevezzük mérlegfőösszegnek A mérleg teljeskörű minden vagyontárgyra ki terjed. Összevontan, kötött sorrendben mutatja be a vagyont. Mérésmódja az érték ezer forintra kerekítve Hitelességét könyvvizsgáló igazolja Két értékoszlopot tartalmaz tárgyévet és az azt megelőző évet Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

5 Eszközök Források A mérleg felépítése Mérleg, 200X. Dec.31.
Eszközök összesen Források összesen Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

6 Aktív időbeli elhatárolások Passzív időbeli elhatárolások
A mérleg felépítése Mérleg, 200X. Dec.31. FORRÁSOK ESZKÖZÖK Eszközök Források Befektetett eszközök Forgóeszközök Aktív időbeli elhatárolások Saját tőke Céltartalékok Kötelezettségek Passzív időbeli elhatárolások Eszközök összesen Források összesen Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

7 Analitikus nyilvántartás
Eredménykimutatás Mérleg  Eredménykimutatás Kiegészítő melléklet Üzleti jelentés Nyilvános- ságra  hozatal Beszámoló  Főkönyv  Analitikus nyilvántartás Alapbizonylatok Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

8 Az eredménykimutatás A vállalkozás adott időszaki teljesítményéről, sikerességéről, jövedelemtermelő képességéről szolgáltat információkat. Az éves hozamok (kibocsátás, bevételek) és ráfordítások különbségéről van szó. Forgalmi szemléletet tükröz, hiszen az adott év kibocsátását állítja szembe az adott év kibocsátása érdekében felmerült erőforrás-felhasználással. Egységes szerkezetben, a gazdálkodó szervezet különböző folyamatainak bemutatása mellett tartalmazza a mérleg szerinti eredményének levezetését. A piaci szereplő képet kap a vállalkozás tevékenységének sikerességéről, az eredmény alakulásának körülményeiről. Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

9 Mérleg szerinti eredmény levezetésének sémája
Üzemi (üzleti) tevékenység bevételei (hozamai) - Üzemi (üzleti) tevékenység költségei, ráfordításai A/ Üzemi (üzleti) tevékenység eredménye Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

10 Az eredménykimutatás változatai
Az üzemi (üzleti) eredményt a vállalkozás két változatban vezetheti le, mutathatja be: Összköltség eljárással Forgalmi költség eljárással Összköltség eljárás Értékesítés nettó árbevétele Egyéb bevételek Aktivált saját teljesítmények Üzleti tevékenység hozamai Felmerült éves összes költség Egyéb ráfordítások Üzleti tevékenység ráfordításai A/ Üzemi (üzleti) tevékenység eredménye Forgalmi költség eljárás Értékesítés nettó árbevétele Egyéb bevételek Üzleti tevékenység hozamai Értékesítés éves összes költsége Egyéb ráfordítások Üzleti tevékenység ráfordításai A/ Üzemi (üzleti) tevékenység eredménye Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

11 Ismerkedjünk meg a fogalmakkal
Felmerült éves költség anyagjellegű ráfordítás személyi jellegű ráfordítás értékcsökkenési leírás Költségnemek Összköltséges Értékesítés nettó árbevétele Egyéb bevételek Aktivált saját teljesítmények Üzleti tevékenység hozamai Felmerült éves összes költség Egyéb ráfordítások Üzleti tevékenység ráfordításai A/ Üzemi (üzleti) tevékenység eredménye Forgalmi költséges Értékesítés nettó árbevétele Egyéb bevételek Üzleti tevékenység hozamai Értékesítés éves összes költsége Egyéb ráfordítások Üzleti tevékenység ráfordításai A/ Üzemi (üzleti) tevékenység eredménye Értékesítés éves összes költsége a felmerült összes költségnek az a része amely a tárgyévi bevételekkel hozható kapcsolatba költségnemek - aktivált saját teljesítmények Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

12 És még egy Aktivált saját teljesítmények: (két elemből áll)
Saját előállítású eszközök aktivált értéke (SEEAÉ), ezek az eszközök a beszámolási időszak végén a leltárban szerepelnek. (Érteke csak pozitív lehet.) Saját termelésű készletek állományváltozása (STKÁV), a saját termelésű készletek év végi és év elejei állományának különbözete. Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

13 Mérleg szerinti eredmény levezetésének sémája
Üzemi (üzleti) tevékenység bevételei (hozamai) - Üzemi (üzleti) tevékenység költségei, ráfordításai A/ Üzemi (üzleti) tevékenység eredménye Pénzügyi műveletek bevételei - Pénzügyi műveletek ráfordításai B/ Pénzügyi műveletek eredménye C/ Szokásos vállalkozási eredmény ( A  B) Rendkívüli bevételek - Rendkívüli ráfordítások D/ Rendkívüli eredmény E/ Adózás előtti eredmény ( C  D) - Társasági adó F/ Adózott eredmény - Fizetett (jóváhagyott) osztalék, részesedés G/ Mérleg szerinti eredmény (MSzE) Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

14 Kiegészítő melléklet Az egyes eszköz- és forrásadatok tartalmi megítéléséhez nyújt főképp segítséget. Rávilágít az üzleti megítélésen alapuló döntések okaira, következményeire, összefüggéseire. Három részből áll: Általános rész (a vállalkozást és a beszámoló egészét magyarázza) Specifikus rész Mérleghez kapcsolódó kiegészítések Eredménykimutatáshoz kapcsolódó kiegészítések Tájékoztató rész Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

15 Cash-flow A vállalkozás éves pénzeszközállományának változását és annak körülményeit mutatja be. Pénzforgalmi szemléletmódban készül. A Cash-flow kimutatás felépítése: I. Szokásos vállalkozási tevékenységből származó pénzeszközváltozás (Működési Cash-flow) II. Befektetési tevékenységből származó pénzeszközváltozás (Befektetési Cash-flow) III. Pénzügyi tevékenységből származó pénzeszközváltozás (Finanszírozási Cash-flow) Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

16 Cash-flow kimutatás fajtái
Direkt cash-flow Az alapbizonylatokból, analitikából, szintetikából indulunk ki. Megkeressük azokat a gazdasági eseményeket, amelyek pénzmozgással jártak és ezek hatását összesítjük. Indirekt cash-flow Az adózás előtti eredményt használjuk kiinduló adatként. Ezt korrigáljuk az olyan bevételekkel, illetve és ráfordításokkal, amelyeket az adózás előtti eredményben elszámoltunk, de nem jártak pénzmozgással. Majd korrigáljuk az olyan pénzbevételekkel, amelyek befolytak, és az olyan kiadásokkal, amelyeket kifizettünk, de az adózás előtti eredményt nem érintették. Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

17 BEFEKTETÉSEK

18 Befektetések tételek 12. Árfolyamok előrejelzése
Belső érték és a fundamentális elemzés Buborékok és a technikai elemzés Elemzési módszereik mellett és ellen szóló érvek 13.Tőkepiaci hatékonyság Tökéletes tőkepiaci árazás Tőkepiaci hatékonyság szintjei, a szintek tesztjei Tőkepiaci hatékonyság következményei a vállalati pénzügyi elemzésekre 14.Szezonális árfolyammozgások (Anomáliák I.) Január effektus Hétvége effektus, szünnap vagy ünnepnap effektus, hónapforduló effektus, napon belüli hozammintázatok Magyarázatok a hozammintázatokra (kis cég effektus, adóoptimalizálás, pénzáramlásokhoz kapcsolódó szokások, ablaknyitás, pszichológiai magyarázatok) 15.Átlaghoz való visszatérés (Anomáliák II.) Átlaghoz való visszatérés kimutatásának módszerei Szkeptikus magyarázatok és válaszok Pénzügyi változók hozam-meghatározó képessége (P/E ráta, osztalékhozam, kis cég effektus, stb.) 16.Több-faktor modellek Több-faktor modellek szükségességének empirikus és elméleti igazolása Több-faktor modellekben alkalmazható faktorok Fama-French 3-faktor modell, 5-faktoros modell Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

19 Árfolyamok előrejelzése
Belső érték és fundamentális elemzés Buborékok és technikai elemzés Elemzési módszerek mellett és ellen szóló érvek Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

20 Fundamentális elemzés
Belső érték A befektetés jövőbeli várható jövedelmeiből és kockázatából Fundamentális elemzés Az árfolyamok a „piac” belső értékre adott becsléseit tükrözik. Azonban a piac „hibázgat”, „réseket hagy”, amiket reményteljes felfedezni. A hibát idővel korrigálja a piac, így ha megelőzzük, nyerhetünk. Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

21 Buborék A pillanatnyi ár a piac általános vélekedése szerint sem tükrözi a szintén általános vélekedés szerinti belső értéket. A piac szereplői arra számítanak, hogy az ár belső értéktől való távolodása még tovább tart, azaz az áremelkedés minden fundamentális hatás nélkül tovább folytatódik. Nem teljesen értjük a buborékok kialakulásának és kipukkadásának folyamatát, viszont vannak. „Pszichológiai” okokkal magyarázzuk, mert a közgazdasági racionalitás megközelítésével értékelhetetlenek. Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

22 Technikai elemzés A buborékok világának elemzése
Idősorok szerkesztése és értelmezése. Visszatérő, így előrejelezhető viselkedési sémák, motívumok keresése. A belső értékre vonatkozó információk ismerete és feldolgozása felesleges, kilátástalan. A célj inkább annak megjóslása, hogy más befektetők miként fognak cselekedni a jövőben. Az eddigi piaci árakban tükröződik a jövő, a múlt ismétli önmagát. Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

23 Miért működhet a fundamentális elemzés?
Triviálisnak tűnik, közgazdasági logika Miért nem működhet a fundamentális elemzés? Pontatlan az információ Pontos az információ, de rossz belső érték becslés. Jó a belső érték becslés is, de a többiek is ezt becslik. Többiek mást becsülnek, és csak lassan korrigálnak. Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

24 Miért működhet a technikai elemzés?
„Emberi logika” „Emberi emlékezet” Információ lassú terjedése Miért nem működhet a technikai elemzés? Lekésés „Kicsit előbb – kicsit előbb” A technikai okoskodások önmagukat szüntetik meg Gyorsaság „Ha úgy tudják, hogy holnap felmegy, már ma felmegy.” Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

25 Tőkepiaci hatékonyság
Tökéletes tőkepiaci árazás Tökéletes hatékonyság szintjei, a szintek tesztjei Tőkepiaci hatékonyság következményei a vállalati pénzügyi elemzésekre Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

26 Tökéletes tőkepiaci árazás
„Tökéletes tőkepiaci árazásról beszélünk, ha a tőkepiaci árfolyamok minden pillanatban az akkor rendelkezésre álló összes információt teljességgel tükrözik, egyensúlyban vannak, amely egyensúlyból csak új információ hatására mozdulhatnak ki.” „Mindebből az is következik, hogy a piac az újonnan megjelenő információkra azonnal és helyesen reagál.” Hatékony tőkepiacok hipotézise (EMH) Az előző definíció túl általános, mert nem tér ki arra, hogy mit tekintünk „az információkat teljességgel tükrözőnek”. Az EMH egyensúlyi modell nélkül nem vizsgálható. Ez az egyensúlyi modell a CAPM lesz. „Közös hipotézis probléma” Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

27 Hatékony tőkepiacok hipotézise (EMH)
Elfogadja az abnormális hozamok előfordulását, annyit állít csak, hogy ennek várható értéke minden pillanatban nulla. Nem tagadja, hogy az információk hatnak az árakra, de azt állítja, hogy információkkal nem lehet többlethozamokhoz jutni, mert az információbeépülés végtelenül gyors. Az árak csak az új információk hatására változnak, de az „új” információ attól „új”, hogy véletlenszerűen érkezik. Az árak tehát véletlenszerűen alakulnak. Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

28 Tőkepiaci hatékonyság szintjei
Tőkepiaci hatékonyság gyenge szintje A pénzügyi változók (árak, osztalékok, kamatok, számviteli eredmények stb.) idősorozatának információit teljességgel tükrözik az árfolyamok. Tőkepiaci hatékonyság félerős szintje Az árfolyamok teljességgel tükrözik a nyilvánosan bejelentett vállalat, részvény jövőjére vonatkozó információkat. Tőkepiaci hatékonyság erős szintje Az árfolyamok a magán információkat is teljességgel tükrözik. Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

29 A tőkepiaci hatékonyság gyenge szintjének tesztjei
Múltbeli adatok alapján olyan módszereket keresünk, amelyek szerint az árfolyamok előrejelezhetők voltak. Ha találunk ilyeneket, akkor nem áll fenn a szint, ha nem, akkor fennáll. Sorozat-tesztek Korreláció-vizsgálatok Kereszt-korreláció Naptári „mintázatok” Eredmény: előrejelezhetetlenség A részvényárfolyamok eddigi változásaiból nem lehet a továbbiakra következtetni. A tőzsdei árfolyamoknak nincs memóriája. A különböző pénzügyi változók sorozatának információi teljességgel beépülnek az árfolyamokba. Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

30 A tőkepiaci hatékonyság félerős szintjének tesztjei
A nyilvánosan bejelentett információk milyen gyorsan és pontosan épülnek be az árfolyamokba. Az vizsgáljuk, hogy gyorsasággal, pontossággal milyen reményeink lehetnek. Eseményvizsgálatok Események utáni árfolyamváltozások Kiugró árfolyamváltozások utáni árfolyamváltozások vizsgálata Eredmény: Az információk beépülése rendkívül gyors, így mire valaki felismeri az információt, addigra az információ beépülése rendszerint már be is fejeződött, nem marad lehetőség abnormális hozam elérésére. Összességében az eseményvizsgálatok eredményei a félerős szint fennállását alátámasztják. Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

31 A tőkepiaci hatékonyság erős szintjének tesztjei
Az exkluzív információkat vizsgálja. Az eseményvizsgálatokból látszik, hogy az információkhoz való „korábbi” hozzájutás, várható abnormális profitot eredményez. Befektetési tanácsadó Befektetési alapok (menedzsereinek) teljesítménye Eseményvizsgálatok vonatkozó eredményei Esemény előtti abnormális árfolyamváltozások „Saját céggel” kereskedők Új definíció Tökéletes tőkepiaci hatékonyság esetén az információk addig a szintig épülnek be az árakba, amíg az információszerzés és kereskedés költségei kisebbek az általuk elérhető hozamnál. Elfogadunk tehát némi „hatékonytalanságot”, de ennek ellenére a várható normál profit marad. Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

32 Tőkepiaci hatékonyság – konklúzió
Az árfolyam-alakulások véletlen jelleget tükröznek, azaz a gyenge szint nagyjából fennáll. A technikai elemzés nem működik Az eseményvizsgálatok eredményei, azaz a félerős szint fennállása, reménytelenné teszi a fundamentális elemzést is. (A véletlenül érkező új információk többi elemzőnél gyorsabb, helyesebb elemzése.) Marad az exkluzív információkból nyerhető abnormális hozam reménye. Az erős szinttel kapcsolatosan lehetnek leginkább fenntartásaink, de amikor csoportokat vizsgáltunk, illetve amikor a költségeket is figyelembe vettük, nem nagyon találtunk az erős szint fennállása ellen szóló érveket sem. A tények a tőkepiacok rendkívül magas szintű hatékonyságát igazolják. Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

33 Tőkepiaci hatékonyság következményei a vállalati pénzügyi elemzésekre
Ezért mérjük a beruházási lehetőségeket a tőkepiachoz Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

34 A január effektus 1904 és 1974 közötti periódus, NYSE, egyenlően súlyozott index januári hónapok átlagosan 3,5%-os, míg az év egyéb hónapjai átlagosan 0,5%-os hozamot produkált. Ez azt jelenti, hogy a fenti időszakban átlagosan a hozamok több, mint egyharmadát januárban realizálhattuk volna. Kizárólag nagy cégek részvényeiből összeállított portfólión a hatás nem érvényesül! A két eredmény alapján a januári abnormális hozamok leginkább a kis cégek számlájára írható. ráadásul a januári hozam fele a hónap első öt kereskedési napján jelent meg. Marc Reinganum (1983) összegez valóban a kis cégek abnormális hozamai a jellemzőek Magyarázattal is szolgál: az adóelkerülés által motivált likvidáció (tax-loss selling) hiszen azok a részvények, amelyek árfolyama esett lehetőséget nyújt a befektetőknek, hogy az itt elszenvedett veszteségeket realizálva a tőkejövedelmen keletkező adófizetési kötelezettségeket csökkentsék, így az eladási oldal túlsúlya további csökkenést hoz a részvények árfolyamában; következő évben, amikor az eladói nyomás enyhül, a részvények árfolyamai növekedhetnek. Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

35 Január a kiscégeknél Donald Keim (1983) dolgozatát Banz (1981) inspirálta az abnormális hozamoknak átmeneti, eltérő koncentrációja figyelhető meg az időben. Az abnormális hozamok felét januárban realizálhatták a befektetők, ráadásul a januári hozam fele a hónap első öt kereskedési napján jelent meg. Marc Reinganum (1983) összegez valóban a kis cégek abnormális hozamai a jellemzőek viszont csak azok a kis céges részvények mutattak abnormális hozamokat január első öt napjában, amelyek árfolyamai az előző évben estek, a kis „nyerő” cégek részvényeire nem volt jellemző a pozitív abnormális hozam. Magyarázattal is szolgál: az adóelkerülés által motivált likvidáció (tax-loss selling) hiszen azok a részvények, amelyek árfolyama esett lehetőséget nyújt a befektetőknek, hogy az itt elszenvedett veszteségeket realizálva a tőkejövedelmen keletkező adófizetési kötelezettségeket csökkentsék, így az eladási oldal túlsúlya további csökkenést hoz a részvények árfolyamában; következő évben, amikor az eladói nyomás enyhül, a részvények árfolyamai növekedhetnek. Richard Roll (1983) ez nyilvánvalóan abszurd magyarázat, néhány befektetőnél elképzelhető, azonban a jelentős számúnál nem. Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

36 Adóoptimalizálás likvidációval (tax-loss selling)
Gultekin és Gultekin (1983) 16 ország tőzsdéjének szezonális viselkedését vizsgálta 15-nél jellemző volt a januári többlethozam. pl. Belgiumban, Hollandiában és Olaszországban a januári hozamok meghaladták az egész év átlagos hozamát. A nemzetközi eredmények megerősítik az adóoptimalizálás hipotézisét, de valami mégis hibádzik… Kato és Schallheim (1985) Japánban is megfigyelték a január effektust, habár Japánban nem kellett adózni a tőkejövedelem után. Berges, McConnell, és Schlarbaum (1984) Kanadában 1972-ig nem létezett adó a tőkejövedelmek után, mégis a január effektusról számoltak be az 1972 előtti időkről. Nagy-Britannia és Ausztrália tőkepiacain is megjelent a január effektus, bár a pénzügyi év április 1-jén illetve július 1-jén kezdődik. Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

37 Hétfő vagy hétvége? - árfolyamesés
Cross és French a pénteki és a hétfői záróárak segítségével határozta meg a hétfői hozamot. Akkor most hétfőn vagy a pénteki zárás és a hétfői nyitás között esnek az árak? Richard Rogalski (1984) Nyitó és záró árak felhasználásával készítette az elemzést. Hétfőnként az árfolyamok átlagosan emelkednek a nyitástól a zárásig, a negatív hozamok tehát a pénteki zárás és a hétfői nyitás közti időszakra estek. Smirlock és Starks (1986) , DJIA a negatív hozamok a hétfői kereskedés idején realizálódtak, között a hétfői kereskedési idő elejére koncentrálódtak, 1974-től pedig a zárási időszakra tevődtek át. A hétfői napok januárban mások, mint az év más hónapjaiban, januárban a hétvégék és a hétfők egyaránt pozitív hozamokat produkáltak és erős korrelációt mutattak a cégmérettel. Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

38 Szünnap vagy ünnepnap effektus
DJIA index alapján az ünnepnapok előtti napokon magasabb hozam realizálható. az 160 ünnepnap előtti nap hozamát vizsgálta 1963 és 1982 között, egyenlő súlyozású részvényindexet felhasználva. Az ünnepnapok előtti napon átlagosan 0,529% hozamot mért, szemben a többi nap átlagos 0,056%-os hozamával. Érték-súlyozott indexet használva az ünnepnap előtti hozam 0,365%, míg a többi nap átlaga 0,026%, itt már 14-szeres az eltérés. 90 éves DJIA index adatbázison ünnepnap előtt átlagosan 0,219% szemben az átlagos 0,0094% hozammal, ez kicsit több, mint 21-szeres hozamot jelent ünnepnap előtti napokon. 90 év távlatában a teljes hozam 51%-a az évenkénti nagyjából 10 kereskedési szünnap előtti napok hozamaiból adódott a DJIA indexet vizsgálva. Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

39 Hónapforduló és napon belüli minták
Hónapforduló effektus 90 év hosszú DJIA vizsgálat a hónap fordulójának négy napján mérhető átlagos hozam (beleértve az előző hónap utolsó napját is) 0,473% (az átlagos 4 napos hozam 0,0612%). Ha a hónapforduló négy kezdőnapját vizsgáljuk (kihagyva az előző hónap utolsó napját, azaz egy nappal eltolva az előző mérést) akkor is átlagosan 0,35%-os hozamot találunk, ami magasabb az átlagos havi hozamnál. Azaz leszámítva a hónapok első négy napját a DJIA valójában folyamatosan esik! Napon belül: napvége effektus 15 perces hozam minden részvényre a nyitvatartási idő alatt. A hétvége effektus a hétfői kereskedés első 45 percére koncentrálódott, ezen idő alatt estek az árak. A hét többi napján emelkedtek az árak az első 45 percben, hasonlóan a kereskedés utolsó időszakához, ahol meredek emelkedés volt. Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

40 Hozammintázat magyarázatok
Periodikus pénzáramlások A nyugdíj alapok és a befektetési alapok talán adott időpontokban jutnak újabb pénzekhez, amelyek egybevágnak a naptári váltásokkal, mondjuk azért, mert vállalatok és egyének szokásoknak megfelelően teljesítenek be és kifizetéseket rendszeres időközökkel. Egyéni befektetők periodikus pénzáramlásai a kisvállalatok árfolyammozgásai az év-fordulókhoz közel az egyéni befektetők vételével és eladásával (összevetve az intézményi befektetőkkel, nagyobb hányadban tartják a kisvállalatok részvényeit, szemben a nagyvállalatokkal) függhetnek össze. Az egyéni befektetők, mint egy nagy csoport december végén eladnak, január elején vesznek. Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

41 Hozammintázat magyarázatok
Intézményi befektetők szezonális portfólió átrendezése A portfóliókezelők a jelentési kötelezettséget megelőző időpontban kitisztítják, rendbe hozzák portfólióikat, megszabadulnak kínos befektetéseiktől. Mivel a portfólió jelentések időpontjai nagyjából egybeesnek az egyszerű naptári fordulókkal. Ezek okai lehetnek az év végéi, hónap végi hatásoknak. Jó és a rossz hírek érkezésének szisztematikus időzítése. Leginkább a hétvége effektusnál tűnik elfogadhatónak, ha a rossz hírek szisztematikusan a pénteki zárást követően kerülnek felszínre. Pszichológiai magyarázatok eltérő preferenciák az összetett és egyszerű játékokban, vagy a piaci szereplők hangulatváltozásai (jó hangulat péntekenként, vagy szünnapok előtt, rossz hangulat hétfőn stb.) E magyarázatok szépek, de teljesen ellentmondanak az EMH-nak. Az elmélet szerint egy végtelenül rugalmas kínálattal rendelkező arbitrázsőr csoport áll rendelkezésre a piacokon, és ők bármikor hajlandóak eladni vagy venni, ha az értékpapír értéke eltérne annak belső értékétől. Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

42 Visszatérés az átlaghoz a részvénypiacokon
A tőkepiaci hatékonyság alapvetései kismintás adatbázisokon végzett, rövidtávú korrelációs elemzések voltak. Fama (1965) DJIA részvényeit vizsgálta Napról napra számított korrelációkat nézve a 30 részvényre. Statisztikailag nem szignifikáns korrelációs együtthatókat mért. French és Roll (1986) Fama tesztjei NYSE és AMEX részvényekre az periódusra. Szignifikáns negatív autokorrelációról számoltak be a napi hozamok tekintetében Ha a periódus hosszát megnöveljük és az elemzésbe sokkal több részvény vonunk be teljesen más mintákkal találkozunk. Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

43 Más módszerek Fama és French (1988)
egyszerű regresszió ra, az NYSE egyedi részvényeire, portfólióira úgy, hogy magyarázó és magyarázott változó ugyanaz, csak annyiban térnek el egymástól, hogy el vannak csúsztatva időben. Ha az árfolyamok véletlenszerűek, akkor a regressziós egyenes meredeksége nulla kell, hogy legyen. Ha az árfolyamok átlaghoz visszatérő tulajdonságot mutatnak, akkor a meredekség negatív kell, hogy legyen. A regressziós egyenes meredeksége negatív volt a 18 hónaptól 5 évig terjedő időszakokat vizsgálva. Mind a determinációs együttható (R2), mind a regressziós egyenes meredeksége az idő hosszával arányosan növekedett 5 évig, majd ezt követően csökkent. A meredekség negatívabb volt a kis cégekből összeállított portfóliók és az egyenlő súlyozású index esetén Mások variancia-hányadost alkalmaztak Tény, hogy az árfolyamok az átlaghoz visszatérnek, azaz előrejelezhetők. Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

44 Túlreagálás De Bondt és Thaler (1985 , 1987)
hipotézise szerint az „ellenhatású” stratégiák azért lehetnek sikeresek, mert a befektetők szisztematikusan túlreagálnak. Pszichológiai magyarázat szerint: az egyének hajlamosak túl nagy súlyt adni a „mostanában” érkező, friss adatoknak a döntéshozatal vagy előrejelzés során. Ha ez igaz, akkor az elmúlt időszakban extrém pozitív vagy negatív hozamot produkáló részvényeknél átlaghoz való visszatérést kell tapasztalnunk. A hipotézis igazolásához a következő módszertant alkalmazták: Portfólió befektetések múltbeli teljesítményét vizsgálták (35 részvényre, 50 részvényre és decilisenként), úgy, hogy a portfóliókba múltbeli „nyertesek” és „vesztesek” kerültek, és a „múlt” 1-től 5 évig terjedt, amelyet végigtoltak a tesztperióduson. perióduson az NYSE-n forgalmazott összes részvénnyel, havi adatok alapján dolgoztak Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

45 Eredmények a túlreaglálshoz
-0,10 -0,05 0,05 0,10 0,15 0,20 Kumulált átlagos reziduumok Vesztes portfólió Nyertes portfólió 5 10 15 20 25 30 35 Portfólió összeállítás után eltelt hónapok száma Tanulságok: 1. A nyerő és a vesztes portfóliók hozamai egyaránt átlaghoz visszatérő viselkedést mutatnak. 2. Az 5 éves árfolyam visszafordulás a vesztes részvényeknél sokkal hangsúlyosabb , mint a nyerőknél (veszteseknél + 30%, míg a nyerteseknél -10% többlethozam). – túlélési torzítás 3. A vesztesek többlethozamának legnagyobb része januárban realizálódott, ahogy az ábra három nagy „árfolyam” ugrása is mutatja. Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

46 Válaszok Valamilyen kapcsolat van a „mérethatás” és a „vesztes hatás” között. A vesztesek komoly leértékelődésen mentek keresztül, így kapitalizációjuk is komolyan csökkent a portfólió összeállításáig. Viszont a vesztesek nem azonosak azokkal a kisvállatokkal, amelyekre a kiscég effektus során gondolunk. 1987-ben újabb vizsgálatba már bevonták az AMEX részvényeket is. A vesztes portfóliónál nagyjából 25% abnormális hozam a portfólió összeállítását követő négy év alatt. Ezek a cégek átlagosan 304 millió dollár piaci kapitalizációval bírtak, míg a méret szerinti legkisebbeknél az átlagos piaci kapitalizáció 9 millió dollár. Ezek a társaságok átlagosan 30%-kal hoztak többet négy év alatt a piacnál, de köztük nagyon sokan vesztesek is. Azaz a felmutatott eredmények két hatás eredőjeként jöttek létre. Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

47 Ellenvélemény: megnőhetett a kockázat
A veszteseknél vagy a kiscégeknél mért többlethozam a kockázatért járó kompenzáció, azonban igazolást nem nyert a működési kockázatok mérésének hiányában. Tegyük hozzá, hogyha ez igaz akkor baj van a CAPM-mel, mert megnövekedett b paraméter nem mérhető ezeknél a társaságoknál. Ha bétákat a portfólió összeállítási periódus alatt mérjük, a vesztes portfólió szisztematikus kockázata alacsonyabb a nyerő portfólió kockázatánál. Chan (1988 ), Vermaelen és Verstringe (1986 ) szerint ilyenkor nem a portfólió összeállítási időszakában mért kockázat a releváns, hanem a tesztperióduson mért kockázat, lehet, hogy a kockázat a „nyerés” és a „vesztés” során változik meg. Ha így van akkor pedig a béták stabilitásával van baj. (azért tudunk érvelni ez ellen is…MM II., megváltozó tevékenység stb.) Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

48 Repost A tesztperiódusban a kockázat a veszteseknél 1,263, míg a nyerteseknél (1,043) ez a különbség viszont nem elég a hozamkülönbség magyarázatára. A béták különbözőségéből adódó magyarázat félrevezető lehet úgy a veszteseknél, ahogy a nyerőknél, hiszen ezeknek egészen eltérő és különleges időbeli hozam lefutásuk van. Ennek szemléltetésére a portfóliókhoz két különböző típusú bétát is számoltak: az egyiket olyan periódusokra, amikor a piac egésze növekedett, és egyet olyan periódusra, amikor a piac egésze esett. A tesztperiódusban a vesztes portfólió bétája „bika piacon” 1,39 volt, míg „medve piacon” 0,88. (ez azért nem tűnik túl kockázatosnak…) A nyerő portfólió „bika” bétája 0,99, míg a „medve” béta 1,2 volt Jegyezzük meg, ha a kettőből egy arbitrázs portfóliót állítunk össze, akkor az a bika időszakban 0,4-es, a medve időszakban -0,32-es bétát adna. Ez annyit jelentene, hogy az arbitrázs portfólió felfelé megy, ha a piac felmegy, és felfelé megy akkor is, ha a piac esik. Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

49 Hibás kockázatérzékelés és túlreagálás
Tegyük fel, hogy a befektető a vesztesek és a nyertesek kockázatát egyaránt magasabbnak érzékeli, mint az valójában. A vesztesek nagyon kockázatosnak érezhetők, a csőd lehetősége, a pénzügyi nehézségek miatt. A nyerők meg azért, mert „olyan magasságokba szárnyalt, ahonnan már csak esni lehet”… Ha ezek igazak, akkor az áraknak esniük kellene. Tegyük fel még, hogy a befektetők túlreagálják az újonnan érkező információkat pl. a nyereségekről, így elhibázzák a Bayes tételen alapuló, a jövőre vonatkozó előrelejzéseiket. Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

50 Különleges kombináció
A hibásan érzékelt kockázatoknak és hibás döntéshozatalnak vagy előrejelzésnek kombinációja megmagyarázhatja azt a hozam-aszimmetriát, amelyet a vesztesek és nyerők hozamában mértünk. A vesztesek árfolyama a túlreagálás és a többlet kockázati prémium egyaránt lefelé mozgatják az árfolyamot. Ez addig tart amíg nem érkezik új információ, amely azt mutatja, hogy félelmeik túlzóak és nyereségvárakozásaik túl pesszimisták, túl alacsonyak voltak, majd az árfolyam elkezd emelkedni. A nyerőknél a túlreagálás hatása túl magasra mozgatja az árfolyamot, ezzel szemben a többlet kockázati prémium lefelé mozgatná, mivel a két hatás ellentétes a visszafordulás kisebb, vagy nem is mérhető. Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

51 Pénzügyi változók az előrejelzésben: P/E, Div/P, B/M
Basu (1977): „… igenis láthatunk olyan faktorokat, amelyek alkalmasak lehetnek a részvényhozam-változások előrejelzésére…” Megvizsgálta a P/E mutató és a hozamok kapcsolatát 1400 vállalatra, periódusra Az alacsony P/E rátájú értékpapírok több mint 7%-kal túlteljesítették túl a magas P/E hányadosúakat. Az egyensúlyi hozamot a CAPM alapján becsülte és a kettős hipotézis problémája nem merül fel írásában. Magyarázata az árfolyamhányados hipotézis: Az alacsony P/E rátájú részvények ideiglenesen alulértékeltek, mert a piac helytelenül pesszimista a mostani vagy a jövőbeli nyereségeket illetően. Osztalék hozam Div/P azok a részvények, amelyek magas osztalékhozammal bírnak, azok átlagos hozama jóval meghaladja a kockázathoz illeszkedő „normál hozamot”. Árfolyam és az egy részvényre jutó könyvszerinti érték hányadosa a Book to market equity reciproka, M/B azok a részvények, amik nagyon alacsony árfolyam – könyvszerinti érték hányadossal bírnak, azok átlagos hozam jóval meghaladja a kockázathoz illeszkedő „normál hozamot”. Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

52 Többfaktoros modellek
Forradalmi, hogy az indexmodell (CAPM) a hozamokat szisztematikus és vállalatspecifikus tényezőkre bontja, de az már nem, hogy a szisztematikus kockázatot egyetlen tényezőbe tömöríti. Amikor bemutattuk az indexmodellt, megjegyeztük, hogy a szisztematikus vagy makroökonómiai tényező, amelyet a piaci hozamba sűrítettünk, számos forrásból származik, például a konjunktúraciklust, kamatlábakat és inflációt illető bizonytalanságból. Magától értetődik, hogy a szisztematikus kockázat részletesebb bemutatása – amely megengedi, hogy a különböző részvények különböző érzékenységet mutathatnak az összetevőire –, az indexmodell hasznos finomítását jelentené. Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

53 A többfaktoros modellek empirikus megalapozása
Az indexmodell regressziójának R2-e azt méri, hogy egy részvényhozam varianciájának mekkora része tulajdonítható a piaci hozam varianciájának. Egy átlagos béta táblában található R2-ek 0 és 0,61 között szóródnak, 0,16-os átlaggal. Ez azt jelenti, hogy az indexmodell csak egy kis részét magyarázza meg a részvényhozamok varianciájának. A kérdés az vajon hogyan javíthatunk úgy az egytényezős indexmodellen, hogy közben megtartjuk a szisztematikus és a diverzifikálható kockázat hasznos megkülönböztetését? Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

54 Kétfaktoros modell Tegyük fel, hogy a két legfontosabb makroökonómiai kockázatforrás a konjunktúraciklus, amelyet a bruttó hazai termékkel, GDP-vel mérünk, illetve a kamatlábak, amelyeket IR-rel jelölünk. Minden részvény hozama mindkét makroökonómiai kockázati forrásra és a saját vállalatspecifikus kockázatára is reagál. A két makroökonómiai tényező a gazdaságban található szisztematikus tényezőket öleli fel; így az egytényezős indexmodell piaci indexének szerepét veszi át. Mint az előzőekben, et a vállalatspecifikus hatásokat tükrözi. Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

55 Fedezzük fel, hogy ez miért jó
Két vállalat Egyik államilag szabályozott közmű, a másik repülőgép-gyár. A közmű valószínűleg kevéssé érzékeny a GDP-kockázatra, mivel a nyereségét az állam befolyásolja, azaz „GDP-bétája” alacsony. Relatíve magas lehet azonban a kamatlábak iránti érzékenysége: amikor a kamatlábak emelkednek, részvényének árfolyama csökken, ezt egy magas (negatív) kamatlábbéta tükrözi. A repülőgépgyár teljesítménye viszont nagyon érzékeny a gazdasági tevékenységre, de nem túl érzékeny a kamatlábakra. Magas lesz a GDP-re vonatkoztatott bétája, de alacsony a kamatlábbétája. Képzeljük el, hogy az a hír, hogy a gazdaság növekedni fog. A GDP várhatóan emelkedik, de a kamatlábak is. Ez a „makro hír” az adott napon jó vagy rossz? A közműnek rossz hír, mivel erősebben érzékeny a kamatlábakra. A repülőgépgyárnak, amely jobban reagál a GDP-re, jó hír. Nyilvánvaló, hogy egy egytényezős modell nem tudja megragadni az ilyen árnyaltabb reakciókat a különböző makroökonómiai kockázatforrásokra. Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

56 A többfaktoros modellek elméleti megalapozása
A CAPM feltételezi, hogy a kockázat egyetlen releváns forrása a részvényhozamok változékonyságából ered, és így a piaci portfólió teljes egészében leírja ezt a kockázatot. A részvények egyedi kockázatát a teljes portfóliókockázathoz való hozzájárulással definiálhatjuk; így az egyedi részvény kockázati prémiumát csupán a piaci portfólióra vonatkoztatott bétája határozza meg. Azonban mi a biztosíték arra, hogy ez a szűk látókörű kockázati szemlélet megalapozott? Vegyünk egy viszonylag fiatal befektetőt, akinek a jövőbeni vagyona nagyrészt a munkajövedelmétől függ és vizsgájuk meg az ő racionális magatartását a tőkepiacon. Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

57 Torzítjuk a piaci portfóliót
A befektető, akinek vagyona nagyrészt a munkajövedelmétől függ: A munkajövedelmek pénzáramlás-sorozata szintén kockázatos, és közvetlenül kapcsolódik a vállalat jövőjéhez, amelynek a befektető a munkavállalója. Ez a racionális befektető olyan portfóliót választ, amely segít a munkajövedelem kockázatának diverzifikálásában. Ebből a célból azokat a részvényeket részesíti előnyben, amelyeknek az átlagosnál alacsonyabb a korrelációja a jövőbeni munkajövedelmekkel, azaz az ilyen részvények magasabb súllyal szerepelnek e befektető egyéni portfóliójában, mint a piaci portfólióban. Másképpen fogalmazva, ha a kockázatnak e tágabb fogalmát alkalmazzuk, ezek a befektetők többé nem tartják a piaci portfóliót hatékonynak, és a CAPM várható hozam-béta összefüggése már nem áll fenn. Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

58 Több tényező jobb A piaci hozam tükrözi mind a makroökonómiai tényezőket, mind a vállalatok átlagos érzékenységét ezekre a tényezőkre. Amikor egyindexes regressziót becslünk, akkor implicite azt feltételezzük, hogy minden részvénynek relatíve ugyanakkora az érzékenysége az összes kockázati tényezőre. Ez viszont nem igaz! Az összes szisztematikus kockázati tényező beolvasztása egyetlen változóba – mint a piaci index hozama –, elhanyagolja azokat a különbségeket, amelyek jobban megmagyarázzák az egyedi részvényhozamokat. Ahogyan beláttuk, hogy a kéttényezős modell miért írja le jobban a részvényhozamokat, könnyen belátható az is, hogy a még több tényezőt tartalmazó – többfaktoros – modellek még jobban leírják a hozamokat. Ráadásul a béták változnak a konjunktúraciklus folyamán. Már láttuk, hogy ezeket milyen tényezőkkel szokás megragadni. Már csak ezért is megéri, az egyindexes modellt a konjunktúraciklushoz kötődő változókkal javítani. Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

59 Példa a többfaktoros modellre
Chen, Roll és Ross (1986) a következő tényezőkkel dolgozik: IP = az ipari termelés százalékos változása; EI = a várható infláció százalékos változása; UI = a nem várt infláció százalékos változása; CG = a hosszú lejáratú vállalati kötvények és a hosszú lejáratú államkötvények hozamának különbsége; GB = a hosszú lejáratú államkötvények és a kincstárjegyek hozamának különbsége. Ez egy többdimenziós értékpapír karakterisztikus egyenes öt faktorral. A releváns kockázati tényezők beazonosításánál két dologra kell figyelnünk: Azokra a makroökonómiai tényezőkre kell korlátozódnunk, amelyeknek jelentős képességük van az értékpapírhozamok megmagyarázására. Ezek viszont olyanok, amelyek a befektetőket eléggé aggasztják ahhoz, hogy megfelelő kockázati prémiumot várjanak el az e kockázatoknak való kitettség elviselése érdekében. Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

60 FF három-faktor modell
A makroökonómiai tényezők helyett vállalati tényezőket is alkalmazhatunk a szisztematikus kockázat leírására (FF, 1996). SMB = kicsi mínusz nagy (small minus big): egy kis kapitalizációjú részvényekből álló portfólió hozamának és egy nagy kapitalizációjú részvényekből álló portfólió hozamának különbsége, HML = magas mínusz alacsony (high minus low): egy magas könyv szerinti érték/piaci érték hányadosú részvényekből álló portfólió hozamának és egy alacsony könyv szerinti érték/piaci érték hányadosú részvényekből álló portfólió hozamának különbsége. Ez a modell valójában azokra a kínzó anomáliákra ad választ, amelyek szerint a vállalati kapitalizáció (cégméret) és a könyv szerinti érték/piaci érték hányados az átlagos részvényhozamokat, és így a kockázati prémiumokat is jól jelzi előre. Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.

61 Multi-faktor modellek kritikái
A javasolt modellekben néhány faktorról nem látható tisztán, hogy jelentős kockázati tényezőt fedez. Az hogy újra meg újra átfésüljük az értékpapírok adatbázisát, magyarázó tényezők után kutatva, azt eredményezi, hogy jelentőséget tulajdonítanak múltbeli, véletlenszerű kimeneteleknek. Néhány kutató szerint a vállalati jellemzőknek tulajdonítható múltbeli kockázati prémiumok nem hozhatók összefüggésbe a piaci tényezők változásával, így nem reprezentálják a faktorkockázatot. Ez viszont elég zavaró, mivel azt bizonyítják, hogy azok a tulajdonságok is beárazódnak, amelyek nem társíthatók a szisztematikus kockázattal, ez viszont szöges ellentétben áll mind a CAPM, mind az ICAPM előrejelzésével. Ormos Mihály, Budapesti Műszaki és Gazdaságtudományi Egyetem, 2017.