В то же время, не стоит сразу же принимать решения после выхода новостей о показателях, уровень которых ниже прогнозного уровня. Каждая публикация экономических индикаторов содержит поправки к предыдущим опубликованным данным.
2.3Стандартный метод оценки эффекта новостей на финансовые рынки
Предыдущие исследования эффектов объявлений концентрируются на следующей регрессии:
=--b+--
Где - это изменение доходности актива за небольшое временное окно вокруг объявления,
- это новостной шок,
b - мера эффекта новостей,
- случайная ошибка.
Регрессионный анализ показывает, как рынки реагируют на новости. Необходимо обратить внимание, что константа в модели отсутствует, поскольку средняя доходность должна равняться нулю. Но в некоторых статьях, например работе Belgacem [14] [50] в модели присутствует константа.
2.4 Событийный анализ
Экономистам часто необходимо измерить эффект экономического события на рынок. Это стало возможным с появлением алгоритма для проведения событийного анализа (Event study), который изначально определяется как статистический метод оценки влияния какого-либо события на стоимость компании.
Методология событийного анализа доказала свою применимость и значимость в различных областях корпоративных финансов [50], включающих сделки слияний и поглощений, изменение дивидендной политики, осуществление первичного размещения акций (IPO) и других. В большинстве случаев, исследования сосредоточены на выявлении эффектов события на цены определенного класса ценных бумаг компании, преимущественно на обыкновенные акции.
Как уже было сказано в предыдущей главе, применение событийного анализа способствует проверке эффективности рынка. При проведении такого рода исследования важными характеристиками реакции на событие являются несмещенность и скорость. Эмпирически выявлено, что преобладающее большинство экономических событий доказывают свою информационную значимость в течение очень короткого отрезка времени. Если существует обратная тенденция, когда информация не мгновенно и не в полной мере отражается на котировках ценных бумаг, принято говорить о неэффективности рынка.
2.5 История событийного анализа
Считается, что впервые современный алгоритм событийного анализа был представлен в работе Fama, Fisher, Jensen, Roll (1969) [31] на примере дробления акций (stock splits), Ball и Brown (1968) на примере публикации отчетности компании о финансовых результатах [11].
Тем не менее, первое эмпирическое исследование с применением метода событийного анализа (event study) было представлено в работе Dolley, 1933. В статье отслеживалось изменение капитализации компании в ответ на решения о сплите акций. Ученым выявлено, что более чем в 60% случаев, данное событие привело к росту цен акций в течение периода в десять лет (1921-1931 гг.)
На сегодняшний день событийный анализ - наиболее популярный метод оценки влияния определенного события на поведение рынка. Весьма подробно методология разобрана в статье MacKinlay (1997) [50].
2.6 Процедура для событийного анализа
Структура событийного анализа построена следующим образом. Для начала, необходимо определить интересующее «событие», а также период рассмотрения котировок ценных бумаг, на которых данное событие оказывает влияние, т.е. «окно события».
К примеру, в случае рассмотрения ежедневных данных по динамике прибыли, событие - это выход информации о прибылях, окно события - 41 день: 20 дней до, 20 дней после и 1 день - день события. Такое «окно» принято обозначать следующим образом: [-20; 20].
Возвращаясь к примеру с объявлением прибыли компании, котировки могут содержать информацию о прибылях до фактического выхода новости о прибыли. В таком случае, исследовательской задачей может являться оценка доходностей до самого события. На практике, «окно» растягивают на несколько дней, включая, по крайней мере, один день до объявления и один день после.
Ширина «окна» может быть любая, но его нужно определить таким образом, чтобы представлялось возможным на качественном уровне исследовать период вокруг события, уловить ценовые эффекты выхода информации. Но в то же время, слишком широкое окно может содержать много «шума», препятствующего получению впоследствии выводов, отражающих, в той или иной мере, реальную ситуацию.
Далее целесообразно сформулировать гипотезу исследования и осуществить разделение событий на «благоприятные» - если рынок на них реагирует «хорошо», и на «неблагоприятные» - если рынок реагирует на них «плохо». В исследованиях влияния непредвиденного увеличения или уменьшения дивидендных выплат акционерам [5], для подобной классификации событий используется «сигнальная теория дивидендов», когда увеличение ожидаемого уровня действует на рынок «хорошо», а уменьшение - «плохо».
Оценка влияния события требует измерения анормальной доходности. Это разница между фактической доходностью ценной бумаги и нормальной доходностью для данного окна события. Нормальная доходность определяется как ожидаемая доходность при условии отсутствия события. Для компании i и события t анормальная доходность рассчитывается следующим образом:
= -E ()
Где - анормальная доходность,
- фактическая доходность,
E () - ожидаемая доходность для периода t.
Фактическая доходность - это число не отрицательное и для каждого дня его рассчитывают следующим образом:
Существует много способов вычисления нормальной (ожидаемой) доходности. Самый простой - это использование модели с постоянной средней доходностью (constant mean return model). В рамках данной модели, нормальную доходность вычисляют в течение оценочного периода и предполагают, что она постоянна во времени. К примеру, при оценочном периоде [-80; -30] будет верна следующая формула для вычисления нормальной доходности в рамках модели с постоянным средним:
E (|) =
Как утверждают Brown, Warner (1980, 1985) [17], [18] несмотря на свою простоту, модель со средним применима для реализации исследования в рамках событийного анализа и не существенно искажает результаты по сравнению с более изощренными моделями. Ученые также допускают, что можно не осуществлять корректировок на инфляцию, если включить в модель дневные цены и оценивать дневную доходность акций.
Прогнозная (нормальная) доходность затем используется для вычисления избыточной доходности, средней избыточной доходности и накопленной средней избыточной доходности, как будет описано позже.
В рыночной модели (market model) имеет место линейная зависимость между рыночной доходностью и доходностью ценной бумаги (рыночная доходность), то есть учитывается уровень риска компании, оцениваемого рынком. Чтобы реализовать данную модель, необходимо выбрать «чистый» (оценочный) период и осуществить регрессионный анализ для этого периода. Стандартно, модель выглядит следующим образом:
,
Где - это рыночный индекс, например S&P500 для дня t,
- мера чувствительности i-той фирмы к рынку - мера риска,
показатель средней доходности за период, который не объясняется рыночным движением,
статистическая ошибка.
Регрессионный анализ выдает оценочные значения , то есть . Ожидаемая доходность фирмы за каждый день событийного окна - это доходность, посчитанная с помощью рыночной модели с использованием полученных оценочных значений коэффициентов, т.е.
= + ,
Где теперь - это доходность рыночного индекса за фактический день событийного окна.
Поскольку рыночная модель учитывает и риск, оцениваемый рынком, и среднюю доходность, этот метод является наиболее популярным. Впервые модель использовали Famaetal (1969).
Помимо этого существует метод рыночной доходности (market adjusted return method), в рамках которого предполагается, что ожидаемая доходность акций за каждый день событийного окна совпадает с доходностью фондового индекса за этот день. Методология схожа с рыночной моделью с той лишь разницей, что , а . Поскольку оценочный коэффициент обычно принимает невысокие значения, а коэффициент перед переменной относительно всех компаний, входящих в индекс равен 1, данное приближение оправдано и дает приемлемые результаты.
Существуют также многофакторные рыночные модели. Они являются самыми изощренными способами оценки нормальной доходности.
Если «окно события» - это количество дней, для которых рассчитывается избыточная доходность, то для определения нормальной доходности в рыночной модели необходимо ввести в модель оценочный период. Он должен предшествовать окну событий и не пересекаться с ним. Возвращаясь к примеру с окном события [-20; 20], оценочный период может составлять 50 дней [-80; -30]. В данном случае, два периода не пересекаются.
Как рекомендует MacKinlay (1997) [50], при реализации событийного анализа на основе ежедневных данных и рыночной модели нормальной доходности, параметры рыночной модели можно, как вариант, рассчитать за 120 дней до события. Как правило, день события не включается в оценочный период, чтобы избежать влияния события на оценку параметров модели нормальной доходности.
После вычисления ожидаемой (нормальной) доходности одним из трех вышеперечисленных методов, рассчитывается избыточная доходность, которая является разницей между фактической доходностью и нормальной доходностью.
Избыточная доходность представляет собой абнормальную доходность - часть доходности, которая не ожидаема рынком, и поэтому оценкой изменения стоимость фирмы из-за появления новостей. Для каждого дня событийного окна абнормальные доходности усредняются для рассматриваемых компаний.
Финальной ступенью является суммирование средней избыточной доходности для каждого дня, то есть вычисление CAR (Cumulative average residual), который показывает средний совокупный события для всех компаний за выбранный временной интервал.
При идеальном раскладе, можно получить результаты, которые позволят понять источники и причины эффектов (недостатка эффектов) события. Дополнительный анализ может потребоваться, когда возникают спорные выводы.
2.7 Интервал данных
Анализ реакции рынка на новостные шоки может проводиться на различных временных интервалах - с использованием высокочастотных (от минут до дней) или долгосрочных данных. При выборе последнего варианта стоит иметь в виду, что на длинных временных интервалах выборка будет содержать больше «шума». Более того, некоторые исследователи утверждают, что использование ежемесячных данных не позволяет «уловить» скорость и мощность влияния отклонений макроэкономических показателей США от прогнозируемого уровня на котировки акций финансовых рынков. В подобных исследованиях, как показывают научные работы на эту тематику, целесообразнее использовать ежедневные данные.
Применение ежедневных данных также решает проблему асинхронной торговли, которая возникает из-за различия в часовых поясах, а поэтому и времени торгов между странами.
Новостной шок определяется как разница между фактическим уровнем индикатора и ожидаемым (прогнозным) значением. Для того чтобы сравнивать новости, их принято делить на стандартное отклонение и использовать в анализе стандартизированные новостные шоки в качестве регрессора. Зависимой переменной, в таком случае, является изменение доходности индекса за исследуемое окно.
Событийный анализ является наиболее популярным методом выявления реакции рынка на выход информации. Однако алгоритм для анализа макроэкономических новостей не так популярен. Выделив оценочный период и рассчитав для него нормальную (ожидаемую) доходность, можно измерить абнормальную доходность индекса за событийное окно. Просуммировав полученные значения, и разделив кривые исходя из того, после какого типа информации последовала реакция, оценивается направления влияния информации на рынок.
3. Исследование эффекта макроэкономических шоков США на российский фондовый рынок
В данной главе рассматривается методология исследования. В начале главы приведены и описаны макроэкономические индикаторы, публикации которых будут изучены на предмет их влияния на российский фондовый рынок. Далее приводятся этапы стандартного исследования выхода макроэкономической информации, и только затем описывается процедура событийного анализа для данного исследования.
3.1 Данные
В рамках данной работы, событиями являются макроэкономические статистические объявления в США. При осуществлении анализа влияния новостей о макроэкономической статистике США на рынок, важно отобрать «правильные» индикаторы.
Как следует из предыдущих научных исследований, одними из наиболее влиятельных индикаторов, которые принимаются во внимание инвесторами, являются следующие:
Показатели инфляции
Индекс потребительских цен (consumerpriceindex) - ежемесячно
Измеряет средний уровень цен, актуальный для потребителей из категории городских жителей (80% населения в странах с важнейшими для мира валютами) для покупки фиксированной корзины товаров и сервисов. Публикациявключаетвсебяизмененияценболее чем в 200 категорий.
Показатели состояния экономики
Уровень безработицы (Unemploymentrate) - ежемесячно
Оценка распространенности безработицы, рассчитывается как процентное соотношение количества безработных и всю рабочую силу. Информацию о текущей занятости публикует Бюро статистики труда США ежемесячно по пятницам.