Размещено на http://www.allbest.ru/

Федеральное государственное автономное образовательное учреждение высшего профессионального образования «Национальный исследовательский университет «Высшая школа экономики»

Факультет экономических наук

Образовательная программа «Экономика»

БАКАЛАВРСКАЯ ВЫПУСКНАЯ РАБОТА

Влияние информационного фона на цену акций Российских банков

Выполнил

Тряпицын Алексей Михайлович

Научный руководитель

Галанова Александра Владимировна

Москва, 2018



Оглавление

Введение

1. Виды и особенности новостей, влияющих на цены акций, и способы измерения данного влияния

2. Обоснование отбора компаний, событий и используемой методологии

3. Оценка влияния появления новостей на динамику цен акций российских банков

Заключение

Список литературы



Введение

Интерес к фондовому рынку постоянно растет с момента появления такого экономического института. Объемы и интенсивность торгов повышаются в связи с большей информированностью потенциальных инвесторов, а также благодаря развитию технологий, позволяющих быть активным участником рынка и торговать на нем, находясь в любом месте и лишь имея устройство, подключенное к сети Интернет. Вслед за этим, растет заинтересованность людей в том, каким образом котировки тех или иных акций изменяются и от каких факторов данное изменение зависит.

Одной из самых известных концепций, на которой строится анализ изменения цен на акции, является гипотеза эффективного рынка. Несмотря на наличие множества исследований по этой теме, однозначного ответа на то, какой рынок является эффективным и, соответственно, какие законы на нем действуют, финального мнения еще не появилось, и теория продолжает эволюционировать со временем.

Российский фондовый рынок, в силу своих специфических особенностей, главная из которых - его относительно недавнее формирование, еще не изучен на таком глубоком уровне как, например, рынки развитых стран. В свою очередь, российский рынок акций банков является интересным примером стремительно меняющийся отрасли, глубокое изучение которой позволит понять не только, каким образом цены акций меняются в зависимости от изменения информационного фона, но и как в целом функционирует данная индустрия. В данный момент в России происходит масштабная трансформация всего банковского сектора, связанная с его оздоровлением - многие банки попадают под программы санации, с целью оздоровить общий портфель активов и обязательств и в дальнейшем либо переходят под контроль более крупных финансовых институтов, либо продолжают функционировать будучи уже оздоровленными. Именно поэтому исследование данной темы является актуальным сейчас, когда можно проследить периоды не только спокойного функционирования отрасли, но и периоды трансформации.

Как было сказано выше, российский фондовый рынок и, в частности банковский сектор, еще не изучены в полной мере. Немногочисленные исследования, проводившиеся для этого рынка либо покрывают определенный тип новостей, например, появление аналитических отчетов по тем или иным акциям (Погожева, 2013), либо затрагивают еще и иные отрасли. Таким образом, новизна данного исследования состоит в том, что будет рассмотрен именно банковский сектор, и это будет сделано для разных типов новостей, которые формируют информационный фон.

Нельзя обойти стороной и практическую значимость данного исследования. В целом ее можно разделить на две части. Во-первых, исследование важно с точки зрения академического развития в контексте понимания эффективного рынка и функционирования российского фондового рынка в целом. Во-вторых, данная работа важна с точки зрения профессиональных инвесторов, которые, руководствуясь выводами и моделями исследования, могут улучшать свои торговые стратегии, предсказывая поведение котировок при появлении различного рода новостей и, соответственно, получать дополнительный доход.

В качестве объекта данного исследования выступают акции российский банков, которые торгуются на Московской бирже, в то время как предмет исследования - это динамика котировок акций данных эмитентов в зависимости от появления новостей.

Цель исследования - определить значимые зависимости между появлением новостей и котировками акций российских банков, выяснить силу и направление данных зависимостей. В рамках данной цели были сформулированы следующие задачи:

1. Провести анализ релевантной литературы, с целью почерпнуть известные методологии и ознакомиться с выводами работ, для более грамотной постановки гипотез относительно данного исследования.

2. Определение пула компаний для исследования, так как многие банки не могут быть учтены в анализе, например, за 2017 год, потому что к тому времени их акции перестали торговаться на бирже либо по иным причинам.

3. Определить тип новостей, которые будут являться драйверами в анализе, и понять, каким образом и на каком временном горизонте они влияют на цену акций.

Основной методологией, которая используется в исследовании является событийный анализ. Он был выбран как наиболее практически применимый к данной задаче, позволяющий исследовать не только наличие значимой зависимости, но и период времени, в который эта зависимость проявляется.

Структура данной работы, следующая:

· Первая глава посвящена анализу релевантной литературы и структурированию ее по группам со схожей тематикой, объектом или предметом исследования;

· Вторая глава освещает выбор компаний, новостей и методологии анализа;

· В третьей главе проводится интерпретация результатов и даются финальные выводы.



1. Виды и особенности новостей, влияющих на цены акций, и способы измерения данного влияния

Рост интереса к данной теме обусловлен в том числе тем, что поведение котировок в зависимости от появления новостей может быть предсказано, как показано в работе (Roll, 1988). Однако для того, чтобы понимать, каким именно образом происходят изменения и, соответственно, как предсказать поведение котировок, необходимо знать, какие конкретно типы новостей оказывают значимое влияние.

Существующие типы новостей, оказывающие значимое влияние на котировки акций

Новости о макроэкономических показателях

Обратимся к работе (Schwert, 1981), где автор предпринимает попытку понять механизм влияния отдельного типа новостей на цену акции. В данном исследовании в качестве объекта принимается рынок акций США в периоде между 1953 и 1978 годами. Основной влияющей переменной в работе является уровень инфляции в США, который публикуется ежемесячно организацией Consumer Price Index, которая берет данные у Bureau of Labor Statistics. B.L.S. заканчивает сбор данных о ценах 15го числа каждого месяца, а CPI публикует результаты через 4-5 недель, соответственно создавая временной промежуток в котором информация еще не известна из открытых источников, однако в той или иной форме доступна ограниченному кругу людей, что может послужить драйвером для инсайдерской торговли. Результаты работы согласуются с теоретическими предсказаниями о том, что доходность на рынке акций имеет корреляцию с тем, как именно изменилась инфляция на дневных и недельных временных горизонтах.

Основным выводом из работы является то, что доходность акций подстраивается к опубликованию значений инфляции, в случае если эти значения оказались непредсказуемыми, плавно, в течение двух недель, соответственно, за неделю до выхода новости и через неделю после ее публикации в открытых источниках. Таким образом, автор пришел к выводу, что часть инвесторов обладает инсайдерской информацией уже за неделю до публикации, что позволяет им выстраивать торговые стратегии иначе, чем инвесторам, которые не обладают инсайдерской информацией и, таким образом, получать дополнительную доходность.

Объясняя причины плавного, замедленного подстраивания информации, автор делает акцент на том, что рынок недостаточно эффективен, в связи с чем некоторые инвесторы могли упустить новость об инфляции из вида. Тем самым, даже инвесторы, не обладающие инсайдерской информацией, могут получить дополнительную доходность, если в течение недели отреагируют на новость об уровне инфляции.

Продолжая тему макроэкономических показателей как факторов влияния на цену акций, рассмотрим работу (Wang, Mayes, 2012), в которой авторы используют методы событийного анализа для оценки влияния объявления макроэкономических показателей, в частности, объявления процентной ставки для монетарной политики на цены акций в Австралии, Новой Зеландии, Великобритании и Еврозоне. В качестве потенциально значимых факторов рассматривались трехмесячные ставки LIBOR / EURIBOR, ставки РЕПО и рефинансирования.

Авторы приходят к выводу, что австралийский рынок реагирует проциклично на изменение ставок рефинансирования, и эта реакция статистически значима, в то время как целевая ставка инфляции значимой не является, что Wang и Mayes объясняют тем, что инвесторы перестают уделять ей значительное внимание. Кроме того, авторы делают вывод, что новозеландский фондовый рынок сильнее реагирует на позитивные, чем на негативные новости об изменениях ставок, а также что британский рынок не чувствителен к изменению ставки РЕПО.

Схожий анализ был проведен в работе (Haitsma, Unalmis, de Haan, 2015), где исследователи анализирует монетарную политику Европейского Центрального Банка (ЕЦБ) и ее влияние на цену инструментов фондового рынка. Используя методы событийного анализа, был исследован период с 1999 по 2015 год и влияние новостей о монетарной политике на цены акций и сделан вывод о том, что новости о монетарной политике являются статистически значимыми в рамках их влияния на EURO STOXX 50 index - индекс, агрегирующий акции 50 «голубых фишек» рынков ЕС.

Оценивая влияние СМИ на котировки, следует упомянуть недавнюю работу (Birz, 2017), где автор рассматривает только один тип новости - публикации информации в газетах об уровне безработицы. Объект исследования также только один - индекс S&P 500.

Данный конкретный тип новости был взят в связи с тем, что с помощью его анализа можно проследить в том числе недостаточную внимательность инвесторов. В течение времени до публикации новости об уровне безработицы в Associated Press (источник, откуда автор брал информацию), сама информация уже известна и может транслироваться в других источниках, например, по телевизору. Cоответственно, согласно теоретическому предсказанию, котировки должны полностью подстраиваться к новой информации до публикации новости в газете на следующий день. Таким образом, редакторы и журналисты в Associated Press не являются первоисточниками информации, они не первые, кто дает этой новости публичную огласку, однако являются теми, кто распространяет ее.

Автор приходит к выводу, что зависимость значения индекса S&P 500 от публикации в газете значима, несмотря на то, что первично эта информация была опубликована ранее, при чем подстраивание согласно тону новости происходит в течение недели после ее публикации. Однако, по прошествии недели, происходит коррекция в обратном направлении. Таким образом, автор акцентирует внимание на том, что инвесторы могут быть недостаточно внимательны к информации, которая приходит из различных источников.

Анализ новостей с точки зрения тональности

Крайне интересным с точки зрения определения тональности отдельного типа новостей является исследование (Li, Xie, Chen, Wang, Deng, 2014), где авторы прибегают к методу “Bag-of-words”, который заключается в том, чтобы оценивать резкие, неожиданные изменения котировок акций и анализе новостей, которые вызвали такую динамику. При этом, после того как новости были определены, авторы выясняют частоту попадания определённых слов и словосочетаний и тот эффект, который данные новости оказывают на цены акций. В отличие от многих других исследований, которые проводились, используя данную методологию, в этой работе авторы, в том числе, оценивали тональность самой новости.

Таким образом, в рамках исследования (Li, Xie, Chen, Wang, Deng, 2014) сравнивается доходность двух стратегий для торговли на фондовом рынке:

· Стратегия, основанная на анализе тональности новости;

· Стратегия, основанная на «Bag-of-words» анализе.

Подход к определению тональности новости был следующим: авторы использовали 2 словаря, подготовленные учеными в сфере лингвистики, в которых слова были распределены по группам, согласно их тональности: Harvard-IV и Loughran-McDonald. Временным окном, которое было рассмотрено авторами, является внутридневное окно, соответственно, крайними точками, где фиксируется результат является цена открытия и цена закрытия. Стоит отметить, что данный подход отличается от того, которым руководствовались многие другие исследователи данной темы, в чьих работах анализировалось изменения цены на акции между днями. Исследователи пришли к выводу, что стратегия, основанная на тональности новостей является более доходной с точки зрения рассматриваемого временного окна, чем стратегия, которая базируется на “bag-of-words” анализе для акций компаний, которые торговались в период 2003-2013 годов на Гонконгской фондовой бирже.

Так как ни один из фондовых рынков на данный момент до сих пор не является на 100% эффективным, анализ причин этой неэффективности пользуется сильным интересом академического сообщества. Например, в работе (Chan, 2003) анализировалось несколько типов новостей (несущие положительный и отрицательный сигналы), и был сделан вывод о том, что рамках однодневного событийного окна новости, обладающие положительной тональностью, в целом влияют на цены акций сильнее, чем новости с отрицательной.

В продолжение работы (Chan, 2003) можно отметить исследование (Solomon, 2012), в котором анализируются причины более сильного влияния положительных новостей на котировки акций, чем отрицательных. Объектом исследования выступали акции, торгующиеся на различных рынках между 2002 и 2007 годами. Автор тестирует гипотезу о том, действительно ли уровень внимания СМИ к компании отражает реальное состояние дел или информационный фон создается прессой по разным причинам, не зависящим от того, происходят ли сейчас с компанией значимые изменения.

Как известно, крупные фирмы достаточно часто либо имеют свой отдел по взаимодействию со СМИ и инвесторами, либо покупают данные услуги у специализированных компаний, либо пользуются обоими вариантами одновременно. В рамках исследования Solomon анализирует публичные компании, которые используют услуги агентств по взаимодействию. Такие агентства могут влиять на активность СМИ с точки зрения более активного освещения положительных новостей о компании и, наоборот, уменьшению внимания к каким-либо отрицательным событиям, происходящим с фирмой-клиентом, тем самым оказывая влияние на инвесторов при принятии ими решения относительно торговли акциями компании. Данный эффект интересен в том числе тем, что при публикации «хороших» новостей цена на акции повышается и в дальнейшем, при наступлении новых событий, которые могут быть охарактеризованы инвесторами как положительные, относительно компании, чьими акциями они торгуют, и потенциальная доходность от новых инвестиций может снижаться.

Исследователи делают вывод, что те, кто освещают события в новостях - репортеры, журналисты, издатели не ведут себя беспристрастно, формируя информационный фон нужного содержания для определенных компаний.

Еще одним исследованием, в котором авторы разделяли новости на различные группы, согласно тональности является (Li, Wang, Li, Liu, Gong, Chen, 2014). Подход к анализу был следующий:

1. Сначала авторы собрали базу новостей, взятых со специализированных на финансах интернет - ресурсов

2. Затем были выделены слова с негативной и позитивной окраской. Проблемы того, что некоторые слова из обыденной речи, являющиеся негативно окрашенными, но в финансовом мире нейтрально либо позитивно, авторы решили следующим образом: были определены новости и акции, на которые они могли потенциально влиять, а затем Li, Wang, Li, Liu, Gong, Chen проследили тренд в динамике котировок.

3. Определены слова, которые наиболее часто встречались в новостях и после которых котировки значительно менялись как в сторону увеличения, так и в сторону уменьшения.

4. Было определено событийное окно, которое с максимальной точностью показывало тренд в динамике цен на акции (26 минут), при этом в среднем разница между двумя уровнями доходности, реально и ожидаемым, изменяется даже спустя час после опубликования новости

Исследователи приходят к выводу, что наиболее важные с точки зрения влияния на котировки акций компании новости - это отчетность о финансовых результатах компании, а также публикации о масштабной реструктуризации, что логично, учитывая, что в результате реструктуризации значительно меняется бизнес компании.

Публикация отчета о прибылях и убытках

Одним из наиболее привлекательных для исследователей (и для инвесторов) типом новости является публикация компанией своего отчета о прибылях и убытках за финансовый период. Такой интерес логичен, учитывая то, что прибыль (в разных формах и способах подсчета) является основным показателем успешности деятельности компании, так как показывает, насколько продукция фирмы интереснa рынку, а также сколько дивидендов или иных выплат может потенциально достаться акционерам. Кроме того, данный тип новости является удобным с точки зрения отбора данных, так как отчеты публикуются на регулярной основе, всеми компаниями, чьи акции торгуются на бирже.

Чаще всего в таких работах также применяется событийный анализ. Tак, например, в исследовании (Vega, 2006) рассматривается явление PEAD - «Post-Earning Announcement Drift», которое заключается в том, что цены акции корректируются после публикации отчета компании о своих финансовых результатах. Исследователь в своей работе анализирует выборку из 9213 компаний, которые торговались на бирже в период между 1986 по 2001 гг. Гипотеза, которую тестирует автор, заключается в том, что подстраивание котировок к новости можно выразить через функцию, которая соответствует информации, содержащейся в новости.

В результата анализа, были сделаны следующие выводы:

1. С ростом значения переменной, отвечающей за влияние инсайдерской информации, корректировка цен проходит быстрее, так как часть корректировки относится к периоду до того, как новость была публично обнародована, благодаря инсайдерской торговле.

2. Если новость была для инвесторов неожиданной, то подстраивание замедляется, так как требуется время до того, как все инвесторы будут обладать релевантной информацией, сделают из нее выводы и скорректируют свои торговые стратегии.

3. При увеличении размера компании, а также роста упоминаний о ней на главных полосах газет в дни до появления новости, скорость корректировки растет. Это может быть связано с тем, что компания, которая активно обсуждается СМИ вызывает интерес у инвесторов, и они начинают более тщательно следить за ней. Кроме того, крупные компании в целом привлекают большее количество инвесторов.

Еще одно исследование, касающееся PEAD было проведено недавно, что делает его выводы максимально актуальными на данный момент. (Baker, Ni, Saadi, Zhu, 2017) тестируют гипотезу о том, что корректировка цены акций не является «случайным блужданием», хотя таковое должно иметь место в случае подтверждения гипотезы об эффективности рынков. В выборку, взятую для проведения анализа, было включено множество компаний, в том числе из разных стран, которые являлись публичными и торговались на бирже в период с 1996 по 2015 год. Была выбрана интересная методология, в которой тестировалось не только влияние новостей о компании на котировки акций, но и новости обо всей отрасли, в которой данная компания функционирует, так как при оценке цен акций инвесторы руководствуются обоими этими факторами. В том числе важно отметить, что данные факторы взаимосвязаны, в связи с чем даже публикация отчета о прибыли конкурентом может повлиять на цену акции.

Вывод работы согласуется с выводами, полученными другими исследователями, и с теоретическими предпосылками о том, что скорость реакции на объявление новости пропорциональна потенциальной полученной доходности от торговли акциями компаний, которых затрагивала данная новость. Кроме того, авторы говорят о том, что одна из причин того, что подстраивание котировок не происходит мгновенно - недостаточная внимательность инвесторов к публикациям новостей, которая может особенно сильно проявляться в периоды, когда сразу многие компании публикуют свою отчетность. Еще одним интересным выводом является то, что, по мнению авторов, инвесторы недооценивают полученную информацию о компании и об отрасли в целом и, потенциально могут получать большую доходность, если заметили значимые факторы раньше.

Другая работа, также изучающая эффект «Post-Earning Announcement Drift» - это (Frino, Prodromou, Wang, Zheng, 2016), в которой была проанализирована ситуация на австралийской фондовой бирже. Анализ конкретно данной работы позволяет посмотреть на выводы и тренды на нетипичных для такого рода академических работ рынках. Период наблюдения был выбран в 1 год, с октября 2008 года по октябрь 2009 года. Кроме того, новизна данной работы состояла в том, что оценивалось не поведение классических профессиональных инвесторов, а алгоритмическая торговля, так как ее стратегии могут быстрее реагировать на внешние изменения и позволили авторам взять короткое окно наблюдений длинною в 2 часа (один час до и один час после публикации отчета). Так как алгоритмическая торговля быстрее реагирует на изменение рыночной ситуации, она позволяет сделать рынок в целом более эффективным, в том числе анализируя динамику цен, спровоцированную проявлениями инсайдерской торговли. Однако, согласно исследованию Frino, Prodromou, Wang, Zheng, большая часть торгов до сих пор ведется классическими трейдерами, следовательно, рынок все еще нельзя назвать в полной мере эффективным.

Результаты исследования показали, что наибольшую доходность можно получить, среагировав на появление новости в первые полторы минуты после ее публикации в открытых источниках, а в целом значительно доходность начинает падать спустя пять минут после объявления новости.

Прочие типы новостей

Недавняя работа (Kerl, Schьrg, Walter, 2014) анализирует феномен невнимательности инвесторов, который рассматривался в том числе в работе (Baker, Ni, Saadi, Zhu, 2017). Исследователи использовали новости, публикуемые Financial Times Deutchland с 2006 года по 2010 год, сформировав выборку из новостей разных тональностей, как положительных, так и отрицательных. в раздел о тональности

Методология исследования была следующей.

1. Компании были разделены на 2 группы: по объему торгов акциями, входящих в них компаний. Таким образом были выделены наиболее и наименее интересные инвесторам компании. Объемы торгов при этом наблюдались в периоды вне анализируемого событийного окна.

2. Проведение событийного анализа.

Выводы авторов в целом согласуются с изначальными гипотезами о том, что котировки акций более интересных для инвесторов компаний подстраиваются после появления новой информации быстрее, чем цены акций компаний из второй, менее интересной инвесторам, группы. Кроме того, в работе отмечается, что даже через несколько дней наблюдаются флуктуации котировок и дальнейшее подстраивание, однако в намного меньшем объеме, чем в день опубликования новости. Зависимости в целом оказались значимыми для обоих типов новостей, как для положительных, так и для отрицательных тональностей.

Исследований, касающихся влияния новостей непосредственно на котировки финансовых институтов, в частности, банков, меньше, чем исследований о зависимости цен акций от новостей в целом. Однако есть, в том числе, и недавние исследования на эту тему. Например, (Hachenberg, Kiesel, Kolaric, Schiereck, 2016) анализируют в том числе движения цен акций банков после того, как стало известно, что в ноябре 2016 года 45-м президентом США стал Дональд Трамп. В ночь с 8го на 9е ноября Трамп стал Президентом, поэтому днем появления новости считается 9е ноября - тогда, когда инвесторы могли начать реагировать на изменения. В качестве объектов исследования был взят 71 финансовый институт из 25 различных стран.

Несмотря на то, что новость была неожиданной - авторы указывают, что большая часть инвесторов не верила в успех Трампа - политические программы двух основных кандидатов, которыми были Хиллари Клинтон и Дональд Трамп, были широко известны как общественности, так и инвесторам. Цены акций пошли вверх после официального опубликования результатов, и исследователи связывают это с тем, что программа Трампа включала в себя много пунктов, так или иначе касающихся дерегуляции финансовых институтов. На данном примере можно увидеть, что несмотря на неожиданный характер новости, инвесторы были готовы к ее последствиям, так как они были известны заранее.

Российские исследователи также уделяют внимание зависимости динамики котировок от изменений новостного фона. В работе (Солодухина, Репин, 2009) авторы исследуют зависимость между корпоративными новостями и ценами акций с целью помочь компаниям понять реакцию рынка на те или иные типы новостей и, следовательно, более грамотно управлять своей капитализацией.

Работа основана на предпосылке о том, что движение котировок не хаотично и может быть предсказано исходя из имеющейся информации. Рассматривается несколько факторов, которые, по мнению авторов, могут влиять на динамику котировок:

· Тональность новости: «хорошая» или «плохая»;

· Текущее состояние рынка - объем или спад;

· Тип акции: акции роста и акции стоимости (акции, у которых финансовые показатели (прибыль, денежный поток и т.д.) велики в соотношение с их ценой);

· Тип инвестора - индивидуальный либо институциональный;

· Тип события;

· Степень распространенности новости.

В результате систематизации информации авторы выделили следующие основные факторы, на которые компания должна обращать внимание с целью контроля за своей капитализацией:

1. Первый и наиболее очевидный тип фактора - параметры новости: ее содержание, которое становится известно рынку;

2. Каналы, через которые в основном происходит распространение новости: каким образом новость поступает к инвесторам;

3. Контекст, в котором новость поступает к инвесторам: каково текущее окружение информационного фона, который может оказать влияние на восприятие инвестором новости;

4. Тип инвестора, в т.ч. институциональные или индивидуальные.

Еще один тип новости, который может влиять на цену акции компании - объявление об SPO (Secondary Public Offering), к которому компании прибегают в случае необходимости дополнительного финансирования, с целью размывания капитала и т.д. Очевидно, что цена акции не может меняться при IPO (Initial Public Offering), так как до его проведения публично торгуемые акции отсутствуют, исходя из определения данной операции. Однако SPO является важным фактором для инвесторов, так как его проведение сказывается как на доле отдельных инвесторов в структуре капитала фирмы, так и на ценe акций, исходя из общего закона спроса и предложения: предложение акций на рынке при SPO растет.

Данный тип новости, объявление об SPO, был проанализирован в работе (Masulis, Shivakumar, 2002), в которой авторы проводят анализ того, с какой скоростью происходит коррекция котировок к такому объявлению, в зависимости от различных особенностей функционирования конкретного рынка. Данная работа является интересной с точки зрения методологии, так как в ней фактически тестируется классическая гипотеза «средней силы», характеризующая степень эффективности рынка.

В качестве объекта исследования были взяты акции, обращающиеся на трех крупных фондовых биржax:

· NYSE - New-York Stock Exchange;

· NASDAQ - National Association of Securities Dealers Automated Quotation;

· AMEX - American Stock Exchange.

В выборку новостей попали исключительно те, которые говорили об SPO, но при этом не упоминали иные, потенциально важные с точки зрения влияния на котировки, части информации.

Авторы получили достаточно интересный результат - подстраивание котировок, по большей части, происходило в первые 3 часа после объявления новости об SPO, при этом на NASDAQ корректировки происходили быстрее всего, во многом из-за того, что на ней меньшее количество ограничений для торговли, например, лучшая обработка новостей, объявленных в ночное время и отсутствие ограничения на объемы торгов, что позволяет инвесторам быстрее реагировать на важнейшие, с точки зрения компании, новости, в данном случае - новости об SPO.

2. Обоснование отбора компаний, событий и используемой методологии

Анализируя имеющуюся литературу в контексте исследуемой темы, можно заметить, что наиболее популярным по частоте использования является метод событийного анализа, который применяют чтобы объединить в исследовании такие показатели, как динамика цены акции, длина событийного окна и т.д. Кроме того, этот метод доказал свою применимость при выявлении зависимостей между появлением публично-доступных новостей и динамикой цен на акции.

Aнализ, проводимый в работе, базируется на определении того, как реагируют рыночные котировки акций банков на появление публичной информации в открытых источниках. Поэтому будет использоваться именно этa методология при выявлении искомых зависимостей.

В плане общей методологии использования событийного анализа применяются общепринятыe последовательныe шаги, которые были представлены в работе (Antweiler, Frank, 2005):

1. Формирование выборки объектов исследования, в данном случае, банков, торгующихся на Московской бирже;

2. Определение новостей, которые будут служить драйверами динамики котировок;

3. Определение событийного окна;

4. Расчет избыточной доходности;

5. Расчет иных показателей, чьи значения будут использованы при тестировании в дальнейшем;

6. Тестирование полученных результатов.

Выборка компаний - объектов исследования

Исследование будет проводится на основе данных 2013-2017 годов (5 лет) и, следовательно, все участники потенциальной выборки - банки, чьи акции так торговались на бирже в течение этого периода. Московская Биржа предоставляет доступ ко всем ценным бумагам, торгующимся на фондовом рынке, с помощью своего Интернет-портала - moex.com. В рамках формирования первоначальной выборки, были определены те банки, чьи обыкновенные акции торговались на Московской бирже в каждый из тех годов, в которые проводится анализ (таблица 1).

Таблица 1 Акции банков, торговавшихся на Московской бирже с 2013 по 2017 год

2013	2014	2015	2016	2017
Кит Финанс	Росбанк	Авангард	Авангард	Авангард
ВТБ	Сбербанк	Возрождение	Возрождение	Возрождение
ФК Открытие В 2013 году торговался по названием Номос-банк	ВТБ	ВТБ	ВТБ	ВТБ
Сбербанк	Возрождение	Санкт-Петербург	Санкт-Петербург	Санкт-Петербург
Банк Москвы	АЛОР Банк	Уралсиб	Уралсиб	Уралсиб
Таврический	Таврический	Бест Эффортс	Бест Эффортс	Бест Эффортс
АЛОР Банк	Банк Москвы	Кузнецкий	Кузнецкий	Кузнецкий
Росбанк	Санкт-Петербург	МКБ МКБ (здесь и далее) - Московский Кредитный Банк	МКБ	МКБ
Кузнецкий	ПСБ ПСБ (здесь и далее) - Промсвязьбанк	Мособлбанк МосОблБанк (здесь и далее) - Московский Областной Банк	Мособлбанк	Мособлбанк
Петрокоммерц	Кузнецкий	Приморье	Приморье	Приморье
Санкт-Петербург	Мособлбанк	ПСБ	ПСБ	ПСБ
ПСБ	РосДорБанк	Росбанк	Росбанк	Росбанк
Западный	Авангард	РосДорБанк	РосДорБанк	РосДорБанк
Возрождение	ФК Открытие	Сбербанк	Сбербанк	Сбербанк
Мособлбанк	Петрокоммерц	ФК Открытие	ФК Открытие Ханты-Мансийский Банк «Открытие» был объединен с ФК «открытие»	ФК Открытие
РосДорБанк	Приморье	Банк ВВБ
Авангард	РБР	ХМБО
Приморье	Траст	Банк Москвы
РБР	Ярославич
Ярославич

Источник: составлено автором

Затем, с целью составления более репрезентативной выборки, выделим те банки (таблица 2), которые торговались на Московской бирже наибольшее число лет из тех, в которые проводитcя анализ. Таким образом, получаем, что есть банки, которые торговались все 5 лет и, в большинстве случаев, это более крупные банки. Это логично, так как эти банки более устойчивы и раньше вышли на IPO.

Таблица 2 Ранжирование банков по длительности пребывания их акций на Московской бирже с 2013 по 2017 год

Банк	Кол-во лет на бирже	Банк	Кол-во лет на бирже
Авангард	5	Бест Эффортс	3
Возрождение	5	Ярославич	3
ВТБ	5	МКБ	3
Сбербанк	5	Банк Москвы	3
РосДорБанк	5	Таврический	2
ФК Открытие	5	АЛОР Банк	2
Росбанк	5	РБР	2
Санкт-Петербург	5	Петрокоммерц	2
Промсвязьбанк	5	Западный	1
Приморье	5	Кит Финанс	1
Кузнецкий	5	ХМБО	1
Мособлбанк	5	Траст	1
Уралсиб	3

Источник: составлено автором

Некоторые из перечисленных банков перестали торговаться либо вследствие лишения их лицензии (Ярославич), либо в случае слияния с другими банками, как например ФК Открытие и Ханты-Мансийский Банк Открытие. Кроме того, чтобы выборка была более репрезентативной, были исключены те банки, чьи акции неликвидны, например, Банк Кузнецкий, Приморье и другие.

Таким образом, в финальную выборку вошли следующие банки:

· ВТБ

· Сбербанк

· МосОблБанк

· Московский Кредитный Банк

· Уралсиб

· Банк ФК Открытие

· Росбанк

· Банк Санкт-Петербург

· Промсвязьбанк

· Банк Возрождение

Эти банки достаточно долго торгуются на бирже (3-5 лет), в то время как их акции являются ликвидными с постоянной динамикой цен и объемов торгов.

Выбор новостей

Формирование выборки новостей, которые будут взяты в качестве драйверов влияющих на динамику котировок, стоит начать с определения достоверного источника релевантной информации, который пользуется популярностью инвесторов. Тема данного исследования - изучение влияния публичных новостей, следовательно, источник информации также должен быть открытым. Сначала необходимо выделить критерии, по которым можно будет выбрать то СМИ, которое будет являться основным источником новостной информации.

Во-первых, данное СМИ должно публиковать бизнес-новости и быть ориентированным на широкий круг людей, чтобы охватить всех инвесторов. Таких СМИ в России много, следовательно, необходимы дополнительные критерии отбора. Одним из них может быть охват аудитории конкретного источника, так как это, при прочих равных условиях, повышает вероятность того, что этим источникoм использует большee количество инвесторов и, соответственно, oн формирует новостной фон, в рамках которого инвесторы принимают те или иные решения относительно своих инвестиционных портфелей и торговых стратегий.

Кроме того, необходимо выбирать Интернет-СМИ, так как они, очевидно, намного быстрее печатных реагируют на появление новой информации и могут мгновенно публиковать её. В русскоязычном сегменте Интернетa, одним из самых старых и общепризнанных агрегаторов данных об относительной популярности сайтов является рейтинг Рамблер ТОП-100, в котором можно проследить количество уникальных пользователей, которые просматривают Интернет-ресурс и, кроме того, проследить непосредственно количество просмотров того или иного ресурса. Нет причин к значительному изменению предпочтений пользователей за последнее время относительно СМИ, откуда можно черпать информацию, следовательно, в качестве отправной точки будут взяты данные за март 2018 года по количествy пользователей и просмотров. По обоим этим показателям в сегменте новостей лидером являются РИА Новости. РИА Новости - универсальный новостной ресурс, который публикует в том числе информацию об экономике и бизнесе, следовательно, он подходит в качестве ресурса, откуда можно брать информацию для анализа.

Методология поиска релевантных новостей в рамках данного исследования следующая:

· Поиск всех новостей о конкретном банке;

· Выделение интересующих типов новостей;

· Поиск наиболее ранней новости необходимого типа в рамках выбранного Интернет-ресурса.

Выбор типов новостей, которые будут использованы в данном исследовании, базируется на опыте предыдущих авторов и актуальных трендах российского рынка. Во-первых, на основе прошлых исследований можно сделать вывод, что изменения страновых макроэкономических показателей могут значительно влиять на цены акций. В случае с данного исследования было решено взять в качестве новости публикацию об изменении ключевой ставки ЦБ, так как этот инструмент оказывает значительное влияние на экономику, в частности, на банковский сектор, и руководствуясь, в том числе, им банки определяют уровни ставок по депозитам, кредитам и иным инструментам своего основного бизнеса. Кроме того, данная новость сама по себе может быть разделена на 3 большие группы, которые оказывают разное влияние на экономику:

· Рост (повышение) ключевой ставки;

· Снижение ключевой ставки;

· Сохранение ключевой ставки на прежнем уровне.

Второй тип новости, также актуальный для текущей российской действительности - влияние публикации новости о наложении санкций на российскую экономику, либо на их отдельные сегменты. Гипотеза состоит в том, что наложение любых санкций будет отрицательно влиять на динамику котировок. В рамках данного исследования будут исключены новости о тех санкциях, которые были наложены на конкретные банки, так как в таком случае влияние очевидно - ограничение рынков капитала ведет к удару по основному бизнесу банка. Таким образом, будут использованы только новости о тех санкциях, которые напрямую не затрагивают публичные банки-участники выборки. Данная новость также может быть структурирована, и критерием является политический агент, который наложил конкретную санкцию. Политическая ситуация сложилась таким образом, что существует два внешнеполитических агента, которые в первую очередь накладывают санкции на российскую экономику, и именно они и будут рассмотрены:

· США;

· Страны Европейского Союза (ЕС).

Так как выбранные мной типы новостей являются нерегулярными принято решение не очищать данные от возможного влияния других новостей, чтобы не уменьшать выборку до нерепрезентативной. Кроме того, выбранные типы новостей являются важными в жизненным цикле банка, следовательно, на их фоне, остальными новостями можно пренебречь.

Впервые Центральный банк РФ начал использовать инструмент ключевой ставки в 2013 году и, с тех пор, изменение ставки происходило более 30 раз. Однако в рамках исследования были исключены те изменения, расстояние (в днях) между которыми было менее 20 дней, с целью избежания пересечения событийных окон. Кроме того, будет дополнительно проанализировано то, каким образом рынок реагировал на разную динамику ключевой ставки: ее рост, падение или стабильное состояние. Таким образом, в финальную выборку попало 31 событие (таблица 3).

Таблица 3 Даты заседаний ЦБ по ключевой ставки и принятые решения

Дата	Ставка, %	Динамика	Дата	Ставка, %	Динамика
16.09.2013	5,50		30.10.2015	11	Стабильно
08.11.2013	5,50	Стабильно	11.12.2015	11	Стабильно
14.02.2014	5,50	Стабильно	29.01.2016	11	Стабильно
03.03.2014	7,00	Рост	10.06.2016	10,5	Падение
25.04.2014	7,50	Рост	16.09.2016	10	Падение
16.06.2014	7,50	Стабильно	28.10.2016	10	Стабильно
25.07.2014	8,00	Рост	16.12.2016	10	Стабильно
12.09.2014	8,00	Стабильно	03.02.2017	10	Стабильно
31.10.2014	9,50	Рост	24.03.2017	9,75	Падение
16.12.2014	17,00	Рост	28.04.2017	9,25	Падение
30.01.2015	15,00	Падение	16.06.2017	9	Падение
13.03.2015	14,00	Падение	28.07.2017	9	Стабильно
05.05.2015	12,50	Падение	15.09.2017	8,5	Падение
16.06.2015	11,50	Падение	27.10.2017	8,25	Падение
31.07.2015	11,00	Падение	15.12.2017	7,75	Падение
11.09.2015	11,00	Стабильно



Источник: сайт ЦБ РФ

Первые санкции, наложенные на российскую экономику, начали появляться в 2014 году, соответственно, рассмотрение их влияния в рамках данного исследования будет происходить в период между 2014 и концом 2017 года. В связи с тем, что некоторые государства вводили санкции по отдельности, таких новостей может быть множество, однако первыми реагируют на события либо США, либо страны ЕС, следовательно, в рамках дaннoй работы, будут рассматриваться наложения санкций именно от этих групп. При этом, учтены в анализе только те санкции, которые были введены первыми в ответ на какое-то событие. Это сделано, чтобы исключить совместное влияние данных ограничений на разных временных отрезках. Отметим также, что новости, попадающие в выборку говорят именно о фактическом наложении санкций, а не о различных стадиях их разработки и т.д. и, кроме того были выбраны те санкции, которые накладываются на всю экономику в комплексе, а не на отдельных физических и юридических лиц.

Таким образом, первые санкции были наложены 17 марта 2014 года, а последнее событие из данной выборки - 31 октября 2017 года. Всего 14 новостей, полный список которых, с датами, приведен в таблице 4.

Таблица 4 Календарь введения санкций США и ЕС

Дата	Страна
17.03.2014	США
28.04.2014	США
16.07.2014	США
26.07.2014	ЕС
20.12.2014	ЕС
04.03.2015	США
22.06.2015	ЕС
30.07.2015	США
03.03.2016	США
15.07.2016	США
19.12.2016	США
28.06.2017	ЕС
03.08.2017	США
31.10.2017	США

Источник: РИА Новости

Кроме того, мы видим, что санкции действительно накладывались различными политическими игроками, которые было решено разбить на 2 основные категории: США и страны Евросоюза. Следовательно, будет дополнительно проанализировано влияние санкций этих двух «игроков» на политической арене в отдельности. Всего, с учетом 10 банков в выборке в данную категорию новостей для анализа попадает 124 события.

Таким образом, всего будет рассмотрено 2 основных и 5 дополнительных типов новостей, которые сгруппированы следующим образом:

· Новость о ключевой ставке:

o Публикации и росте ставки;

o Публикации о снижении ставки;

o Новости о том, что ставка осталась неизменно;

· Новость о наложении санкций:

o Введение санкций США;

o Введение санкций странами Евросоюза.

Выбор длины оценочного периода и событийного окна

Существуют разные мнения о том, какой длины должно быть событийное окно, чтобы результаты были наиболее репрезентативными. Однако, в приведенной выше литературе единого ответа на данный вопрос нет. В ходе проведения анализа было выявлено, что значимость избыточных доходностей остается практически неизменной в периодах от 90 до 150 дней, поэтому началом оценочного периода был выбран 150-й день до публикации информации о событии, а конец, уже согласно литературе, приведенной выше - за 10 дней до такой публикации.



Так как банковская отрасль сейчас является одним из главных ньюсмейкеров в контексте экономических новостей (диджитализация, слухи об M&A и т.д.), событийное окно не может быть долгим, чтобы оставаться репрезентативным, относительно интересующих нас новостей, так как влияние иных новостей может оказывать свои эффекты и их необходимо минимизировать. Таким образом, самое большое используемое событийное окно было взято длиной в 21 день: за 10 дней до и через 10 дней после появления новости о событии. Данное окно использовалось в том числе в иных работах по данной тематике. Также для анализa взяты событийные окна длиной 11 дней (5 дней до и 5 дней после события) и более короткие окна в 5 дней и 3 дня.

Расчет доходностей: нормальной, фактической и избыточной

Выгрузка данных о ценах акций банков на конец торговой сессии производилась из базы Thomson Reuters. Для полноценного анализа потребовалась выгрузка за каждый торговый день с января 2013 года по конец декабря 2017 года. Таким образом, охвачены все санкции, наложенные на российскую экономику с начала последнего геополитического кризиса, связанного с событиями на Украине.

Расчет доходности может быть произведен различными методами, однако было принято решение произвести подсчет с помощью обычного логарифмирования частного цены акции банка i (i ? [1;10], так как рассматривается 10 банков) при закрытии рынка в день t+1 и день t. Аналогичный подход был выбран также для расчета доходности индекса ММВБ, который является лучшей апроксимацией для банковского сектора, так как другие индексы, в том числе, например, индекс финансов, не включают в себя все рассматриваемые компании.

где - логарифм доходности акции i, - цена акции банка i в день t+1, - цена акции банка i в день t, - логарифм доходности индекса ММВБ, и - это значение индекса ММВБ в день t и t+1, соответственно. акция прибыль доходность ставка

Выбор модели нормальной доходности акций производился из рыночной модели и модели постоянной средней доходности. Однако, как показано в работе (MacKinlay, 1997), модель постоянной средней доходности имеет под собой предпосылку о том, что доходность акций неизменна, однако, как видно из данных, такая предпосылка не выполняется - цены акций меняются разнонаправленно с течением времени. Вторая причина состоит в том, что данная модель не подходит под задачи исследования, где именно изменение доходности является основополагающим наблюдаемым фактором. Кроме того, стандартная рыночная модель используeтся во множестве работ, рассмотренных выше, в частности, (MacKinlay, 1997) и многих других.

Таким образом, выбор был сделан в пользу простой рыночной модели. Более сложные спецификации (многофакторные модели, CAPM и т.д.) было решено не использовать в связи с тем, что они не дают значительного улучшения результатов, как показано в работе (Brown, 1985). Кроме того, они тоже могут накладывать дополнительные ограничения, например, в модели CAPM значение коэффициента альфа в регрессии равно безрисковой доходности. Окончательная спецификация модели выглядит следующим образом.

,

,,

где - это доходность банка i в день t и - это доходность индекса ММВБ в день t, и, кроме того, распределение является нормальным, что также адекватно в рамках данной модели и было использовано в предыдущих работах.

Избыточная доходность (AR), в свою очередь, считается как разница между доходностью, которая фактически имела место в день t и доходностью предсказанной при помощи рыночной модели - ожидаемой доходностью, рассчитанной исходя из коэффициентов и , которые были получены путем оценки методом наименьших квадратов (МНК) уравнения (3). Таким образом, избыточная доходность интерпретируется как превышение (снижение) фактической доходности над ожидаемой под влиянием того события, для которого доходности были посчитаны. Уравнение для получения избыточной доходности выглядит следующим образом.

,

где - избыточная доходность i-го банка в момент t, - оценки коэффициентов, полученные в из уравнения (3).

После расчета избыточной доходности требуется выяснить, кумулятивную избыточную доходность (, которая фактически является суммой избыточных доходностей в каждый из дней рассматриваемого событийного окна, которые в рамках данной работы принимают следующие значения (в количестве дней): (-1;+1), (-3;+3), (-5;+5) и (-10;+10). Непосредственно уравнение кумулятивной избыточной доходности выглядит следующим образом.



Следующим шагом является определение кумулятивной средней избыточной доходности, которую мы будем обозначать как . Расчет будет производиться исходя из длины событийного окна, для каждого из таких окон. Для расчета используются показатели для всех типов новостей, которые мы взяли для анализа, по отдельности, чтобы выяснить влияние определенных типов новостей на динамику цен акций, выбранных в начале работы банков и значений индекса ММВБ в течение всего периода событийного окна. Уравнение (6) показывает, каким образом показатель рассчитывается.

Соответственно, данную величину можно интерпретировать как среднее значение показателя кумулятивной избыточной доходности по всем наблюдениям в выборке для каждого конкретного рассматриваемого события. Тестирование значимости результатов анализа

Из полученных результатов невозможно сделать вывод, пока не проведен анализ значимости на разных уровнях (1%, 5% и 10% в рамках данной работы). Тестироваться на значимость будет показатель CAAR, так как он является основной метрикой проводимого анализа с точки зрения поставленных задач.

Если результат значим, это дает право утверждать, что цена акции банка i действительно меняется (положительно либо негативно) в зависимости от типа новости, для которой этот анализ был проведен.

Тестирование проводится на основании гипотезы, которая в случае данного исследования выглядит следующим образом.



;

Соответственно, нулевая гипотеза говорит о том, что кумулятивная средняя доходность в рамках событийного окна равна нулю, в то время как альтернативная гипотеза - что существует избыточная кумулятивная средняя доходность. Проверка на значимость производится с помощью t-статистики Стъюдента, так как проверяется значимость одной переменной - события.

,

где - дисперсия кумулятивной средней доходности.

Затем производится расчет p-value и определяется тот уровень значимости, на котором событие является статистически значимым.

3. Оценка влияния появления новостей на динамику цен акций российских банков

В рамках данной работы будет исследовано 5 типов новостей и их влияние на динамику котировок акций российских банков. Прежде чем преступить непосредственно к анализу, следует сформулировать тот пул гипотез, которые будут проверяться в рамках исследования. Стоит напомнить, что все гипотезы связаны с кумулятивной средней избыточной доходностью и выглядят следующим образом.



,

,

Гипотезы 10-13 относятся к различным событийным окнам с длиной окна в количестве дней (-1;+1), (-3;+3), (-10;+10), (-5;+5). Нулевая гипотеза для всех событийных окон говорит о существовании кумулятивной средней избыточной доходности на горизонте окна, в то время как альтернативная - о том, что значимой зависимости не существует. Таким образом, было сформулировано 20 гипотез : 4 типа гипотез и 5 типoв влияющих событий.

Новость о росте ключевой ставки

Рост ключевой ставки является важным сигналом для экономики в целом и банковских институтов в частности, который говорит о том, что ужесточается денежно-кредитная политика, идет курс на сокращение инфляции и, в целом, ожидается рост процентных ставок по долговым инструментам, таким как кредиты (в том числе облигации), депозиты. Банки в свою очередь являются основными финансовыми институтами, которые предоставляют услуги кредитования и берут средства на хранение в качестве депозитов. Таким образом, следуя логике того, как работает экономика в целом, выходит, что изменение и, в частности, рост ключевой ставки должны оказывать значительное влияние на котировки акций банковских институтов.

Из таблицы 5 мы видим, что изменение ключевой ставки в сторону ее увеличения не оказывает значительного влияния на изменение цены акций.

...