tatjana jakšić capm model na trŽiŠtu dionica …oliver.efri.hr/zavrsni/539.b.pdf ·...
TRANSCRIPT
SVEUČILIŠTE U RIJECI
EKONOMSKI FAKULTET
Tatjana Jakšić
CAPM MODEL NA TRŽIŠTU DIONICA ZAGREBAČKE BURZE
DIPLOMSKI RAD
Rijeka 2014.
SVEUČILIŠTE U RIJECI EKONOMSKI FAKULTET
CAPM MODEL NA TRŽIŠTU DIONICA ZAGREBAČKE BURZE
DIPLOMSKI RAD
Predmet: Financijski menadžment Mentor: prof.dr.sc. Mira Dimitrić Student: Ime i prezime: Tatjana Jakšić
Studijski smjer: Financije i bankarstvo JMBAG: 0081122028
Rijeka, travanj 2014.
SADRŽAJ
1. UVOD…………………………………………………………………………………1
1.1. Problem, predmet i objekt istraživanja .................................................................. 1
1.2. Postavljanje hipoteza ............................................................................................. 1
1.3. Svrha i cilj istraživanja .......................................................................................... 1
1.4. Metode istraživanja ................................................................................................ 2
1.5. Struktura rada ......................................................................................................... 2
2. TRŽIŠTE KAPITALA U REPUBLICI HRVATSKOJ………………………………4
2.1. Općenito o tržištu kapitala ..................................................................................... 4
2.2. Pregled i organizacija trgovine na Zagrebačkoj burzi ........................................... 8
2.3. Dionički indeksi Zagrebačke burze ..................................................................... 15
2.3.1. Indeks CROBEX ...................................................................................... 15
2.3.2. Indeks CROBEX10 .................................................................................. 17
2.3.3. Sektorski indeksi i CROBEXplus............................................................ 18
3. PROCJENA RIZIKA……………………………………………………………….19
3.1. Pojam rizika i vrste rizika .................................................................................... 19
3.2. Sustavni i nesustavni rizik ................................................................................... 23
3.3. Mjerenje rizika ..................................................................................................... 25
3.4. CAPM MODEL ................................................................................................... 30
3.4.1. Postavke modela ........................................................................................ 31
3.4.2. Beta koeficijent ......................................................................................... 33
3.4.3. SML i CML linije ...................................................................................... 36
3.4.4. Primjena i ograničenja CAPM modela…………………………………...38
4. CAPM MODEL NA PRIMJERU DIONICA ZAGREBAČKE BURZE …………...41
4.1. Odabir dionica za analizu..................................................................................... 41
4.2. Izračun prinosa ..................................................................................................... 43
4.3. Izračun beta koeficijenta ...................................................................................... 47
4.4. Regresijska analiza .............................................................................................. 52
4.5. CAPM jednadžba…………………………………………………………….….58
5. ZAKLJUČAK ......................................................................................................... 61
LITERATURA ............................................................................................................... 63
POPIS ILUSTRACIJA ................................................................................................... 66
POPIS PRILOGA ........................................................................................................... 68
PRILOZI
IZJAVA
1
1. UVOD
1.1. Problem, predmet i objekt istraživanja
Suvremeno poslovanje zahtijeva brzo i pravovremeno donošenje odluka, a svaka odluka
nosi i određeni rizik. Primjenjujući navedeno na tržište kapitala i odluke o ulaganju u
dionice, koje nemaju fiksnu vrijednosti i promjene njihovih cijena su vidljive u toku
sata ili minute, potrebno je predvidjeti rizik. Predviđanjem rizika povećava se
vjerojatnost donošenja ispravne odluke o ulaganju.
Slijedom toga, predviđanje rizika ulaganja u dionice na hrvatskom tržištu kapitala
predstavlja problem istraživanja.
Predmet istraživanja obuhvaća teorijsku podlogu i primjenjivost CAPM modela na
Zagrebačkoj burzi, s naglaskom na beta koeficijent kao mjerom rizika navedenog
modela.
Objekt istraživanja su odabrane dionice sa Zagrebačke burze, njihove mjesečne cijene i
prinosi, prinosi indeksa CROBEX i pripadajući beta koeficijenti.
1.2. Postavljanje hipoteze
Na temelju prethodno navedenog problema, predmeta i objekta istraživanja, postavlja se
sljedeća hipoteza:
„ Dionice koje imaju veći beta koeficijent, ostvaruju i veći očekivani prinos, a ta veza
prema CAPM teoriji je linearna i pozitivna.“
1.3. Svrha i cilj istraživanja
Svrha i cilj istraživanja je upoznavanje poslovanja Zagrebačke burze, razumijevanje
rizika i beta koeficijenta, teorijskih postavki CAPM modela, te primjena navedenih
spoznaja.
2
Tijekom istraživanja odgovorit će se na sljedeća pitanja:
1. Što je tržište kapitala?
2. Kako je organizirano trgovanje na Zagrebačkoj burzi?
3. Koji su dionički indeksi Zagrebačke burze?
4. Koje su temeljne pretpostavke CAPM modela?
5. U čemu je razlika između sustavnog i nesustavnog rizika?
6. Što je beta koeficijent?
7. U kakvom su odnosu beta koeficijenti i očekivani prinosi?
1.4. Metode istraživanja
Pri istraživanju korištene su sljedeće znanstvene metode primjerene istraživanjima u
društvenim znanostima: metoda dedukcije i indukcije, metoda analize i sinteze, metoda
komparacije, statističke metode regresijske analize i korelacije, metoda deskripcije.
U cilju usporedivosti i preglednosti, podaci su prezentirani kroz grafičke i tablične
prikaze.
1.5. Struktura rada
Rad je strukturiran u pet međusobno povezanih dijelova.
U Uvodu su navedeni problem, predmet i cilj istraživanja, postavljena hipoteza,
navedene znanstvene metode i obrazložena struktura rada.
U drugom dijelu, Tržište kapitala u Republici Hrvatskoj iznose se općenite značajke
tržišta kapitala. Također se daje pregled i organizacija trgovanja na Zagrebačkoj burzi,
gdje se iznosi povijesni razvoj Burze i utvrđuju bitne činjenice koje su obilježile
dosadašnje burzovno poslovanje. Definiraju se kriteriji za uvrštenje vrijednosnih papira
na pojedina tržišta: Uređeno tržište, MTP1 i OTC
2 tržište. U ovom dijelu utvrđuju se i
1 Multilateralna trgovinska platforma predstavlja alternativno tržište Burze na kojem je veći rizik nego na
Uređenom tržištu.
3
značajke dioničkih indeksa: CROBEX, CROBEX10, CROBEXplus i sektorskih
indeksa.
Treći dio s naslovom Procjena rizika pojmovno određuje rizik i načine njegova
mjerenja, te utvrđuje razliku između sistemskog i nesistemskog rizika. Iznose se
temeljne pretpostavke CAPM modela, jednadžba, te prednosti i ograničenja primjene
ovoga modela.
U praktičnom dijelu naziva CAPM model na dionicama Zagrebačke burze izvršena je
obrada i izbor podataka korištenih za testiranje CAPM modela na odabranim dionicama
Zagrebačke burze, te opisana metodologija i rezultati provedenog istraživanja.
Zaključak kao posljednji dio iznosi najvažnije spoznaje i rezultate istraživanja kojima je
dokazivana postavljena hipoteza.
2 Engl. over the counter, tzv. tržište preko šaltera, trgovina se ne vrši putem Burze.
4
2. TRŽIŠTE KAPITALA U REPUBLICI HRVATSKOJ
Tržište kapitala je uz tržište novca sastavni dio financijskih tržišta na kojima se odvija
ponuda i potražnja za financijskim sredstvima. Tržište kapitala obuhvaća dugoročna
financijska sredstva s rokom dospijeća duljim od godine dana. U Republici Hrvatskoj
središnju ulogu na tržištu kapitala zauzima Zagrebačka burza.
U nastavku se iznose temeljni pojmovi i podjele za razumijevanje tržišta kapitala, te
povijesni razvoj i organizacija trgovine na Zagrebačkoj burzi. Također, utvrđuju se
bitne činjenice za dioničke indekse na hrvatskom tržištu kapitala: CROBEX,
CROBEX10, CROBEX plus i sektorske indekse3.
2.1. Općenito o tržištu kapitala
Tržište kapitala sastavni je dio financijskih tržišta koja se mogu definirati kao ukupnost
odnosa ponude i potražnje za financijskim sredstvima ( Prohaska, 1996).
Tržište kapitala se može definirati i kao skup institucija, financijskih instrumenata i
mehanizama pomoću kojih se dugoročno slobodna sredstva štednje prenose od
suficitnih deficitnim jedinicama koje ulažu u kapitalnu izgradnju i opremu. Na ovom
tržištu kupuju se i prodaju financijski instrumenti s dospijećem preko jedne godine:
korporacijske obveznice, državne obveznice i obveznice lokalnih vlasti, hipotekarne
obveznice i note, obične i preferencijalne dionice, dugoročni krediti banaka ( Leko,
2008: 93 ).
U nastavku je vidljiv shematski prikaz financijskih tržišta, te položaj tržišta kapitala u
danoj strukturi.
3 Kako su u analizu uključene samo redovne dionice iz dioničkog indeksa CROBEX, obveznički indeksi
nisu detaljnije izučavani.
5
Shema 1. Struktura financijskog tržišta
Izvor: Prohaska, 1996.
Primarno tržište je emisijsko tržište vrijednosnih papira, tržište na kojem se vrijednosni
papiri nude prvi puta na kupnju investitorskoj javnosti ( Primarno tržište, 2014 ).
Sekundarno tržište je tržište na kojem se obavlja stalna kupoprodaja već emitiranih
vrijednosnih papira koji su u ruke investitora došli rasprodajom na primarnom tržištu.
Zove se i transakcijsko tržište. Posebno značenje sekundarnog tržišta je u tome da pruža
mogućnost investitoru da preproda vrijednosni papir koji posjeduje, čime mu
omogućava osobinu likvidnosti i oslobađa novčana sredstva za drugačije plasmane.
Bez uređenog sekundarnog tržišta ni primarno tržište ne vrijedi mnogo ( Sekundarno
tržište, 2014).
Burza je institucija namijenjena trgovanju robom čije su karakteristike opće poznate i
čije su količine razmjenjive. Roba kojom se trguje se ne treba nalaziti na licu mjesta. Za
organizaciju burze i za odvijanje burzovnih poslova postoje posebni propisi i uzance.
Ovisno o predmetima kojima se trguje razlikuju se burze ( Burza, 2014):
6
1. novca za trgovinu stranim kovanicama i novčanicama;
2. robe i proizvoda za trgovinu različitom burzovnom robom (pamuk, šećer,žito );
3. efekata za trgovinu vrijednosnicama, te
4. osiguranja za osiguranje brodskog prijevoza i tereta.
OTC tržište ili tržište preko šaltera je neformalno tržište vrijednosnih papira koje se
odvija preko šaltera pojedinačnih dilera; izvanburzovna prodaja dionica na
sekundarnom tržištu vrijednosnih papira ( OTC, 2014).
Osim prethodno shematski prikazane podjele, s obzirom na geografski aspekt tržište
kapitala dijeli se na: nacionalno tržište kapitala i međunarodno tržište kapitala Pod
nacionalnim tržištem kapitala podrazumijeva se susret ponude i potražnje isključivo
rezidenata dotične zemlje, a trguje se samo u valuti te zemlje. Međunarodno tržište
kapitala je skup odnosa ponude i potražnje za dugoročnim financijskim sredstvima.
Sastoji se iz tržišta euroobveznica, inozemnih obveznica i eurokredita (Prohaska,1996:
18). U nastavku se iznosi shematski prikaz navedene podjele tržišta kapitala.
Shema 2. Struktura nacionalnog i međunarodnog tržišta kapitala
Izvor: Prohaska, 1996: 18
Također, tržište kapitala se u Hrvatskoj u najširem smislu može podjeliti na dvije
sastavnice i to tržište dionica, tj. vlasničkih vrijednosnih papira i tržište obveznica, tj.
dužničkih vrijednosnih papira ( Cingula i Klačmer Čalopa, 2009: 54 ).
7
Iako se na tržištu novca i tržištu kapitala trguje financijskim sredstvima različite
ročnosti, povezanost ova dva tržišta vidljiva je u sljedećem ( Leko, 2008: 96):
1. Ovisno o ulagačkoj politici i prinosima, investitori mogu raspoloživa novčana
sredstva usmjeravati na oba tržišta;
2. Korisnici se mogu pojavljivati na oba tržišta i kombinirati različite instrumente
pribavljanja sredstava;
3. Novčana sredstva kolaju između ta dva tržišta;
4. Neki sudionici aktivno sudjeluju na oba tržišta, npr. brokeri;
5. Svi dugoročni instrumenti pred dospijeće postaju kratkoročni i mogu biti
predmetom kupoprodaje na novčanom tržištu;
6. Prinosi na oba tržišta su u međusobnoj vezi i sudionici vode o tome računa
pomičući se s tržišta na tržište.
Sudionici na hrvatskom tržištu kapitala su ( Godišnje izvješće HANFA, 2012: 13):
- ulagatelji u financijske instrumente,
- posrednici (investicijska društva, kreditne institucije i ostali),
- izdavatelji vrijednosnih papira i ostalih financijskih instrumenata,
- Zagrebačka burza d.d. i
- Središnje klirinško depozitarno društvo d.d.
U nastavku se iznosi povijesni razvoj, te organizacija trgovanja na Zagrebačkoj burzi
kao glavnog sudionika na tržištu kapitala u RH.
8
2.2. Pregled i organizacija trgovine na Zagrebačkoj burzi
Zagrebačka burza je u svom povijesnom obliku osnovana 3. prosinca 1918. godine pod
nazivom Zagrebačka burza za robu i vrednote. Osim vrijednosnim papirima, trgovalo se
i drugom robom, npr. sirovinama, valutama, dragocjenim metalima i sl. 1931. godine za
vrijeme velike gospodarske krize napušta se trgovanje vrijednosnim papirima, a nakon
Drugog svjetskog rata burza je zatvorena. Oblik trgovanja na Zagrebačkoj burzi koji je
poznat i danas započeo je ponovnim otvaranjem burze 1991. godine. Osnivanje od
strane 25 banaka i osiguravajućih društava stvorilo je temelje hrvatskog tržišta kapitala (
Cingula i Klačmer Čalopa, 2009: 65).
Godine 1994. uveden je elektronički trgovinski sustav koji omogućava da brokeri4 i
članovi Burze budu telekomunikacijski povezani, što je utjecalo i na razvoj burzovne
trgovine. Prvih pet godina nakon uvođenja elektroničkog sustava, dakle od 1995. do
2000. godine, vrijednost tržišta Zagrebačke burze narasla je gotovo 10 puta ( Povijest
Zagrebačke burze, 2014).
U početnom je razdoblju Burza imala značajnu ulogu u procesu privatizacije postojećih
poduzeća, no sve intenzivnije trgovanje dionicama, omogućuje da sekundarno tržište od
1998. godine konačno zaživi i burza preuzme svoju ulogu ( Leko, 2008: 130).
Prijelomna točka u poslovanju Zagrebačke burze je bilo i donošenje Zakona o tržištu
vrijednosnih papira koji je stupio na snagu 2002. godine. Stroge odredbe toga zakona su
prisilile velik broj poduzeća ustrojenih kao dionička društva da izađu na burzu.
Povećanje ponude vrijednosnih papira kao i poboljšana transparentnost njihovih
izdavatelja u kombinaciji s ulaskom jakih institucionalnih investitora (banke,
investicijski fondovi, mirovinski fondovi, osiguravajuća društva), te porast potražnje za
vrijednosnim papirima dalo je snažan zamah razvoju hrvatskog tržišta kapitala.
Navedeno se očitovalo značajnim porastom prometa, tržišne kapitalizacije5, broja
transakcija, burzovnih indeksa i cijene dionica na burzama ( Jakšić, 2007:333).
4 Burzovni posrednik koji trguje za račun klijenta i za svoju uslugu zaračunava proviziju.
5 Tržišna kapitalizacija nekog poduzeća je njegova vrijednost koja je određena trgovanjem njegovim
dionicama na burzi.
Tržišna kapitalizacija = broj izdanih dionica x zaključna vrijednost dionice
9
Sljedeće godine bile su vrlo uspješne za burzovno poslovanje. Tržišna kapitalizacija u
2004. povećala se za 70% u odnosu na razdoblje prije, a promet dionicama čak za 75%,
odnosno 80,6% u 2005. godini. Također je zabilježen rast cijena dionica o čemu
svjedoči rast indeksa CROBEX ( Pregled trgovine u 2004. i Pregled trgovine u
2005.godini: 1).
Nadalje, Zagrebačka burza je 2006. godine s namjerom razvoja hrvatskog tržišta
kapitala i poticanja građana na ulaganje, uvrstila u službenu kotaciju dionicu najvećeg
naftnog poduzeća INA d.d. Dionica je ponuđena javnom ponudom6 na hrvatskom tržištu
kapitala. Javna ponuda 15% dionica objavljena je uz potencijalnu opciju dodatne
ponude 2% redovnih dionica. Paralelno s tim bila je povezana i institucionalna ponuda
uvrštenja redovnih dionica na Londonsku burzu. U 2007.godini provedena je još jedna
značajna javna ponuda dionica Hrvatskog Telekoma d.d. Javnosti je bilo plasirano 20%
dionica. Ipak, najvažniji događaj koji je obilježio istu godinu bio je spajanje Zagrebačke
i Varaždinske burze. Time su stvoreni preduvjeti za jedinstveno nacionalno tržište
kapitala, pod nazivom Zagrebačka burza d.d. (Cingula i Klačmer Čalopa, 2009:278).
Posljedice financijske krize već su sljedeće godine vidljive i na hrvatskom tržištu
kapitala koje je u 2008. godini zabilježilo smanjenje vrijednosti indeksa CROBEX za
67%. Tada je došlo do naglog povlačenja kapitala s Burze, što je imalo za rezultat
smanjenje prometa na Zagrebačkoj burzi. Burzovni promet za četvrtinu je manji nego
godinu dana ranije, a pale su i cijene gotovo svih dionica između 40 i 90% ( Pregled
trgovine u 2008.godini, 2009: 1).
Dramatični skokovi i padovi cijena koji su obilježili 2009. godinu vidljivi su u činjenici
da se CROBEX od najniže do najviše točke kretao u rasponu od gotovo 90% (između
1.079 i 2.318 bodova). Druga zamjetna karakteristika hrvatskog tržišta te godine je
grupiranje likvidnosti u vrlo mali broj dionica: četiri najtrgovanije dionice (HT,
Atlantska, IGH i Dalekovod) ostvarile su kumulativno veći promet nego ostalih 276
dionica zajedno ( Pregled trgovine u 2009.godini, 2010:1).
6 Inicijalna javna ponuda ( engl. initial public offering ) predstavlja prvu ponudu dionica javnosti.
10
Kratkotrajni oporavak slijedio je u 2010. godini porastom ukupnog prometa od 18,2%.
Dionički indeksi ostvarili su također osjetan rast: CROBEX od 5,3%, a CROBEX10 od
čak 9,5%. Vrlo bitna činjenica da je takav rast indeksa te godine zabilježila jedino
Zagrebačka burza dok su indeksi regionalnih burzi godinu okončali negativno (Pregled
trgovine u 2010. godini, 2011:1).
U 2011.godini nastavila su se negativna kretanja iz 2009.godine praćena padom tržišne
kapitalizacije, prometa i burzovnih indeksa, ali ipak manjim intenzitetom nego na
regionalnim burzama. Značajno je da je Zagrebačka burza iste godine usvojila ISO
standard 9001:2008 upravljanja kvalitetom, uvela novi obveznički indeks CROBIStr, te
uvela nova Pravila i novu inačicu trgovinskog sustava ( Pregled trgovine u 2011. godini,
2012:1).
2012. godina nije ukazala na oporavak tržišta, već suprotno: redovni promet dionicama
je prepolovljen, a pad ukupnog prometa veći od 35% donekle je ublažen porastom
redovnog prometa obveznicama većim od 107%. Ipak, 2012. ostat će ponajviše u znaku
početka trgovine strukturiranim vrijednosnim papirima7. Prvi put od osnutka Burze
omogućena je trgovina novom vrstom instrumenta, a riječ je i o prvim vrijednosnim
papirima primljenima na Inozemni MTP te o prvom stranom izdavatelju na Zagrebačkoj
burzi. Time je proširen spektar investicijskih proizvoda u koje je moguće ulagati na
domaćem tržištu. Krajem godine na Zagrebačkoj burzi bilo je moguće trgovati s ukupno
16 certifikata, kojima su temeljna imovina zlato, nafta, njemačke obveznice i indeks
DAX. ( Pregled trgovine u 2012.godini, 2013: 1).
2013. bila je obilježena ulaskom Hrvatske u Europsku uniju, te je većina napora bila
usmjerena na usklađivanju regulatornog okvira s europskim. Izvršena je prilagodba
Pravila i drugih akata Burze radi usklađivanja sa Zakonom o tržištu kapitala i uvođenja
novih usluga u cilju efikasnijeg i učinkovitijeg funkcioniranja domaćeg tržišta kapitala (
Pregled trgovine u 2013. godini, 2014:1).
7 Vrijednosni papiri čija cijena ovisi o kretanju cijene temeljnog instrumenta te o uvjetima isplate koji su
unaprijed definirani od strane izdavatelja.
11
Tablica 1. Tržišna kapitalizacija ( u milijunima kuna) u 2012. i 2013. godini
2012. 2013. promjena
Dionice 127.795,60 118.980,30 -6,90%
Obveznice 62.007,20 64.273,20 3,70%
Strukturirani proizvodi 1.771,50 493,9 -72,10%
Ukupno 191.574,30 183.747,50 -4,10%
Izvor: Izrada studenta prema podacima sa Zagrebačke burze
Prvo tromjesečje 2014. godine u odnosu na prethodno usporedivo bilježi veći promet,
ali i veći pad indeksa. Rasli su jedino CROBEXtransport za 11,4% i CROBEXturist za
17,9%. U veljači je započelo računanje novog indeksa ukupnog prinosa CROBEXtr,
istoga sastava kao indeks CROBEX, koji uključuje i isplatu dividende dionica iz svog
sastava ( Pregled trgovine u prvom tromjesečju 2014., 2014:1).
Nakon pregleda burzovnog poslovanja na Zagrebačkoj burzi u nastavku se iznosi
organizacija trgovanja na Burzi.
Trgovina vrijednosnim papirima na Zagrebačkoj burzi odvija se putem elektroničkog
trgovinskog sustava. Ne postoji jedno fizičko mjesto gdje se odvija trgovina
vrijednosnim papirima. Svi brokeri članovi imaju pristup trgovinskom sustavu u
realnom vremenu kako bi istodobno primali informacije o trenutačnoj ponudi
vrijednosnih papira. Trgovina je otvorena svakim radnim danom od 09:00 do 16:30 sati,
a dnevne cijene dionica dostupne su putem dnevnog tiska, specijaliziranih kuća za
distribuciju financijskih informacija, na internetskim stranicama Zagrebačke burze, te
ZSE Monitora ( Pravila Zagrebačke burze, 2014).
Na Zagrebačkoj burzi trguju brokerska društva koja su članice Burze u svoje ime i za
svoj račun ili po nalogu klijenta. Članovi Burze su disperzirani po cijeloj Hrvatskoj (
Cingula i Klačmer Čalopa, 2009: 65).
Tržište kapitala u Republici Hrvatskoj obuhvaća trgovanje na uređenom tržištu, na
multilateralnoj trgovinskoj platformi (MTP) i OTC trgovanje ( Godišnje izvješće
HANFA, 2012: 13).
12
Pravilima Zagrebačke burze predviđena je podjela Uređenog tržišta na Redovito tržište,
Službeno tržište i Vodeće tržište, ovisno o dodatnim uvjetima koje je izdavatelj dužan
ispunjavati prilikom i nakon uvrštenja (Godišnje izvješće HANFA, 2012:17).
Prijelaz dionica iz jednog segmenta Uređenog tržišta u drugi pokreće se na zahtjev
izdavatelja, prema formi koju određuje i objavljuje Burza ( Grubišić, 2011:58).
Redovito tržište obvezuje izdavatelja na dostavu samo minimalnih informacija
propisanih Zakonom o tržištu kapitala, dok je Vodeće tržište najzahtjevniji tržišni
segment u smislu zahtjeva koje postavlja pred izdavatelja, osobito glede transparentnost
( O uređenom tržištu, 2014).
Za uvrštenje na Uređeno tržište moraju se zadovoljiti Opći uvjeti ( Pravila, 2013, čl.92):
1. Financijski instrumenti koji se uvrštavaju na uređeno tržište i njihovi izdavatelji
moraju ispunjavati uvjete propisane ZTK-om8 i drugim propisima, Pravilima i drugim
aktima Burze;
2. Na uređeno tržište mogu se uvrstiti financijski instrumenti kojima se može trgovati
fer, uredno i djelotvorno;
3. Izdavatelj mora biti uredno registriran prema propisima Republike Hrvatske ili države
sjedišta izdavatelja;
4. Podnositelj zahtjeva za uvrštenje mora ispuniti obvezu objave prospekta i drugih
informacija, sukladno odredbama ZTK-a;
5. Financijski instrumenti moraju biti slobodno prenosivi;
6. Financijski instrument mora biti izdan u nematerijaliziranom obliku;
7. Nad izdavateljem financijskog instrumenta ne smije biti otvoren postupak
predstečajne nagodbe9, stečajni postupak10 ili postupak likvidacije
11.
8 Zakon o tržištu kapitala
9 Postupak koji se provodi s ciljem uspostavljanja likvidnosti i solventnosti dužnika, a pokreće se
isključivo temeljem prijedloga dužnika. 10
Temeljna svrha stečajnog postupka je maksimalno namirenje vjerovnika kao primarni cilj i osiguranje normalnih uvjeta za poslovanje kao sekundarni cilj, a pokreće se na prijedlog vjerovnika ili dužnika. 11
Prestajanje postojanja gospodarskog subjekta, npr. zbog neispunjenja propisanih uvjeta za djelatnost.
13
Na Redovito tržište mogu biti uvrštene dionice koje ispunjavaju navedene Opće uvjete
za uvrštenje, te dodatne uvjete ( Pravila, 2013, čl. 94):
1. Javnosti mora biti distribuirano najmanje 15% dionica na koje se odnosi zahtjev za
uvrštenje, te se u obzir uzima i broj dioničara na koje su raspodijeljene dionice;
2. Dionice mogu biti uvrštene i ako ne udovoljavaju uvjetu distribucije javnosti ako
Burza može opravdano pretpostaviti da će u kratkom roku nakon uvrštenja udovoljiti
tom uvjetu.
Na Službeno tržište mogu biti uvrštene dionice koje ispunjavaju Opće uvjete, te dodatne
uvjete ( Pravila, 2013, čl.97):
1.Javnosti mora biti distribuirano najmanje 25% dionica na koje se odnosi zahtjev za
uvrštenje, uzimajući u obzir i broj dioničara na koje se raspodijeljene dionice;
2.Dionice mogu biti uvrštene i ako ne udovoljavaju uvjetu distribucije javnosti, kao što
je slučaj i sa uvrštenjem na Redovno tržište;
3.Burza može na Službeno tržište uvrstiti i dionice novoosnovanog društva koje je
nastalo spajanjem više društava odnosno podjelom postojećih društava.
Na Vodeće tržište mogu biti uvrštene dionice koje ispunjavaju uvjete propisane za
uvrštenje na Službeno tržište, te dodatne uvjete (Pravila, 2013, čl.100):
1.Očekivana tržišna kapitalizacija dionica za koje je podnesen zahtjev za uvrštenje mora
iznositi najmanje 100.000.000 HRK;
2.Moraju ispunjavati uvjet minimalnog prosječnog dnevnog prometa i prosječne dubine
knjige ponuda koji odredi Burza ili
3.Izdavatelj mora sklopiti ugovor o obavljanju poslova s najmanje dva specijalista za
dionice.
14
Sukladno odredbama Zakona o tržištu kapitala, MTP nema isti status kao uređeno
tržište. Obzirom na niže zahtjeve koji se postavljaju pred izdavatelje instrumenata i
instrumente kojima se trguje na MTP-u, rizik investiranja u takve instrumente može biti
veći od rizika investiranja u instrumente kojima se trguje na Uređenom tržištu.
Neovisno o navedenom, za instrumente primljene na MTP postoji minimum javno
dostupnih informacija kako bi se ulagateljima omogućilo donošenje utemeljenih
investicijskih odluka. MTP Zagrebačke burze podijeljen je na: MTP – Fortis, MTP –
Alter, MTP – X ( O MTP-u, 2014).
Neuređeno tržište, odnosno uspostavljanje MTP-a je omogućilo prijam u trgovinu
vrijednosnih papira inozemnih izdavatelja, pod uvjetom da su uvršteni na burzu ili
uređeno tržište države u kojoj izdavatelj ima sjedište. Dodatni uvjet koji mora biti
ispunjen je da su vrijednosni papiri nematerijalizirani, slobodno prenosivi i izdani
sukladno propisima države sjedišta izdavatelja ( Grubišić, 2011:57).
Osnovna je razlika između Uređenog tržišta i MTP-a u razini transparentnosti
izdavatelja, što podrazumijeva obvezu objavljivanja propisanih informacija javnosti.
Izdavatelji čiji su vrijednosni papiri uvršteni na Uređeno tržište dužni su prilikom
uvrštenja izraditi i objaviti prospekt koji odobrava HANFA. Prospekt sadrži sve
relevantne informacije za procjenu imovine i dugova, financijskog položaja, dobiti i
gubitka, razvojnih mogućnosti izdavatelja i jamca te prava koja proizlaze iz
vrijednosnih papira. Izdavatelji su obvezni javno objavljivati sve propisane informacije
(uključujući i povlaštene) nakon uvrštenja na Uređeno tržište. Takva obveza nije
predviđena za vrijednosne papire primljene u trgovinu na MTP ( Godišnje izvješće
HANFA, 2012: 16).
Transakcije koje član ili druga osoba određena ZTK-om i drugim propisima sklopi
izvan Uređenog tržišta ili MTP-a smatraju se OTC transakcijama, te se mogu prijaviti
Burzi u svrhu objave javnosti putem trgovinskog sustava ( Pravila, 2013, čl. 252 i 253.).
15
2.3. Dionički indeksi Zagrebačke burze
Burzovni indeksi pružaju informacije ulagačima, financijskim stručnjacima i javnosti o
kretanjima na tržištu kapitala.
Dionički indeksi predstavljaju prosjek posebno odabranih grupa dionica za koje se
procjenjuje da su reprezentativne za cijelo tržište ili pojedine segmente tržišta (Poslovni
hr., dostupno online: http://www.poslovni.hr/leksikon/indeksi-dionica-1276).
Na Zagrebačkoj burzi obračunavaju se obveznički indeksi CROBIS i CROBIStr, te
dionički indeksi CROBEX, CROBEX10 i sektorski indeksi koji su detaljnije opisani u
nastavku.
2.3.1. Indeks CROBEX
CROBEX je službeni indeks dionica na Zagrebačkoj burzi d.d., a počeo se objavljivati
1.rujna 1997. godine. Određuje se prema tržišnoj kapitalizaciji najlikvidnijih dionica
hrvatskih poduzeća i kao takav se revidira dva puta godišnje. Bazna vrijednost
CROBEX-a je 1.000 bodova na dan 1.srpnja 1997. godine ( Cingula i Klačmer Čalopa,
2009: 66).
Sastav indeksa CROBEX čine dionice 25 izdavatelja koje su uvrštene na uređeno tržište
Zagrebačke burze, a kojima se trgovalo tijekom više od 90% ukupnog broja trgovinskih
dana u šestomjesečnom razdoblju koje prethodi reviziji indeksa ( Godišnje izvješće
HANFA, 2012:14).
Primjerice, u CROBEX indeks su uključene dionice sljedećih poduzeća: Kraš d.d.,
Podravka d.d., Ledo d.d., HT d.d., INA d.d., Dalekovod d.d. i dr.
Rang svake dionice koja ispunjava uvjet broja trgovinskih dana određuje se na osnovi
dva kriterija ( Odluka o indeksu CROBEX, 2013, čl.3.) :
1. udjel u free float tržišnoj kapitalizaciji;
2. udjel u prometu ostvarenom unutar knjige ponuda u šestomjesečnom razdoblju koje
prethodi reviziji.
16
Indeks CROBEX se računa kao omjer free float tržišne kapitalizacije i free float tržišne
kapitalizacije na bazni datum. Free float tržišna kapitalizacija određene dionice računa
se kao umnožak broja izdanih dionica, free float faktora i zadnje cijene dionice. Udjel
free float tržišne kapitalizacije pojedine dionice u ukupnoj tržišnoj kapitalizaciji indeksa
CROBEX ne može preći 10% ( Odluka o indeksu CROBEX, 2013, čl.5).
Revizija indeksa može biti redovna i izvanredna. Redovna revizija indeksa CROBEX
obavlja se po završetku trgovine trećeg petka u mjesecu ožujku i rujnu. Revizija se vrši
na temelju podataka o trgovini u šestomjesečnom razdoblju koje prethodi reviziji (
Odluka o indeksu CROBEX, 2013, čl. 10).
Izvanredan revizija provodi se ako između dvije redovne revizije uslijede izvanredni
događaji, koji podrazumijevaju sljedeće ( Odluka o indeksu CROBEX, 2013, čl.11):
1. korporativne akcije ( podjela dionica, spajanje dionica, povećanje ili smanjenje
temeljnog kapitala, preuzimanje dioničkog društva, pripajanje, spajanje, podjela
dioničkog društva i dr.);
2. prestanak uvrštenja određene dionice;
3. dugotrajna obustava trgovine određenom dionicom;
4. otvaranje stečajnog postupka ili postupka likvidacije društva.
Grafikon 1. Kretanje indeksa CROBEX u razdoblju od 2003. do ožujka 2014.godine
Izvor: Izrada studenta prema podacima sa Zagrebačke burze
17
2.3.2. Indeks CROBEX 10
Zagrebačka burza je 2009. godine uz postojeće indekse CROBEX i CROBIS uvela
novi specijalizirani pokazatelj tržišnog trenda, indeks CROBEX 10. Ovaj indeks je
mnogo uži od standardnog CROBEX-a. Sastav indeksa čini 10 dionica iz sastava
indeksa CROBEX s najvećim srednjakom udjela distribucije javnosti tržišne
kapitalizacije i prometa. Bazna vrijednost indeksa iznosi 1.000 na dan 31. srpnja 2009.
godine ( HANFA, 2012:14).
Tablica 2. Sastav indeksa CROBEX10 na dan 19.4.2014.
Simbol Izdavatelj
ADPL-R-A AD Plastik d.d.
ADRS-P-A Adris grupa d.d.
ATGR-R-A Atlantic Grupa d.d.
ERNT-R-A Ericsson Nikola Tesla d.d.
HT-R-A HT d.d.
INA-R-A INA d.d.
KORF-R-A Valamar Adria Holding d.d.
LEDO-R-A Ledo d.d.
PODR-R-A Podravka d.d.
PTKM-R-A Petrokemija d.d.
Izvor: Izrada studenta prema podacima sa Zagrebačke burze
Rang svake dionice u sastavu indeksa CROBEX 10 određuje se na osnovu istih kriterija
kao i kod indeksa CROBEX. Svakom od navedenih kriterija pripisuje se težina 50% te
se izračuna srednjak udjela, odnosno vagani tržišni udjel. Iznimno, u indeks
CROBEX10 ne ulaze dionice društava u kojima jedan dioničar ima više od 75% udjela
u temeljnom kapitalu društva. Indeks CROBEX 10 računa se kao i CROBEX s razlikom
što udjel free float tržišne kapitalizacije pojedine dionice u ukupnoj tržišnoj
kapitalizaciji na dan redovne revizije ne može preći 20% ( Odluka o indeksu
CROBEX10, 2013, čl. 5).
18
Kao i indeks CROBEX, obavlja se redovna i izvanredna revizija indeksa CROBEX10.
Redovna revizija obavlja se po završetku trgovine četvrtog petka u mjesecu ožujku i
rujnu te se primjenjuje od sljedećeg trgovinskog dana ( Odluka o indeksu CROBEX10,
2013, čl. 10).
Izvanredna revizija indeksa provodi se u istim slučajevima kao i kod indeksa CROBEX.
2.3.3. Sektorski indeksi i CROBEXplus
U sastav sektorskih indeksa mogu ući samo dionice uključene u indeks CROBEXplus.
Prilikom odabira dionica koje će ući u sastav indeksa CROBEXplus u obzir se uzimaju
samo dionice uvrštene na uređeno tržište koje zadovoljavaju sljedeće uvjete ( Odluka o
indeksu CROBEXplus i sektorskim indeksima, 2013, čl. 2):
- broj trgovinskih dana veći je od 70% ukupnog broja trgovinskih dana u
šestomjesečnom razdoblju koje prethodi reviziji;
- free float tržišna kapitalizacija veća je od 10 milijuna kuna.
U indeksima CROBEX plus i sektorskim indeksima svaka dionica ima jednaku težinu, a
Burza računa sljedeće sektorske indekse ( Odluka o indeksu CROBEXplus i sektorskim
indeksima, 2013, čl.4):
1. CROBEXnutris za proizvodnju i preradu hrane;
2. CROBEXindustrija za industrijsku proizvodnju,
3. CROBEXkonstrukt za građevinarstvo,
4. CROBEXtransport za transport,
5. CROBEXturist za turizam.
Revizija indeksa je redovna i izvanredna. Izvanredna revizija provodi se kao i kod
CROBEX indeksa. Redovna revizija indeksa obavlja se po završetku trgovine trećeg
petka u mjesecu svibnju i studenom (Odluka o indeksu CROBEXplus i sektorskim
indeksima, 2013, čl.6).
Novi sektorski indeksi uvedeni u veljači 2013. omogućili su lakše praćenje tržišnih
trendova i sveobuhvatniji pregled tržišta što će ulagateljima omogućiti bolji uvid u
tržišna kretanja, a time i olakšati donošenje investicijskih odluka ( Pregled trgovine u
2013. godini:1).
19
3. PROCJENA RIZIKA
Proces donošenja odluke o ulaganju u vrijednosne papire uključuje definiranje i
mjerenje mogućih rizika. Uspoređujući vjerojatnost nastanka određenog rizika s
očekivanim prinosom kojeg donosi razmatrana vrijednosnica, nastoji se odabrati
povoljan odnos između navedenih veličina. Razina rizika koju će ulagatelj u konačnici
preuzeti ovisi o njegovoj sklonosti riziku, što se razmatra i u nastavku.
3.1. Pojam rizika i vrste rizika
Za razumijevanje rizika potrebno je uočiti i razliku između rizika, neizvjesnosti i
sigurnog događaja.
Rizik se može definirati kao poznata, procjenjiva ili mjerljiva vjerojatnost nastanka
nekog događaja. Proizlazi iz određenih očekivanja povezanih sa budućnosti.
Neizvjesnost je prisutna kada između budućih događaja i očekivanja ne postoji
povezanost, te predstavlja nepoznatu vjerojatnost nastanka određenog događaja.
Vjerojatnost od 100% između budućih događaja i očekivanja predstavlja siguran
događaj ( Dimitrić, 2012:2).
Također, rizik se može definirati kao vjerojatnost da će stvarna stopa povrata ostvarena
od držanja vrijednosnica odstupati od očekivane stope. Rizik je veći što je veća veličina
i vjerojatnost tog odstupanja ( Vidučić, 2011:66).
Sa stanovišta kvantifikacije neizvjesnosti pri investiranju rizik se može definirati i kao
poznavanje nekog stanja u kojem se kao posljedica neke odluke može pojaviti niz
rezultata. Vjerojatnost ostvarivanja svakog pojedinog rezultata poznata je donositelju
odluke ( Orsag, 2002:194).
Prije razvoja moderne financijske teorije rizik investicija se mjerio kroz analizu
financijske strukture poduzeća, mjerenjem varijabilnosti dobiti i dividendi, te procjenom
veličine ostalih pokazatelja profitabilnosti i likvidnosti. ( Bendeković, 2000:1294).
20
Mogući stavovi investitora prema riziku opisani su u nastavku.
Većina investitora ima averziju prema riziku. Stoga su na odluku o investiranju, koja
pretpostavlja i odluku o uzdržavanju od potrošnje, investitori spremni samo pod
pretpostavkom adekvatne kompenzacije u obliku minimalne stope povrata za ulaganje u
danu imovinu, tj. tražene stope povrata ( Vidučić, 2011:65).
Investitori neskloni riziku za preuzimanje većeg rizika traže veću očekivanu korist.
Drugu grupu investitora čine oni s neutralnim stavom prema riziku. Za njih donošenje
odluke znači jednostavnu procjenu veličine očekivane koristi, te pritom zanemaruju
rizik. Od dvije mogućnosti poduzimaju onu s većom očekivanom koristi. Investitori koji
zanemaruju očekivanu korist, te atraktivnost pojedinih pothvata rangiraju prema riziku,
pokazuju sklonost riziku ( Bendeković, 2000:1284).
Rizik financijskih ulaganja određen je njihovim karakteristikama dugoročnosti,
sigurnosti i likvidnosti ( Vukičević i suradnici, 2010: 275-276):
Neki oblici ulaganja su kratkoročni dok su drugi dugoročni. Novac položen na tekući
račun dobar je primjer kratkog ulaganja, dok ulaganje u dionice i obveznice predstavlja
dugoročno ulaganje. Što je ulaganje dugoročnije izloženo je i drugim vrstama rizika.
Primjerice, dioničar može prodati dionicu na tržištu, a to ga izlaže riziku fluktuacije
cijena dionica.
Sigurnost financijskih ulaganja odlikuje se u sigurnom povratu uloženih sredstava.
Primjerice, u Hrvatskoj su depoziti oročeni u banci osigurani do iznosa 400.000,00
kuna. Isto vrijedi i za obveznice izdane od strane države gdje je garantirana isplata
kamata. S druge strane, izdavatelj dionica ne garantira isplatu dividende ili tržišnu
vrijednost dionice. Time je sigurnost dionice manja od sigurnosti depozita ili obveznice.
Općenito gledano, što je investicija manje sigurna, investitor će zahtijevati veći povrat.
Likvidnost predstavlja lakoću kojom se udio ili imovina može kupovati, odnosno
prodati. Primjerice, dionicama manjih kompanija se manje trguje, te nemaju sve dionice
jednaku likvidnost. Općenito, što je investicija likvidnija, rizik ulaganja će biti manji.
21
U nastavku se navodi grafički prikaz rizičnosti pojedinih vrijednosnih papira prema
sigurnosti ulaganja.
Grafikon 2. Razina sigurnosti ulaganja u pojedine vrijednosne papira
Izvor: Bendeković, 2000:1285
Različite su vrste rizika koji se moraju razmotriti prilikom donošenja financijskih i
investicijskih odluka ( Shim i Siegel, 2007:209):
1. Poslovni rizik koji je uzrokovan fluktuacijama zarada prije kamata i poreza, te ovisi o
promjenama u potražnji, prodajnoj cijeni, ulaznim cijenama i omjeru između vlastitog i
tuđeg kapitala.
2. Rizik likvidnosti predstavlja mogućnost da se neki vrijednosni papir neće moći
unovčiti u kratkom roku po svojoj tržišnoj vrijednosti.
22
3. Rizik neispunjenja obveze predstavlja rizik kod kojeg dužnik neće biti u mogućnosti
da plati kamate ili otplati glavnicu duga. Primjerice, ovaj rizik je veliki kod obveznica
društva koje je u financijskim poteškoćama.
4. Rizik tržišta je rizik da će se cijena dionice promijeniti zbog promjena na tržištu.
5. Rizik kamatne stope podrazumijeva rizik koji proizlazi iz fluktuacija vrijednosti
imovine kako se mijenja kamatna stopa. Primjerice, rast kamatnih stopa dovest će do
pada cijene obveznica.
6. Rizik kupovne moći je rizik da će porast cijena smanjiti količinu dobara koja se mogu
kupiti fiksnim iznosom novca.
Osim navedene podjele, rizik je moguće klasificirati i kao poslovni, te financijski rizik
(Vidučić, 2011:65):
Poslovni rizik nastaje uslijed djelovanja čimbenika koji se odražavaju na gotovinski
tijek iz poslovanja, a može se razlučiti na:
- neizbježivi, sustavni ili tržišni rizik na koji utječe stanje u gospodarstvu,
tehnološke promjene i drugi čimbenici, te
- izbježivi, nesustavni ili korporacijski rizik na koji utječu čimbenici vezani za
samu tvrtku, npr. razvitak novih proizvoda.
Financijski rizik javlja se za način financiranja tvrtke, a izrazito kod tvrtki koje koriste
zaduživanje kao oblik financiranja. Determiniran je strukturom kapitala ( odnos duga
prema dioničkoj glavnici) i dospjelošću obveza prema vjerovnicima.
23
3.2. Sustavni i nesustavni rizik12
U poslovno-financijskom smislu ukupni rizik se može definirati kao variranje povrata
neke investicije u dionicu. Tako definirani rizik može se podijeliti na dvije glavne grupe
faktora koji ga uzrokuju. Prva se grupa faktora odnosi na poslovno okruženje, što
podrazumijeva cjelokupan ekonomski, fiskalni, pravni i politički sistem. Stanje sustava
utjecat će na vrijednosti sve imovine, pa tako i dionica. U drugoj su grupi faktori koji su
pod direktnom kontrolom samog poduzeća, npr. organizacija proizvodnje, kvaliteta
prodaje, financije i upravljanje. Oni su specifični za svako poduzeće i nisu rezultat
utjecaja sistema u kojem se ono nalazi ( Bendeković, 2000:1293).
Prema tome, rizik koji se ne može diverzificirati posljedica je sila koje su izvan kontrole
društva, te nije jedinstven za vrijednosni papir. Ovdje se ubraja: rizik kupovne moći,
kamatne stope i rizik tržišta. Navedeni rizik procjenjuje se relativnim u odnosu na rizik
diverzificiranog portfelja vrijednosnih papira ili portfelja tržišta, a mjeri se beta
koeficijentom.
Rizik koji se može diverzificirati, kontrolirani ili nesistematski rizik, predstavlja dio
rizika vrijednosnog papira koji se može kontrolirati diverzifikacijom ulaganja. Ova vrsta
rizika je specifična za određeni vrijednosni papir, a obuhvaća sljedeće vrste rizika:
poslovni, rizik likvidnosti i rizik neispunjenja obveze ( Shim i Siegel, 2007:212).
Orsag ( 2002, 226-227 ) za sustavni i nesustavni rizik navodi sljedeće:
1. Tržišni rizik proizlazi iz eksternih okolnosti na koje poduzeće ne može djelovati
(ciklička kretanja privrede, inflacija, politika kamatnih stopa i dr.). Sve su tvrtke pod
utjecajem tih faktora tako da se ne može izbjeći diverzifikacijom. Tržišni rizik se naziva
sistematskim rizikom jer pokazuje stupanj sistematskog kretanja profitabilnosti dionice
s drugim dionicama.
2. Specifični rizik poduzeća ovisi o kretanju profitabilnosti poduzeća povezane s
faktorima na koje ima utjecaj njegov menadžment. On se može izbjeći diverzifikacijom
pa se naziva diverzificirajući rizik.
12
Sinonimi za sustavni rizik također su: sistematski rizik, nekontrolirani, nediverzificirajući rizik, tržišni rizik, dok su za nesustavni rizik sinonimi: nesistematski rizik, kotrolirani i diverzificirajući rizik i
specifični rizik poduzeća.
24
Tretman rizika individualno rizične investicije u portfelju mijenja se i zato se značajan
individualni rizik investicije može eliminirati diverzifikacijom. Ovdje se ne promatra
njen ukupni rizik, već relativna rizičnost individualne investicije, koja predstavlja njen
doprinos rizičnosti diverzificiranog portfelja ( Orsag, 2002:278).
Za tipičnu dionicu 75% ukupnog rizika obuhvaća nesustavni rizik, a 25% odnosi se na
sustavni rizik. Sustavni rizik, odnosno dio ukupnog rizika koji je objašnjen gibanjem
tržišta, proizlazi iz koeficijenta determinacije R2 izračunanim iz regresije natprosječnog
prinosa dionica i tržišnog portfelja13. Udio nesustavnog rizika, odnosno ukupnog rizika
koji je specifičan za dionicu dobije se iz relacije 1-R2 ( Van Horne, 1993:71).
U sljedećem grafikonu prikazan je odnos između ukupnog, sustavnog i nesustavnog
rizika.
Grafikon 3. Odnos ukupnog, sustavnog i nesustavnog rizika
Izvor: Domijan, 2011:8
13
R2 mjeri dio ukupne varijacije zavisne varijable koji je objašnjen nezavisnom varijablom.
25
3.3. Mjerenje rizika
Rizik vrijednosnice potrebno je mjeriti, a načini mjerenja obuhvaćaju ( Vidučić,
2011:66 ):
- upotrebu normalne distribucije vjerojatnosti,
- grafički pristup,
- korištenje prognoze ishoda,
- korištenje povijesnih stopa,
- mjerenje u relativnim terminima kovarijancom i betom, te
- obilježje Z.
Većina ekonomskih pojava raspoređena je u skladu s tzv. normalnom distribucijom ili
raspodjelom. Grafički prikaz ove distribucije naziva se Gaussova krivulja, normalna ili
zvonolika krivulja. Najviše vrijednosti grupirano je oko srednje vrijednosti, a prema
ekstremima sve je manje vrijednosti ( Vukičević i suradnici, 2010:290).
Osnovni parametri distribucije vjerojatnosti su očekivana stopa povrata i standardna
devijacija. Normalna distribucija vjerojatnosti može se koristiti za mjerenje rizika ako
postoje prognoze stručnjaka o mogućim stopama povrata na vrijednosnicu i
pripadajućim vjerojatnostima. Što je veća standardna devijacija, veće je moguće
odstupanje od očekivane stope povrata i time veći rizik za investitora. Jednadžbe za
izračun očekivane stope povrata i standardne devijacije dane su u nastavku ( Vidučić,
2011: 66-67):
Jednadžba za izračun očekivane stope povrata:
gdje je: n – broj mogućih povrata,`R – očekivana stopa povrata, Ri – i-ti povrat, Pi –
vjerojatnost Ri – tog povarata.
26
Jednadžba za izračun standardne devijacije:
gdje je: σ – standardna devijacija.
Postoji uska veza između veličine odstupanja stvarne u odnosu na očekivanu stopu
povrata i vjerojatnosti. Izračunavanjem područja ispod krivulje vjerojatnosti lijevo i
desno od očekivanog povrata može se procijeniti rizik. Ukupno područje ispod
normalne krivulje obuhvaća 100% vjerojatnosti. Stoga, ako je 50% područja ispod
krivulje lijevo, odnosno desno od očekivane vrijednosti povrata, slijedi da će stvarna
stopa povrata uz 50% vjerojatnosti biti veća od očekivane ako se nalazi u tom području.
Isto vrijedi za 68,26% područja ispod krivulje unutar intervala od ±1 standardna
devijacija - σ ( Vidučić, 2011:67 - 68).
Navedeno je prikazano u nastavku.
Grafikon 4. Normalna distribucija vjerojatnosti
Izvor: Bendeković, 2000:1292
27
Grafički prikaz normalne distribucije vjerojatnosti daje predodžbu o riziku:
vrijednosnica sa širom distribucijom vjerojatnosti povrata ima veći rizik i time je manje
poželjna za investitora ( Vidučić, 2011:67).
Dakle, u slučaju dviju dionica sa istom očekivanom vrijednosti, a različitim standardnim
devijacijama, investitor odabire onu sa nižom standardnom devijacijom.
U slučaju kad dionice imaju jednake standardne devijacije, usporedba rizičnosti nije
moguća korištenjem standardnih devijacija. Zbog toga je i jednak oblike njihovih
normalnih krivulja. Na taj bi se način moglo zaključiti da imaju i isti rizik ostvarivanja
profitabilnosti. U tom se slučaju koristi koeficijent varijacije ( Orsag, 2002: 205).
Sljedeći grafikoni prikazuju normalne distribucije vjerojatnosti u slučaju različitih i istih
standardnih devijacija, odnosno očekivanih vrijednosti
Grafikon 5. Normalna distribucija vjerojatnosti za različite standardne devijacije
Izvor: Orsag, 2002:203
28
Grafikon 6. Normalna distribucija vjerojatnosti za iste standardne devijacije
Izvor: Orsag, 2002:206
Korištenje prognoza ishoda i povijesnih stopa zahtijeva modifikaciju jednadžbi za
standardnu devijaciju i očekivane stope povrata14.
Ako nisu poznate vjerojatnosti ishoda koristi se jednadžba za izračun standardne
devijacije na temelju prognoza pojedinih ishoda na tržištu kapitala, te nova jednadžba za
očekivani povrat. Standardna devijacija izračunata iz povijesnih podataka može se
koristiti za procjenu budućeg rizika jer je razumno očekivati da se ponovi povijesna
varijabilnost. To ne vrijedi za procjenu očekivane stope povrata na temelju povijesnih
podataka ( Vidučić, 2011:69 ).
Mjerenje rizika u relativnim terminima obuhvaća koeficijent varijacije i beta
koeficijent.15
Koeficijent varijacije predstavlja relativnu mjeru disperzije normalnih distribucija.
Pogodna je mjera za usporedbu rizičnosti različitih projekata. Predstavlja odnos između
standardne devijacije i očekivane vrijednosti neke distribucije vjerojatnosti, odnosno
predstavljeno formulom ( Orsag, 2002:204):
14
Točni izrazi izračuna standardne devijacije i očekivanog povrata kod prognoze ishoda i povijesnih stopa dostupni su u Vidučić, 2011:69. 15
O beta koeficijentu detaljno u dijelu 3.4.2. diplomskog rada.
29
Radi ilustracije korištenja koeficijenta varijacije u analizi rizičnosti u nastavku je dan
primjer dionica A i B, te njihovi očekivani povrati i standardne devijacije.
Tablica 3. Primjer izračuna koeficijenta varijacije
Dionica σ (%) R (%) V
A 20 25 0,8
B 6 10 0,6
Izvor: Izrada studenta u Excelu
Dionice A i B imaju različite standardne devijacije i očekivane povrate, te njihova
usporedba na temelju ovih veličina ne bi bila ispravna.
Potrebno je izračunati koeficijent varijacije koji predstavlja mjeru rizika po jedinici
povrata ( Vidučić, 2011:70).
Na temelju izračuna, vidljivo je da bi se investitor trebao odlučiti za dionicu B, jer u
odnosu na dionicu A, rizik po jedinici povrata mjerene koeficijentom varijacije je niži.
Standardizirano obilježje Z pokazuje koliko se postotaka mogućih rezultata nalazi ispod
određenog dijela normalne krivulje. Predstavlja površinu ispod normalne krivulje za
određen interval između zadane i očekivane profitabilnosti distribucije. Taj se postotak
očitava u tablicama površine ispod normalne krivulje. Vrijednost obilježja Z izračunava
se prema sljedećoj formuli ( Orsag, 2002: 206-207):
Dobiveni rezultat treba usporediti s maksimalno prihvatljivim rizikom koji je menadžer
spreman preuzet. Ako je dobiveni rezultat niži od te stope, može se investirati u
imovinu s ovakvim karakteristikama rizika i povrata ( Vidučić, 2011: 74).
30
3.4. CAPM model
Prvim ozbiljnim pokušajem da se tržište opiše matematičkim modelom može se smatrati
Markowitzev model optimizacije portfelja u uvjetima neizvjesnosti i rizika, postavljen
1952. godine. Dotadašnji pristup optimizaciji portfelja temeljio se na maksimizaciji
očekivanog prinosa, što je vodilo vrlo rizičnom ulaganju u dionice s najvećim
očekivanim prinosom. Markowitzev model vrlo je značajan, što se očituje i u činjenici
da je za svoja dostignuća u razvoju moderne teorije portfelja zaslužio 1990. godine
Nobelovu nagradu iz ekonomije ( Marasović i Šego, 2006:57).
U svojim je počecima Markowitzeva teorija portfelja imala praktičnih nedostataka, a
najveći problem je bio veliki broj ulaznih parametara u optimizaciji. Pojavom modela s
jednim indeksom (single-index model), u kojem je prinos neke dionice povezan
linearno s prinosom tržišta, došlo je do značajnog pojednostavljenja. Kasnije, 1960 –ih,
Sharpe, koji je također 1990. nagrađen Nobelovom nagradom, i Lintner razvili su
CAPM16
model za procjenjivanje kapitalne imovine. Model formalno ima istu
funkcionalnu ovisnost kao i model jednog indeksa, te također opisuje sistematske rizike
pojedinih dionica u portfelju u odnosu na tržište (Latković, 2001:4).
CAPM, za razliku od Markowitzevog modela, utvrđuje da će investitori ulagati u
kombinaciju imovine bez rizika i portfelja rizične imovine, što se i događa u stvarnosti.
Investitori prilagođavaju rizik svog portfelja određivanjem proporcije portfelja koji se
odnosi na rizičnu u odnosu na nerizičnu imovinu17 ( Vidučić, 2011:83).
16
Termin CAPM označava Capital Asset Pricing Model. 17
Imovina koja ima sigurni povrat.
31
3.4.1. Postavke modela
CAPM, model za određivanje cijene uloženog kapitala povezuje rizik izmjerene beta
koeficijentom s razinom očekivane stope povrata od ulaganja u vrijednosni papir, što je
predstavljeno jednadžbom modela ( Shim i Siegel, 2007:212-213):
gdje je:
rj – očekivani ili zahtijevani povrat od ulaganja u vrijednosni papir j;
rf – vrijednosni papir bez rizika;
rm – očekivani povrat u tržišnom portfelju i
b - beta, indeks rizika koji se ne može diverzificirati ( sistematski rizik),
(rm – rf ) – riziko premija.
Jednadžba modela CAPM pokazuje da je očekivana stopa povrata od određenog
vrijednosnog papira jednaka stopi povrata koja se traži kod ulaganja u vrijednosne
papire koji nemaju rizik, uvećanoj za premiju koju ulagači zahtijevaju za preuzimanje
određenog stupnja rizika. Što je veći stupanj sistematskog rizika, veći je i povrat za
određeni vrijednosni papir koji traže ulagači ( Shim i Sigel, 2007: 213).
Tražena stopa povrata na ulaganja bez rizika predstavlja nominalnu stopu povrata koja
sadrži realnu stopu povrata i premiju za očekivanu inflaciju ( Vidučić, 2011:88).
Dakle, model promatra dvije vrste investicijskih mogućnosti. Prva je bezrizična
vrijednosnica čiji je prinos tijekom razdoblja ulaganja sa sigurnošću poznat. Primejrice,
kao surogati za bezrizičnu stopu uzimaju se stope prinosa kratkoročnih i srednjoročnih
vrijednosnica Ministarstva financija. Druga je tržišni portfelj običnih dionica koji se
predočuje svim raspoloživim običnim dionicama i ponderira u skladu s njihovim
ukupnim tržišnim vrijednostima. Tržišni portfelj je prevelik za upravljanje pa se kao
koristi burzovni indeks. Budući da ne postoji diverzificiraniji portfelj od tržišnog
portfelja, on predstavlja granicu moguće diverzifikacije ( Domijan, 2011:9 )
32
Model omogućuje investitorima da relativno jednostavno izračunaju zahtijevani
ravnotežni prinos na bilo koju rizičnu investiciju. Ako je procijenjeni prinos različit od
ravnotežnog, CAPM zahtijeva da je investicija ili podcijenjena ili precijenjena ( Fruk i
Huljak, 2003:81).
CAPM pretpostavlja da su svi ulagači racionalni, planiraju jednako vrijeme držanja
vrijednosnica, koriste jednake ulazne podatke kod analize i optimiziraju svoje portfelje (
Bodie, Kane i Marcus, 2006: 261).
Pod sljedećim uvjetima, svi će investitori percipirati skup investicijskih mogućnosti za
rizične vrijednosne papire na isti načini i postavit će svoju granicu efikasnosti na istom
mjestu ( Van Horne, 1993:65-66):
- pretpostavlja se da su tržišta kapitala vrlo efikasna;
- investitori su dobro informirani;
- ne postoje transakcijski troškovi i porezi;
- ograničenja na investicije su zanemariva;
- nijedan investitor nije dovoljno velik da bi mogao utjecati na cijenu dionica;
- između investitora postoji općenito suglasje o vjerojatnom prinosu i riziku
pojedinačnih vrijednosnih papira, te
- su njihova očekivanja temeljena na prosječnom vremenu držanja vrijednosnog
papira, npr. jednoj godini.
33
3.4.2. Beta koeficijent
Beta je relativna mjera rizika koja pokazuje osjetljivost promjene povrata vrijednosnice
na promjene povrata tržišnog portfelja. Može se izračunati iz odnosa kovarijance
povrata vrijednosnice i povrata tržišnog portfelja, s varijancom tržišnog portfelja
(Vidučić, 2011:71):
Dakle, beta dionice ovisi o ( Vidučić, 2011:88):
- korelaciji s tržištem dionica,
- vlastitoj varijabilnosti, te
- varijabilnosti tržišta.
Ako je ( Domijan, 2011:10):
1. b= 1 dionica ima jednaki sustavni rizik kao i cijelo tržište;
2. b > 1 dionica ima veći sustavni rizik nego cijelo tržište ( agresivna vrijednosnica);
3. b < 1 dionica ima manji sustavni rizik nego cijelo tržište ( defenzivna vrijednosnica).
Povrat dionice koja ima betu 1 raste i pada u istom postotku kao i tržišni portfelj
predstavljen tržišnim indeksom. Imovina s vrijednošću bete većom od 1 rizičnija je od
tržišta jer raste i pada više nego tržište, a ona s manjom od 1 manje rizična od tržišta.
Praksa pokazuje da vrijednosnica s negativnom betom nema. Povrat vrijednosnice s
negativnom betom omogućava podešavanje rizika (hedging), jer je povrat takve
vrijednosnice lošiji kad je povrat na tržišni portfelj dobar i obrnuto ( Vidučić, 2011:71).
Može se zaključiti da tržišne fluktuacije imaju na neke dionice veći utjecaj. Ako cijene
rastu, dobro je imati agresivne dionice, a ako padaju, bolje je imati defenzivne dionice
( Brealey, Myers i Marcus, 2007: 296).
34
Beta vrijednosnice ovisi o ( Vidučić, 2011:88):
- poslovnoj poluzi ( strukturi imovine ),
- financijskoj poluzi ( strukturi kapitala ),
- stanju u industriji ( cikličnost, konkurencija).
Prilikom procjene beta koeficijenta potrebno je razmotriti sljedeća pitanja samog
postupka procjene ( Bendeković, 2000: 1301-1303):
1. Dužinu vremena razdoblja procjene;
2. Dužinu intervala povrata;
3. Pitanje proračuna povrata;
4. Izbor tržišnog indeksa;
5. Problem trženja dionicom.
Izbor dužine vremena razdoblja procjene odredit će kvalitetu i preciznost analize
regresije. Duže vremensko razdoblje sigurno će rezultirati beta koeficijentom
zasnovanim na više opažanja. No, u dužim vremenskim razdobljima poduzeće može
uvelike promijeniti svoje karakteristike rizika. Primjerice, nekada malo i rizično
poduzeće može u dužem razdoblju procjene unutarnjim rastom ili spajanjima i
preuzimanjima prerasti u veće i manje rizično pa proračunana beta neće dati pravu
predodžbu o njegovom stvarnom sistemskom riziku.
Intervali mjerenja povrata dionica mogu biti ispod dnevni, dnevni, tjedni, mjesečni i
godišnji. Što je kraći interval mjerenja povrata, to će i broj opažanja u analizi regresije
biti veći, ali će i mogućnost nepreciznosti bete biti veća zbog pogreške do koje dolazi
kod dionica kojima se ne trguje svakodnevno.
Iako je uobičajeno za analize koristiti mjesečni prinos, odabir tjednih pa i dnevnih
prinosa također je od interesa kako zbog dinamičnosti promjena na tržištima tako i zbog
kratkoće trgovanja na pojedinim tržištima kapitala. Smatra se da je korištenje mjesečnih
prinosa uglavnom pogodno za pasivne strategije investiranja. Kod aktivnih strategija
35
gdje se često vrše rebalansiranja, kao i u slučaju strategije praćenja indeksa, potrebno je
imati ocjene beta koeficijenata kroz kraća razdoblja ( Latković, 2001:6).
Budući da beta koeficijenti mjere odnos između povrata, a ne samo promjena u cijeni
dionice i povrata tržišta, proračun beta teoretski traži uključivanje dividende u ukupan
povrat. Ta činjenica u praksi može predstavljati problem analitičarima.
Prilikom procjene regresije povrati dionice moraju biti uspoređeni s povratima tržišta. U
praksi se nedostatak indeksa, koji bi predstavljao svu rizičnu imovinu, rješava
upotrebom indeksa koji reprezentira neko tržište dionica. U Hrvatskoj se povrati dionica
poduzeća mogu staviti u regresiju sa CROBEX indeksom, koji pokazuje prosječno
kretanje cijena poduzeća koja ga sačinjavaju.
Beta koeficijenti dionica kojima se ne trguje svakodnevno (obično manja poduzeća)
imaju tendenciju podcijenjenosti kada su intervali mjerenja povrata dnevni ili tjedni.
Proračun beta koeficijenata na osnovi dužih intervala mjerenja povrata smanjuje
mogućnost za tu nepreciznost uzrokovanu netrgovanjem dionicama.
Brojne organizacije redovno izračunavaju i publiciraju bete za dionice koje su predmet
aktivne trgovine. Analiza obuhvaća iznalaženje beta za mjesečne ili tjedne prinose
dionica, jednako kao i tržišnog portfelja tijekom vremenskog intervala od 3 do 5 godina
unatrag ( Van Horne, 1993: 68).
36
3.4.3. SML i CML linije
Tržišna linija vrijednosnica (SML18) je grafički prikaz jednadžbe za CAPM model.
Povezuje očekivani povrat koji investitor zahtijevaju od vrijednosnice s beta
koeficijentom (Brealey, Myers i Marcus, 2007:313).
U stanju tržišne ravnoteže veza koja postoji između očekivane stope prinosa
pojedinačnog vrijednosnog papira i njezinog sistematskog rizika, mjerenog betom, bit
će linearna ( Van Horne, 1993:75).
U nastavku je dan grafički prikaz linije tržišta vrijednosnica – SML linije.
Grafikon 7. Linija tržišta vrijednosnica - SML linija
Izvor: Domijan, 2011:10
Nagib ove krivulje odražava averziju investitora prema riziku. Što je veća averzija, veća
je riziko premija ali i očekivana stopa povrata, a nagib linije je oštriji. Dakle, SML
definira da tražena stopa povrata na vrijednosnicu ovisi o ( Vidučić, 2011:87):
- beti vrijednosnice (tržišnom riziku vrijednosnice),
- stopi povrata bez rizika (Rf),
- tržišnoj riziko premiji (RPm).
18
Engl. Security Market Line.
37
Ako neki vrijednosni papir ima takvu kombinaciju očekivanog prinosa i rizika koja ga
postavlja iznad SML linije, bit će podcijenjen na tržištu. Takva vrijednosnica nudi
očekivani prinos koji je viši od prinosa koji traži tržište, te će biti privlačan za
potencijalne investitore. Povećana potražnja uzrokovat će porast cijene dok se očekivani
prinos dovoljno ne smanji da vrijednosni papir padne na SML liniju. Precijenjeni
vrijednosni papir nalazi se ispod tržišne linije vrijednosnog papira, neprivlačan je za
investitore i takav vrijednosni papir će se prodavati. Cijena će zbog toga pasti, a
očekivani prinos porasti do tržišne linije ( Van Horne, 1993:76).
Linija koja opisuje vezu očekivane stope povrata i rizika mjerenog standardnom
devijacijom za efikasna portfelja naziva se linija tržišta kapitala – CML19
linija. Svaka
točka na liniji predstavlja portfelj rizične i nerizične imovine, s izuzetkom točke M koja
predstavlja portfelj sačinjen samo od rizične imovine. CML je tangenta efikasnom
skupu ukupne imovine – rizične i nerizične. Dakle, pojedinačni investitor kod izbora
svojih ulaganja će donijeti dvije odvojene odluke ( Vidučić, 2011:84):
1. odluku o izboru rizičnog portfelja na temelju očekivanja o stopi povrata, varijancama
i kovarijancama, koja će polazeći od pretpostavke homogenih očekivanja svih
investitora rezultirati izborom portfelja rizične imovine M
2. odluku o kombinaciji izabranog rizičnog portfelja i nerizične imovine – portfelj na
liniji CML ovisno o osobnom stavu prema riziku. Primjerice, investitori s većom
tolerancijom rizika izabrat će pozajmljivanje i potom ulaganje u vrijednosnice, te
zauzeti poziciju na liniji CML desno od toĉke M.
Grafički prikaz navedene linije vidljiv je u nastavku.
19
Engl. Capital Market Line
38
Grafikon 8. Linija tržišta kapitala – CML linija
Izvor: Bagarić, 2011:35
Razlika između ovih dviju linija vidljiva je u tome što je kod linije tržišta kapitala
(CML) rizik je ukupni rizik portfelja, a mjeri se standardnom devijacijom, jer se radi o
izboru između rizika i povrata za efikasna portfelja. Kod linije tržišta vrijednosnica
(SML) radi se o izboru između rizika i povrata za pojedinačnu vrijednosnicu koji imaju
neki elementi izbježivog rizika. Stoga se nalaze ispod granice efikasnosti, a kao
odgovarajuća mjera rizika se upotrebljava beta, a ne standardna devijacija( Vidučić,
2011:88).
3.4.4. Primjena i ograničenja CAPM modela
CAPM se često koristi u upravljanju investicijskim fondovima, te financijski analitičari
pomoću SML-a izračunavaju ˝fer˝ očekivani prinos rizične imovine. Ako se smatra da
se neku dionicu isplati kupiti ili da je podcijenjena, ta dionica ima pozitivnu alfu20
, tj.
veći očekivani prinos od ˝fer˝ prinosa po SML-u ( Bodie, Kane i Marcus,2006: 239).
CAPM je isprva bio razvijen u odnosu na financijsku imovinu, a njegova primjena je
vidljiva i za odluke koje se odnose na realnu imovinu. U temeljnoj jednadžbi modela
20
Razlika između prinosa vrijednosnice i prinosa koji predviđaju ravnotežni modeli poput CAPM-a ili
APT-a.
39
varijable za vrijednosnicu zamjenjuju se varijablama za projekt, dok tržišne varijable
ostaju iste. Temeljna jednadžba modela može se iskoristiti za utvrđivanje diskontne
stope za rizične projekte ( Vidučić, 2011:90).
CAPM se poziva na intuiciju u tvrdnji da očekivani prinos logično proizlazi iz rizika
koji neki vrijednosni papir dodaje cjelokupnom portfelju. Iako se javljaju greške,
empirijska testiranja pokazuju postojanje funkcijske veze između rizika i prinosa. Zbog
svoje jednostavnosti, CAPM se široko primjenjuje, kako u poslovanju s vrijednosnim
papirima, tako i u poslovnim financijama ( Van Horne, 1993: 82).
U nastavku se iznose glavne kritike modela.
Kritične pretpostavke kod modela CAPM su savršeno tržište kapitala i istovjetna
očekivanja. Slabljenje pretpostavki savršenog tržišta kapitala rezultira ograničenjima u
efikasnom predviđanju i izračunavanju očekivanog povrata od dionica. Određene
vrijednosnice mogu imati vrijednosti i očekivane povrate koje nisu u cijelosti objašnjive
tržišnom linijom. Kada očekivanja sudionika na tržištu nisu istovjetna, svaki ulagač ima
svoju tržišnu liniju kapitala ( Shim i Siegel, 2007:227).
Dovode se i sljedeće pretpostavke modela u pitanje, i to:homogenost očekivanja,
transakcijski i informacijski troškovi. S heterogenim očekivanjima pojavljuje se složena
mješavina očekivanja, vrsta imovine i preferencije korisnosti u procesu uravnoteženja.
Transakcijski troškovi također utječu na tržišnu ravnotežu. Što su ovi troškovi viši,
manji broj investitora će poduzeti transakcije koje će imati za cilj pretvaranje njihovih
portfelja u istinski efikasne portfelje. Ovisno o stupnju kašnjenja u prijenosu
informacija i o troškovima, među investitorima će postojati različita očekivanja.
Također, postoje problemi u vezi s upotrebom bilo kojeg indeksa koji je nadomjestak za
sveukupni tržišni portfelj. Istinski tržišni portfelj se sastoji od svih vrsta sredstava:
dionica, obveznica, realne aktive i ljudskog kapitala. Beta za pojedine dionice pokazuje
značajne razlike, ovisno o tome koji je tržišni indeks upotrijebljen ( Van Horne,
1993:81).
40
Brojna istraživanja provedena, primjerice od Douglasa, Rollsa, te Fame i Frencha
potvrđuju ograničenja modela (Bodie, Kane i Marcus, 2006:251 - 252):
Douglas je 1969. ukazao na dvije stvari koje nisu bile u suglasnosti s modelom. Prvo,
nesustavni rizik je objašnjavao prosječne prinose, a teorija to nije tvrdila. Drugo,
utvrđeno je da defenzivne dionice imaju tendenciju pozitivnih alfi, a agresivne dionice
tendenciju negativnih alfi, što također nije u skladu s teorijom modela.
Rolls je 1977. godine ustvrdio da se CAPM uopće ne može testirati jer se tržišni portfelj
uopće ne može odrediti.
Po CAPM-u prinos je povezan s rizikom, a ekonomisti Fama i French tvrde da model ne
povezuje dobro rizik i prinos dionice, iz čega proizlazi da beta ne predviđa dobro
prinose. Na temelju istraživanja Fama i French ustvrdili su da određena svojstva
poduzeća, poput veličine, odnosa tržišne i knjigovodstvene vrijednosti poduzeća bolje
predviđaju budući prinos poduzeća. Dakle, postoje čimbenici rizika koji utječu na
prinose vrijednosnica koje beta samostalno ne može obuhvatiti.
41
4. CAPM MODEL NA PRIMJERU DIONICA ZAGREBAČKE BURZE
U nastavku je prikazana primjena CAPM modela na odabranim dionicama koje kotiraju
na Zagrebačkoj burzi, a uvrštene su u CROBEX indeks.
Kako bi se dokazala postavljena hipoteza, izračunavaju se očekivani prinosi i beta
koeficijenti, te provedi regresijska analiza na temelju godišnje razine ovih podataka.
Godišnja razina podataka proizlazi iz prethodno prikupljenih mjesečnih podataka sa
Zagrebačke burze. Razlog izvršenog preračuna je omogućiti lakšu usporedivost
rezultata istraživanja sa drugim radovima iz istog ili sličnog područja.
4.1. Odabir dionica za analizu
Predmet analize su redovne dionice Zagrebačke burze u sastavu CROBEX indeksa,
odnosno 10 odabranih dionica. Vremensko razdoblje koje obuhvaća analiza je od
31.ožujka 2009. do 31.ožujka 2014.godine. Na temelju burzovnih izvještaja Zagrebačke
burze utvrđene su zaključne cijene zadnjeg datuma u mjesecu, što obuhvaća 60
mjesečnih podataka za pojedinu dionicu. Vremenska serija od 60 mjeseci dovoljno je
dugačka da iščeznu svi kratkoročni šokovi, odnosno da se beta koeficijenti prilagode
svojim dugoročnim vrijednostima ( Fruk i Huljak, 2003:82). Izuzetak je dionica
burzovne oznake INA-R-A za koju su prikupljene 53 zaključne cijene s obzirom na
privremenu obustavu trgovanja dionicom u 2011.godini21. Smatrajući da je vremenska
serija za ovu dionicu ipak dovoljno duga, također je uvrštena u analizu.
Na isti način prati se i kretanje CROBEX indeksa. Na razvijenim tržištima kapitala
obično se za reprezentativni portfelj uzima neki od tržišnih indeksa. Za hrvatsko tržište
jedan od mogućih izbora je indeks Zagrebačke burze CROBEX ( Latković, 2001: 9). Na
svjetskim burzama službeni burzovni indeksi mjere prinos tržišta i služe kao referentne
vrijednosti kod analiza. Npr. u SAD-u to su S&P, Dow Jones i Nasdaq, u Japanu
Nikkei, u Njemačkoj DAX, u Ujedinjenom Kraljevstvu FTSE 100 ( Jakšić, 2007:334).
21
Prema odluci HANFA-e obustavljena je trgovina dionicom izdavatelja INA d.d. na Zagrebačkoj burzi. Ratno stanje u Siriji je također utjecalo na odluku o privremenom prekidu trgovanja, jer takvi događaji imaju nepovoljan utjecaj na formiranje cijene dionice INA-R-A.
42
Sukladno teoriji, kao mjera tržišnog prinosa na Zagrebačkoj burzi odabran je CROBEX
indeks.
Radi kvalitetne analize, bitno je da se podaci o pojedinim dionicama i indeksu odnose
na isti datum.
Pri odabiru dionica primijenjeni su sljedeći kriteriji:
1. dovoljno velika tržišna kapitalizacija,
2. dovoljno dugo vremensko razdoblje trgovanja,
3. dionice su redovne,
4. dionice su uvrštene u CROBEX indeks.
Zadovoljenjem ovih kriterija može se tvrditi da odabrane dionice zadovoljavaju i kriterij
likvidnosti22
.
Uzorak dionica odabran za analizu naveden je u Tablici 4.
Tablica 4. Odabrane dionice za analizu
Redni
broj
Simbol
Izdavatelj
1. LEDO-R-A Ledo d.d.
2. INA-R-A INA d.d.
3. ERNT-R-A Ericsson Nikola Tesla d.d.
4. HT-R-A HT d.d.
5. PODR-R-A Podravka d.d.
6. ATGR-R-A Atlantic Grupa d.d.
7. KORF-R-A Valamar Adria Holding d.d.
8. ATPL-R-A Atlantska plovidba d.d.
9. ZABA-R-A Zagrebačka banka d.d.
10. KRAS-R-A Kraš d.d.
Izvor: Izrada studenta prema podacima sa Zagrebačke burze
22
Likvidnost poduzeća se definira kao njegova sposobnost da pravovremeno podmiruje svoje obveze.
43
4.2. Izračun prinosa
Na temelju vremenskog kretanja cijena dionica i CROBEX indeksa danih u Prilogu 1,
izračunate su stope prinosa promatranih dionica i CROBEX indeksa.
Stope prinosa mogu se izračunati na dva načina ( Marasović i Šego, 2006:58):
1. kontinuiranim ukamaćivanjem:
2. diskretnim ukamaćivanjem:
gdje je:
Pi,t – cijena dionice i na kraju promatranog razdoblja;
Pi, t-1 – cijena dionice na početku promatranog razdoblja.
Prinos izračunat kontinuiranim ukamaćivanjem je uvijek manji od prinosa izračunatog
diskretnim ukamaćivanjem, ali razlika najčešće nije velika.
S obzirom da dividende najčešće nisu uključene u originalnim modelima, niti se indeks
CROBEX prilagođava za isplaćene dividende, to je razlog zašto isključivanje dividendi
pri izračunu prinosa neće imati nikakav efekt na rezultate i zaključke istraživanja (Rako,
2012:46).
Mjesečni prinosi odabranih dionica i CROBEX indeksa su izračunati u Excelu uz
korištenje funkcije LN, te su prikazani u Tablici 5.
Primjerice, cijena zatvaranja dionice LEDO-R-A u ožujku 2009. bila je 3.670,00 kn, a u
travnju iste godine 4.120,00 kn, pa mjesečni prinos promatrane dionice izračunat
pomoću funkcije LN iznosi 0,1157, odnosno 11,57% u travnju 2009.godine. Može se
uočiti da mjesečni prinosi za ožujak 2009.godine nisu izračunati jer su za izračun prema
formuli potrebne i zaključne mjesečne cijene za veljaču 2009.godine.
44
Tablica 5. Mjesečni prinosi odabranih dionica i CROBEX indeksa u razdoblju od
travnja 2009. do ožujka 2014. godine
Mjesec LEDO-R-A INA-R-A ERNT-R-A HT-R-A PODR-R-A ATGR-R-A KORF-R-A ATPL-R-A ZABA-R-A KRAS-R-A CROBEX
ožujak 2009.
travanj 2009. 0,1157 0,1310 0,1955 -0,0326 0,0951 0,0921 0,3079 0,1621 0,1591 -0,1817 0,0935
svibanj 2009. 0,2612 0,2455 0,0564 0,0508 0,3964 0,1768 0,3614 0,3851 0,2816 0,3333 0,2968
lipanj 2009. -0,1688 -0,1149 -0,1553 -0,0159 -0,2198 -0,0568 -0,1460 0,0072 -0,1258 -0,0192 -0,1228
srpanj 2009. -0,0534 0,0748 0,0151 0,0355 -0,0147 0,0326 -0,1115 -0,0161 -0,0026 -0,0910 -0,0092
kolovoz 2009. 0,1158 -0,0345 0,1093 0,0073 0,0986 0,1073 0,1540 -0,0090 0,1728 -0,0121 0,0669
rujan 2009. 0,1268 0,1798 0,0573 0,1330 0,0877 0,1638 0,1198 0,0207 0,1967 -0,0326 0,0896
listopad 2009. 0,2973 0,0000 -0,0980 0,0358 0,0002 -0,0200 -0,0645 -0,0962 -0,0453 -0,0038 -0,0242
studeni 2009. -0,0488 -0,0201 -0,0171 0,0011 -0,0249 -0,0092 -0,0876 -0,0001 -0,0334 -0,0297 -0,0370
prosinac 2009. -0,0438 -0,0097 0,0026 0,0154 0,0661 0,0089 -0,0358 -0,0710 0,0046 0,1696 -0,0111
siječanj 2010. 0,0407 0,1411 0,0984 0,0851 0,1599 0,0612 0,0363 0,0847 0,0266 -0,0556 0,0751
veljača 2010. -0,0953 -0,0447 -0,0254 0,0235 -0,0822 -0,0467 -0,0132 -0,0385 -0,0418 0,0939 -0,0301
ožujak 2010. 0,0009 -0,0239 0,0233 0,0497 0,0306 0,0115 -0,0385 -0,0192 -0,0039 0,0816 0,0022
travanj 2010. 0,0462 0,0154 0,1194 -0,1612 0,0151 0,0296 -0,0114 0,0402 -0,0004 0,0442 0,0086
svibanj 2010. -0,0863 -0,0440 -0,1296 -0,0173 -0,0649 -0,0253 -0,1482 -0,0672 -0,1453 -0,0399 -0,0844
lipanj 2010. -0,0165 -0,0235 -0,0710 -0,0310 -0,2047 -0,0187 -0,1532 -0,1387 -0,0197 0,0666 -0,0683
srpanj 2010. -0,0499 -0,0144 -0,0606 -0,0075 0,1224 0,0233 0,2336 0,0156 -0,0010 0,0513 0,0007
kolovoz 2010. -0,0177 -0,0176 0,0308 -0,0073 0,0000 0,0165 -0,0162 -0,0401 -0,0282 0,1506 -0,0046
rujan 2010. 0,0003 0,0296 -0,0011 0,0606 0,0069 0,1114 -0,0079 0,0062 0,1331 0,0195 0,0359
listopad 2010. -0,0271 0,0030 -0,0296 -0,0148 -0,0548 0,0264 -0,0414 -0,0338 -0,1096 -0,0432 -0,0244
studeni 2010. -0,1257 0,0258 -0,0247 0,0129 -0,0573 -0,0184 -0,1484 -0,0962 0,0102 -0,1470 -0,0450
prosinac 2010. 0,1913 0,6122 0,0861 0,0579 0,1480 -0,0037 0,1718 0,0345 0,1408 0,1018 0,1665
siječanj 2011. 0,0615 0,1304 0,0599 0,0511 0,0435 -0,0188 0,2406 0,0228 0,0749 0,0253 0,0825
veljača 2011. 0,0160 0,0047 0,1069 -0,0596 -0,0003 -0,0025 0,1691 -0,0013 -0,0397 -0,0438 -0,0227
ožujak 2011. -0,0323 0,0941 0,0215 0,0301 0,0279 0,0138 0,0946 -0,0365 0,0229 0,0523 0,0218
travanj 2011. -0,0661 0,0463 -0,0086 -0,0665 -0,0155 -0,0632 0,0149 -0,0378 -0,0785 0,0244 -0,0250
svibanj 2011. 0,0657 * -0,0942 -0,0389 0,0201 -0,0161 0,4255 0,0323 0,0804 -0,0109 0,0199
lipanj 2011. -0,0162 * -0,0382 -0,0363 -0,0015 -0,0572 -0,1545 -0,0851 0,0803 0,0238 -0,0213
srpanj 2011. 0,0000 * -0,0817 -0,0159 -0,0359 -0,0029 -0,0284 -0,0368 -1,4876 0,0297 -0,0259
kolovoz 2011. -0,0513 * -0,0587 0,0077 -0,0982 -0,1174 -0,1651 -0,1867 -0,2231 -0,0211 -0,0665
rujan 2011. -0,2231 * -0,1663 -0,0237 -0,0998 -0,1014 0,0647 -0,1971 -0,1513 0,0518 -0,0924
listopad 2011. 0,0921 * -0,0001 -0,0028 -0,0271 -0,0858 0,0963 -2,4138 -0,0249 -0,0287 -0,0064
studeni 2011. -0,0202 * 0,0189 -0,0468 -0,0536 -0,0327 -0,0885 2,1867 -0,0615 -0,0868 -0,0578
prosinac 2011. 0,0302 * 0,0094 0,0251 -0,0299 0,0080 0,0143 -0,0484 -0,0103 -0,0023 0,0006
siječanj 2012. 0,0577 -0,0199 0,1341 -0,0142 0,0690 -0,0513 0,0227 -0,0722 -0,0194 0,0068 -0,0075
veljača 2012. 0,0933 -0,0203 -0,0660 -0,0630 0,0365 0,0610 0,0777 0,0990 0,0538 0,0289 0,0341
ožujak 2012. 0,0214 -0,0208 0,0144 -0,0438 -0,0265 -0,0098 0,1908 0,0846 0,0796 -0,0796 0,0256
travanj 2012. 0,0000 -0,0048 0,0580 -0,0351 -0,0576 0,0372 0,0556 -0,1452 -0,0694 -0,0268 -0,0180
svibanj 2012. -0,1239 0,0079 -0,2145 -0,0445 -0,0746 -0,0574 -0,1031 -0,1336 -0,1369 -0,0247 -0,0763
lipanj 2012. 0,0092 0,0258 -0,0191 0,0347 0,0488 0,0061 0,0263 -0,0184 0,0269 -0,0382 0,0151
srpanj 2012. -0,0093 0,0516 0,1277 0,0002 -0,0909 -0,0638 -0,0076 0,0022 0,0311 0,0382 0,0026
kolovoz 2012. 0,0369 0,0567 -0,0278 -0,0249 0,0259 0,0022 0,0446 -0,0971 -0,0108 0,0000 -0,0108
rujan 2012. 0,0375 0,0704 0,0733 0,0149 0,1395 0,0192 0,0504 -0,0624 -0,0101 0,0000 0,0208
listopad 2012. 0,0495 -0,0592 0,0899 0,0065 0,0482 0,0978 0,0636 -0,0254 -0,0107 -0,0513 0,0228
studeni 2012. 0,1541 0,0127 -0,0008 -0,0106 0,0367 0,0116 0,0164 0,0087 0,0003 -0,0253 0,0030
prosinac 2012. 0,0822 -0,0687 0,0796 -0,0249 -0,1167 0,0167 -0,0088 -0,1258 -0,0108 -0,0287 -0,0113
45
siječanj 2013. 0,0228 0,0687 0,0320 0,0913 0,0995 0,2231 0,1723 0,1514 -0,0174 0,0003 0,0813
veljača 2013. 0,0593 0,0235 0,0344 -0,0002 0,0182 0,0163 0,1131 0,0907 0,0517 0,2004 0,0300
ožujak 2013. 0,0473 -0,0127 0,0616 0,0002 0,0541 -0,0103 0,0000 0,3052 -0,0234 0,0090 0,0317
travanj 2013. 0,0040 -0,0092 -0,0448 -0,0092 -0,0540 -0,0363 0,0000 -0,0740 -0,0267 -0,0321 -0,0301
svibanj 2013. -0,0697 0,0092 -0,1252 -0,0120 -0,1347 -0,0328 -0,0134 -0,0470 -0,0784 -0,0599 -0,0497
lipanj 2013. -0,0455 0,0127 0,0894 -0,1705 -0,0042 -0,0967 0,0233 0,0285 -0,0762 -0,0123 -0,0269
srpanj 2013. 0,0418 -0,0079 0,0471 -0,0190 0,0258 0,1078 0,1133 -0,0527 -0,0890 0,0066 0,0240
kolovoz 2013. -0,0150 -0,0348 0,0045 0,0473 0,0559 0,0742 -0,0246 0,0101 -0,0234 -0,0057 -0,0039
rujan 2013. -0,0076 0,0240 -0,0225 -0,0519 -0,0198 -0,0524 -0,0127 0,1646 -0,0858 -0,0010 -0,0169
listopad 2013. 0,0138 -0,0957 -0,0445 -0,0422 -0,0210 0,0138 -0,0229 -0,0275 0,0344 -0,0253 -0,0258
studeni 2013. 0,0100 -0,0494 0,0146 0,0272 0,0049 0,0589 -0,0630 0,0421 -0,0191 0,0253 0,0044
prosinac 2013. 0,0184 -0,0278 0,0130 0,0289 0,0342 0,0268 0,0171 0,0684 0,0939 0,0247 0,0124
siječanj 2014. 0,0509 -0,0432 0,0268 -0,0390 0,0809 0,0342 0,1551 -0,0282 -0,0845 -0,0973 0,0051
veljača 2014. -0,0023 0,1139 -0,0113 -0,0008 0,0349 0,0318 -0,0423 0,0257 -0,0008 0,0080 -0,0047
ožujak 2014. -0,0012 -0,0995 0,0692 -0,0284 -0,0014 -0,0026 0,0172 -0,0203 0,0661 -0,0216 -0,0206
Izvor: Izrada studenta u Excelu prema podacima Zagrebačke burze
Da bi se što bolje opisali povijesni povrati neke investicije i da bi se omogućila
usporedba sa drugim investicijama, prošli se povrati prikazuju u svojoj prosječnoj ili
očekivanoj vrijednosti. Očekivane vrijednosti jesu faktori na osnovi kojih investitori
donose svoje odluke i sve racionalno donesene poslovne odluke zasnivaju se na
uspoređivanju očekivanog povrata i rizika ( Bendeković, 2000: 1287, 1291).
Slijedom navedenog, na temelju podataka o mjesečnim prinosima dionica i CROBEX-a,
računa se očekivana vrijednost prinosa. Pritom je mjesečne prinose dionica potrebno
preračunati na godišnje prinose na način da su najprije izračunati očekivani mjesečni
prinosi u svakoj godini a potom pomnoženi s brojem mjeseci u godini. Očekivani
prinosi izračunati su na temelju formule ( Bagarić, 2011: 65):
gdje M označava broj opaženih podataka.
46
Bitno je uočiti da očekivani prinos ovdje ne predstavlja teorijski traženi prinos izračunat
na temelju CAPM jednadžbe, već onaj izračunat na temelju kretanja stvarnih prinosa na
Zagrebačkoj burzi. Očekivani godišnji prinos u Excelu se računa uz upotrebu funkcije
AVARAGE na prethodno opisani način. Rezultati izračuna su prikazani Tablicom 6. u
nastavku, gdje zadnji stupac E (Rx) predstavlja očekivani godišnji prinos.
Tablica 6. Očekivani godišnji prinos odabranih dionica i CROBEX indeksa od 2009.
do 2014.godine
Godina LEDO-R-A INA-R-A ERNT-R-A HT-R-A PODR-R-A ATGR-R-A KORF-R-A ATPL-R-A ZABA-R-A KRAS-R-A CROBEX
2009. 0,802554 0,602647 0,220885 0,307336 0,646345 0,660462 0,663377 0,510116 0,810328 0,176787 0,456619
2010. -0,139091 0,658929 0,015923 0,050471 0,018978 0,167265 -0,136665 -0,252518 -0,039021 0,323683 0,032191
2011. -0,143629 0,826141 -0,231259 -0,176485 -0,270258 -0,476234 0,683336 -0,801825 -1,818386 0,013730 -0,193123
2012. 0,408760 0,031346 0,248739 -0,204719 0,038305 0,069526 0,428668 -0,485470 -0,076537 -0,200671 0,000103
2013. 0,079638 -0,099399 0,059562 -0,110048 0,058775 0,292335 0,302480 0,659703 -0,259442 0,130053 0,030495
2014. 0,189834 -0,115453 0,338965 -0,272900 0,457858 0,253782 0,520305 -0,091080 -0,076591 -0,443181 -0,080707
E (Rx) 0,199678 0,317368 0,108803 -0,067724 0,158334 0,161189 0,410250 -0,076846 -0,243275 0,000067 0,040930
Izvor: Izrada studenta u Excelu prema podacima sa Zagrebačke burze
Izračun očekivanog godišnjeg prinosa E (Rx) kasnije će se koristiti u regresijskoj analizi
zajedno sa pripadajućim beta koeficijentima. S obzirom da su prinosi svedeni na
godišnju razinu, u nastavku će se vršiti samostalni izračuni beta koeficijenata također na
godišnjoj razini.
47
4.3. Izračun beta koeficijenta
Kako postoji više pristupa izračuna beta koeficijenta, u nastavku će se prikazati izračun
uz pomoć regresijske analize, te pomoću formule koristeći odgovarajuće funkcije u
Excelu. Oba pristupa za istu vremensku razinu daju približno jednaki rezultat. Stoga, da
se dvaput ne bi iznosili isti rezultati, regresijska analiza će se koristiti za izračun beta
koeficijenata na mjesečnoj razini, a primjena formule za izračun beta koeficijenata na
godišnjoj razini. Također, interpretacija izračunatih beta koeficijenata je dana samo na
mjesečnoj razini, što se može primijeniti i na godišnju razinu.
Povijesni beta koeficijent proračunava se na osnovi povijesnih podataka o povratima
dionica i tržišta, a proračun se može zasnivati na: analizi regresije povrata dionice i
povrata tržišta; proračunu pokazatelja odnosa dviju varijabli kao što su kovarijanca,
koeficijent korelacije i koeficijent determinacije ( Bendeković, 2000:1295).
Osnovni cilj regresijske analize je testiranje hipoteza o statističkoj vezi između dvaju ili
više skupova podataka (varijabli). Regresijska analiza ne dokazuje uzročnost. Uzročnost
i tip funkcijske veze definira ekonomska teorija, a uz pomoć regresijske analize, na bazi
empirijskih podataka specificira se i kvantificira veza između zavisne varijable i
nezavisnih varijabli ( Lovrić, 2005:3).
Osnovna pretpostavka jednostavne regresije jest da postoji funkcijska veza između dvije
varijable i da je ona linearna ( Lovrić, 2005:9.). U izračunu beta koeficijenta primijenit
će se navedena jednostavna regresija.
Budući da se radi o linearnom modelu sa jednom zavisnom varijablom rnt ( povrat
dionice n ) i jednom nezavisnom varijablom rmt ( povrat tržišta ), njihova se veza može
izraziti kao ( Bendeković, 2000:1295):
gdje su: rnt povrat dionice i rmt povrat tržišta; an sjecište linije regresije i osi y; bn nagib
linije regresije i ent slučajna pogreška.
48
U nastavku je vidljiv grafički prikaz navedene formule.
Grafikon 9. Linija regresije povrata dionice i povrata tržišta
Izvor: Bendeković, 2000:1296.
Na temelju računalnih ispisa iz Priloga 2. u nastavku se iznosi pregled beta koeficijenta
za promatrane dionice23
.
Tablica 7. Beta koeficijenti na razini mjesečnih prinosa za promatrane dionice
Dionice Beta
KORF-R-A 1,392
ZABA-R-A 1,317
PODR-R-A 1,272
INA-R-A 1,169
LEDO-R-A 1,019
ERNT-R-A 0,704
ATGR-R-A 0,697
ATPL-R-A 0,617
KRAS-R-A 0,496
HT-R-A 0,334
Izvor: Izrada studenta prema podacima iz Priloga 2.
23
Pripadajuća sjecišta linije regresije i osi y u računalnom ispisu iz Priloga 2 predstavlja Intercept.
49
Prema provedenim izračunima, promatrane dionice s beta koeficijentom iznad 1,0
predstavljaju iznadprosječno rizične dionice. Takve dionice imaju veći sustavni rizik od
indeksa Zagrebačke burze, te ulaganje u njih predstavlja agresivnu investiciju.
Podrazumijeva se da će s negativnim kretanjima na tržištu ova dionica reagirati više od
prosječno rizičnih dionica i nositi veći rizik. Primjerice, ukoliko prinos tržišta pada za
5%, prinos na dionicu PODR-R-A padat će za 6,36%.24 Također, ukoliko povrat tržišta
raste za 5%, povrati na dionicu rast će za 6,36%. Promjenljivost povrata ovih dionica
veća je za svaku promjenu u povratima tržišta što čini ove dionice atraktivnom
investicijom za investitore koji su spremni preuzeti veći rizik da bi ostvarili viši
očekivani povrat.
Pritom se dionica LEDO-R-A s beta koeficijentom 1,019 može smatrati prosječno
rizičnom dionicom, gdje je sustavni rizik jednak riziku CROBEX indeksa. Primjerice,
kad povrat tržišta raste za 5%, raste i povrat na dionicu za 5%.
Dionice s betama manjima od 1,0 mogu se smatrati ispodprosječno rizičnim dionicama.
Ove dionice nose manji sustavni rizik od tržišta u cjelini kojeg predstavlja CROBEX
indeks, pa ulaganje u takve dionice predstavlja defenzivnu investiciju. Ako povrat
tržišta pada za 5%, prinosi na ove dionice padat će manje od 5%. Primjerice, prinosi
dionice HT-R-A u slučaju pada prinosa na tržištu u navedenom iznosu padat će tek
1,67%, ali se zato može očekivati da će i njihovi prinosi tijekom rasta biti niži od
prosjeka.
U nastavku su grafički prikazane linije regresije povrata dionice i tržišta. Kako bi se
uočila osjetljivost prinosa dionica na kretanje tržišta, odabrane su dionice različitih beta
koeficijenata, odnosno različitih nagiba karakteristične linije. Dionica KORF-R-A je
odabrana kao primjer agresivne investicije, dionica LEDO-R-A kao prosječna
investicija, te dionica HT-R-A za primjer defenzivne investicije.
24
Beta koeficijent PODR-R-A 1,272 množi se sa povratom tržišta od 5% kako bi se dobio povrat dionice.
50
Grafikon 10. Linija regresije mjesečnih prinosa dionice KORF-R-A i CROBEX
indeksa ( b=1,392)
y = 1,3921x + 0,0273
R² = 0,4821
-20,00%
-10,00%
0,00%
10,00%
20,00%
30,00%
40,00%
50,00%
-20,00% -10,00% 0,00% 10,00% 20,00% 30,00% 40,00%
mje
sečn
i p
rin
os
KO
RF
-R-A
mjesečni prinos
CROBEX indeksa
Izvor: Izrada studenta u Excelu prema podacima Zagrebačke burze
Grafikon 11. Linija regresije mjesečnih prinosa dionice LEDO-R-A i CROBEX indeksa
( b=1,019)
y = 1,0193x + 0,011
R² = 0,514
-0,3
-0,2
-0,1
0
0,1
0,2
0,3
0,4
-0,2 -0,1 0 0,1 0,2 0,3 0,4
mje
sečn
i p
ron
osi
LED
O-R
-A
mjesečni prinos
CROBEX indeksa
Izvor: Izrada studenta u Excelu prema podacima Zagrebačke burze
51
Grafikon 12. Linija regresije mjesečnih prinosa dionice HT-R-A i CROBEX indeksa (
b=0,334)
y = 0,3339x - 0,0057
R² = 0,1719
-20,00%
-15,00%
-10,00%
-5,00%
0,00%
5,00%
10,00%
15,00%
-20,00% -10,00% 0,00% 10,00% 20,00% 30,00% 40,00%
mje
sečn
i p
rin
os
HT
-R-A
mjesečni prinos
CROBEX indeksa
Izvor: Izrada studenta u Excelu prema podacima Zagrebačke burze
U nastavku su dani izračuni beta koeficijenta na godišnjoj razini.
Za svaku dionicu u uzorku beta koeficijenti na godišnjoj razini su izračunati prema
formuli koja stavlja u odnos kovarijancu povrata dionice i tržišta sa varijancom tržišta (
Bendeković, 2000, 1297.):
Primjenjujući ovu formulu u Excelu uz pomoć funkcija za kovarijancu COVAR i
funkcije za varijancu VARP moguće je njihovim stavljanjem u odnos izračunati beta
koeficijent. Potrebno je upisati u ćeliju tablice: =COVAR ( raspon podataka za prinos
dionice; raspon podataka za prinos tržišta), te =VARP ( raspon podataka za prinos
tržišta), te dobivene podatke podijeliti.
52
Tablica 8. Beta koeficijenti na razini godišnjih prinosa za promatrane dionice
LEDO-R-A INA-R-A ERNT-R-A HT-R-A PODR-R-A ATGR-R-A KORF-R-A ATPL-R-A ZABA-R-A KRAS-R-A
kovarijanca 0,054639 0,010866 0,015633 0,035221 0,04565 0,057965 0,005512 0,07099 0,129655 0,021365
varijanca 0,040704 0,040704 0,040704 0,040704 0,040704 0,040704 0,040704 0,040704 0,040704 0,040704
beta-godišnja 1,342346 0,26695 0,38407 0,865276 1,121495 1,424054 0,135411 1,744042 3,185295 0,524878
Izvor: Izrada studenta u Excelu prema podacima sa Zagrebačke burze
Dobiveni beta koeficijenti na mjesečnoj i godišnjoj razini se razlikuju.
4.4. Regresijska analiza
Na temelju podataka navedenih niže u tablici provedena je regresijska analiza u Excelu.
Pritom, beta koeficijent izračunat na godišnjoj razini predstavlja nezavisnu varijablu, a
očekivani godišnji prinos, izračunat na temelju ostvarenih prinosa, zavisnu varijablu.
Tablica 9. Ulazni podaci u regresijskoj analizi
beta-godišnja E (Rx)
LEDO-R-A 1,34235 0,19968
INA-R-A 0,26695 0,31737
ERNT-R-A 0,38407 0,10880
HT-R-A 0,86528 -0,06772
PODR-R-A 1,12150 0,15833
ATGR-R-A 1,42405 0,16119
KORF-R-A 0,13541 0,41025
ATPL-R-A 1,74404 -0,07685
ZABA-R-A 3,18529 -0,24327
KRAS-R-A 0,52488 0,00007
Izvor: Izrada studenta u Excelu
Prema dobivenoj regresijskoj funkciji Y= 0,27007 - 0,1576X, slobodni član iznosi
0,27007, a koeficijent regresije jednak je – 0,1576. Sukladno dobivenoj vrijednosti,
može se zaključiti da ukoliko nezavisna varijabla ( beta koeficijent ) poraste za 1
jedinicu, zavisna varijabla ( očekivani prinos ) će pasti u prosjeku za 0,1576, uz uvjet
ceteris paribus. Pritom je uobičajeno da se slobodni član ne interpretira.
Sljedeći grafikon prikazuje odnos očekivanog prinosa i beta koeficijenta.
53
Grafikon 13. Dijagram rasipanja očekivanog prinosa i beta koeficijenta
y = -0,1576x + 0,2701
R² = 0,5322
-30,00%
-20,00%
-10,00%
0,00%
10,00%
20,00%
30,00%
40,00%
50,00%
0,00 0,50 1,00 1,50 2,00 2,50 3,00 3,50
Oče
kiv
an
i ( p
rosj
ečn
i) g
od
išn
ji p
rin
os
Beta koeficijent
Izvor: Izrada studenta u Excelu
Prikazani dijagram rasipanja ukazuje na negativni odnos između očekivanog prinosa i
beta koeficijenta, što potvrđuje negativan predznak regresijske funkcije.
Nakon provedene regresijske analize uz pomoć alata Data Analalysis u Excelu ( opcija
Regression) i utvrđivanja parametara regresijskog pravca, provedena su i statistička
testiranja dobivenih rezultata.
U sljedećoj tablici iz računalnog ispisa u Excelu vidljive su vrijednosti koeficijenta
korelacije, koeficijenta determinacije, korigiranog koeficijenta determinacije i
standardne greške regresijskog modela.
Tablica 10. Vrijednosti regresijskog modela
Regression Statistics
Multiple R 0,729519686
R Square 0,532198972
Adjusted R Square 0,473723844
Standard Error 0,142608276
Observations 10
Izvor: Izrada studenta u Excelu
54
Koeficijent korelacije poprima vrijednosti između -1 i 1, a označava se s r. Pozitivan
koeficijent pokazuje upravnu proporcionalnost varijabli X i Y, tj. rast jedne varijable
uzrokuje rast druge, i obrnuto. Negativan koeficijent ukazuje na obrnutu
proporcionalnost varijabli, tj. da rast jedne varijable uzrokuje pad druge, i obrnuto (
Vukičević i suradnici, 2010: 294 ).
U tablici je prikazano tumačenje koeficijenta korelacije.
Tablica 11. Jačina povezanosti varijabli u ovisnosti o apsolutnoj vrijednosti koeficijenta
korelacije
Vrijednost | r | Jačina povezanosti
=1 potpuna korelacija
0,8≤| r |<1 jaka korelacija
0,5≤| r |≤0,8 srednje jaka korelacija
0,2≤| r |≤0,5 relativno slaba korelacija
0<| r |<0,2 neznatna korelacija
=0 potpuna odsutnost korelacije
Izvor: Izrada studenta prema Vukičević i suradnici, 2010:294
S obzirom na navedeno, tumači se da je veza između očekivanog prinosa i bete,
izražena koeficijentom korelacije od 0,729 srednje jaka korelacija.
Koeficijent determinacije kaže koliko % je sume kvadrata odstupanja vrijednosti
varijable Y od aritmetičke sredine protumačeno regresijskim modelom. Vrijednost
koeficijenta determinacije kreće se u intervalu 0 ≤ R2 ≤1. Regresijski model je
reprezentativniji ako je ovaj pokazatelj bliži 1. Teorijska granica reprezentativnosti
modela je 0,9. U praksi je ponekad vrlo teško pronaći varijablu koja dobro objašnjava
ovisnu pojavu, pa se ta granica reprezentativnosti spušta i do 0,6 ( Pivac, 2010:260).
Koeficijent determinacije pokazuje koliki je dio promjena u povratima dionice
objašnjen ( uzrokovan ) promjenama u povratima tržišta ( Bendeković, 2000:1299).
Izračunati koeficijent determinacije R2 = 0,53219, znači da je ocijenjenim regresijskim
modelom protumačeno 53,22 % sume kvadrata ukupnih odstupanja zavisne varijable od
55
aritmetičke sredine. Vrijednost koeficijenta determinacije određuje regresijski model
vrlo reprezentativnim. To znači da je 53,22% promjena povrata dionica objašnjeno
promjenama u tržišnim povratima, a ostatak je uzrokovan ostalim faktorima koji se
diverzifikacijom mogu eliminirati.
Korigirani koeficijent determinacije je stroža mjera prilagođenosti funkcije. Uvođenjem
varijable koja je nerelevantna za model, smanjuje se vrijednost ovog koeficijenta, pa čak
može postati i negativan ( Lovrić, 2005:55).
Vidljivo je da je izračunati korigirani koeficijent od 0,4737 manji od koeficijenta
determinacije, što teorija i zahtijeva.
Standardna greška regresije je apsolutni pokazatelj reprezentativnosti regresijskog
modela, a pokazuje prosječni stupanj varijacije stvarnih vrijednosti ovisne varijable u
odnosu na očekivane regresijske vrijednosti ( Pivac, 2010:259).
Vrijednost standardne pogreške vidljiva je u gornjoj tablici, te iznosi 0,1426. Dakle,
ocijenjena vrijednost prosječnog povrata razlikuje se od stvarne vrijednosti za 0,1426
jedinica.
U nastavku je prikazana analiza varijanci odstupanja – ANOVA, te vrijednost F-testa s
empirijskom signifikantnosti.
Tablica 12. ANOVA
ANOVA
df SS MS F Significance F
Regression 1 0,185093985 0,185093985 9,10128779 0,016639481
Residual 8 0,162696963 0,02033712
Total 9 0,347790948
Izvor: Izrada studenta u Excelu
Jednadžba analize varijance predstavlja temelj analize reprezentativnosti regresijskog
modela: SP + SR = ST. SP je suma kvadrata protumačenog dijela odstupanja
vrijednosti varijable Y od aritmetičke sredine, odnosno suma kvadrata odstupanja
ocijenjenih vrijednosti varijable Y od aritmetičke sredine. SR je suma kvadrata
neprotumačenog dijela odstupanja vrijednosti varijable Y od aritmetičke sredine,
odnosno suma kvadrata odstupanja originalnih ili empirijskih vrijednosti varijable Y od
56
ocijenjenih vrijednosti. Ova odstupanja su u stvari slučajne greške ei . ST je suma
kvadrata ukupnih odstupanja vrijednosti varijable Y od aritmetičke sredine ( Pivac,
2010:259).
Ukupna odstupanja od ocijenjenog modela iznose ST = 0,347. Od toga su regresijskim
modelom objašnjena odstupanja u iznosu od SP = 0,185, dok neprotumačeni dio iznosi
SR = 0,1626. Dakle, veći dio ukupne varijacije realnih prinosa objašnjen je izvedenim
regresijskim modelom.
Kakvoća ocijenjenog regresijskog modela prosuđuje se testiranjem značajnosti svih
regresorskih varijabli u modelu, te se provodi F testom koji se oslanja na hipoteze (
Lovrić, 2005: 58):
H0: b1=b2=b3=…=bk=0
HA: nisu svi koeficijenti nagiba jednaki nuli.
Dakle, nulta hipoteza tvrdi da su svi parametri uz regresorske varijable u modelu
jednaki nuli, dok alternativna hipoteza tvrdi da postoji barem jedna varijabla koja je
različita od nule.
Testiranje se provodi na razini signifikantnosti a usporedbom empirijskog omjera F i
kritične vrijednosti FC. Nul hipoteza se prihvaća kad je F<FC, a odbacuje kad je F>FC.
Prihvaćanje nul hipoteze znači da se prihvaća pretpostavka da objasnidbene varijable ne
pridonose objašnjavanju varijacije zavisne varijable ( Lovrić, 2005:59).
Primjenjujući navedeno, donosi se zaključak na temelju usporedbe empirijske i tablične
vrijednosti. Empirijska vrijednost F testa iznosi 9,10128779, što je vidljivo iz gornje
tablice, dok se tablična vrijednost FC dobiva očitovanjem kritičnih vrijednosti F
razdiobi, uz 1 stupanj slobode za brojnik i 8 stupnjeva slobode za nazivnik, te iznosi
5,3225
.
25
Vidjeti Prilog 3. Stupnjevi slobode za brojnik predstavljaju broj nezavisnih varijabli, te u ovom slučaju postoji beta koeficijent kao jedina nezavisna varijabla. Stupnjevi slobode za nazivnik dobiju se tako da se
broj opažanja n umanji za broj nezavisnih varijabli i 1, odnosno n-k-1. Primjenjujući navedeno, gdje je n=10 i k=1, proizlazi da je stupanj slobode za nazivnik 8.
57
Kako je F= 9,10128779 > Fc=5,32, odbacuje se H0 i prihvaća HA hipoteza, te uz 95%
vjerojatnosti može se tvrditi da je regresijski model statistički značajan.
Također, na temelju računalnog ispisa u Excelu može se utvrditi statistička značajnost
parametra uz nezavisnu varijablu.
Tablica 13. Vrijednosti varijabli iz regresijskog modela
Coefficients Standard Error t Stat P-value
Intercept 0,270068583 0,073027108 3,698196306 0,006058308
X Variable 1 -0,15761962 0,0522467 -3,01683407 0,016639481
Izvor: Izrada studenta u Excelu
Za testiranje pouzdanosti ocijenjenog parametra koristi se Studentov t-pokazatelj, te se
testiranje provodi dvostranim testom. Korištenje dvostranog t-testa s hipotezama:
H0 : b=0
HA: b≠0
utvrđuje se zapravo značajnost nezavisne varijable koja postoji uz testirani parametar.
Testiranje se provodi na razini signifikantnosti a usporedbom empirijskog t omjera i
kritične vrijednosti tc. Nul hipoteza se prihvaća kad je | t | <tc i prihvaća se HA, te se nul
hipoteza odbacuje kad je | t |>tc. Odbacivanje nul hipoteze znači da varijabla X ima
signifikantan utjecaj na varijablu Y ( Lovrić, 2005:44-46).
Odluka se također može donijeti pomoću empirijske razine signifikantnosti p. Ako je
p<a odbacuje se H0 i prihvaća HA, odnosno ako je p>a prihvaća se H0, pri čemu a
predstavlja razinu signifikantnosti od 1% ili 5%.
Primjenjujući navedeno, donosi se zaključak na temelju usporedbe empirijske i tablične
vrijednosti. Empirijska vrijednost t - testa iznosi – 3,016834, što je vidljivo iz gornje
tablice, dok se tablična vrijednost tc dobiva očitovanjem kritičnih vrijednosti t razdiobe
58
uz a= 0,05, 1 stupanj slobode za brojnik i 8 stupnjeva slobode za nazivnik, te iznosi
2,30626
Kako je | t |= 3,016834 > tc =2,306, odbacuje se H0 i prihvaća HA hipoteza, te uz 95%
vjerojatnosti može se tvrditi da beta koeficijent ima statistički značajan utjecaj na
očekivani povrat.
Koristeći signifikantnost p, te je uspoređujući s razinom signifikantnosti od 5%,
p=0,0166 < a = 0,05 dolazi se do istog zaključka o prihvaćanju HA hipoteze.
4.5. CAPM jednadžba
Iako provedena regresijska analiza nije pokazala da postoji pozitivna veza između
prinosa i beta koeficijenta, te se CAPM nije pokazao primjenjiv na odabranim
dionicama, u nastavku se utvrđuju tražene stope prinosa prema CAPM teoriji. Izračunati
teorijski prinosi se uspoređuju sa stvarnim prinosima i utvrđuje se koje dionice iz
analize premašuju prinos prema CAPM jednadžbi.
U svrhu utvrđivanja nerizične stope prinosa u razmatranom petogodišnjem razdoblju
odabrane su obveznice Republike Hrvatske.
Hrvatske državne obveznice su srednjoročne do dugoročne zadužnice koju izdaje javni
sektor. Država, županije i općine koriste državne obveznice za financiranje dugoročnih
državnih infrastrukturnih projekata, kao što je izgradnja cesta i željezničkih pruga,
obrazovanje i zdravstvo. Hrvatske državne obveznice nude posebno visoki stupanj
sigurnosti i zakonska su ulaganja. Izdaju se u obliku vrijednosnih papira s fiksnom
kamatom. Njihova kupon obično se isplaćuje jednom godišnje. Obveznica se u
potpunosti iskupljuje o dospijeću ( Obveznice Republike Hrvatske, 2014).
26
Vidjeti Prilog 4. Na temelju provedenog dvostranog t-testa uz razinu signifikantnosti 0,05, prema
slobodnom odabiru jer je uobičajeno provoditi testiranje na razini signifikantnosti od 0,01 ili 0,05, te
stupnjeva slobode izračunatih kao i za F-test, očitana je navedena vrijednost.
59
Od svih obveznica kao mjera nerizične stope je odabrana obveznica RHMF-O-15CA, s
obzirom da obuhvaća razmatrano petogodišnje razdoblje. Obveznica je izdana u
nematerijaliziranom obliku 15. prosinca 2005. godine s dospijećem od deset godina.
Kamata se obračunava po fiksnoj godišnjoj stopi od 5,250%, što će predstavljati
nerizičnu kamatnu stopu u CAPM jednadžbi.
Na temelju CAPM jednadžbe, izračunata je tražena stopa prinosa u sljedećoj tablici i
predstavljena je u zadnjem stupcu rj :
gdje su podaci kao i prije.
Tablica 14. Izračun tražene stope prinosa na temelju CAPM jednadžbe
DioniceLEDO-R-A INA-R-A ERNT-R-A HT-R-A PODR-R-A ATGR-R-A KORF-R-A ATPL-R-A ZABA-R-A KRAS-R-A
Rf Stopa povrata bez rizika5,25% 5,25% 5,25% 5,25% 5,25% 5,25% 5,25% 5,25% 5,25% 5,25%
Rm Očekivani povrat CROBEXA4,09% 4,09% 4,09% 4,09% 4,09% 4,09% 4,09% 4,09% 4,09% 4,09%
Rm-Rf Riziko premija-1,16% -1,16% -1,16% -1,16% -1,16% -1,16% -1,16% -1,16% -1,16% -1,16%
b b 1,34 0,27 0,38 0,87 1,12 1,42 0,14 1,74 3,19 0,52
Rj Tražena %3,70% 4,94% 4,81% 4,25% 3,95% 3,60% 5,09% 3,23% 1,56% 4,64%
Izvor: Izračun studenta u Excelu
Kako je prinos CROBEX indeksa od 4,09% niži od nerizične kamatne stope na državne
obveznice od 5,25%, slijedom izračuna vidljivo je da je premija rizika negativna, što
predstavlja problem kod tumačenja rezultata.
U nastavku su iznesene tražene stope povrata prema CAPM jednadžbi i očekivanih
povrata u promatranom razdoblju.
60
Tablica 15. Usporedba tražene stope prema CAPM-u i stvarnih izračuna
Dionice
Tražena %
prema
CAPM-u
Stvarna %
prema
izračunu
LEDO-R-A 3,70% 19,97%
INA-R-A 4,94% 31,74%
ERNT-R-A 4,81% 10,88%
HT-R-A 4,25% -6,77%
PODR-R-A 3,95% 15,83%
ATGR-R-A 3,60% 16,12%
KORF-R-A 5,09% 41,03%
ATPL-R-A 3,23% -7,68%
ZABA-R-A 1,56% -24,33%
KRAS-R-A 4,64% 0,01%
Izvor: Izrada studenta u Excelu prema dobivenim rezultatima
Dionice koje su ostvarile stope povrata iznad traženih stopa su: LEDO-R-A, INA-R-A,
ERNT-R-A, PODR-R-A, ATGR-R-A i KORF-R-A.
Dionice koje su ostvarile stope povrata ispod traženih stopa su: HT-R-A, ATPL-R-A,
ZABA-R-A i KRAS-R-A.
61
5. ZAKLJUČAK
Ulaganje na tržištu kapitala podrazumijeva prisutnost određene razine rizika. Rizik
uvjetuje visinu prinosa koja će se ostvariti, te je povezanost ovih dviju veličina
neizbježna. Investitori koji ulažu u vrijednosnice s višim prinosom izloženi su i većem
riziku.
Uzimajući u obzir ovisnost rizika i prinosa, razvijeni su brojni modeli kojima bi se
predvidio taj odnos, te smanjila mogućnost gubitaka za investitore. Markowitzeva
moderna portfolio teorija najpoznatiji je primjer. Kasnije, 1960-ih Sharpe i Linter na
temelju Markowitzeve teorije razvijaju CAPM model koji rizik investicije ne razmatra
kao ukupni rizik, već kao relativnu rizičnost individualne investicije. Takva relativna
rizičnost individualne investicije, koja predstavlja njen doprinos rizičnosti
diverzificiranog portfelja, predstavljena je beta koeficijentom.
Primjenjujući CAPM model na redovnim dionicama Zagrebačke burze, u radu su dani
izračuni očekivanih prinosa te beta koeficijenata. Pritom beta koeficijent predstavlja
nezavisnu varijablu, dok je izračunati prinos zavisna varijabla u regresijskoj analizi.
Bitno je naglasiti da ovdje očekivani prinos ne predstavlja teorijski pristup prema
CAPM jednadžbi, već očekivani prinos izračunat na temelju stvarnih kretanja na
Zagrebačkoj burzi.
Njihovim stavljanjem u odnos, te provedbom regresijske analize i dijagramom
rasipanja, utvrdilo se da je odnos između očekivanog prinosa i beta koeficijenta
objašnjen negativnom linearnom vezom. Na temelju koeficijenta korelacije utvrđena je
srednje jaka povezanost između ovih veličina. Testiranjem značajnosti parametra, t-
testom je utvrđeno da je parametar uz nezavisnu varijablu statistički značajan, iz čega
proizlazi da beta koeficijent utječe na razinu očekivanog prinosa. Ali kako je navedeno
taj utjecaj je objašnjen negativnom linearnom vezom, što znači da beta koeficijent i
prinos ne rastu zajedno, te rast beta koeficijenta prati pad očekivanog prinosa. Također,
proveden je i F-test kojim je testirana pouzdanost regresijskog modela, te je utvrđeno da
je model statistički značajan.
Primjenjujući postavke CAPM modela na Zagrebačkoj burzi dobivaju se rezultati koji
ukazuju da je ovim modelom moguće predvidjeti linearnu, ali ne i pozitivnu vezu
62
sustavnog rizika mjerenog beta koeficijentom i očekivanog prinosa. S obzirom da je
nerizična kamatna stopa na državne obveznice bila viša od prinosa na CROBEX
indeks, premija na rizik je bila negativna. Razlog ovakvih rezultata može se tražiti i u
brojnim kritikama modela koji su navedeni u teorijskom dijelu, ali i u gospodarskim
kretanjima na hrvatskom tržištu kapitala. Može se tvrditi da se investitori prilikom
donošenja odluke o ulaganju na hrvatskom tržištu kapitala ne mogu pouzdati u beta
koeficijent kao jedinu mjeru rizika.
Zaključno, postavljena hipoteza da je veza između očekivanog prinosa i beta
koeficijenta pozitivna i linearna nije dokazana, te se navedena hipoteza odbacuje.
63
LITERATURA
1) KNJIGE
1. Bodie, Z., Kane, A. i Marcus, A. 2006, Počela ulaganja, Mate, Zagreb
2. Brealey, Myers, Marcus 2007, Osnove korporativnih financija, Mate, Zagreb
3. Cingula, M., Klačmer Čalopa, M. 2009, Financijske institucije i tržišta kapitala,
Tiva tiskara, Varaždin
4. Leko, V. 2008, Financijske institucije i tržišta, Ekonomski fakultet Zagreb,
Mikrorad
5. Lovrić, LJ. 2005, Uvod u ekonometriju, Ekonomski fakultet Sveučilišta u Rijeci,
Rijeka
6. Orsag, S. 2002, Financiranje emisijom vrijednosnih papira, RIFIN, Zagreb
7. Pivac, S. 2010, Statističke metode, Ekonomski fakultet u Splitu, Split
8. Prohaska, Z. 1996, Analiza vrijednosnih papira, Infoinvest, Zagreb
9. Shim, J., Siegel, J. 2007, Upravljačke financije, Zgombić &Partenri, Zagreb
10. Van Horne, J.C. 1993, Financijsko upravljanje i politika, Mate, Zagreb
11. Vidučić, LJ. 2011, Financijski menadžment, 7. dopunjeno i izmijenjeno izdanje,
RRif plus d.o.o., Zagreb
12. Vukičević, M. i suradnici 2010, Financijski menadžment u MS Excelu, Golden
marketing- Tehnička knjiga, Zagreb
2) ČLANCI
13. Bendeković, D. 2000, 'Pristup procjeni rizika i povrata kod ulaganja u obične
dionice', Ekonomski pregled, str.1282-1312
14. Fruk, M., Huljak,I. 2003, 'Testiranje Sharpe-Lintnerova modela na Zagrebačkoj
burzi', Financijska teorija i praksa, br.28, str.77-91
15. Grubišić, M. 2011, 'Što donose Pravila Zagrebačke burze?', Rif, br.7, str. 56-62
16. Jakšić, S. 2007, 'Primjena Markowitzeve teorije na tržište dionica Zagrebačke
burze', Zbornik Ekonomskog fakulteta u Zagrebu, god.5, str. 332-344
17. Latković, M. 2001, 'Nesinhrono trgovanje i proračun sistematskog rizika',
HAGENA, str.1-15
18. Marasović,B., Šego,B. 2006, 'Markowitzev model optimizacije portfelja', Rif,
br.6, str. 57-61
64
3) ELEKTRONIČKI IZVORI
19. Burza, 2014, online: http://limun.hr/main.aspx?id=10371 ( 19.4.2014.)
20. Godišnje izvješće HANFA, 2012., online: http://www.hanfa.hr/HR/nav/109/
godisnje-izvjesce.html (17.4.2014.)
21. O MTP-u, 2014, online:http://zse.hr/default.aspx?id=36776 ( 17.4.2014.)
22. O uređenom tržištu, 2014, http://zse.hr/default.aspx?id=36768 ( 17.4.2014.)
23. Obveznice Republike Hrvatske, online: https://hr.products.erstegroup.com
/Retail/hr/Products/Bonds/Types/Government_bonds_Croatia/Product_descripti
on/index.phtm ( 23.4.2014.)
24. Odluka o indeksu CROBEX, online: http://zse.hr/default.aspx?id =44101 &
indeks = CROBEX ( 19.4.2014.)
25. Odluka o indeksu CROBEX 10, online: http://zse.hr/default.aspx?i
d=44101&index=CROBEX10 ( 17.4.2014.)
26. Odluka o indeksu CROBEX plus i sektorskim indeksima, online:
http://zse.hr/default.aspx?id=44101&index=CROBEXindustrija (17.4.2014.)
27. OTC, online: http://www.agram-brokeri.hr/default.asp?id=2031482 (17.4.2014.)
28. Povijest Zagrebačke burze, 2014, online: http://zse.hr/default.aspx?id=26 (
17.4.2014.)
29. Pravila Zagrebačke burze, 2013, online: http://zse.hr/default.aspx?id=144
(17.4.2014.)
30. Pregled trgovine u 2004. godini, 2005, online:
http://zse.hr/UserDocsImages/reports/ZSE-2004.pdf ( 19.4.2014.)
31. Pregled trgovine u 2005. godini, 2006, online:
zse.hr/UserDocsImages/reports/ZSE-2005.pdf ( 19.4.2014.)
32. Pregled trgovine u 2008. godini, 2009, online:
zse.hr/UserDocsImages/reports/ZSE-2008.pdf ( 19.4.2014.)
65
33. Pregled trgovine u 2009.godini, 2010, online:
http://zse.hr/default.aspx?id78&yr=2009 ( 19.4.2014.)
34. Pregled trgovine u 2010. godini, 2011, online:
zse.hr/UserDocsImages/reports/ZSE-2010.pdf ( 19.4.2014.)
35. Pregled trgovine u 2011. godini, 2012, online:
http://zse.hr/UserDocsImages/reports/ZSE-2011.pdf ( 19.4.2014.)
36. Pregled trgovine u 2012. godini, 2013, online:
zse.hr/UserDocsImages/reports/ZSE-2012.pdf ( 19.4.2014.)
37. Pregled trgovine u 2013. godini, 2014, online:
http://zse.hr/UserDocsImages/reports/ZSE-2013.pdf (19.4.2014.)
38. Pregled trgovine u prvom tromjesečju 2014. godine, 2014, online:
zse.hr/UserDocsImages/reports/ZSE-1Q2014.pdf ( 19.4.2014.)
39. Primarno tržište, 2014, online: http://www.poslovni.hr/leksikon/primarno-
trziste-1665 (19.4.2014.)
40. Sekundarno tržište, 2014, online: http://www.poslovni.hr/leksikon/sekundarno-
trziste-1698 (19.4.2014.)
4) OSTALI IZVORI
41. Bagarić, I. 2011, Testiranje CAPM modela – analiza na hrvatskom tržištu
kapitala, diplomski rad, Ekonomski fakultet Sveučilišta u Splitu, Split
42. Dimitrić, M. 2012, Temeljni financijski koncept rizika, nastavni materijal iz
kolegija Poslovne financije, Ekonomski fakultet Sveučilišta u Rijeci, Rijeka
43. Domijan, Ž. 2011, Rizik i povrat, nastavni materijali iz kolegija Financijski
menadžment 1, Pomorski fakultet Sveučilišta u Splitu, online:
https://www.pfst.hr/old/data/ materijali/Predavanja%207-9%20f1.pdf ( 19.4.2014.)
44. Rako, M. 2012, Pobjeđuje li Treynor-Blackov model Markowitza i CAPM –
analiza na ZSE, diplomski rad, Ekonomski fakultet Sveučilišta u Splitu, Split
66
POPIS ILUSTRACIJA
POPIS TABLICA
Redni broj Naslov tablice Stranica
1. Tržišna kapitalizacija ( u milijunima kuna) u 2012. i
2013.godini
11
2. Sastav indeksa CROBEX10 na dan 19.4.2014. 17
3. Primjer izračuna koeficijenta varijacije 29
4. Odabrane dionice za analizu 42
5. Mjesečni prinosi odabranih dionica i CROBEX indeksa u razdoblju od travnja 2009. do ožujka 2014.
6. Očekivani godišnji prinos odabranih dionica i CROBEX indeksa od 2009. do 2014. godine
46
7. Beta koeficijent na razini mjesečnih prinosa za promatrane dionice
48
8. Beta koeficijent na razini godišnjih prinosa za promatrane
dionice
52
9. Ulazni podaci u regresijskoj analizi 52
10. Vrijednosti regresijskog modela 54
11. Jačina povezanosti varijabli u ovisnosti o apsolutnoj vrijednosti koeficijenta korelacije
54
12. ANOVA 55
13. Vrijednosti varijabli iz regresijskog modela 57
14. Izračun tražene stope prinosa na temelju CAPM jednadžbe 59
15. Usporedba tražene stope prinosa i stvarnih izračuna 59
67
POPIS GRAFIKONA
Redni broj Naslov grafikona Stranica
1. Kretanje indeksa CROBEX u razdoblju od 2003. do ožujka
2014. godine
16
2. Razina sigurnosti ulaganja u pojedine vrijednosne papire 21
3. Odnos ukupnog, sustavnog i nesustavnog rizika 24
4. Normalna distribucija vjerojatnosti 26
5. Normalna distribucija vjerojatnosti za različite standardne devijacije
27
6. Normalna distribucija vjerojatnosti za iste standardne
devijacije
28
7. Linija tržišta vrijednosnica – SML linija 36
8. Linija tržišta kapitala – CML linija 38
9. Linija regresije povrata dionice i povrata tržišta 48
10. Linija regresije mjesečnog prinosa dionice KORF-R-A i
CROBEX indeksa
50
11. Linija regresije mjesečnog prinosa dionice LEDO-R-A i
CROBEX indeksa
50
12. Linija regresije mjesečnog prinosa dionice HT-R-A i
CROBEX indeksa
51
13. Dijagram rasipanja očekivanog prinosa i beta koeficijenta 53
POPIS SHEMA
Redni broj Naslov sheme Stranica
1. Struktura financijskih tržišta 5
2. Struktura nacionalnog i međunarodnog tržišta kapitala 6
68
POPIS PRILOGA
Redni broj Naslov priloga
1. Cijene zatvaranja odabranih dionica i kretanje CROBEX
indeksa na kraju mjeseca u razdoblju od 31.ožujka 2009.
do 31.ožujka 2014. godine 2.. Računalni ispisi u Excelu izračunatih beta koeficijenata
primjenom regresijske analize
3. Kritične vrijednosti F - razdiobe
4. Kritične vrijednosti t- razdiobe
PRILOZI
Prilog 1.: Cijene zatvaranja odabranih dionica i kretanje CROBEX indeksa na kraju
mjeseca u razdoblju od 31.ožujka 2009. do 31.ožujka 2014. godine
Mjesec LEDO-R-A INA-R-A ERNT-R-A HT-R-A PODR-R-A ATGR-R-A KORF-R-A ATPL-R-A ZABA-R-A KRAS-R-A CROBEX
ožujak 2009. 3.670,00 1.050,00 1.135,00 217,99 182,90 414,98 24,99 647,99 141,59 275,00 1.451,32
travanj 2009. 4.120,00 1.196,96 1.380,00 211,00 201,15 455,00 34,00 762,00 166,00 229,30 1.593,57
svibanj 2009. 5.350,00 1.530,01 1.460,03 222,00 299,00 542,97 48,80 1.119,92 220,00 320,00 2.144,14
lipanj 2009. 4.519,00 1.364,00 1.250,00 218,50 240,01 513,00 42,17 1.127,96 194,00 313,90 1.896,36
srpanj 2009. 4.284,00 1.470,00 1.269,00 226,40 236,50 529,99 37,72 1.110,00 193,50 286,59 1.878,94
kolovoz 2009. 4.810,00 1.420,20 1.415,50 228,06 261,02 590,01 44,00 1.100,00 230,01 283,13 2.009,02
rujan 2009. 5.460,00 1.700,00 1.499,00 260,50 284,95 695,00 49,60 1.123,00 280,00 274,04 2.197,36
listopad 2009. 7.350,00 1.700,00 1.359,00 270,00 285,00 681,22 46,50 1.019,98 267,59 273,00 2.144,77
studeni 2009. 7.000,00 1.666,10 1.336,01 270,30 278,00 675,00 42,60 1.019,90 258,80 265,00 2.066,91
prosinac 2009. 6.700,00 1.650,00 1.339,50 274,50 296,99 681,01 41,10 950,00 260,00 313,99 2.044,06
siječanj 2010. 6.978,00 1.899,99 1.478,00 298,87 348,50 724,00 42,62 1.033,97 267,02 297,00 2.203,40
veljača 2010. 6.344,00 1.817,00 1.441,00 305,99 321,00 691,00 42,06 994,88 256,10 326,25 2.138,12
ožujak 2010. 6.350,00 1.774,00 1.475,01 321,57 330,98 698,99 40,47 975,98 255,11 354,00 2.142,82
travanj 2010. 6.650,00 1.801,61 1.662,05 273,70 336,00 720,00 40,01 1.016,00 255,00 370,00 2.161,26
svibanj 2010. 6.100,00 1.724,01 1.460,00 269,00 314,89 702,00 34,50 950,00 220,52 355,51 1.986,40
lipanj 2010. 6.000,00 1.684,00 1.359,99 260,78 256,60 688,99 29,60 827,00 216,22 380,00 1.855,19
srpanj 2010. 5.708,00 1.660,00 1.280,00 258,84 290,00 705,25 37,39 840,01 216,00 400,00 1.856,55
kolovoz 2010. 5.608,07 1.631,00 1.320,01 256,95 290,00 717,00 36,79 807,00 210,00 465,00 1.848,06
rujan 2010. 5.610,00 1.680,00 1.318,51 273,00 292,00 801,52 36,50 812,00 239,90 474,16 1.915,58
listopad 2010. 5.460,01 1.685,00 1.280,01 269,00 276,43 823,00 35,02 785,00 215,00 454,10 1.869,36
studeni 2010. 4.815,02 1.729,00 1.248,72 272,48 261,03 808,00 30,19 713,00 217,20 392,01 1.787,15
prosinac 2010. 5.830,00 3.188,99 1.361,00 288,71 302,68 805,00 35,85 738,00 250,05 434,00 2.110,93
siječanj 2011. 6.200,00 3.633,02 1.445,00 303,85 316,14 790,00 45,60 755,00 269,50 445,10 2.292,58
veljača 2011. 6.300,00 3.650,00 1.608,01 286,26 316,06 788,00 54,00 754,00 259,00 426,01 2.241,04
ožujak 2011. 6.100,00 4.010,07 1.643,00 295,00 325,00 798,95 59,36 727,00 265,00 448,89 2.290,45
travanj 2011. 5.710,02 4.200,00 1.629,00 276,03 320,00 750,00 60,25 700,01 245,00 460,00 2.233,97
svibanj 2011. 6.098,00 - 1.482,58 265,50 326,50 738,00 92,20 723,00 265,50 455,00 2.278,88
lipanj 2011. 6.000,00 - 1.426,99 256,03 326,00 697,00 79,00 664,00 287,71 465,94 2.230,85
srpanj 2011. 6.000,00 - 1.315,00 252,00 314,50 695,00 76,79 640,00 65,00 480,00 2.173,73
kolovoz 2011. 5.700,00 - 1.240,00 253,95 285,09 618,00 65,10 531,00 52,00 470,00 2.033,92
rujan 2011. 4.560,00 - 1.049,98 248,00 258,00 558,39 69,45 436,00 44,70 495,00 1.854,41
listopad 2011. 5.000,00 - 1.049,90 247,30 251,10 512,50 76,47 39,01 43,60 481,01 1.842,63
studeni 2011. 4.900,00 - 1.069,90 236,00 238,00 496,00 69,99 347,40 41,00 441,00 1.739,20
prosinac 2011. 5.050,00 3.800,00 1.080,00 242,00 231,00 500,00 71,00 331,00 40,58 440,00 1.740,21
Mjesec LEDO-R-A INA-R-A ERNT-R-A HT-R-A PODR-R-A ATGR-R-A KORF-R-A ATPL-R-A ZABA-R-A KRAS-R-A CROBEX
siječanj 2012. 5.350,01 3.725,00 1.235,00 238,58 247,50 475,00 72,63 307,95 39,80 443,00 1.727,28
veljača 2012. 5.873,00 3.650,00 1.156,17 224,01 256,70 504,90 78,50 340,00 42,00 455,99 1.787,23
ožujak 2012. 6.000,00 3.575,00 1.172,94 214,40 249,99 500,00 95,00 370,00 45,48 421,12 1.833,54
travanj 2012. 6.000,00 3.558,02 1.243,00 207,01 236,00 518,95 100,43 320,01 42,43 410,00 1.800,76
svibanj 2012. 5.301,01 3.586,21 1.002,99 198,00 219,04 490,01 90,59 280,00 37,00 400,00 1.668,46
lipanj 2012. 5.350,00 3.680,00 984,00 205,00 229,99 492,99 93,00 274,89 38,01 385,00 1.693,85
srpanj 2012. 5.300,53 3.875,00 1.118,00 205,05 210,00 462,50 92,30 275,50 39,21 400,00 1.698,23
kolovoz 2012. 5.500,00 4.101,00 1.087,31 200,00 215,50 463,50 96,51 250,00 38,79 400,00 1.679,95
rujan 2012. 5.710,00 4.400,00 1.170,00 203,00 247,76 472,50 101,50 234,88 38,40 400,00 1.715,24
listopad 2012. 6.000,01 4.147,00 1.280,01 204,32 260,00 521,05 108,17 229,00 37,99 380,00 1.754,82
studeni 2012. 7.000,00 4.200,00 1.279,00 202,17 269,72 527,13 109,96 231,00 38,00 370,50 1.760,16
prosinac 2012. 7.600,00 3.921,00 1.385,00 197,20 240,02 536,00 109,00 203,70 37,59 360,00 1.740,39
siječanj 2013. 7.775,00 4.200,00 1.429,99 216,05 265,13 670,00 129,50 237,00 36,94 360,10 1.887,81
veljača 2013. 8.250,00 4.299,88 1.479,99 216,00 270,00 681,00 145,00 259,50 38,90 440,01 1.945,38
ožujak 2013. 8.650,00 4.245,80 1.573,99 216,05 285,00 674,00 145,00 352,10 38,00 444,01 2.007,94
travanj 2013. 8.685,00 4.207,01 1.505,00 214,07 270,03 650,00 145,00 327,00 37,00 430,00 1.948,39
svibanj 2013. 8.100,00 4.245,82 1.327,85 211,51 236,00 629,00 143,07 311,99 34,21 405,00 1.853,97
lipanj 2013. 7.740,00 4.300,00 1.451,99 178,35 235,00 571,00 146,44 321,00 31,70 400,04 1.804,69
srpanj 2013. 8.070,00 4.266,00 1.522,06 175,00 241,13 636,00 164,00 304,52 29,00 402,69 1.848,55
kolovoz 2013. 7.950,00 4.120,01 1.529,00 183,48 255,00 684,98 160,02 307,61 28,33 400,41 1.841,41
rujan 2013. 7.890,00 4.220,00 1.495,00 174,20 250,00 650,00 158,00 362,63 26,00 400,00 1.810,54
listopad 2013. 8.000,00 3.835,00 1.430,00 167,00 244,80 659,02 154,43 352,78 26,91 390,00 1.764,41
studeni 2013. 8.080,00 3.650,00 1.451,00 171,61 246,00 698,99 145,00 367,95 26,40 400,00 1.772,11
prosinac 2013. 8.230,00 3.550,00 1.470,00 176,65 254,55 718,00 147,50 394,00 29,00 410,00 1.794,28
siječanj 2014. 8.660,00 3.400,00 1.510,00 169,89 276,00 743,01 172,25 383,03 26,65 372,00 1.803,53
veljača 2014. 8.640,00 3.810,00 1.493,02 169,75 285,81 767,00 165,12 393,01 26,63 375,00 1.795,09
ožujak 2014. 8.630,00 3.449,00 1.600,00 165,00 285,42 765,03 167,99 385,13 28,45 367,00 1.758,44
Izvor: Izrada studenta na temelju podataka Zagrebačke burze
Prilog 2. Računalni ispisi u Excelu izračunatih beta koeficijenata primjenom regresijske
analize
SUMMARY OUTPUT - LEDO-R-A
Regression Statistics
Multiple R 0,716955249
R Square 0,514024829
Adjusted R Square 0,505645946
Standard Error 0,061942059
Observations 60
ANOVA
df SS MS F Significance F
Regression 1 0,235379851 0,23538 61,347661 1,16969E-10
Residual 58 0,222535483 0,003837
Total 59 0,457915334
Coefficients
Standard
Error t Stat P-value
Intercept 0,010990022 0,008007516 1,372463 0,175203571
beta koeficijent 1,019264915 0,130133188 7,832475 1,16969E-10
SUMMARY OUTPUT-INA-R-A
Regression Statistics
Multiple R 0,68753026
R Square 0,47269785
Adj. R Square 0,46215181
Standard Error 0,0791627
Observations 52
ANOVA
df SS MS F Signif. F
Regression 1 0,280889394 0,280889 44,8223 1,8013E-08
Residual 50 0,31333669 0,006267
Total 51 0,594226084
Coefficients Standard Error t Stat P-value
Intercept 0,01486676 0,011077615 1,342054 0,185641
beta koeficijent 1,1689064 0,17459536 6,694946 1,8E-08
SUMMARY OUTPUT-ERNT-R-A
Regression Statistics
Multiple R 0,554567481
R Square 0,307545091
Adjusted R Square 0,295606213
Standard Error 0,066020503
Observations 60
ANOVA
df SS MS F Signif. F
Regression 1 0,11228014 0,11228 25,75997 4,273E-6
Residual 58 0,252804992 0,004359
Total 59 0,365085131
Coefficients StandardError t Stat P-value
Intercept 0,003470692 0,008534753 0,406654 0,685759
beta koeficijent 0,703969601 0,138701532 5,075428 4,27E-06
SUMMARY OUTPUT- HT-R-A
Regression Statistics
Multiple R 0,414627487
R Square 0,171915953
Adjusted R Square 0,157638642
Standard Error 0,045799228
Observations 60
ANOVA
df SS MS F Signif. F
Regression 1 0,02525725 0,02525725 12,0411996 0,000988637
Residual 58 0,121659017 0,002097569
Total 59 0,146916266
Coefficients
Standard
Error t Stat P-value
Intercept -0,00571021 0,005920663 -0,96445464 0,33882219
beta koeficijent 0,33388389 0,096218944 3,470043164 0,00098864
SUMMARY OUTPUT-PODR-R-A
Regression Statistics
Multiple R 0,858617058
R Square 0,737223252
Adjusted R Square 0,732692618
Standard Error 0,047447134
Observations 60
ANOVA
df SS MS F Signif. F
Regression 1 0,366319512 0,366319512 162,7197 1,7E-18
Residual 58 0,13057137 0,002251231
Total 59 0,496890882
Coefficients
Standard
Error t Stat P-value
Intercept 0,00334907 0,006133694 0,546011933 0,587152
beta koeficijent 1,271547122 0,099681007 12,75616247 1,78E-18
SUMMARY OUTPUT-ATGR-R-A
Regression Statistics
Multiple R 0,659192153
R Square 0,434534294
Adjusted R Square 0,424784885
Standard Error 0,049711614
Observations 60
ANOVA
df SS MS F Signif. F
Regression 1 0,110144166 0,110144166 44,5703228 1,02365E-08
Residual 58 0,143332183 0,002471245
Total 59 0,253476349
Coefficients
Standard
Error t Stat P-value
Intercept 0,007964112 0,006426433 1,239274089 0,22023542
beta koeficijent 0,697241428 0,10443842 6,676100871 1,0237E-08
SUMMARY OUTPUT-KORF-R-A
Regression Statistics
Multiple R 0,694367785
R Square 0,482146621
Adjusted R Square 0,473218115
Standard Error 0,090173
Observations 60
ANOVA
df SS MS F Signif.F
Regression 1 0,439089792 0,43909 54,00081 7,6E-10
Residual 58 0,471607852 0,008131
Total 59 0,910697645
Coefficients
Standard
Error t Stat P-value
Intercept 0,027304777 0,011657041 2,342342 0,022617
beta koeficijent 1,39209018 0,189438051 7,348525 7,61E-10
SUMMARY OUTPUT-ATPL-R-A
Regression Statistics
Multiple R 0,087716673
R Square 0,007694215
Adjusted R Square
-
0,009414506
Standard Error 0,43760635
Observations 60
ANOVA
df SS MS F Signif. F
Regression 1 0,08612198 0,08612198 0,4497247 0,5051274
Residual 58 11,10696042 0,191499318
Total 59 11,1930824
Coefficients Standard Error t Stat P-value
Intercept
-
0,010643411 0,056571202
-
0,188141856 0,8514222
beta koeficijent 0,616520756 0,919336101 0,670615192 0,5051274
SUMMARY OUTPUT-ZABA-R-A
Regression Statistics
Multiple R 0,386540079
R Square 0,149413232
Adjusted R
Square 0,134747943
Standard Error 0,196382101
Observations 60
ANOVA
df SS MS F Signif. F
Regression 1 0,392918 0,392918 10,18822 0,002283
Residual 58 2,236824 0,038566
Total 59 2,629742
Coefficients Stand. Error t Stat P-value
Intercept
-
0,030958235 0,025387 -1,21945 0,227611
beta koeficijent 1,316866707 0,412565 3,1919 0,002283
SUMMARY OUTPUT-KRAS-R-A
Regression Statistics
Multiple R 0,393566351
R Square 0,154894473
Adjusted R Square 0,140323688
Standard Error 0,07241059
Observations 60
ANOVA
df SS MS F Signif. F
Regression 1 0,05573874 0,055739 10,63048 0,001864
Residual 58 0,304111027 0,005243
Total 59 0,359849767
Coefficients
Standard
Error t Stat P-value
Intercept 0,003223518 0,00936082 0,344363 0,731819
beta koeficijent 0,495985834 0,152122266 3,260442 0,001864
Prilog 3. Kritične vrijednosti F-razdiobe
Izvor: Lovrić, 2005: 177
Prilog 4. Kritične vrijednosti t-razdiobe
Izvor: Lovrić, 2005:175
IZJAVA
kojom izjavljujem da sam diplomski rad s naslovom CAPM MODEL NA TRŽIŠTU
DIONICA ZAGREBAČKE BURZE izradila samostalno pod voditeljstvom prof. dr. sc.
Mire Dimitrić. U radu sam primijenila metodologiju znanstvenoistraživačkog rada i
koristila literaturu koja je navedena na kraju diplomskog rada. Tuđe spoznaje, stavove,
zaključke, teorije i zakonitosti koje sam izravno ili parafrazirajući navela u diplomskom
radu na uobičajen, standardan način citirala sam i povezala referencama s korištenim
bibliografskim jedinicama. Rad je pisan u duhu hrvatskog jezika.
Suglasna sam s objavom diplomskog rada na službenim stranicama Fakulteta.