Фама доказал, что распределение доходности имеет толстые хвосты (Fama, 1965b), однако, на основании данных текущего исследования можно сказать, что доходность имеет распределение близкое к нормальному. На Рисунке 1 представлена гистограмма плотности распределения доходности для 2015-2017 гг. Распределение выглядит похожим на нормальное, однако, имеет слишком острую вершину, как уже было выяснено при анализе описательных статистик. Графики для объясняющих переменных представлены в Приложении 5.



Рис. 5. Плотность распределения доходности по всем компаниям и промежуткам времени

Тест на проверку нормальности распределения был выбран исходя из высоких значений куртозиса и/или коэффициента асимметрии почти по всем переменным. Результаты теста представлены в Таблице 4.

По значению коэффициента асимметрии значение нормальным можно считать только распределение доходности, а по значению куртозиса - переменную конфликтности для агрегированных рекомендаций. Исходя из значений probability по обоим показателям, ни одна переменная не имеет нормального распределения.

Таблица 4. Результаты теста на нормальность распределения по значению куртозиса и коэффициента асимметрии

Переменная	Количество наблюдений	Prob. (Ассиметрия)	Prob. (Куртозис)	Prob. (Для обоих показателей)
R	1188	0,519	0,000	0,000
Conflict5	1188	0,000	0,000	0,000
Conflict3	1188	0,000	0,351	0,000
Market	36	0,000	0,000	0,000
Lnsize	1188	0,000	0,000	0,000
PB	1188	0,000	0,000	-
Momentum	1188	0,000	0,000	0,000
Leverage	1188	0,000	0,000	-
CurrentRatio	1188	0,000	0,000	0,000

Таким образом, в годы с наибольшим числом рекомендаций было дано большее количество позитивных рекомендаций, что подтверждает необходимость устранения данного смещения через агрегирование закодированных рекомендаций с пятибалльной шкалы до трехбалльной. По анализу описательных статистик, очевидно, что в выборке присутствуют выбросы. Однако они не исключались, так как данные значения связаны между собой и вероятно объясняют друг друга. Помимо этого, переменные были проверены на нормальность распределения. Так, доходность имеет распределение близкое к нормальному, но более островершинное. Также, при сравнении двух переменных конфликтности, агрегированная переменная имеет вершину более близкую к нормальной, чем переменная по рекомендациям 1-5. На следующем этапе будут приведены результаты корреляционного и регрессионного анализа.



4. Результаты исследования

4.1 Корреляционный анализ

Перед построением модели рекомендуется обратиться к парным коэффициентам корреляции для проверки статистических линейных связей между доходностью и объясняющими её переменными. Также, необходимо убедиться в отсутствии значимых сильных взаимосвязей между объясняющими переменными, чтобы избежать наличия мультиколлинеарности в модели. Значения парных коэффициентов корреляции Пирсона представлены в Приложении 5.

Так, доходность имеет значимую связь с переменными Market, Lnsize, PB, Momentum и Leverage. Связь доходности и конфликтности не была обнаружена. Стоит обратить внимание на высокую значимую корреляцию между переменными Leverage и PB. Однако переменная PB имеет значимую связь с доходностью, более слабую связь с другими объясняющими переменными и представляет собой базовый показатель при моделировании доходности, поэтому из модели было решено исключить переменную Leverage. Также, можно заметить значимую положительную связь между переменной Conflict3 и CurrentRatio, что можно интерпретировать как: рекомендации с большей конфликтностью (то есть с предполагаемо большим риском) имеют более хорошие показатели коэффициента текущей ликвидности. Объяснением этому могут быть используемые данные. Так как число рекомендаций связано с местом компании на рынке, то в часть периодов по компаниям, не являющимися лидерами рынка, была дана 1 рекомендация, и при этом рекомендации считались согласованными.

Так как связи между доходностью и конфликтностью рекомендаций за весь анализируемый временной промежуток выявлено не было, парные коэффициенты корреляции были рассчитаны также в разрезе годов (Таблица 5). 

Таблица 5. Значения парного коэффициента корреляции Пирсона между доходностью и показателями конфликтности рекомендаций в разрезе годов

Переменная	2015 г.	2016 г.	2017 г.
Conflict5	-0,107**	0,095*	0,113**
Conflict3	-0,142***	0,102**	0,154***

Уровни значимости: * - 10% уровень, ** - 5% уровень, *** - 1% уровень

В разрезе годов все коэффициенты оказались значимы, но с разными знаками. Можно заметить, что конфликтность засчитанная по агрегированным рекомендациям имеет большую значимость и связь с доходностью, поэтому, логично предположить, что в дальнейшем регрессия, построенная с использованием данной переменной, будут иметь большую объясняющую силу, а коэффициент перед данной переменной будет значим. О причинах разной направленности связей по годам судить достаточно сложно. Так как неоднозначные события для судоходной отрасли происходили как в 2015, так и в 2017 году. Поэтому перейдем к регрессионному анализу.

4.2 Регрессионный анализ

Следующим шагом было построение сквозных регрессий по 2015-2017 гг. с двумя разными показателями конфликтности (Таблица 6). При построении модели использовались робастные стандартные ошибки.

Таблица 6. Результаты оценки уравнений регрессий с использованием разных показателей конфликтности

	Модель 1 (c переменной Conflict5)	Модель 2 (c переменной Conflict3)	Ожидаемое влияние
Переменная	Коэффициенты	Коэффициенты
Conflict_	-0,002	0,008	+
	(-0,14)	(0,32)
Market	1,112***	1,112***	+
	(6,09)	(6,09)
Lnsize	0,018***	0,018***	-
	(3,93)	(4,31)
PB	0,007	0,007	+
	(0,68)	(0,77)
Momentum	0,211***	0,210***	+
	(3,53)	(3,51)
CurrentRatio	0,006**	0,006**	+
	(2,26)	(2,23)
_cons	-0,422***	-0,419***	х
	(-4,72)	(-4,88)
F	12,81***	13,02***	х
	0,095	0,095	х
RMSE	0,168	0,168	х
Количество наблюдений	1188	1188	х

Уровни значимости: * - 10% уровень, ** - 5% уровень, *** - 1% уровень; в скобках указаны робастные стандартные ошибки.

По результатам оценивания уравнений регрессий методом наименьших квадратов (МНК), конфликтность оказалась не значима. Модели имеют одинаковые значимые переменные, влияние которых также совпадает. Для обеих моделей по тесту Рамсея нулевая гипотеза о верной спецификации отклонилась. Однако это может происходить из-за пропущенных переменных, не учтенных при построении модели. Наибольшее влияние на доходность оказывает доходность рынка: при изменении данной переменной на 1 единицу, зависимая возрастает на 1,112. Перед переменной Lnsize обе модели показали неожиданный знак. Возможно, это является особенностью отрасли и анализируемым промежутком: инвесторы в среднем стараются вкладывать в более крупные и надежные компании в период нестабильности рынка.

В классических моделях ценообразования, модель считается эффективной, если константа равна нулю, если же она значима, то это указывает на то, что в модели учтены не все факторы (Fama & French, 1993). Однако в данном случае выборка не разбивалась на портфели каждый месяц по различным показателям, ввиду ограниченности данных.

Для дальнейшего анализа регрессий отдельно для каждого года будет использоваться только спецификация модели 2, с агрегированным показателем конфликтности, так как по коэффициенту парной корреляции Пирсона в разрезе годов данная переменная имела более значимую и сильную связь с доходностью. Также данная переменная не имеет смещения по причине того, что в ней не учитывается конфликтность только между положительными рекомендациями или только между отрицательными. Результаты оценки коэффициентов всех трех уравнений представлены в Таблице 7.

Таблица 7. Результаты оценки уравнений регрессий по годам

	Модель 3 (по 2015 г.)	Модель 4 (по 2016 г.)	Модель 5 (по 2017 г.)	х
Переменная	Коэффициент	Коэффициент	Коэффициент	Ожидаемое влияние
Conflict3	-0,069***	0,067	0,097*	+
	(-2,91)	(1,32)	(1,68)
Market	1,061***	1,623***	-0,738	+
	(3,59)	(4,24)	(-1,55)
Lnsize	0,014***	0,017***	0,017**	-
	(3,12)	(3,03)	(2,05)
PB	0,034***	0,008	-0,002	+
	(3,35)	(0,68)	(-0,14)
Momentum	0,336*	0,550***	-0,153	+
	(1,82)	(3,45)	(-0,35)
CurrentRatio	0,012***	0,005	0,002	+
	(2,76)	(1,22)	(0,41)
_cons	-0,359***	-0,433***	-0,370**	х
	(-3,76)	(-3,54)	(-2,13)
F	11,11***	8,03***	2,54**	х
	0,20	0,15	0,06	х
RMSE	0,125	0,184	0,180	х
Количество наблюдений	396	396	396	х

Уровни значимости: * - 10% уровень, ** - 5% уровень, *** - 1% уровень; в скобках указаны робастные стандартные ошибки.

В данном случае, коэффициент перед переменной Conflict3 значим в двух годах, но с разными знаками. При этом, если в 2015 г. коэффициент значим на 1-% уровне, то в 2017 только на 10-%. Также, если посмотреть на значимость самой модели и коэффициент детерминации, то, можно заметить, что в 2017 году модель значима лишь на 5-% уровне и хуже объясняет вариацию доходности. Интересно, что в 2016 г., когда произошли такие знаковые события как банкротство одной из крупнейших мировых компаний судоходной отрасли и слияние трех крупнейших судовых компаний Японии (Expert Online, 2016), конфликтность рекомендаций оказалась не значима.

Различия в значимости коэффициентов перед другими объясняющими переменными можно охарактеризовать как неустойчивость выбранной модели.

Чтобы рассмотреть более детальное понимание зависимости доходности от конфликтности были построены поквартальные регрессии по кросс-секциям, используя спецификацию аналогичную предыдущим моделям (Таблица 8).

Таблица 8. Результаты оценки коэффициентов перед переменной, отвечающей за конфликтность агрегированных рекомендаций

Кварталы	Коэффициент для моделей по 2015 г.	Коэффициент для моделей по 2016 г.	Коэффициент для моделей по 2017 г.
Q1	-0,003	0,155**	0,218**
Q2	-0,049	0,033	0,199
Q3	-0,066	0,037	-0,108
Q4	-0,148**	0,061	-0,026



Уровни значимости: * - 10% уровень, ** - 5% уровень, *** - 1% уровень; при оценивании использовались робастные стандартные ошибки.

Коэффициент оказался значимым только в три квартала из шестнадцати, более того, в часть кварталов по F-статистике модель была не значима. Это такие кварталы как 3 и 4 кварталы 2017 г. и 4 квартал 2016 г. Также, можно заметить, что в два из трех анализируемых периодов значимость конфликтности рекомендаций приходится на первый квартал, как раз в то время, когда происходит «эффект января». Данное явление подразумевает под собой ситуацию, когда цены акций компаний с небольшой капитализацией падают к концу года, а затем резко вырастают в течение первого месяца Investopedia - Online Finance Dictionary available, (accessed 07.05.18).

Плотность распределения новой переменной с наложением ядерной оценки плотности распределения (вес точки определялся по Епанечникову) представлена на Рисунке 5.

Рис. 5. Гистограмма плотности распределения коэффициентов перед новой переменной с наложением ядерного сглаживания



Если посмотреть на описательную статистику полученной переменной (Таблица 9), то можно сказать, что в среднем коэффициент влияет положительно.

Таблица 9. Описательные статистики для новой переменной

	Среднее	Медиана	Стд. откл.	Мин. знач.	Макс. знач.	Кол. нблд.
Коэффициенты поквартальных регрессий для конфликтности	0,025	0,015	0,117	-0,148	0,218	16

Далее проверим среднее значение на статистическую значимость с помощью формулы, предложенной Фама-МакБетом (Fama and MacBeth, 1973). Рассчитанное по формуле 5 значение меньше табличного, поэтому коэффициент не значим.

4.3 Описание результатов

Результаты корреляционного анализа общего числа наблюдений линейной взаимосвязи между переменными доходность и конфликтность рекомендаций не выявили. Однако по причине сильной значимой линейной связи между переменной, отвечающей за эффект финансового левериджа (Leverage), и коэффициентом текущей ликвидности (CurrentRatio), из модели была исключена переменная Leverage. Сквозная регрессия с использованием переменной конфликтности рассчитанной как по шкале рекомендаций от 1 до 5, так и по шкале от 1 до 3, также не выявила значимой связи. Однако, при более детальном анализе, было найдено, что в разные годы конфликтность имеет положительное, отрицательное или незначимое влияние на доходность. Помимо этого, были оценены 16 регрессий по каждому кварталу по трем годам. Несмотря на то, что при нахождении среднего значения коэффициента он оказался положительным, t-тест по формуле, предложенной Фама-МакБетом, указал на неотличимость данного значения от нуля. Что не удивительно, так как только в трех кварталах из 16 значение коэффициента значимо.

Таким образом, полученные результаты говорят о неустойчивости оценок. Схожие результаты были получены Ли и Ву (Li & Wu, 2014) при оценке модели с помощью МНК по 4 122 компаниям базы IBES за период 1883-2009 гг. Авторы утверждают, что кривая зависимости доходности от конфликтности нелинейна и связана с периодом переоценки акции. Авторы считают, что с помощью МНК не удается в полной мере оценить связь на концах распределений, так как оценка МНК в среднем не отличается от нуля. при рассмотрении различных квантилей конфликтность имеет как положительное, так и отрицательное влияние. Ли и Ву также обращают внимание, что для более точных оценок необходимо учитывать гетероскедастичность. В данной работе была предпринята попытка учесть гетероскедастичность акций, оценивая уравнения с робастными стандартными ошибками.

Исходя из всего вышесказанного, можно сделать вывод, что вероятно доходность имеет нелинейную связь с конфликтностью рекомендаций. Гипотеза данного исследования отклоняется, так как конфликтность рекомендаций оказалась не связана с риском. Несмотря на это, опираясь на работу Ли и Ву, а также результаты данной работы, можно утверждать, что при правильной интерпретации данного показателя, на его базе возможно построение инвестиционной стратегии. Другими словами, необходимы дальнейшие исследования зависимости доходности от него.



5. Ограничения исследования

Не смотря на достаточно актуальную тему исследования, а также стоящую за моделированием поведения доходности практическую значимость, исследование проводилось при ряде ограничений.

В первую очередь, это ограничения, связанные с самим поставленным исследовательским вопросом. В работе анализировалась только одна отрасль - судоходная. Поэтому, полученные выводы не распространяются ни на Американский фондовый рынок, ни на другие отрасли. Более того, используемая выборка включала акции только 33 компаний, котирующихся на определенных биржах (американские фондовые биржи: NYSE, NASDAQ, OTC), поэтому распространение результатов на все мировые судовые компании также может быть необоснованным.

Что касается ограничений, связанных с практической частью работы, в данном случае они исходили, в основном, из имеющихся данных и предпосылок используемых методов.

Во-первых, это ограниченность используемой выборки. В выборку входили компании, котирующиеся только на Американских фондовых биржах, так как существует сложность в подборе рыночного индекса для контроля доходности рынка: валюты индексов бирж для разных стран отличаются. Также, исследовались только те компании, которые котировались на рынке все три года. По причине небольшого количества исследуемых компаний, в данном исследовании не удалось разбить выборку на квантили как это было сделано в предыдущих исследованиях (например: Barber et. al., 2001; Diether et al., 2002; Jegadeesh et al., 2004; Huang et al., 2009), когда каждый месяц акции перераспределялись в соответствии со значением показателей в предыдущем месяце.

Во-вторых, так как не смотря на панельную структуру данных модель оценивались как сквозные регрессии, не был учтен так называемый «эффект января», связанный с нетипичным поведением рынка в начале года для компаний с маленькой рыночной капитализаций.

В-третьих, для анализа используется очень ограниченный временной промежуток. Когда в текущем исследовании анализ проводился с использованием данных по трем годам года, в большей части статей анализируемый промежуток составлял около 10 лет. Например, Ли и Ву (Li & Wu, 2014) использовали для анализа данные по 26 годам, Дейтер и соавторы (Diether et al., 2002) анализировали временной промежуток в 24 года, (Cragg and Malkiel, 1982) - 8 лет, хотя и (Diether et al., 2002) называет данный промежуток недостаточным для обоснованности выводов.

В-четвертых, из предварительного анализа данных было обнаружено, что все переменные имеют распределение отличное от нормального. Нормальность распределения является основной предпосылкой t-теста, с помощью которого тестируется значимость полученных коэффициентов регрессии. Поэтому нельзя утверждать, что значимости полученных оценок можно доверять.

В-пятых, из корреляционного анализа было определено, что данные могут быть смещенными, так как если по компании, не являющимися лидерами рынка, была дана 1 рекомендация, то значение конфликтности было равно нулю. Для больших компаний, чаще существовало несколько рекомендаций, которые могли отличаться друг от друга. И в данном случае рекомендация считалась уже менее согласованной. Таким образом, существует также связь между числом рекомендаций и значимостью компании, которая в данном исследовании игнорировалась. В будущем представляется необходимым контролировать также на выявленную в ходе анализа связь.

В-шестых, тест Рамсея указал на неверную спецификацию моделей 1 и 2. Однако это может являться следствием пропущенной переменной.

В заключение, полученные в разрезе годов и кварталов оцененные коэффициенты для переменной конфликтности, варьируются по знаку и значимости, то есть, не являются устойчивыми. Одним из решений данной проблемы может стать увеличение числа компаний выборки и расширение временного промежутка, а также добавление в модель других факторов, оказывающих влияние на доходность и контролирующие её поведение на различные поведенческие эффекты.



Заключение

Проведенное исследование позволяет понять зависимость доходности акций от разногласий среди аналитиков для периода внешней нестабильности отрасли. Данная тема достаточно актуальна, так как результаты предыдущих исследований отличаются. Текущее исследование проводилось на примере судоходной отрасли, которая находится в состоянии кризиса с 2008 года. Особенная нестабильность внешней среды наблюдалась в период 2015-2016 гг., когда произошел ряд неоднозначных событий: банкротство одного из лидеров отрасли, создание альянсов между компаниями и их слияние. Использовалась достаточно маленькая выборка, состоящей из 33 судовых компаний, котирующихся на Американском фондовом рынке, в период 2015-2016 гг. В работе была предпринята попытка учитывать разногласия именно между рекомендациями «покупать», «держать» и «продавать», путем агрегирования числа более детальной кодировки рекомендаций (от «Агрессивная покупать» до «Агрессивная продавать»). На основании сквозных регрессий, построенных по всему анализируемому промежутку, в разрезе годов и кварталов гипотеза о том, что стандартное отклонение рекомендаций аналитиков можно рассматривать как прокси на риск, отклонилась. Однако стоит учитывать ограничения, при которых были сделаны данные выводы.

Данная работа будет полезна тем исследователям, которые интересуется моделированием поведения доходности, а также тем, кто изучает непосредственно связь доходности и характеристик рекомендаций аналитиков. Так как выводы текущего исследования и предыдущих работ, связанных с данной темой, получили неоднозначные результаты, для формирования конкретных советов инвесторам необходимо дальнейшее исследование. акция инвестиционный финансовый

Одним из направлений может стать анализ большего числа компаний и увеличение исследуемого временного промежутка. Далее, так как анализируется только одна отрасль, возможно, стоит включить в выборку судовые компаний, котирующихся на биржах других стран. Поэтому другим направлением исследования может стать поиск подходящего рыночного индекса, отражающего доходности судовых компаний в мировом масштабе. И, наконец, последнее направление, связано с самой зависимостью доходности акций от конфликтности рекомендаций, с дальнейшей возможностью формирования инвестиционной стратегии с учетом данного показателя.



Список литературы

1. Броневич, А.Г., Косюк, Е.Д., Лепский, А.Е., Пеникас, Г.И. (2015). Исследование конфликтности и детерминант точности прогнозов в рекомендациях российских финансовых аналитиков. Математические методы анализа решений в экономике, бизнесе и политике, 10, Высшая школа экономики.

2. Ackert, L. F., & Athanassakos, G. (1997). Prior uncertainty, analyst bias, and subsequent abnormal returns. Journal of Financial Research, 20(2), 263-73.

3. Ahmad-Zaluki, N. A., & Nordin Wan-Hussin, W. (2010). Corporate governance and earnings forecasts accuracy. Asian review of accounting, 18(1), 50-67.

4. Arthur J. Gallagher & Co. (2016). Tailored Solutions for the Inherent Risk of Maritime Operations. Gallagher Marine Practice. available at: https://www.ajg.com/media/1700715/tailored-solutions-for-client-success.pdf, (accessed 05.04.2018).

5. Barber, B., Lehavy, R., McNichols, M., & Trueman, B. (2001). Can investors profit from the prophets? Security analyst recommendations and stock returns. Journal of Finance, 56(2), 531-563. https://doi.org/10.1111/0022-1082.00336

6. Banz, R. W. (1981). The relationship between return and market value of common stocks. Journal of financial economics, 9(1), 3-18.

7. Basu, S. (1977). Investment performance of common stocks in relation to their price earnings ratios: A test of the efficient market hypothesis. The Journal of Finance, 32(3), 663-82.

8. Beneish, M. D., Lee, M. C., & Tarpley, R. L. (2001). Contextual fundamental analysis through the prediction of extreme returns. Review of Accounting Studies, 6, 165-189.

9. Boni, L., & Womack, K. L. (2009). Industries, Analysts, and Price Momentum. Journal of Financial and Quantitative Analysis, 41(1), 85-109.

10. Carhart, M. (1997). On persistence in mutual fund performance. Journal of Finance, 52, 57-82.

11. Chang, Y. H., & Chan, C. C. (2008). Financial analysts' stock recommendation revisions and stock price changes. Applied Financial Economics, 18(4), 309-325. https://doi.org/10.1080/09603100600606131

12. Cragg, J., & Malkiel, B. (1982). Expectations and the Structure of Share Prices. University of Chicago Press, Chicago, IL.

13. DeBondt, W. & Thaler, R., (1984). Papers and proceedings of the forty-third annual meeting. The Journal of Finance, 40(3), 793-805.

14. Diether, K., Malloy, C. J., & Scherbina, A. (2002). Differences of Opinion and the Cross-Section of Stock Returns. Journal of Finance, 57(5), 2113-2141. https://doi.org/10.1111/0022-1082.0049

15. Expert Online (2015). Three major Japanese shipping companies have established «union weak». available at: http://expert.ru/2016/10/31/krupnejshie-sudohodnyiekompanii-yaponii-ob_edinyayut-morskie-perevozki/, (accessed 01.02.2018).

16. Faias, J., & Mascarenhas, P. M. (2015). Predicting influential recommendation revisions.Working paper.

17. Fama, E. F. (1965). The Behavior of Stock-Market Prices. The Journal of Business, 38(1), 34-105.

18. Fama, E. F., & MacBeth, J. D. (1973). Risk, return, and equilibrium: Empirical tests. Journal of political economy, 81(3), 607-36.

19. Fama, E. F., & French, K., R. (1993). Common risk factors in the returns on stocks and bonds. Journal of Financial Economics, 33, 3-56.

20. Garfinkel, J., & Sokobin, J., (2006). Volume, opinion divergence, and returns: a study of post-earnings announcement drift. Journal of Accounting Research, 44(1), 85-112

21. Gebhardt, W. R., Lee, C. & Swaminathan, B. (2001). Toward an implied cost of capital. Journal of accounting research, 39(1), 135-76.

22. Gleason, C. A., & C. M. Lee. (2003). Analyst Forecast Revisions and Market Price Discovery. Accounting Review, 78, 193-225.

23. Huang, J., Mujtaba Mian, G., & Sankaraguruswamy, S. (2009). The value of combining the information content of analyst recommendations and target prices. Journal of Financial Markets, 12(4), 754-777. https://doi.org/10.1016/j.finmar.2009.07.002

24. Jegadeesh, N., Kim, J., Krische, S. D., & Lee, C. M. C. (2004). American finance association analyzing the analysts: when do recommendations add value? The Journal of Finance, 59(3), 1083-1124. https://doi.org/10.1111/j.1540-6261.2004.00657.x

25. Jegadeesh, N., & Kim, W. (2006). Value of analyst recommendations: International evidence. Journal of Financial Markets, 9(3), 274-309. https://doi.org/10.1016/j.finmar.2006.05.001

26. Johnson, T. C. (2004). Forecast dispersion and the cross section of expected returns. Journal of Finance, 59(5), 1957-1978. https://doi.org/10.1111/j.1540-6261.2004.00688.x

27. Kutynina, E., Lepskiy, A. (2018). Aggregation of forecasts and recommendations of financial analysts in the framework of evidence theory. Advances in Fuzzy Logic and Technology, 641. https://doi.org/10.1007/978-3-319-66830-7

28. Li, M. Y. (Leon), & Wu, J. S. (2014). Analysts' forecast dispersion and stock returns: a quantile regression approach. Journal of Behavioral Finance, 15(3), 175-183. https://doi.org/10.1080/15427560.2014.942420

29. Lozinskaia, A., Merikas, A., Merika, A., & Penikas, H. (2017). Determinants of the probability of default: the case of the internationally listed shipping corporations, Maritime Policy & Management, 44(7), 837-858. https://doi.org/10.1080/03088839.2017.1345018

30. Miller, E. M. (1977). Risk, uncertainty, and divergence of opinion. The Journal of finance, 32(4), 1151-68.

31. Moller-Maersk, A.P. (2016). Profits overboard. available at: http://www.economist.com/news/business/21706556-shipping-business-crisis-industryleader-not-exempt-profits-overboard, (accessed 14.11.2017).

32. Ramnath, S., Rock, S., & Shane, P. (2008). The financial analyst forecasting literature: A taxonomy with suggestions for further research. International Journal of Forecasting, 24(1), 34-75. https://doi.org/10.1016/j.ijforecast.2007.12.006

33. Scherbina, A. (2004). Analyst disagreement, forecast bias and stock returns. HBS Publishing, Forthcoming, available at: https://ssrn.com/abstract=894381, (accessed 03.04.2017).

34. Stopford, M., (2009).Maritime Economics. 3e. Routledge.

35. UNCTAD (2017). Review of maritime transport. United Nations Publications, 1-118.

36. Welagedara, V., Deb, S. S., & Singh, H. (2016). Investor attention, analyst recommendation revisions, and stock prices. Pacific Basin Finance Journal, 45, 211-223. https://doi.org/10.1016/j.pacfin.2016.05.010

37. Womack, K. L. (1996). Do brokerage analysts' recommendations have investment value? Journal of Finance, 51(1), 137-167. https://doi.org/10.1111/j.1540-6261.1996.tb05205.x



Приложение 1

Список компаний, котирующихся на биржах NYSE, NASDAQ и внебиржевой площадке OTC Markets Group

	Название компании	Тикер	Биржа
1	A.P. Mшller - Mжrsk A/S	AMKBY.PK	OTC
2	Aegean Marine Petroleum Network Inc.	ANW	NYSE
3	American Shipping Company ASA	ASCJF	OTC
4	Ardmore Shipping Corporation	ASC	NYSE
5	Avance Gas Holding Ltd.	AVACF	OTC
6	Box Ships Inc.	TEUFF	OTC
7	BW LPG Limited	BWLLF	OTC
8	Carnival plc	CCL	NYSE
9	China COSCO Holdings Company Limited	CICOF	OTC
10	COSCO Shipping Energy Transportation Co Ltd	CSDXF	OTC
11	COSCO SHIPPING Holdings Co., Ltd.	CICOY	OTC
12	Costamare Shipping Company S.A.	CMRE	NYSE
13	CSX Corporation	CSX	NASDAQ
14	Danaos Corporation	DAC	NYSE
15	DHT Holdings, Inc.	DHT	NYSE
16	Diana Containerships Inc.	DCIX	NASDAQ
17	Diana Shipping Inc.	DSX	NYSE
18	DryShips, Inc.	DRYS	NASDAQ
19	Eagle Bulk Shipping, Inc.	EGLE	NASDAQ
20	Euronav NV	EURN	NYSE
21	Euronav NV	EURN	NYSE
22	Euroseas, Ltd.	ESEA	NASDAQ
23	GasLog Ltd.	GLOG	NYSE
24	Genco Shipping & Trading Ltd.	GNK	NYSE
25	Gener8 Maritime, Inc.	GNRT	NYSE
26	Global Ship Lease, Inc.	GSL	NYSE
27	Globus Maritime Limited	GLBS	NASDAQ
28	Golar LNG Ltd.	GLNG	NASDAQ
29	Golden Ocean Group Limited	GOGL	NASDAQ
30	Gulfmark Offshore, Inc.	GLF	NYSE
31	Hornbeck Offshore Services, Inc.	HOS	NYSE
32	International Seaways, Inc	INSW.N	NYSE
33	Kirby Corporation	KEX	NYSE
34	Marine Petroleum Trust	MARPS	NASDAQ
35	Navios Maritime Acquisition Corporation	NNA	NYSE
36	Navios Maritime Holdings Inc	NM	NYSE
37	Nippon Yusen Kaisha Limited	NYUKF	OTC
38	Nordic American Offshore Ltd	NAO	NYSE
39	Nordic American Tankers Limited	NAT	NYSE
40	Orient Overseas International Ltd.	OROVF	OTC
41	Overseas Shipholding Group, Inc.	OSG	NYSE
42	Pacific Basin Shipping Ltd.	PCFBF	OTC
43	Paragon Shipping Inc.	PRGNF	OTC
44	Precious Shipping Public Company Limited	PSGFF	OTC
45	Pyxis Tankers Inc.	PXS	NASDAQ
46	Safe Bulkers, Inc.	SB	NYSE
47	Scorpio Bulkers Inc.	SALT	NYSE
48	Scorpio Tankers Inc.	STNG	NYSE
49	Seanergy Maritime Holdings Corp.	SHIP	NASDAQ
50	Seaspan Corporation	SSW	NYSE
51	Ship Finance International Limited	SFL	NYSE
52	Sino-Global Shipping America, Ltd.	SINO	NASDAQ
53	Sinotrans Shipping Ltd.	SSLYF	OTC
54	Star Bulk Carriers Corp.	SBLK	NASDAQ
55	StealthGas, Inc.	GASS	NASDAQ
56	Teekay Corporation	TK	NYSE
57	Teekay Tankers Ltd.	TNK	NYSE
58	Textainer Group Holdings Limited	TGH	NYSE
59	Thoresen Thai Agencies Public Company Limited	THAFF	OTC
60	Tidewater, Inc.	TDW	NYSE
61	Top Ships Inc.	TOPS	NASDAQ
62	Tsakos Energy Navigation Limited	TNP	NYSE
63	Ultrapetrol (Bahamas) Ltd.	ULTRF	OTC



Приложение 2

Список компаний выборки

	Название компании	Идентификатор для базы Thomson Reuters	Тикер	Биржа	Страна
1	A.P. Mшller - Mжrsk A/S	AMKBY.PK	AMKBY	OTC	Дания
2	Aegean Marine Petroleum Network Inc.	ANW	ANW	NYSE	Греция
3	Ardmore Shipping Corporation	ASC	ASC	NYSE	Бермуды
4	Carnival plc	CCL	CCL	NYSE	Великобритания
5	Costamare Shipping Company S.A.	CMRE.N	CMRE	NYSE	Монако
6	CSX Corporation	CSX.O	CSX	NASDAQ	США
7	DHT Holdings, Inc.	DHT	DHT	NYSE	Бермуды
8	Diana Containerships Inc.	DCIX.O	DCIX	NASDAQ	Греция
9	Diana Shipping Inc.	DSX	DSX	NYSE	Греция
10	Dorian LPG Ltd	LPG	LPG	NYSE	США
11	DryShips, Inc.	DRYS.O	DRYS	NASDAQ	Греция
12	Eagle Bulk Shipping, Inc.	EGLE.O	EGLE	NASDAQ	Маршалловы острова
34	Euronav NV	EURN.K	EURN	NYSE	Бельгия
13	GasLog Ltd.	GLOG.N	GLOG	NYSE	Монако
14	Genco Shipping & Trading Ltd.	GNK	GNK	NYSE	США
15	Golar LNG Ltd.	GLNG.O	GLNG	NASDAQ	Бермуды
16	Golden Ocean Group Limited	GOGL.O	GOGL	NASDAQ	Бермуды
17	Hornbeck Offshore Services, Inc.	HOS	HOS	NYSE	США
18	Kirby Corporation	KEX	KEX	NYSE	США
19	Navios Maritime Acquisition Corporation	NNA	NNA	NYSE	Монако
20	Navios Maritime Holdings Inc	NM	NM	NYSE	Монако
21	Nordic American Offshore Ltd	NAO	NAO	NYSE	Бермуды
22	Nordic American Tankers Limited	NAT	NAT	NYSE	Бермуды
23	Safe Bulkers, Inc.	SB	SB	NYSE	Монако
24	Scorpio Bulkers Inc.	SALT.N	SALT	NYSE	Монако
25	Scorpio Tankers Inc.	STNG.N	STNG	NYSE	Монако
26	Seaspan Corporation	SSW	SSW	NYSE	Маршалловы острова
27	Ship Finance International Limited	SFL	SFL	NYSE	Бермуды
28	Star Bulk Carriers Corp.	SBLK.O	SBLK	NASDAQ	Греция
29	StealthGas, Inc.	GASS.O	GASS	NASDAQ	Греция
30	Teekay Corporation	TK	TK	NYSE	Бермуды
31	Teekay Tankers Ltd.	TNK	TNK	NYSE	Бермуды
33	Tsakos Energy Navigation Limited	TNP	TNP	NYSE	Греция



Приложение 3

Описание используемой базы данных

Название переменной в таблице	Переменная	Единицы измерения
id	Номер компании	х
ric	Тикер компании в базе Thomson Reuters	х
date	Месяц и год	х
MarketCap	Рыночная капитализация компании	Один USD
quarters	Финансовые кварталы в абсолютном значении	х
BookValuePerShare	Балансовая стоимость на акцию (капитал, деленный на все обыкновенные акции)	Один USD
TotalCurrentAssets	Общие текущие активы	Один USD
TotalCurrentLiabilities	Общая сумма текущих обязательств	Один USD
TotalAssets	Общие активы	Один USD
TotalEquity	Общий капитал компании	Один USD
TotalLiabilities	Общая сумма обязательств	Один USD
PriceClose	Цена закрытия на конец месяца	Один USD
R	Доходность	х
Conflict5	Конфликтность, рассчитанная как стандартное отклонение от средней рекомендации 1-5, за текущий месяц	х
Conflict3	Конфликтность рекомендаций 1-3, за текущий месяц	х
Conflict5_1	Конфликтность, рассчитанная как стандартное отклонение от средней рекомендации 1-5, за предыдущий месяц	х
Conflict3_1	Конфликтность рекомендаций 1-3, за предыдущий месяц	х
NRec	Число рекомендаций по конкретной компании в месяце	х
MeanRec	Средняя рекомендация 1-5	х
DJ	Доходность индекса Доу Джонса	х
PB	Соотношение цены акции к балансовой стоимости на акцию	х
Radj	Скорректированная с учетом рынка доходность	х
Momentum6	Фактор momentum для доходности, включающий значение доходности для шести предыдущих месяцев	х
CurrentRatio	Коэффициент текущей ликвидности	х
Debt	Финансовый рычаг	х



Приложение 4

Описательные статистики зависимой и объясняющих переменных по годам

Переменная	Среднее	Станд. откл.	Мин. знач.	Макс. знач.	Коэф. ассиметрии	Куртозис	Кол. нблд.
2015 г.
R	-0,040	0,140	-0,645	0,711	-0,475	6,700	396
Conflict5	0,816	0,444	0,000	2,723	1,942	9,028	396
Conflict3	0,466	0,276	0,000	1,000	-0,434	2,239	396
Market	-0,002	0,044	-0,336	0,167	-0,546	11,634	12
lnsize	20,656	1,463	15,358	24,631	1,016	4,408	396
PB	0,932	0,648	0,004	3,243	1,212	4,667	396
Momentum	0,000	0,049	-0,234	0,272	-0,726	6,752	396
Leverage	1,453	1,985	-0,178	13,539	4,655	26,086	396
Current Ratio	2,026	1,728	0,192	9,163	2,124	7,598	396
2016 г.
R	0,017	0,198	-0,743	0,944	0,345	5,636	396
Conflict5	0,860	0,447	0,000	2,654	1,213	7,011	396
Conflict3	0,512	0,246	0,000	1,000	-0,641	3,194	396
Market	0,010	0,038	-0,370	0,167	-2,165	28,155	12
lnsize	19,975	1,800	15,243	24,410	0,609	3,755	396
PB	0,856	2,164	0,004	33,219	10,735	142,138

Подобные документы

• Влияние пиратских игр на доходность акций компании (издателей)

  Определение негативного влияния пиратства, которое подрывает продажи в альтернативных магазинах. Исследование связи пиратства и доходности акций компаний. Ознакомление с количеством релизов официальных и пиратских игр. Анализ рыночной модели CAPM.
  
  дипломная работа [597,4 K], добавлен 23.08.2017
  

• Влияние публикации финансовой отчетности на динамику цен акций российских нефтегазовых компаний в зависимости от характера новости

  Виды информации о компании, специфика ее влияния на цены акций компании. Установление связи между отчетным событием и ценой акции предприятия. Влияние публикации финансовой отчетности на цены акций компаний нефтегазовой отрасли: выборка, модель.
  
  дипломная работа [1,3 M], добавлен 28.09.2017
  

• Основы инвестирования

  Определение ожидаемой доходности портфеля, планируемых дивидендов и полной стоимости акций компаний. Средневзвешенная стоимость капитала фирмы. Расчет величины прибыли для инвестора по акциям, их бета-коэффициента и дохода по безрисковым ценным бумагам.
  
  контрольная работа [59,9 K], добавлен 02.04.2011
  

• Влияние объявлений о дивидендных выплатах на цены акций российских компаний

  Обоснования направления влияния дивидендных выплат. Политика выплаты российских компаний. Метод event study. Расчет нормальной доходности акции, влияние объявлений о дивидендных выплатах на цены. Усредненная избыточная доходность по типам новостей.
  
  курсовая работа [454,5 K], добавлен 13.10.2016
  

• Влияние внешней среды на финансовое благополучие конкретных компаний

  Изучение влияния внешнего окружения на деятельность конкретных компаний, на результаты их финансово-хозяйственной деятельности. Изменение финансового благополучия фирмы под действием различных факторов. Методы анализа внешней среды предприятия.
  
  эссе [16,9 K], добавлен 10.09.2013
  

• Выбор оптимального портфеля инвестора

  Расчет фактической, ожидаемой и безрисковой доходности и риска по акциям. Определение привлекательности акций для инвестирования. Определение коэффициента Шарпа. Сравнение выбранного портфеля акций с индексным портфелем. Доходность акции на единицу риска.
  
  курсовая работа [1,6 M], добавлен 24.05.2012
  

• Инвестиционные стратегии российских и зарубежных компаний: сравнительный анализ

  Основные аспекты и методы разработки инвестиционной стратегии организации, ее догосрочные цели. Анализ и особенности стратегий российских и зарубежных компаний. Сущность стратегии поглощения или слияния, использование зарубежного опыта в России.
  
  курсовая работа [94,5 K], добавлен 02.03.2012
  

• Развитие российских нефтяных компаний

  Характеристика современного состояния нефтяного сектора экономики РФ. Проблемы и тенденции экономического развития нефтяной отрасли. Факторы, влияющие на стоимость акций компаний различных отраслей. Динамика цен акций российских нефтяных компаний.
  
  дипломная работа [1,0 M], добавлен 23.08.2017
  

• Анализ долгосрочной доходности при проведении размещений акций российскими компаниями

  Мотивы и интересы сторон в размещении акций, преимущества и недостатки, процедура проведения. Особенности вторичных размещений акций (SPO). Анализ долгосрочной доходности при проведении размещений акций российскими компаниями, обзор рынка в России.
  
  дипломная работа [2,0 M], добавлен 03.07.2017
  

• Формирование инвестиционного портфеля и анализ его доходности

  Определение риска и доходности инвестиционного портфеля. Анализ структуры инвестиций с точки зрения потенциального риска и доходности. Расчет мультипликаторов по акциям, показателей рентабельности и ликвидности, коэффициентов оборачиваемости и автономии.
  
  курсовая работа [2,1 M], добавлен 08.01.2012
  

• Организация деятельности брокерско-дилерских компаний

  Понятие, сущность и функции брокерско-дилерской компании. Анализ деятельности брокерско-дилерских компаний на фондовом рынке России. Совершенствование деятельности брокерско-дилерских компаний на рынке ценных бумаг России.
  
  курсовая работа [185,0 K], добавлен 10.09.2007
  

• Экономические основы деятельности инвестиционной компании на рынке финансовых услуг

  Понятие и структура рынка финансовых услуг, его характеристика. Профессиональная и непрофессиональная деятельность инвестиционных компаний на рынке ценных бумаг. Перспективы универсального сервиса инвестиционных компаний в условиях глобализации.
  
  дипломная работа [1,0 M], добавлен 23.09.2013
  

• Финансовая стратегия предприятия в рыночных условиях

  Виды, цели, задачи и разработка финансовой стратегии. Использование финансовой стратегии для обеспечения устойчивого развития компаний в рыночных условиях. Анализ мероприятий по формированию и использованию финансово-ресурсного потенциала компании.
  
  курсовая работа [192,9 K], добавлен 06.01.2012
  

• Разработка стратегии управления прибылью крупного акционерного общества (корпорации) на основе бизнес-диагностики финансового состояния

  Этапы, цели и задачи разработки стратегии управления прибылью крупной акционерной компании. Формирование и структура финансовой отчетности акционерных компаний. Рекомендации по разработке стратегии управления прибылью компании применительно к АО НКМЗ.
  
  дипломная работа [196,6 K], добавлен 23.07.2009
  

• Формирование инвестиционного портфеля

  Ознакомление с инвестиционной политикой России. Принципы определения ожидаемой доходности акций. Расчет показателей степени риска вложений в ценные бумаги. Формирование и ревизия инвестиционного портфеля. Оценка эффективности финансовых вложений.
  
  контрольная работа [764,9 K], добавлен 26.11.2010
  

• Разработка инвестиционной стратегии. Оценка акций и облигаций

  Принципы и последовательность разработки инвестиционной стратегии. Рассмотрение предприятия как социально-экономической системы, способной к самоорганизации. Учет базовых стратегий операционной деятельности. Классификация акций, облигаций и их оценка.
  
  контрольная работа [35,3 K], добавлен 29.07.2010
  

• Инвестиционные решения публичных российских компаний

  Направления исследований инвестиционной активности компаний. Влияние факторов на уровень капитальных вложений в текущем периоде: выручка компании, уровень капитальных вложений за предыдущий год, рентабельность инвестиций, денежный поток и прибыль.
  
  курсовая работа [217,5 K], добавлен 22.09.2016
  

• Анализ текущего состояния инвестиционной политики РФ

  Теоретические аспекты государственного регулирования инвестиционной деятельности. Оценка инвестиционной политики РФ на основе индекса ведения бизнеса. Анализ ее влияния на инвестиционную привлекательность российских компаний, перспективы развития.
  
  курсовая работа [575,9 K], добавлен 19.01.2015
  

• Оценка рыночной стоимости 100% пакета акций ОАО "Вертикаль"

  Теоретическое изучение основных методов оценки стоимости бизнеса и подходов компаний к оценке стоимости акций. Выявление и анализ особенностей оценки стоимости обыкновенных акций. Проведение оценки рыночной стоимости 100% пакета акций ОАО "Вертикаль".
  
  дипломная работа [322,7 K], добавлен 04.08.2012
  

• Роль слияния и поглощения в финансовой стратегии компаний

  Роль процессов слияния и поглощения. Специфика российского рынка слияний и поглощений. Экономический эффект от поглощения ОАО "Приморский кондитер" ОАО "Объединенные кондитеры", оценка рыночной стоимости компаний и проведение процедуры интеграции.
  
  дипломная работа [2,1 M], добавлен 16.06.2011
  

• главная
• рубрики
• по алфавиту
• вернуться в начало страницы
• вернуться к началу текста
• вернуться к подобным работам