Влияние тональности раскрываемой информации на цены акций российских компаний
Прогнозирование торговых стратегий в современном финансовом мире. Анализ влияния тональности публикуемых новостей на стоимость ценных бумаг российского рынка. Исследование информации о развитии компаний и дивидендной политике компаний Московской биржи.
| Рубрика | Финансы, деньги и налоги |
| Вид | дипломная работа |
| Язык | русский |
| Дата добавления | 02.12.2019 |
| Размер файла | 569,3 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http://allbest.ru
Пермский филиал федерального государственного автономного образовательного учреждения высшего образования
«НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ УНИВЕРСИТЕТ
«ВЫСШАЯ ШКОЛА ЭКОНОМИКИ»
Факультет экономики, менеджмента и бизнес-информатики
Выпускная квалификационная работа
БАКАЛАВРСКАЯ РАБОТА
Влияние тональности раскрываемой информации на цены акций российских компаний
по направлению подготовки 38.03.01 Экономика
Студент Копырин Максим Викторович
Руководитель: к.э.н. Ю.Н. Найденова
Рецензент: к.э.н. А.Е. Новак
Пермь, 2019 год
Аннотация
Информация о российских компаниях, которая раскрывается новостными агрегаторами, часто эмоционально или тонально нагружена из-за чего под влиянием эмоций мнение участников рынка о компаниях и, как следствие, цены акций этих компаний могут изменяться в негативную или положительную сторону.
В работе выдвигаются и тестируются гипотезы о влиянии тональности текста новостей о дивидендах и развитии компании на цены акций российских компаний. На основе данных по 49 российским публичным компаниям, представляющим индекс Московской биржи в период с конца 2017 года до начала 2019 года, были построены модели, оцененные методом наименьших квадратов с включением дополнительных финансовых и нефинансовых факторов.
Было выявлено, что тональность текста новости положительно значимо влияет на цены акций российских компаний. Также результаты анализа указали на то, что эффект тональности зависит от категории оцениваемых новостей и была обнаружена линейная взаимосвязь между величиной показателя тональности и величиной реакции инвесторов.
Abstract
Information published by news aggregators about Russian companies often is emotionally toned. It is one of the possible reasons why investors might change their mind, which will consequently be the cause to the change in the share prices. This paper examines the hypotheses about the impact of dividend and development news tone on Russian companies share prices.
Several models based on financial and non-financial data of 49 Russian public companies included in Moscow exchange index in period from the end of 2017 to the beginning of 2019 were estimated via least square method. The positive significant impact of news text tone on Russian share prices was revealed. Also results of the analysis show that the tone impact effect significantly depends on news category. Additionally, the linear relationship between the value of sentiment and the value of the reaction of investors was identified.
Оглавление
Введение
1. Обзор литературы
1.1 Асимметрия информации
1.2 Понятие раскрытия информации
1.3 Специфика российского фондового рынка
1.4 Влияние раскрытия информации на цены акций компаний
1.5 Роль новостных агрегаторов и социальных сетей на фондовом рынке
1.6. Тональность текста и способы ее оценки
2. Постановка исследовательского вопроса
2.1 Описание проблемы и пути ее решения
2.2 Обоснование гипотез
2.3 Обоснование методов исследования
3. Данные и методология
3.1 Данные
3.2 Предварительный анализ данных
3.3 Метод событийного анализа
3.4 Регрессионный анализ: выявление факторов, влияющих на кумулятивную аномальную доходность
4. Описание результатов
Заключение
Список используемой литературы
Приложения
Введение
В последнее время в современном финансовом мире можно заметить рост количества новостей о компаниях. Новостные агрегаторы становятся надежной платформой для получения новостей, дальнейшего финансового прогнозирования и построения торговых стратегий. Информация, которую трейдеры получают из данных источников, может помочь им заработать прибыль выше рынка.
Информация же в агрегаторах появляется от абсолютно разных источников, таких как независимые аналитики, аналитики инвестиционных банков и часто сами компании. Все перечисленные источники имеют разные цели относительно компаний.
Ожидания непосредственной прибыли от акции посредством получения дивидендов или роста курсовой стоимости ценной бумаги делают новости об этом самыми желанными для трейдера и заставляют их следить за каждой новостью от каждого источника в новостных агрегаторах или социальных сетях.
Однако для большего воздействия на участников рынка авторы такой информации часто придают определенную тональность, которая может сильно повлиять на мнение о новости. Таким образом, придаваемая новости тональность потенциально может оказать существенное влияние на ожидания трейдеров и повлиять на силу их реакции на опубликованную новость. финансовый информация дивидендный тональность
В данной работе на выборке фирм из индекса Московской биржи автор рассматривает степень влияния тональности новости на цены акций компании за период с четвертого квартала 2017 года по январь 2019 года. Согласно гипотезе эффективного рынка (efficient market hypothesis), вся имеющаяся информация в полной степени и немедленно отражается на курсовой стоимости акций, что обуславливает значимость проведения анализа и оценки влияния реакции цен акций на раскрытие информации.
Актуальность проведения анализа эффекта тональности новости обусловлена тем, что в последние годы индивидуальные и институциональные трейдеры на финансовых рынках все чаще используют «индикаторы настроения», полученные на основе анализа тональности новостных статей.
С другой стороны менеджменту компаний важно понимать, насколько сильно тональность публикуемых новостей влияет на стоимость ценных бумаг, чтобы правильно оценивать риски раскрытия информации и сформировать стратегию раскрытия информации с учетом влияния тональности. Новизна исследования заключается в анализе раскрытия информации через оценку тональности новости именно на российском рынке. Важно отметить, что, в отличие от других работ, в данном исследовании рассматриваются одни из самых важных типов новостей - новости , связанные с дивидендной политикой компании и новостями о развитии компании, что также является новым для российского рынка.
Цель работы - оценить влияние тональности раскрываемой информации о дивидендах и развитии компании на цены акции? российских компании? из индекса Московской биржи.
Для достижения поставленной цели необходимо решить комплекс задач:
1. Рассмотреть теорию влияния раскрытия информации, в том числе исследования, посвященные анализу на основе тональности новостей;
2. На основе теоретических и эмпирических работ сформулировать гипотезы;
3. Собрать пул новостей о развитии компаний и дивидендной политике для каждой из компаний индекса Московской биржи. Собрать данные об основных характеристиках компаний и оценить тональность текстов новостей;
4. Провести оценку влияния тональности новостей на цены акций компаний;
5. Сформулировать выводы.
Результаты, полученные в данной работе, могут быть использованы трейдерами для построения стратегии алгоритмической торговли, основанной на анализе тональности новостей на российском фондовом рынке. Менеджменту российских публичных компаний результаты исследования могут быть полезны для оценки тональности раскрываемой о них информации и, как результат, помогут оптимизировать затраты на поддержание отношений с инвесторами и повысить эффективность раскрытия. Также в связи с тем, что российский фондовый рынок изучен слабо, данная работа может быть интересна исследователям, изучающим взаимосвязи на фондовом рынке России.
1. Обзор литературы
1.1 Асимметрия информации
Современный фондовый рынок - сложный механизм, одной из целей которого является предоставление возможности покупки и продажи ценных бумаг большому количеству участников. Именно торговля ценными бумагами отличает фондовый рынок от других рынков. Это же отличие создает аспект, связанный с информационной обеспеченностью рыночных сделок, так как, в отличие от других рынков, на фондовом рынке покупатель имеет меньше возможностей получить правдивое представление о качестве приобретаемого товара. В связи с тем, что у участников рынка нет возможности получать полностью достоверную информацию о компании, руководство этой компании мотивировано действовать исключительно в своих интересах, выдавая их за интересы инвесторов.
В описанной выше ситуации компания сталкивается с проблемой морального риска, описанной в теории «принципал-агент», в которой принципалом выступают акционеры компании, а агентом выступают наемные руководители (Jensen, Meckling, 1976). Авторы данной теории определяют агентские отношения как договор, по которому одно или несколько лиц (принципалы) нанимают другое лицо (агента) для управления компанией и принятия решений от их имени. В таком случае, пользуясь недостатком информации у принципала, наемный менеджмент компании имеет стимулы принимать решения в своих целях и против интересов нанимателя. Принципал может ограничить решения агента, которые расходятся с интересами принципала, с помощью мониторинга его работы. Одним из видов мониторинга деятельности менеджмента является раскрытие информации. Именно раскрытие информации помогает участникам рынка, а в особенности инвесторам компании, донести информацию, необходимую им для принятия решений. Таким образом, можно сказать, что основная цель раскрытия информации - сообщить информацию о деятельности фирмы ее внешним инвесторам (Healy, Palepu, 2001). Именно наличие информация о деятельности компании является необходимым условием снижения асимметрии и, что тоже важно, повышения уровня доверия инвестора к компании.
1.2 Понятие раскрытия информации
«Раскрытие информации - череда мероприятий, направленных на получение инвестором возможности объективно оценить инвестиционную привлекательность компании» (Law on the Securities Market, Article 30, Clause 1).
Для того чтобы полностью понять суть раскрытия информации, возможности и риски, которые оно несет, сначала стоит разобраться в источниках раскрытия информации. В целом, можно сказать, что существует два основных источника информации: информационные посредники и сами компании. Основной целью каждого источника информации является донесение до участников рынка информации о компании.
Информационные посредники могут представлять информацию в виде новостей для своих пользователей. Это информация бесплатна и находится в свободном доступе. Основываясь на этой информации, пользователь сам принимает решение исключительно из своих суждений. Второй вид информационных посредников - это аналитики, которые собирают информацию по компании и делают определенный прогноз или рекомендацию по инструменту. Чаще всего такими аналитиками выступают инвестиционные банки или брокеры. Их услуги предоставляются в частном порядке, и они довольно дорогие для частного инвестора. Однако в связи с тем, что рынок не является совершенно эффективным, инвесторы, желая получить доходность выше рыночной, готовы вкладывать средства в получение частной информации. Этот факт подтверждается тем, что мировые расходы на аналитику растут (Погожева, 2013).
Вторым видом источников раскрытия информации являются сами компании. Основная цель компании - это увеличение своей стоимости. Это означает, что компании заинтересованы в раскрытии только той информации, которая может повысить цену акций этой компании, а потенциально нежелательную информацию компании стремятся скрыть. Для решения данной проблемы компании обязуют выкладывать заверенные аудитором годовые отчеты. Также в целях повышения доверия участников рынка и для привлечения новых инвесторов компании раскрывают информацию о себе добровольно, тем самым повышая свою информационную прозрачность. Информационная прозрачность - это воспринимаемое качество добровольного намеренного раскрытия информации компанией, включающее уровень раскрытия информации, ее понятность и точность (Schnackenberg, Tomlinson, 2014). Чем выше информационная прозрачность, тем выше уровень доверия к компании.
Изучив источники раскрытия информации и их цели, можно перейти к рассмотрению существующих видов раскрытия информации. Принято считать, что существует три категории раскрытия информации о компании (Asquith, Mikhail, Au, 2005):
· Обязательное раскрытие информации. По современному российскому законодательству все публичные компании должны выкладывать часть информации о своей деятельности. К такой категории относятся заверенные аудитором годовые отчетности, проспекты ценных бумаг, сообщения о проведении общего собрания акционеров и другие сведения, определяемые Банком России (Федеральный закон от 26.12.1995 N 208-ФЗ). Также к обязательному раскрытию информации относят сведения, которые компании должны раскрывать о себе по правилам биржи, на которой компания имеет листинг. Например, Московская биржа требует раскрытия информации о совете директоров эмитента, создания и раскрытия по разного рода комитетам внутри компании, информации о существенных фактах и многое другое (Положение о раскрытии информации эмитентами эмиссионных ценных бумаг (утв. Банком России 30.12.2014 № 454-П));
· Раскрытие информации информационными посредниками и аналитическими агентствами. К данной категории принято относить исследования, публикуемые аналитическими агентствами, и различные новости, публикуемые новостными агентствами и агрегаторами (например, Интерфакс, Thomson Reuters);
· Добровольное раскрытие информации. К добровольному раскрытию информации относятся новости, которые компания публикует сама о себе сверх обязательного раскрытия информации. К этой категории раскрытия относятся отчетность, готовая для анализа аналитическими агентствами, архивы по ключевым событиям компании, информация о рынке, перспективах, НИОКР и многое другое (Вестник системы раскрытия, Интерфакс, 2010).
Также в отдельную группу можно выделить макроэкономические новости, которые могут повлиять на стоимость акций компаний. К такой категории новостей относятся экономические и политические новости (Chan, Chui, Kwok, 2001), новости о ценах на нефть, что актуально для сырьевой экономики России (Hayo, Kutan, 2005), и мировые новости (Niederhoffer, 1971). Однако в данной работе они не рассматриваются.
1.3 Специфика российского фондового рынка
Изначально стоит разделить российский фондовый рынок и фондовые рынки развитых стран. В развитых странах фондовый рынок считается устоявшейся частью финансовой системы. На каждой бирже листинг имеют больше тысячи компаний, а количество публичных компаний считается десятками тысяч. Например, капитализация фондового рынка США на 2018 год составляет 131,4% от ВВП. Уровень финансовой грамотности и вовлеченности населения на финансовые рынки также находится на очень высоком уровне. В России фондовый рынок существует меньше тридцати лет, капитализация рынка на 2018 год чуть более 35,7% ВВП, а количество публичных компаний на 2016 год составляло 1327 (investfunds.ru) Вовлеченность населения на фондовый рынок России крайне низкая. Также российский фондовый рынок отличает высокая доля компаний с государственным капиталом, что не наблюдается на фондовых рынках западных стран. Еще одной важной особенностью российского фондового рынка является то, что в течение последних пяти лет он находится в условиях санкций со стороны стран с развитым финансовым рынком. Так, многие публичные российские компании оказались в сложном положении, обусловленном политическим давлением, недоступностью к рынку широкого капитала, а также сокращением рынка сбыта. Такие события являются непрогнозируемыми, и тональность, с которой новостные агентства описывают новые события, способные повлиять на компанию, могут иметь повышенное влияние на мнение инвесторов на российском фондовом рынке, выражаемое в цене и доходности котируемых инструментов. Таким образом, в виду сильных различий, стоит рассматривать развитые финансовые рынки и российский фондовый рынок отдельно.
1.4 Влияние раскрытия информации на цены акций компаний
Процесс составления портфеля или построения торговой стратегии в первую очередь опирается на раскрываемую различными источниками информацию. Исходя из имеющийся информации, участник рынка формирует собственное предположение на некотором горизонте инвестирования о трендах рынка в целом и компаний в частности. На основе этого мнения принимается решение о покупке или продаже определенных ценных бумаг. Именно такие действия всех участников рынка и создают определенные движения котировок на фондовом рынке (Angelovska, 2016). Однако выводы о значимости влияния раскрытия информации у исследователей разные.
Рассматривая фондовые рынки развитых стран, Бэрри и Хоуи предполагают, что все информационные события в совокупности могут влиять на стоимость акций компаний. Однако их гипотеза не подтвердилась (Berry, Howe, 1994). Отчасти их результат был связан с тем, что они рассматривали все новости и за все время. Тем не менее они выявили положительное влияние раскрытия информации по категориям. Ли, Кеон, Ким и Чаи, в своем исследовании рассматривали события по категориям и оценивали влияния раскрытия информации об использовании анализа больших данных в компании на цены акций этой компаний. Результатом их работы было выявление позитивной реакции фондового рынка на новости об использовании компанией анализа больших данных (Lee, Kweon, Kim, Chai, 2017). Исходя из этого, можно сказать, что на фондовых рынках западных стран подтвердилось влияние раскрытия информации по категориям.
На российском фондовом рынке также было оценено влияние раскрытия информации на цены акций. В исследовании Федосеевой рассматривается влияние различных новостей на цены акций компаний по различным категориям. Результаты показали, что различные группы новостей по-разному влияют на биржевые котировки (Федосеева, 2011). Найденова на примере добровольного раскрытия информации о НИОКР фармацевтическими компании выявила, что участники российского фондового рынка не реагируют на новости о НИОКР (Найденова, 2015). Рассматривая работы в целом, можно сказать, что исследования, изучающие влияние раскрытия информации на цены акций компании на российском фондовом рынке, не приводили к однозначным результатам (Яворская, Яворский, 2015).
Исходя из выше сказанного, можно сделать вывод, что часть новостей может иметь значимое влияние на рыночную стоимость акции, а часть - существенного влияния не имеет. На данный момент перед исследователями и аналитиками стоит задача - понять, как на цены акций компаний влияют различные категории событий, полученные из разных источников и имеющие разную тональность.
1.5 Роль новостных агрегаторов и социальных сетей на фондовом рынке
Принято считать, что основными источником информации для участников фондового рынка являются отчеты, газеты, аналитические сводки от брокеров и непосредственное общение с персонами, близкими к компании. Однако с развитием технологий и доступа к сети интернет количество источников получения информации о компании возросло в разы. Появилось множество новостных агрегаторов, которые собирают новости со всех возможных источников и, опираясь на их содержание, публикуют свою новость с отсылкой на использованные источники. Из новостных агрегаторов на западном рынке особую популярность завоевал Yahoo Finance, который помимо сбора новостей публикует краткую аналитику об инструменте. Селен Йе Ху в своем исследовании обнаружил значимую зависимость между новостями на Yahoo Finance и прогнозной ценой акций. Для более точного анализа он использовал сервис Google Trends, который позволяет оценить популярность запроса в поисковой системе Google (Yue Xu, 2013). На основе этого мы можем утверждать о наличии значимого влияния событий из новостных агрегаторов на цены акций компаний. Уэлкер в своем бухгалтерском исследовании пришел к выводу, что из-за более обширного раскрытия информации компаниями и другими источниками снижается асимметрия информации, соответственно, усиливается влияние на цены акций (Welker, 1995). Это значит, что, возможно, значимое влияние таких агрегаторов связано с большим количеством обрабатываемых новостей из различных источников.
Как было уже сказано, с развитием технологий информации стало гораздо больше. Так, сейчас каждый человек, заинтересованный в фондовом рынке, может создать свой блог и выкладывать найденную им информацию или собственную аналитику. Существуют специализированные сервисы для участников фондового рынка такие как investing.com, WhoTrades, SmartLab и другие. Также существуют сообщества по интересам и блоги в социальных сетях, таких как ВКонтакте, Facebook, Twitter. Пожалуй, именно в привычных нам социальных сетях порог входа для аналитика самый низкий. Любой желающий может донести свои мысли и наблюдения. Так Ранко, Алексовски и Можетич в своем исследовании, направленном на поиск влияния раскрытия информации через социальную сеть Twitter на цены акций компаний, выявили значимую взаимосвязь между раскрытием информации о компании в социальных сетях простыми пользователями и ценой акции этих компаний (Ranco, Aleksovski, Mozetic, 2016). Исходя из результатов их исследования можно утверждать, что участники рынка при построении портфеля или при формировании торговой стратегии действительно пользуются информацией, полученной из социальных сетей.
1.6 Тональность текста и способы ее оценки
Исследователи акцентируют внимание на том, что раскрытие информации в социальных сетях и новостных агрегаторах, помимо информации о компании, несет эмоциональную нагрузку. «Из просмотра страницы в газете становится понятно, что текст сильно превосходит числовую информацию. Диаграммы и графики заменяются анекдотами, воспоминаниями и цитатами. Финансовый анализ, ранее ограниченный ценовыми коэффициентами и маржой, в настоящее время переживает эмоциональную революцию» - говорит преподаватель Вортонской школы Том Юз (Yuz, 2018).
Наполнение раскрытия информации тональностью может происходить как случайно, так и намеренно. Участники фондового рынка могут неосознанно придавать новости определенный тональный оттенок, который может повлиять на ход торгов, иногда обратно истинной направленности содержания новости.
В исследовании оценки влияния новостей на фондовый рынок исследователь Сингапурского университета Ю Чанг Сун использовал метод анализа эмоций. Основой для данных послужили новости из Wall Street Journal с 2002 по 2009 год для компаний из индекса DowJones. Результатом исследования стало подтверждение наличия значимой взаимосвязи между негативно оцененными новостями и ценой акций компаний из индекса (Soon, 2010). Таким образом, можно сказать, что участники западного фондового рынка реагируют на тональность событий, полученных из новостных агрегаторов.
Уже упомянутые исследователи Ранко, Алексковски и Можетич исследовали новости, взятые из социальной сети Twitter, с точки зрения тональной направленности. На основе более чем полутора миллиона публикаций по 30 компаниям, придавая цифровое значение тональности каждого события от -1 до 1, где -1 - крайне негативно, а 1 - крайне позитивно, они выявили значимую взаимосвязь между тональной направленностью новости, опубликованной в Twitter, и аномальной доходностью ценной бумаги. Их результаты оказались релевантными не только для ожидаемых пиков объема публикаций в Twitter (например, ежеквартальных отчетов), но и для пиков, соответствующих менее значимым для рынка событиям. Следовательно, можно сделать вывод, что раскрытие информации в социальных сетях и ее тональность могут повлиять на стоимость акций компании, даже если в раскрытии речь идет о необязательном раскрытии информации.
На данных российского фондового рынка исследований влияния тональности раскрытия информации на цены акций довольно мало. Однако стоит выделить работу Федоровой, Демина, Хрустова и др. Исследование данных авторов направлено на поиск и оценку влияния тональности писем CEO на финансовые показатели компании. Используя выборку из 102 российских компаний, они подтвердили наличие значимого влияния тональности письма CEO акционерам на цены акций компании. Однако исследователи отмечают, что представление позитивных и негативных тенденции? развития компании в тексте письма генерального директора требует дополнительного исследования, так как это один из методов манипулирования мнением инвестора. Эмпирические подтверждения теории о склонности менеджеров манипулировать ожиданиями инвесторов и аналитиков посредством текста обращения руководства к акционерам практически отсутствуют (Федорова, Демин, Хрустова и др., 2017). Благодаря их исследованию, можно сделать вывод, что участники российского рынка так же сильно склонны реагировать на тональность событий, как и их западные коллеги.
Важным вопросом в данном исследовании является выбор методологии определения тональности новости. Существует несколько способов оценки эмоциональной направленности текста. В ранних работах анализ сосредоточен на классификации настроений на уровне новостных статей с использованием предопределенных лексиконов тональности. Впервые в области финансов метод был использован Антивиллером и Франком (Antweiler, Frank, 2005), которые использовали языковые алгоритмы для анализа биржевых блогов, размещенных на Yahoo Finance. Одним из первых словарей эмоциональной нагрузки был тезаурус WordNet. Данный тезаурус составлен на основе словаря Harvard IV и представляет собой поиск определенных слов, которые дают представление тональности текста. С помощью WordNet можно определить тональную направленность новости, используя статистические пакеты. Данный метод использовал упомянутый ранее Ю Чанг Сун. Однако данный метод доступен только для новостей на английском языке, к тому же его использование занимает много времени, так как требуется проверять каждое слово и выражение во всех новостях.
В исследовании Ранко, Алексковски и Можетич для поиска тональной направленности текста был использован контролируемый метод машинного обучения. Первым этапом их исследования было определение 100 000 публикаций 10 финансовыми экспертами тремя эмоциональными ярлыками: негативным, нейтральным или позитивным. Затем этот помеченный набор был использован для построения модели методов опорных векторов SVM (Support Vector Machine), которая различает отрицательные, нейтральные и положительные события. Наконец, модель SVM была применена к полному набору из более чем 1,5 миллиона событий. Результирующий набор данных представляет собой временной ряд отрицательных, нейтральных и положительных событий для каждого дня раскрытия (Ranco, Aleksovski, Mozetic, 2016). Также в российском исследовании Федоровой, Демина, Хрустовой и др. была использована многослойная нейронная сеть. Этот способ стоит назвать самым ресурсозатратным, так как он требует знаний машинного обучения и немалых вычислительных мощностей.
Последним способом является использование экспертного мнения. Так, Табари, Пранис, Бизвас и др. в исследовании, направленном на анализ влияния тональности новостей в Twitter, предлагают четырем экспертам определить тональность событий от -2 до 2, где -2 - крайне негативно, а 2 - крайне позитивно. В среднем эксперты согласны друг с другом на 82,8%, что делает данный способ релевантным для исследования (Tabari, Praneeth, Biswas, 2017). Однако ввиду того, что оценка экспертов имеет очень субъективный анализ результаты, полученные данным способом, нельзя назвать объективными.
2. Постановка исследовательского вопроса
2.1 Описание проблемы и пути ее решения
Обзор литературы показал, что анализ новостей через оценку тональности появился сравнительно недавно. Основная часть исследований проводилась на фондовых рынках развитых стран. Результаты этих исследований показывают значимую взаимосвязь тональности текста новости на цены акций компаний развитых стран.
Это важно для трейдеров, так как изучение подобных колебания рынка дает возможность более эффективно построить торговую стратегию для получения дохода от краткосрочных операций. Менеджменту компании это дает возможность раскрывать информацию о себе более эффективно, обходя возможные тонально повышенные места раскрытия, которые могут негативно сказаться на цене бумаг компании.
В России анализу тональности текста новостей подвергались лишь часть событий без привязки к ценовой составляющей ценной бумаги компании. Также не были оценены дополнительные факторы раскрытия, которые могут повлиять на реакцию участников рынка на тональность текста раскрытия. Из анализа литературы было выявлено, что из-за ожиданий денежных потоков от акций компании и ожидании роста цены бумаги, основными новостями, которые влияют на мнение инвесторов о компании являются новости о дивидендах и новости о развитии компании. Таким образом, в данной работе исследовательский вопрос поставлен так: как тональность новостей о дивидендах или развитии компании влияет на цены акций российских компаний?
Для решения исследовательской проблемы в данной работе на первом этапе использован метод анализа тональности с помощью числовой оценки тональности текста новости через словари, на втором этапе - метод событийного анализа (event study). Далее проведена проверка влияния других факторов на аномальную доходность. Для этого была построена множественная линейная регрессия, в которой объясняющими факторами выступили виды новостей, финансовые и нефинансовые характеристики компании, которые могут с разной силой влиять на аномальную доходность.
Как уже было сказано, события по компаниям собраны по тегам, описывающим событие со стороны дивидендной политики или перспектив развития компании. Для того чтобы понять, на какие события участники рынка реагируют сильнее, были использованы фиктивные переменные, отвечающие за описание новости или тег.
Для каждой новости была определена категория, которая описывает факторы, за которыми следят участники рынка. Стоит уточнить, что деление новостей по категориям было произведено самим новостным агрегатором Tomson Reuters. Категория «Капитальные вложения» описывает новости об управлении капиталом компании в качестве ресурса для долгосрочных вложений в основную деятельность.
Эта категория важна для инвесторов в качестве фундамента будущего роста стоимости компании. Самая малочисленная группа новостей «Исследование стоимости компании», описывает новости, в которых затрагивается расчет справедливой стоимости компании, которая является основой в теории фундаментального анализа и показывает, переоценена или недооценена ли компания. Самая многочисленная группа новостей «Дивиденды» описывает новости, содержание которых указывает на выплаты части чистой прибыли акционерам компании.
Большое количество новостей данной категории объясняется тем, что это прямой доход от владения ценной бумагой компании. Категория «Ожидаемая выручка» указывает на новости, которые описывают спрос на продукцию компании, и если спрос снижается, то компания становится неинтересной для участников рынка, и наоборот.
Последняя из рассматриваемых категория новостей - «Расширение компании». Новости о выходе компании на новые рынки или о расширении производства сильно влияют на ожидания инвесторов о будущем компании и как следствие цену акций компании. Пример новости представлен в Приложении 1.
2.2 Обоснование гипотез
На основе анализа литературы в рамках данного исследования автором выдвинут ряд гипотез:
Гипотеза 1. Тональность новости о компании положительно влияет на цены акций этой компании
Неоднократно было выявлено, что тональность новости статистически может влиять на цены акций компаний (Федорова, Демин, Хрустова и др., 2017, Soon, 2010, Ranco, Aleksovski, Mozetic, 2016, Tabari, Praneeth, Biswas, 2017). Однако по большей части исследования в данном направлении сконцентрированы на изучении развитых финансовых рынков и на всех новостях в целом, тем самым будет интересно проанализировать влияние тональности раскрытия информации о дивидендах и планах о развитии компании на российском фондовом рынке.
Гипотеза 2. Эффект тональности новости на цену акций зависит от категории новости.
Как уже было сказано, инвесторы по-разному реагируют на разные новости о компании и их тональность. Также возможно, что часть инвесторов обращают внимание только на новости о дивидендах, а часть - только о перспективах роста. Поэтому можно предположить, что если сами категории новостей по-разному влияют на цены акций компаний, то и тональность, с которой они публикуются, имеет разную силу воздействия на участников рынка.
2.3 Обоснование методов исследования
Событийный анализ - это инструмент, помогающий аналитику выявить аномальную доходность, спровоцированную оцениваемым событием. Метод предполагает отслеживание реакции фондового рынка, определение аномальной доходности, произошедшей из-за появления события, и определение значимости рассматриваемой новости. В данном методе исследователи акцентируют свое внимание на аномальной доходности, которая возникает в короткий промежуток времени до и после события и определяется как доходность сверх нормальной доходности, определенной инвестором заранее на определенном временном промежутке (Погожева, 2013).
Метод событийного анализа широко разработан зарубежными авторами. На сегодня большая часть исследований, в целом, ведется по алгоритму, разработанному Болом, Брауном и Фамой еще в 60х годах прошлого столетия (Ball, Brown, 1968, Fama, 1969). Однако, после их публикации базовая методология много раз дополнялась другими авторами. В 1997 году МакКинли систематизировал и обобщил этот метод (MacKinlay, 1997). Метод широко применяется в статьях российских авторов, таких как Погожева (2013) и Теплова (2008), которые изучали влияние различных событий на цены акций компаний.
Используемый метод событийного анализа начинается с определения интересующих исследователя событий. В качестве события в данном исследовании будут использоваться новости, взятые из новостного агрегатора Thomson Reuters и содержащие информацию о дивидендах или о планах на развитие для каждой компании. Например, все новости о ПАО «Сбербанк» взяты по тегам SBER.MM, DIV, CAPX, SCALE, REVDRV, CVALU. Даты выхода информации фиксируются, и рассчитывается фактическая доходность бумаги в эти даты. После расчета фактической доходности рассчитывается нормальная доходность, которую определяют как доходность акции, если бы события не произошло (Яворская, 2013). Для расчета нормальной доходности определяется оценочное окно до выхода события, в промежутке которого и ищется нормальная доходность. После поиска нормальной доходности ищется аномальная доходность и кумулятивная аномальная доходность. Аномальная доходность - это разница между фактической доходностью бумаги в день события и нормальной доходностью, рассчитанной в оценочном окне. Кумулятивной аномальной доходностью принято считать сумму аномальных доходностей в оценочном окне. Также для простоты сравнения рассчитывается средняя доходность.
Основным этапом анализа является оценка влияния тональности события на кумулятивную аномальную доходность компании. Для этого тексту каждой новости была присвоена числовая характеристика тональности с помощью пакета «SentimentR» для системы статистической обработки данных R, разработанный Тайлером Ринкером (2018) на основе тезауруса Liu, Hu (2004) и Jockers (2017).
Алгоритм присвоения значения тональности текста включает в себя несколько этапов. Во-первых, каждый абзац текста разделяется на предложения и каждому абзацу и предложению присваивается номер. Каждый такой набор предложений разбивается на упорядоченный пакет слов с присвоением номера. Полученные наборы слов очищаются от пунктуации, за исключением запятых, двоеточий и точек с запятой, так как они выделяют различные по тональности фразы. Второй этап состоит из поиска и сравнения каждого слова полученной выборки с тезаурусами тонально оцененных слов. Каждое положительно и отрицательно оцененное слово помечаются +1 и -1, соответственно. Далее текст делится на кластеры по тональности речевых оборотов. В конце второго этапа мы получаем текстовые кластеры, каждый из которых имеет свою характеристику (нейтральный, усилитель или де-усилитель). На третьем этапе вычисляется общее значение тональности для текста. Для этого рассчитывается функция на основе количества слов в предложении, кластеров в предложении и предложений в тексте, а также учитывается пунктуация. В итоге мы получаем значения тональности каждого предложения и вычисляем значение тональности текста как средневзвешенное от количества предложений в тексте.
Таким образом, каждому событию дается численная оценка эмоциональной нагрузки, где 0 - нейтрально, больше нуля - положительно и меньше нуля - отрицательно. Этот метод позволяет не только оценить эмоциональную направленность новости, но и указать силу этой направленности. Чем больше значение коэффициента эмоциональной направленности, тем большую эмоциональную нагрузку несет событие.
В модель исследования также были добавлены показатели, которые характеризуют компанию с точки зрения одной из новостных категорий. Так, в модель был включен показатель изменения выручки и активов компании в качестве индикаторов изменения размеров компании. Также показатель изменения выручки описывает категорию ожидаемой выручки, а показатель изменения активов компании описывает капитальные вложения. В качестве показателя, характеризующего дивидендную политику компании, было выбрано отношение выплаченных дивидендов к прибыли до выплаты налогов и процентов. Следуя теории фундаментального анализа, предполагается, что участники рынка принимают решение об инвестировании, основываясь на информации прошлого года. Таким образом, стоит уточнить, что все перечисленные показатели были взяты с лагом в один год.
В качестве переменной, характеризующей состояние компании, был выбран коэффициент финансового рычага. Рост коэффициента финансового рычага может служить для инвесторов сигналом об опасном состоянии компании и скором банкротстве. Этот показатель может усилить величину аномальной доходности (Zmijewski and Hagerman, 1981; Leftwisch, 1981).
Еще одной переменной, характеризующей компанию для инвестора, является наличие государственного капитала в компании. В посткомандной экономике страны этот фактор является очень актуальным для инвесторов, и, возможно, реакция на события компаний с государственным участием отличается от реакции на события, связанные с компанией с полностью частным капиталом. В случае настоящего исследования используется фиктивная переменная, которая принимает значение 1, если в компании государство является акционером, и 0, если в капитале компании отсутствует.
Также автором рассмотрен коэффициент рентабельности активов, который является для инвесторов комплексными показателям экономической эффективности компании за период.
В качестве переменной, описывающей ликвидность компании, была включена переменная «FreeFloat», которая показывает долю свободно торгуемых акций компаний.
Таким образом, получено следующее уравнение:
|
(1) |
где: i - идентификатор компании;
j - идентификатор новости;
t - год публикации новости;
параметры модели;
кумулятивная аномальна доходность
- показатель тональности события;
- дамми-переменная, отвечающая за новость о расширении компании;
- дамми-переменная, отвечающая за новость о дивидендах;
- дамми-переменная, отвечающая за новость о капитальных затратах;
- дамми-переменная, отвечающая за новость об ожидаемой выручке;
- дамми-переменная, отвечающая за новость об исследованиях стоимости компании;
- показатель годового изменения выручки;
- показатель годового изменения активов;
- отношение дивидендов к прибыли до налогов и процентов;
- коэффициент рентабельности активов;
- дамми-переменная, контролирующая участие государственного капитала в компании;
- значение FreeFloat;
- коэффициент финансового рычага;
- случайная величина.
3. Данные и методология
3.1 Данные
В выборку вошли 49 компаний (Приложение 2), которые представляют собой компании, включенные в состав индекса московской биржи с середины 2017 по начало 2019 года.
Именно эти компании были выбраны в силу того, что в индексе Московской биржи представлены самые ликвидные ценные бумаги российского фондового рынка.
Ликвидность ценных бумаг является одной из основ данного исследования, так как именно из-за ликвидности мы можем наблюдать за краткосрочной реакцией на события участников рынка.
Помимо ликвидности, одним из свойств сформированной выборки нужно выделить наличие доступных котировок за рассматриваемый в исследовании промежуток.
Изначально выборка состояла из 65 ценных бумаг, однако для большей достоверности результатов были исключены все акции компаний, которые были исключены из котировального листа Московской биржи.
Также были исключены привилегированные акции компаний из-за большей схожестью свойств с облигациями, чем с обыкновенными акциями. Распределение компаний, вошедших в окончательную выборку, по отраслям представлено на Рисунке 1.
В данные включены дневные доходности по каждой компании за каждый день рассматриваемого периода, а также контрольные переменные, собранные с помощью информационной системы Tomson Reuters.
Рис. 1. Распределение компаний окончательной выборки по отраслям
В качестве доходности рынка был взят индекс Московской биржи (IMOEX), так как на его основе были выбраны компании для данного исследования.
Источником информации о доходности рынка и каждой компании за период послужил ресурс InvestFunds.com.
Как уже было сказано, в качестве события в рамках данного исследования выступают новости о дивидендах или перспективах роста компании. Данные о новостях были собраны с помощью ресурса Томсон Рейтерс (Thomson Reuters).
Выбор данного ресурса был связан с его систематизированностью, объемом данных, простотой поиска и возможностью фильтра новостей по тегам и компаниям.
Было собрано 4517 новостей для 49 компаний. Распределение новостей по категориям представлено в Таблице 1.
аблица 1
Распределение новостей по категориям с указанием количества
|
Вид новости |
Тег |
Количество |
|
|
Капитальные вложения |
CAPX |
572 |
|
|
Исследование стоимости компании |
CVALU |
2 |
|
|
Дивиденды |
DIV |
2340 |
|
|
Ожидаемая выручка |
REVDRV |
452 |
|
|
Расширение компании |
SCALE |
1151 |
|
|
Итого |
4517 |
3.2 Предварительный анализ данных
В Приложении 3 представлены основные описательные статистики по доходностям ценных бумаг. У всех компаний количество наблюдений равно 443. Это связано с тем, что в данном исследовании рассматривается доходность ценной бумаги по торговому дню. Таким образом, если в торговый день сделок по компании не происходило, то принимается нулевая доходность. Стандартное отклонение показывает изменчивость (волатильность). Чем выше уровень риска, тем выше стандартное отклонение. Как видно в Приложении 3, самая высокая волатильность наблюдается у компании «Русал», возможно, это связано с неопределенностью, которая была весь 2018 год на фоне санкций США, наложенных на основного владельца О. Дерипаску. Самая низкая волатильность наблюдается у ПАО «Московский кредитный банк», что может быть связано с тем, что данный банк является не государственным и на фоне возможных санкций на государственный капитал является хорошей альтернативой крупнейшим российским банкам.
Рассматривая финансовые и нефинансовые показатели (Таблица 2), можно заметить, что в среднем компании в выборке имеют более четверти акций в свободном обращении с небольшим разбросом, хоть и есть компании, которые почти полностью открыты к капиталу частных инвесторов, например, медиа-интернет гигант «Яндекс». С другой стороны, ПАО «Черкизово» крайне закрыт от внешнего капитала, имея лишь два процента капитала в обращении. Коэффициент финансового рычага сильно разбросан в значениях. В среднем, для компаний выборки он составляет 1,38, что по рекомендациям финансового учета входит в рамки допустимых значений для публичных компаний. Однако стоит отметить, что отклонение очень высокое и есть компании, заемный капитал которых превышает собственный в 55 раз, что говорит о неустойчивом и крайне рискованном состоянии компании. Также у части компаний выборки наблюдается отрицательный финансовый рычаг из-за отрицательного собственного капитала. У публичных акционерных обществ такое возможно, если компания несколько лет несет убытки и сталкивается с ситуацией, когда величина обязательств больше величины активов, а значит акционерный капитал отрицательный. Стоит сказать, что при столь высоких рисках банкротства, такая компания в любом случае может вести операционную деятельность и в будущем выйти на положительный объем собственного капитала.
Таблица 2
Описательные статистики финансовых и нефинансовых показателей
|
Переменная |
Количество наблюдений |
Среднее значение |
Стандартное отклонение |
Минимальное значение |
Максимальное значение |
|
|
FreeFloat |
49 |
29% |
0,19 |
2% |
96% |
|
|
Leverage |
142 |
1,38 |
8,51 |
-55,22 |
26,04 |
|
|
ROA |
141 |
0,23 |
0,22 |
0,00 |
1,97 |
|
|
dTot.Ass |
147 |
0,07 |
0,12 |
-0,22 |
0,79 |
|
|
Div/EBIT |
147 |
0,32 |
0,24 |
0,00 |
1,33 |
|
|
dRevenue |
147 |
0,07 |
0,12 |
-0,32 |
2,03 |
При детальном взгляде на коэффициент рентабельности активов, можно сказать, что в целом активы компаний приносят им 23% дохода, разброс показателей не такой высокий, что характерно для всей выборки в целом. Нужно сделать уточнение, что данный коэффициент рассматривался как отношение доналоговой прибыли до вычета процентов к величине активов. Если в числитель коэффициента рентабельности поставить чистую прибыль, то показатель будет гораздо ниже, а у части компаний станет отрицательным. Однако в данной работе было решено принять показатель доналоговой прибыли до вычета процентов по причине высокого риска искажения чистой прибыли компаниями в отчетности.
Рассматривая показатели прироста активов и прироста выручки, можно обратить внимание на схожесть их значений. Это связано с тем, что обычно выручка компаний растет пропорционально активам, так как актив является генератором выручки. Отклонения данных показателей также невысокие. Стоит обратить внимание, что у значимой части компаний значения прироста выручки и активов отрицательные, что может быть связано со сложностью восстановления компаний после ухудшения геополитической ситуации. В связи с эти такие компании как «Акрон» и «Трубная металлургическая компания» были исключены из индекса Московской биржи, так как снижающийся объем активов привел к потере интереса бумаг у инвесторов и как следствие они перестали удовлетворять условию ликвидности.
Также интересен показатель отношения дивидендов к EBIT. В среднем, показатель дивидендов не такой высокий, и можно сделать вывод, что большую часть прибыли компании не распределяют между акционерами, однако стоит отметить, что в выборку также попали компании, дивиденд которых равен нулю. Если рассматривать только те компании, которые выплачивают дивиденд, то среднее значение отношения дивиденда к доналоговой прибыли до вычета процентов составит 37% со стандартным отклонением 0,22. Максимальное значение дивидендов 1,33 от EBIT было у ВСМПО «Ависма» в 2018 году. Превышение суммы дивидендов суммы EBIT было связано с тем, что на выплату дивидендов была направлена часть накопленной нераспределенной прибыли за 2017 год. Кроме ВСМПО «Ависма» компаний с показателем отношения дивиденда к EBIT больше единицы за рассматриваемый период в итоговой выборке не наблюдалось.
В Таблице 3 представлены описательные статистики для показателя тональности событий по всей выборке в целом и по новостям по отдельности. В среднем, все новости были оценены как тонально положительные. Максимальные значения показателя тональности при некоторых новостях больше 1,7 или больше почти на 13 стандартных отклонений, что говорит о сильной положительной тональности этих новостей. Стоить отметить, что минимальные значения показателя тональности были не больше 3х стандартных отклонений от среднего значения.
Таблица 3
Описательные статистики показателя тональности
|
Переменная |
Количество наблюдений |
Среднее значение |
Стандартное отклонение |
Минимальное значение |
Максимальное значение |
|
|
По всей выборке |
4517 |
0,1675 |
0,1225 |
-0,1723 |
1,7515 |
|
|
Капитальные вложения |
572 |
0,1570 |
0,1117 |
-0,1067 |
1,2428 |
|
|
Исследование стоимости компании |
2 |
0,1464 |
0,0253 |
0,1212 |
0,1717 |
|
|
Дивиденды |
2340 |
0,1459 |
0,1012 |
-0,1263 |
0,7144 |
|
|
Ожидаемая выручка |
452 |
0,2002 |
0,1704 |
-0,1723 |
1,7148 |
|
|
Расширение компании |
1151 |
0,2038 |
0,1334 |
-0,1717 |
1,7515 |
3.3 Метод событийного анализа
Для большего понимания метода событийного анализа, рассмотрим используемый нами вариант событийного анализа более подробно. Стоит уточнить, что в данном исследовании автор пользуется алгоритмом событийного анализа, предложенный МакКинли (MacKinlay, 1997).
Методология событийного анализа предполагает, что стоимость акций в момент времени отражает всю доступную информацию, связанную с компанией, а также ожидания инвесторов от компании (Дамодаран, 2004).
Используемый метод событийного анализа начинается с определения интересующих исследователя событий. Как уже говорилось ранее, в данной работе в качестве событий рассматриваются новости о компаниях, описывающие их с точки зрения дивидендов и развития компании.
Далее следует этап выбора событийного окна. Длительные отрезки времени реакции инвесторов принято рассматривать, если события редкие или даже единичные.
Такого рода события как правило имеют большое значение для компании, например, M&A (например, LHS Group). Однако чаще всего исследователи используют более узкие событийные окна, чтобы исключить наложение реакции на другое событие.
По причине того, что публикации о компаниях на ресурсе Tomson Reuters появлялись довольно регулярно, было выбрано 5-ти дневное событийное окно. Определяется выбранное событийное окно как два дня до публикации новости, день публикации новости и два дня после публикации новости.
Следующий этап заключается в расчете фактической доходности акций. Доходность акций в течение торгового дня рассчитывалась как отношение разности цены закрытия во второй день и в первый день на цену закрытия в первый день:
, (2)
где: - доходность акции;
- цена закрытия на следующий торговый день.
- цена закрытия акции на торговый день.
Стоит отметить, что одним из важнейших факторов в событийном анализе является выбор промежутка времени, в рамках которого будет наблюдаться стоимость ценных бумаг компаний (оценочное окно).
Принято считать, что, чем реже происходят различные события, тем более длительный промежуток времени нужно рассматривать, так как эффекты от событий могут проявляться в течение большого промежутка времени (Погожева, 2013). Так как новости о рассматриваемых компаниях публиковались нередко, бумаги являются довольно ликвидными по причине включения в индекс Московской биржи, а также по причине того, что рассматриваются новости за полтора года, то по методу событийного анализа за оценочное окно был выбран 30-дневный промежуток для поиска нормальной доходности.
...Подобные документы
Виды информации о компании, специфика ее влияния на цены акций компании. Установление связи между отчетным событием и ценой акции предприятия. Влияние публикации финансовой отчетности на цены акций компаний нефтегазовой отрасли: выборка, модель.
дипломная работа [1,3 M], добавлен 28.09.2017Обоснования направления влияния дивидендных выплат. Политика выплаты российских компаний. Метод event study. Расчет нормальной доходности акции, влияние объявлений о дивидендных выплатах на цены. Усредненная избыточная доходность по типам новостей.
курсовая работа [454,5 K], добавлен 13.10.2016Характеристика современного состояния нефтяного сектора экономики РФ. Проблемы и тенденции экономического развития нефтяной отрасли. Факторы, влияющие на стоимость акций компаний различных отраслей. Динамика цен акций российских нефтяных компаний.
дипломная работа [1,0 M], добавлен 23.08.2017Анализ рынка ценных бумаг, фондового рынка России и влияния финансового кризиса на экономику страны. Ключевые российские фондовые индексы, акции нефтегазовых, металлургических и электроэнергетических компаний, банков. Прогноз рынка ценных бумаг России.
контрольная работа [479,4 K], добавлен 15.06.2010Место и роль российского рынка акций в экономических отношения. Оценка динамики объема, состава и структуры фондовой системы. Анализ места рыночной концепции ценных бумаг в системе финансовых механизмов. Исследование капитализации компаний России.
курсовая работа [607,8 K], добавлен 16.09.2017Теоретические аспекты дивидендной политики: сущность, теории, основные типы, факторы, влияющие на нее. Показатели дивидендных выплат зарубежных компаний. Анализ дивидендной политики ОАО "РЖД": особенности развития отрасли и динамики стоимости акций.
дипломная работа [3,0 M], добавлен 24.09.2010Традиционные, поведенческие, альтернативные модели структуры капитала. Модели ассиметричной информации, агентских издержек и корпоративного контроля. Исследование теорий и детерминант структуры капитала. Финансовые решения современных российских компаний.
дипломная работа [390,6 K], добавлен 23.07.2016Теоретические аспекты прогнозирования банкротства. Анализ финансового состояния компаний с целью оценки вероятности их возможного банкротства. Построение моделей и эмпирических исследований, способных предсказать банкротство крупных российских компаний.
курсовая работа [112,7 K], добавлен 23.07.2016Основные аспекты и методы разработки инвестиционной стратегии организации, ее догосрочные цели. Анализ и особенности стратегий российских и зарубежных компаний. Сущность стратегии поглощения или слияния, использование зарубежного опыта в России.
курсовая работа [94,5 K], добавлен 02.03.2012Понятие, сущность и функции брокерско-дилерской компании. Анализ деятельности брокерско-дилерских компаний на фондовом рынке России. Совершенствование деятельности брокерско-дилерских компаний на рынке ценных бумаг России.
курсовая работа [185,0 K], добавлен 10.09.2007Внебиржевой рынок ценных бумаг: роль, функции, структура, характеристика участников. Зарубежный опыт внебиржевого рынка ценных бумаг. Тенденции и перспективы развития в России. Обзор рейтинговым агентством рынка инвестиционных компаний за 2010 год.
контрольная работа [33,5 K], добавлен 29.04.2013Понятие о рынке ценных бумаг. Место рынка ценных бумаг. Функции ценных бумаг. Составные части рынка ценных бумаг и его участники. Эволюция российского рынка ценных бумаг. Тенденции развития рынка ценных бумаг. Основные проблемы.
курсовая работа [32,9 K], добавлен 05.06.2006Понятие и структура рынка финансовых услуг, его характеристика. Профессиональная и непрофессиональная деятельность инвестиционных компаний на рынке ценных бумаг. Перспективы универсального сервиса инвестиционных компаний в условиях глобализации.
дипломная работа [1,0 M], добавлен 23.09.2013Роль процессов слияния и поглощения. Специфика российского рынка слияний и поглощений. Экономический эффект от поглощения ОАО "Приморский кондитер" ОАО "Объединенные кондитеры", оценка рыночной стоимости компаний и проведение процедуры интеграции.
дипломная работа [2,1 M], добавлен 16.06.2011Концепция идеальных рынков капитала. Гипотеза эффективного рынка и рациональное объяснение его цены. Методология и основные заключения фондовой биржи. Анализ предпосылок для эффективного формирования стоимости российских компаний на международном уровне.
курсовая работа [3,0 M], добавлен 10.10.2011Понятие, классификация, экономическая сущность и правовая природа ценных бумаг. Характеристика основных и производных ценных бумаг. Анализ внебиржевого и биржевого рынка ценных бумаг в Российской Федерации на примере RTS-, Moex-Board, Московской биржи.
курсовая работа [1,4 M], добавлен 01.06.2019Исследование влияния деятельности рейтинговых агентств на доходность еврооблигаций российских эмитентов, обращающихся на зарубежных торговых площадках. Анализ показателей доходности ценных бумаг в определенные временные периоды методом Event Study.
дипломная работа [244,5 K], добавлен 31.08.2016Формирование эффективного финансового рынка. Развитие рынка ценных бумаг в России. Государственные ценные бумаги. Купонные, бескупонные, именные и предъявительские облигации. Рынок частных ценных бумаг в СССР. Фондовый отдел Московской товарной биржи.
контрольная работа [59,8 K], добавлен 08.02.2011Определение служебной информации. Раскрытие информации о ценных бумагах. Суть принципа прозрачности рынка. Использование служебной информации на рынке ценных бумаг и совершаемые сделки. Цели эмиссии и её виды (первичная, вторичная), понятие андеррайтера.
презентация [321,6 K], добавлен 14.03.2016Теоретические основы инвестиционной политики и роль инвесторов на современном рынке ценных бумаг. Деятельность инвесторов в РФ. Роль инвестированного капитала в экономике России. Зарубежный опыт участия инвестиционных компаний на рынке ценных бумаг.
курсовая работа [552,3 K], добавлен 15.12.2011
