Формирование структуры капитала

Для минимизации вышеперечисленных пробем оценки целевой структуры капитала я буду использовать метод наименьших квадратов с использованием фиксированных эффектов, а затем для анализа значимости факторов на скорость приспособления применю обобщенный метод моментов, который использует инструментальные переменные. При анализе скорости приспособления, каждый фактор используется по-отдельности, чтобы исключить проблему мультиколлинеарности.

3.3 Интерпретация результатов

3.3.1 Анализ целевой структуры

В результате анализа целевой структуры капитала с помощью МНК с фиксированными эффектами было получено следующее уравнение.

DEBT = 0.0611 + 0.0095*LNASS + 0.1731*TANG - 0.2678*EBIT_TA - 0.1086*MTB + 0.0323*MAJ - 0.0483*FOR + 0.1771*FREEFLOAT + 0.0124*GOVER +0.2823* MEDTDR

Все коэффициенты имеют знаки, которые соответствуют ожиданиям. Lnass, Tang, MEDTDR, положительно влияют на уровень долга, в то время как MTB и EBIT/TA отрицательно. Фиктивные переменные имеют положительные знаки. Таким образом, можно сделать вывод, что у фирм, акционерам которых является государство или иностранные инвесторы, уровень заемного капитала будет выше. Это можно объяснить тем, что издержки финансовой неустойчивости для них меньше. Также положительное влияние имеет фиктивная переменная, отвечающая за наличие контрольного пакета акций у одной компании или инвестора.

Переменная freefloat, которая отвечает за процент торгуемых акций на рынке, имеет положительное влияние. Возможно, чем больше акций торгуется на фирме, тем выше степень корпоративного контроля и ниже асимметрия информации, что приводит к повышению репутации фирмы среди инвесторов, а также к уменьшению издержек финансовой неустойчивости. Для наглядности характеристики зависимости зависимой переменной от факторов, которая была получена в результате анализа, представлены в Таблице 4.

Для проверки значимости коэффициентов будет использоваться критическая величина t статистики. Для 10% доверительного интервала критическое значение T статистики со степенью свободы 100 больше равно 1,28, при 5% критическое значение равно 1,64.

На 10%-ом уровне значимы все факторы кроме фиктивной переменной GOVER, однако ее t статистика близка к критическому значению. При 5 %-ом уровне все традиционные детерминанты все также значимы, в то время как фиктивные переменные уже не являются значимыми.

Критерий Дарбина--Уотсона равен 2.03. Данный тест помогает определить наличие автокорреляции среди переменных уравнения. В случае отсутствия корреляции данный критерий имеет значение 2. В нашем случае значение выше, что свидетельствует об отсутствии автокорреляции. Ф статистика говорит о том, что в общем, уравнение является значимым, критическое значение Ф-статистики 2,1, что намного ниже полученного в результате анализа (9.036057).

Таким образом, гипотеза 1 не может быть отвергнута на 5%-ом уровне. Гипотеза 2 не может быть отвергнута на 10%-ом уровне.

3.3.2 Анализ скорости приспособления

При оценке эффективности влияния факторов на структуру капитала использовалось значение целевой структуры капитала, полученное в результате анализа коэффициентов первого уравнения. Для оценки регрессии использовался Общий Метод Моментов (ОММ) для исключения эндогенности и автокорреляции. Факторы, которые возможно влияют на скорость приспособления, подставлялись по очереди в уравнение , чтобы избежать мультиколлинеарность.

Уравнение, использованное для анализа значимости факторов следующее:

(10)

При тестировании значимости отклонения фактической структуры на целевой, знак влияния получился отрицательной, как и ожидалось. Однако сам фактор в результате анализа получился, незначим, что противоречит результат многих работ. В некоторых работах все же можно встретить незначимость данного фактора, например в работе Дробеца и Ванзенрид. В их работе такой результат объясняется тем, что в случае фиксированных издержек фирмы будут менять структуру капитала только в случае большого отклонения, а маленькие отклонения незначимы.

Значение краткосрочной ставки рефинансирования является значимым фактором (на 5%) и имеет положительное влияние на скорость приспособления. Это соответствует предположениям и предыдущим анализам. Кроме того это соответствует теории Хакбафа о том, что скорость приспособления выше в периоды бумов. Высокий уровень ставки свидетельствует, что экономика находится в хорошем состоянии.

Коэффициент значимый на 5%-ом уровне. Этот результат также подтверждает теорию Хакбафа, поскольку высокий темп роста ВВП свидетельствует об улучшении состояния экономики.

Значимость фактора, который отвечает за возможность роста, в результате данного анализа не доказан. Это противоречит результатам многих исследований, однако оценка может быть смещена.

Гипотеза 3 не может быть отвергнута.

3.3.3 Оценка средней скорости приспособления

Для оценки средней скорости приспособления использовалось среднее значение долга по отрасли с разделением по годам. Предпосылками данного анализа является то, что у всех фирм одинаковая скорость приспособления и то, что фактическая структура капитала стремиться к целевой. В качестве метода оценки использовался метод наименьших квадратов с фиксированными значениями.

Переменная D0_D_1 отражает разницу между целевой структурой капитала и фактической. Уравнение анализа представляло собой модель частичного приспособления:

(DEBT-DEBT(-1))=C(1)(DEBT*-DEBT(-1)), где коэффициент C(1) отражает скорость приспособления. Согласно результатам анализа, скорость приспособления равна 53%. То есть за год в среднем фирма сокращает разницу между фактическим и целевым уровнем на 53%.

Коэффициент Дарбина--Уотсона равен 2, 158, что свидетельствует об отсутствии автокорреляции.

3.3.4 Ограничения анализа

В результатах данного анализа возможны ошибки в связи с несколькими фактами:

1. При формировании выборки были исключены компании, которые не представляли необходимую информацию, в целях предотвращения несбалансированности выборки. Это в свою очередь могло привести к самоотбору.

2. Выборка была сформирована из данных по 41 компании за 3 года (2010-2012). Поскольку выборка маленькая возможно смещение результатов, необходимо повторить исследование на более большой выборке.

3. Возможно возникновение эндогенности, в результате включение в уравнение лаговой переменной уровня долга. Несмотря на применение общего метода моментов все же возможно, что результаты были смещены.

4. Анализ сделан на основе модели частичного приспособления, которая сама по себе имеет недостатки. Исследователи например Шайм-Сандер и Майерс (1999) и Чанг и Дасгупта (2008), неоднократно упоминали о том, что данная модель при анализе скорости приспособления всегда дает положительные результаты. Даже при анализе фирм, которые не приспосабливаются к целевой структуре, полученная скорость была положительной.

Заключение

Формирование структуры капитала на протяжении долго времени является актуальным вопросом для исследований. В данной дипломной работе проанализировано формирование структуры капитала на развивающихся рынках с помощью динамической компромиссной модели.

На основе обзора прошлых исследований были выделены значимые факторы, которые в дальнейшем были использованы для анализа. Анализ был проведен с использованием модели частичного приспособления на основе выборки из российских компаний за 2010-2012 года.

В результате анализа получены оценки коэффициентов факторов, влияющих на формирование структуры капитала и на скорость приспособления. Было доказано, что традиционные факторы значимы на российском рынке. Также с помощью введения фиктивных переменных подробно было проанализировано влияние концентрации собственности на формирование структуры капитала. Было показано, что наличие государства в числе акционеров положительно сказывается на уровне долга. Также было показано, что, когда в контрольный пакет акций принадлежит одному инвестору, или же акционером является зарубежный инвестор, уровень долга выше. Кроме того в результате анализа была получена значимая положительная зависимость целевой структуры капитала от процента акций находящихся в свободном доступе.

В дальнейшем для исследования данной темы для улучшения качества и эффективности анализа необходимо учесть все ограничения модели и по возможности уменьшить их влияние на результаты . Для этого должен быть проведен анализ на основе большей выборки, а в качестве борьбы с самоотбором использован метод описанный Франком и Гойлом (2009). Кроме того существует еще много факторов, которые не исследованы на российских развивающихся рынках, которым стоит уделить внимание.

Список литературы

1. Ивашковская И.В., Макаров П.В. Действуют ли классические концепции выбора структуры капитала на развивающихся рынках? Эмпирический анализ компании? Восточной и Центральной Европы. // Электронный журнал «Корпоративные финансы». - 2010. - № (15). - 47-62 с.

2. Кокорева М. С. Выбор структуры капитала компаниями стран БРИК и Восточной Европы: эмпирический анализ // Электронный? журнал «Корпоративные финансы». - 2010. - № 2 (22). - 58-70 с.

3. Ariff, M., Taufiq H. How Capital Structure Adjusts Dynamically During Financial Crises // Corporate Finance Review. - 2008. - №13. - 11-24 p.

4. Booth L., Varouj A., Demirguk-Kunt A., Maksimovic V. Capital Structures in Developing Countries // Journal of Finance. - 2001. - №56 (1). - 87-130 p.

5. Clark B., Francis B., Hasan I. Do firms adjust toward target capital structures? Some international evidence. - 2009. - 59 p.

6. Cook O., Tian Tang Macroeconomic Conditions and Capital Structure Adjustment Speed. - 2008. - 56 p.

7. Dang V.A., Kim M., Shin Y. Asymmetric Capital Structure Adjustments: New Evidence from Dynamic Panel Threshold Models // Journal of Empirical Finance, Forthcoming. - 2011.

8. De Haas, R., M. Peeters The Dynamic Adjustment Towards Target Capital Structures of Firms in Transition Economies // Economics of Transition. - 2006. - №14 (1). - 133-169 p.

9. Drobetz, W., Wanzenried G. What determines the speed of adjustment to the target capital structure? // Applied Financial Economics. - 2004. - №16 (13). - 941-958 p.

10. Fama E. and K. French Testing Tradeoff and Pecking Order Predictions about Dividends and Debt // The Review of Financial Studies. - 2002. - №15 (1). - 1-33 p.

11. Fischer, Heinkel R., Zechner J. Dynamic Capital Structure Choice: Theory and Tests // The Journal of Finance. - 1989. - №4 (1). - 19-40 p.

12. Frank M.Z., Goyal V.K. Trade-Off and Pecking Order Theories of Debt. - 2007. - 85 p.

13. Frank, M. Z., V. K. Goyal Capital Structure Decisions: Which Factors are Reliably Important? // Financial Management. - 2009. - №38 (1). - 1-37 p.

14. Frydenberg Stein. A Dynamic Model of Corporate Capital Structure // EFMA. - 2003. - 58 p.

15. Glen J., Singh A. Comparing capital structures and rates of return in developed and emerging markets // Emerging Markets Review. - 2004. - №5. - 161-192 p.

16. Hanousek J., Shamshur A. A Stubborn Persistence: Is the Stability of Leverage Ratios Determined by the Stability of the Economy? // Journal of Corporate Finance. - 2011. - №17 (5). - 1360-1376 p.

17. Heakal R. What Is An Emerging Market Economy? // Investopedia. - 2003.

18. Hovakimian, A., G. Li In Search of Conclusive Evidence: How to Test for Adjustment to Target Capital Structure // Journal of Corporate Finance. - 2011. - №17 (1). - 33-44 p.

19. Korajczyk R.A, Levy A. Capital structure choice: macro economic conditions and financial constraints // Journal of Financial Economics. - 2003. - №68. - 75-109 p.

20. Jorheden L., Fallenius M. Target Capital Structure and Adjustment Speed - a dynamic panel data analysis of Swedish firms. - Lund University, 2007.

21. Lintner J. Distribution of Incomes of Corporations among Dividends, Retained Earnings and Taxes // The American Economic Review. - 1956. - №46 (2). - 97-113 p.

22. Mileva E. Using Arellano-Bond Dynamic Panel GMM Estimators in Stata. - Fordham University, 2007.

23. Mitton, T., Why Have Debt Ratios Increased for Firms in Emerging Markets? // European Financial Management. - 2008. - №14 (1). - 127-151 p.

24. Nivorozhkin. E. Capital Structures in Emerging Stock Markets: The case of Hungary // Papers of the 4th Conference on Financial Sector Reform in Central and Eastern Europe. - 1998. - 103-122 p.

25. Opler T.C., Titman S. Financial Distress and Corporate Performance // The Journal of Finance. - 1994. - №49 (3). - 1015-1040 p.

26. O?ztekin O?., Flannery M.J. Institutional Determinants of Capital Structure Adjustment Speeds // Journal of Financial Economics. - 2012.

27. Titman S., Tsyplakov S. A dynamic model of optimal capital structure // Review of Finance. - 2007. - №11 (3). - 401-451 p.

Размещено на Allbest.ru