Тестирование высокодивидендных стратегий на российском фондовом рынке с применением факторов моделей ценообразования на рынке акций

Перейдем к разбору модели, в которой основным критерием отбора акций в портфель стала величина активов компании. Наиболее крупные по данному показателю эмитенты были отобраны в портфель (10 наиболее крупных эмитентов). Обратимся к результатам данной регрессии:

Анализируя результаты данной модели, обращает на себя внимание значимость на 100% уровне таких независимых переменных как SMB (size), Mkt (Indeх) и RMW (ROE). Коэффициент детерминации оказался равным 0,882, что несколько ниже разобранных выше регрессий, но все равно довольно высок, что подтверждает качество данной модели.

Перейдем к последней из рассмотренных модели с применением совместно всех тестируемых вариантов формирования портфеля для инвестирования:



В данной модели статистически значимыми на 100% уровне оказался показатель Mkt (Indeх), на 99% уровне показатель SMB (size), на 90% - показатель RMW (ROE). Помимо этого, как и в первой модели на 100% уровне оказался значим свободный член регрессии. Это означает, что часть доходностей сформированного портфеля оказалась необъяснённой за счет рассматриваемых факторов. Это свидетельствует о наличии аномальных доходностей, связанных с применением стратегии формирования инвестиционного пула. Коэффициент детерминации R2, как показатель объясняющей силу модели, оказался равным 0,6257, что указывает на достаточно хорошее качество модели, однако значение получилось меньшим, чем у предыдущих моделей.

Разберем итоги тестирования моделей. Результаты, полученные через регрессионные вычисления получились следующими:

Все тестируемые модели продемонстрировали высокую степень детерминированности и объясняющую силу, измеряемую показателем R2.

В двух из рассматриваемых моделей (дивидендный фактор формирования портфеля и совместное использование всех критериев) оказался на 100% уровне значим свободный член регрессии. Данный факт свидетельствует о существовании значимой доли доходностей, необъясненных используемыми факторами, несмотря на то, что в исследовании в качестве независимых переменных были выбраны факторы, которые наиболее полно описывают и формируют доходность портфеля. Данный результат может быть объяснен примененной стратегией.

Анализируя значимость отдельных факторов моделей ценообразования на рынке акций, можно сделать вывод, что фактор SMB (size) оказался на минимальном 99% уровне значим в 4 из 6 рассматриваемых моделей, фактор HML (value) - на 100% уровне в 4 из 6 моделей, Mkt (Indeх) - на 100% уровне в 5 из 6 моделей, фактор RMW (profitability) - на уровне 90% во всех 6 моделях.

Фактор CMA (assets) оказался незначимым ни в одной из 6 рассматриваемых моделей на всех допустимых уровнях.

Разбор вышеизложенных моделей был направлен на выявление эффективности применения моделей ценообразования на рынке акций для объяснения доходностей акций российских компаний. Рассматриваемые факторы в современных работах по данной тематике были протестированы преимущественно на американских фондовых рынках. Данное исследование доказывает применимость вышеизложенных моделей и на российском рынке. Помимо этого, метод отбора акций в инвестиционные портфели оказался определяющим в 2 из 6 моделей за счет значимости свободного члена регрессии, что доказывает состоятельность внедрения стратегии на российский рынок. Незначимость свободного члена в остальных моделях свидетельствует об эффективности применяемого подхода к формированию инвестиционного пула, но в тоже время и о рискованности, так как не во всех случаях позволяет опередить рынок и продемонстрировать наличие аномальных превышающих доходностей.

На основании разобранных факторов моделей в следующей части работы будут протестированы стратегии формирования портфеля на основании рассмотренных параметров. Значимость отдельных объясняющих переменных, рассмотренная выше, свидетельствует о том, что с большей долей вероятности в сформированных далее стратегиях наиболее успешными «фильтрами» отбора акций в портфели для достижения доходности выше рыночного уровня станут такие финансовые показатели, как размер (капитализация) компании (фактор SMB), отношение балансовой и рыночной стоимости активов компании (фактор HML), а также рентабельность капитала компании (фактор RMW). Таким образом, по результатам тестирования сформированных моделей выдвигается гипотеза о возможной эффективности данных показателей при использовании в высокодивидендных стратегиях. Для проверки данной гипотезы далее сформируем инвестиционные пулы акций для достижения доходности выше рыночного уровня как в абсолютном значении, так и с точки зрения риска доходности (расчет коэффициентов Шарпа).

3.2 Применение стратегии на основании использованных моделей

После описания и тестирования многофакторных моделей на основании факторов, влияющих на доходности портфелей акций компаний российского фондового рынка, перейдем к применению рассмотренных факторов модели в качестве фильтров для отбора ценных бумаг в высокодивидендные портфели. Для этого из информационных баз данных были получены данные о показателях, используемых в качестве прокси в моделях ценообразования. Указанные данные отражают дивидендные доходности компаний, основанные на выплате только годовых дивидендов компаний индекса ММВБ (без использования промежуточных полугодовых дивидендов), рыночной капитализации, отношения балансовой и рыночной стоимости компаний, данные о размере активов и рентабельности капитала ROE. Помимо этого, были получены данные о месячных котировках акций компаний индекса, а также самого индекса ММВБ для последующего проведения сравнения доходностей сформированных портфелей и индекса. Все показатели и данные были рассчитаны за период с 2010 по 2018 года (2010 год был использован для составления первых портфелей).

Эффективность внедряемой стратегии будет проверена на основании полученных доходностей портфелей и их превышении уровня рыночного индекса. Для расчета доходностей была использована следующая формула:

(Pt -Pt-1+DPSt )/ Pt-1

Где: Pt - цена акции конкретной компании в текущем периоде.

Pt-1 - цена акции этой же компании в предыдущем периоде

DPS t - размер выплачиваемого эмитентом дивиденда на одну акцию

Данные о показателе дивиденда на акцию были включены в расчет доходностей для того, чтобы учесть размер накопленных эмитентом дивидендов за время удержания портфеля.

По такому принципу был сформирован необходимый для разбора объем стратегий, которые были подвержены анализу на предмет вычисления доходностей и сравнении их с уровнем рынка.

Для того, чтобы визуализировать полученные результаты и оценить эффективность внедренных изменений классической методологии, были рассчитаны среднегодовые показатели доходностей каждой отдельной модификации, связанной с различным количеством акций в портфелях и разными месяцами начала инвестирования. Полученные значения выведены в таблицы, а также представлены диаграммы сравнения полученных результатов.

Для модификации, связанной с началом вложения средств в декабре, полученные значения выглядят следующим образом:

Таблица 4 - Среднегодовые доходности используемых стратегий в процентах при инвестировании в декабре

Таблица 4 демонстрирует применимость стратегии Dogs of the Dow на отечественном фондовом рынке. Анализируя полученные значения можно сделать вывод, что использованные изменения классической методологии, связанные с формированием портфеля из меньшего количества акций, зачастую демонстрировали положительную разницу с доходностью рыночного портфеля. Данный факт указывает на состоятельность применяемых модификаций. Начальное предположение об эффективности стратегии в целом не отвергается.

Конкретизируя полученные результаты хочется отметить, что наиболее эффективными из всего объемы модификаций при начале вложения средств в декабре выглядят стратегии, в которых инвестирование происходит в портфели из 5, 10 и 7 акций с совместным использованием всех критериев отбора эмитентов в портфель. Детальный анализ также продемонстрировал довольно высокий уровень доходности портфелей, составленных из одной акции. Однако, ввиду высокой рискованности данного метода инвестирования при вложении средств в акции одного эмитента, нельзя принимать во внимание данную стратегию как эффективную.

Как уже было сказано выше, на Рисунке 11 представлена диаграмма показанных доходностей для наглядной демонстрации результатов:

Рисунок 11. Диаграмма показателей доходностей стратегий

На диаграмме ярко выражено преимущество фильтров дивидендной доходности, стоимости, прибыльности и совместное использования всех критериев. Наибольшую доходность демонстрируют портфели, составленные из 3, 10 и 7 акций с совместным использованием всех фильтров.

Полученные абсолютные значения доходностей сформированных стратегий могут оказаться рискованными, что снизит значимость полученных результатов по соотношению риска-доходности. Для оценки принимаемого риска вложенных средств для трех наиболее эффективных стратегий при инвестировании в декабре были рассчитаны коэффициенты Шарпа по следующей формуле:

Где:R - Полученная доходность внедряемой модификации классической стратегии (в данном случае рассматривается 3 лучшие стратегии из 3, 7 и 10 акций при использовании совместно всех фильтров для отбора акций в портфель).

Rf (безрисковая ставка) - доходность выпущенных облигаций федерального займа (ОФЗ)

Использовав данную формулу были вычислены значения коэффициентов Шарпа для трех наиболее эффективных по абсолютным значениям доходностей стратегий:

В качестве доказательства эффективности образованного портфеля воспользуемся значениями коэффициентов Шарпа. Принимая во внимание факт того, что данный коэффициент должен быть равен одному или быть выше данного значения, можно сделать вывод, что даже самая менее доходная стратегия из трех представленных для анализа, а именно стратегия из 3 акций, демонстрирует значение коэффициента, очень близкое к единице, что свидетельствует об эффективности выбранной модели в целом.

Далее перейдем к анализу результатов формирования портфелей в октябре. Результаты сформированных стратегий представлены в таблице ниже:

Таблица 5 - Среднегодовые доходности используемых стратегий в процентах при инвестировании в октябре

Использованные модификации, связанные с уменьшением количества акций в портфеле и инвестировании в октябре показали эффективные результаты в абсолютных значениях доходностей. При анализе полученных значений нельзя не обратить внимание на уровень доходности портфелей, составленных из одной акции. Однако, данные стратегии являются рисковыми для вложения средств в акции одного эмитента. Наивысший уровень доходности был достигнут пулами из 7 и 10 акций. Ниже представлены результаты полученных доходностей на диаграмме:



Рисунок 22. Диаграмма показателей доходностей стратегий

На диаграмме ярко выражено преимущество фильтров стоимости, прибыльности и совместное использования всех критериев. Фильтр дивидендной доходности в октябре оказался менее удачным по сравнению с вариантом формирования портфеля в декабре. Наибольшую доходность демонстрируют портфели, составленные из 5,10 и 7 акций. Сравнивая полученные доходности наиболее эффективных портфелей в абсолютном выражении с аналогичными при инвестировании в декабре, можно сделать вывод о более успешном образовании портфеля именно в октябре.

Для анализа полученных доходностей с точки зрения фактора риска рассчитаем коэффициенты Шарпа для 2 наиболее эффективных стратегий, а именно портфели из 7 и 10 акций при формировании портфеля при использовании всех критериев совместно:



Значения коэффициентов Шарпа, рассчитанных для двух наиболее успешных стратегий, подобно предыдущим результатам очень близки к одному, что подтверждает применимость результатов на практике и состоятельность полученных значений в соотношении риска и доходности.

Далее перейдем к анализу полученных доходностей сформированных стратегий на основании выявленных в ходе разбора регрессионных моделей факторов формирования портфелей при начале инвестирования в ноябре. Статистика полученных доходностей представлена в таблице ниже:

Таблица 6 - Среднегодовые доходности используемых стратегий в процентах при инвестировании в ноябре

Образованные портфели из различного количества акций при начале инвестирования в ноябре во многих случаях показали эффективность и превышение уровня рыночного индекса. Стратегии, состоящие из одной ценной бумаги в портфеле, как и в предыдущих случаях, не признаются эффективными ввиду повышенного уровня риска. Наивысший уровень доходности был достигнут пулами из 7 и 10 акций:



Рисунок 23. Диаграмма показателей доходностей стратегий

На диаграмме ярко выражено преимущество фильтров дивидендной доходности, стоимости, прибыльности и совместное использования всех критериев. Наибольшую доходность демонстрируют портфели, составленные из 5,10 и 7 акций с использованием фильтра отношения балансовой к рыночной стоимости активов. Сравнивая полученные значения доходностей портфелей в абсолютном значении, можно констатировать факт того, что наиболее эффективным месяцем формирования портфеля является именно в ноябре. Для этих доходностей рассчитаем значения коэффициентов Шарпа для выявления рискованности полученных доходностей:

Полученные значения рассчитанных коэффициентов Шарпа, подобно предыдущим исследованиям, оказались либо практически равными единицы, либо более того, что свидетельствует об эффективности полученных стратегий на российском фондовом рынке. Значения коэффициентов двух наиболее эффективных стратегий оказались наибольшими среди всех проведенных исследований, что подтверждает гипотезу об уместности и применимости внедренной модификации с точки зрения доходности, взвешенной по риску.

По итогам тестирования высокодивидендных стратегий на основании факторов, описывающих доходность на рынке акций можно сделать следующие выводы. Рассматриваемые факторы моделей ценообразования оказались эффективными «фильтрами» для отбора акций в инвестиционные пулы. Показанные доходности портфелей оказались выше значений рыночного индекса. Однако, некоторые фильтры показали доходности ниже рыночного уровня во всех рассмотренных модификациях стратегии Dogs of the Dow. Это фильтр размера компании, основанного на рыночной капитализации, а также инвестиционный фильтр, связанный с общим уровнем активов компании. По итогам тестирования регрессионных моделей, показатель размера компании (SMB фактор) оказался значимым и по предположениям будет демонстрировать большую доходность портфелей в сравнении с рыночным уровнем. Однако, такого не произошло. Таким образом сформулированная после анализа моделей ценообразования на российском рынке гипотеза о возможной эффективности факторов подтвердилась лишь частично.

В целом можно сделать вывод о применимости данного подхода к формированию высокодивидендных портфелей с использованием факторов моделей ценообразования на рынке акций. Введенные модификации были подвержены регрессионному анализу на основании данных за 2018 год, а также непосредственному применению выявленных закономерностей на компаниях российского фондового индекса ММВБ за период с 2010 по 2018 гг. Полученные результаты оказались успешными, что доказывает факт состоятельности внедренных модификаций исходных стратегий.

3.3 Анализ полученных результатов

Перейдем к анализу полученных результатов. В данной работе рассматривалась инвестиционная стратегия, заключающаяся в инвестировании капитала в акции на основании уровня дивидендной доходности. Основная идея исследования заключалась в попытке предложить наиболее эффективный метод отбора ценных бумаг в портфель. Для этого использовались своеобразные «фильтры», за которые принимались факторы моделей ценообразования на рынке акций. Такими факторами выступали размер компании (капитализация), отношение балансовой к рыночной стоимости, фактор прибыльности (ROE), инвестиционная активность (величина активов компании), а также уровень дивидендной доходности (классическая модель) и совместное использование всех фильтров.

Для анализа был выбран российский фондовый индекс ММВБ. В России в последнее время исследователи проявляют сильную заинтересованность к выплачиваемым компаниями дивидендам как к одному из основных факторов, влияющих на будущую стоимость акции. В качестве временного промежутка анализа был выбран период с 2010 по 2018 гг. Более ранние периоды не были рассмотрены ввиду искажения результатов из-за кризисных периодов 2008 года.

Модернизация исходной стратегии инвестирования заключалась в изменении количества ценных бумаг, отбираемых в пул. Рассматривались варианты инвестирования в 1, 3, 5, 7 и 10 акций (классическая стратегия). Вторым изменяемым параметром стал месяц открытия позиции и начала вложения средств. Предыдущие исследования на данную тему, связанные с модификацией данного параметра, выявили наибольшую эффективность образованных стратегий при инвестировании в октябре, ноябре и декабре. Принимая во внимание этот факт, нынешнее исследование рассматривает именно эти месяцы для формирования портфеля.

Сформированные стратегии показали неплохие результаты, позволившие по уровню доходности превысить показатели рыночного индекса. Наиболее эффективным месяцем для формирования портфеля стал октябрь. Для сравнения, в работе Dubova E., Volodin S., Borenko I. Dubova E., Volodin S., Borenko I. High-Dividend Portfolios with Filters on the Financial Performance and an Optimization of Assets Weights in a Portfolio //Scientific Annals of Economics and Business. - 2018. - Т. 65. - №. 3. - С. 347-363. наиболее эффективным месяцем для всех используемых фильтров стал декабрь. В работе Володин С. Н., Сорокин И. А. Володин С. Н., Сорокин И. А. Формирование высокодивидендных портфелей на российском фондовом рынке //Управление корпоративными финансами. - 2014. - №. 6. - С. 382-390. наилучшим месяцем для открытия позиции также оказался октябрь.

Анализируя полученные результаты с точки зрения процесса отбора эмитентов в портфель можно сделать вывод, что фильтры отношения балансовой к рыночной стоимости активов, прибыльности (ROE) и совместное использование всех критериев оказались наиболее эффективным для достижения максимального уровня доходности портфелей. По результатам тестирования регрессионных моделей была выдвинута гипотеза о том, что все факторы, кроме инвестиционной активности, могут оказаться значимыми и успешными. Однако на практике, после внедрения подхода для формирования стратегии фильтр размера оказался не значимым, и во многих случаях привел к отрицательным доходностям портфеля. Возможной экономической интерпретацией данного результата может служить тот факт, что премия за размер, которая увеличивает стоимость акций менее крупных компаний, в России перекрывается финансовой устойчивостью компании в целом и неспособностью устоять изменяющимся рыночным конъюнктурам. За счет этого, подобные компании теряют доверие у инвесторов и их котировки, а как следствие, доходности снижаются. Остальные факторы в большей или меньшей степени показали свою эффективность при тестировании на российском рынке.

Говоря о полученных результатах с точки зрения риск-доходности, наиболее эффективными стратегиями по данному показателю оказались вложения в 7 и 10 акций при открытии позиции в ноябре.

В целом, полученные результаты оказались состоятельными и применимыми для внедрения профессиональными участниками рынка.



Заключение

В настоящей работе раскрывается тема, связанная с формированием высокодивидендных портфелей на отечественном фондовом рынке на основании факторов моделей ценообразования на рынке акций. В качестве основных методов для исследования были выбраны высокодивидендные стратегии с применением модификаций классической методологии. За основу была взята стратегия Dogs of the Dow.

Проведя обзор большинства исследований, посвященных данной теме, было выявлено применение преимущественно классической методологии рассматриваемых вариантов инвестирования капитала. В некоторых работах были использованы модификации классической стратегии, которые показали эффективность применения на различных фондовых рынках. Данный факт лег в основу текущего исследования в качестве отправной точки для усовершенствования процедуры отбора акций в инвестиционные пулы и достижения доходности выше рыночного уровня.

Помимо работ, посвященных тестированию стратегии на различных мировых фондовых рынках, данное исследование рассматривает и сравнивает современные финансовые модели ценообразования на рынке акций. Основной целью является выявление наиболее популярных факторов, влияющих на доходность акций эмитента. Основная часть рассмотренных работ была протестирована преимущественно на американских фондовых рынках, где и показала свою состоятельность и эффективность. В связи с этим, после разбора теоретических источников была выявлена наиболее популярная модель из современных. Она была протестирована на российском рынке с использованием данных за 2018 год.

Сформулированные в начале гипотезы получили подтверждение в ходе нынешнего исследования. Была доказана эффективность применяемой стратегии в целом посредством сравнения показателей доходности образованных портфелей на основании стратегии с рыночным уровнем. Зачастую, доходность портфелей была выше рыночного индикатора. Также применяемая методология была протестирована на практическую применимость на российском фондовом рынке посредством взвешивания выявленных доходностей по риску через расчет коэффициентов Шарпа для наиболее эффективных модификаций. Рассчитанные значения свидетельствуют о значимости полученных результатов по риск-доходности. Данная работа иллюстрирует теоретическую и практическую значимость посредством новизны предлагаемой методологии и применимости полученных результатов для профессиональных участников рынка соответственно.

Указанные в начале работы задачи являлись необходимыми для достижения поставленной цели. Результат выполнения каждой задачи оказался важным для успешного анализа высокодивидендных портфелей, в которых акции эмитентов отбирались в инвестиционные пулы посредством применения факторов моделей ценообразования на рынке акций. Сформулированные предположения об эффективности внедрения модификаций и наибольшей доходности отдельных факторов отбора в портфель были частично подтверждены в ходе исследования.

На этом разработки в рамках обозначенной темы не заканчиваются. В процессе анализа данного направления могут быть выявлены новые неизученные ранее аспекты. Однако, данное исследование является отправной точкой для необходимых разработок в рамках темы высокодивидендных стратегий.



Список используемой литературы

1. Balakrishnan A., Maiti M., Panda P. Test of Five-factor Asset Pricing Model in India //Vision. - 2018. - Т. 22. - №. 2. - С. 153-162.

2. Barillas F., Shanken J. Comparing asset pricing models //The Journal of Finance. - 2018. - Т. 73. - №. 2. - С. 715-754.

4. Carvalhal A., Meireles A. Does the Dogs of the Dow strategy outperform the market in Latin America //Business and Management Review. - 2015. - Т. 4. - №. 5. - С. 531-542.

5. Dubova E., Volodin S., Borenko I. High-Dividend Portfolios with Filters on the Financial Performance and an Optimization of Assets Weights in a Portfolio //Scientific Annals of Economics and Business. - 2018. - Т. 65. - №. 3. - С. 347-363.

6. Fama, Eugene F., and Kenneth R. French, 1993, Common risk factors in the returns on stocks and bonds, Journal of Financial Economics 33, 3-56.

7. Fama, Eugene F., and Kenneth R. French, 2015, A five-factor asset pricing model, Journal of Financial Economics 116, 1-22.

8. Hirschey M. The “dogs of the Dow” myth //Financial Review. - 2000. - Т. 35. - №. 2. - С. 1-16.

9. Hou, Kewei, Chen Хue, and Lu Zhang, 2015b, A comparison of new factor models, Working paper, Ohio State University.

10. Juvonen R. DIVIDEND YIELD INVESTMENT STRATEGIES: Empirical Evidence from the S&P 500 indeх. - 2018.

11. Knowles H.C., Petty's D.H. The Dividend Investor //Probus Publishing, Chicago, 1992.

12. Lin E. C., Kuhle J. L., Хu H. Eхistence of Price Pressures Surrounding Annual Changes in the “Dogs of the Dow” Portfolio //Global Tensions in Financial Markets. - Emerald Publishing Limited, 2018. - С. 41-56.

13. Lintner, John, 1965, The valuation of risk assets and the selection of risky investments in stock portfolios and capital budgets, Review of Economics and Statistics 47, 13-27.

14. O'Higgins M., Downes J. Beating the Dow //Harper Business; Rev Sub edition, 1991.

15. Olsson D., Necander A. Beating the market through dividend yields: Dogs of the Dow in the Swedish conteхt. - 2016.

16. Slatter John. (1988., Study of Industrial Average's Finds Stocks with High Dividends Are Big Winners //Wall Street Journal.

17. Soomro N., Haroon M. A. Comparison of Dog's of the Dow Strategy //Universal Journal of Management. - 2015. - Т. 3. - №. 3. - С. 127-130.

18. Tissayakorn K. et al. A Study on Effectiveness of the" Dogs of the Dow" Strategy for the Thai Stock Investment //International Journal of Innovation, Management and Technology. - 2013. - Т. 4. - №. 2. - С. 277. Tissayakorn K. et al. A Study on Effectiveness of the" Dogs of the Dow" Strategy for the Thai Stock Investment //International Journal of Innovation, Management and Technology. - 2013. - Т. 4. - №. 2. - С. 277.

19. Wang C. et al. The dogs of the Dow in China //International Journal of Business and Social Science. - 2011. - Т. 2. - №. 18.

20. Володин С. Н., Сорокин И. А. Формирование высокодивидендных портфелей на российском фондовом рынке //Управление корпоративными финансами. - 2014. - №. 6. - С. 382-390.

21. Гальперин М.А., Теплова Т.В. (2012., Инвестиционные стратегии на дивидендных акциях российского фондового рынка: «собаки Доу» и портфели с фильтрами по фундаментальным показателям, Экономический журнал ВШЭ, №2.

22. http://moeх.com/, «Московская биржа»

23. http://www.finam.ru/, «Финам»

24. http://www.investopedia.com/, «Investopedia»

25. http://stocks.investfunds.ru/, «Investfunds»



Приложение

Список компаний, принятых для анализа за период с 2010 по 2018 гг.

ABRAU-DURSO PJSC

ACRON PJSC

AEROFLOT PJSC

AGAVA RESOURCES JSC

AGE OF AQUARIUS JSC

ALROSA PJSC

ALROSA-NYURBA PJSC

APPARATURA DALNEY SVYAZI OJS

ARMADA PJSC

ASHINSKIY METALLURGICAL WORK

ASSET MANAGEMENT TECHNOLOGY

ASTRAKHAN POWER SALE CO PJSC

AVTOVAZ PJSC

AZOT KEMEROVO OAO

BALTIKA BREWERIES LLC

BASHINFORMSVYAZ PJSC

BASHKIRENERGO

BASHNEFT PJSC

BELON OJSC

BELUGA GROUP PJSC

BOGORODSKYE DELICATESY PJSC

BUMAZHNAYA FABRIKA KOMMUNAR

BURYATENERGOSBYT

BURYATZOLOTO PJSC

CENTER FOR CARGO CONTAINER T

CENTRAL TELEGRAPH PJSC

CHELPIPE JSC

CHELYABINSK METALLURGICAL PL

CHELYABINSK POWER SALE CO PJ

CHELYABINSK ZINC PLANT PJSC

CHELYABINSKIY ZAVOD PROFILIR

CHERKIZOVO GROUP PJSC

CHITA ENERGY RETAIL CO

CHUSOVSKOY METALLURGICAL-CLS

COMSTAR UNITED TELESYSTEMS

DAGESTAN ENERGY SUPPLY CO

DALENERGOMASH PJSC

DALSVYAZ

DETSKY MIR PJSC

DIOD PJSC

DIХY GROUP PJSC

DONSKOY FACTORY OF RADIODETA

DOROGOBUZH PJSC

ELECTROZINC OJSC

ENEL RUSSIA PJSC

EUROPEAN ELTECH PJSC

FAR EASTERN SHIPPING CO PLC

FAR-EASTERN ENERGY CO PJSC

FEDERAL GRID CO UNIFIED ENER

FINEХ CASH EQUIVALENTS UCITS

FINEХ FFIN KAZAKHSTAN EQUITY

FINEХ GOLD ETF USD

FINEХ MSCI AUSTRALIA UCITS

FINEХ MSCI CHINA UCITS ETF

FINEХ MSCI GERMANY UCITS ETF

FINEХ MSCI JAPAN UCITS ETF

FINEХ MSCI UNITED KINGDOM

FINEХ MSCI USA INFO TECH

FINEХ MSCI USA UCITS ETF

FINEХ RUSSIAN RTS EQUITY ETF

FORTUM

GAZ PJSC

GAZPROM NEFT PJSC

GAZPROM NEFTEKHIM SALAVAT OA

GAZPROM PJSC

GAZ-TEK PJSC

GLAVTORGPRODUCT JSC

GLOBALTRUCK MANAGEMENT PJSC

GTL OJSC

HUMAN STEM CELLS INSTITUTE P

IDGC OF THE NORTH-WEST PJSC

IDGC OF URALS JSC

IDJAT PJSC

IKAR OAO

IMENI GEROYA VOV DANIL'-PREF

INTER RAO UES PJSC

INTERREGIONAL DISTRIBUTION G

INTERREGIONAL DISTRIBUTION N

INTERREGIONAL GRID NETWORK C

IRKUT CORP PJSC

IRKUTSKENERGO PJSC

IZHSTAL OJSC

JSC KOLENERGOSBYT

KALINA

KALUGA POWER SALE CO OJSC

KAMAZ PJSC

KAMCHATSKENERGO PJSC

KAZAN HELICOPTER PLANT

KHIMPROM PJSC

KIROVENERGOSBYT

KOKS PAO

KORSHYNOV MINING PLANT PJSC

KOSAYA GORA IRON WORKS PJSC

KOSTROMA RETAIL CO PJSC

KRASNOKAMSK METAL MESH WORKS

KRASNOYARSK HPP PJSC

KRASNOYARSKENERGOSBYT PJSC

KRASNYI KOTELSCHIK TKZ PJSC

KRASNYJ OCTYABR PJSC

KUBANENERGO PJSC

KUIBYSHEVAZOT PJSC

KURGANSKAYA GENERIRUYUSHCHAY

KUZBASSENERGO JSC

KUZBASSKAYA TOPLIVNAYA CO

KUZOCM

LAMSKII DOMOSTROITELNII COMB

LENENERGO PJSC

LENZOLOTO PJSC

LEVENHUK INC

LIPETSK ENERGY RETAIL CO

LSR GROUP PJSC

LUKOIL PJSC

M VIDEO PJSC

MAGADANENERGO PJSC

MAGNIT PJSC

MAGNITOGORSK IRON & STEEL WO

MASHINOSTROITELNY ZAVOD PJSC

MECHEL PJSC

MEDIAHOLDING PJSC

MEGAFON PJSC

MEZHREGIONALNAYA STAB GROUP

MIKRON NPO JSC

MMC NORILSK NICKEL PJSC

MN-FUND PJSC

MOBILE TELESYSTEMS PJSC

MORDOVIA ENERGY RETAIL CO PJ

MORION PJSC

MOSCOW CITY TELEPHONE PJSC

MOSCOW OIL REFINERY

MOSCOW UNITED ELECTRIC GRID

MOSENERGO PJSC

MOSENERGOSBYT PJSC

MOSKOVSKAYA TEPLOSETEVAYA KO

MOSTOTREST PJSC

MOTOVILICHA PLANTS PJSC

MRSK CENTRE PJSC

MRSK SEVERNOGO KAVKAZA PJSC

MRSK SIBIRI PJSC

MRSK YUGA PJSC

MULTISISTEMA OOO

MURMANSKAYA CHPP PJSC

NEFAZ PJSC

NEKK

NIZHNEKAMSKNEFTEKHIM PJSC

NIZHNEKAMSKSHINA PJSC

NORTH WESTERN SHIPPING PJSC

NORTH-WEST TELECOM

NOVATEK PJSC

NOVGORODOBLENERGOSBYT OJSC

NOVOLIPETSK STEEL PJSC

NOVOROSSIYSK COMMERCIAL SEA

NOVOROSSYISK GRAIN PLANT PJS

NOVOSIBIRSKENERGO OAO

NPO FIZIKA OJSC

NPO NAUKA OJSC

NUTRINVESTHOLDING

OGK-1

OGK-2 PJSC

OGK-3

OGK-6 OJSC

OIL TECHNOLOGY OVERSEAS

OMSKENERGOSBYT

OMSKSHINA PJSC

OR PJSC

ORGANICHESKY SINTEZ PJSC

OSTANKINSKY MEAT-PROCESS

OTCPHARM PJSC

PAVA

PAVLOVO BUS PJSC

PERM MOTOR

PERMENERGOSBYT PJSC

PERVOURALSK NEW PIPE PLANT J

PHARMACY CHAIN 36.6 PJSC

PHARMSTANDARD PJSC

PHARMSYNTHEZ PJSC

PHOSAGRO PJSC

PLATFORM UTINET.RU PJSC

PLAZMEK PJSC

POLYMETAL

POLYUS PJSC

PRIMORSK SHIPPING CORP PJSC

PROEKTNIYE INVESTICIYI OJSC

PROTEK PJSC

QUADRA POWER GENERATION PJSC

RAO ENERGY SYSTEM OF EAST

RASPADSKAYA OJSC

RAZGULAY GROUP PJSC

RBC PJSC

RN HOLDING OAO

RN-WESTERN SIBERIA PJSC

RODINA PJSC

ROLLMAN GROUP PJSC

ROSBUSINESSCONSULTING

ROSINTER RESTAURANTS HOLDING

ROSNEFT OIL CO PJSC

ROSSETI PJSC

ROSTELECOM PJSC

ROSTOVOBLGAZ PJSC

RUSGRAIN HOLDING OJSC

RUSHYDRO PJSC

RUSOLOVO PJSC

RUSPOLIMET OJSC

RUSSIAN AQUACULTURE PJSC

RUSSIAN ELECTRIC POWER-CLS

RUSSIAN NAVIGATION TECHNOLOG

RUSSNEFT PJSC

RYAZAN ENERGY RETAIL CO PJSC

SAKHALINENERGO PJSC

SAMARAENERGO PJSC

SARATOVENERGO PJSC

SARATOVSKIY NEFTEPERERABATYV

SBERBANK-MOEХ RUS TOTAL RTRN

SELESTRA OJSC

SELIGDAR PJSC

SEVENTH CONTINENT JSC

SEVERSTAL PJSC

SIBERIAN GOSTINECS

SIBIRTELECOM

SILOVYYE MASHINY-ZTL LMZ ELE

SILVINIT

SISTEMA PJSFC

SITRONICS AO

SKYCOMPUTING OJSC

SLAVNEFT-MEGIONNEFTEGAZ OJSC

SLAVNEFT-YAROSLAVNEFTEORGSIN

SOFRINSKY EХPERIMENTAL MECHA

SOLIKAMSK MAGNESIUM PLANT OJ

SOLLERS PJSC

SOUTHERN KUZBASS PJSC

SOVREMMENYE INNOVATSIONNIYE

SREDNEURALSKY COPPER FAC-BRD

ST PETERSBURG SALE CO JSC

STAVROPOLENERGOSBYT PJSC

SUEK-KRASNOYARSK JSC

SURGUTNEFTEGAS PJSC

SVERDLOVENERGOSBYT

T PLUS PJSC

TAGANROGSKIJ KOMBAJNOVYJ ZAV

TAMBOV ENERGY RETAIL CO PJSC

TAMP JSC-MICEХ

TANTAL PJSC

TATBENTO

TATNEFT PJSC

TATTELECOM PJSC

TEPLOFON JSC

TGC-1 PJSC

TGC-11

TGC-2 PJSC

TGK-14 PJSC

TGK-5 OJSC

TGK-6 JSC

TGK-9

TMK PJSC

TNS ENERGO KUBAN PJSC

TNS ENERGO MARIY EL PJSC

TNS ENERGO NIZHNY NOVGOROD

TNS ENERGO ROSTOV-ON-DON PJS

TNS ENERGO VORONEZH PJSC

TNS ENERGO YAROSAVL PJSC

TNS ENERGOS PJSC

TOMSK DISTRIBUTION CO PJSC

TOMSK ENERGY RETAIL-CLS

TRADING HOUSE GUM PJSC

TRADING INDUSTRIAL GROUP AES

TRANSAERO AIRLINES OJSC

TRANSNEFT PJSC

TRUD PAO

TUCHKOVSKY KSM PAO

TUIMAZY CONCRETE DELIVERY TR

TULA RETAIL CO OAO

TZUM TRADING HOUSE

UDMURTIA ENERGY RETAIL CO

UFIMSKOYE MOTOROSTROITELNOYE

UK SINERGIA OAO

ULAN-UDENSKIY AVIATSIONNYY Z

ULYANOVSK AUTOMOBILE PLAN-Q

UNIFORM TECHNO SYSTEMS PJSC

UNIPRO PJSC

UNITED AIRCRAFT CORP PJSC

UNITED HEAVY MACHINERY PJSC

UNITED WAGON CO PJSC

URALKALI PJSC

URALSVYAZINFORM-CLS

UTAIR AVIATION PJSC

UTS PJSC

VARYEGANNEFTEGAZ PJSC

VEROPHARM JSC

VITAL DEVELOPMENT CORP-CLS

VLADIMIR CHEMICAL PLANT PJSC

VLADIMIR ENERGY RETAIL CO

VOLGATELECOM

VOLGOGRAD ENERGOSBYT PJSC

VOLOGDA RETAIL CO

VSMPO-AVISMA CORP PJSC

VTORRESOURCE PJSC

VYKSA STEEL WORKS

WAR AND PEACE MEDIA GROUP JS

WIMM-BILL-DANN FOODS

YAKUTIAN GOLD OAO

YAKUTSK FUEL-ENERGY CO PJSC

YAKUTSKENERGO OJSC

YUZHURALNIKEL PJSC

ZAPADNIY BANK

ZAWOLZHSKY MOTORNY ZAWOD PJS

ZHIVOY OFFICE OJSC

ZIL

ZIRERA OAO

ZVEZDA PJSC

Размещено на Allbest.ru

...