Дипломная работа: Влияние рейтинговых агентств на ценообразование акций

Очевидно, что рейтинговые оценки влияют не только на корпоративные ценные бумаги, но и на банковские. Значимость банковской сферы для рынка рейтинговых услуг подчеркивается хотя бы тем, что существуют специальные рейтинги, являющиеся индикаторами «здоровья» банков и выступающие оценкой их способности выполнить свои финансовые обязательства. Банковский сектор стал предметом изучения в статье авторов Gropp и Richard, 2001. В работе изучается влияние рейтинговых событий на цены облигаций и капиталов европейских банков. Ставятся такие вопросы, как ведут ли себя цены по-разному для ожидаемых и неожидаемых изменений, вызывают ли неожидаемые события рост AR, различна ли реакция рынка облигаций на повышения и понижения, различна ли реакция рынка акций в зависимости от понижения рейтинга. Отличительной особенностью статьи является использование банков в качестве объекта анализа.

Выборка состояла из 186 событий для 32 банков за период с 1989 года по 2000 год. Для AR и CAAR использовалась модель CAPM. Estimation-window определен в границах [t-100; t-5], event-window в границах [t-1; t+1]. Кроме того, авторами выбран дополнительный временной период - «post-announcement» на интервале [t+2; t+40].

В результате были получены смешанные выводы. Рынок акций сильно реагирует на рейтинговые события, при этом, важную роль играют причины изменения рейтинга. Так, если падение долгового рейтинга вызвано ростом риска, то может наблюдаться рост AR, обратное верно при снижении доходов банка. Более того, дальнейшее увеличение AR если изменение было «сходящимся», а не «отклоняющимся» относительно рейтингов других агентств. Не было замечено значительных изменений до дня события, что можно интерпретировать как наличие новой информации в публикации рейтинга. Для облигаций, напротив, не было замечено аналогичных эффектов. Возможно, это объясняется проблемами выборки, однако различные тесты не смоги их выявить. В качестве объяснения можно предположить, что облигации в целом менее чувствительны к таким изменениям, и инвесторы действуют по принципу «too big to fail». Кроме того, банки в выборке были достаточно крупными и далекими от дефолта, поэтому для других финансовых организаций могла бы наблюдаться иная картина.

Отдельно следует заметить, что были проведены дополнительные тесты для объяснения слабой реакции в случае бондов. Так, авторы изменили estimation-window на [t-40; t-2] и изучили движения цен до события. Однако, колебания оказались незначимыми и имели «неверный» знак. По итогам проведения robustness-теста, авторы предположили, что проблема с тестированием цен облигаций проистекает из структуры выборки и требует более детальной работы с дневными данными, когда торги не проводились.

По результатам исследования Gropp и Richards пришли к выводу, что по крайней мере для рынка акций в банковском секторе реакция инвесторов на рейтинговые события является весьма ощутимой. Иными словами, изменение рейтинга содержит в себе новую информацию, не доступную публично. Можно сделать вывод о том, что рейтинговые агентства в своей методике оценки не только агрегируют сведения, доступные всем контрагентам, но и включают в рейтинговые оценки совершенно новые данные, не использованные игроками рынка ранее. Данная статья является очередным примером того, как выбор среды для тестирования может повлиять на выводы (в частности, фокусировка на европейских банках, а не, например, американский компаниях).

1.6 Эффективность рынка и модели ценообразования

Метод событий непосредственно связан с оценкой анормальной доходности активов (abnormal return). Под анормальной доходностью понимается разница между фактической доходностью и неким бенчмарком. Традиционно в области ценообразования активов под бенчмарком понимается доходность, оцененная при помощи хорошо теоретически обоснованной модели САРМ или эмпирической трехфакторной модели Fama & French. Гипотеза эффективного рынка гласит, что рынок является эффективным в отношении некого информационного множества, если невозможно регулярно получать экономическую прибыль (доходность, скорректированная на риск), действуя в рамках этого информационного множества. Соответственно, кредитные события должны быть учтены в ценах акций и не приводить к появлению анормальных доходностей.

Модель САРМ

Основная идея модели CAPM с точки зрения инвестора состоит в анализе и сравнении рисков, связанных с конкретной инвестиционной бумагой и рыночным риском, т.е. риском рыночного портфеля. Если i-й актив входит в состав абсолютно диверсифицированного портфеля активов, уровень риска, связанный с i-м активом измеряется как ковариация рассматриваемого актива и диверсифицированного портфеля, деленная на дисперсию последнего.

Название коэффициента «бета» в модели CAPM принадлежит У. Шарпу. Он предложил его в качестве оценки систематического риска, сохраняющегося после диверсификации портфеля для каждого отдельного актива. Однако, применение бета-коэффициентов не ограничивается областью ценных бумаг, и может, например, использоваться в корпоративной или проектной оценке.

В модели CAPM используется один фактор, выраженный рассмотренным ранее коэффициентом бета, который может принимать любые значения по модулю и знаку в зависимости от степени связи цены какого-либо актива с доходностью рыночного портфеля. Простота, широкая применимость и высокая теоретическая обоснованность определили ее популярность в области финансовых исследований. В общем виде модель выглядит следующим образом:

(1)

(2)

где - безрисковая ставка процента,

- среднерыночная доходность,

- ковариация актива i с рыночным портфелем,

- дисперсия рыночного портфеля.

Трехфакторная модель Фамы и Френча (1993)

Хотя модель CAPM стала широко применимой в финансовом анализе, ее эмпирическая сила стала слабеть. В результате авторы Fama & French предприняли попытку реанимировать равновесную модель САРМ и путем подгонки добавили в нее два дополнительных фактора - прокси - фактор размера и стоимости (1992). Авторы обнаружили, что фактор соотношения балансовой и рыночной стоимости капитала компании BE/ME позволяет объяснить значительную долю дисперсии доходностей в кросс-секции. Также был сделан вывод о том, что хотя фактор размера компании нельзя исключить из анализа, в силу объяснения им части дисперсии, показатель BE/ME, тем не менее, имеет более высокую объясняющую способность по сравнению с прокси фактором размера или рыночным фактором.

Выяснилось, что зависимость между доходностью и показателем BE/ME является положительной, в то время, как аналогичная связь с размером фирмы - отрицательной. Таким образом, ceteris paribus, компании меньшего размера и с более высоким показателем BE/ME будут иметь более высокую доходность. В последствие модель стала популярной альтернативой классической модели CAPM за счет более высокой прогностической способности.

В общем виде модель выглядит следующим образом:

(3)

где r0t - месячная доходность безрисковых ценных бумаг;

E(rit) - месячная доходность i-ой акции в момент времени t;

rpt - доходность рыночного портфеля;

ei - несистематическая доходность i-ой ценной бумаги;

вi - чувствительность i-ой бумаги к значению различных факторов;

(rpt - r0t) - премия за риск всего рыночного портфеля (первый фактор);

SMB (Small Minus Big) - фактор премии за размер;

HML (High Minus Low) - фактор премии за недооцененность.

Факторы, предложенные Fama & French, оцениваются при помощи построения арбитражных портфелей, по которым инвесторы одновременно занимают длинную и короткую позиции. Общая выборка компаний ранжируется по убыванию в зависимости от величины показателя BE/ME, рассчитанного по данным на конец декабря каждого года. Балансовая стоимость в данном случае равна сумме стоимости собственного капитала и отложенных налогов за вычетом привилегированных акций. Из выборки исключаются фирмы с отрицательной величиной балансовой стоимости капитала. Затем с учетом рыночных особенностей определяются квантили (первый квантиль - высокое значение BE/ME, последний - низкое), и выборка делится на портфели. Портфель HML определяется в результате разности средневзвешенных доходностей первого и последнего квантиля и выражает риск недоцененности компании.

Для построения портфеля SMB выборка ранжируется по размеру компаний (капитализации) и делится на несколько групп, чаще всего используют в литературе медианное значение как брейкпоинтс. Аналогично фактору HML, строится фактор SMB и рассчитывается как разность средневзвешенных доходностей портфелей, состоящих из акций крупнокапитализированных компаний и доходностей портфелей из акций компаний с низкой капитализацией. Таким образом, учитывается риск, связанный с размером компании.

Ниже представлены расчетные формулы для портфелей:

(4)

(5)

Финальное составление портфелей осуществляется путем пересечения двух выборок. Перерасчет портфелей осуществляется в июле с тем, чтобы имелась возможность использовать опубликованные компаниями финансовые отчетности.

Наконец, доходность каждого портфеля можно рассчитать либо присвоив всем бумагам одинаковый вес, либо назначить веса в соответствии с капитализацией компаний.

Таблица 1. Формирование портфелей на основе факторов размера и отношения BE/ME

В результате проведенного анализа, Fama и French пришли к выводу, что трехфакторная модель является более точной и имеет хорошую объясняющую силу. Более того, тесты на основе данных по компаниям за пределами США также показали положительные результаты. Таким образом, хотя имеются основания для критики модели Fama & French (слабая теоретическая обоснованность, мультиколлинеарность, вероятность того, что маленькие фирмы с высоким BE/ME имеют высокие доходности не из-за связанных рисков, а в силу интенсивности реакций инвесторов), сфера ее применения оказалась весьма широкой, а различные подтверждения ее работоспособности способствовали ее популяризации.

1.7 Дополнительные наблюдения

Очевидно, что изучение сферы деятельности рейтинговых агентств не сводится только лишь к рассмотрению связи между рейтингами и ценами бумаг. Рынок CRA представляет собой достаточно сложную структуру, исследование которой можно проводить по различным направлениям. Ниже представлены некоторые наблюдения для того, чтобы лучше понимать рынок услуг рейтинговых агентств и принципы его функционирования.

В обзоре вышеупомянутой статьи Philippe Raimbourg рассматривалась возможность заключения теневых контрактов между рейтинговыми агентствами и их клиентами. Принцип работы CRA «платит клиент» создает условия, в которых фирмы имеют инициативу создавать закулисный рынок сделок. Отчасти данная проблема регулируется SEC (Security Exchange Comission) ведением списка агентств, имеющих официальное признание комиссией. Однако, на практике данное «лицензирование» не решает фундаментальной проблемы. Несмотря на то, что данный список может расширяться, на практике путем сделок M&A количество стабильных участников рынка остается неизменным: «большая тройка» фактически является олигополией на предоставление рейтинговых услуг. Таким образом, хотя подставным фирмам закрыт выход на рынок, три крупных агентства получают весьма значительную рыночную власть, что позволяет им управлять рынком и навязывать свои условия. Иными словами, вероятность мошенничества в сфере рейтинговых услуг нельзя исключать. Ярким примером сомнительного качества рейтинговых оценок являются финансовые кризисы, которые начинаются с цепной реакции банкротств институтов, имевших высокие рейтинги, но не выполнивших своих кредитных обязательств.

Авторы Yan He, Junbo Wang и K.C. John Wei изучали вопрос асимметрии информации на рынке в своей статье Do bond rating changes affect the information asymmetry of stock trading? Авторы данной статьи проверяют две гипотезы о рейтинговых событий: сигнальной (изменения рейтинга раскрывают информацию о фирме, снижая долговую неопределенность и асимметрию информации на рынке акций) и дискреционного раскрытия (различная скорость раскрытия хороших и плохих корпоративных новостей и их взаимосвязь с хорошими и плохими рейтинговыми сигналами).

В результате были протестиированы и подтверждены две обозначенные ранее гипотезы. Рейтинговые данные снижают асимметрию информацию на рынке и увеличивают число информированных агентов. В то же время, асимметрия информации в случае понижения рейтинга увеличивается, поскольку плохие новости раскрываются позже и относительно медленно. Обратное верно для повышения рейтинга. Кроме того, повышение / понижение рейтинга положительно / отрицательно сказывается на PIN (probability of information-based trades), а степень изменения рейтинга положительно коррелирует с объемом изменения величины PIN.

Christina E. Bannier и Christian W. Hirsch анализировали специфику влияния watchlist событий на рынок. В статье The economic function of credit rating agencies - What does the watchlist tell us? изучается влияние процедуры занесения компании в watchlist - практики, введенной рейтинговыми агентствами для специального выделения фирм, рискующих в ближайшее время потерять свой текущий кредитный рейтинг в связи с финансовыми показателями или намечающимися сделками.