Modelowanie ryzyka inwestycyjnego Zastosowania praktyczne z wykorzystaniem arkusza kalkulacyjnego Excel i programu GRETL

Umiejętność budowania modeli w celu oceny ryzyka inwestycyjnego ma dziś szczególnie istotne znaczenie dla osób z banków, przedsiębiorstw, funduszy inwestycyjnych, firm konsultingowych, instytucji publicznych realizujących programy i projekty inwestycyjne ze środków UE w związku z rosnącą niepewnością i nieprzewidywalnością przyszłych wydarzeń gospodarczych w kraju i na świecie. Modelowanie ryzyka inwestycyjnego to dziś cenna umiejętność, która będzie wymagana od wielu specjalistów i ekspertów w najbliższej przyszłości po konsekwencjach kryzysu finansowego, który dotknął gospodarkę realną.

Książka pt. "Modelowanie ryzyka inwestycyjnego - zastosowania praktyczne z wykorzystaniem arkusza kalkulacyjnego Excel i programu GRETL" w sposób przystępny i umiejętny przedstawia najważniejsze metody i techniki w obszarze modelowania oraz oceny ryzyka inwestycyjnego. Autor przedstawia na trafnie dobranych przykładach zasady działania symulacji Monte Carlo przy ocenie ryzyka inwestycyjnego wraz z uwzględnieniem koncepcji Value at Risk - wartości zagrożonej.

Prezentuje możliwości zastosowań arkusza kalkulacyjnego dla potrzeb prognozy i oceny ryzyka z wykorzystaniem modeli ekonometrii klasycznej oraz możliwości zastosowania darmowego programu GRETL przy budowie modeli szeregów czasowych - AR, MA, ARMA, ARIMA, ARCH, GARCH. W ostatniej części książki autor przedstawia możliwości zastosowań wyceny opcji realnych w ramach oceny ryzyka opłacalności inwestycji, a także przedstawia sposoby optymalizacji dyskretnej za pomocą narzędzia zamieszczonego w arkuszu kalkulacyjnym - SOLVER.

Jest to pierwsza pozycja w Polsce, w której można znaleźć praktyczne zastosowania większości metod umożliwiających ocenę ryzyka inwestycyjnego. Dzięki zastosowaniu arkusza kalkulacyjnego wraz z darmowym programem GRETL w książce położono główny nacisk na przystępne przekazanie wiedzy dotyczącej metod oceny ryzyka, tak by można było od razu stosować przyswojony materiał w praktyce.

Spis treści:

Rozdział 1. Inwestowanie i ryzyko 7
1.1. Kierunki rozwoju inwestycji 7
1.2 . Ryzyko w teorii i praktyce 15
1.3. Niepewność a ryzyko w procesie inwestycyjnym 19
1.4. Podstawowe miary ryzyka 22

Rozdział 2. Ryzyko a symulacja Monte Carlo 37
2.1. Wprowadzenie do symulacji Monte Carlo 37
2.2. Wybrane rozkłady prawdopodobieństwa 38
2.3. Symulacja MC, statystyki opisowe, analizy 53
2.4. Symulacja wybranych wskaźników finansowych 58
2.5. Symulacja Monte Carlo a biznesplan 71
2.6. Zastosowanie symulacji Monte Carlo na rynkach kapitałowych 74

Rozdział 3. Value at Risk - koncepcja wartości zagrożonej 77
3.1. Co to jest wartość zagrożona? 77
3.2. Wartość zagrożona a symulacja Monte Carlo 84
3.3. Kredyt a wartość zagrożona 86
3.4. Pomiar ryzyka portfela inwestycyjnego 88

Rozdział 4. Prognozowanie w oparciu o modele regresji 97
4.1. Zastosowanie modeli regresji w ocenie ryzyka (bilans, beta) 97
4.2. Szacowanie modelu regresji z jedną zmienną 98
4.3. Szacowanie modelu z wieloma zmiennymi 113
4.4. Weryfikacja formalna 126
4.5. Modele nieliniowe linearyzowane 140

Rozdział 5. Zastosowanie modeli szeregów czasowych 151
5.1. Modele szeregów czasowych w ocenie ryzyka 151
5.2. Model autoregresji AR 152
5.3. Model średniej ruchomej MA 158
5.4. Model autoregresji ze średnią ruchomą ARMA 163
5.5. Model autoregresji ze średnią ruchomą i różnicowaniem ARIMA 170
5.6. Model autoregresji z heteroskedastycznością warunkową ARCH 174
5.7. Model uogólnionej autoregresji z heteroskedastycznością warunkową GARCH i jego odmiany 179

Rozdział 6. Ryzyko inwestycji rzeczowych - opcje realne 193
6.1. Co to są opcje realne 193
6.2. Zastosowanie opcji realnych w praktyce w ramach oceny ryzyka 197
6.3. Rodzaje opcji realnych 199
6.4. Modele wyceny opcji: model Blacka-Scholesa i model dwumianowy 201
6.5. Proste i złożone opcje realne 204
6.6. Zastosowanie modeli szeregów czasowych przy wycenie opcji realnych 206

Rozdział 7. Ryzyko i optymalizacja 213
7.1. Zastosowanie optymalizacji w praktyce 213
7.2. Dyskretna optymalizacja a portfel inwestycyjny 217
7.3. Sprzężenie symulacji Monte Carlo z optymalizacją dyskretną 226

Zakończenie 231
Załączniki 235
Tablice statystyczne