Фама и Френч (Fama and French, 1992) исследовали связь между коэффициентами бета и доходами за период 1963–1990 гг. и пришли к заключению, что корреляция между ними отсутствует. Эти результаты вызвали возражения по трем аспектам. Во-первых, Амихуд, Кристенсен и Мендельсон (Amihud, Christensen and Mendelson, 1992), которые использовали те же самые данные, но применяли другие статистические тесты, показали, что различия в коэффициентах бета фактически объясняют разницу в доходах за данный период. Во-вторых, Котари и Шанкен (Kothari and Shanken, 1995) оценили коэффициенты бета, используя при этом данные за год, а не за более короткие периоды времени, применяемые во многих тестах, и пришли к выводу, что коэффициенты бета объясняют в определенной пропорции различия между инвестициями. В-третьих, Чан и Лаконишок (Chan and Lakonishok, 1993) проанализировали временные ряды доходов за существенно более длительный период (1926–1991 гг.) и выявили положительную корреляцию между коэффициентами бета и доходами, которая была нарушена только в период после 1982 г. Они также обнаружили, что коэффициенты бета являются полезным инструментом для изучения риска в экстремальных рыночных условиях. При этом фирмы, связанные с наибольшим риском (10 % с наивысшим коэффициентом бета), функционируют куда менее эффективно, чем рынок в целом в течение 10 наихудших месяцев для рынка в период между 1926–1991 гг. (рисунок 4.6).

Хотя первоначальные тесты APM обещали больший успех в объяснении различий в доходах, была проведена разделительная линия между использованием этих моделей для объяснения различий в доходах в прошлом и их применением для предсказания будущих доходов. Противники САРМ со всей очевидностью достигли более серьезного успеха в объяснении прошлых доходов, поскольку они не ограничивали себя одним фактором, как это делается в модели САРМ. Подобный учет значительного числа факторов становится более проблематичным, когда мы пытаемся планировать ожидаемые в будущем доходы, поскольку приходится оценивать коэффициенты бета и премии для каждого из этих факторов. Коэффициенты бета и премии для факторов сами по себе изменчивы, поэтому ошибка в оценке может уничтожить все преимущества, которые мы можем получить, переходя от модели САРМ к более сложным моделям. При использовании моделей регрессии, предлагаемых в качестве альтернативы, мы также сталкиваемся с трудностями при оценке, поскольку переменные, прекрасно работающие в качестве вызывающих доверие показателей риска в одном периоде (например, рыночная капитализация), могут оказаться неработоспособными в следующем периоде.

В конечном итоге, живучесть модели оценки финансовых активов в качестве модели, используемой по умолчанию для оценки риска в условиях реального мира, оправдывается не только ее интуитивной привлекательностью, но и тем, что даже с помощью более сложных моделей не удалось внести существенный вклад в оценку ожидаемых доходов. По-видимому, наиболее эффективным способом обращения с риском в современных корпоративных финансах является рациональное использование модели оценки финансовых активов без чрезмерной опоры на исторические данные.

Пока в данной главе мы касались оценки риска, имеющего отношение к связанным с инвестициями денежным потокам, которые отличаются от ожидаемых. Однако есть определенные инвестиции, где денежные потоки обещаны в момент осуществления инвестиции. В качестве примера можно привести предоставление кредита какому-то предприятию или покупку корпоративной облигации. Заемщик может оказаться не в состоянии уплатить процентные или основные платежи по своему займу. Вообще говоря, заемщик с повышенным риском дефолта должен платить более высокий процент по займу, чем заемщик с меньшим риском дефолта. В этом разделе обсуждается измерение риска дефолта, а также связь между риском дефолта и процентными ставками по займам.