Железнодорожный путь, изыскание и проектирование железных дорог

ҚККА Хабаршысы № 4 (53), 2008 
 
 
 
197
Таким  образом,  предполагается,  что 
BMS 
образует  «марковский»  процесс 
(относительно  фильтрации,  порожденной  процессом).  Качественно  «марковское» 
свойство  стохастического  процесса  означает, 
что 
если  известно  его  состояние  в 
настоящий  момент  времени,  то  поведение  процесса  в  будущем  полностью  этим 
определяется и не зависит от предыстории процесса — от того, каким образом достигнуто 
его 
текущее состояние (отсутствие памяти). В нашем случае состояниями «марковского» 
процесса  являются  различные  классы  безубыточности  системы  "Бонус-Малус".  Если 
известно,  в  каком  классе  находится  страхователь  в  настоящее  время,  и  известно  число 
страховых случаев в течение года, то этого достаточно, чтобы определить, 
в каком 
классе 
будет находиться данный страхователь в следующем году. 
Для  «Бонус-Малус» - систем,  применяющихся  в  настоящее  время  в  различных 
странах, типична следующая ситуация: изменение класса безубыточности 
страхователя 
(а 
следовательно,  и  изменение  страхового  тарифа)  происходит  на  основе  исключительно 
количества заявленных претензий в течение периода времени (обычно года).  
Разумеется, в конечном счете, страховщика интересует суммарная величина ущерба, 
однако  в  предположении  независимости  величины  ущерба  для  отдельной  претензии  от 
общего числа претензий (за период времени) средняя суммарная величина ущерба равна 
произведению  среднего  ущерба  для  отдельной  претензии  на  интенсивность  λ  претензий 
(т.е. 
среднее число претензий за период времени) /2/. 
В 
теории вероятностей соответствующее утверждение 
называют 
тождеством Вальда. 
Таким  образом,  средний  суммарный  ущерб,  а  значит, 
и 
величина  справедливой  премии 
пропорциональна  λ. 
При 
этом  модель,  учитывающая  только  количество  претензий  и  не 
учитывающая величину ущерба, разумеется, значительно проще. 
Для отдельного страхователя вполне адекватна модель пуассоновского процесса Nt,, 
для кумулятивного числа претензий на интервале времени 0. Такая модель, описываемая 
при помощи случайного процесса Nt
, 
однозначно характеризуется следующими свойства-
ми: 
♦ с независимыми и стационарными приращениями, 
♦  вероятность  возникновения  требования  на  малом  интервале  времени  близка  к 
нулю, 
♦ 
вероятность возникновения более чем одного требования на этом промежутке мала 
по сравнению с упомянутой выше вероятностью. 
Следует,  однако,  иметь  в  виду,  что  различные  страхователи,  представленные  в 
портфеле  страховой  компании,  имеют  в  силу  индивидуальных  особенностей  разную 
предрасположенность к попаданию в аварийные ситуации.  
Поэтому  следует  ожидать,  что  каждому  из  них  соответствует  свое 
индивидуальное 
значение  параметра  λ. 
В 
этой  связи  поток  требований  уже 
должен 
описываться  не 
пуассоновским  процессом,  а  смесью  таких 
процессов, 
отвечающей  распределенному 
параметру λ.  
Иными 
словами,  такой 
процесс  моделируется  на  первом  шаге  выбором 
случайной 
величины 
λ, а на втором шаге условное распределение 
процесса при 
известном (заданном 
на первом шаге) значении λ  
является 
пуассоновским с этой интенсивностью.  
На  сегодняшний  день  среди  казахстанских  страховых  компаний  это,  по-видимому, 
единственная,  официально  применяющая  на 
практике 
система  "Бонус-Малус".  Анализ 
проводился  в  гипотетическом  предположении,  что  эта  система  использовалась  бы  в 
качестве 
единой 
системы  для  обязательного  страхования  в  нашей  стране. 
Реально  это, 
разумеется, не так, 
и 
для корректного построения 
оценки 
эффективности системы нужно 
было  бы  включить  в  модель  эффекты,  связанные  с  возможностью  отказа  клиента  от 
страхования в данной страховой компании /3/. 
В  системе  "Бонус-Малус" "Ингосстраха" 17 классов — начиная  с 1 -го,  который 
будем считать высшим, с минимальной страховой премией, и заканчивая 17-м, низшим, с 

ҚККА Хабаршысы № 4 (53), 2008 
 
 
 
198
максимальной  премией.  При  этом  впервые  обратившийся  в  страховую  компанию 
автовладелец зачисляется в 10-й
 класс, в котором назначается премия 100% от основного 
тарифа (в высшем классе премия — 50 %, в низшем — 200 % от основной).  
Далее система функционирует следующим образом: 
•  если в течение года страхователем не заявлено ни одной претензии, страхователь 
улучшает  свой  класс  на 1, т.е.  номер  его  класса  убывает  на 1, за  исключением  случая, 
когда он уже находится в высшем классе (в котором он и остается); 
•   если  в  течение  года  заявлена  хотя  бы  одна  претензия,  то  класс  ухудшается 
следующим образом: 
1) если заявлено ровно λ претензий, где λ = 1,2,3,4, то номер класса увеличивается на  
λ - 1,  за  исключением  случая,  когда  полученный  таким  образом  номер  превышает 17; в 
этом случае страхователь попадает в низший 17-й класс;                                                                          
2)  если  заявлены 5 или  более  претензий  то  номер  класса  на  увеличивается 9, за 
исключением  случая,  когда  полученный  таким  образом  номер  превышает 17; в  этом 
случае страхователь попадает в низший, 17-й класс. 
Таким  образом,  получаем  описание  динамики  «марковской»  цепи  с  дискретным 
временем  и  фазовым  пространством,  состоящим  из 17 состояний.  Поскольку  цепь 
неприводима (т.е. из любого состояния можно попасть в любое другое за конечное число 
шагов  с  положительной  вероятностью),  то  цепь  эргодична  (т.е.  какое  бы  ни  было 
начальное  распределение  цепи  распределение  состояния  цепи  в    момент  времени  λ   
стремится при к стационарному распределению).  
При  этом  вероятность  каждого  из 17 возможных  состояний  положительна  для 
стационарного  распределения  λ,  которое  является  единственным  левым  собственным 
вектором  матрицы  переходных  вероятностей,  отвечающим  единичному  собственному 
значению  и  условию  нормировки  (компоненты  λ  автоматически  положительны),  т.е., 
рассматривая λ как 17-мерный вектор-строку. 
Скорость  сходимости  к  стационарному  распределению,  как  было  показано  еще 
А.А.Марковым (старшим), является экспоненциально быстрой.  
Выводы 
1.  Показатель  эффективности,  предложенный  Луамаранта  и  использующий 
стационарное распределение цепи Маркова, описывающей систему BMS, дает на практике 
искаженное  представление  о  реальной  эффективности  системы.  Результат  этот 
качественно  можно  объяснить  тем,  что  для  системы  типа  "Бонус-Малус"  переходы 
осуществляются, как правило, в "соседние" классы. Поэтому, например, только для того, 
чтобы  у  переходной  матрицы  соответствующей  цепи  Маркова  за  несколько  шагов  все 
элементы стали положительными, в рассматриваемых системах необходимо время поряд-
ка 10 лет. 
2. Мы предлагаем модифицированный метод определения показателя эффективности 
системы  "Бонус-Малус",  дающего  более  реальную  картину.  Для  его  построения 
необходимо  использовать  статистику  о  распределении  страхователей  по  текущим 
длительностям  их  страхования  в  данной  системе  (компании).  В  качестве  оценки 
эффективности естественно применять средневзвешенную по длительностям страхования 
эластичность  страховой  премии.  Заметим,  что  если  есть  статистика  "входа — выхода"  в 
систему, то этот метод позволяет предсказывать динамику показателя эффективности.      
                                                               
ЛИТЕРАТУРА 
1. Шевчук В.А. Страхование гражданской ответственности владельцев автотранспортных  
2. средств.М.,АНКИЛ, 2007, 234 с. 
3. Де Грот.Оптимальные статистические решения.М.,Мир, 2006, 345 с. 
4. Лемьер Ж. Бонус-Малус – система в автотранспортном страховании.Бостон, Астин, 2007, 
233 с. 
 

ҚККА Хабаршысы № 4 (53), 2008 
 
 
 
199
УДК 665.87:456.6 
 
Никифорова Елена Анатольевна – к.э.н., докторант (Алматы, КазАТК) 
  
АНАЛИТИЧЕСКАЯ ОЦЕНКА ДЕЯТЕЛЬНОСТИ ВЕДУЩИХ 
ОТЕЧЕСТВЕННЫХ КОМПАНИЙ НА ФОНДОВОМ РЫНКЕ КАЗАХСТАНА 
 
Анализа  финансового  состояния  компаний  предполагает  применение  большого 
количества  методов  и  процедур.  В  настоящее  время  не  существует  какой-то 
единственный  общепризнанной  схемы  проведения  финансового  анализа.  Каждый 
аналитик  применяет  наиболее  удобную  с  его  точки  зрения  систему  аналитических 
коэффициентов. Система аналитических коэффициентов является основным элементом 
анализа финансового состояния компании.  
Коэффициент бета 
β
 - измеряет уровень реакции дохода по конкретной акции на 
изменение дохода по рыночному портфелю. Этот коэффициент,  служит мерой уровня, 
систематической  составляющей  общего  риска  по  конкретной  бумаге.  Бета – это  угол 
наклона  характеристической  линии,  отражающей  связь  между  доходом  по  акции  и 
доходом на рыночный портфель (рисунок 1). 
Чем выше угол наклона характеристической линии по акции, обозначаемый через 
бета, тем больше её систематический риск. Ели угол наклона равен 1, это означает, что 
доход  по  акции  изменяется  пропорционально  доходу  на  рыночный  портфель.  Иными 
словами,  акция  имеет  такой  же  систематический  риск,  как  и  портфель  в  целом.  Если 
угол наклона больше 1, то доход по акции изменяется в большей степени, чем доход на 
портфель. Если угол наклона меньше 1, то систематический риск по акции меньше, чем 
по  портфелю  в  целом.  Коэффициент  Альфа  (α)  показывает,  какова  будет  величина 
дохода  по  конкретной  акции,  если  доход  будет  равен  нулю.  На  рисунке 1 это  точка 
пересечения линии и вертикальной оси.  
 
                                                                                    доход по акции 
                                              
β
>1                
β
 
                                       
                                                                   
                                                                        
β
 <1 
 
                                                                                             
доход по рыночному портфелю  
 
 
 
 
 
 
 
β
=1 – систематический риск,  
β
<1 – не систематический риск, 
β
>1 – доход больше дохода портфеля, 
α  - величина дохода по акции. 
 
Рисунок 1 - Измерение  уровня  реакции дохода  коэффициента  бета  
β
 по 
конкретной акции на изменение дохода по рынку 
 

ҚККА Хабаршысы № 4 (53), 2008 
 
 
 
200
Значение  бета 
β
 – коэффициентов  на  западном  рынке  меняются  во  времени  не 
слишком сильно. Однако даже на развитом рынке проанализировать будущее значение 
бета  на  основании  исторических  данных  тем  сложнее,  чем  больше  срок 
предполагаемого  инвестирования.  Для  казахстанского  рынка  это  обстоятельство 
является  весьма  актуальным.  Современная  казахстанская  экономика  находится  в 
состоянии постоянного быстрого всестороннего изменения, поэтому применение САРМ 
будет  сталкиваться  с  изменением  значений  бета  по  отдельным  ценным  бумагам. 
Важной  особенностью  казахстанского  рынка  акций  является  то,  что  подавляющее 
большинство  его  участников  не  могут  себе  позволить  инвестировать  в  определенные 
бумаги  на  длительный  срок.  В  основном  они  стремятся  к  извлечению  прибыли  из 
краткосрочных колебаний курсов. При таких сроках инвестирования фундаментальный 
анализ теряет свою актуальность, а технический выглядит более предпочтительным. В 
последние  годы  на  казахстанском  рынке  усиливается  интерес  к  долгосрочным 
вложениям в акции промышленных предприятий, что требует адаптации и применения 
глубоких  методов  финансового  анализа  для  применения  инвестиционного  решения. 
Проведенное  исследование  показало,  что  в  настоящее  время  пользуясь  методами 
финансового  анализа  можно  спрогнозировать  дальнейший  ход  событий  на  рынке  их 
акций. 
Западные  методы  технического  анализа  создавались  и  применялись  на  развитых 
фондовых  рынках  в  ситуации  тогда,  когда  никто  из  участников  в  отдельности  не  мог 
повлиять  на  ход  торгов,  а  движение  цен  определялось  лишь  коллективными  действиями 
всех  участников  торгов.  В  отличие  от  этой,  идеальной,  с  точки  зрения  технического 
анализа  ситуации,  казахстанский  рынок,  как  и  любой  развивающийся  рынок,  подвержен 
сильному влиянию со стороны крупных, в основном иностранных инвесторов.  
Следует  отметить,  прогноз  краткосрочной  тенденции,  основанный  на  методах 
технического  анализа,  оказывается  гораздо  более  успешным.  Из  обширного  набора 
индикаторов  можно  выбрать  несколько  наиболее удачно  работающих  в условиях  рынка. 
При  этом  надо  принимать  во  внимание,  что  от  технического  анализа,  как  и  от  любого 
другого  метода  (
β
-фактор),  нельзя  ожидать 100%-й  точности.  Точность  прогноза  на 
уровне 70% (именно такую величину можно получить для наиболее удачных индикаторов 
применительно  к  «голубым  фишкам»)  можно  считать  успехом.  Тогда  при  условии 
активной игры на основе сигналов индикаторов, ошибка в прогнозировании дальнейшего 
движения цены в среднем  будет лишь в 30% случаях.  
По сравнению с классификацией стандартных методов технического анализа гораздо  
интересна, и важна задача выхода за стандартные рамки и адаптации известных методов 
по использованию их на казахстанском рынке. В этой связи, отметим особенность любого 
развивающегося  рынка — высокую  корреляцию  в  движении  цен  наиболее  ликвидных 
акций.  С  учетом  того,  что  большинство  методов  технического  анализа  (
β
-фактор) 
применяется  в  основном  для  прогноза  поведения  «голубых  фишек»,  эту  особенность 
нельзя  оставлять  без  внимания.  Любое  резкое  изменение  цены  одной  из  «голубых 
фишек»,  приводит  к  аналогичному  изменению  цен  остальных  ликвидных  бумаг,  т.е. 
может  служить  дополнительным  индикатором  оценки  поведения  остальных  бумаг. 
Проведем  исследование  данного  анализа  по  данным  результатов  на  внебиржевом  рынке 
Казахстана за период от апреля 2006г. по март 2007г. 
Будем  полагать,  что  средневзвешенная  цена  сделки  за  одну  неделю  отличается  от 
средневзвешенной цены за месяц очень мало. Если сравнить эти величины по имеющимся 
данным за сентябрь месяц, то имеем:  <цена месяц>=196,38; Средневзвешенные цены по 
неделям  получаются  соответственно: 193,46; 203,69;  200, то  есть,  если  у  нас  нет  всех 
данных  за  каждую  неделю,  то  достаточно  иметь  хотя  бы,  данные  за  одну  неделю  в 
месяце.  Тогда,  средневзвешенную  за  месяц  будем  брать  за  среднее  арифметическое  цен 
покупки и продажи за месяц. Согласно имеющимся отчетам АФН на внебиржевом рынке 

ҚККА Хабаршысы № 4 (53), 2008 
 
 
 
201
за период от апреля 2006 года по март 2007 года, была составлена таблица для биржевых 
торгов по месяцам, где отражен средневзвешенный курс для каждого вида акций (таблица 
1, результаты обработки данных внебиржевого рынка за период с апреля 2006г. по март 
2007г.). 
Данный показатель рассчитывается по формуле: 
 
P
a
j
(t)= P
b
j
(t)= P
j
(t),    
 
                       (1) 
 
где а - соответствует продаже, b-соответствует покупке, j – порядковый номер компании. 
 
Таблица 1 - Исходные данные полученные в результате обработки данных внебиржевого 
рынка (средневзвешенная цена сделки в тенге) 
   
 
 
 
 
 
 
 
 
 
 
 
N 
Эмитент 2006 
год 2007 
год 
  
  
IV 
V 
VI  VII 
VIII 
IX 
X 
XI 
XII 
I  II 
111 
1 
АО "Павлодарэнерго" 
  
  
  
  
  
  
  
965 
  
  
  
100 
2 
АО "Актюбинский завод 
95,58 
  
  
  
  
  
  
  
  
  
  
 
 
хромовых соединений" 
  
  
  
  
  
  
  
  
  
  
  
 
3 
АО  "Актюбинский  завод 
нефтяного оборудования" 
1166 
967,1 
  
  
414,62    
  
  
  
  
  
 
4 
АО "Батыс транзит" 
  
  
  
  
231,22  196,4 
  
100 
100 
  
130 
 
6 
АО 
"Алматинский
маргариновый 
  
  
  
100 
1500 
1500 
1500  1500 
1500 
  
1500  100 
 
завод" 
  
  
  
  
  
  
  
  
  
  
  
 
7 
АО "Kazcat" 
270 
265 
  
51,54  32,62 
318,8 
  
  
  
  
  
 
8 
АО "Корпорация "Цесна" 
  
2582 
  
  
  
  
  
  
  
  
  
 
9 
АО "Химфарм" 
22 
  
  
  
  
  
  
  
  
  
  
 
10 
АО "Алматинский сахар" 
  
10 
  
  
  
  
  
  
  
  
  
 
11 
АО "Кант" 
  
  
  
  
  
  
  
200 
  
  
  
 
12 
АО "Баян Сулу" 
  
1200 
  
  
  
  
  
  
  
  
  
 
13 
АО "Казахтелеком" 
1273 1441   
  1307 1461,8 1400 940 1181 1609  
 950 556 
14 
АО "Казкоммерцбанк" 
  
63 
  
  
  
  
  
  
  
  
  
 
15 
АО 
"Корпорация 
"Ордабасы" 
  
  
  
2400 
  
2550 
  
1156 
  
  
  
 
16 
АО 
"Разведка 
Добыча 
"КазМунайГаз" 
653,6 
592,4 
  
  
  
  
  
  
  
  
  
 
17 
АО "РОСА" 
  
  
  
  
  
  
  
  
  
  
1,1 
 
18 
АО "Каражанбасмунай" 
  
  
  
  
  
1656 
  
  
  
  
  
 
19 
АО "KazTransCom" 
1741 
1953 
  
1846 
1726,6  1240 
  
1846 
  
  
  
 
21 
АО "Мангистаумунай газ" 
1050 
928 
  
743,2    
  
  
950 
  
  
  
 
22 
АО "Астана Газ Сервис" 
  
  
  
  
  
  
  
  
100 
  
  
50 
23 
АО 
"Павлодарэнергосервис" 
  
 15295    
  
  
  
  
  
  
  
  
 
24 
АО "БУРЛИНГАЗСТРОЙ" 
  
 50 
  
  
  
  
  
  
  
  
  
 
25  
АО "Ремшина" 
  
  
  
  
22,06 
  
  
  
  
  
  
 
26 
АО "ASTEL" 
  
  
  
  
  
191,3 
  
  
  
  
  
 
27 
АО "Альянс Лизинг" 
  
  
  
  
  
10 
  
  
  
  
  
 
28 
АО "Ульбинский  
  
  
  
754,1  850 
  
  
667 
  
  
  
 
 
металлургический з-д" 
  
  
  
  
  
  
  
  
  
  
  
 
29 
АО ""GLOTUR 
  
105 
  
  
  
  
  
  
  
  
  
 
30 
АО"Усть-Каменогорский 
титано- 
587,1 
616,7 
  
573,9  558,5 
520 
  
  
  
  
  
 
 
магниевый комбинат" 
  
  
  
  
  
  
  
  
  
  
  
 
31 
АО "ЭКОТОН +" 
  
  
  
  
  
480 
  
240 
265 
  
22,5 
 
32  
АО "Эмбамунайгаз" 
2597 
250 
  
  
  
257,2 
  
  
  
  
150 
 

жүктеу/скачать 5,31 Mb.

Достарыңызбен бөлісу: