Дипломная работа: Реакция российского фондового рынка на публикацию стоимости бренда компании

Согласно выдвинутой гипотезе, предполагается положительное влияние упоминания фирмы в рейтинге компаний с самыми дорогими брендами на цены акций. Для проверки этого предположения необходимы следующие данные: названия компаний, владеющих упомянутыми брендами, точные даты публикации отчетов, а также цены акций компаний в течение выбранного окна оценки и окна события (публикации компанией отчета о самых ценных российских брендах (Shafi et al., 2018)) и соответствующие значения бенчмарка.

Для проверки значимости влияния стоимости бренда на образование избыточных доходностей предполагается дополнительно построить линейную регрессионную модель, предложенную в исследовании Chehab et al. (2016). Модель описывает взаимосвязь между стоимостью бренда и кумулятивной избыточной доходностью: мы предполагаем, что при увеличении стоимости бренда, кумулятивная избыточная доходность акций после публикации становится выше. Данная гипотеза обоснована тем, что инвесторы должны воспринимать сильный бренд как сигнал того, что фирма обладает достаточными возможностями для обеспечения долгосрочного роста, вследствие чего принимают решения об инвестициях в компанию с сильным брендом (Yeung, Ramasamy, 2017).

2.2 Описание переменных

Как отмечалось ранее, в качестве зависимой переменной выступают кумулятивные избыточные доходности (CARs), которые рассчитываются как сумма избыточных доходностей в течение выбранного окна события.

Независимой переменной будет выступать стоимость бренда (bv). Стоит отметить, что для этой переменной используются два источника данных: оценки компаний «Interbrand» и «BrandFinance». Нужно учитывать, что организации производят оценку в соответствии с методами собственных разработок (подробнее они были описаны на стр. 10-11), что может привести к некоторым искажениям результатов анализа. Чтобы отследить эффект компании, опубликовавшей рейтинг самых ценных брендов, введена соответствующие дамми-переменные для обозначения бренд-консультанта (interbrand).

Помимо абсолютной стоимости бренда на образование избыточной доходности может повлиять её изменение относительно предыдущего рейтинга. Так, например, в исследовании Hsu et al. (2013) есть доказательство того, что эффект для впервые попавшей в топ самых дорогих брендов фирмы сильнее, чем для компаний, которые поднялись в рейтинге по сравнению с позицией в предыдущем году. Для того, чтобы отследить этот эффект, введём категориальные переменные, обозначающие повышение стоимости (up), снижение (down) и упоминание бренда в рейтинге самых ценных впервые (new).

Также исследователи (Chehab et al., 2016) рекомендуют включать в число контрольных переменных размер компании (size) (натуральный логарифм совокупных активов компании) ввиду того, что чем больше компания, тем большими ресурсами она обладает для развития брендинга, что, в свою очередь, может оказывать влияние на рост цен на акции и избыточные доходности (Kosmidou, 2008; Rasiah, 2010).

Помимо этого, на силу взаимосвязи между стоимостью бренда и кумулятивными избыточными доходностями может воздействовать отраслевая принадлежность фирмы, владеющей брендом (Yap, 1990). По этой причине в модель включен ряд переменных, отвечающих за отрасли компаний: нефтегазовую (neft_and_oil), телекоммуникационную (telecom), ритейл (retail) и финансовую (finance).

3. Методология исследования

3.1 Метод анализа событий

Эффект от включения компании в рейтинг проверяется с помощью метода анализа событий. В отличие от альтернативного метода - анализа предсказуемости доходности - применение событийного анализа дает достоверные результаты на краткосрочных временных интервалах при отсутствии выхода значимых сопутствующих новостей. Главная задача метода событийного анализа состоит в оценке избыточных, или аномальных, доходностей - разнице между фактической и ожидаемой, или нормальной, доходностью. Предполагается, что в случае отсутствия наступления события фактическая доходность равна ожидаемой доходности. (Погожева, 2013). Процедура проведения анализа включает несколько этапов.

Определение события для исследования и даты. Событие должно оказывать финансовое влияние на фирму, быть неожиданным для рынка, а также содержать новую для него информацию (McWilliams, Siegel, 1997). Публикация независимой компанией рейтинга брендов соответствует данным критериям. Кроме того, на данном этапе стоит уделить внимание выбору точной дате публикации и окна события. Зачастую ограничение состоит в том, что инвесторы могут узнать о нём из разных источников: формальных неформальных, а также до официального подтверждения со стороны фирмы в случае утечки информации (McWilliams, Siegel, 1997).

Первое рассмотренное публичное появление отчета от бренд-консалтинговой компании «Interbrand» в 2008 году состоялось 10 ноября, следующий аналогичный рейтинг для российских компаний вышел 13 декабря 2010 года, а последний отчет - 29 октября 2013 года.

Отчет «The Most Valuable Russian Brands of 2017» был впервые опубликован 18 апреля 2017 года, а следующий аналогичный рейтинг брендов стал доступным для пользователей официального сайта компании «BrandFinance» 15 августа 2018 года.

Таблица 2. Даты публикаций рейтингов

Выбор окна события. Анализ литературы показал, что авторы рассматривают реакцию рынка как в краткосрочном, так и в долгосрочном периодах. При этом существенно чаще в маркетинговых исследованиях оценивают эффект от события на временном промежутке, редко превышающем 5 дней, тогда как авторы работ в области финансов склонны выбирать окно длительностью от 12 месяцев (Sorescu, 2017). Выбор окна события до сих пор является дискуссионным вопросом в научном сообществе, однако существует распространенное мнение о том, что выбор более узкого окна события позволяет снизить влияние других событий, возникающих в информационной жизни компании (сводит к минимуму так называемые «шумы»). Более широкое окно события необходимо выбирать в случае, если исследуются редкие или значимые для компании события (например, выход нового продукта, смена генерального директора, сделка слияния и поглощения), если инвестором необходимо время на получение и интерпретацию информации (например, перевод публикации на родной язык) и т.д. Ввиду этого в рамках данного исследования рассматриваются следующие временные промежутки наблюдения цен акций - окна событий: (-1, 1), (-5, +5), (-15,15) (как рекомендовано в работе (Lei et al., 2013)), центрированных вокруг дат выхода рейтингов, указанных в таблице 2. Кроме того, выбор данных периодов для оценки позволит соотнести полученные результаты с выводами существующих исследований.

На следующем шаге необходимо выбрать показатель для измерения реакции фондового рынка на событие. Как правило, этот параметр основан на аномальной доходности акций, рассчитываемой как разница между доходностью, возникающей при наступлении события (то есть фактической), и «нормальной» доходностью, которая могла быть, если бы событие не состоялось - в случае отсутствия публикации рейтинга самых дорогих российских брендов.

Фактическая доходность акции рассчитывалась как отношение цены закрытия по ценной бумаге i в день t к цене закрытия в день t-1 минус единица (Kothari, Warner, 2007). Источником данных о ценах акций для каждой даты, входящей в окно оценки и окно события, стал сайт investfunds.com.

Помимо аномальных доходностей часто дополнительно рассчитывают CARs - кумулятивные аномальных доходности, необходимые для оценки общего накопленного эффекта от случившегося события.

Выбор модели для оценки «нормальной» доходности - следующий необходимый этап проведения событийного анализа. В исследованиях, повещённых изучению влияния оценки стоимости бренда на цены акций, используются различные варианты моделей. В Sorescu et al. (2017) рекомендовано делать выбор, основываясь на периоде изучения событий. В частности, в случае краткосрочного окна события широко применима простейшая модель со средним, которая часто дает те же результаты, что и более сложные модели, так как дисперсия доходности в течение нескольких дней достаточно низка. Потенциально лучшей является рыночная модель, которая исключает доходность, относящуюся к рынку. Используется так же рыночная модель CAPM, которая, в свою очередь, является частным случаем многофакторных моделей (таких как модель Фама-Френча и Фама-Френча-Кархарта).

В зарубежных статьях были предприняты попытки использовать разные модели для оценки эффектов от включения компании в рейтинг самых дорогих брендов: как простые модели со средним (Hsu et al., 2013) и рыночные модели (Dutordoir et al., 2015, Shafi et al., 2018), так и более сложные варианты (Madden et al., 2006; Chehab et al., 2016), которые кроме рыночной доходности учитывают такие факторы, как размер компаний, разницы темпов роста и отношения балансовой стоимости активов к капитализации. В целом модели отличаются точностью и разной степенью смещенности результатов, что, в свою очередь, влияет на оценку аномальных доходностей, однако краткосрочный анализ событий менее чувствителен к выбору модели для оценки нормальной доходности E (, поэтому для эмпирического тестирования в данном исследовании выбрана более простая рыночная модель.

Значения и, необходимые в дальнейшем для определения нормальных доходностей, рассчитываются на основе данных о фактических доходностях акций и доходности индекса, выбранного в качестве бенчмарка, в течение окна оценки, или оценочного интервала. В научном сообществе распространено брать окно, равное 120 торговым дням (Sorescu et al., 2017). Поэтому в данной работе используется оценочное окно (-135, -16).

В роли заменителя рыночного портфеля в модели нормальной доходности выступает доходность индекса Московской межбанковской валютной биржи (ММВБ) (источник - moex.com). Данный индекс рассчитывается по ценам торгов на ММВБ, в листинг включены в основном высоколиквидные акции, следовательно, индекс довольно гибко реагирует на изменения рынка (Найденова, 2015).

На последующих этапах событийного анализа рассчитывается кумулятивная аномальная доходность (CAR) - сумма аномальных доходностей всех предыдущих дней окна события. После чего проверяется статистическая значимость полученных результатов либо с помощью вычисления t-статистики, p-value или других способов. При проведении теста на значимость проверяется гипотеза о том, что средний показатель аномальных доходностей равен нулю в момент времени t (в день события). Предполагается, что положительная аномальная доходность свидетельствует о том, что случившееся событие сопровождается ростом стоимости акций, а отрицательная говорит о противоположном результате (Sorescu et al., 2017).

Реализация метода анализа событий требует тщательного отбора данных, которые должны соответствовать следующим характеристикам (Shafi et al., 2018):

- фирмы, включенные в выборку, обладают только одним брендом, поскольку оценка вклада каждого отдельного бренда (в случае, если их у компании несколько) в общий эффект затруднительна;

- акции исследуемых фирм должны торговаться на бирже;

- бренд соответствующей фирмы должен быть включен в рейтинг, публикация которого рассматривается как событие.

Для реализации метода анализа событий использовались инструменты MS Excel.

3.2 Модель

Для оценки значимости влияния стоимости бренда на реакцию фондового рынка на публикацию стоимости бренда, то есть на образование аномальных доходностей, была выбрана базовая линейная регрессионная модель.

Оценивание модели выполнено с использованием языка программирования для статистической обработки данных - R.

3.3 Анализ выборки

Для анализа были выбраны данные, опубликованные в течение последних 10 лет компаниями «Interbrand» и «Brand Finance» - одними из крупнейших мировых независимых консалтинговых агентств, которые публикуют отчеты о самых дорогих брендах в том числе для российских компаний. Поскольку публикации происходили не каждый год, выборка ограничена 5 годами: 2008, 2010, 2013, 2017 и 2018.

Важно отметить, что некоторые бренды не удовлетворяют требованиям, описанным выше, поэтому были исключены из анализа. Так, например, бренды «Арсенальное», «Балтика», «Невское», «Ярпиво» принадлежат одной пивоваренной компании «Балтика», так же, как «Домик в деревне», «Чудо», «J7» относятся к компании «Вимм-Билль-Данн», а «Перекресток», «Пятерочка» и «Карусель» и «Х5» - бренды, принадлежащие компании «X5 Retail Group». Кроме того, ряд компаний удален из выборки ввиду недоступности данных (например, в заданный период их акции не торговались на бирже). Таким образом, учитывая ограничения, при дальнейшем анализе были рассмотрены бренды 42 российских компаний.