Работа построена на расчете показателей ликвидности для наиболее часто торгуемых бумаг: акции и облигации компаний ОАО «Лукойл», ОАО «Газпром», ОАО «Сбербанк», ОАО «МТС» с 2008 по 2010 годы.

Среди результатов, автор отмечает, что для акций наиболее релевантным показателем ликвидности является относительный спрэд купли-продажи (измеритель транзакционных издержек). Для облигаций же, по мнению автора не подходит ни один из показателей среди спреда купли-продажи, оборачиваемости и относительного объема сделок за период. Неприменимость индикаторов ликвидности связана с очень низкой частотой торгов.

Так, для корпоративных и муниципальных облигаций, Колесов предлагает полагаться на присутствие бумаги в ломбардном списке. Также, автором предлагается держать облигацию до срока погашения, так как, продажа бумаги сопряжена с высокими транзакционными издержками (потеря в стоимости при поиске покупателя).[1]

Еще одна работа, напротив, анализирует ликвидность высокодоходных, «бросовых», облигаций. Автор, Пашкова Н.А., в своей статье сегментирует высокодоходные корпоративные облигации по признаку ликвидности согласно принадлежности к той или иной отрасли. В процессе исследования был рассчитан сводный показатель ликвидности при помощи вычисления отклонений от среднего по выборке различных индикаторов ликвидности (количество сделок за период, объем торгов, спрэд между максимальной и минимальной ценой, изменение среднерыночной цены)по дневным данным за январь-апрель 2005 г.

Пашкова приходит к выводу, что наиболее выгодными для инвестора (баланс между доходностью и ликвидностью) являются бумаги эмитентов отрасли машиностроения и строительства. Аутсайдерами же являются представители финансового и банковского сектора экономики. [2]

Подводя итог проведенным исследованиям на российском рынке, стоит отметить, что тема ликвидности корпоративных облигаций слабо проработана на эмпирических данных. Так, Чайкун объединяет корпоративные и муниципальные облигации в один пул. Кроме того, использование модели автора сопряжено с необходимостью наличия доступа к микро данным (двусторонние котировки). Пашкова и Колесов, в большей мере, опираются на практическое применение физическими лицами и банками.Важно заметить, что из трех исследований, только в работе Колесова используются свежие данные. Однако и они не захватывают после кризисный период, который отличается новыми закономерностями.

Глава 2. Построение модели и выбор показателя ликвидности на российском рынке корпоративных облигаций

Исследование, представленное в данной работе, посвящено выбору наилучшего показателя ликвидности, объясняющего спрэд доходности корпоративной облигации на российском рынке. В процессе анализа был рассчитан ряд индикаторов ликвидности, примененных ранее другими исследователями в работах подобной тематики. Результаты показали, что спрэд доходности на российском рынке значимо объясняется показателями ликвидности.

Наиболее значимым среди показателей нами был признан спрэд купли-продажи. Кроме того, была рассчитана чувствительность спрэда доходности к различным факторам-источникам ликвидности. Значимость выбранного прокси ликвидности выше для компаний, принадлежащих к финансовому сектору экономики и для компаний с подтвержденным рейтингом (S&P, Fitch, Moody's).

Кроме того, был сконструирован собственный показатель ликвидности, учитывающий спрэд купли-продажи и его волатильность. Включение данного индикатора повышает значимость модели описания спрэда доходности. Кроме того, составной показатель не чувствителен к признаку принадлежности к финансовой сфере экономики, что расширяет практическую применимость модели. Далее, в работе подробнее описана выборка и процесс исследования.

2.1 Данные используемые для выборки

Для исследования использовались панельные данные по 32 корпоративным облигациям, эмитированным двадцатью компаниями на российском рынке. Каждая из ценных бумаг торгуется на бирже ММВБ. Рассматриваемый период: 01.01.2009 - 14.03.2014. Данные взяты с месячным интервалом. Таким образом, для каждой облигации насчитывается 63 периода.

Ценные бумаги выбирались по принципу присутствия на бирже в течение всего рассматриваемого периода. Данные взяты с сайта Cbonds.ru. Список облигаций представлен в приложении 1.

Далее, подробно опишем результирующую переменную (спрэд доходности с государственной облигацией), основные показатели ликвидности (proxy ликвидности): спрэд купли-продажи, доля дней простоя, оборачиваемость, и характеристики облигаций и эмитентов, которые могут являться источниками ликвидности. Среди них отметим количество лет жизни (срочность), наличие рейтинга (S&P, Moody's, Fitch), род деятельности эмитента, объем эмиссии.

2.2 Спрэд доходности облигации

В качестве результирующей, объясняемой, переменной в работе используется спрэд доходности между доходностью к погашению по средней цене закрытия торгового дня для корпоративной облигации и соответствующей ей (по сроку до погашения и общему числу лет существования) доходностью государственной облигации. Рассмотрим составляющие расчетной величины отдельно.

Доходность к погашению корпоративных и безрисковых (государственных) ценных бумаг рассчитывалась по ежедневной цене закрытия (расчет с сайта Cbonds.ru). Для расчета корректного спрэда использовалось три государственные бумаги с различными сроками до погашения: Россия 26198, Россия 46021 и Россия 46022 с датами погашения 26 ноября 2014г., 8 августа 2018 г., 19 июля 2023 г. соответственно. Затем, выборка корпоративных облигаций была разделена на три соответствующие группы: 1-2 года до погашения, 2-6 лет до погашения и остальные бумаги (срок более 7 лет). Далее, путем вычитания вычислялись спрэды доходности с государственными бумагами. На рис. 1 представлена динамика спрэдов доходностей в разбивке по бумагам. Как видно, тренд изменений у облигаций похож, следовательно, при построении модели необходимо вносить корректировку на экзогенное влияние на доходности бумаг. Также следует отметить разную амплитуду спрэдов для бумаг. Амплитуда и есть изучаемая составляющая (индивидуальный признак). Тренд же, задается извне, так как, рынок (экзогенная составляющая) и влияет на все бумаги одновременно.

На рис. 2 представлено сравнение среднего по всем бумагам спрэда и спрэда, рассчитанного путем взятия разности между доходностями индекса IFX-Cbonds (доходность корпоративных облигаций) и 5-ти летних государственных облигаций. По графику видно, что дисперсия рынка в целом на порядок ниже дисперсии доходностей выбранных бумаг.

Однако параллельность трендов указывает на состоятельность выборки описать поведение рынка корпоративных облигаций в целом. Таким образом, ситуацию, смоделированную данным исследованием можно проецировать на весь рынок.

В прил. 3 приведена описательная статистика (средние значения, стандартные отклонения) спрэдов доходностей с разбивкой по облигациям. Выбросы (резко отклоняющиеся значения: более 40%) исключены из выборки.



Рисунок 1. Динамика спрэда доходности в разбивке по бумагам

Рисунок 2. Сравнение спрэда, рассчитанного по индексу и по анализируемой выборке

2.3 Индикаторы ликвидности

Существует несколько показателей ликвидности, основанных на модели нулевой доходности. В данной работе будет использован базовый показатель без дополнительных модификаций и корректировок на длительность простоя, долю торгов бумаги на рынке, транзакционные издержки и т.д. таким образом, показатель ликвидности, в нашем случае, рассчитывается как доля простоя рынка для определенной бумаги за месяц:

, (25)

где: - количество дней за месяц j, когда по i-ой бумаге не было зафиксировано торгов;

- количество торговых дней на бирже ММВБ в j-й месяц.

Таким образом, чем более доля простоя рынка для определенной бумаги, тем ниже ее ликвидность на рынке. Данный измеритель ликвидности был апробирован как на развитых (США, Канада), так и на развивающихся рынках (Латинская Америка). Результаты для обеих групп рынков показали значимость доли простоя при объяснении спрэда доходности (напр., Chen, Lesmond, Wei, 2007 или Becaert, 2007).

На рис. 3 приведена частота распределения бумаг по среднему значению доли простоя в месяц за весь период (январь 2009 г. - март 2014 г.). Как видно из гистограммы, 28 из 33 бумаг, в среднем, не торгуются более 50% дней в месяц. Среднее значение простоя российского рынка за рассматриваемый период по выбранным активам составляет 66%. Что сравнимо с аналогично рассчитанными показателями Бекарта (Becaert, 2007) для развивающихся стран. Средняя доля простоя для развивающихся рынков (в т.ч. Чили, Бразилия, Корея, Зимбабве и др.) в работе Бекарта, равна 55%. Таким образом, можно говорить о сравнимости данного показателя ликвидности для российского рынка и других развивающихся стран.

Среди всех бумаг, наиболее торгуемой по доле простоя является ВТБ, 06: ее уровень простоя в среднем составляет 11% торговых дней в месяц. На последнем месте по ликвидности согласно модели нулевой доходности находится Сатурн, 03, «простаивающая» 98% дней в месяц.

Рисунок 3. Доля дней простоя в месяц

Что касается динамики уровня простоя рынка, то изменение среднего (по всем бумагам) proxy ликвидности представлено на рис. 4. По графику видно, что, в среднем по всем бумагам, уровень простоя колеблется в пределах от 47% (апрель 2010 г.) до 82% (август 2013 г.) с трендом к снижению уровня торгуемости. Данный факт еще раз подтверждает низкую ликвидность рынка в целом. Кроме того, тенденция изменения доли дней схожа по бумагам при сравнении трендов, что говорит о зависимости нулевых торгов от настроения рынка в целом. Это необходимо учитывать при построении модели. Более подробная описательная статистика показателей ликвидности приведена в прил. 2.

Рисунок 4. Средняя по бумагам динамика доли простоя

Классический вариант данного индикатора ликвидности предполагает долю расхождения в ценах спроса и предложения от итоговой цены сделки. Следовательно, для расчета спрэда необходимы первичные данные о торгах в разрезе совершения каждой сделки. Ввиду отсутствия подобной детализации для анализируемого российского рынка, в данной работе будет рассчитан упрощенный вариант индикатора:

, (26)

где: - цена продавца бумаги i в период j;

- цена покупателя бумаги i в период j.

В нашем случае, показатель спрэда рассчитывался для каждого дня по ценам закрытия покупки и продажи (цены bid и ask), при их наличии. Затем вычислялось среднее месячное значения дневного спрэда.

Смысловая составляющая спрэда купли-продажи заключается в доле несоответствия цен. Таким образом, при помощи данного показателя косвенно оценивается величина транзакционных издержек: чем больше несоответствие цен, тем выше издержки (трения) при совершении сделки. Логично, что, чем больше спрэд цен, тем менее ликвидна бумага. То есть с возрастанием различия в ценах спроса и предложения снижается вероятность быстрой сделки без значительных потерь в выгоде для инвестора.

На рис. 5 представлена гистограмма распределения среднего по всем периодам месячного bid-ask спрэда для анализируемой выборки. Как видно из распределения, по компаниям спрэд очень различается: по индикатору можно сказать, что в выборке присутствуют как ликвидные, так и неликвидные корпоративные облигации. Важно отметить, что по bid-ask спрэду наиболее ликвидна также бумага ВТБ, 06. Бумага компании Сатурн вновь обладает меньшей из всех ликвидностью.

Корреляция между двумя рассмотренными показателями (доля дней простоя и спрэд цен купли - продажи) составляет 26%, в то время, как у Бэйкона по развивающимся странам коэффициент корреляции между такими же индикаторами составил в среднем 48% (от 0,09 у Бразилии, до 0,87 у Мексики). Ввиду значительной дисперсии корреляций для разных стран, говорить о сравнениях рынка России и других стран некорректно. Данный факт говорит о нетривиальности связи между двумя индикаторами ликвидности в силу различных ее источников (низкая частота торгов и высокие транзакционные издержки).



Рисунок 5. Среднее значение спрэда купли-продажи по всем месяцам по бумагам

Динамика спрэдов в разбивке по облигациям представлена на рис. 6. Судя по графику, однозначно можно говорить о схожей динамике для всех бумаг. Таким образом, bid-ask спрэд предположительно чувствителен к изменениям на рынке (сила чувствительности варьируется для разных бумаг), следовательно, отражает не внутренние источники неликвидности, а внешние: простой всего фондового рынка. Таким образом, при рассмотрении индикатора bid-askспрэд в модель объяснения спрэда доходности, необходимо включать показатель нагрева рынка (котировки индекса, акций «голубых фишек», обменный курс ключевых валют и др.).



Рисунок 6. Динамика спрэдов купли-продажи

Оборачиваемость (Turnoverratio)

Следующий показатель, оборачиваемость, учитывает не только факт наличия торгов, но еще и их масштабность. Индикатор традиционно используется в исследованиях на тему ликвидности. Рассчитывается он как доля торгуемой части от эмитированной суммы за определенный период времени. Формула расчета следующая:

, (27)

где: - объем торгов i-ой бумаги за j-й период;

- объем эмиссии i-ой бумаги.

Периодичность, как и при расчете остальных proxy - месяц. На рис. 7 представлена гистограмма распределения ценных бумаг по оборачиваемости. Из гистограммы видно, что у основной части бумаг торгуется в среднем лишь 2-7% от эмиссии. Лидером, по данному показателю, на этот раз, является облигация Россельхозбанк, 03 с результатом 12% от эмиссии (около 1,2 млрд. руб.), на последнем месте по оборачиваемости Сатурн, 03 (26000 руб. в мес.). Среднее значение составляет 4% (284 млн. руб.).

Рисунок 7. Распределение облигаций по оборачиваемости

Динамика показателя во времени (среднее по компаниям), представленная на рис. 8, также свидетельствует о снижении интенсивности торгов за последние месяцы. Максимальной интенсивности торгов за рассматриваемый период рынок достигает в первом квартале 2010 года (20%) при значительной амплитуде изменения с последующим затуханием и плавным снижением (до 2%).

Бекарт в своем исследовании также измеряет оборачиваемость. Средняя оборачиваемость по всем странам за весь рассматриваемый период составила 6,9%. Межстрановая дисперсия оборачиваемости рынка корпоративных облигаций находится на достаточно высоком уровне (Пакистан - 24%, остальные - до 10%, минимальная оборачиваемость у Зимбабве - 0,9%), следовательно, данный показатель также зависит от специфики рынка.

В работе Бекарта корреляция между индикатором bid-ask спрэд и оборачиваемостью стабильна для всех рынков и равна -20% (логика подтверждается: чем больше транзакционные издержки, тем меньший объем будет торговаться на рынке). В случае российского рынка коэффициент корреляции составляет -14%.

Несмотря на совпадение направления связи на российском и зарубежных рынках, в разбивке по компаниям связи между двумя proxy ликвидности неоднозначны. Шесть бумаг (напр. Газпром, 09, Детский Мир-Центр) показывают положительный коэффициент корреляции. Такое расхождение может быть связано с шероховатостями рынка (один из показателей в большей степени объясняется каким-либо экзогенным фактором).

Согласно работе Бекарта, показатель оборачиваемости и простоя рынка находятся в отрицательной взаимосвязи (средний коэффициент корреляции для бумаг составляет -35%). Для российского рынка корреляция в среднем составила -38%. Важно отметить, что взаимосвязь прослеживается для каждой из рассматриваемых бумаг.

В прил. 2 представлены основные описательные статистики для каждого из рассмотренных индикаторов с детализацией до облигации.

Рисунок 8. Динамика средней по облигациям оборачиваемости

По результатам пространственного сравнения (по бумагам) можно говорить о соблюдении первоначальной логики (по коррелируемости показателей) с результатами Бекарта, полученными на рынках развивающихся стран. Коэффициенты корреляции получились следующие (все коэффициенты значимы на ур-не 5%):

Коэф-т корр.	Простой рынка	Bid-ask спрэд	Обор-ть
Простой рынка	1	0,26	-0,77
Bid-ask спрэд	0,26	1	-0,24
Обор-ть	-0,77	-0,24	1

По результатам помесячного сравнения по каждой из бумаг, отметим нарушение логики у следующих облигаций: Первый ипотечный агент АИЖК. 1А, МДМ Банк. 08, Ипотечный агент АИЖК 2008-1. А, Детский мир - Центр. 01,Газпром. 09, ВТБ. 06, ВТБ-Лизинг Финанс. 02, АИЖК. 11, АИЖК. 06.

Во всех случаях нарушения связаны с индикатором Bid-ask спрэд (корреляция оборачиваемости и простоя стабильна), что еще раз подтверждает наличие экзогенных причин его изменчивости.

Каждый из рассмотренных выше измерителей уровня ликвидности для корпоративных облигаций обладает как определенными преимуществами, так и недостатками. Использование каждого показателя в отдельности не позволяет построить максимально описывающую действительность зависимость доходности бумаги от ее ликвидности. В данном исследовании будет сделана попытка объединить достоинства всех рассмотренных выше показателей, являющихся значимыми при построении индивидуальных регрессий (с участием одного индикатора): конструирование составного индикатора ликвидности.

Подобно Дик-Нильсену, Фелдхуттеру и Ландо (Dick-Nielsen, Feldhutter, и Lando, 2012), был разработан основанный на других показателях измеритель ликвидности облигаций. Он определяется, как сумма нормированных центрированных компонентов ликвидности. Таким образом, формула расчета составного показателя ликвидности следующая:

, (28)

где: - ликвидность i-ой бумаги за период t;

- количество значимых индикаторов ликвидности;

- центрированный нормированный показатель ликвидности;

- первый и второй моменты показателей ликвидности.

2.4 Источники ликвидности

Под источниками ликвидности, в данной работе, понимаются характеристики эмитента или самой ценной бумаги, которые могут быть причиной большей или меньшей торгуемости. к примеру, Дик-Нильсон, Фельдхаттер, Ландо (Dick-Nielsen J., Feldhutter P., Lando F., 2012) рассматривают показатель принадлежности к финансовому сектору как источник дополнительной ликвидности в период выхода из кризиса. Предпосылка к включению данного фактора состоит в том, что первыми после кризиса «оживают» именно финансовые компании, за ними подтягивается реальная промышленность. Другими словами, чувствительность доходности бумаги к показателю ликвидности выше у представителей финансового сектора. Кроме того, в ряде работ рассмотрен срок жизни бумаги. Авторы предполагают, что доходность чувствительнее к ликвидности у более коротких бумаг.

В данной работе в качестве источников чувствительности к ликвидности будут рассмотрены принадлежность к финансовому сектору и наличие рейтинга S&P, Moody's и Fitch у эмитента.

Среди анализируемых облигаций 20 относятся к финансовой сфере, 12 - к реальному сектору экономики. Эмитенты 9 бумаг не имеют рейтинга, остальные 23 рейтингуются крупнейшими агентствами.

2.5 Построение модели

Для построения модели, в данном исследовании, выбран статистический пакет Stata. Зависимая переменная - спрэд доходности корпоративной облигации, факторы - индикаторы ликвидности. Чтобы учесть экзогенное влияние, включаем в модель показатель оживленности рынка: доходность индекса ММВБ. Динамика индекса представлена на рис. 9. Среднее значение доходности по индексу за рассматриваемый период составляет 0,075% со стандартным отклонением 0,316%. Введение данного показателя в модель должно скорректировать ее на сезонность и другие экзогенные факторы.

Рисунок 9. Динамика индекса ММВБ

Для выбора наиболее значимого индикатора ликвидности построим регрессионные уравнения с каждым из них. Сначала без разделения на группы по источникам ликвидности, затем, отдельно в группах. После чего, выберем наиболее универсальный показатель из рассматриваемых для российского рынка по значимости параметров регрессии, статистике Вальда и чувствительности разделения на группы. Далее, будет построен составной индикатор ликвидности, основанный на значимых показателях.

Для построения моделей использовался обобщенный метод наименьших квадратов для панельных данных со случайными эффектами. В таблице представлены результаты построения моделей (*Значим на уровне 5%):

Индикатор ликвидности			Статистика Вальда
Спрэд купли-продажи	0,23*	1,29*	75,5
Доля простоя	-0,02*	1,56*	28,9
Оборачиваемость	0,032	1,69*	21,28

Таким образом, при увеличении bid-ask спрэда на 1%, спрэд доходности увеличивается на 0,23%, при увеличении доли простоя рынка на 1%, спрэд снижается на 0,02% и при увеличении оборачиваемости на 1%, спрэд возрастает на 0,03%. Последние два показателя противоречат логике, изложенной выше. Что касается значимости индекса, то изменение рыночной доходности оказывает большее влияние на спрэд доходности, следовательно, экзогенные факторы крайне важно учитывать при анализе доходности облигаций.

По результатам построения модели можно говорить о том, что bid-ask спрэд в большей степени из всех показателей ликвидности объясняет спрэд доходности корпоративных облигаций на российском рынке. Остальные индикаторы действуют обратно намеченной ранее логике и коэффициент эластичности спрэда доходности по ним ниже.

Рассмотрим регрессию с делением бумаг на группы согласно критерию принадлежности к финансовому сектору. Для этого построим аналогичные регрессии для групп в разбивке по признаку принадлежности компании-эмитента к финансовому сектору. Результаты построения следующие:

Признак фин. сектора			Статистика Вальда
Финансовый сектор	0,29*	0,5	87,29
Нефинансовый сектор	0,17*	2,4*	17,7

Таким образом, для организаций финансовой сферы характерна большая зависимость доходности от транзакционных издержек (спрэд купли-продажи), чем для нефинансовых. У предприятий реального сектора спрэд доходности объясняется, в большей мере, влиянием индекса рынка: при увеличении доходности индекса на 1%, спрэд доходности бумаги растет на 2,4%.

Рыночная доходность для бумаг финансовых организаций теряет свою статистическую значимость. Важно отметить тот факт, что значимость модели в целом выше у финансовых компаний (по статистике Вальда).

Отметим и тот факт, что у бумаг финансовых организаций спрэд доходности с государственной бумагой ниже, в среднем, на 4%, чем у нефинансовых.

Следующий критерий источника ликвидности - наличие рейтинга S&P, Moody's, Fitch у эмитента бумаги. Итоги построенных уравнений представлены в таблице:

Признак наличия рейтинга			Статистика Вальда
Рейтингуемый эмитент	0,41*	1,19*	205,88
Нерейтингуемый эмитент	-1,25	1,7	14

По результатам построения модели с разделением на группы по наличию рейтинга, можно говорить об увеличении значимости уравнения в целом для рейтингуемых эмитентов. Для них характерно увеличение спрэда на 0,4% при увеличении транзакционных издержек на 1% и увеличение доходности на 1,19% при увеличении доходности рынка на 1%. Для компаний без рейтинга перечисленных агентств модель в целом теряет статистическую значимость.

Таким образом, доходность бумаг с рейтингом поддается логике теоритической базы. Доходность бумаг без рейтинга же склонна к стихийному изменению или изменяется под влиянием неучтенных в данной модели факторов.

Применение разделения по признаку величины эмиссии указывает на отсутствие значимости данного источника ликвидности: коэффициенты стабильны при снижении значимости модели в целом. Следовательно, чувствительность доходности облигации к ее ликвидности не зависит от величины эмиссии. Найденные наличия в чувствительности указывают на приоритет характеристик эмитента, а не определенной эмиссии.

Рассмотрев значимость каждого из индикаторов ликвидности в отдельности, перейдем к конструированию составного индикатора ликвидности и построению модели на его основе.

Для конструирования собственного показателя ликвидности значимые по отдельности рассмотренные индикаторы (спрэд купли-продажи, доля простоя рынка) были центрированы и нормированы. Также, по примеру работы Дик-Нильсена, Фелдхуттера и Ландо (Dick-Nielsen, Feldhutter , и Lando, 2012) был нормирован и центрирован показатель месячной волатильности спрэда купли-продажи. Затем, была рассчитана сумма различных комбинаций (четырех центрированных и нормированных показателей ликвидности) с дальнейшим построением регрессионных уравнений с каждой суммой в качестве независимой переменой.

Результаты построения представлены в таблице:

Индикатор ликвидности			Статистика Вальда
L2: Спрэд bid-ask + доля простоя	0*	1,69*	28,2
L3: Спрэд bid-ask + доля простоя + волатильность спрэда bid-ask	0,005*	1,91*	30,41
L4: Спрэд bid-ask + волатильность спрэда bid-ask	0,02*	1,6*	123,3

Таким образом, составные индикаторы, сконструированные из спрэда купли-продажи и доли простоя менее значимы, чем спрэд bid-askвзятый отдельно (по статистике Вальда). Сочетание спрэда купли-продажи и его волатильности, напротив, увеличивает качество модели (рост статистики Вальда с 75,5 до 123,3). Следовательно, волатильность показателя также является важной составляющей спрэда доходности бумаги.

Также, были построены регрессионные уравнения с разбивкой выборки по источникам ликвидности, рассмотренным ранее (рейтиногование эмитента, принадлежность к финансовому сектору). Результаты представлены ниже:

Признак фин. сектора			Статистика Вальда
Финансовый сектор	0,024*	0,89	89,5
Нефинансовый сектор	0,027*	2,84*	43,3
Признак наличия рейтинга			Статистика Вальда
Рейтингуемый эмитент	0,03*	1,66*	157,8
Нерейтингуемый эмитент	0,015*	1,32	5,78

Введение сегментации по принадлежности к финансовому сектору не увеличивает значимость модели. Учет наличие рейтинга же способен повысить статистику Вальда для компаний, обладающих рейтингом ведущих агентств. Для компаний, не имеющих рейтинга, модель получается в целом не значимой на уровне 5%.

Недостатком данного индикатора является трудность его интерпретации в части коэффициентов. Другими словами, мы можем говорить только о направлении связи: увеличение сводного показателя ликвидности приведет к увеличению спрэда доходности при прочих равных условиях.

Таким образом, в результате анализа был сконструирован показатель ликвидности, значимость которого выше, чем у первоначальных, включенных в рассмотрение индикаторов.Важно еще раз подчеркнуть важность фактора сезонности рынка (включение доходности индекса ММВБ). Таким образом, доходность облигаций в большой степени зависит от доходности рыночной. Также, среди общих выводов можно отметить, что доходность бумаг финансового сектора в наибольшей степени объясняется ликвидностью в отличие от нефинансовых, доходность которых более чувствительна к доходности индекса. Та же закономерность прослеживается с наличием рейтинга ведущих агентств.



Заключение

Целью исследования являлся выбор наилучшего показателя ликвидности для рынка российских облигаций в части объяснения доходности их.

В процессе анализа был выявлен наиболее значимый индикатор ликвидности для российского рынка корпоративных облигаций. Для этого был выполнен ряд задач.

В первую очередь, были систематизированы и проанализированы уже существующие подходы к измерению ликвидности корпоративных облигаций. Далее, было рассмотрено влияние этих показателей на доходность корпоративных облигаций на практических примерах разных рынков. Данный этап позволил определить нетривиальность изучаемого вопроса, так как, значимость показателей ликвидности на доходность бумаг варьируется в зависимости от рассматриваемого рынка.

Затем,были выявлены достоинства и недостатки изучаемых мер ликвидности непосредственно для российского рынка.Это позволило ограничить ряд показателей ликвидности, допущенных до построения моделей.

Далее, был выявлен наиболее эффективный и значимый индикатор ликвидности для российских корпоративных облигаций среди изучаемых. Для улучшения качества модели в нее были добавлены факторы ликвидности, относящиеся к характеристикам эмитента. Согласно регрессионным моделям, наиболее значимым с точки зрения объяснения доходности является показатель спрэда купли-продажи. Кроме того, был сконструирован собственный составной показатель ликвидности с наибольшей объясняющей доходность значимостью. В его состав вошел спрэд купли-продажи и его волатильность.

Возможность построения значимых моделей указывает на наличие причинно-следственной связи между ликвидностью и спрэдом доходности на российском рынке корпоративных облигаций.

Практическая значимость исследования состоит в его применимости при оценке спрэда доходности бумаг эмитентов инвесторами при построении портфеля ценных бумаг.

Полученные результаты позволяют подтвердить актуальность данной темы для российского рынка и могут дать начало для дальнейших исследований в выбранной тематике. В силу несовершенств построенной модели, для улучшения ее качества возможно рассмотрение дополнительных индикаторов ликвидности, либо конструирование составных показателей. Для увеличения значимости модели предполагается изменение формы зависимости и инструментария построения регрессии, а также, включение в модель других экзогенных факторов, определяющих ликвидность.Также для получения более масштабных выводов возможно включение большего количества бумаг (еврооблигации), разбиение выборки на большее количество периодов.



Список литературы

Специальная литература

1. Колесов П.Ф., 2012,Методика оценки ликвидности ценных бумаг используемых коммерческими банками России, Научный журнал НИУ ИТМО, №1.

2. Пашкова Н.А., 2005,Анализ ликвидности высокодоходных облигаций на биржевом рынке, РЦБ, №5.

3. Ратникова Т.А., Анализ панельных данных в пакете «STATA», Издательство ГУ-ВШЭ, 2004.

4. Ратникова Т.А., Введение в эконометрический анализ панельных данных, Экономический журнал ВШЭ, №2, 2006.

5. Чайкун А.Н., 2009, Оценка ликвидности облигаций методами многомерного статистического анализа, Вестник Университета (Государственный университет управления), № 16, 248-249.

6. Чайкун А.Н., 2009, Понятие и основные измерения ликвидности,Сборник статей аспирантов, Издательский дом ГУ-ВШЭ, №1, 224-229.

7. Amihud Y., 2002, Illiquidity and stock returns: cross-section and time- series effects, Journal of Financial Markets 5, 31-56.

8. Bao J., Pan J., Wang J., 2011, The Illiquidity of Corporate Bonds, Journal of Finance, 3, 911-946.

9. Becaert G., Harvey C., Lundblad C., 2007, Liquidity and Expected Returns: Lessons from Emerging Markets, The Review of Financial Studies, 5, 1783-1831.

10. Chen R-R., Fabozzi F., Sverdlove R., 2010, Corporate Credit Default Swap Liquidity and Its Implications for Corporate Bond Spreads, Journal of Fixed Income, 33-56.

11. Chen, Lesmond, Wei, 2007, Corporate yield spreads and bond liquidity, Journal of Finance 62, 119-149.

12. Chordia T., Roll R., Subrahmanyam A., 2001, Market Liquidity and Trading Activity, Journal of Finance, 2, 501-530.

13. Chung H. and Hung M., 2010, Liquidity spreads in the corporate bond market: Estimation using a semi-parametric model, Journal of Applied Statistics, 37, 359-374.

14. Collin-Dufresne P., Goldstein R.S., Martin J., 2001, The determinants of credit spread changes, Journal of Finance 56, 2177-2207.

15. Dick-Nielsen J., Feldhutter P., Lando F., 2012, Corporate bond liquidity before and after the onset of the subprime crisis, Journal of Financial Economics, 103, 471-492.

16. Elton J., Gruber J., Agrawal D., Mann C., 2001, Explaining the Rate Spread of Corporate Bonds, Journal of Finance, 1, 247-277.

17. Feldhutter P., Lando D., 2008, Decomposing swap spreads, Journal of Financial Economics, 88, 375-405.

18. Gebhardt W.R., Hvidkjaer S., Swaminathan B., 2001, The cross-section of expected corporate bond returns: Betas or characteristics? Working Paper, Axia Energy Europe, University of Maryland and Cornell University. <http://papers.ssrn.com/sol3/papers.cfm?abstract_id=281209>.

19. Houweling , P., Menting, A., Vorst, T., 2005, Comparing possible proxies of corporate bond liquidity, Journal of Banking & Finance 29, 1331-1358.

20. Huang J-Z., Sun Zh, Yao T., Yu T., Liquidity Premium in the Eye of the Beholder: An Analysis of the Clientele Effect in the Corporate Bond Market, 2013, Working Paper, <http://ssrn.com/abstract=2269894>.

21. Jacoby G., Liao R., Batten J., 2009, Testing the Elasticity of Corporate Yield Spreads, Journal of Financial and Quantitative Analysis, Vol. 44, No. 3, 641-656.

22. Lepone A., Wong B., 2009, Determinants of Credit Spread Changes: Evidence from the Australian Bond Market, Australian Accounting Business and Finance Journal, 2, 26-35.

23. Lesmond, D., J. Ogden, and C. Trzcinka, 1999, A new estimate of transaction costs, Review of Financial Studies 12, 1113-1141.

24. Longstaff, F., S. Mithal, and E. Neis, 2005, Corporate Yield Spreads: Default Risk or Liquidity? New Evidence from the Credit Default Swap Market, Journal of Finance, 60, pp. 2213-2253.

25. Roll R., The Behavior of Interest Rates: The Application of the Efficient Market Model to U.S. Treasury Bills, New York: Basic Books, 1970.

26. Sarig O., Warga A., 1989, Bond Price Data and Bond Market liquidity, Journal of Financial and Quantitative Analysis, 3, 367-378.

27. Tarek C., 2009, Default, Liquidity and Credit Spread: Empirical Evidence from Structural Model, The Icfai Univercity Journal of Financial Risk Management, Vol VI, №2, 45-60.

Электронные ресурсы

28. Аналитический журнал о рынке долговых инструментов и макроэкономике.[Электронный ресурс]. Режим доступа:

http://review.cbonds.info/

29. Информационно-аналитический портал о российском рынке облигаций.[Электронный ресурс]. Режим доступа:

http://ru.cbonds.info/

30. Официальный сайт Московской биржи.[Электронный ресурс]. Режим доступа:

http://moex.com/



Приложение

К магистерской диссертации на тему «Выбор показателя ликвидности на российском рынке корпоративных облигаций»

Список рассматриваемых облигаций

Бумага	Дата погашения	Бумага	Дата погашения
АВТОВАЗ. 04	20.05.2014	КБ МИА (ОАО). 04	01.10.2015
АИЖК. 06	15.07.2014	КБ МИА (ОАО). 05	17.07.2014
АИЖК. 07	15.07.2016	МДМ Банк. 08	09.04.2015
АИЖК. 08	15.06.2018	Мосэнерго. 02	18.02.2016
АИЖК. 09	15.02.2017	МТС. 02	20.10.2015
АИЖК. 10	15.11.2018	МТС. 03	12.06.2018
АИЖК. 11	15.09.2020	Первый ипотечный агент АИЖК. 1А	15.02.2039
ВТБ. 06	06.07.2016	РЖД. 11	18.11.2015
ВТБ-Лизинг Финанс. 01	06.11.2014	Россельхозбанк. 03	09.02.2017
ВТБ-Лизинг Финанс. 02	07.07.2015	Россельхозбанк. 04	27.09.2017
Второй ипотечный агент АИЖК. 1А	15.03.2040	Россельхозбанк. 05	27.11.2018
Второй ипотечный агент АИЖК. 2Б	15.03.2040	Россельхозбанк. 06	09.02.2018
Газпром. 09	12.02.2014	Россельхозбанк. 07	05.06.2018
Гражданские самолеты Сухого. 01	26.03.2017	Сатурн. 03	06.06.2014
Детский мир - Центр. 01	26.05.2015	ТГК-1. 01	11.03.2014
ИКС 5 ФИНАНС. 01	01.07.2014	ЧТПЗ. 03	21.04.2015
Ипотечный агент АИЖК 2008-1. А	20.02.2041



К магистерской диссертации на тему «Выбор показателя ликвидности на российском рынке корпоративных облигаций»

Описательная статистика показателей ликвидности в разбивке по бумагам

	Индикатор нулевой доходности	Bid-ask спрэд	Оборачиваемость
	Среднее	Стд. Откл.	к-во набл.	Среднее	Стд. Откл.	к-во набл.	Среднее	Стд. Откл.	к-во набл.
АВТОВАЗ, 04	0,91	0,16	63	0,1	0,13	46	0,03	0,15	63
АИЖК, 06	0,8	0,16	63	0,1	0,27	63	0,05	0,1	63
АИЖК, 07	0,66	0,25	63	0,04	0,04	62	0,05	0,09	63
АИЖК, 08	0,62	0,22	63	0,04	0,03	63	0,04	0,07	63
АИЖК, 09	0,65	0,23	63	0,04	0,03	63	0,06	0,13	63
АИЖК, 10	0,53	0,31	63	0,035	0,03	63	0,08	0,14	63
АИЖК, 11	0,63	0,24	63	0,05	0,06	62	0,02	0,04	63
ВТБ, 06	0,11	0,12	63	0,004	0,01	63	0,07	0,08	63
ВТБ-Лизинг Финанс, 01	0,63	0,27	63	0,08	0,35	63	0,03	0,06	63
ВТБ-Лизинг Финанс, 02	0,63	0,25	63	0,016	0,03	63	0,029	0,06	63
Второй ипотечный агент АИЖК, 1А	0,85	0,2	62	0,2	0,8	49	0,04	0,13	62
Газпром, 09	0,61	0,21	62	0,05	0,08	62	0,03	0,06	62
Гражданские самолеты Сухого, 01	0,63	0,3	63	0,064	0,05	63	0,05	0,1	63
Детский мир - Центр, 01	0,5	0,19	63	0,021	0,02	63	0,055	0,1	63
ИКС 5 ФИНАНС, 01	0,63	0,28	63	0,04	0,04	63	0,04	0,06	63
Ипотечный агент АИЖК 2008-1, А	0,085	0,2	58	0,018	0,02	35	0,01	0,03	58
КБ МИА (ОАО), 04	0,9	0,15	63	0,08	0,16	36	0,014	0,03	63
КБ МИА (ОАО), 05	0,9	0,12	63	0,06	0,12	50	0,03	0,1	63
МДМ Банк, 08	0,43	0,3	63	1,9	12	60	0,08	0,19	63
Мосэнерго, 02	0,63	0,27	63	0,07	0,14	59	0,05	0,07	63
МТС, 02	0,44	0,3	63	0,014	0,01	63	0,034	0,1	63
МТС, 03	0,52	0,27	63	0,02	0,02	63	0,05	0,11	63
Первый ипотечный агент АИЖК, 1А	0,87	0,15	63	0,26	0,51	61	0,01	0,02	63
РЖД, 11	0,44	0,22	63	0,005	0,01	63	0,04	0,07	63
Россельхозбанк, 03	0,25	0,18	63	0,09	0,09	63	0,12	0,19	63
Россельхозбанк, 04	0,89	0,11	63	0,16	0,41	46	0,014	0,05	63
Россельхозбанк, 05	0,76	0,29	63	0,016	0,02	25	0,014	0,02	63
Россельхозбанк, 06	0,85	0,16	63	0,25	0,72	57	0,04	0,26	63
Россельхозбанк, 07	0,5	0,21	63	0,01	0,01	63	0,06	0,06	63
Сатурн, 03	0,98	0,05	63	8,25	13,9	25	0	0	63
ТГК-1, 01	0,66	0,23	63	0,08	0,18	60	0,028	0,07	63
ЧТПЗ, 03	0,88	0,22	63	0,08	0,07	52	0,009	0,05	63
Среднее	0,66	0,3	63	0,24	2,9	56	0,04	0,1	63

К магистерской диссертации на тему «Выбор показателя ликвидности на российском рынке корпоративных облигаций»

Описательная статистика спрэда доходности в разбивке по бумагам

	Среднее	Стд. Откл.	К-во набл.
АВТОВАЗ. 04	0,09	0,12	57
АИЖК. 06	0,002	0,33	56
АИЖК. 07	0,01	0,04	61
АИЖК. 08	0,04	0,07	61
АИЖК. 09	0,03	0,03	63
АИЖК. 10	0,02	0,03	63
АИЖК. 11	0,11	0,03	63
ВТБ. 06	-0,002	0,02	62
ВТБ-Лизинг Финанс. 01	0,012	0,04	61
ВТБ-Лизинг Финанс. 02	0,01	0,033	60
Второй ипотечный агент АИЖК. 1А	-0,06	0,04	62
Газпром. 09	0,012	0,017	62
Гражданские самолеты Сухого. 01	0,073	0,09	54
Детский мир - Центр. 01	0,05	0,04	63
ИКС 5 ФИНАНС. 01	0,04	0,06	63
Ипотечный агент АИЖК 2008-1. А	-0,05	0,04	58
КБ МИА (ОАО). 04	0,002	0,09	63
КБ МИА (ОАО). 05	0,016	0,09	60
МДМ Банк. 08	0,03	0,063	56
Мосэнерго. 02	0,02	0,07	60
МТС. 02	0,024	0,063	63
МТС. 03	0,017	0,03	63
Первый ипотечный агент АИЖК. 1А	-0,07	0,033	63
РЖД. 11	0,004	0,02	63
Россельхозбанк. 03	0,02	0,05	63
Россельхозбанк. 04	0,011	0,09	50
Россельхозбанк. 05	0,02	0,05	55
Россельхозбанк. 06	0,017	0,06	57
Россельхозбанк. 07	0,003	0,04	63
Сатурн. 03	-0,04	0,08	43
ТГК-1. 01	0,04	0,04	55
ЧТПЗ. 03	0,1	0,13	57

Размещено на Allbest.ru

...