Влияние новостей о дивидендных выплатах на цены акций (на примере нефтегазовой отрасли развивающихся стран)

- доходность рынка;

- переменная, равняющаяся для дня объявления дивиденда и всех последующих дней и равняющаяся 0 для дней, предшествующих дню объявления;

- дамми, принимающая значение 1, если фирма объявила об изменении дивиденда в день t, и значение 0 для остальных дней;

- дамми, принимающая значение 1, если фирма объявила о дивиденде в день t+k, и значение 0 для всех остальных дней;

-дамми, принимающая значение 1, если фирма объявила о дивиденде в день t-k, и значение 0 для всех остальных дней.

В статье Stevens и Jose (1992) используют коэффициент q-Тобина как меру эффективности работы менеджмента по увеличению рыночной стоимости компании (вместо классического показателя ожидаемой доходности). В качестве объясняемых переменных авторы вводят ряд показателей, отражающих дивидендную политику американских компаний за период 1972-1977 гг. Stevens и Jose (1992) оценивают следующую регрессию, ожидая, что дивидендные метрики будут иметь значительное влияние на коэффициент q-Тобина:

где q - коэффициент Тобина;

ADS - отношение расходов на рекламу к выручке;

RDS - отношение расходов на R&D к выручке;

CR - доля четырех крупнейших фирм в отраслевом объеме производства;

SG - темп прироста выручки;

B - бета-коэффициент;

POR - средний коэффициент дивидендных выплат;

SDDPS - стандартное отклонение дивиденда на акцию;

R2LDPS - R² логарифма дивиденда на акцию;

SDPOR - стандартное отклонение коэффициента дивидендных выплат;

YLD - дивидендная доходность.

Методология событийного анализа (ES) в современном видепоявилась гораздо позже регрессионного анализа. Однако первые попытки оценить реакцию рынка на новости о дивидендных выплатах были предприняты еще в начале XX в. Одной из самых ранних работ, в которой был применен прообраз ES для анализа stockdividends, является статья Livermore (1929). Livermore (1929) исследует влияние stockdividends на цены акций 38 американских компаний за период 1927-1929 гг. В качестве событийного окна был принят следующий временной отрезок: за три месяца до и через 6 недель после публикации новости о выплате дивиденда. Для каждой компании из выборки автор подобрал 12 компаний той же отрасли, которые не выплачивали дивиденды (checkinggroup, контрольная группа). Усредненная доходность акций контрольной группы сравнивалась с доходностью акций компании, объявившей о выплате дивидендов в форме акций, в пределах событийного окна.

Современная методика событийного анализа начала формироваться во второй половине XX в. Так, в статьеBothwell и Joseph (1950) изучили 7 компаний, выплачивающих регулярные дивиденды в форме акций за период 1946-1948 гг. Bothwell и Joseph (1950) рассматривали период за 90 дней до и 90 дней после даты выплаты stockdividend (событийное окно). Котировки выбранных компаний были нанесены на график вместе с Barron'sSixty-FiveCompositeStockGroup, theThirtyIndustrialStockGroup и сводным индексом акций компаний из той же отрасли (контрольные индикаторы). Bothwellи Joseph(1950) сравнили динамику котировок выбранных компаний с контрольными индикаторами, чтобы выяснить, оказывает ли выплата дивидендов в форме акций дополнительный эффект на рыночные котировки.

Еще одним примером раннего использования методики событийного анализа является статья Campbell и Beranek (1955). Авторы изучили поведение цены акций на дату, следующую после выплаты дивиденда в денежной форме (экс-дивидендная дата). Campbell и Beranek (1955) провели два теста на двух временных отрезках. Первый тест осуществлялся на данных за период 1949-1950 гг. и включал в себя 199 случаев дивидендных выплат. Второй тест проводился по 200 случаям выплат за 1953 г. Абсолютное изменение цены акции было рассчитано как разница между ценой открытия в экс-дивидендную дату и ценой закрытия в дату выплаты. Затем Campbellи Beranek(1955) сравнили изменение рыночных котировок с размером дивиденда.

ВстатьеBrownetal.(1977) исследуют 647 случаев объявления о выплате дивидендов за период 1963-1969 гг. Авторы применяют cross-sectionalmodel для очистки доходности акций от рыночных эффектов и рассчитывают накопленные средние доходности (cumulativeaveragerateofreturn, CAR) для каждого месяца событийного окна. Событийное окно принимается на уровне 12 месяцев до и 12 месяцев после месяца, в котором была опубликована соответствующая новость.

Современную методологию событийного анализа можно найти в работе Rosenfeld (1984). Автор рассматривает выборку, состоящую из случаев сокращения размера дивидендных выплат за 1950-1975 гг. Размер оценочного окна, в рамках которого рассчитывается нормальная доходность, составляет 60 месяцев до событийного окна. Событийное окно составляет 12 месяцев до и 12 месяцев после месяца, в котором была опубликована новость о сокращении дивидендов. Далее Rosenfeld (1984) рассчитывает кумулятивную среднюю остаточную доходность (Cumulativeaverageresidual, CAR), усредняет ее (Averageresidual, AR) и проводит t-тест на значимость.

Более современный вариант использования методики событийного анализа можно найти в статье Wansleyetal. (1991). Wansleyetal. (1991) проанализировали выборку, состоящую из 14601 случая изменения денежных дивидендов за период 1973-1986 гг. В качестве событийного окна принимался следующий временной отрезок: 60 дней до и 60 дней после даты объявления о выплате дивиденда. Оценочное окно составляло 130 дней до событийного окна. Для расчета показателя оценочной доходности (realizedreturn) Wansleyetal. (1991) использовали рыночную модель CAPM. Далее авторы вычислили избыточную доходность (excessreturn) как разницу между фактической и оценочной доходности в рамках событийного окна. Далее рассчитывалась усреднённая избыточная средняя доходность (averageexcessreturn). В завершение анализа Wansleyetal. (1991) рассчитали накопленную избыточную среднюю доходность (averageexcessreturn) и протестировали ее на значимость при помощи t-теста.

В качестве еще одного примера современного применения eventstudy для анализа эффекта от публикации новостей о дивидендных выплатах можно привести работуCanina (1999). В рамках событийного окна (1 день до и 1 день после даты выхода соответствующей новости) рассчитывалсялогарифм фактической рыночной доходности акции. Для расчета ожидаемой доходности (expectedreturn) Canina (1999) использовалась модель средней доходности. Оценочное окно составило 60 дней до событийного окна. Затем автор вычислил избыточную доходность (excessreturn), которая усреднялась для каждого дня событийного окна (averageexcessreturn). В завершение анализа Canina (1999) рассчитала накопленную избыточную доходность (cumulativeaverageexcessreturn) и протестировала ее на значимость при помощи t-статистики.

Таким образом, можно сделать вывод о том, что методология как регрессионого, так и событийного анализа претерпела существенные изменения с момента возникновения. С каждым десятилетием исследовательские модели все больше усложнялись, а их авторы стремились охватить как можно большие временные промежутки и добавить новые переменные, чтобы повысить качество и значимость изучаемых зависимостей.

2.2 Регрессионный анализ в изучении дивидендной проблемы

Регрессионный анализ на данный момент является самым распространенным методом анализа долгосрочного поведения цен акций под влиянием дивидендной политики компании. За многолетнюю историю научных исследований авторы разработали множество различных моделей и тестов для проверки тех или иных гипотез о факторах влияния на динамику рыночной капитализации компаний. Некоторые работы, посвященные регрессионному анализу взаимосвязи рыночной стоимости и дивидендной политики компании, будут рассмотрены ниже.

В статьеProfilet и Bacon (2013), используя данные по фондовому рынку США, предприняли попытку объяснить волатильность цен акций ряда компаний с помощью построения регрессии, в которой регрессорами являлись параметры дивидендной политики, а также ряд других контрольных переменных. Регрессионная модель оценивалась при помощи метода наименьших квадратов, а также был осуществлен t-тест для проверки регрессоров на значимость. Ниже приведена спецификация модели, разработанной авторами:

где PV - волатильность (стандартное отклонение) рыночной цены акции;

DividendYield - дивидендная доходность акции;

PayoutRatio - коэффициент дивидендных выплат;

Size - рыночная капитализация компании;

Long-termDebt - отношение долгосрочной задолженности к совокупным активам;

Growth - квартальный темп роста совокупных активов компании.

ВработеChiekиAkpan (2016) анализируютповедениеакцийкомпанийнефтегазовогосектораНигериизапериод 2009-2013 гг. Авторы строят ряд регрессий для трех выборок, в которых компании включались по критерию роста, снижения и неизменности дивидендных выплат. В качестве зависимой переменной выступает натуральный логарифм рыночной цены акции компании. Регрессорами являются показатели рыночной капитализации, дивидендной политики и риска компании. Для каждой из трех выборок Chiek и Akpan (2016) оценивают по две регрессионные модели для случаев роста (1) и снижения (2) дивиденда. Для проверки на значимость регрессии авторы применяют F-тест, а для регрессоров используют t-статистику. Также Chiek и Akpan (2016) проводят тест Дарбина-Уотсона для выявления автокорреляции первого порядка. Ниже приведены четыре регрессионные модели, рассмотренные авторами:

(1a)

(1b)

(2a)

(2b)

гдеSTOCKP - рыночная цена акции в день объявления дивиденда;

DPR - коэффициент дивидендных выплат;

PER - коэффициент цена/прибыль;

EPS - прибыль на акцию;

DIV - размер дивиденда;

PCD - процентное изменение размера дивиденда;

MBV - отношение рыночной стоимости к балансовой стоимости компании;

DC - отношение чистой прибыли компании к объему выплаченных дивидендов.

ВстатьеIqbaletal. (2016) изучают влияние дивидендной политики на цены акций Пакистанских компаний за период 2001-2014 гг. Авторы оценивают регрессию, в которой зависимой переменной является рыночная цена акции компании. В качестве регрессоров Iqbaletal. (2016) используют 6 финансовых показателей, в том числе дивидендную доходность и коэффициент дивидендных выплат. Также авторы строят корреляционную матрицу переменных и проводят тест Хаусмана для того, чтобы выяснить, какая модель более релевантна - fixedeffectmodel или randomeffectmodel. Регрессия в общем виде может быть записана следующим образом:

где MP - рыночная цена акции на закрытии торгов в последний торговый день года;

DPOR - коэффициент дивидендных выплат;

DY - дивидендная доходность;

EPS - прибыль на акцию;

LVRG - отношение долгосрочного долг к собственному капиталу компании;

SIZE - размер совокупных активов компании;

AG - темп роста совокупных активов.

ВработеOfori-Sasuetal. (2017) исследуют факторы, влияющие на капитализацию публичных компаний Ганы за период 2009-2014 гг. В качестве объясняющих переменных в регрессии используются параметры дивидендной политики, а также некоторые макроэкономические индикаторы. Авторы оценивают регрессионную модель методом наименьших квадратов, строят корреляционную матрицу Пирсона и рассчитывают VIF для выявления автокорреляции, а также проверяют регрессоры на значимость при помощи t-теста.Ofori-Sasu et al. (2017) приводят следующую спецификацию модели:

где MV - рыночная капитализация компании;

DY - дивидендная доходность;

DPS - размер дивиденда на акцию;

MPS - рыночная цена акции компании;

TAX - ставка налога на прибыль;

CTRL - натуральный логарифм совокупных активов компании.

ВстатьеKarpavic?ius и Yu (2018) строят две регрессии с time и firmfixedeffects, зависимыми переменными в которых выступают соотношения рыночной и балансовой стоимости активов и собственного капитала американских компаний за период 1972-2016 гг. Авторы используют метод наименьших квадратов и t-статистику для проверки регрессоров на значимость, а также строят корреляционную матрицу переменных. Рассматриваемые Karpavic?ius и Yu (2018) модели приведены ниже:

(1)

(2)

где MA - рыночная стоимость активов компании;

A - балансовая стоимость активов компании;

ME - рыночная стоимость собственного капитала компании;

E - балансовая стоимость собственного капитала компании;

DIVD - дамми, принимающая значение 1, если соотношение объема дивидендных выплат и балансовой стоимости активов больше нуля;

ASSETS - натуральный логарифм балансовой стоимости активов компании;

NI - чистая прибыль компании;

DEBT - совокупный долг компании;

CASH - денежные средств и их эквиваленты на балансе компании;

PPE - основные средства-нетто;

CAPEX - капитальные расходы компании;

RD - затраты на исследования и разработки;

RDD - дамми, принимающая значение 1, если информация об расходах на R&D отсутствует;

VOL - стандартное отклонение месячной доходности акций компании за последний фискальный год.

Из вышеприведённого анализа следует, что современные исследователи используют различные спецификации моделей и тесты. В качестве зависимой переменной, отражающей динамику рыночной стоимости собственного капитала компании, может выступать широкий набор финансовых показателей, а регрессорами могут являться как метрики, аппроксимирующие внутреннее финансовое положение эмитента, так и показатели макроэкономического состояния всей экономики.

2.3 Событийный анализ на текущем этапе развития

Суть современной методологии событийного анализа может быть описана следующим образом. Сначала устанавливается оценочное окно (estimationwindow), на основании которого рассчитывается «нормальное» (ожидаемое)значение доходности (expectedreturn, ER). Далее выбирается событийное окно (eventwindow), в рамках которого наблюдается эффект того или иного события. Затем вычисляется «избыточная» доходность (abnormalreturn, AR) как разница между фактической доходностью в рамках событийного окна и ожидаемой доходностью. После этого для каждого дня событийного окна рассчитывается накопленная «избыточная» доходность (cumulativeaveragereturn, CAR) и усредняется для каждого дня оценочного окна по всем наблюдениям (cumulativeaverageabnormalreturn, CAAR). В завершение анализа CAAR тестируется на значимость при помощи различных тестов. Если тесты подтверждают значимость CAAR, то делается вывод о том, что рассматриваемое событие оказало существенной влияние на котировки акций.

Пошаговая методика ES подробно описана в статье Тепловой (2008) "Влияние дивидендных выплат на рыночную оценку российских компании?: эмпирическое исследование методом событийного анализа на российских и зарубежных торговых площадках". Она включает в себя следующие шаги:

1. Определение события и установление его даты. В качестве оцениваемого события и его даты выступает дата публикации решения Совета директоров компании о выплате дивидендов в денежной форме;

2. Классификация событий. Новости о выплате дивидендов могут нести различную информационную нагрузку, поэтому все события классифицируются как «хорошие», «плохие» или «нейтральные». Классификация осуществляется по критерию сопоставимости относительного изменения дивиденда (по сравнению с предыдущим дивидендом за тот же период). Если дивиденд вырос более чем на 1%, то событие считается «хорошим». Если дивиденд был снижен более чем на 1%, то событие классифицируется как «плохое». Если изменение дивиденда находится в пределах ±1%, то событие является «нейтральным»;

3. Выбор размера оценочного и событийного окна. Оценочное окно (estimationwindow) - это период, на основании которого рассчитывается показатель «нормальной» (ожидаемой) доходности. Под «нормальной» доходностью понимается потенциальная доходность акций при условии, если бы компания не принимала каких-либо решений относительно дивидендных выплат. В рамках данного исследования событийное окно принимается на уровне 100 дней, предшествующих событийному окну. Событийное окно (eventwindow) - это период, на протяжении которого наблюдается поведение котировок акций под влиянием решения о выплате дивидендов. В данном исследовании принимается следующее событийное окно: 5 дней до и 5 дней после даты публикации соответствующей новости (0 день). Таким образом, событийное окно составляет 11 дней;

4. Расчет фактической доходности акции (). В рамках оценочного и событийного окна производится расчет обычной доходности акции на основании рыночных котировок:

где - фактическая доходность акции i-й компании в день t;

- цена акции i-й компании в день t;

- цена акции i-й компании в день t-1;

i - порядковый номер компании в выборке (i=1…n);

t - порядковый номер дня наблюдения (для событийного окна t=1…T).

5. Расчет параметров «нормальной» доходности акции. «Нормальная» доходность рассчитывается по рыночным котировкам оценочного окна. Существует множество способа ее расчета. Один из способов подразумевает вычисление средней доходности за весь период оценочного окна (средняя доходность и будет выступать в качестве «нормальной» доходности). Согласно другому подходу, необходимо использовать классическую модель CAPM. Однако в данном исследовании будет применена многофакторная модель. Многофакторная базируется на предпосылке, согласно которой на всем промежутке исследования существует зависимость между доходностью акции компании () и рыночной доходностью локального фондового индекса (), ценой нефти (), рыночной доходность фондового индекса S&P 500 () и изменением курса национальной валюты к доллару США (). Регрессия, приведенная ниже, оценивается методом МНК, а полученные коэффициентыбудут использоваться в последующих вычислениях:

где , , , и - фактические доходности в рамках оценочного окна.

6. Расчет «нормальной» доходности(). В регрессию, приведенную выше, подставляются значения коэффициентов, а значениядоходностей локального индекса, нефти, S&P 500 и валютной пары берутся в рамках событийного окна. Таким образом, для каждого дня событийного окна рассчитывается показатель «нормальной» доходности:

где - «нормальная» доходностьi-й компании в день t (t=1…T);

, , , и - доходности в день t событийного окна (t=1…T).

7. Расчет «избыточной» доходности(). Вычисляется разница между фактической и «нормальной» доходностью для каждого дня событийного окна:

где - «избыточная» доходности i-й компании в день t (t=1…T).

8. Расчет накопленной «избыточной» доходности(). Для каждого дня событийного окна рассчитывается CAR как сумма AR за предыдущие дни:

где - накопленная «избыточная» доходности i-й компании в день t (t=1…T).

9. Расчет средней накопленной «избыточной» доходности (). CAR усредняется по всем наблюдениям для каждого дня событийного окна. При этом CAAR группируются по типу событий (хорошее, нейтральное, плохое):

где N - количество наблюдений в выборке;

- средняя накопленная «избыточная» доходности i-й компании в день t (t=1…T).

10. Проведение тестов на значимость полученных результатов. Если значения AR,AAR,CAR или CAAR являются значимыми, то исследуемое событие оказывает существенное влияние на рыночную стоимость компании. Существует две категории тестов: параметрические и непараметрические. Параметрические тесты базируются на проверке нормальности распределения «абнормальных» доходностей, в то время как непараметрические тесты не учитывают тип распределения данных. Одним из самых распространенных тестов в событийном анализе является Cross-SectionalTest. Нулевая гипотеза данного теста заключается в том, что средняя накопленная «избыточная» доходность незначима (т.е. CAAR=0):

где - наблюдаемое значение тестовой статистики;

N - количество наблюдений в выборке;

- стандартное отклонение CAAR на всем промежутке событийного окна.

Со временем классическая методика событийного анализа перестала отвечать потребностям анализа современных финансовых рынков и была дополнена элементами регрессионного анализа. Регрессионные модели, в которых в качестве регрессанта обычно выступает «избыточная» доходность, позволили исследователям выявлять факторы, обуславливающие и объясняющие наличие «избыточной» доходности.

Так, Теплова (2008) дополнительно рассчитывает показатель совокупной накопленной «избыточной» доходности (totalCAR, TCAR) для каждой компании и предлагает оценить следующую регрессию:

где TCAR - сумма величин CAR для i-й компании по всем событиям в выборке;

Х1, Х2, Х3 - факторы, способные объяснить динамику TCAR (например, структура собственности, количество независимых директоров, дивидендная доходность и др.).

В статьеApGwilymetal. (2013) строят четыре регрессионные модели, в которых в качестве зависимой переменной выступает трехдневнаяCAAR (-1, 0, 1 дни). Набор регрессоров варьируется в зависимости от модели:

(1)

(2)

(3)

(4)

где Dividend_Surprise_1 - разница между дивидендами текущего и предыдущего периодов, скорректированная на split-adjustedprice за 14 дней, предшествующих объявлению о дивиденде;

Dividend_Surprise_2 - разница между фактическим и ожидаемым дивидендом, скорректированная на split-adjustedprice за 14 дней, предшествующих объявлению о дивиденде;

Earnings_Surprise - разница между фактическим и ожидаемым EPS, скорректированная на split-adjustedprice за 14 дней, предшествующих объявлению о дивиденде.

В статьеPanetal. (2014) проводят multivariateregressionanalysis для разных подвыборок, в которые включены компании, платящие и неплатящие дивиденды, осуществляющие дивидендные выплаты денежными средствами и акциями. Регрессионная модель в общем виде выглядит следующим образом:

гдеPayer - дамми, принимающая значение 1 для платящих дивиденды компаний;

EarningSurprise - разница между фактической и ожидаемой EPS;

Log(TA) - натуральный логарифм совокупных активов;

EPS - размер прибыли на акцию.

В статье Rabbani (2017) строит две регрессионные модели для того, чтобы оценить влияние размера изменения дивиденда, а также структуры собственности компании на поведение трехдневной «избыточной» доходности:

(1)

(2)

где Дdividend -изменение размера дивиденда в годовом исчислении;

familyдамми - дамми, принимающеезначение 1 дляfamily-ownedcompanies.

ВстатьеKvamvold и Lindset (2018) исследуют влияние структуры собственности компании на «избыточную» доходность в день фиксации списка акционеров, имеющих право на получение дивиденда. Авторы оценивают pooledordinaryleastsquaresregression для двух типов компаний - платящих (1) и неплатящих (2) дивиденды:

(1)

(2)

где - доходность i-й компании в t-й день событийного окна;

- средняя доходность i-й компании в пределах оценочного окна;

JAN - дамми, принимающее значение 1 для января и 0 для всех остальных месяцев;

- рыночная капитализация i-й компании в t-й день событийного окна;

- дивидендная доходность i-й компании в день t=0 (для компаний, не платящих дивиденды, переменная принимает значение средней дивидендной доходности по портфелю бумаг, платящих дивиденды);

- дамми, принимающаязначение 1, есливсписке AAII (American Association of Individual Investors) фирмаимеет DRIP (dividend reinvestment program);

- доля фондов взаимного инвестирования и институциональных инвесторов в структуре собственного капитала i-й компании.

Для выявления факторов, оказывающих значимое воздействие на краткосрочную реакцию рынка в рамках событийного окна, предлагается следующая модель (оценивается Методом наименьших квадратов):

где - «избыточная» доходность i-й компании по дивиденду jв 0 день событийного окна;

- изменение цены нефти в 0 день событийного окна;

-доходность индекса S&P 500 в 0 день событийного окна;

- дамми, принимающая значение0, если коэффициент дивидендных выплат меньше 100%, и значение 1, если коэффициент дивидендных выплат больше 100%. Коэффициент рассчитывается как отношение объема дивидендных выплат к свободному денежному потоку за период дивиденда;

- значениемультипликатора EV/EBITDAi-й компании в 0 день событийного окна (отношение стоимости компании на дату объявления дивиденда к прибыли до процентов, налогов и амортизации за последние 12 месяцев);

- натуральный логарифм рыночной капитализацииi-й компании в 0 день событийного окна;

- дамми, принимающая значение 1 для «хороших» новостей, 0 - для «нейтральных» и -1 - для «плохих»;

- дамми, принимающая значение0 для годовых дивидендови значение 1 для промежуточных дивидендов.

Для проверки модели на мультиколлинеарность (наличие линейной зависимости между регрессорами) рассчитываются коэффициенты парной корреляции между регрессорами и показатели VIF. Параметр VIFпоказывает, насколько тесно один регрессор связан с остальными переменными. Чем выше VIF, тем сильнее мультиколлинеарность (пороговое значение 5). Показатель VIFдля i-го регрессора рассчитывается по следующей формуле:

где - коэффициент детерминации, полученный путем регрессированияi-го регрессора на остальные регрессоры.

Для идентификации нетипичных наблюдений (выбросов) используются диаграммы рассеивания, а также были рассчитаны стьюдентизированные остатки (критерийвыброса: ), DFITS (критерий выброса: ), расстояние Кука (критерий выброса: ), и расстояние Велча (критерий выброса: ). Аномально высокие или низкие значения отдельных наблюдений способны искажать результаты регрессионного анализа.

Для тестирования модели на гетероскедастичность был использован тест Гольдфельда-Квандта. Гетероскедастичность означает неоднородность наблюдений, которая проявляется в неодинаковой дисперсии случайной ошибки и делает оценки неэффективными. Для проведения теста все наблюдения выборки сортируются в порядке возрастания по одному из регрессоров, затем выборка разделяется на три равные части. Для первой (min) и третьей (max) частей оцениваются регрессии, и проверяется гипотеза о равенстве остаточных сумм квадратов (при помощи F-теста). Если гипотеза не отвергается, то модель гомоскедастична (гетероскедастичностьотсутствует). Тестовая статистика рассчитывается по следующей формуле:

Таким образом, можно заключить, что современная методология ES представляет собой гибкий инструмент, позволяющий оценить то или иное корпоративное событие с различных точек зрения и предлагающий исследователю широкий набор различных тестов и моделей.



Глава 3. Анализ влияния новостей о дивидендах на котировки нефтегазовых компаний

3.1 Описание данных

В выборку исследования были включены данные по 26 нефтегазовым компаниям из 11 развивающихся стран.К отобранным компаниямотносятся PetroChina, Газпром, ChinaPetroleum&ChemicalCorp, Лукойл и др. Выборка была сформирована в соответствии со следующими критериями:

· развивающаяся страна;

· капитализация свыше 1 млрд долл.;

· наличие стабильной дивидендной политики;

· устойчивые дивидендные выплаты с 2012 г.;

· обыкновенные акции;

· ожидаемые дивидендные выплаты.

Первоначально был отобран 351 случай дивидендных выплат за период 2012-2019 гг. Однако после анализа событийного окна на наличие значимых новостей 141 наблюдение было исключено, и итоговая выборка объединила 210 дивидендных событий.На Рис. 1 представлена структура выборки событийного анализа. Из 210 событий на «хорошие» приходится 125 наблюдений, на «плохие» - 59 наблюдений и на «нейтральные» - 26 наблюдений. По периоду дивидендной выплаты выборка делится практически поровну между годовыми выплатами (98 наблюдений) и промежуточными выплатами (112 наблюдений). По количеству дивидендных выплат доминирует Россия, Пакистан и Китай.



Рисунок 1. Структура выборки событийного анализа

Для анализа были использованы котировки локальных фондовых бирж, агрегированные при помощи базы данных ThomsonReutersEikon. Для ознакомления с более подробной информацией о компанияхвыборки (тикеры, локальные индексы, рыночная капитализация) см. Приложение №1.

3.2 Событийный анализ

Эмпирическое исследование влияния новостей о дивидендах на котировки акций нефтегазовых компаний базируется на следующих гипотезах:

· Н1: «хорошие» новости приводят к возникновению положительной «избыточной» доходности. «Хорошей» новостью считается увеличение дивиденда более чем на 1% по сравнению с предыдущей выплатой за аналогичный период.

· Н2: «плохие» новости приводят к возникновению отрицательной «избыточной» доходности. Плохой новостью считается снижение дивиденда более чем на 1% по сравнению с предыдущей выплатой за аналогичный период.

· Н3: «нейтральные» новости не оказывают значимого влияния на котировки. «Нейтральной» новостью считается изменение дивиденда в пределах ±1% по сравнению с предыдущей выплатой за аналогичный период.

· Н4: в период роста цен на нефть реакция на дивидендные новости будет более выраженной, нежели в периоды спада нефтяных котировок.

· Н5: реакция на новости о промежуточных дивидендах будет сильнее, нежели реакция на новости о годовых выплатах.

Рисунок 2. Накопленная «избыточная» доходность по совокупной выборке

На Рис. 2 представлена накопленная «избыточная» доходность (CAAR), полученная по всей выборке исследования (см. Приложение №2). «Хорошие» новости привели к возникновению избыточной доходности в размере 1,04%, «плохие» новости уменьшили благосостояние акционеров на 1,41%, а «нейтральные» новости не оказали существенного влияние на динамику цен акций. Результаты полностью подтверждают гипотезы Н1, Н2 и Н3.

Полученные выше результаты лишь частично согласуются с более ранними исследованиями. Так, Теплова (2008) выявила, что рост дивидендных выплат негативно отражается на котировках, а снижение, наоборот, приводит к позитивной реакции рынка. Dar-HsinChenetal. (2009) пришли к заключению, что котировки китайских акций имеют тенденцию к росту как в случае падения, так и роста дивидендных выплат. Соломатин etal. (2014) сделали вывод, что увеличение дивидендных выплат на российском фондовом рынке приводит к падению капитализации, а снижение - к росту котировок.В то же время, немало фундаментальных исследований подтверждают полученные выше результаты. Так, Kaur (2018) подтвердил гипотезу о положительной избыточной доходности в случае новостей о росте дивидендов на фондовом рынке Индии.Balachandranetal. (2011) выявили, что на фондовом рынке Великобритании сокращение годового дивиденда на фоне роста промежуточного приводит к более негативной реакции, в то время как сокращение годовой выплаты на фоне аналогичного падения промежуточной сглаживает негативную реакцию.

Таблица 1. Тестирование на значимость накопленной «избыточной» доходности

№ дня	«Хорошие» новости	«Плохие» новости	«Нейтральные» новости
5	*	*
4	*	*
3	*	**
2	*	**
1	*	**
0	*	**
-1	*		***
-2	**
-3	**
-4
-5	**

Накопленная «избыточная» доходность была протестирована на значимость с использованием Cross-SectionalTest, результаты представлены в Табл. 1 (уровни значимости: * - 1%, ** - 5%, *** - 10%). Накопленная «избыточная» доходность для «хороших» и «плохих» новостей значима на уровне 1%, для «нейтральных» новостей доходность оказалась незначима, что подтверждает гипотезы Н1, Н2 и Н3. Более подробно с результатами тестирования на значимость можно ознакомиться в Приложении №3.

Рисунок 3. Накопленная «избыточная» доходность для 2012-2015 гг. и 2016-2019 гг.

На Рис. 3 представлена накопленная «избыточная» доходность в разбивке по двум периодам (см. Приложение №4): 2012-2015 гг. (период падения цен на нефть) и 2016-2019 гг. (период роста цен на нефть). Как в случае «хороших», так и в случае «плохих» новостей доходности разных периодов практически совпадают. Это говорит о том, что инвесторы одинаково реагируют на новости в разных фазах сырьевого цикла на рынке нефти. Таким образом, гипотеза Н4 была опровергнута.

Рисунок 4. Накопленная «избыточная» доходность для годовых и промежуточных дивидендных выплат

Рассмотрим накопленную «избыточную» доходность в разрезе дивидендного периода (см. Приложение №5). Как видно на Рис. 4, реакция рынка на увеличение промежуточных дивидендов является более сильной по сравнению с реакцией на рост годовых выплат. В то же время, инвесторы более спокойно реагируют на уменьшение промежуточных дивидендов, нежели на новости о падении годовых выплат. Таким образом, гипотеза Н5 была подтверждена для «хороших» новостей и опровергнута для «плохих».

На основании проведенного анализа можно сделать следующие выводы:

· Новости о росте дивидендных выплат в нефтегазовом секторе увеличивают благосостояние акционеров, а новости о падении дивидендов - уменьшают. Оба типа новостей оказывают значимое влияние на котировки.

· Инвесторы в равной степени реагируют на различные типы новостей, независимо от фазы нефтяного цикла.

· Рынок более выраженно реагирует на увеличение промежуточных и на падение годовых дивидендных выплат.

3.3 Регрессионный анализ «избыточной» доходности

Для выявления факторов, оказывающих влияние на «избыточную» доходность нефтегазовых компаний, была использована регрессионная модель, оцененная методом МНК (см. параграф 2.3). Регрессионный анализ был выполнен в статистическом программном пакете Stata. ВТабл. 2 приведены гипотезы и ожидаемые знаки переменных.



Таблица 2. Гипотезы регрессионного анализа

Переменная	Гипотеза	Ожидаемый знак
	Рост цены на нефть будет увеличивать «избыточную» доходность	+
	Рост индекса S&P 500 будет увеличивать «избыточную» доходность	+
	При payout выше 100% инвесторы будут негативно реагировать на дивидендные новости	-
	Высокое значение EV/EBITDA будет уменьшать избыточную доходность	-
	С ростом капитализации будет увеличиваться «избыточная» доходность	+
	Реакция на «хорошие» новости будет положительной, на «плохие» - отрицательной, на «нейтральные» - околонулевой	+
	Реакция на промежуточные дивиденды будет сильнее, нежели реакция на годовые выплаты	+

Факторы модели можно разделить на 3 группы. Параметры внешних условий (Brentи S&P 500)показывают состояние мирового рынка нефти и ключевого фондового рынка мира и в одинаковой степени должны влиять на все компании выборки. Индивидуальные характеристики компании (Payout, EV/EBITDAиLn(MCap)) отражают дивидендную политику, финансовое положение и размер эмитента. Контрольные переменные (Typeи Interim) введены для проверки результатов событийного анализа.

Выборка событийного анализа была сокращена с 210 до 169 наблюдений для проведения регрессионного анализа. В первую очередь, были исключены 24 события, для которых отсутствовали данные. После сокращения выборки до 186 наблюдений была проведена идентификация нетипичных наблюдений с использование диаграмм рассеивания (Рис. 5), стьюдентизированных остатков, DFITS, расстояния Кука и расстоянияВелча (см. Приложение №6). В результате анализа было удалено 17нетипичных наблюдений. После удаления выбросов качество модели возросло, так как скорректированный коэффициент детерминации регрессии увеличился с 14% до 19% (см. Приложение №7).Описательная статистика итоговой выборки регрессионного анализа приведена в Приложении №8.

Рисунок 5. Диаграммы рассеивания

Для проверки регрессоров модели на взаимозависимость и наличиемультиколлинеарности были рассчитаны коэффициенты парной корреляции и параметрVIF (Рис. 6). Все регрессоры характеризуются низкой степенью взаимозависимости: коэффициенты парной корреляции не превышают 0,2 в большинстве случаев. Средний по регрессорамVIFсоставил 1,09.Значения VIF ниже 5 свидетельствуют об отсутствии мультиколлинеарности в модели и устойчивости полученных оценок коэффициентов



Рисунок 6. Коэффициенты парной корреляции и VIF

В Табл. 3 представлены результаты регрессионного анализа (подробные результаты см. в Приложении №9). Регрессия в целом значима, скорректированный коэффициент детерминации составил 19,3%. ПеременныеPayout, Typeи Interimзначимы на 1% уровне значимости, S&P 500иEV/EBITDA- на 5% уровне значимости. Переменные Brentи Ln(MCap)оказались незначимы. Гипотезы подтвердились для переменных S&P 500, EV/EBITDA, Type и Interim. В случае переменной Payout ожидаемый знак коэффициента не совпал с фактическим, что свидетельствует о нерациональности инвесторов: превышение объемов дивидендных выплат над свободным денежным потоком инвесторы воспринимают позитивно. Для выявления гетероскедастичности был проведен тест Гольдфельда-Квандта, по результатам которого гипотеза о неравенстве остаточных сумм квадратовбыла отвергнута (см. Приложение №10). Модель характеризуется гомоскедастичность, что означает однородность наблюдений: дисперсия случайной ошибки одинакова и оценки эффективны. Коррекция модели не требуется.

Таблица 3. Результаты регрессионного анализа

Переменная	Коэффициент	t-статистика	Ожидаемый знак	Фактический знак
	-0,6205	-0,99	+	-
	0,2951**	2,44	+	+
	0,9711*	3,09	-	+
	-0,0546**	-2,03	-	-
	-0,0090	-0,17	+	-
	0,3967*	4,26	+	+
	0,4417*	2,69	+	+

На основании результатов регрессионного анализа «избыточной» доходности можно сделать следующие выводы:

· Ключевое влияние на реакцию инвесторов при объявлении дивидендных выплат нефтегазовых компаний оказывает динамика S&P 500, коэффициент дивидендных выплат, мультипликатор EV/EBITDA, тип новости и период дивиденда.

· Инвесторы проявляют более сильную реакцию на дивидендные новости в случае роста индекса S&P 500. Американский фондовый рынок во многом определяет динамику рынков ценных бумаг других стран, поэтому его волатильность так или иначе оказывает влияние на котировки нефтегазовых компаний по всему миру.

· Поведение инвесторов нерационально, когда объем дивидендных выплат превышает свободный денежный поток. Несмотря на то, что уплата дивидендов в долг негативно скажется на деятельности компании в долгосрочной перспективе, выплата повышенных дивидендов оказывает психологически позитивное влияние на поведение инвесторов в краткосрочном периоде.

· При более высоком значении мультипликатора EV/EBITDA реакция рынка на «хорошую» новость будет более слабой.Высокое значение мультипликатора означает, что компания оценена дорого относительно своей совокупной стоимости. Существует две основные причины такой высокой оценки. Компания может испытывать трудности, поэтому выплата дивидендов в ущерб финансовой устойчивости негативно воспринимается рынком. Эмитент также может относиться к компаниям роста, для которых традиционны высокие оценки по мультипликаторам. В данном случае инвесторы негативно отнесутся к дивидендным выплатам, так как реинвестирование прибыли в бизнес принесло бы более высокую отдачу для акционеров.

· Реакция на промежуточные дивиденды сильнее реакции на годовые выплаты. Промежуточные дивиденды служат сигналом о потенциальном увеличении/уменьшении годовых выплат. Рост промежуточных выплат намекает на не меньший рост годового дивиденда, и наоборот. Данный вывод согласуется с результатами Balachandranetal. (2011): инвесторы более сглаженно реагируют на падение годового дивиденда, если ранее была уменьшена промежуточная выплата.



Заключение

В работе был проведен комплексный анализ реакции котировок нефтегазовых компаний развивающихся стран на новости о дивидендных выплатах. Для расчета «избыточной» доходности была применена многофакторная модель. При помощи регрессионного анализа были выявлены ключевые факторы, обуславливающие реакцию инвесторов на дивидендные новости.

В ходе проведения исследования были решены следующие задачи:

1. Изучены отечественные и фундаментальные исследования по влиянию дивидендов на котировки акций.

2. Описаны различные методологии анализа влияния дивидендов.

3. Выбрана методика событийного анализа, дополненная регрессионной моделью.

4. Сформирована выборка, включающая дивидендные события нефтегазовых компаний развивающихся стран.

5. Проанализирована выборка при помощи событийного и регрессионного анализов.

По результатам исследования был сделан ряд выводов относительно реакции котировок нефтегазовых компаний развивающихся стран на дивидендные новости. Инвесторы положительно реагируют на новости о росте дивидендов и отрицательно - на новости о падении выплат. При этом новость о неизменности дивиденда по сравнению с прошлым периодом воспринимается нейтрально. Состояние мирового рынка нефти не оказывает значимого влияния на поведение котировок. Инвесторы более выраженно реагируют на новости о «хороших» промежуточных и «плохих» годовых дивидендах. Значимое влияние на «избыточную» доходность оказывает динамика индекса S&P 500, коэффициент дивидендных выплат, мультипликатор EV/EBITDA, тип новости и период дивидендной выплаты.



Списоклитературы

1. Andres, C., Betzer, A., Bongard, I., Haesner, C. and Theissen, E. (2013), "The Information Content of Dividend Surprises: Evidence from Germany", Journal of Business Finance & Accounting, 40 (5/6), 620-645.

2. ApGwilym, O., Morgan, G. and Thomas, S. (2000), "Dividend Stability, Dividend Yield and Stock Returns: UK Evidence", Journal of Business Finance & Accounting, 27 (3/4), 261-281.

3. Balachandran, B., Juthani, V., Mahamuni, M. and Vidanapathirana, B. (2011), "Price Reaction, Final Dividend Reductions and Signaling: UK Evidence", IUP Journal of Applied Finance, 17 (4), 26-37.

4. Ball, R., Brown, P., Finn, F.J. and Officer, R.R. (1979), "Dividends and the Value of the Firm: Evidence from the Australian Equity Market", Australian Journal of Management, 4 (1), 13-26.

5. Barker, C. A. (1958), "Evaluation of Stock Dividends", Harvard Business Review, 36 (4), 99-114.

6. Berezinets, I., Ilina, Y., Smirnov, M. and Bulatova, L. (2017), "How Does Stock Market React to Dividend Surprises? Evidence from Emerging Markets of India and Russia", Journal of Asia-Pacific Business, 18 (3), 153-179.

7. Berezinets, I.V., Bulatova, L.A., Ilina, Y.B. and Smirnov, M.V. (2019), "Reactions of emerging stock markets to dividend announcements during economic growth: evidence from India and Russia", Eurasian Economic Review, 9 (1), 71-89.

8. Black, F. and Scholes, M. (1974), "The Effects of Dividend Yield and Dividend Policy on Common Stock Prices and Returns", Journal of Financial Economics, 1 (1), 1-22.

9. Blume, M.E. (1980), "Stock Returns and Dividend Yields: Some More Evidence", Review of Economics & Statistics, 62 (4), 567-577.

10. Bothwell, J. C. and Joseph, C. (1950), "Periodic Stock Dividends", Harvard Business Review, 28 (1), 89-100.

11. Brown P., Finn, F.J. and Hancock, P. (1977), "Dividend Changes, Earnings Reports, And Share Prices: Some Australian Findings", Australian Journal of Management, 2 (2), 127-147.

12. Campbell, J.A. and Beranek, W. (1955), "Stock Price Behavior on Ex-Dividend Dates", The Journal of Finance, 10 (4), 425-429.

13. Canina, L. (1999), "The Market's Perception of the Information Conveyed by Dividend Announcements", Journal of Multinational Financial Management, 9 (1), 1-13.

14. Chiek, A.N. and Akpan, M.N. (2016), "Determinants of stock prices during dividend announcements: an evaluation of firms' variable effects in Nigeria's oil and gas sector", OPEC Energy Review, 40 (1), 69-90.

15. Conover, C.M., Jensen, G.R. and Simpson, M.W. (2016), "What Difference Do Dividends Make?", Financial Analysts Journal, 72 (6), 28-40.

16. Dar-Hsin Chen, Hsiang-Hsi Liu and Cheng-Ting Huang (2009), "The Announcement Effect of Cash Dividend Changes on Share Prices", Chinese Economy, 42 (1), 62-85.

17. Dielman, T.E. and Oppenheimer, H.R. (1984), "An Examination of Investor Behavior During Periods of Large Dividend Changes", Journal of Financial & Quantitative Analysis, 19 (2), 197-216.

18. Eaton, G.W. and Paye, B.S. (2017), "Payout Yields and Stock Return Predictability: How Important Is the Measure of Cash Flow?", Journal of Financial & Quantitative Analysis, 52 (4), 1639-1666.

19. Friend, I. and Puckett, M. (1964), "Dividends and Stock Prices", American Economic Review, 54 (5), 656-682.

20. Ghosh, C. and Woolridge, J.R. (1989), "Stock-market Reaction to Growth-induced Dividend Cuts: Are Investors Myopic", Managerial & Decision Economics, 10 (1), 25-35.

21. Harkavy, O. (1953), "The Relation Between Retained Earnings and Common Stock Prices for Large, Listed Corporations", Journal of Finance, 8 (3), 283-297.

22. Iqbal, S., Abbas, F. and Aziz, B. (2016), "Impact of Dividend Policy on Stock Prices: Evidence from Pakistan", IBA Business Review, 11 (2), 68-76.

23. Karpaviиius, S. and Yu, F. (2018) "Dividend premium: Are dividend-paying stocks worth more?", International Review of Financial Analysis, 56, 112-126.

24. Kaur, K. (2018), "Dividend Increase Announcement and Stock Price Reaction: CPRA Approach", IUP Journal of Applied Finance, 24 (4), 5-17.

25. Kvamvold, J. and Lindset, S. (2018), "Do dividend flows affect stock returns?", Journal of Financial Research, 41 (1), 149-174.

26. Latif, H.S., Shehzad, U., Fareed, Z., Zulfiqar, B.B. and Shahzad, F. (2014), "Does the Dividend Policy matter for influencing Stock Prices in Pakistan: Pooled OLS Regression Approach", European Journal of Economic Studies, 10 (4), 241-246.

27. Lintner, J. (1956), "Distribution of Incomes of Corporations among Dividends, Retained Earnings, and Taxes", American Economic Review, 46 (2), 97-113.

28. Liu, Y., Szewczyk, S.H. and Zantout, Z. (2008), "Underreaction to Dividend Reductions and Omissions?", Journal of Finance, 63 (2), 987-1020.

29. Livermore, S. (1930), "Value of Stock Dividends", American Economic Review, 20 (4), 687-691.

30. Michaely, R., Thaler, R.H. and Womack, K.L. (1995), "Price Reactions to Dividend Initiations and Omissions: Overreaction or Drift?", Journal of Finance, 50 (2), 573-608.

31. Modigliani, F. and Miller, M. H. (1961), "Dividend Policy, Growth, and Tide Valuation of Shares", The Journal of Business, 34 (4), 411-433.

32. Ofori-Sasu, D., Abor, J.Y. and Osei, A.K. (2017), "Dividend Policy and Shareholders' Value: Evidence from Listed Companies in Ghana", African Development Review, 29 (2), 293-304.

33. Pan, R., Tang, X., Tan, Y. and Zhu, Q. (2014), "The Chinese Stock Dividend Puzzle", Emerging Markets Finance & Trade, 50 (3), 178-195.

34. Profilet, K.A. and Bacon, F.W. (2013), "Dividend policy and stock price volatility in the U.S. equity capital market", Journal of Business & Behavioral Sciences, 25 (2), 63-72.

35. Rabbani, N. (2017), "The Announcement Effect of Cash Dividend Changes on Share Prices: Evidence from Dhaka Stock Exchange", Review of Pacific Basin Financial Markets & Policies, 20 (4), 1-19.

36. Rosenfeld, J.D. (1984), "Returns on high-quality and low-quality preferred stocks in periods of common-stock dividend reductions", Journal of Financial Research, 7 (3), 255-258.

37. Siegel, S.N. (1932), "Stock Dividends", Harvard Business Review, 11 (1), 76-87.

38. Stevens, J.L. and Jose, M.L. (1992), "The Effects of Dividend Payout, Stability, and Smoothing on Firm Value Professional Adaptation", Journal of Accounting, Auditing & Finance, 7 (2), 195-212.

39. Straehl, P.U. and Ibbotson, R.G. (2017), "The Long-Run Drivers of Stock Returns: Total Payouts and the Real Economy", Financial Analysts Journal, 73 (3), 32-52.

40. Tinbergen, J. (1939), "The Dynamics of Share-Price Formation", The Review of Economics and Statistics, 21 (4), 153-160.

41. Wansley, J.W., Sirmans, C. F., Shilling, J.D. and Young-jin Lee (1991), "Dividend Change Announcement Effects and Earnings Volatility and Timing", Journal of Financial Research, 14 (1), 37-49.

42. Корнеева А.А., Гуковская А.А. Взаимосвязь между дивидендной политикой компании и ее стоимостью // Экономический журнал. - 2013. - №3 (31) . - С. 149-154.

43. Рябова Е.В. Оценка влияния дивидендных выплат на стоимость российских компаний в нефтегазовой отрасли // Финансовая аналитика: проблемы и решения. - 2010. - №12 (36). - С. 32-38.

44. Соломатин А.В., Поляков А.А., Соломатин Я.В. Влияние объявлений о дивидендах на доходность акций российских компаний // Научно-аналитический журнал «Наука и практика» РЭУ им. Г.В. Плеханова. - 2014. - №2 (14) . - С. 5-14.

45. Теплова Т.В. Влияние дивидендных выплат на рыночную оценку российских компании?: эмпирическое исследование методом событийного анализа на российских и зарубежных торговых площадках // Аудит и финансовый анализ. - 2008. - №2. - С. 1-15.



Приложения

Приложение №1. Компании выборки событийного анализа

Компания	Страна	Тикер	Рын. кап., млрд$ (06.03.2020)	Локальный индекс
PetroChina	Китай	601857.SS	130	SSE CompositeIndex
ChinaPetroleum&ChemicalCorp	Китай	600028.SS	79	SSE CompositeIndex
Газпром	Россия	GAZP.MM	65	MOEX Index
CNOOC	Китай	0883.HK	61	SSE CompositeIndex
Роснефть	Россия	ROSN.MM	61	MOEX Index
Лукойл	Россия	LKOH.MM	57	MOEX Index
Новатэк	Россия	NVTK.MM	43	MOEX Index
PTT	Таиланд	PTT.BK	34	SET Index
Ecopetrol	Колумбия	ECO.CN	34	COLCAP Index
Газпром нефть	Россия	SIBN.MM	26	MOEX Index
Татнефть	Россия	TATN.MM	22	MOEX Index
Oil and Natural Gas Corporation	Индия	ONGC.NS	15	Nifty 50
PTT ExplorationandProduction	Таиланд	PTTEP.BK	13	SET Index
OMV Petrom	Румыния	ROSNP.BX	5,0	BET Index
Башнефть	Россия	BANE.MM	4,7	MOEX Index
PolskieGornictwoNaftoweiGazownictwo	Польша	PGN.WA	4,5	WIG 20 Index
YPF	Аргентина	YPFD.BA	3,8	MervalIndex
OilandGasDevelopment	Пакистан	OGDC.PSX	3,2	Karachi 100 index
SocietateaNationala de Gaze NaturaleRomgaz	Румыния	ROSNG.BX	3,0	BET Index
GuanghuiEnergy	Китай	600256.SS	2,9	SSE CompositeIndex
PakistanPetroleum	Пакистан	PPL.PSX	2,0	Karachi 100 index
DelekDrilling	Израиль	DEDRp.TA	1,7	TA-35 Index
OilIndia	Индия	OILI.NS	1,5	Nifty 50
MariPetroleum	Пакистан	MGAS.PSX	1,1	Karachi 100 index
NIS adNoviSad	Сербия	NIIS.BEL	1,1	Belex 15 Index
DelekGroup	Израиль	DLEKG.TA	1,0	TA-35 Index



Приложение №2. Накопленная «избыточная» доходность по совокупной выборке

№ дня	«Хорошие» новости	«Плохие» новости	«Нейтральные» новости
5	1,04%	-1,41%	-0,10%
4	1,04%	-1,24%	-0,27%
3	1,07%	-1,03%	0,02%
2	1,01%	-0,82%	-0,26%
1	1,02%	-0,79%	0,27%
0	0,83%	-0,87%	0,43%
-1	0,59%	-0,28%	0,59%
-2	0,38%	-0,13%	0,25%
-3	0,35%	-0,10%	0,24%
-4	0,12%	0,00%	0,11%
-5	0,17%	0,09%	0,05%

Приложение №3. Тестирование на значимость накопленной «избыточной» доходности

№ дня	«Хорошие» новости (n=125)	«Плохие» новости (n=59)	«Нейтральные» новости (n=26)
	у	Tнабл.	у	Tнабл.	у	Tнабл.
5	3,6	3,19	3,5	-3,1	3,2	-0,2
4	3,3	3,49	3,3

Подобные документы

• Влияние объявлений о дивидендных выплатах на цены акций российских компаний

  Обоснования 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 13.10.2016
  

• Влияние публикации финансовой отчетности на динамику цен акций российских нефтегазовых компаний в зависимости от характера новости

  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 28.09.2017
  

• Дивидендная политика предприятия ОАО "РЖД"

  Теоретические 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 24.09.2010
  

• Дивидендная политика в рамках ее финансовой стратегии организации

  Сущность и теории дивидендной политики. Основные типы. Факторы, влияющие на дивидендную политику. Анализ дивидендной политики ОАО "РЖД". Анализ развития отрасли и динамики стоимости акций. Основные направления по формированию дивидендной политики.
  
  курсовая работа [112,7 K], добавлен 27.04.2019
  

• Влияние пиратских игр на доходность акций компании (издателей)

  Определение негативного влияния пиратства, которое подрывает продажи в альтернативных магазинах. Исследование связи пиратства и доходности акций компаний. Ознакомление с количеством релизов официальных и пиратских игр. Анализ рыночной модели CAPM.
  
  дипломная работа [597,4 K], добавлен 23.08.2017
  

• Дивидендная политика российских корпораций

  Значение и типы дивидендной политики, которая оказывает существенное влияние на положение предприятия на рынке капитала, в частности на динамику цены его акций. Сравнительный анализ дивидендной политики в иностранных организациях на примере ОАО "Лукойл".
  
  курсовая работа [104,2 K], добавлен 01.07.2014
  

• Развитие российских нефтяных компаний

  Характеристика 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 23.08.2017
  

• Факторы, влияющие на формирование денежных потоков предприятий нефтегазовой отрасли (на примере ОАО"Роснефть")

  Анализ нефтегазовой отрасли в Российской Федерации. Общая характеристика деятельности ОАО "Роснефть". Анализ структуры и динамики бухгалтерского баланса. Оценка показателей ликвидности, платежеспособности данного предприятия, его денежных потоков.
  
  курсовая работа [1,4 M], добавлен 01.06.2015
  

• Процесс использования фундаментального анализа акций

  Характеристика фундаментального анализа: сущность и основные этапы. Метод дисконтированных денежных потоков и отраслевых аналогов (коэффициентов). Анализ тенденций развития межрегиональных компаний телекоммуникационного сектора на примере ОАО "Дальсвязь".
  
  курсовая работа [476,2 K], добавлен 05.11.2010
  

• Факторы, влияющие на структуру капитала компаний в российском строительном секторе

  Эмпирические исследования структуры капитала российских, зарубежных компаний. Обоснование гипотез влияния детерминант на леверидж фирмы. Регрессионный анализ с помощью моделей с фиксированными эффектами. Распределения переменных в фирмах среднего размера.
  
  дипломная работа [690,2 K], добавлен 09.09.2016
  

• Фундаментальный и технический анализ акций ПАО "АМЗ"

  Характеристика основных показателей экономики России. Описание положения в металлургической отрасли в 2016 г. Финансово-хозяйственная деятельность предприятия. Анализ трендов, линии поддержки и сопротивления выпущенных акций. Прогнозирование цены на них.
  
  курсовая работа [1,4 M], добавлен 13.10.2017
  

• Оценка операционного лизинга на основе остаточной стоимости активов и денежных потоков

  Предположения для построения модели оценки операционного лизинга. Обсуждение параметров принятия решений и специфических параметров лизинговой транзакции. Регрессионный анализ данных операционного лизинга коммерческого автомобильного транспорта Германии.
  
  контрольная работа [43,1 K], добавлен 23.09.2016
  

• Анализ долгосрочной доходности при проведении размещений акций российскими компаниями

  Мотивы и интересы сторон в размещении акций, преимущества и недостатки, процедура проведения. Особенности вторичных размещений акций (SPO). Анализ долгосрочной доходности при проведении размещений акций российскими компаниями, обзор рынка в России.
  
  дипломная работа [2,0 M], добавлен 03.07.2017
  

• Формирование дивидендной политики на предприятии

  Значение и типы дивидендной политики, этапы ее формирования и определяющие факторы. Разработка дивидендной политики предприятия: расчет, порядок и форма выплаты, уровни дивидендных выплат на одну акцию. Оценка эффективности дивидендной политики.
  
  курсовая работа [258,4 K], добавлен 10.02.2011
  

• Дивидендная политика предприятия

  Теория дивидендной политики. Ее основные типы. Внешние и внутренние факторы, определяющие дивидендную политику. Виды дивидендных выплат в организации и их источники. Влияние дивидендной политики на финансово-хозяйственную деятельность предприятия.
  
  курсовая работа [63,2 K], добавлен 19.12.2009
  

• Налогообложение в нефтегазовой отрасли

  Теоретические аспекты механизма налогообложения. Характер и способы взаимодействия налогового механизма с предприятиями нефтегазовой отрасли. Анализ технико-экономических показателей производственной деятельности УДНГ, направления дальнейшего развития.
  
  курсовая работа [195,8 K], добавлен 10.05.2014
  

• Дивидендная политика и регулирование курса акций. (Дробление, консолидация, выкуп акций)

  Дивидендная политика и возможность ее выбора. Регулирование курса акций. Порядок выплаты дивидендов. Анализ дивидендной политики ОАО "Печорская ГРЭС". Эмиссия акций предприятия. Дивидендная политика предприятия. Проблемы дробления и консолидация акций.
  
  курсовая работа [31,3 K], добавлен 30.03.2007
  

• Обоснование инвестиционного решения на примере ОАО "Северсталь"

  Анализ конкурентоспособности металлургической отрасли на примере компании "Северсталь", уровень государственного регулирования, инновационная активность; номенклатура продукции и тенденции сбыта. Оценка рентабельности, доходности акций и риска инвестиций.
  
  курсовая работа [1,2 M], добавлен 04.02.2013
  

• Дивидендная политика компании и цена акций

  Понятие дивидендной политики. Теория структуры капитала. Западный и восточный подходы. Влияние дивидендной политики на рыночную стоимость акций. Целевая структура капитала. Влияние структуры капитала на стоимость компании и ее финансовую устойчивость.
  
  контрольная работа [38,4 K], добавлен 26.09.2012
  

• Российский рынок акций: анализ и перспективы развития

  История развития финансового рынка России, сущность и виды акций. Фондовый рынок и крупнейшие эмитенты российского рынка акций, рынок акций "второго эшелона". Влияние мирового финансового кризиса на российский рынок, современное состояние рынка акций.
  
  курсовая работа [350,2 K], добавлен 18.04.2010
  

• главная
• рубрики
• по алфавиту
• вернуться в начало страницы
• вернуться к началу текста
• вернуться к подобным работам