Размещено на http://www.Allbest.ru/

Размещено на http://www.Allbest.ru/

Оглавление

• Введение
• 1. Теоретическое обоснование
• 1.1 История появления рынка драгоценных металлов
• 1.2 Детерминанты цен драгоценных металлов
• 1.3 Рынок драгоценных металлов
• 1.4 Спрэд
• 2. Постановка исследовательского вопроса
• 3. Методология
• 4. Описание результатов
• Заключение
• Список литературы
• Приложения


Введение

В настоящее время существует растущий интерес к изучению разницы между ценой продажи и ценой покупки драгоценных металлов. Изучение спрэда по драгоценным металлам важно для инвесторов, которые хотят диверсифицировать свои инвестиционные портфели, особенно во время экономических волнений и политической нестабильности в стране. Стоит также отметить, что для инвесторов спрэд - это затраты. Чем больше банки устанавливают спрэд, тем больше становятся затраты инвестора. Поэтому необходимо понимать, какие факторы влияют на формирование спрэда по драгоценным металлам в банках, и в какое время инвесторам выгоднее вкладывать и изымать свои денежные средства. Существует огромное количество исследований о валютном спрэде, однако у спрэда по драгоценным металлам дела обстоят иначе. Эта область исследований еще недостаточно изучена, поэтому данное исследование посвящено этой теме.

Основные проблемы в анализе спрэда драгоценных металлов связаны с отсутствием хороших качественных исследований в этой области в России. Хотя изучение изменений спрэда на драгоценные металлы для России, возможно, является более важным, чем для более развитых стран в Европе или для Америки. Поскольку из-за кризиса, вызванного санкциями в отношении России и ответными санкциями со стороны России, российский национальный обменный курс резко упал.

В России существует множество людей, которые боятся потерять свои деньги, и много инвесторов, которые хотят инвестировать свой капитал в прибыльные активы. Для всех них информация о преимуществах и недостатках инвестирования денежных средств в драгоценные металлы может быть полезна. Существует множество способов для инвестиций в драгоценные металлы. Например, можно купить инвестиционные монеты и слитки из драгоценных металлов или открыть обезличенный металлический счет. Последний из способов инвестирования (ОМС) стал активно распространятся среди банков в России относительно недавно, после мирового кризиса 2008 года. По своей сути он представляет счет в банке, на котором денежные средства считаются не в рублях или другой валюте, а в граммах драгоценного металла. Таким образом, деньги вкладчика конвертируются в граммы драгоценного металла, который имеется только « на бумаге», а не в реальности. Поэтому такие металлические счета называются обезличенными.

Однако многие из приведенных выше способов инвестиций могут быть выполнены только в банках, где цены купли-продажи драгоценных металлов значительно отличаются от официальной цены центрального банка России. Вот почему необходимо знать, какие факторы влияют на спрэд драгоценных металлов. Из всех методов инвестирования в металлы обезличенные металлические счета являются более ликвидными (по сравнению с инвестиционными монетами или слитками). Кроме того, после закрытия счета нет необходимости платить налоги, как в случае инвестиций в слитки из драгоценных металлов. Поэтому в данной работе исследуются факторы, оказывающие влияние на разницу между ценой продажи и ценой покупки драгоценных металлов по обезличенным металлическим счетам в российских банках.

Изучение обезличенных металлических счетов, которые еще недостаточно изучены, является актуальным в настоящее время, поскольку существующий в России с 2008 года спрос на них не исчез, а ввиду нестабильной экономической и политической обстановки в стране, вызванной санкциями, продолжает увеличиваться.

Целью исследования является определение факторов, влияющих на формирование спрэда по обезличенным металлическим счетам в российских банках.

Для достижения поставленной цели необходимо выполнить следующие задачи:

1. Изучить и проанализировать статьи по данной теме;

2. Выявить возможные детерминанты на основе обзора литературы и других источников информации;

3. Собрать необходимые для исследования данные и проанализировать их;

4. Построить регрессионные модели с панельными данными для драгоценных металлов;

5. Проанализировать полученные результаты и сделать выводы;

6. Выявить возможные ограничения исследования.

Во время исследования и построения моделей возможно возникновение некоторых ограничений, связанных с объемом информации, собираемой по четырем драгоценным металлам (золото, серебро, платина и палладий) из 17 российских банков. Именно по такому количеству коммерческих банков в стране, которые предлагают возможность открытия обезличенных металлических счетов, доступна информация об изменении котировок. Возникновение ограничений может быть связано с отсутствием архивных данных об изменениях цен покупки и продажи драгоценных металлов в течение длительного периода времени во всех банках, где можно открыть обезличенные металлические счета. Таким образом, все данные собираются вручную, поэтому для исследования берется период с октября 2017 года по апрель 2018 года. Полученные данные будут проанализированы и преобразованы с помощью пакета программ «Microsoft Office:Excel» для дальнейшего использования при построении моделей.

Для исследования факторов, влияющих на формирование цен покупки и продажи драгоценных металлов в российских банках, будут построены регрессионные модели с панельными данными для каждого из драгоценных металлов в отдельности. С помощью пакета статистических программ «STATA» для каждого металла будут построены модель с фиксированными индивидуальными эффектами и сквозная регрессионная модель, которая не учитывает специфику панельных данных и рассматривает все как кросс-секцию. В дальнейшем, с помощью определенных тестов, будут выбраны лучшие из них. Для построения моделей будут браться месячные данные, так как многие финансовые показатели, которые будут взяты для моделей, публикуются раз в месяц.

Стоит еще раз отметить, что данное исследование уникально для России, так как существует мало работ по изучению спрэда металлических счетов, основанных на данных российских банков. Результаты данной работы могут быть полезны как для инвесторов, которые смогут более грамотно диверсифицировать свои инвестиционные портфели благодаря включению драгоценных металлов, так и для простых граждан, которые хотят сберечь свои деньги от инфляции и экономических потрясений.

Далее в работе представлены следующие разделы: теоретическое обоснование, в котором исследуются работы других авторов по данной теме; постановка исследовательского вопроса, где представлены основные гипотезы и методы исследования; раздел методология, в котором подробно описаны методы исследования и модели; описание результатов, полученных на основе построенных моделей, и заключение, в котором отражены основные выводы исследования, ограничения и возможные направления для дальнейшего исследования.

1. Теоретическое обоснование

Для выявления факторов, связанных с формированием разницы между ценой продажи и ценой покупки драгоценных металлов по обезличенным металлическим счетам в российских банках, следует обратиться к литературе, рассматривающей данную область. В данной главе стоит рассмотреть историю появления рынка драгоценных металлов; узнать какие металлы и почему относятся к драгоценным, для лучшего понимания области исследования. Необходимо познакомиться с детерминантами цены драгоценных металлов, выделенными в научных исследованиях и статьях других авторов, чтобы знать, каким образом формируются и от чего зависят официальные цены ЦБ на драгоценные металлы. Так как спрэд формируется в зависимости как непосредственно от цен на драгоценные металлы, так и от того, насколько часто и сильно цены меняются. Необходимо исследовать в целом рынок металлических счетов в других странах, его особенности, а также изучить особенности российского рынка металлических счетов, узнать какие нормативные документы регламентируют работу с драгоценными металлами и какие преимущества существуют у обезличенных металлических счетов по сравнению с другими способами инвестиций в драгоценные металлы. Необходимо также изучить литературу, связанную со спредом как на металлы, так и на другие активы, поскольку качественных исследований в области изучения спрэда на драгоценные металлы недостаточно. Изучение такой литературы поможет выбрать детерминанты для исследования и построения моделей.

1.1 История появления рынка драгоценных металлов

В большинстве исследований рынка драгоценных металлов авторы статей выделяют четыре металла: золото, серебро, платина и палладий. Причем многие из них рассматривают золото как отдельный класс активов, отличный от «белых металлов». Одна из причин заключается в том, что его полезность в качестве промышленного металла небольшая и уменьшается по сравнению с его использованием в качестве инвестиции и в ювелирных изделиях. Другие драгоценные металлы все же, однако, имеют значительное применение в промышленности: платина обычно используется в катализаторах, палладий теперь смешивается со сплавами, которые заменяют золото в стоматологии, а серебро может быть частью производства солнечных панелей (Batten, Ciner and Lucey, 2014).

На протяжении долгого периода времени золото считалось хеджированием рисков, связанных с валютой, поскольку оно являлось основой денежной системы. В девятнадцатом веке золото было стандартом, к которому стремились многие государства, поэтому оно преобладало во множестве развитых странах. Конечно, были и исключения - страны, которые использовали в качестве валюты серебро или, например, стерлинговый стандарт, который господствовал в Британии. В то время цена на золото составляла 20 долларов США за унцию. Объясняя причины решения Австрии присоединиться к золотому стандарту, австрийский экономист Йозеф Шумпетер Йозеф Алоиз Шумпетер - австрийский экономист и социолог, известный историк экономической мысли (Economicus, 2005). говорил, что «это был знак чести и порядочности» (Capie et al.,2005).

Однако, в первой половине двадцатого века все изменилось. В связи с политическими, социальными и экономическими волнениями золотой стандарт начал постепенно разрушаться. Во второй половине двадцатого века, после того, как вторая мировая война закончилась, была создана международная валютная система. В нейеще частично использовалось золото, хотя по своей сути эта система фактически оказалась стандартом доллара. Доллар США ,как и раньше, был выражен в виде фиксированной цены на золото, уже по 35 долларов США за унцию, начиная с 1934 года. Значительные изменения цена на желтый драгоценный металл претерпела в конце 1960-х годов, когда стали появляться предположения об отказе в системе. После решения президента США Никсона в 1971 году убрать полностью золотое обеспечение, Бреттон-вудская система полностью рухнула. Некоторые разговоры об официальной роли золота еще продолжались, но вскоре стало всем стало понятнл, что в будущем для золота не будет официальной роли (Capie et al.,2005). Золото, начиная с 1967 года, стало торговаться на рынке, и с тех пор цена на этот драгоценный металл стала стремительно расти с небольшими колебаниями (Mills, 2004).

Случайный переход Великобритании к золотому стандарту стал причиной преобладания лондонского рынка золота, который длится до сих пор. В 18-м веке этот рынок поглотил подавляющее большинство золота, добытого в золотой лихорадке в Бразилии, которое затем входило в чеканку новых золотых монет; затем золото Российской империи, которая была крупнейшим производителем до калифорнийской золотой лихорадки 1840-х годов. Даже приостановление конвертации Банком Англии в 1931 году не повлияло на лондонское господство (O'Connor et al., 2015).

Серебро является одним из старейших финансовых активов благодаря его исторической роли в качестве валюты. Преимущества использования драгоценных металлов в качестве валюты заключались в их редкости, делимости и отсутствии коррозии. Некоторые государства в истории использовали в качестве валюты базовые металлы, такие как Византия, которая использовала железные монеты. Но такие монеты оказались слишком тяжелыми и слишком легко ржавеющими, чтобы использоваться в качестве эффективной валюты (Averbury, 1903). Платина и палладий были относительно недавно добавлены в список драгоценных металлов. Платина изначально считалась «досадой» испанских золотоискателей промывании золота в XVI веке, а палладий был открыт только в 1802 году учеными, которые работали над улучшенными методами очистки платины. Хотя эти драгоценные металлы используются в качестве инвестиционных активов, основным источником спроса на них является промышленность (McDonald & Hunt, 1982).

1.2 Детерминанты цен драгоценных металлов

Исследователи драгоценных металлов выделяют несколько групп факторов, влияющих на формирование цены золота. К основным из них относятся: спрос и предложение золота, стоимость ценных бумаг, как альтернатива для вложения денежных средств, банковский процент, инфляция, курс доллара США, кризисные проявления экономики, а также политические факторы, то есть политическая стабильность в стране и мире.

Спрос и предложение являются основополагающими факторами, которые определяют цену золота при осуществлении фиксинга на Лондонском рынке (Потиенко, 2001). Другим из основных факторов, влияющих на цену золота, который выделяют многие экономисты, является инфляция. Многочисленные статьи, опубликованные как в научных журналах, так и в финансовой прессе, показывают взаимосвязь между ценой золота и фактической инфляцией с течением времени. Например, Ghosh et al. (2004) и Worthington и Pahlavani (2007) представляют в своих исследованиях доказательства долгосрочной коинтеграцииКоинтеграция -- свойство нескольких нестационарных (интегрированных) временных рядов, заключающееся в существовании некоторой их стационарной линейной комбинации. В случае коинтеграции оценки, полученные методом наименьших квадратов, будут состоятельными (Магнус, Катышев, Пересецкий, 2007). между золотом и инфляцией. Однако, Shafiee и Topal (2010) в своей статье показывают, что соотношение между ростом цен на золото и кумулятивной инфляцией составляло около 9% за последние четыре десятилетия, и не было значительной взаимосвязи между ценой золота и инфляцией. Реальное золото обратно пропорционально связано с реальными ставками и реальными ценами (Abdullah and Abu Bakar, 2015). В своем исследовании авторы показали, что ценой золота может управлять Федеральная резервная система, чтобы снизить цену на золото путем повышения процентных ставок или понижения реальных процентных ставок с целью повышения цены на золото. Еще одним финансовым фактором, влияющим на цену на золото, является курс доллара. Многие наблюдатели давно отметили положительную связь между долларовой ценой золота и слабостью доллара (Pukthuanthong и Roll, 2011).

Драгоценные металлы долгое время считались естественным хеджированием инфляции, поскольку их производство ограничено природой - в отличие от фиксированной валюты. Тейлор (Taylor, 1998) использует данные за период с 1914 по 1996 год для оценки способности хеджирования белыми драгоценными металлами. Результаты показывают, что для серебра это было долгосрочное хеджирование за наблюдаемый период, но также и краткосрочное против индекса потребительских цен США во многих подпериодах выбранного временного промежутка. Примечательно, что серебро было хеджем во время второго кризиса стран-экспортеров нефти (ОПЕК) 1979 года, но не во время первого кризиса ОПЕК 1973 года. Что касается платины и палладия, то результаты коинтеграции Йохансена указывают на то, что эти металлы служили в качестве долговременного хеджа инфляции, в то время как доказательства также указывают на краткосрочные возможности хеджирования платины (Taylor, 1998). Adrangi et all. (2003), исследую связь серебра и инфляции, делают прогноз, что рост инфляции приведет к сокращению как экономической активности, так и спроса на деньги. Это приведет к снижению промышленного спроса на серебро, но может привести также к увеличению стороны инвестиционного спроса из-за предполагаемой способности серебра выступать в качестве хеджирования во время инфляционных времен.

Радецки (1989) рассмотрел факторы, которые влияли на цену серебра и платины в среднесрочной и долгосрочной перспективе. Анализ проводился путем дифференциации движущих сил предложения и движущих сил спроса в период с 1972 по 1987 год. Автор приходит к выводу, что на цену серебра влияют спрос со стороны промышленности и частные запасы. Для установления цен на платину важен промышленный спрос, обусловленный ее использованием в автомобильном секторе. Влияние макроэкономических новостных сообщений впервые рассмотрели Christie-David, Chaudhry и Koch (2000), используя 15-минутные внутридневные данные между январем 1992 года и декабрем 1995 года для серебряных фьючерсов. Результаты показали, что цены на фьючерсы на серебро положительно связаны с объявлениями об использовании мощностей и уровне безработицы (Christie-David et al. 2000).

1.3 Рынок драгоценных металлов

Рынок драгоценных металлов представлен золотом, серебром, платиной и палладием. Он включает в себя совокупность разнообразных взаимоотношений между субъектами рынка на этапе разведки, добычи, переработки и т.д. до конечного изготовления изделий из драгоценных металлов. По своему назначению драгоценные металлы играют двоякую роль:

· они предназначены для промышленного использования (техника, электроника, медицинское оборудование, протезирование и т,д.);

· они являются предметом инвестиций (изготовление монет, ювелирных изделий), используются как сокровища, резервы.

Наибольший объем торговли драгоценными металлами наблюдается на международном межбанковском рынке золота (GLOBFIN.RU).

Сегодня золото торгуется на семи рынках, включая Лондонский внебиржевой рынок, COMEX (Нью-Йорк), SHFE (Шанхай), TOCOM (Токио), MCX (Индия), Дубай и Стамбул. Что касается оборота, то двумя основными рынками для золота являются Лондонский внебиржевой рынок и Нью-Йорк (COMEX) (O'Connor et al., 2015). По оценкам, в истории было добыто 175 000 тонн золота (O'Connor et al., 2015).

Как отмечается во многих научных статьях по данной тематике, в последние годы золото - это актив, торгуемый широко по всему миру. Естественным вопросом тогда является взаимосвязь между ценами и потоками информации о ценах как между рынками (O'Connor et al., 2015). Laulajainen (1990) изучает три золотых рынка (Лондон, Нью-Йорк и Гонконг), строя 24-часовой торговый день с ежедневными ценами с каждого рынка, чтобы оценивать их с точки зрения важности. Используя модель VAR, он показывает, что Нью-Йорк воздействует на два других рынка больше, чем они влияют на него. Проблема этого анализа заключается в том, что важность Лондона, возможно, занижена, поскольку используются вечерние Фиксации цены. Эта цена, фиксируемая вечером, перекрывается с торговлей в США, в отличие от утренней, и, возможно, больше связана с ценой Нью-Йорка, из-за разницы во времени (Laulajainen, 1990). Lucey et al. (2013) подтверждают, что в передаче информации существует значительная временная вариация и, несмотря на это Лондон может быть доминирующим рынком.

Следует пояснить процесс «фиксинга» цены на рынках золота для лучшего понимания. «Фиксирование золота» происходит дважды в день в офисах Н. М. Ротшильда в Лондоне. Пять членов комиссии встречаются в 10:30 и 3:00 вечера по лондонскому времени и начинают фиксировать «пробную цену». Представители членов комиссии по фиксированию цены передают эту цену дилерам, которые заинтересованы (или у кого есть заинтересованные клиенты). Затем участники рынка объявляют, сколько золота они готовы купить или продать по этой цене. Если требуется больше золота, чем предлагается, то цена будет скорректирована вверх (и наоборот) до тех пор, пока не будет достигнуто равновесие. На этом этапе цена фиксируется. За Лондоном следуют рынки Цюриха и Нью-Йорка. Лондон - это доминирующий рынок, и изменение цен в другом месте будет начато, только если новости появятся, пока Лондон будет закрыт (Capie et al., 2005).

Хотя в качестве инвестиционных активов белые металлы, как правило, находятся в тени золота, в последние несколько лет научный интерес, посвященной их экономической роли, значительно возрос. Такой рост научной литературы о белых драгоценных металлах соответствует возросшей роли этих металлов в качестве инвестиционных активов. В апреле 2006 года было введено серебряное ETF Exchange traded funds - биржевые фонды, за которым последовали ETF в платине и палладии в 2010 году, что повысило привлекательность белых драгоценных металлов в качестве инвестиционных активов. Нью-Йорк является более важным рынком для серебра, где оборот почти в два раза превышает лондонский рынок, в то время как рынки платины и палладия базируются в основном в Цюрихе, а значение Лондона как рынка в последние годы растет (GFMS, 2015). В своей работе Batten et al. (2016) рассматривают возможную манипуляцию ценами на серебро. Используя данные с 5-минутным тиком с 1 января 2010 года по 30 апреля 2015 года, авторы проводят процедуру кластерного анализа, чтобы попытаться обнаружить манипулирование ценами. Исследование приводит к выводам о возможных манипуляциях с рынком серебра (Batten et al., 2016).

Для совершения сделок на рынке драгоценных металлов существуют определенные правила и документы. В России основным нормативным документом по работе на рынке драгоценных металлов является Федеральный Закон «О драгоценных металлах и драгоценных камнях» (от 7 апреля 1998 г.) (РДМК, 2000). В соответствии со статьями Закона драгоценные металлы, приобретенные в порядке, установленном законодательством РФ, могут находиться в федеральной собственности, собственности субъектов РФ, муниципальной собственности, а также в собственности юридических и физических лиц.

В связи с вступлением в силу Указания Банка России от 28 мая 2003 года №1283-У "О порядке установления Банком России учетных цен на аффинированные драгоценные металлы", с 7 июля 2003 года Банк России каждый рабочий день осуществляет расчет учетных цен исходя из действующих на момент расчета значений фиксинга на золото, серебро, платину и палладий на лондонском рынке наличного металла "спот", уменьшенных на дисконт, равный средней величине расходов по поставке на международный рынок каждого вида драгоценных металлов, и пересчитываются в рубли по официальному курсу доллара США к российскому рублю, действующему на день, следующий за днем установления учетных цен.

Учетные цены применяются для целей бухгалтерского учета в кредитных организациях, начиная с календарного дня, следующего за днем их установления, и действуют до вступления в силу новых значений учетных цен (GLOBFIN.RU).

Покупка и продажа драгоценного металла коммерческими банками производится по собственным котировкам, которые устанавливаются несколько раз в день исходя из целого ряда параметров, главный из которых - цена на драгоценный металл на международном рынке. В свою очередь цены на драгоценные металлы на международном рынке могут зависеть от экономических, политических и спекулятивных факторов, как было представлено выше. Стоит также отметить, что золото, серебро платина и палладий отличаются не только по стоимости: у каждого из металлов есть свои потребители, а значит и динамика спроса и предложения может принципиально отличаться (ПАО Сбербанк). В исследовании Баттена, Цинера и Люси (2010) говорится о том, что одни и те же макроэкономические показатели (а именно деловой цикл, денежная среда и настроения финансового рынка) совместно влияют на процессы волатильности четырех драгоценных металлов, хотя есть свидетельства обратной связи волатильности между этими металлами. Эти результаты согласуются с мнением о том, что драгоценные металлы слишком различны, чтобы считаться одним классом активов (Batten, Ciner and Lucey, 2010).

Российский рынок драгоценных металлов неразрывно связан с международным. Если цены на золото растут на международном рынке, то растут на всех рынках. Рынок драгоценных металлов не имеет территориальных границ. Единственный фактор в России, который может сдерживать или усиливать рост котировок является изменение курса доллара США к российскому рублю (ПАО Сбербанк, 2017).

1.4 Спрэд

Исследования спрэда, устанавливаемого коммерческими банками, начались более 30 лет назад. Френкель и Левич в своей работе 1975 года показали, что спрэд относится к трансакционным издержкам банков. Поэтому во времена нестабильности, когда банкам следует как можно сильнее обезопасить себя от всевозможных рисков, происходит расширение спреда (Frenkel and Levich, 1975). То есть вовремя политического или экономического кризиса в стране или регионе банки будут увеличивать спрэд. В дальнейших исследованиях спрэда было выявлено, что на изменение валютного спрэда влияют ожидания, а не дисперсия обменного курса. Ожидания участников валютного рынка определяют уровень обменных курсов, так как именно они влияют на силу спроса на покупку или продажу иностранной валюты (Booth, 1984).

В работе Глассмана (1987) об изменении курса основных мировых валют было представлено влияние ликвидности активов банка на спрэд. При увеличении прибыли банка спред уменьшается. В этой же статье автором было выявлено, что участники валютного рынка ориентируются не только на краткосрочную волатильность, с расчетом раз в пять дней, но и на долгосрочную волатильность, у которой шаг расчета составляет 65 дней. Таким образом, при исследовании спрэда необходимо учитывать как краткосрочную, так и долгосрочную волатильность. Кроме того, было установлено, что перед долгими выходными или праздничными днями происходит расширение спреда (Glassman, 1987). В 1997 году Хуанг и Столль в своем исследовании установили, что размер банка имеет значение для установления размера спреда (Huang and Stoll, 1997). То есть количество активов банка влияет на установление спрэда. В статье Хаммуде и др. (2010) исследуются условные собственные и побочные волатильности и корреляции для золота, серебра, платины и палладия, а также обменный курс. Они установили, что золото, серебро, платина и палладий имеют значительные положительные краткосрочные и долгосрочные зависимости и взаимозависимости от новостей и прошлого значения волатильности. Сильная чувствительность к волатильности собственных прошлых потрясений существует у серебра и золота (Hammoudeh et all., 2010).

В работе Гисина и Ярыгиной (2014) был сделан вывод о влиянии ликвидности валюты на установление спрэда. Чем легче возможно обменять валюту и чем меньше становится стоимость транзакции, тем меньше можно установить спрэд. Возможно, что такой вывод может быть применен к спрэду на драгоценные металлы. Поскольку спрэд, устанавливаемый на золото и серебро - металлы, инвестиции в которые доступны в большем количестве банков, чем в другие металлы, - меньше, чем спрэд на платину или палладий.

2. Постановка исследовательского вопроса

Во времена нестабильной экономической и политической обстановки, многие люди в последнее время прибегают к инвестированию в металлические счета. Существует множество исследований, рассматривающих валютный спред, однако со спредом по металлическим счетам ситуация иная. Необходимо выяснить, какие факторы влияют на формирование спрэда по обезличенным металлическим счетам в российских банках. А также следует исследовать, спрэд каких драгоценных металлов, устанавливаемый в различных российских банках, окажется более зависимым от выбранных для построения моделей факторов. Это поможет инвесторам с принятием решения, в какой из драгоценных металлов стоит инвестировать большую часть денежных средств, а в какой - меньшую, в связи с изменением определенных факторов.

Ниже на Рисунке 1. «Относительные средние значения по спрэдам драгоценных металлов», представлен график изменения относительных величин средних значений спрэдов обезличенных металлических счетов золота, серебра, платины и палладия. Данные величины представляют долю спрэда в цене покупки драгоценного металла. Как показано на графике, наименьшие доли спрэда из всех металлов содержат золото и серебро. Это может быть отчасти подтверждением вывода Гисина и Ярыгиной (2014) о том, что наиболее ликвидные активы обладают наименьшим спрэдом. В данном случае такие драгоценные металлы, как золото и серебро, пользуются наибольшим спросом у инвесторов, чем платина и палладий, и поэтому банков, предлагающих инвестировать в эти металлы в России больше. Можно предположить, что одни и те же факторы будут по-разному влиять на спрэд по ОМС различных драгоценных металлов. В связи с этим спрэды драгоценных металлов будут рассматриваться в отдельных моделях.

Рис. 1. Относительные средние значения по спрэдам драгоценных металлов

Основываясь на приведенных источниках литературы, а также исходя из логики, в работе выдвигаются следующие гипотезы:

- Кризис оказывает влияние на увеличение спрэда по металлическим счетам.

Данная гипотеза предполагает увеличение спрэда во время нестабильной экономической и политической обстановки в стране, так как коммерческие банки, чтобы не остаться без прибыли или не понести больших финансовых потерь, закладывают определенные транзакционные издержки в спрэд.

- Размер спрэда зависит от количества активов банка.

Эта гипотеза исходит из того, что наличие большого количества ликвидных активов позволяет банку снизить некоторые риски, закладываемые в спрэд.

- Детерминанты спреда на валюту оказывают такое же влияние на спред по металлам.

Поскольку драгоценные металлы являются таким же финансовым активом, как и валюта, то можно предположить, что одни и те же факторы могут оказывать влияния на данные виды активов.

- Чувствительность волатильности к своим прошлым значениям выражается по-разному у каждого из четырех драгоценных металлов.

До сих пор существует множество разногласий между экономистами по поводу зависимости и влияния золота, серебра, платины, и палладия друг на друга. В данном исследовании вновь будет проверенно, отличается ли степень чувствительности волатильности одних металлов от других, по отношению к предыдущим значениям. Исходя из исследований других авторов, представленных в обзоре литературы, в модели будет включена как краткосрочная волатильность, так и долгосрочная.

В данной работе исследовательский вопрос звучит следующим образом: Какие факторы влияют на разницу между ценой продажи и ценой покупки драгоценных металлов по обезличенным металлическим счетам в российских банках?

В работе будут построены модели с панельными данными по различным банкам России, предлагающим инвестировать в ОМС, для золота, серебра, платины и палладия. Для исследования выбраны модели с панельными данными, поскольку они позволяют оценить изменения во времени сразу нескольких объектов, в данном случае - спрэда в различных банках, что нельзя сделать, используя кросс-секционные модели и модели временных рядов. Использование моделей с панельными данными позволяет строить более адекватные и содержательные модели для изучения истинной причинно-следственной связи между различными переменными. Кроме того, панельные данные позволяют учитывать индивидуальную неоднородность. Они дают возможность избежать ошибки спецификации модели, которая возникает в связи с тем, что существенные переменные упущены и не включены в модель (Studme.org). Еще одним преимуществом использования панельных данных является то, что они предоставляют возможность изучать динамику изменений индивидуальных характеристик единиц совокупности. То есть они могут использоваться как для изучения того, почему различные единицы совокупности ведут себя по-разному, так и для того, чтобы понять, почему конкретная единица совокупности ведет себя по-разному в различные периоды времени (Studme.org).

Предполагается построить модели с панельными данными для каждого из драгоценных металлов, чтобы выявить влияние переменных отдельно для золота, серебра, платины и палладия.

Данные о ценах покупки-продажи драгоценных металлов собираются с октября 2017 года до апреля 2018 года, с шагом в месяц, так как публикование изменений многих финансовых детерминант, которые выбраны для построения моделей, происходит раз в месяц. Данные о ценах покупки-продажи драгоценных металлов предоставляются сайтом «gold.investfunds.ru» и официальными сайтами банков. Данные об изменении финансовых показателей рассматриваемых банков предоставлены на информационном портале «banki.ru» и на информационном сайте «BankoDrom.ru». Далее полученные данные преобразуются и анализируются с помощью пакета программ «Microsoft Office:Excel»: вычисляется банковский спрэд на драгоценные металлы по ОМС. С помощью данных об изменении цен на драгоценные металлы, предоставленных Центральным Банком РФ, вычисляются показатели краткосрочной и долгосрочной волатильности (отдельно для каждого из металлов) за 5 дней и за 65 дней до взятия котировок. Затем для каждого металла с помощью пакета статистических программ «STATA» будут построены модели с фиксированными эффектами и сквозные регрессии. После этого, с помощью тестов, из моделей будут выбраны лучшие.

3. Методология

Для исследования детерминант, влияющих на формирование цен покупки и продажи драгоценных металлов по обезличенным металлическим счетам в российских банках, будут построены модели с панельными данными для каждого из драгоценных металлов в отдельности. Панельные данные совмещают в себе как пространственные данные, так и временные ряды и сочетают достоинства каждого из этих видов данных (Studme.org). С помощью пакета статистических программ «STATA» будут построены модели с фиксированными эффектами и сквозные регрессионные модели, которые рассматривают панельные данные как кросс-секцию, и при помощи различных тестов в дальнейшем будут выбраны лучшие из них. Для построения используются месячные данные, так как многие финансовые показатели, которые будут взяты для моделей, публикуются раз в месяц. Данные о ценах покупки-продажи драгоценных металлов собираются с октября 2017 года до апреля 2018 года.

Для построения моделей были выбраны следующие переменные: активы-нетто банка, волатильность, прибыльность банка, а также фиктивная переменная - доля государственного влияния. Доля государственного влияния принимает значение «1», если влияние больше 50%, и значение «0», если влияние государства на банк меньше 50%. Такое деление было произведено в связи с делением банков на государственные и частные, то есть, принадлежит контрольный пакет акций государству или нет, включая прямое и косвенное участие. Под косвенным участием подразумевается участие государства через одну из подконтрольных организаций, а не напрямую. Например, банк «ВТБ» на 60,9% принадлежит государству, а банк «ВТБ 24» на 99,9% принадлежит «ВТБ». Таким образом, контрольный пакет акций ВТБ 24 косвенно принадлежит государству (Единый банк, 2018).

Данные по активам-нетто банков были собраны с помощью информационного сайта www.banki.ru, который предоставляет информацию по всем зарегистрированным в России банкам.

Данные о прибыльности банков были взяты с сайта www.bankodrom.ru, который каждый месяц публикует рейтинги банков по различным финансовым показателям. Рейтинг прибыльности строится по всем банкам банковской системы, с расчетом текущей прибыли на отчетную дату. При прочих равных критериях, чем больше банк заработал средств в текущем отчетном периоде, тем более успешен его бизнес на текущий момент. Прибыль, полученная в процессе деятельности - один из способов наращивания капитала (BankoDrom.ru,). Волатильность цен драгоценных металлов, которые были предоставлены Центральным банком Российской Федерации, считалась с шагом в пять дней, то есть краткосрочная, и с шагом в 65 дней, то есть долгосрочная, как это делал в своей работе Глассман (1987).

Изначально данные об изменении спрэда по металлическим счетам собирались по 17 банкам России (Сбербанк, Абсолют Банк, Акцепт, Альфа-банк, Банк Москвы, ВТБ 24, Газпромбанк, Инвестторгбанк, Крайинвестбанк, Ланта-банк, МДМ-банк, Промсвязьбанк, Россельхозбанк, Руссобанк, Союз, Уралпромбанк, Челябинвестбанк), предлагающим открытие обезличенных металлических счетов. Однако во время сбора данных некоторые банки были ликвидированы в связи с присоединением к другим банкам. Так, например, произошло присоединение «Банка Москвы» и «ВТБ 24» к «ВТБ» и слияние «МДМ Банка» с «Бинбанком». Такие объединения могли помешать анализу данных об изменении спрэда по ОМС и выявлению влияния финансовых показателей, таких как: активы-нетто и прибыль. Поэтому банки, которые претерпели слияние с другими банками, были исключены из выборки. Кроме того, некоторые из банков предоставляют услуги по открытию ОМС только для золота и серебра (Крайинвестбанк, Руссобанк, Челябинвестбанк), поэтому в моделях с панельными данными для золота и для серебра наблюдений будет больше, чем в моделях для платины и палладия, что может повлиять на качество моделей. В конечной выборке для построения моделей с панельными данными оказалось 13 банков, панель является несбалансированной.

Регрессионная модель панельных данных в общем виде выглядит следующим образом:

, i=1,…,N;

t = 1,…,T (1)

где: i - номер банка;

t - время;

б - свободный член;

в - вектор коэффициентов размерности KЧ1;

- вектор-строка матрицы K объясняющих переменных;

- случайная ошибка.

Большинство приложений панельных данных использует однокомпонентную модель случайной ошибки:

(2)

где: - ненаблюдаемые индивидуальные эффекты, которые не зависят от времени и отвечают за характеристики объектов, которые не включены в регрессию непосредственно;

- остаточное возмущение, которое меняется в зависимости от времени и объектов, и может рассматриваться как обыкновенная случайная составляющая в регрессии (Ратникова, 2004).

Модель с детерминированными эффектами (fixed effects) характеризуется тем, что - фиксированные параметры, остаточные возмущения - независимые одинаково распределённые случайные величины - IID(0, ) и X_it - предполагаются независимыми от для всех i и t. Эта модель является подходящей спецификацией, если исследование сосредотачивается на уникальном наборе N фирм, и умозаключения ограничены поведением только его представителей (Ратникова, 2004). Модель с фиксированными эффектами оценивается обыкновенным методом наименьших квадратов (OLS). Для состоятельности МНК-оценок модели с детерминированными индивидуальными эффектами требуется только некоррелированность е и X. Корреляция между X и u допустима. Это - проявление гибкости модели с фиксированными эффектами.

В модели со случайными эффектами предполагается, что индивидуальные эффекты случайны. Такая модель применяется в том случае, если N объектов из большой генеральной совокупности элементов выбирается случайным образом. В модели со случайными эффектами (u_i - случайны) индивидуальная гетерогенность учитывается не в самом уравнении, а в матрице ковариаций, которая имеет блочно-диагональный вид, так как внутри каждой группы случайные эффекты корреллируют между собой. Для оценивания такой регрессии следует использовать обобщенный метод наименьших квадратов (GLS) (Ратникова, 2004).

Помимо моделей с фиксированными и случайными эффектами существует сквозная модель регрессии, которая не учитывает структуру панельных данных и рассматривает все данные как кросс-секцию. Она оценивается также с помощью обыкновенного метода наименьших квадратов (OLS) (Ратникова, 2004).

Для выбора наилучшей модели из сквозной регрессии, модели с фиксированными и модели со случайными эффектами, эконометристы используют в основном тесты Вальда, Бройша-Пагана и Хаусмана.

Тест Вальда применяется для сравнения модели с фиксированными индивидуальными эффектами со сквозной регрессионной моделью. Этот тест проверяет гипотезу о том, что все индивидуальные эффекты равны нулю. Если гипотеза отвергается, то регрессионная модель с фиксированными эффектами лучше подходит для исследования (Ратникова, 2004).

Для сравнения модели со случайными эффектами со сквозной моделью регрессии используется тест Бройша-Пагана, который является тестом на наличие индивидуальных эффектов и проверяет гипотезу о равенстве нулю вариации индивидуальных эффектов. Если гипотеза отвергается, то для описания данных лучше подходит модель со случайными эффектами (Ратникова, 2004).

При сравнении моделей с фиксированными и случайными эффектами экономисты используют тест Хаусмана, который проверяет гипотезу о равенстве нулю корреляции между случайными эффектами и регрессорами. При отвержении гипотезы следует использовать модель с фиксированными индивидуальными эффектами (Ратникова, 2004).

В данном исследовании для выявления детерминант спрэда по драгоценным металлам будут построены модели с фиксированными эффектами, а также сквозные модели регрессии. Затем, с помощью теста Вальда из них будет выбрана лучшая.

Перед тем, как будут построены регрессионные модели, необходимо провести предварительный анализ данных, чтобы проверить существуют ли в данных статистические выбросы.

В Таблице 1, представленной ниже, приведены обозначения переменных, которые будут использованы далее для построения регрессионных моделей.

Таблица 1

Обозначения переменных

В таблице 1. «Обозначения переменных» представлены все переменные, которые будут рассмотрены в данном исследовании для четырех драгоценных металлов, однако при построении итоговых моделей будут выбраны только некоторые из них. Так например, определенная краткосрочная и долгосрочная волатильность драгоценных металлов будет рассмотрена для определенного драгоценного металла.

Возможно, что финансовые показатели активов и прибыли банка имеют высокую корреляцию между собой. Они не могут быть включены совместно в модели, поскольку они взаимосвязаны и может возникнуть проблема мультиколлинеарности. Поэтому для решения данной проблемы показатель прибыли берется в относительной величине. В моделях будет рассматриваться доля прибыли в активах. Предполагается, что такие показатели не будут высоко коррелировать между собой. Для того, чтобы удостовериться в этом предположении, в предварительном анализе данных будут построены корреляционные матрицы показателей с использованием коэффициента корреляции Пирсона и рангового коэффициента корреляции Спирмена.

рынок драгоценный металл цена спрэд

4. Описание результатов

Для того, чтобы построить модели с фиксированными эффектами и сквозные регрессионные модели для выявления переменных, которые оказывают влияние на формирование цен покупки и продажи по металлическим счетам в банках России, был проведен анализ англо- и русскоязычных источников для выявления детерминант. Кроме того, была тщательно изучена информация о различных финансовых показателях банков, предоставленная ЦБ РФ и информационными порталами «www.banki.ru» и «www.bankodrom.ru», которые регулярно публикуют различные рейтинги надежности и рейтинги по финансовым показателям банков, а также информация с официальных сайтов банков. Для построения моделей использовались данные по 13 банкам из 17, изначально предложенных. Названия банков были закодированы для удобства работы с пакетом статистических программ «STATA». С ними можно ознакомиться в Приложении 1 «Кодировка названий банков».

Всего для регрессионных моделей, построенных для спрэда золота и серебра используется 91 наблюдение, а для моделей по спрэдам платины и палладия - только 70. Поэтому панель является несбалансированной. Разное количество наблюдений связано с тем, что некоторые банки (Крайинвестбанк, Руссобанк и Челябинвестбанк) предлагают открытие обезличенных металлических счетов только по золоту и серебру.

Проанализировав данные на наличие статических выбросов, было принято решение не исключать никакие наблюдения. Даже, несмотря на то, что некоторые из них выделяются из числа общей массы, например, Сбербанк, который является крупнейшим банком в России. Исключение некоторых выделяющихся банков может сильно исказить конечные результаты, которые нельзя будет интерпретировать на генеральную совокупность. Кроме того, во время анализа данных по спрэду, предоставленных официальными сайтами исследуемых банков, было выявлено, что значения спрэдов по различным драгоценным металлам в Сбербанке устанавливаются, в основном, ближе к средним. Существует множество банков, у которых спрэд по ОМС намного больше и намного меньше, чем у Сбербанка.

Далее в Таблице 2 «Описательные статистики зависимых переменных» представлены основные значения описательной статистики зависимых переменных.

Таблица 2

Описательные статистики зависимых переменных

Как показано в Таблице 2, средние значения спрэда больше у платины и палладия, и они примерно равны. При этом у спрэда по золотым ОМС наблюдается самое большое максимальное значение, по сравнению с платиной и палладием и самое минимальное значение, даже меньше, чем у серебра. При детальном анализе данных можно заметить, что максимальное и минимальное значение по спрэду золота были зафиксированы у банков «Инвестторгбанк» (600) и «Союз» (0) в апреле 2018 года. Значительные колебания в один момент у разных банков могут быть связаны с политическими событиями (выборы президента) и с волнениями в экономике страны. Максимальное значение у серебра было также в этот период, но уже у «Сбербанка». Можно сделать вывод, что более ликвидные драгоценные металлы, золото и серебро, больше подвержены изменениям, связанным с окружающей средой и событиями.

Ниже в работе представлена Таблица 3 «Описательные статистики независимых переменных», в которой можно посмотреть средние значения, стандартные отклонения, а также максимальные и минимальные значения детерминант спрэда.

В Таблице 3 представлены значения краткосрочной и долгосрочной волатильности цен драгоценных металлов, посчитанной с шагом в 5 и 65 дней. Можно заметить, что средние значения краткосрочной и долгосрочной волатильности довольно сильно отличаются друг от друга. Максимальные значения долгосрочной волатильности у всех металлов примерно в 10 раз превышают минимальные, что может быть связано со значительным колебанием стоимости металлов в определенный момент времени. Это отчасти может подтвердить отсутствие стабильной обстановки в стране. Можно заметить, что минимальное значение доли прибыли отрицательно. То есть в выборке существуют периоды, когда у некоторых банков была отрицательная прибыль. Среднее значение показателя «Доля государственного участия» говорит о том, что в выборке присутствует большее количество частных банков, в которых доля государственного участия отсутствует или составляет менее 50%.

Таблица 3

Описательные статистики независимых переменных

В приложении 2 «Корреляция показателей» в Таблице 9 представлена корреляционная связь переменных, рассчитанная с помощью коеффициента корреляции Пирсона. В таблицу также вошла фиктивная переменная «доля участия государства», чтобы определить ее связь с другими независимыми переменными. Далее представлена Таблица 10, в которой показаны взаимосвязи зависимых переменных с фиктивной. Для расчета корреляций использовался ранговый коэффициент корреляции Спирмена.

Из корреляционных матриц показателей видно, что спрэды драгоценных металлов имеют высокую степень связи. Это может быть связано с тем, что банки руководствуются одной и той же политикой для установления спрэдов на разные металлы, и с тем, что на спрэды по ОМС влияют одинаковые факторы. Удивительным оказалась незначительная корреляционная связь между спрэдами и волатильностью металлов, что противоречит выводом других исследований по данной теме. Возможно, это связано со спецификой используемых данных российских банков. Наибольшую положительную связь с зависимыми переменными продемонстрировала переменная «доля государственного участия». Чем большую долю активов банка имеет государство, тем банк считается стабильнее и надежнее. Поэтому он может позволить себе увеличивать спрэд, не думая об уменьшении спроса со стороны клиентов на данные операции.

Финансовые показатели показали незначительную корреляционную связь между собой, благодаря использованию относительного показателя прибыли банка. Поэтому проблем с мультиколлинеарностью в регрессионных моделях не будет. Для решения проблемы с гетерогенностью, для моделей будут использоваться робастные оценки.

Ниже представлены результаты модели с фиксированными эффектами и сквозной регрессионной модели для спрэда по ОМС золота.

В Таблице 4 представлены результаты построенных моделей. В модели с фиксированными индивидуальными эффектами положительно значимой на 1% уровне, в среднем и при прочих равных, оказалась переменная активы-нетто банка, что подтверждает выводы других исследований, приведенные в теоретическом обзоре. В этой модели также оказалась значима константа, но уже на уровне 10% значимости.