Эмпирическое исследование качества российского контроля слияний: финансовый анализ событий

В рамках проводимого исследования перед нами стоит задача оценки качества российского антимонопольного контроля слияний. Данная задача сводится к сопоставлению того, как антимонопольный орган и фондовый рынок оценивают влияние слияния на конкуренцию. В качестве метода оценки эффективности проводимой политики был выбран финансовый анализ событий, который позволяет выявить реакцию фондового рынка в ответ на какие-либо события и новости. В данном случае, нас интересует влияние двух типов событий, связанных с интеграционными процессами: первичное появление информации о намерении совершить сделку слияния (появление слухов) и объявление решения антимонопольного органа по данной сделке.

При выполнении гипотезы эффективности рынка (в средней форме) изменение котировок акций компаний в ответ на первое событие отражает ожидания (прогнозы) инвесторов относительно влияния слияния на будущие потоки прибыли компании. То есть, смотря на изменение доходности фирмы-покупателя и фирмы-продавца в момент появления слухов о слиянии, можно измерить ожидаемое изменение приведенной стоимости будущих денежных потоков, получаемых инвесторами (Cichello and Lamdin, 2006). В свою очередь, рост или падение денежных потоков может зависеть от изменения рыночной структуры и уровня конкуренции в отрасли в результате слияния. Изменение котировок акций в ответ на объявление решения ФАС России отражает общий эффект от государственного регулирования процессов слияний. Таким образом, если следовать приведенной выше логике, то по реакции фондового рынка на данные события можно судить о возможных антиконкурентных последствиях слияния. Можно утверждать, что фондовый рынок позволяет получить объективную оценку последствий слияния. Сравнивая полученную оценку влияния событий на стоимость акций компании с фактически принятыми решениями антимонопольного органа, мы можем сделать вывод об эффективности контроля слияний, то есть о качестве принимаемых решений. Далее перейдем к описанию непосредственно самого метода финансового анализа событий и его составляющих.

Финансовый анализ событий позволяет отделить волатильность фондового рынка в целом от изменений, описываемых конкретными событиями. В результате, мы получаем количественную оценку эффекта влияния события на стоимость компании (MacKinlay, 1997). В рамках метода финансового анализ событий мы говорим о влиянии событий на котировки акций, то есть на их цену, но с технической точки зрения мы будем рассматривать доходность акций компаний. Доходность актива представляет собой относительное изменение цены и рассчитывается по следующей формуле:

,

где: -- доходность акции в день t;

-- цена акции при закрытии торгов в день t и t-1, соответственно.

При анализе временных рядов предпочтение отдается относительным показателям, что и представляет собой доходность активов. Как правило, относительный показатель подвержен меньшим колебаниям, в то время как цена актива может быть очень волатильной. С точки зрения эмпирических исследований, временной ряд доходностей обладает более привлекательными свойствами (Tsay, 2005) и вероятнее всего окажется стационарным, то есть его свойства будут постоянны во времени, что позволяет проводить исследования. А цены представляют собой нестационарный временной ряд, поскольку могут значительно колебаться, иметь тренд.

В целом, метод финансового анализа событий состоит из следующих этапов. Первым этапом является выбор дат событий, влияние которых будет оцениваться. Первый этап нами уже выполнен -- выбраны два типа событий, связанные со слияниями: первое событие -- это первичное объявление о сделке слияния (появление слухов), второе -- объявление решения антимонопольного органа. Второй этап заключается в выборе временного интервала, в течение которого будет производиться анализ реакции фондового рынка. Третьим этапом является вычисление кумулятивной средней избыточной доходности для участников слияний и их конкурентов. Далее проводится интерпретация полученных результатов метода анализа событий в соответствии с целью проводимого исследования.

Важным шагом в реализации метода финансового анализа событий является выбор окна событий (англ. event window) и окна для рыночной модели (англ. estimation window). Временной интервал, в течение которого изучается реакция фондового рынка, называется окно событий (event window) и включает в себя непосредственно дату самого события и некоторый период времени до и после события. Рассмотрение в составе окна событий нескольких дней непосредственно до события объясняется тем, что некоторая информация может быть известна до официального объявления о событии. Возможно, в процессе подготовки сделки могут появиться слухи, на которые рынок успеет среагировать и учесть их. Например, в случае объявления о планируемой сделке слияния может произойти утечка информации, что приведет к тому, что новости о слиянии будут распространены в течение нескольких дней до фактической даты события (Cichello and Lamdin, 2006). Кроме того, бывают ситуации с отложенной реакцией рынка на новости, поэтому включение в окно событий нескольких дней после события позволяет получить более точную и полную оценку эффекта влияния на стоимость компании (MacKinlay, 1997).

Выбор длины окна событий представляет собой достаточно нетривиальную задачу, поскольку не существует общепринятой методики определения оптимального количества дней, в течение которых тестируется влияние события. Важно подобрать длину окна, подходящую для конкретной задачи исследования, поскольку слишком узкое окно может пропустить влияние события, а слишком широкое окно уловит шум и может сместить результаты, так что избыточная доходность окажется статистически незначимой (Cichello and Lamdin, 2006). Проведенный обзор зарубежной и отечественной литературы показал, что используются различные варианты длины окон. При этом в исследованиях обычно выбирается несколько вариантов окон, часто авторы тестируют и короткие окна, и длинные. В работе И.В. Скворцовой с соавторами (2013) представлен широкий перечень различных вариантов окон событий в исследованиях, применяющих метод анализа событий в сфере слияний и поглощений. Согласно проведенному авторами анализу, окно наблюдений может варьироваться на развитых и развивающихся рынках капитала. Россия является страной с развивающимся рынком капитала (Скворцова и др., 2013), поэтому при выборе размера окна событий, необходимо ориентироваться на работы по странам с аналогично развивающимися рынками капитала.

В проводимом нами исследовании тестировались различные окна, которые были выбраны на основе анализа релевантных российских и зарубежных исследований (Приложение 1). Как показывает практика, для оценивания рыночной модели обычно выбирают довольно длинное окно в размере нескольких месяцев (100-300 дней). В проводимом исследовании во всех расчетах длина окна для оценивания рыночной модели была принята в размере 100 дней, само окно -- (-130;-30). Выбор более короткого окна, по сравнению с зарубежными исследованиями, объясняется тем, что российский фондовый рынок более «молодой» и существенно отличается от развитых рынков (Скворцова и др., 2013), поэтому на более длинном окне сложнее уловить какое-либо явление, появляется больше шума. Для анализа влияния событий, как и в зарубежных исследованиях (Duso et al., 2011), были выбраны разные по длине окна, как короткие, так и более длинные. Для появления слухов о сделке были выбраны следующие окна: (-20;+5), (-10; +5), (-5; +5), (-3; +3), (-2; +2), (-1; +1) и (0). Для решения антимонопольного органа были выбраны следующие окна: (-5; +5), (-3; +3), (-2; +2), (-1; +1) и (0). Перечисленные ключевые параметры метода анализа событий, которые будут использоваться в дальнейшем ходе проведения исследования, изображены на схеме.

Основным элементом метода финансового анализа событий является так называемая избыточная доходность или сверхдоходность (англ. abnormal return). Избыточная доходность представляет собой разницу между наблюдаемой фактической доходностью и нормальной доходностью. В рамках финансового анализа событий сверхдоходность измеряется на выбранном временном интервале, в течение которого будет рассматриваться влияние событий на котировки акций компании. Данный временной интервал называется окно событий (англ. event window) и включает в себя непосредственно дату самого события и некоторый период времени до и после события, что позволяет получить более точную и полную оценку влияния рассматриваемого события. Таким образом, для компании i для события ф аномальная доходность рассчитывается следующим образом:

, (2)

где: -- аномальная доходность;

-- наблюдаемая доходность;

ожидаемая (нормальная) доходность;

информационное множество в период ф для модели нормальной доходности.

В ходе реализации метода и расчета сверхдоходности необходимо выбрать модель, описывающую нормальную доходность. В данном случае под нормальной доходностью понимается доходность фирмы, которая бы теоретически имело место в случае отсутствия слияния. В широком смысле подходы для расчета нормальной доходности можно поделить на две категории: статистические и экономические (MacKinlay, 1997). Модели первой категории основаны на статистических предположениях относительно поведения доходности финансовых активов и не учитывают экономические обоснования. Вторая категория моделей, экономические, наоборот, основаны на предпосылках относительно поведения инвесторов и не учитывают только лишь статистические предпосылки. Таким образом, экономические модели так или иначе учитывают статистические допущения и позволяют получить более точные оценки нормальной доходности в рамках экономических допущений. На практике же достаточно сложно учесть экономическое поведение инвесторов, поэтому в данном исследовании будем выбирать одну из статистических моделей.

Среди применяемых статистических моделей для расчета нормальной доходности А. МакКинли (1997) выделяет следующие: модель постоянной средней доходности, в которой постоянно, рыночная модель, где представляет собой доходность рыночного индекса, и многофакторные модели, где в качестве представляет собой набор факторов. Н. Актас с соавторами (2004) в своем исследовании использует сразу три различные модели для расчета нормальной доходности, которые широко применялись в более ранних исследованиях: простая рыночная модель, рыночная модель с параметрами, оцененными методом Шоулза и Уильямса (1977), и модель постоянной средней доходности. При этом модель постоянной средней доходности применялась для проверки устойчивости результатов.

В проводимом исследовании выбор сделан в пользу рыночной модели, что объясняется ее широким применением. Рыночная модель использовалась как в классических работах, посвященных качеству контроля слияний (Eckbo, 1983), так и в более поздних (Duso et al., 2011). Рыночная модель показывает зависимость между доходностью рынка (рыночного портфеля, индекса) и доходностью акции. При этом рыночные факторы, влияющие на доходность в рамках окна событий, остаются постоянными, а воздействие конкретного события изолируется (Cichello and Lamdin, 2006). Для доходности акции компании мы имеем следующую зависимость от выбранного рыночного портфеля :

,

где: -- константа в регрессионной модели;

-- чувствительность изменения доходности акции компании к изменению доходности рыночного портфеля;

-- регрессионный остаток.

Для зарубежных фондовых рынков в качестве диверсифицированного рыночного портфеля выбирались рыночные индексы, такие, как индекс S&P 500, индексы CRSP. Для исследования по данным российского фондового рынка необходимо использовать отечественные рыночные индексы, один из которых будет далее выбран для построения рыночной модели. Оценивая полученную рыночную модель с использованием исторических данных в окне событий T₁ - Т₂ методом МНК, получаем оценки параметров б и в. Далее полученные параметры будут применяться для прогнозирования доходности акции компании в окне события с учетом предположения, что слияние не планировалось ().

Предсказанные на основе полученных коэффициентов значения доходности акций компаний подставляются в выражение для расчета сверхдоходности. Технически, для каждого дня в окнах событий t₁ - t₂ и t₃ - t₄ действительная наблюдаемая доходность сравнивается с ожидаемой, полученной в результате оценивания рыночной модели. В результате, имеем ряд избыточных доходностей за каждый день окон событий.

Для того, чтобы выявить важный для нас эффект события на фоне возможных случайных флуктуаций доходности, необходимо агрегировать полученные аномальные доходности. Сначала произведем агрегирование по времени по каждой акции компании. Для этого рассчитаем накопленную аномальную доходность (Cumulative Abnormal Return, CAR) для участников слияния и для их конкурентов, сложив рассчитанные избыточные доходности в окне событий:

,

Далее агрегируем накопленные аномальные доходности по компаниям. Для этого усредним полученную накопленную аномальную доходность по всем компаниям-участницам и их конкурентам в выборке (Cumulative Average Abnormal Return, CAAR):

(5)

где: N -- число компаний в выборке.

Полученная накопленная усредненная аномальная доходность представляет собой среднее значение доходности для всех компаний анализируемой выборки в рассматриваемый временной промежуток (event window).

На следующем этапе определяется статистическая значимость полученных накопленных аномальных доходностей для рассматриваемых событий и окон, что позволит сделать вывод о наличии или отсутствии значимой реакции на данные события со стороны фондового рынка в целом. Предполагается, что само событие не оказывает влияние на статистические свойства распределения аномальной доходности (среднее и дисперсия), а ошибки в рыночной модели имеют нулевое математическое ожидание. Следовательно, и сама аномальная доходность имеет нормальное распределение с нулевым математическим ожиданием и постоянной дисперсией: . Соответственно, накопленные аномальные доходности также подчиняются нормальному закону распределения (MacKinlay, 1997). Это позволяет применять t-тест для проверки статистической значимости накопленной аномальной доходности. Нулевая гипотеза в проводимом тесте говорит о том, что усредненная накопленная аномальная доходность незначима (равна 0):

,

Тестовая статистика вычисляется по следующей формуле:

,

где: несмещенная эмпирическая оценка стандартного отклонения накопленной аномальной доходности.

В ходе применения метода анализа событий будут получены значения средней избыточной доходности, и проверена ее статистическая значимость. На этом стандартная процедура метода финансового анализа событий заканчивается. Следующим важным шагом является интерпретация результатов, полученных методом анализа событий. Существуют различные способы интерпретации полученных значений избыточных доходностей. В зависимости от цели проводимого исследования авторы проводят дополнительные расчеты и строят новые модели на основе полученных в результате применения анализа событий данных (МакКинли, 1997). При выборе способа интерпретации результатов метода анализа событий необходимо исходить из того, какая цель была поставлена в проводимом исследовании.

В результате применения метода анализа событий будут получены значения сверхдоходностей для каждого рассматриваемого окна событий как для участников слияния, так и для конкурентов. Одним из возможных способов интерпретации результатов анализа событий является изучение взаимосвязи между накопленной аномальной доходностью на дату появления слухов о сделке и объявления решения антимонопольного органа. Данная методика была применена в работе Т. Дузо с соавторами (2011) и позволяет оценить эффективность контроля слияний. Предполагается, что политику в сфере контроля слияний можно считать эффективной в том случае, когда дополнительная «рента», возникающая в связи с возросшей рыночной властью и наблюдаемая в период появления слухов о слиянии, устраняется решением антимонопольного органа. Таким образом, качественное решение антимонопольного органа, теоретически, должно диссипировать выгоды, возникающие в результате эффекта рыночной власти. На практике такое предположение в отрицательной взаимосвязи между сверхдоходностями в период появления слухов о слиянии и в период объявления решения антимонопольного органа. Данный вариант интерпретации рассчитанных аномальных доходностей соответствует цели проводимого исследования, поскольку позволяет оценить качество проводимой политики в сфере контроля экономической концентрации.

Анализ взаимосвязи между сверхдоходностями в период первичного объявления о слиянии и в период объявления решения антимонопольного органа проводится на основе оценки коэффициентов в регрессионном уравнении. Отдельно оцениваются коэффициенты в уравнении для данных по участникам слияния и по их конкурентам.

Для реализации описанного способа интерпретации результатов метода анализа событий было построено следующее регрессионное уравнение, связывающее сверхдоходность в рамках двух рассматриваемых событий (Duso et al., 2011):

, (8)

где: i = {M (компания-участник слияния); R (компания-конкурент)};

j -- единица наблюдения (номер компании);

d -- тип решения антимонопольного органа: разрешение (clearance), предписание (remedy), запрет (blocking);

-- накопленная аномальная доходность в период вынесения решения;

-- накопленная аномальная доходность в период первичного объявления о планируемом слиянии;

-- контрольные переменные (отраслевая принадлежность и т.д.);

-- константа;

-- коэффициент, показывающий изменение сверхдоходности фирмы в ответ на вынесение определенного типа решения антимонопольного органа.

В данном регрессионном уравнении наибольшую важность представляют собой оценки b-коэффициентов, показывающие, насколько изменится «рента» (сверхдоходность) от слияния на момент появления слухов в ответ на вынесение решения антимонопольного органа. Что касается цели проводимого исследования, то коэффициент бета поможет сделать вывод относительно качества проводимой политики в сфере контроля слияний.

Сформулированные гипотезы относительно значений коэффициентов оцениваемого регрессионного уравнения представлены в таблице 1.

Таблица 1 Ожидаемые коэффициенты регрессии

Рассмотрим подробнее логику определения предполагаемых знаков коэффициентов уравнения в зависимости от типа решения, принимаемого антимонопольным органом.

Разрешение (clearance). Как уже упоминалось ранее, такое решение антимонопольного органа, как безусловное разрешение не несет в себе регулирующего воздействия. Следовательно, в ответ на такой тип решений не ожидается возникновение существенного эффекта, который был бы связан со сверхдоходностью в момент появления слухов о слиянии. В таком случае нулевая гипотеза для участников слияния и их конкурентов выглядит следующим образом: b_iC = 0, a_iC = 0.

Предписание (remedy). В случае разрешения слияния с вынесением предписания (как поведенческих, так и структурных) ситуация более неоднозначная. Эффективное решение антимонопольного органа может устранить только эффект рыночной власти. В результате, ожидается отрицательная зависимость сверхдоходности для участников слияния и для их конкурентов (). Это связано с тем, что эффект рыночной власти предполагает увеличение доходов в связи с ростом цен как для участников слияния, так и для их конкурентов (Duso et al., 2011). Причем, чем больше ожидалось увеличение рыночной власти и выгоды от слияния, тем больший по модулю отрицательный эффект мы наблюдаем. Константа () отвечает за изменение выгод в связи с устранением эффекта рыночной власти вне зависимости от реакции на первичное объявление о слиянии.

Запрет (blocking). Самим строгим решением антимонопольного органа является запрет сделки, в результате которого диссипруются возможные выгоды от эффекта рыночной власти и эффекта издержек. Отсюда следует, что нулевая гипотеза b_iB = -1 не должна быть отклонена как для участников слияния (), так и для их конкурентов (). Кроме того, если в итоге в результате слиянии все возможные выгоды устраняются за счет запрета сделки, то и ) (Duso et al., 2011).

Итак, прежде чем оценить направление взаимосвязи между сверхдоходностями в период появления слухов о слиянии и в период объявления решения антимонопольного органа, необходимо понимать, что отражают полученные сверхдоходности, какие эффекты в себя включают. Сверхдоходности, выявленные в период появления слухов о слиянии отражают не только конкурентный эффект (который как раз и необходимо оценить), но и рыночные ожидания инвесторов относительно предполагаемого решения антимонопольного органа. Следовательно, для того чтобы выявить влияние решения антимонопольного органа на конкурентный эффект, необходимо скорректировать полученные сверхдоходности на рыночные ожидания относительно антимонопольного решения. В результате, скорректированная сверхдоходность в период появления слухов о слиянии будет представлять собой меру конкурентного эффекта слияния (Duso et al., 2011).

Предполагается, что рынок (в частности, инвесторы) строит свои ожидания с учетом возможного решения антимонопольного органа, основываясь на общедоступной публичной информации о предполагаемом слиянии и об активности антимонопольного органа в период измерения сверхдоходности. Чтобы оценить рыночные ожидания относительно антимонопольного решения и скорректировать полученную сверхдоходность (), необходимо рассчитать вероятность применения регулирующего решения (запрета/предписания) как функцию от наблюдаемых характеристик в момент объявления о слиянии ().

Для нахождения вероятности применения регулирующего решения будет построена логистическая регрессия. Оцениваемая регрессия представляет собой модель бинарного выбора. Такие модели используются для того чтобы моделировать «выбор» между двумя дискретными альтернативами (Вербик М., 2008). В качестве зависимой переменной выступает дамми переменная (action), принимающая значение 1 в случае применения предписаний или запретов, значение 0 в случае безусловного разрешения. Модели бинарного выбора оцениваются при помощи стандартных пробит и логит-моделей. Функции распределения этих моделей очень похожи, поэтому в эмпирической работе пробит и логит-модели приводят к очень близким результатам (Вербик М., 2008). В результате оценивания такой модели будет получена вероятность наступления анализируемого события при заданных условиях. Далее рассчитанные значения сверхдоходностей будут скорректированы на полученную вероятность вынесения регулирующего решения антимонопольным органом. Таким образом, конкурентный эффект слияния j на фирму i выглядит следующим образом:

,

где: -- скорректированная на рыночные ожидания накопленная сверхдоходность в период первичного объявления о планируемом слиянии;

i = {M (компания-участник слияния); R (компания-конкурент)};

j -- единица наблюдения (номер компании);

-- накопленная аномальная доходность в период первичного объявления о планируемом слиянии (до корректировки);

-- вероятность применения регулирующего решения антимонопольным органом (запрет/предписание) с учетом доступной в период появления слухов информации ;

-- вероятность вынесения антимонопольным органом безусловного разрешения с учетом доступной в период появления слухов информации .

Далее скорректированная сверхдоходность в период появления слухов о слиянии будет использоваться для анализа взаимосвязи между сверхдоходностями двух событий. Все расчеты, представленные в данном исследовании, были осуществлены в эконометрическом пакете Stata 13.

Прежде чем перейти к описанию результатов исследования, необходимо привести описании данных, которые будут использоваться для дальнейших расчетов.

Данные

Для оценки эффективности антимонопольного регулирования слияний в России при помощи метода финансового анализа событий необходимо собрать информационную базу исследования, включающую информацию двух типов: даты рассматриваемых событий и данные фондового рынка за требуемый период времени.

Выбранный метод исследования накладывает ряд ограничений на процесс сбора данных. Далее представлены методика и критерии отбора сделок слияния в базу данных и их источники. На первом шаге необходимо сначала выбрать слияния, в которых участвуют торгуемые компании, и затем подобрать конкурентов к участникам слияния.

В качестве основного источника данных о сделках слияния и поглощения использовались ресурсы информационного агентства Bureau van Dijk. База данных Zephyr компании Bureau van Dijk позволяет сформировать перечень сделок слияний с участием торгуемых компаний. Информационный ресурс Zephyr является самой полной базой данных по сделкам M&A, IPO, частным инвестициям, а также сделкам венчурного капитала и слухов по ним. Одним из преимуществ базы Zephyr является возможность создания сложных фильтров, что позволяет найти необходимые данные среди большого количества информации. В нашем случае важным фильтром в базе Zephyr является участие торгуемой компании в сделке слияния, попавшей под регулирование российского антимонопольного органа, ФАС России. При этом отсюда следует одно из ограничений собираемых данных: вероятно, в базу Zephyr попали не все сделки с участием российских торгуемых компаний, рассмотренные ФАС России. Официальная база решений ФАС России, в отличие от зарубежных баз антимонопольных органов, не позволяет выбрать слияния с участием торгуемых компаний.

Важно отметить еще одно ограничение исследования, связанное с тем, что метод анализа событий предполагает включение в выборку только тех слияний, в которых участвует хотя бы одна торгуемая компания. В России, по сравнению с зарубежными странами, относительно небольшое количество публично торгуемых компаний. Лишь небольшая часть из таких компаний совершает сделки слияния, которые попадают под контроль ФАС России. Таким образом, набор сделок, которые можно использовать в целях исследования, изначально является ограниченным. Таким образом, полученные результаты исследования не могут распространяться на весь процесс контроля слияний, а только на те сделки, которые участвовали в анализе.

Данные отбирались за период с 1 января 2005 г. по 4 октября 2016 г. Такой выбор временного промежутка объясняется наличием данных в используемой базе Zephyr: первоначально будут проанализированы все доступные слияния с торгуемыми компаниями. В дальнейшем в качестве возможного пути развития исследования возможно тестирование различных временных интервалов для отбора сделок. Например, можно тестировать интервалы в соответствии с датой поправки, внесенной в закон «О защите конкуренции» в части параметров сделок, попадающих под предварительный контроль антимонопольного органа. Существенные поправки вносились в конце 2006 и 2009 годов. До 2007 года порог обязательного регулирования был значительно более низкий, то есть значительно большее число сделок подвергалось предварительному контролю. Это могло привести к восприятию инвесторами данной процедуры как простой формальности, поскольку сделки могли рассматриваться поверхностно в связи с большим количеством ходатайств. Таким образом, можно предположить, что включение в выборку слияний до 2007 года может привести к смещению результатов.

Рис. 3. Динамика количества сделок, 2005-2016 гг.

Для того чтобы получить список сделок слияния, в которых хотя бы один из участников сделки является торгуемой компанией, была использована база данных Zephyr. В результате, для первоначальной выборки было отобрано порядка 903 сделки слияния за период с 1 января 2005 года по 4 октября 2016 года. На диаграмме представлена динамика количества слияний, попавших в первоначальную выборку, за период 2005-2016 гг. (рис. 3).

Как видно из графика, пик количества сделок с участием российских торгуемых компаний попадает на 2009-2012гг, в посткризисный период. Далее число сделок снижается, что связано с изменениями в антимонопольном законодательстве (повышение границ предварительного контроля сделок экономической концентрации) и нестабильной геополитической ситуацией. Такая тенденция в целом соответствует тренду количества рассматриваемых ФАС России ходатайств за соответствующий период.

Самыми активными покупателями за анализируемый период 2005-2016гг. являлись ПАО «Ростелеком» (26 сделок), ПАО «Вымплеком» (26 сделок), ПАО «МТС» (25 сделок). Лидеры по количеству рассмотренных ходатайств относятся к телекоммуникационной отрасли. Такая тенденция связана с тем, что в телекоммуникационной отрасли потенциал роста за счет органического развития существенно снизился, поэтому крупные телекоммуникационные операторы вынуждены искать новые источники долгосрочного роста (Лацанич, 2016). Таким источником роста становится неорганический рост, то есть приобретение телеком-операторов в городах присутствия для консолидации рынка и укрепления конкурентных позиций. Самой дорогостоящей сделкой, попавшей в выборку, по данным Zephyr, является приобретение НК «Роснефть» компании ТНК-BP за 56 млрд. долларов. Данная сделка является крупнейшей объявленной сделкой в России за всю историю.

Однако не все сделки первоначальной выборки могут быть использованы в целях настоящего исследования. Первоначальный перечень сделок необходимо отфильтровать по доступности данных для применения метода анализа событий. Для формирования итоговой выборки будут применены следующие критерии (табл. 2):

Таблица 2 Критерии формирования итоговой выборки

Что касается дат событий, то были собраны даты первичного объявления о сделке (появление слухов) и даты публикации решения антимонопольного органа. Данные по датам первичного появления информации о планируемой сделке слияния, то есть о появлении слухов, в основном доступны в базе Zephyr. При отсутствии данных в базе Zephyr поиск осуществлялся на официальных сайтах компаний и различных новостных порталах, таких как РосБизнесКонсалтинг.

Источником данных по датам публикации решений и типу самого решения выступает единая официальная база решений российского антимонопольного органа. Как показала практика, не все решения опубликованы на официальном сайте ФАС, поэтому часть сделок отсеивается из выборки ввиду недоступности данных по дате вынесения решения ФАС России. В некоторых случаях дату вынесения решения и его тип можно найти в базе Zephyr, на информационно-аналитическом проекте mergers.ru, новостных порталах, сайтах компаний. Ранее нами проводилось сопоставление числа опубликованных решений (в базе решений) и числа принятых решений ФАС России (указано в докладах о состоянии конкуренции), которое показало, что существенный процент сделок остается не опубликованным на сайте. Недоступность дат решений существенно сокращает доступную выборку.

Необходимо отметить, что базе решений ФАС России в подавляющем большинстве сделок указывается дата публикации решения, а не дата принятия решения. На практике, дата принятия решения и дата публикации решения не совпадают. Однако дата принятия решений указана только в нескольких решениях, поэтому собрать данные по датам принятия решений не представляется возможным. В связи с этим, в проводимом исследовании вводится предпосылка отсутствия возможности распространения инсайдерской информации, то есть решение одновременно становится доступным для всех после публикации на сайте вне зависимости от даты принятия решения. Разница между датой принятия решения и публикации -- это транзакционные издержки в связи с необходимостью публикации на сайте. В среднем, с момента принятия решения ФАС до момента публикации решения в официальной базе проходит от 1 до 5 дней.

Следующим шагом является сбор котировок акций российских компаний, которые участвовали в слияниях за рассматриваемый период. Данные по котировкам компаний взяты из таких источников, как портал Investfunds -- проект Информационного агентства Cbonds.ru, портал Quote.rbc.ru, информационное агентство Thomson Reuters (база данных), информационное агентство Bloomberg, ГК «Финам». Для оценивания рыночной модели применялся индекс ММВБ, включающий в себя 50 крупнейших наиболее ликвидных российских эмитентов. Котировки акций компании собраны в дневной динамике, что позволяет провести более точное измерение аномальных доходностей и более информативное исследование эффектов событий (Khotari and Warner, 2005). В более ранних работах использовались котировки в месячной динамике, что может затруднить выбор оптимального окна событий.