Размещено на http://www.allbest.ru/

Федеральное государственное автономное образовательное учреждение высшего образования «Национальныи? исследовательскии? университет

«Высшая школа экономики»

Факультет экономических наук

Образовательная программа «Экономика»

БАКАЛАВРСКАЯ ВЫПУСКНАЯ РАБОТА

ВЛИЯНИЕ СТИХИЙНЫХ БЕДСТВИЙ И ТЕХНОГЕННЫХ КАТАСТРОФ НА РОССИЙСКИЙ ФОНДОВЫЙ РЫНОК

Выполнила Студентка группы No БЭК-167

Валяева Анна Владимировна

Руководитель Микова Евгения Сергеевна

Старший преподаватель, к.э.н.

Москва, 2020



Оглавление

Аннотация

Введение

1. Влияние катастроф на фондовый рынок

1.1 Исследование влияния событий на цены акций

1.2 Стихийные бедствия

1.3 Анализ в разрезе отраслей

1.4 Техногенные катастрофы

1.5 Сравнение катастроф между собой

2. Данные и методология исследования влияния

2.1 Данные

2.2 Методология

2.2.1 Событийный анализ для оценки избыточных доходностей

2.2.2 Кросс-секционный регрессионный анализ

3. Анализ результатов исследования

3.1 Результаты событийного анализа

3.2 Результаты регрессионного анализа

Заключение

Список используемых источников

Приложения



Аннотация

Исследования показали, что стихийные бедствия и техногенные катастрофы могут оказать ощутимое влияние на цены акций зарубежных компаний. Цель данного исследования - определить связь между катастрофами и российским фондовым рынком. Профессиональное значение работы состоит в том, что подобных исследований ранее в России не проводилось. Под стихийными бедствиями мы подразумеваем бедствия, спровоцированные природой, в то время как техногенные катастрофы вызваны деятельностью человека. В качестве метода изучения реакции фондового рынка был выбран событийный и регрессионный анализ. Были собраны данные о 93 наиболее масштабных российских и зарубежных катастрофах, произошедших с 2007 по 2020 годы, о ценах акций 18 фирм-участников техногенных катастроф, входящих в топ-50 по капитализации на московской бирже, индексе московской биржи, а также об отраслевых индексах. Был также проведен подробный анализ по отраслям и типам катастроф. Результатом исследования стало негативное влияние как стихийных, так и техногенных катастроф.

Ключевые слова: фондовый рынок, стихийное бедствие, техногенная катастрофа, событийный анализ, аномальная доходность, регрессия



Abstract

Studies have shown that natural disasters can have a significant impact on stock prices of the foreign firms. The purpose of this study is to determine the relationship between these events and the Russian stock market. The professional significance of the work lies in the fact that no such study has been previously conducted in Russia. By natural disasters we mean disasters created by nature, whilst man-made disasters are caused by human activities. As a method for studying the reaction of the stock market, we have selected an event study method and regression analysis. Data was collected on 93 major Russian and foreign disasters that occurred from 2007 to 2020, as well as stock prices of 18 firms from top-50 capitalization rating that took part in industrial disasters, MOEX index and sector indices. A detailed analysis was also carried out by industry and type of disaster. Results have shown a negative effect of both industrial and natural disasters.

Keywords: stock market, natural disaster, man-made disaster, event analysis, abnormal return, regression



Введение

Начиная с 1970 года в мире было обнаружено более 13'800 стихийных бедствий и не менее 8'400 техногенных катастроф. Вместе они привели к гибели около 3,9 миллиона человек (EMDAT Database). Гораздо больше людей получили ранения, потеряли свои дома и потерпели серьезные изменения в жизни. Помимо разрушения жизни людей, данные явления наносят серьезный экономический ущерб: например, финансовые потери от урагана Катрина составили $125 млрд долларов («From Elena to Katrina: These are the costliest hurricanes to ever hit the US», 2018). Катастрофы также снижают реальный ВВП стран, негативно влияют на экологию и, согласно предыдущим исследованиям, могут оказывать воздействие на фондовые рынки (Tavor and Teitler-Regev, 2019). Землетрясение в индийском океане 2004 года привело к снижению индекса S&P 500 на 3,8% в течение последующих 20 дней, тогда как землетрясение в Гаити 2010 года снизило индекс на целых 6,6% («5 Worst Disasters - How Did the Stock Market React?», 2011). Интуитивно можно выделить два пути влияния катастроф на фондовый рынок: с одной стороны, катастрофы могут напрямую влиять на компанию и отрасль, в которой она функционирует, нанося ущерб производству и работе бизнесе в целом, а с другой стороны инвесторы, видя новость о катастрофе, реагируют на нее негативно, особенно если масштаб инцидента велик, и начинают продавать акции компаний или отрасли, на которую событие могло оказать воздействие. Существует разница между техногенными катастрофами и стихийными бедствиями. Техногенные (или промышленные) аварии вызваны людьми, тогда как стихийные (природные) бедствия - силами самой природы (Tavor and Teitler-Regev, 2019). Исследователи начали анализировать влияние данных событий на фондовые рынки после ряда разрушительных ураганов и землетрясений в США, например, калифорнийского землетрясения 1989 года (Shelor, Anderson, Cross, 1990), затем список работ расширился до Японии, которая также потерпела несколько ужасающих инцидентов, далее и до других стран. Множество ученых изучило реакцию японского, американского, австралийского и других рынков на эти катастрофы, но другие страны также ощутили их влияние, в том числе, события могли отразиться и на российском рынке. К тому же, несмотря на то, что нашей стране не присущи масштабные извержения вулканов и смерчи, стихийные бедствия и техногенные катастрофы не чужды и для нее. Недавнее крупное природное бедствие - сибирские лесные пожары в июле 2019 года. К концу месяца их общая площадь составила 2,69 миллиона гектаров («Площадь лесных пожаров в Сибири превысила 1,6 миллиона гектаров», 2019 год). В целом убытки от пожаров оцениваются в 14,4 млрд рублей («Ущерб от лесных пожаров в России в 2019 году составил 14,4 млрд рублей», 2019). Что касается техногенных катастроф, примером является взрыв на химическом заводе в Дзержинске 1 июня 2019 года в Нижегородской области. Пять зданий предприятия были разрушены, а 89 человек получили ранения («Взрывы прогремели на заводе в Дзержинске», 2019). В России катастрофы различного характера могут приводить к снижению ВВП на 1,5-2% или на сумму от 675 до 900 миллиардов рублей («Число техногенных катастроф в РФ за 20 лет втрое превысило природные», 2015). На графиках можно увидеть динамику количества катастроф в России, которая свидетельствует о том, что подобных инцидентов происходит немало. Поэтому удивительно, что таких исследований еще не проводилось в России.

Рис 1 Динамика количества катастроф в РФ

Источник: государственный доклады «О состоянии защиты населения и территорий Российской Федерации от чрезвычайных ситуаций природного и техногенного характера в 2013/2014/2015/2016/2017/2018 году», mchs.gov.ru техногенный катастрофа фондовый рынок

Целью данной работы является выявление воздействия природных и техногенных катастроф на российский фондовый рынок (на аномальную доходность акций российских компаний). Для достижения цели был решен ряд задач:

1. Анализ существующей литературы, посвященной изучаемой нами проблематике

2. Сбор и обработка данных о катастрофах и ценах акций компаний

3. Анализ наиболее релевантных моделей для оценки влияния катастроф на доходность акций

4. Оценка воздействия катастроф на фондовый рынок методом событийного анализа

5. Поиск факторов, влияющих на аномальную доходность с помощью регрессии

6. Проверка гипотез и анализ результатов исследования

Гипотезы, проверке которых посвящена наша работа:

H1: Стихийные бедствия, как локальные, так и зарубежные из-за высокой интегрированности страны в глобальный рынок приводят к отрицательной аномальной доходности на российском фондовом рынке

H2: Ответная реакция российских компаний на стихийные бедствия варьируется в зависимости от отрасли и типа катастрофы

H3: Компании, вовлеченные в техногенную аварию, испытывают падение доходности акций в краткосрочной перспективе, размер которого зависит от степени нанесения вреда экологии, числа жертв и материального ущерба

H4: Компании, конкурирующие с компанией-участником техногенной катастрофы, также испытывают негативный эффект, который проявляется в падении цен акций после масштабных катастроф

H5: Стихийные бедствия приводят к более серьезным негативным последствиям на российском фондовом рынке, чем техногенные катастрофы

Объектом исследования данной дипломной работы является российский фондовый рынок. Предмет исследования - ответная реакция фондового рынка на стихийные бедствия и техногенные катастрофы.

Поднятая нами проблема привлекает к себе пристальное внимание ученых и общества по причине ее актуальности: каждый день происходят природные и техногенные катастрофы, последствиями которых является разрушение человеческих жизней, удар по экономике стран мира, ущерб экологии, негативное воздействие на настроение общества и инвесторов, что может повлиять и на фондовый рынок. Доминирующее число публикаций в области исследований катастроф посвящено изучению их влияния в целом на экономику. В данной работе акцент делается именно на количественной оценке влияния катастроф на фондовый рынок, происходит проверка реакции рыночных котировок на события, связанные со стихийными бедствиями и техногенными катастрофами и того, как долго сохраняется избыточная реакция, происходит поиск драйверов влияния на степень чувствительности реакции акций компаний к событиям. Новизна исследования состоит в том, что ранее в России были проведены лишь попытки отследить влияние отдельных техногенных катастроф на финансовое состояние компании, однако анализа эффектов от стихийных бедствий и сравнения их с влиянием техногенных катастроф проведено не было. Также анализ влияния по отраслям и по типам катастроф является новым для российского рынка.

Данная работа может представлять интерес для инвесторов, торгующих в развивающихся странах, демонстрируя, как фондовые рынки таких стран реагируют на непредсказуемые события. Полученные выводы могут также помочь российским властям более эффективно и своевременно реагировать на стихийные бедствия, поскольку власти смогут расширить свои знания о влиянии данных инцидентов. Анализ различных групп событий и реакции разных отраслей российской экономики также могут помочь будущим авторам найти новые способы исследования данной проблемы.

Для изучения реакции фондового рынка на ряд непредсказуемых катастроф мы использовали несколько различных методов: анализ литературы, связанной с предыдущими исследованиями по тематике стихийных бедствий и техногенных катастроф, анализ данных о ценах акций и событиях, произошедших за последние 13 лет, событийный анализ (расчет аномальных доходностей), а также кросс-секционный регрессионный анализ.

Основная часть работы состоит из трех глав. В первой главе произведен анализ зарубежной литературы, разделенный на пять разделов. Во второй главе представлена основная методология исследования и описан процесс отбора данных. Третья глава включает в себя анализ результатов проделанной работы.



1. Влияние катастроф на фондовый рынок

Проблема, поднятая нами во введении, находится в процессе изучения многими зарубежными учеными. Несмотря на то, что, полагаясь на интуицию, можно предположить, что акции компаний должны дешеветь после катастрофы, некоторые исследователи пришли к выводу, что происходит обратное. В данной главе, для более четкого понимания проблемы и формулировки гипотез, мы рассмотрим ключевые литературные источники, авторы которых изучали влияние катастроф на фондовый рынок.

1.1 Исследование влияния событий на цены акций

Первой работой, в которой была изучена связь между мировыми событиями и фондовым рынком, было исследование Niederhoffer в 1971 году. Для того, чтобы собрать данные о событиях, были использованы заголовки новостей из журнала New York Times. Результаты исследования показали, что мировые события в большинстве случаев приводят к изменению цен на акции, и в течение четырех дней фондовый рынок имеет тенденцию чрезмерно реагировать на любые плохие новости (Niederhoffer, 1971). Niederhoffer также первым высказал предположение о различной степени влияния новостей на акции компаний из разных отраслей: к примеру, авиакомпании испытывают значительное снижение капитализации после новостей о крушении самолета. В другом раннем исследовании о влиянии мировых (неэкономических) событий на фондовый рынок, проведенном в 1989 году, был получен противоположный результат. Группа ученых провела анализ нескольких событий, произошедших с 1946 по 1987 год и их влияния на индекс S&P 500. В итоге они обнаружили, что большинство событий не имели никакого влияния на рынок. (Summers, L., Cutler, D., & Poterba, J, 1989). Однако данное исследование было проведено 30 лет назад, и с тех пор многое поменялось: к 2000 году появились сотни вебсайтов, публикующих информацию о фондовых рынках и динамику цен акций онлайн, множество интернет источников с новостями. Но несмотря на улучшение информационных технологий с течением времени, на данный момент появились новые сложности с проведением подобных исследований: количество факторов, влияющих на динамику цен, возросло в разы, также, как и количество новостей в СМИ, и это нередко затрудняет процесс измерения влияния конкретных событий. Более того, по мнению ученых, причины большинства наиболее заметных скачков цен акций все еще являются загадкой для исследователей (Cornell, 2013). Так, можно сделать вывод о том, что при проведении подобных исследований следуют сфокусироваться на тщательном отборе событий.

1.2 Стихийные бедствия

Подавляющее большинство исследований о стихийных бедствиях были проведены в США, Австралии и Японии, странах, которые из-за своего географического положения пострадали от множества землетрясений, цунами и извержений вулканов. Авторы в первое время нередко посвящали свои исследования лишь одному событию: например, в 1990 году группа ученых изучила эффект от землетрясения, произошедшего в Сан Францисско в 1989 году (Shelor et al, 1990). Объектом анализа стали фирмы, торгующие недвижимостью. Исследователи выяснили, что чем ближе фирмы находились к наиболее пострадавшим от сейсмических волн зонам, тем выше была негативная аномальная доходность акций (максимум составил -1,65% в день события). Что касается недавних подобных исследований, одно из них было посвящено разрушительному землетрясению в Японии, Великому Тохоку, которое произошло в 2011 году (Fakhry, Aktan, Masood, Tvaronaviиien, Celik, 2018). Чтобы различить краткосрочные и долгосрочные последствия этого события, группа исследователей использовала асимметричную модель C-GARCH, которая ранее не применялась при анализе последствий стихийных бедствий. Авторы пришли к выводу, что это событие оказало краткосрочное негативное влияние на фондовый рынок и увеличило волатильность цен, но в долгосрочной перспективе оно почти не повлияло на акции. Большое количество ученых в прошлом занималось анализом выборки из нескольких катастроф для определения их кумулятивного эффекта на фондовый рынок. Допустим, Seetharam в 2015 году применил метод событийного анализа на выборке из 122 стихийных бедствий в США. Он отсортировал компании, торгующиеся на американском рынке, по местоположению относительно эпицентра катастрофы. Вывод получился следующий: фирмы, задействованные в катастрофах, отвечают на события большим (на 0,3-0,7%) снижением доходностей, чем те, которые находятся далеко от эпицентра (Seetharam, 2015). Необычные результаты были получены Уортингтоном и Валадхани в 2004 году. Они изучали последствия сильных наводнений, штормов, циклонов, землетрясений и лесных пожаров в Австралии с использованием модели ARMA. Результаты показали, что лесные пожары оказывают положительное влияние на цены акций в день события, циклоны приводят к немедленному падению цен, а землетрясения имеют смешанный эффект: отрицательное воздействие сразу после наступления события и положительное ненормальное возвращение через пять дней. По словам авторов, наводнения и штормы не влияют на фондовый рынок (Worthington and Valadkhani, 2004).

Несмотря на то, что результатами подавляющего большинства работ является обнаружение высокой волатильности цен и аномально низкой доходности фондового рынка, есть мнение, что данные катастрофы никак не влияют на рынок, либо вовсе оказывают позитивный эффект. Семь лет назад японский исследователь Tao с помощью событийного анализа проанализировал краткосрочную реакцию фондового рынка Китая на землетрясение, произошедшее в 2013 году. Автор предпринял попытку рассмотреть результаты в контексте различных отраслей, но, как оказалось, ни рынок в целом, ни отрасли по отдельности не испытали значительного падения в стоимости акций. Предполагаемой причиной такого исхода является экономическая неразвитость региона, пораженного в ходе катастрофы, а также менее разрушительный эффект землетрясения по сравнению с предыдущими природными бедствиями в Китае (Tao, 2013). Что касается положительного влияния стихийных бедствий на фондовый рынок, оно, по мнению некоторых авторов, имеет место быть в некоторых отраслях экономики, о чем будет более подробно рассказано в следующем разделе.

В приложении 1 приведена таблица со всеми источниками, касающимися стихийных бедствий, упомянутых ранее, для проведения сравнительного анализа. Мы можем видеть, что, хотя большинство авторов пришли к выводу о том, что фондовый рынок подвергается влиянию природных бедствий, их результаты отличаются, вследствие чего есть необходимость подробно изучить этот вопрос и применить данный анализ к российскому фондовому рынку. Нас в первую очередь интересует наличие статистически значимого влияния локальных и глобальных стихийных бедствий на российский фондовый рынок и факторы, влияющие на степень избыточной реакции доходностей акций. Но российский рынок сильно отличается от развитых рынков, на которых проводилось подавляющее большинство исследований. Территория России намного больше территории вышеупомянутых стран, и мы предполагаем, что это ограничивает влияние отдельных катастроф на весь фондовый рынок России. Скорее всего, события, происходящие в отдаленных регионах России, не окажут статистически значимого влияния на доходности акций. Вследствие чего мы будем тщательно отбирать события по строгим критериям. Мы ожидаем, что крупные катастрофы, возможно затрагивающие целые отрасли, все же будут иметь эффект на фондовый рынок, поэтому мы выдвигаем следующую гипотезу:

H1: Стихийные бедствия, как локальные, так и зарубежные из-за высокой интегрированности страны в глобальный рынок приводят к отрицательной аномальной доходности на российском фондовом рынке

1.3 Анализ в разрезе отраслей

Важным элементом многих исследований, посвященных стихийным бедствиям, является отраслевой анализ с целью сравнения влияния катастроф на различные сектора экономики. Некоторые авторы осуществляют проверку в рамках лишь одной отрасли. Одним из подобных исследований является работа Fink and Fink (2013), в котором авторы сконцентрировались на нефтеперерабатывающей отрасли и проверили влияние пересмотров официальных прогнозов крупных тропических штормов на компании из данной отрасли. Они обнаружили, что в среднем корректировки в прогнозе влияют на акции компаний из нефтеперерабатывающей отрасли, а также, что ожидаемое повышение силы шторма, как ни странно, повышает доходность вышеуказанных компаний (Fink and Fink, 2013). Негативное влияние при изучении определенной отрасли было обнаружено в статье Mazzocchi (2010). Он отследил воздействие извержения исландского вулкана на авиа-отрасль с помощью метода event study (событийный анализ) и выяснил, что данное событие имело резко негативный эффект на акции авиакомпаний в день катастрофы. Уже через неделю эффекта не было, что свидетельствует о способности рынка к быстрому восстановлению (Mazzocchi, 2010). Объектом исследования некоторых ученых также является отрасль страхования: в 2013 году Вонг и Кутан пришли к выводу, что акции компаний данной отрасли испытывают значительное повышение доходности (Wang and Kutan, 2013).

Существует также набор исследований, направленных на сравнение отраслей между собой. Например, в статье 2010 года, посвященной фондовому рынку Чили, был изучен вопрос оценки волатильности доходностей акций 42 фирм после землетрясения, произошедшего в том же году. Судя по модели, волатильность увеличилась на 240% в течение первых пяти дней после стихийного бедствия. Также автор провел подробный отраслевой анализ, который показал, что доходность акций повышается в банковском секторе, секторе ритейла, строительства, тогда как негативный эффект можно наблюдать для компаний, специализирующихся на недвижимости, производстве продуктов питания, добыче стали и на лесном хозяйстве. Это происходит по причине увеличения спроса на товары первой необходимости, стройматериалов для восстановления зданий, а также повышения затрат для других компаний вследствие разрушения оборудования (Ruiz, 2010).

В приложении 2 представлена таблица со всеми отраслевыми исследованиями стихийных бедствий. Также, во втором разделе данной главы мы рассмотрели исследования авторов, некоторые из которых делают акцент на анализе в зависимости от типа катастрофы, утверждая, что некоторые события могут оказывать более сильное влияние, чем другие. Так, анализ вышеупомянутых литературных источников позволил нам выдвинуть следующую гипотезу:

H2: Ответная реакция российских компаний на стихийные бедствия варьируется в зависимости от отрасли и типа катастрофы

1.4 Техногенные катастрофы

Отдельный пласт исследований посвящен влиянию техногенных (промышленных) катастроф на финансовые рынки. Часть из них анализирует экологические эффекты, такие как загрязнение воздуха компаниями, которое влияет на доходности их акций. Например, исследование, проведенное в 1995 году, показало, что у компаний, сообщивших о высоком уровне выбросов химикатов в воздух, в среднем наблюдалась отрицательная аномальная доходность в течение следующего дня, а значит, инвесторам обращают внимание на степень выполнения компанией экологических обязательств (Hamilton, 1995). В недавнем исследовании Corbet, Larkin and McMullan (2020) выборка охватила 77 промышленных аварий в США и был сделан вывод о том, что публичные компании сталкиваются с потерей в капитализации после подобных катастроф. Промышленные бедствия были разделены на три группы: бедствия, связанные с отказом оборудования (пожар, утечка химикатов), бедствия, связанные с нарушениями правил безопасности сотрудниками (химический взрыв, пожар) и вандализм (разлив химикатов). Авторы также применили модель GARCH и обнаружили, что аварии обычно увеличивают волатильность на финансовых рынках сразу после события. Наибольшая волатильность наблюдалась после инцидентов, связанных с вандализмов, а с точки зрения потерь в ценах акции выиграли случаи нарушения правил безопасности. Волатильность после катастроф из-за отказа оборудования была ниже, но сохранялась в течение четырех недель. Одна травма на производстве понижает капитализацию компании в среднем на 14 млн. долларов, тогда как смерть - на 400-700 млн. (Corbet, Larkin and McMullan, 2020). Некоторые авторы концентрируются на конкретной отрасли, например, Laguna и Capelle-Blancard (2010) исследовали только химические катастрофы во всем мире и их влияние на весь фондовый рынок. Они пришли к выводу, что в среднем рынок реагирует негативно после аварии, кумулятивная аномальная доходность составляет от ?0.76% до ?1.26% в течении двух дней. Кумулятивная аномальная доходность остается отрицательной еще шесть месяцев, а убытки больше для тех фирм, которые потерпели аварии, связанные с человеческим вредом или ущербом окружающей среде (Laguna and Capelle-Blancard, 2010). Данные результаты согласуются и с ранними исследованиями: в 1983 году Sprecher и Pertl обнаружили, что фирмы в среднем испытывают потери в доходности, равные 4% в день, когда произошла промышленная авария (Sprecher and Pertl, 1983). Предметом изучения некоторых исследований стало влияние техногенных аварий не только на компанию, задействованную в событии, но и на ее конкурентов. Так, в работе 2012 года авторы выяснили, что акции компаний, являющихся конкурентами авиакомпании, потерпевшей катастрофу, дешевеют после масштабных и смертоносных аварий (с более, чем 10 смертями), но в случае катастроф с минимальными жертвами, растут в цене. Капитализация компаний, инициировавших аварию, падает тем больше, чем более разрушительным было событие (Ho, Qiu, Tang, 2012).

Существует также мнение о том, что подобные аварии не влияют на рынок совсем. Примером такой работы является статья 2011 года, авторы которой составили выборку из 209 техногенных аварий в энергетической отрасли и обнаружили, что в среднем они никак не влияют на цены акций публичных компаний. Интересным является вывод об отсутствии эффекта даже от катастроф со значительными жертвами. Причиной может служить тот факт, что в рыночную стоимость энергетических компаний уже заложены возможные промышленные инциденты (Scholtens and Boersen, 2011). Данный вывод согласуется с итогом, полученным другими авторами в 2001 году. Исследователи изучали влияние 73 негативных промышленных событий, произошедших в период с 1970 по 1992 год, объектом их анализа стали энергетические и нефтяные фирмы. В результате гипотезы авторов не подтвердились и значимого влияния не было обнаружено. По словам авторов, причиной тому может служить тот факт, что инвесторы «наказывают» компании лишь за те инциденты, которые затронули именно клиентов и поставщиков фирмы (Jones and Rubin, 2001).

Таблица в приложении 3 представляет собой сравнительную характеристику исследований, посвященным промышленным авариям. Проанализировав данные статьи, мы убедились в том, что многие авторы увидели негативное влияние этих инцидентов на доходности акций компаний из различных стран, вследствие чего мы предполагаем, что схожий эффект будет наблюдаться и в России, и, согласно исследованиям, он будет наблюдаться только в течении первых нескольких дней. Мы также считаем, что по причине высокой частоты серьезных техногенных аварий в России, у нас есть возможность отследить их влияние и на фирмы-конкуренты, которые, судя по предыдущим исследованиям, могут ощутить падение капитализации вследствие масштабной и разрушительной катастрофы. Мы выдвигаем следующие гипотезы:

H3: Компании, вовлеченные в техногенную аварию, испытывают падение доходности акций в краткосрочной перспективе, размер которого зависит от степени нанесения вреда экологии, числа жертв и материального ущерба

H4: Компании, конкурирующие с компанией-участником техногенной катастрофы, также испытывают негативный эффект, который проявляется в падении цен акций после масштабных катастроф

1.5 Сравнение катастроф между собой

Не так давно начали появляться работы, авторы которых занимаются сравнением природных и техногенных катастроф. Недавнее исследование, опубликованное в 2019 году, сосредоточено на трех видах бедствий: терроризме, природных и промышленных (техногенных) авариях. Авторы собрали данные о 344 катастрофах, произошедших в различных точках мира и привлекших внимание медиа в 1983-2013 годы. Они обнаружили, что стихийные бедствия являются наиболее разрушительными явлениями, тогда как промышленные катастрофы наносят наименьший вред экономике. Природные бедствия также приводят к трехдневному падению индекса цен, тогда как техногенные катастрофы и терроризм вызывают только однодневное снижение цен (Tavor and Teitler-Regev, 2019). Вторым примером такого исследования является статья об авариях, которые происходят в процессе добычи калийных удобрений. Авторы собрали информацию о 55 несчастных случаях на шахтах и ??разделили их на две группы: промышленные и стихийные бедствия. Затем природные инциденты были классифицированы на две категории: наводнения и землетрясения и/или обрушение шахты, а техногенные аварии были разделены на пожары и несчастные случаи на производстве и проанализированы отдельно. В итоге исследователи пришли к выводу, что в среднем вовлеченные в катастрофу горнодобывающие компании испытывают снижение цен акций на 1,15% в течение первых двух дней после катастрофы, но стихийные бедствия на калийных рудниках оказывают большее влияние на фондовый рынок, чем техногенные. Техногенные бедствия приводят лишь к небольшому падению в производстве калийных удобрений добывающими фирмами и не так сильно влияют на состояние фирм, как природные бедствия. Кроме того, важным открытием явилось то, что техногенные аварии отображаются не только на акциях вовлеченных фирм, но и влияют на фирмы-конкуренты, понижая доходность их акций. По мнению авторов, это может происходить из-за понимания инвесторами возможности введения нового государственного регулирования после серьезных инцидентов, которое может повлечь за собой издержки для всех компаний из отрасли (Kowalewski and Spiewanowski, 2020).

В приложении 4 можно увидеть сравнение двух упомянутых выше источников. Из него следует, что в обоих исследованиях авторы пришли к заключению о наиболее сильном эффекте от стихийных бедствий в сравнении с эффектом от техногенных катастроф. Как уже было упомянуто ранее, наша выборка из катастроф будет включать в себя как зарубежные, так и российские события. По нашему мнению, российские стихийные бедствия не будут давать такой высокий эффект, как наводнения и землетрясения в США и Японии, ввиду огромной территории России, низкого экономического развития отдаленных регионов, в которых чаще всего происходят крупные бедствия и неразвитого фондового рынка. Но опираясь на исследования, рассмотренные выше, мы можем полагать, что стихийные бедствия наносят все же большой урон, чем техногенные катастрофы. Ввиду того, что это единственные исследования по сравнению этих двух типов катастроф, мы выдвигаем следующую гипотезу:

H5: Стихийные бедствия приводят к более серьезным негативным последствиям на российском фондовом рынке, чем техногенные катастрофы.



2. Данные и методология исследования влияния

2.1 Данные

Данные о катастрофах. Сбор данных о техногенных и природных катастрофах был осуществлен вручную. Источниками послужили такие новостные издания, как РБК, Ведомости, Коммерсант и другие российские онлайн-порталы. Дополнительно была использована база данных Factiva - ресурс Dow Jones, который предоставляет доступ к сотням журналов и газет. Мы выбрали временной промежуток с 2007 по 2020 год и попытались собрать максимальное количество серьезных российских инцидентов, но ввиду того, что не все российские катастрофы являлись настолько значительными, по нашему мнению, чтобы оказать влияние на рынок, мы также приняли решение рассмотреть зарубежные катастрофы. В качестве критериев выбора российских техногенных катастроф мы выделили следующие: наличие определенной компании, спровоцировавшей инцидент, вхождение компании в список из 50-ти наиболее ликвидных компаний на московской бирже для возможности отследить поведение ее акций, наличие котировок на исследуемом периоде у компании-участника, наличие человеческих жертв, ущерба экологии или ущерба деятельности компании, тогда как из зарубежных катастроф мы выбрали наиболее масштабные события с количеством жертв, превышающим 40 человек или нанесением необратимого ущерба экологии. Всего было выбрано 43 техногенные катастрофы, из которых 31 - российские, 12 - зарубежные. Что касается стихийных бедствий, наиболее масштабные из них были локальными и происходили в отдаленных регионах (Государственный доклад «О состоянии защиты населения и территорий Российской Федерации от чрезвычайных ситуаций природного и техногенного характера в 2018 году», 2019), и, как нам кажется, не попали во внимание московских инвесторов. В связи с этим природные катастрофы подбирались из следующих соображений: либо это были бедствия, эпицентром которых была Москва и московская область, либо это были масштабные катастрофы, охватившие значительную часть территории страны (например, лесные пожары в Сибири) и получившие широкую огласку в СМИ, или же унесшие жизни более 10-ти человек. Еще одним критерием для всех катастроф явилось наличие четкой даты и времени его начала и конца. Последним критерием для всех событий явилось то, что они не должны пересекаться и происходить в один/соседние дни. Избежать пересечений оценочных окон не удалось, но данное явление будет сглажено путем нахождения усредненных аномальных доходностей по всем событиям. Если катастрофа происходила в выходной или праздничный день, датой события считался ближайший торговый день. Всего было выбрано 50 природных бедствий, где 14 произошли в России, а 36 - за рубежом. Графики ниже описывают выборку из катастроф.

Рис 2 Количество российских техногенных катастроф по группам

Источник: выборка автора

Рис 3 Количество зарубежных техногенных катастроф по группам

Источник: выборка автора

На графиках 2 и 3 можно увидеть распределение техногенных катастроф по типам. Большинство техногенных инцидентов, происходящих в России - это взрывы и пожары на шахтах, заводах, рудниках. За рубежом же, по количеству инцидентов в нашей выборке лидируют взрывы и розливы топлива (нефти).

Рис 4 Количество российских техногенных катастроф по отраслям компаний-участников

Источник: выборка автора

Рис 5 Количество зарубежных техногенных катастроф по отраслям компаний-участников

Источник: выборка автора

Из графиков 4 и 5 можно сделать вывод, что среди российских компаний в нашей выборке по количеству событий лидируют фирмы из металлургической и нефтегазовой отрасли, тогда как зарубежные фирмы равномерно распределены по отраслям.



Рис 6 Количество российских стихийных бедствий по группам

Источник: выборка автора

Рис 7 Количество зарубежных стихийных бедствий по группам

Источник: выборка автора

Судя по графикам 6 и 7, в нашей выборке преобладают российские природные инциденты, связанные с аномальной жарой, тогда как среди зарубежных катастроф мы больше всего мы выбрали землетрясений и ураганов.

Данные о ценах акций компаний. Данные о ценах акций компаний были собраны с помощью терминала Bloomberg и сайта ФИНАМ. Рассматриваемый нами период: с 2007 по 2020 год. В данном исследовании в качестве российского фондового рынка мы выбрали индекс IMOEX (ранее ММВБ) - взвешенный по капитализации индекс российского фондового рынка, который включает в себя акции динамично развивающихся компаний с высокой капитализацией и самыми ликвидными акциями и пересматривается раз в квартал. Компании, входящие в данный индекс оперируют в основных секторах российской экономики (MOEX Website). На март 2020 года отраслевая структура индекса выглядит следующим образом:

Рис 8 Компании, входящие в IMOEX по отраслям (на март 2020)

Источник: Сайт Мос.Биржи https://www.moex.com/ru/index/IMOEX

Что касается акций компаний-участников техногенных катастроф, для них, как уже было сказано ранее, условием является наличие котировок на исследуемом периоде и вхождение в топ-50 наиболее ликвидных компаний на московской бирже в год катастрофы. Их распределение по отраслям было показано ранее на графике 4. Что касается отраслевого анализа, для его проведения мы выгрузили данные о восьми отраслевых российских индексах: MOEXTN (транспортный), MOEXCH (химия и нефтехимия), MOEXCN (потребительский сектор), MOEXFN (финансы), MOEXMM (металлы и добыча), MOEXTL (телекоммуникации), MOEXEU (электроэнергетика), MOEXOG (нефть и газ). Предварительная обработка данных о ценах акций включила в себя удаление выходных и праздничных дней из выборки ввиду отсутствия котировок в данные дни. При обнаружении пропусков данных в торговые дни мы заполняли их значением предыдущего дня. Таких случаев было крайне мало.

2.2 Методология

2.2.1 Событийный анализ для оценки избыточных доходностей

Для определения взаимосвязи между бедствиями и российским фондовым рынком и расчета возможных аномальных рыночных доходностей была использована методология событийного анализа (Event Study). Выбор был обусловлен тем, что событийный анализ является наиболее часто используемым и универсальным методом определения реакции цен на новости и события (Campbell, Lo, McKinlay, 2012). Все еще популярная среди авторов на данный момент модель зародилась довольно давно. Считается, что впервые она была применена в статье Dolley 1933 года, автор которой рассматривал ответную реакцию рынка на дробление акций различными компаниями и выяснил, что в 57 из 95 случаев цена акций после таких событий повышалась (Dolley, 1933). Примечательными являются работы Ball and Brown 1968 года и Fama, Fisher, Jensen, and Roll 1969 года, выработавшие методологию, используемую учеными по сей день. В 1997 году MacKinlay в своей статье подробно описал процесс моделирования аномальных доходностей методом event study, чем приобрел огромную популярность среди будущих исследователей. Его статья в паре с учебником «Econometrics of Financial Markets» 2012 года, который также описывает процесс моделирования по шагам, явилась для нас основным ориентиром в процессе применения метода событийного анализа. Далее мы воспроизведем шаги, предлагаемые авторами.

Определение события, выбор событийного и оценочного окна. Первым шагом событийного анализа является определение события и событийного окна. В нашем случае событием является первая новость о конкретной катастрофе. Таблицу со всеми выбранными нами событиями можно увидеть в приложениях 5 и 6. Событийным окном называют период, в течение которого проводится наблюдение за ценами акций, тогда как оценочное окно - период до событийного окна, в течение которого происходит оценка нормальной доходности. Мы решили сопоставить окна, выбранные авторами, изучавшими природные и техногенные бедствия с помощью Event Study, и ориентироваться на них.

Таблица 1

Сравнение параметров Event Study различных авторов

Автор	Тип катастрофы	Событийное окно	Оценочное окно	Модель оценки нормальной доходности	Проверка гипотезы
Shelor, Anderson, Cross, 1990	Стихийные	(0; 20)	(-100; -1)	Рыночная модель	T-test
Seetharam, 2015	Стихийные	(?5, 0), (?5, 10), (?5, 20), (?5, 30), и (?5, 40)	- (cross sectional event study)	- (cross sectional event study)	T-test
Tao, 2013	Стихийные	(0; 10)	(-243; -1)	Рыночная модель, модель с постоянной средней	T-test
Mazzocchi, 2010	Стихийные	(0; 5), (0; 9), (0; 3), (0; 38)	(-100, -1)	Рыночная модель	Patell test
Hamilton, 1995	Техногенные	(0; 1)	100 days before the event	Рыночная модель	T-test
Laguna and Capelle-Blancard, 2010	Техногенные	(0; 1) - (0; 120)	(-190; -10)	Рыночная модель	Z-test
Sprecher and Pertl, 1983	Техногенные	(-10; 20)	(-220; -10)	Рыночная модель	-
Ho, Qiu, Tang, 2012	Техногенные	(0; 1) - (0; 25)	(-255; -46)	Рыночная модель	Patell test, Sign test
Scholtens and Boersen, 2011	Техногенные	(0; 6)	(-149; -1)	Рыночная модель	T-test, Wilcoxon rank test
Jones and Rubin, 2001	Техногенные	(-1;0), (-5; 0), (-1; 9)	(-199; -2)	Рыночная модель	T-test
Kowalewski, Spiewanowski, 2020	Техногенные VS Стихийные	(-9; 10)	(-190; -10)	Рыночная модель	T-test

В таблице 1 можно увидеть, какие событийные и оценочные окна использовали авторы, чьи работы мы рассмотрели в главе с обзором литературы. В таблице также присутствуют модели для определения нормальной доходности и различные виды тестов для проверки гипотез о значимости результатов. Можно заметить, что для стихийных бедствий авторы чаще выбирают более длинные событийные окна, вплоть до 40 дней после события. Как уже было упомянуто ранее, мы считаем, что в России природные бедствия, вероятнее всего, окажут менее разрушительный эффект. Также есть основания полагать, что о некоторых бедствиях инвесторы узнают заранее из новостей и прогноза погоды. В связи с этим, выбранное нами событийное окно для стихийных бедствий: (-5; 20). Что касается техногенных катастроф, в большинстве своем они являются неожиданными, в связи с чем мы не видим причин наблюдать за аномальной доходностью в течение нескольких дней до дня события. Мы также полагаем, что эффект от выбранных нами событий вряд ли продлится дольше пяти дней. Так, событийное окно для промышленных инцидентов: (0; 5). Оценочное же окно для нашего исследования составляет 100 дней. Техногенные катастрофы происходят нередко даже у отдельно взятой фирмы, в связи с чем мы приняли решение использовать минимальное по длине окно из рассмотренных нами исследований.

Расчет нормальной и аномальной доходности. Прежде всего следует обозначить используемую нами технику для расчета доходности акций. Мы воспользовались формулой логарифмической доходности:



где - доходность акции компании i или рынка в день t,

- цена акции компании i или значение рыночного индекса в день t,

- цена акции компании i или значение рыночного индекса в день t-1

Измерение нормальной доходности проводится для того, чтобы определить, какой она была бы в случае, если бы катастрофа не произошла. Для оценивания нормальной доходности используют различные подходы и модели ценообразования активов. Наибольшей популярностью среди моделей ценообразования для оценки нормальной доходности пользуются рыночная модель, модель с постоянной средней доходностью, модель CAPM или трехфакторная модель Фамы и Френча. В таблице 5 можно заметить, что все рассмотренные нами авторы использовали в своих работах рыночную модель, один из них воспользовался также моделью с постоянной средней доходностью. Данные способы действительно являются наиболее популярными среди ученых, так как, несмотря на их простоту, авторы, в большинстве своем, не находят весомых причин для измерения нормальной доходности более сложными экономическими моделями. Исследования 1980 и 1985 года показали, что разница между этими моделями не является существенной и использование более простых моделей практически не оказывает негативного влияния на результат и не снижает дисперсию избыточной доходности (Campbell, Lo, McKinlay, 2012). По этой причине в данной работе использованы рыночная модель и модель с постоянной средней доходностью.

Рыночная модель была применена для подсчета нормальной доходности компаний-участников техногенных катастроф и индустриальных индексов, расчет был произведен по следующей формуле:



,

где - доходность акции компании i/индекса i для катастрофы j в день t,

- доходность рынка в день t,

, - параметры рыночной модели,

- случайная ошибка в день t с нулевым математическим ожиданием.

Для расчета доходности рынка в целом мы использовали модель с постоянной рыночной доходностью вследствие отсутствия в данном случае рынка. Была применена следующая формула:

,

где - доходность рынка для катастрофы j в день t,

- средняя доходность рынка для катастрофы j,

- случайная ошибка с нулевым математическим ожиданием.

(Campbell, Lo, McKinlay, 2012)

Аномальной доходностью называют разницу между фактической и ожидаемой доходностью акций (McKinlay, 1997). Она рассчитывается по следующей формуле:

, Xt],

где - аномальная доходность акции компании i / рынка / индекса i для катастрофы j в день t,

- фактическая доходность акции фирмы i / рынка / индекса i, наблюдаемая в день t,

, Xt] - оцененная нами нормальная доходность акции фирмы i / рынка / индекса i для катастрофы j в день t,

- константа для модели с постоянной рыночной доходностью и доходность для рыночной модели.

Расчет кумулятивной аномальной доходности

Далее рассчитанные избыточные доходности агрегированы по формуле кумулятивной аномальной доходности, показывающий накопленный по дням эффект от катастроф:

где - накопленная аномальная доходность i акции для катастрофы j за T дней в событийном окне

- аномальная доходность акции i для катастрофы j в день t.

Расчет средней и накопленной средней аномальной доходности

Наконец, мы нашли среднее значение аномальных доходностей (AR) для всех событий по дням, в также CAAR - накопленную среднюю избыточную доходность всех фирм в течении событийного окна. Они были посчитаны с помощью следующих формул:

где - средняя аномальная доходность по всем событиям в день t,

- накопленная средняя аномальная доходность по всем событиям за T дней,

N - количество катастроф

Проверка статистической значимости

Для того, чтобы удостовериться в значимости полученных нами результатов, мы проверили их с помощью статистических тестов. В уже упомянутой нами таблице 5 представлена информация о тестах, используемых в работах других авторов, исследовавших влияние стихийных и техногенных катастроф на фондовый рынок. Можно заметить, что многие авторы использовали t-тест в связи с его популярностью и простотой его применения. В нашем анализе мы также используем данный тест и применяем его для проверки следующих гипотез:

H0: AR = 0

H0: CAR = 0

Условием для проведения t-теста является предпосылка о нормальном распределении аномальных и накопленных аномальных доходностей. Однако, еще в 1985 году учеными было доказано, что несмотря на то, что доходности изучаемых акций, а также аномальные доходности, не имеют нормального распределения, это не влияет на результаты событийного анализа и стандартные параметрические тесты работают без ошибок (Brown and Warner, 1985). К тому же, по мнению авторов, распределение средних избыточных доходностей (AAR) сходится к нормальному при большом количестве событий. Формулы для тестовой статистики можно увидеть в приложении 7.

Значение тестовой статистики сравнивается с критическим значением t-статистики распределения Стьюдента для выбранного уровня значимости и, если оно превышают критическое значение, нулевая гипотеза отвергается, и избыточная доходность на рынке вследствие катастрофы действительно присутствует. Для того, чтобы проверить значимость полученных нами средних аномальных доходностей и кумулятивных средних аномальных доходностей, то есть для проверки следующих гипотез:

H0: AAR = 0,

H0: CAAR = 0,

мы использовали более сложные тесты: два параметрических и один непараметрический. Первые два теста - это модифицированный тест Пателля (Adjusted Patell Test) и модифицированный BMP-тест (Adjusted Standardized Cross-Section Test), которые отличаются от обычного теста Пателля и теста BMP тем, что принимают во внимание кросс-секционную корреляцию, которая возникает при исследовании событий, произошедших произошли для нескольких фирм в один и тот же день, что актуально в нашем случае. Они также являются одними из лучших параметрических тестов, так как единственные не требуют наличия определенного распределения аномальных доходностей в событийном окне. Модифицированный BPM тест также принимает во внимание волатильность, вызванную событиями, а также автокорреляцию, которые, как и кросс-секционная корреляция, мешают исследованию путем занижения стандартного отклонения, завышая t-статистики, что приводит к чрезмерному отклонению нулевой гипотезы (Kolari and Pynnцnen, 2010). Только один непараметрический тест является таким же сильным, как модифицированный BPM (Kolari and Pynnцnen, 2010), и это Rank-тест, изобретенный учеными Corrado и Zivney, и мы решили также использовать его для проверки наших гипотез. Одним из преимуществ непараметрических тестов, помимо отсутствия требования нормального распределения аномальных доходностей, является более высокая устойчивость к длинным событийным окнам.

2.2.2 Кросс-секционный регрессионный анализ

Для определения факторов, которые могли бы повлиять на величину накопленной аномальной доходности (CAR), был проведен кросс-секционный регрессионный анализ. Мы построили две регрессии. В качестве зависимой переменной в первой регрессии мы взяли CAR компаний-участников вследствие техногенных катастроф, во второй - CAR на российском рынке вследствие природных бедствий. CAR была рассмотрена на следующих окнах: для техногенных инцидентов на окне (0;2), а для стихийных бедствий на (-5:20), так как именно на этих окнах кумулятивные аномальные доходности являются наиболее значимыми (см. приложение 12 и приложение 13). Так как, судя по результатам событийного анализа, значимое влияние на рынок оказали только российские техногенные катастрофы и только зарубежные стихийные бедствия, в выборку для первой регрессии попали только российские события, тогда как для выборки по стихийным бедствиям мы использовали зарубежные события. Всего в регрессию для техногенных катастроф попало 31 наблюдение, для стихийных - 27.

Регрессия для техногенных катастроф

Переменные, включенные в регрессию для техногенных катастроф:

FATALITIES - количество жертв катастрофы

DAMAGE - материальный ущерб катастрофы (в рублях), нормированный на выручку компании

RECENT - дамми-переменная (1- событие произошло в последние 5 лет, 0 - событие произошло раньше)

VOLATILITY - уровень волатильности на рынке в день катастрофы (за последние 4 недели до катастрофы), контрольная переменная

TIME - количество времени, которое потребовалось на восстановление (в днях)

ECO дамми-переменная (1- был нанесен ущерб экологии, 0 - ущерба не было)

Волатильность была рассчитана по следующей формуле:

Где - стандартное отклонение доходности финансового инструмента за последние 4 недели до дня события,

- временной период в годах (56/365).

Материальный ущерб был выражен в рублях и при исчислении в долларах был переведен в рубли по курсу, актуальному на момент катастрофы. Экологический ущерб считался причиненным в случае его освещения в новостях. Переменная RECENT была включена вследствие того, что у нас появилось предположение о более сильной реакции рынка на события в последние годы по сравнению с ранними годам, когда рынок еще был не так развит.

...