WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 27 | 28 || 30 | 31 |   ...   | 58 |

Несмотря на то что было проверено несколько оценок показателя прозрачности, ни один из них не оказался значимым. Это может объясняться тем, что объясняющие переменные сильно коррелированы. Попробуем избавиться от мультиколлинеарности. Среди спредов наибольшее внимание стоит уделить последнему – логарифму спреда. Во-первых, регрессия при нем показала наибольший Adj. R2.

А, во-вторых, он более предпочтителен, так как позволяет различать относительно ликвидные компании (так, например, ликвидность по спреду для РАО«ЕЭС» получилась около 0.008, для «ЦентрТелекома» – 0.028, а для «Ленэнерго» – 0.24. Понятно, что при таких широких значениях при обычном подсчете разница между ликвидностью «ЦентрТелекома» и РАО«ЕЭС» будет «съедаться», хотя совершенно ясно, что ликвидность у РАО«ЕЭС» значительно больше, чем у того же «ЦентрТелекома». В этом плане логарифмическая шкала позволяет существенно различать эти две компании. Логарифм спреда сильно коллинеарен с другими переменными (VIF = 4.7). К сожалению, данная регрессия также не показала значимость коэффициента при ликвидности акций. Поэтому на основании рассмотренных регрессий в дальнейшем данный коэффициент учитываться не будет.

Таблица 2.Таблица корреляций капи Спред2 Спред1 ln(Спред) ln(Объем) Volatility max1 N тал Спред2 1.Спред1 0.977 1.ln(Спред) 0.813 0.839 1.ln(Объем) –0.671 –0.708 –0.881 1.Volatility 0.389 0.330 0.126 –0.003 1.капитал –0.631 –0.680 –0.827 0.862 0.050 1.max1 0.222 0.221 0.268 –0.249 0.217 –0.084 1.N –0.526 –0.587 –0.602 0.624 –0.278 0.541 –0.280 1.Без него регрессия будет выглядеть следующим образом (см.

Приложение 3, табл. П3-8).

Так как ошибка дисперсии зависит от числа наблюдений, то желательно проверить регрессию на гетероскедастичность. Исследование регрессии на гетероскедастичность рассматривается в приложении (см. Приложение 1).

Кроме рассмотренных показателей, таких как волатильность цен на акции, ликвидность, капитализация компании, далее будет произведена попытка исследования дополнительных переменных, которые могли бы оказывать влияние на дисперсию прогнозов аналитиков.

Прогнозы аналитиков основываются на имеющейся информации.

Немаловажным источником данной информации служат финансовая отчетность компании и, в частности, такие показатели, как выручка, прибыль, издержки производства и т.д. Разные аналитические агентства по-разному могут оценивать такого рода данные для расчета прогнозов. Вполне уместно считать, что в компании со стабильными показателями, не меняющимися со временем, результаты прогнозов аналитиков будут достаточно близкими, тогда как в компании с высокими «колебаниями» различных ключевых показателей прогнозы могут также достаточно сильно различаться. Следовательно, имеет смысл предположить, что дисперсия различных показателей компании (прибыли, например) может положительно влиять на дисперсию прогнозов аналитиков. Можно также считать, что дисперсия прибыли компании (посчитанной на основании годовых или квартальных данных) не определяется непосредственно прозрачностью компании. Следовательно, включение данного показателя в качестве объясняющей переменной не будет создавать сложностей с выявлением непосредственно прозрачности из дисперсии прогнозов.

Для расчета этих показателей были рассмотрены квартальные отчетности с 2000 по 2004 г. В расчет принимались следующие основные финансовые показатели: выручка (выручка от продажи товаров, работ, услуг); балансовая прибыль (прибыль до налогообложения);

чистая прибыль (прибыль после налогообложения). Основные показатели брались по данным неконсолидированной бухгалтерской отчетности эмитента.

Так как кроме годовых данных основной упор был сделан на квартальных для более тщательного охвата имеющихся данных, а также для большего числа наблюдений, имеет смысл провести коррекцию сезонной составляющей квартальных данных. Для выделения сезонной составляющей стандартными методами необходимо иметь наблюдения как минимум за 4 года (именно поэтому рассматривается достаточно большой промежуток: 2000–2004 гг.). Учет сезонной составляющей был произведен с помощью методики X-(аддитивный метод) (difference from moving average). Основное преимущество данной методики по сравнению с методом скользящего среднего заключается в возможности изменения сезонных факторов от года к году.

Итоговая волатильность показателей считалась с учетом коррекции на сезонную составляющую. Также производился расчет без учета коррекции на сезонную составляющую. Формула расчета для волатильности выручки, балансовой и чистой прибылей одинаковая:

N Ei - E ( ) N N -i=E _VOL =, E = E i E i=N EBTi - EBT () N N -i=EBT _VOL =, EBT = EBT, (39) i EBT i=N NPi - NP () N N -i=NP _VOL =, NP = NP i NP i=где соответственно E, EBT, NP – выручка, балансовая прибыль и чистая прибыль.

Для каждого из трех показателей была посчитана волатильность данных, скорректированных на сезонную составляющую, с использованием всех кварталов – начиная с I квартала 2000 г. и кончая II кварталом 2004 г. Также в исследование включалась волатильность без корректировки на сезонную составляющую с использованием всех кварталов – начиная с I квартала 2000 г. и кончая IV кварталом 2003 г. Был произведен расчет волатильности годовых показателей с использованием 4 лет: 2000–2003 гг. А также была рассмотрена волатильность показателей квартальных данных за ближайший год, предшествующий наблюдаемому, т.е. за весь 2003 г.

Исследование каждой из вышеописанных разновидностей расчета волатильности по каждому финансовому показателю обосновано.

Использование волатильности без корректировки на сезонную составляющую имеет смысл для изучения следующего вопроса: на сколько аналитики учитывают сезонную составляющую квартальных финансовых показателей. Расчет волатильности по годичным данным также имеет смысл, так как в таких данных отсутствуют сезонные колебания. Попадаются компании, в которых отчетливо видно, что, несмотря на ровные годичные данные, квартальные данные могут сильно колебаться, причем эти колебания не носят исключительно сезонного характера: например, в III квартале определенного года прибыль может быть сильно занижена, тогда как в IV – сильно завышена, при этом такое явление не проявляется из года в год (что можно было бы выявить сезонной составляющей), а встречается только в одном году. Что касается расчета волатильности за последний год, то он также имеет преимущества, так как иллюстрирует текущие особенности рынка (волатильность в данном периоде имеет большую ценность, чем волатильность, посчитанная несколько лет назад). К сожалению, последние два показателя обладают меньшей точностью, так как рассчитываются на основании всего лишь четырех точек.

Стоит также отметить, что некоторые компании имеют достаточно небольшую прибыль при высокой волатильности квартальной прибыли. Так как по формуле показатель волатильности возрастает с уменьшением прибыли, при низкой прибыли этот показатель может быть сколь угодно большим. Это, естественно, может давать большие искажения. Однако стоит заметить, что в компаниях, в которых суммарная прибыль близка к нулю (где волатильность прибыли будет ожидаться высокой), также слабо предсказуема дальнейшая стоимость акций, поэтому дисперсия прогнозов будет также ожидаться высокой. Следовательно, несмотря на наличие больших искажений в показателях волатильности таких компаний, данные значения по порядку величины будут отражать реальную ситуацию.

Для частичного нивелирования большого разброса значений предлагается также брать логарифм волатильности, т.е.

N EBTi - EBT () N N -i=ln(EBT _VOL) = ln,EBT = EBT i EBT i=.

(40) N NPi - NP () N N -i=ln(NP _VOL) = ln, NP = NP i NP i=В паре случаев оказалось, что суммарная прибыль в компании за период являлась отрицательной. Ясно, что волатильность должна выражаться положительным числом. Поэтому, так как знаменатель сам по себе должен характеризовать среднюю прибыль в целом, предлагается взять среднее значение прибыли по модулю. Модуль средней прибыли будет показывать примерно ожидаемый диапазон прибыли в будущем и по порядку величины будет соответствовать предполагаемому нами значению волатильности (здесь опять же речь идет о значительной ошибке, так как в таких компаниях сама по себе прибыль близка к нулю, однако такой показатель по порядку величины будет характеризовать действительную высокую волатильность). К тому же такой подход не искажает общей методики расчета (которая в общем-то достаточно распространена). Также можно попробовать избавиться от проблемы высоких искажений в случае низкой прибыли путем деления не на среднюю прибыль, а на среднюю выручку. В результате формула будет выглядеть следующим образом:

N EBTi - EBT () N N -i=EBT _VOL =, EBT = EBT i E i=.

(41) N NPi - NP () N N -i=NP _VOL =, NP = NP i E i=Однако такой подход имеет тот недостаток, что выручка сама по себе слабо связана с прибылью и намного меньше – с ценами на акции, чем прибыль, использование которой здесь было бы более уместно.

Кроме описанных выше показателей, основанных на финансовой отчетности, имеет смысл рассмотреть определенный круг внешних показателей. В вышеприведенных расчетах в качестве объясняющих переменных входили dummy-переменные, отвечающие за ту или иную отрасль. Одной из причин наличия данных переменных являлось то, что прогнозы могут в разной степени зависеть от внешней конъюнктуры рынка и от внутренней информации компании. Так как для оценки прозрачности нам необходимо выделять именно второй фактор, dummy-переменные, отвечающие за каждую отрасль, в некоторой степени нивелировали первую составляющую. Тем не менее dummy-переменные, к сожалению, по своей сути не отражают реальную структуру и специфику отрасли. Поэтому для более четкой интерпретации предпочтительным является замена dummyпеременных показателями, основанными на реальных экономических данных, отражающих внешнюю конъюнктуру рынка. К таким показателям можно отнести поведение цен на данный вид продукции, спрос (рост, спад) и т.д. В данной работе в качестве такой переменной берется волатильность цен. Показатель волатильности лишь в определенной степени отражает влияние рынка на прогнозы аналитиков, однако заранее определить степень влияния не представляется возможным. Поэтому мы приведем волатильность цен как с dummy-переменными, так и без них.

Итак, расчет волатильности цен осуществлялся по стандартной формуле:

N Pi - P ( ) N N -i=1 (42) P _VOL =, P =.

P i P i=Соответственно, для каждой отрасли брались данные по следующим показателям: нефтегазовая (нефть марки Brent (к сожалению, данных по марке Urals не было найдено, однако динамика цен на нефть для разных марок сильно коррелированна)); телекоммуникации (средняя ежемесячная выручка от продажи услуг в расчете на одного абонента (ARPU) по МТС); МГТС – отдельно (тарифы на услуги связи); металлургия (для соответствующих компаний использовались данные по динамике цен по никелю и черным металлам); электроэнергетика (индекс цен по электроэнергии); автомобилестроение (цена легкового автомобиля марки ВАЗ); компании потребительского сектора (индекс цен продовольственных товаров)109.

Расчет производился двумя способами: первый – на квартальных данных 2002–2003 гг., а второй – на основе годовых данных за 2000– 2003 гг.

С учетом всего сказанного выше общая регрессия выглядит следующим образом:

DISFi = +P _VOLi + E _VOLi +VOLi +, (43) + ln(FIRMi ) + Ni +SHFRi + i где DISF – дисперсия прогнозов аналитиков; Dj – dummyпеременная, отвечающая j-й отрасли; k – число отраслей; FIRM – капитализация компании; N – число аналитиков, участвующих в Данные по динамике цен на нефть – http://www.scrin.ru; по выручке от продаж услуг МТС – http://mts.ru; по другим показателям – Росстат.

прогнозе; SHFR – доля акций, приходящаяся на наиболее крупного акционера; VOL – волатильность цен на акции. Расчет производился для 36–38 (в зависимости от используемых объясняющих переменных) компаний, входящих в 6 секторов экономики: нефтегазовая отрасль, энергетика, телекоммуникации, металлургия, машиностроение и потребительский сектор. К сожалению, в случае использования показателей волатильности прибыли с корректировкой на сезонную составляющую число наблюдений уменьшается до 29, так как далеко не для всех компаний имеются квартальные данные для идущих подряд лет.

Сначала рассмотрим регрессию, дополнительно включив в правую часть только волатильность прибыли. Это делается для того, чтобы из всего набора показателей (в итоге их оказалось более 12) выбрать наиболее подходящие для последующей работы только с ними. Рассмотрим 3 регрессии с использованием волатильности выручки, балансовой и чистой прибыли с корректировкой на сезонную составляющую.

k -DISFi = + Dj + E _VOLi +VOLi + j j=(44) + ln(FIRMi ) + Ni +SHFRi + i Общая таблица корреляций для данных показателей следующая:

Выручка Б. приб (ст) Б. приб (в) Ч. приб (ст) Ч. приб (в) Выручка 1.Б. приб (ст) 0.338 1.Б. приб (в) 0.174 0.015 1.Ч. приб (ст) 0.112 0.645 –0.007 1.Ч. приб (в) 0.427 0.065 0.485 0.058 1.Примечание. (ст) – означает, что показатель посчитан с помощью формулы (39); (в) – с помощью формулы (41).

Как видно, существует сильная корреляция между балансовой и чистой прибылью, тогда как выручка с ними связана слабо. Результаты регрессий представлены в Приложении 3, табл. П3-9 – П3-11.

Коэффициент при волатильности прибыли оказался незначим во всех трех регрессиях. При дальнейшей попытке рассмотрения других объясняющих переменных коэффициент продолжает оставаться незначимым. Коэффициент корреляции данных переменных с другими остается достаточно низким (максимальное значение – 42%), поэтому сильной мультиколлинеарности здесь не наблюдается.

Кроме того, исследование других показателей с использованием логарифмов, а также формулы (41) не приводит к значимости соответствующих коэффициентов. На основании этого, а также дальнейшей проверки других показателей волатильности прибыли можно заключить, что показатели волатильности с корректировкой на сезонную составляющую являются неподходящими. Возможно, правда, что причиной незначимости является небольшое количество данных (29).

Теперь рассмотрим показатели волатильности без корректировки на сезонную составляющую. Для начала изучим общую волатильность, построенную на 16 кварталах, т.е. за 4 года (то, что рассматривалось с корректировкой на сезонную составляющую). Результаты приведены в Приложении 3, табл. П3-12 – П3.14. Хотя коэффициент по-прежнему незначим, тем не менее в отличие от предыдущих регрессий он имеет положительное значение, как и предполагалось.

Pages:     | 1 |   ...   | 27 | 28 || 30 | 31 |   ...   | 58 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.