Дипломная работа: Совокупная доходность акционеров российский публичных компаний: взаимосвязь с показателями деятельности и выявление ключевых драйверов

3. Эконометрический анализ драйверов TSR

3.1 Описание исследуемой выборки

Исследуемая в работе выборка включает в себя 59 российских компаний, обыкновенные акции которых торгуются на Московской Бирже. Полный список компаний с указанием их принадлежности отраслям экономики приведён в таблице приложения 2. Всего задействованы фирмы из 13 отраслей, при этом несколько из них занимают доминирующее положение по числу включенных в выборку представителей (компаний): более 30% составляют энергетические компании, цветная и чёрная металлургия вместе образуют чуть более 15%, на нефтегазовую отрасль приходится около 10% компаний выборки.

Диаграмма отраслевого распределения компаний выборки

Ключевым основанием логики формирования выборки было подобрать компании, удовлетворяющие критериям ликвидности их обыкновенных акций (под ликвидностью понимается активность торгов с не более чем 15 неторговыми (при этом рабочими) днями подряд в году), достаточного объёма акций в свободном обращении (более 10% от всех выпущенных акций) и выполнение обязательства компании по раскрытию отчётности по стандартам МСФО, так как именно таковая была принята источником для сбора данных. Согласно выделенным трём критериям, подходящими компаниями стали те, акции которых входят в первый или второй котировальные уровни Московской Биржи. Также были исключены финансовые организации, поскольку они обладают специфическими особенностями в силу характера осуществляемой деятельности и в таком случае выборка становится не гомогенной.

Временной промежуток, выбранный для проведения анализа, представляет собой пятилетний период с 2012-го по 2016 года. Подобное решение связано, в первую очередь, с экономическими колебаниями в России в последнее десятилетие. Рассмотреть в данной работе какой-либо недалёкий - ненамного отстоящий от 2018 года - четырёх- или пятилетний временной интервал с абсолютно стабильным состоянием экономики во всех отраслях не представлялось возможным. Тем не менее, посредством мониторинга главным образом динамики котировок акций российских публичных компаний на Московской Бирже выбранный период был определён как демонстрирующий относительно мало резких ценовых перепадов, не показывающий затяжных кризисов или взлётов.

3.2 Описание переменных и тестирование гипотез для одиночного rTSR

Основу для последующего анализа представляют панельные данные, где представлены значения 59-ти российских публичных компаний за 2012-2016 гг. по 9-ти переменным: одиночный rTSR, кумулятивный TSR, ?ROA, ?EP, ?выручка, , ?активы, концентрация собственности и доля квалифицированных инвесторов в акционерном капитале. При этом одиночный и кумулятивный TSR предполагаются как зависимые переменные, а остальные указанные метрики - как независимые.

Инструментом тестирования выдвинутых в главе 2 гипотез выступит регрессионный анализ, а именно - построение линейных многофакторных моделей регрессии поочередно для одиночного и кумулятивного TSR с помощью статистического пакета Stata. Все переменные будущих моделей обозначены, как представлено в таблице 5.

Обозначения переменных регрессионных моделей

Данные были очищены от аномальных наблюдений (выбросов): было отброшено суммарно 64 наблюдения по всем переменным для одиночного rTSR и 76 наблюдений по всем переменным для кумулятивного TSR. Итоговое число наблюдений для одиночного rTSR составило 408, для кумулятивного - 396. Предполагается, что для потенциальных регрессионных моделей выполняются условия Гаусса-Маркова. В частности, после проверки на наличие мультиколлинеарности путём анализа корреляционной матрицы и VIF-тестирования, таковой проблемы выявлено не было. В таблицах ниже приведены основные параметры описательной статистики для каждой переменной будущих моделей.

Описательная статистика переменных моделей

Важно заметить, что в целях обеспечения сопоставимости объёма выборки числу включённых в каждую из будущих моделей параметров, изучаемые независимые переменные, а, как следствие, и соответствующие гипотезы, условно разделены на две группы (по тому же принципу, как это уже было сделано в главе 2):

1) группа финансовых и иных внутрифирменных характеристик, включающая переменные ep, netdebitda и гипотезы и , соответственно;

2) группа показателей структуры собственности, включающая переменные own_conc и qual_inv и гипотезы и соответственно.

Тестирование гипотез для одиночного rTSR

Как было отмечено ранее, две группы гипотез о наличии взаимосвязи между независимыми переменными (драйверами) и совокупной акционерной доходностью будут проверяться посредством построения многофакторных линейных регрессионных моделей. В текущем разделе будут продемонстрированы процесс и результаты анализа драйверов показателя одиночного rTSR, поэтапная процедура которого представлена ниже. Важным замечанием является то, что в моделях одиночного rTSR все приростные индикаторы (roa, assets, revenue, ep) отражают процентное изменение соответствующей величины за один календарный год.

Этап 1. Построение базовой регрессионной модели

На роль независимых базовых (контрольных) переменных в моделях одиночного rTSR (rtsrsingle) выбраны переменные приростов величины активов, рентабельности активов и выручки - assets, roa и revenue соответственно. Базовая модель подразумевает включение тех независимых переменных, взаимосвязь которых с результирующим признаком (TSR) будет практически неизменно сохранять своё направление и значимость независимо от включения в модель или исключения из неё иных переменных. Также базовые переменные не являются основой тестируемых гипотез, гипотезы проверяются путём добавления в базовую модель тех независимых переменных, взаимосвязь TSR с которыми необходимо проверить. Предполагалась отрицательная взаимосвязь между assets и rtsrsingle и положительная - между rtsrsingle и roa, revenue. Значимая базовая модель позволила подтвердить данные гипотезы (табл. 7). Выводы относительно значимости (p-value) моделей регрессии на протяжении всего анализа делались на основании результатов тестов Фишера (для сквозной регрессии и регрессии с фиксированными эффектами) и Вальда (для регрессии со случайными эффектами).

Регрессионный анализ базовой модели

Примечание: знаками «*», «**», «***» отмечена значимость переменных на уровнях 10%, 5% и 1% соответственно.

Этап 2. Построение полных моделей регрессии

Поскольку эконометрический анализ проводился по панельным данным, для начала необходимо было выбрать наиболее подходящий тип модели в каждой случае (для модели 1 и модели 2): сквозную регрессию, с фиксированными эффектами (FE) или со случайными эффектами (RE). Вывод делался на основе результатов тестов Вальда, Бреуша-Пагана и Хаусмана.

Говоря о ключевых различиях между типами моделей, можно отметить, что сквозная регрессия предполагает гомогенность единиц выборки - то есть, в данном случае, отсутствие у каждой публичной компании значимых индивидуальных особенностей. Регрессия же FE, напротив, подразумевает наличие каждой компанией уникальных ненаблюдаемых характеристик, которые не меняются во времени, и учитывает их в модели. Однако часто в такой модели теряют свою значимость другие независимые переменные, так как учитываются еще некоторые дополнительные параметры - как раз индивидуальные эффекты единиц выборки. Подобная ситуация имела место и в текущем исследовании - это можно заметить из таблиц с результатами регрессионного анализа в разделах ниже: некоторые переменные становятся незначимы в модели FE. Что касается типа модели RE, то такую регрессию часто называют компромиссом между сквозным типом и FE, так как она принимает в расчёт индивидуальные эффекты, но предполагает их изменчивость во времени, позволяя получать более значимые оценки, чем при регрессии с фиксированными эффектами. Важным ограничением для применения модели RE является требование некоррелированности случайных эффектов (особенностей) единиц выборки с исследуемыми переменными, так как наличие такой корреляции не учитывается в модели. Зачастую данное требование не выполняется.

Модель 1: финансовые и иные внутрифирменные характеристики

В первой модели для rtsrsingle тестировались гипотезы и . Наиболее адекватным типом модели в данном случае оказалась сквозная регрессия с уравнением вида:

где ;

На основании полученных результатов, представленных в таблице ниже, нет оснований принять или отвергнуть гипотезу об отрицательной взаимосвязи и rTSR, так как переменная netdebitda была незначима.

Регрессионный анализ одиночного rTSR, модель 1

Примечание: знаками «*», «**», «***» отмечена значимость переменных на уровнях 10%, 5% и 1% соответственно

Оставшаяся гипотеза принимается: ep была значима на 1% уровне и знак коэффициента перед переменной согласовался с выдвинутым предположением. Таким образом, можно сделать вывод о наличии положительной линейной взаимосвязи между ?EP и rTSR.

Модель 2: характеристики структуры собственности

Построение модели 2 было направлено на проверку гипотез и . Среди разновидностей моделей была, как и в первом случае, выбрана модель сквозной регрессии с уравнением вида:

где ;

Полученные результаты (табл. 9) не позволяют принять или опровергнуть обе гипотезы, так как ни одна из переменных own_conc или qual_inv не оказалась значимой. То есть, значимая парная связь между rTSR и уровнем концентрации собственности и долей квалифицированных инвесторов в акционерном капитале отсутствует.

Регрессионный анализ одиночного rTSR, модель 2

Примечание: знаками «*», «**», «***» отмечена значимость переменных на уровнях 10%, 5% и 1% соответственно.

Этап 3. Анализ результатов полученных моделей регрессии

На завершающем этапе была осуществлена проверка на наличие гетероскедастичности в моделях - по результатам тестов Уайта и Бреуша-Пагана таковой не было обнаружено. Основываясь на этом, можно сказать, что полученные модели регрессии относительно точны.

Как итог, из четырёх выдвинутых гипотез была подтверждена одна ()- о положительной линейной парной взаимосвязи между величиной совокупной акционерной доходности и приростом экономической прибыли (?EP). Отсюда ?EP можно назвать драйвером одиночного rTSR.

Говоря о второй группе гипотез - о характеристиках структуры собственности, выводом по полученным результатам является отсутствие всякой значимой связи между совокупной акционерной доходностью и структурой собственности фирмы. Для сравнения можно привести итоги исследования Анкудинов А., Лебедев О. Детерминанты создания акционерной стоимости российскими компаниями. [Электронный ресурс] // Корпоративные финансы. - 2014. - № 1(29). - стр. 32-47. - URL: https://cfjournal.hse.ru/article/view/1486 Анкудинова, Лебедева, где все переменные, характеризующие структуру собственности, оказались незначимыми в регрессионных моделях.