3.2 Описание используемых данных
Базой данных для нашего исследования выступают провайдер финансовой информации Yahoo Finance, Финам, а также сайт Центрального Банка РФ.
В работе используются данные в период с 2006 по 2016 годы с целью максимально охватить возможные экономические шоки и провести доскональный анализ российского рынка капитала. Более ранний период невозможно исследовать в связи с отсутствием финансовых данных. В качестве исходных данных используются дневные цены закрытия обыкновенных акций. Общий формат пакета данных можно представить в виде таблицы по дневным ценам открытия, закрытия, минимальной и максимальной ценам для каждой акции, входящей в индекс ММВБ50.
Рис. 6. Общий формат данных по дневным ценам обыкновенной акции компании "Газпром" в период с 23 по 27январь 2016 года.
Источник: выполнено автором
Выбор акций, входящих в индекс ММВБ, прежде всего связан с желанием снизить влияние степени неликвидности на цену акций, соответственно на их доходность и способность выявить календарный эффект. Стоит отметить, что в выборку входят не все 50 акций, входящие в индекс в связи с тем, что к началу рассматриваемого нами периода в индекс не включались некоторые из них. (Список используемых в исследовании компаний приведен на рис. 7.) Итого были выбраны 20 компаний в том числе Газпром, Сургутнефтегаз, Аэрофлот, Сбербанк и так далее. Согласно приведенной на рис. 7 информации, Среднее значение доходностей акций компаний из выборки в рассматриваемый нами период варьируется в пределах [-0.02%; 0.05%] дневных, что свидетельствует в пользу как снисходящего, так и восходящего трендов котировок с 2006 года. В целом доходности практически всех акций компаний, рассматриваемых нами, в 50% случаев не превышают .
Похожесть результатов описательной статистики у большинства компаний объясняется нивелированием шоков в доходностях путем рассмотрения длительного периода времени. Также стоит учесть тот факт, что у многих акций 3-ий квантиль доходностей больше, чем модуль 1-ого квантиля, что является сигналом о росте котировок во времени.
Далее рассмотрим анализ эконометрических моделей и исследуем наличие календарных эффектов. Все подсчеты и анализ эконометрических моделей будет производиться на языке программирования R.
Рис.7 Описательная статистика и список компаний, используемых в исследовании (в %/100)
Источник: выполнено автором
Для всех моделей, описанных далее в работе, были проведены тесты на гетероскедастичность и мультиколлинеарность, таким образом, все результаты представлены уже после соответствующих корректировок.
3.3 Исследование календарных эффектов на примере российского фондового рынка
Для начала займемся исследованием дневных данных для тестирования дневных календарных эффектов. Для выборки данных для российского фондового рынка используем регрессионные модели, описанные ранее.
Рассмотрим рис. 8, на котором изображены результаты тестирования регрессионной модели, в которой доходность нашего портфеля регрессировалась на дамми-переменные, принимающие значение 1 для определенного торгового дня недели. Согласно полученным выводам, на российском фондовом рынке не наблюдался ни один из дневных календарных эффектов, включая эффект понедельника и конца недели. Тем не менее, доходность пятницы (коэффициент intercept, так как введение 5 дамми-переменных привело бы к появлению мультиколлинеарности) в среднем превышает доходности остальных дней недели, но данный эффект не значим. Одновременно, доходность вторника близка к статистической значимости в 10%, притом доходность в этот день отрицательная. Это может быть объяснено относительным спадом активности торговли во вторник по сравнению с понедельником в связи с тем, что в понедельник использовались практически вся свободная ликвидность, накопившаяся после выходных.
Согласно информации из второй таблицы, эффект понедельника и конца недели также незначимы.
Рис. 8. Результаты тестирования дневного календарного эффекта без учета факторов риска на российском фондовом рынке (в % дневной доходности).
Источник: выполнено автором
Однако, учет рыночного фактора риска привел к сильному смещению результатов. Согласно предоставленной информации на рис. 9, на российском фондовом рынке наблюдается эффект понедельника и конца недели: коэффициенты перед регрессорами Mondayи Intercept статистически значимы на уровне 5%, притом в пятницу в среднем доходность акций составляет около -0.038% дневных, когда как в понедельник +0.03%, что согласуется с результатами ранних исследований и не отвергает наши гипотезы о существовании дневных календарных эффектов на российском фондовом рынке.
Рис. 9. Результаты тестирования дневного календарного эффекта с учетом фактора рыночного риска на российском фондовом рынке (в % дневной доходности).
Источник: выполнено автором
Стоит отметить, рыночный фактор статистически значим при любом разумном уровне значимости. Коэффициент Market_prem является аналогом беты в модели CAPM: его положительное значение свидетельствует о том, что в среднем ковариация между доходностью нашего портфеля и всего рынка положительная; значение, большее 1 сообщает нам, что наш портфель менее диверсифицирован по сравнению с рыночным портфелем.
Далее учет фактора размера, рассчитываемого, как разность доходностей портфелей из компаний с высокой и низкой капитализацией (в итоговой выборке 20 компаний), привел к получению следующих результатов. Эффект размера на российском рынке капитала статистически значим, свидетельствует о требовании участниками рынка положительной премии за принятие риска ликвидности. Учет эффекта размера немного сместил результаты тестирования дневных календарных эффектов, однако, статистическая значимость эффекта понедельника и конца недели также не изменилась.
Вторая таблица из рис.10 приводит результаты тестирования дневных календарных эффектов с учетом состояния рынка и коэффициента Market_negative перед дамми-переменной, принимающей значение 1 в случае, если доходность рынка отрицательная, и 0 в противном случае. Мотивация добавления такого коэффициента ранее объяснялось возможным наличием несимметричной реакции рынком отрицательных и положительных новостей. Результаты тестирования модели свидетельствуют в пользу статистической незначимости состояния рынка (на траектории экономического роста или падения) и знако-направленности доходности рынка на доходность нашего портфеля. Учет таких параметров риска приводит к смещению результатов тестирования дневных календарных эффектов - эффект конца недели (коэффициент Intercept) статистически незначим.
Рис. 10. Результаты тестирования дневного календарного эффекта с учетом фактора рыночного риска, эффекта размера, состояния экономики на российском фондовом рынке (в % дневной доходности).
Источник: выполнено автором
Стоит отметить, что наиболее полными и отражающими действительность результатами тестирования дневных календарных эффектов являются приведенные в первой таблице рис. 10, так как все использованные в этой модели факторы риска являются значимыми (во второй таблице фактор состояния экономики является незначим, к тому же его добавление приводит к потере значимости эффекта конца недели. Объяснение такого результата может быть связано с неоднородностью степени реакции на новости).
Анализируя все полученные результаты, отметим, что на российском рынке капитала в рассматриваемый нами период присутствовал эффект понедельника и конца недели, однако их экономическая значимость не такая высокая. Появляется вопрос: почему же в течение долгого времени существуют данные эффекты? Ответ на данный вопрос кроется в специфике торгов на фондовом рынке. Скорее всего, значимость наших результатов исчезает после корректировок на транзакционные издержки, такие как комиссия брокера и т.д.
Действительно, подробный анализ брокерских тарифов на российском рынке капитала свидетельствует в пользу данной гипотезы - минимальная комиссия за оборот обнаружена у компании "БКС Брокер" в пакете "Маржинальный турбо" и равняется 0.0195% с сделки[25]. Так как мы предполагаем, что инвесторы при совершении сделок для фиксации прибыли выполняют две операции - открытии и закрытии позиции, то данная комиссия удваивается и составляет 0.039%, что нивелирует экономическую значимость найденного нами календарного эффекта.
Рис. 11. Результаты тестирования месячного календарного эффекта без учета факторов риска (в %/100 месячной доходности).
Источник: выполнено автором
Далее рассмотрим результаты тестирования месячного календарного эффекта путем исследования похожих регрессионных моделей. На рис. 11 изображены выводы по регрессионной модели зависимости доходности портфеля от дамми-переменных, принимающих значение 1 для определенного месяца и 0 в противном случае, без учета факторов риска. Согласно этим результатам, на российском фондовом рынке наблюдается только эффект февраля, который статистически значим и превышает среднегодовые доходности на 2-3% месячных. Стоит также заметить, что в среднем в декабре (конец финансового года) наблюдаются отрицательные доходности, что также согласуется с нашей гипотезой о наличии месячного календарного эффекта на российском фондовом рынке.
Учет в регрессионной модели фактора рыночного риска приводит к смещению результатов тестирования месячного календарного эффекта на российском фондовом рынке.
Рис. 12. Результаты тестирования месячного календарного эффекта с учетом фактора рыночного риска (в %/100 месячной доходности).
Источник: выполнено автором
Согласно информации, предоставленной на рис. 12, рыночный фактор на российском рынке капитала статистически значим на любом разумном уровне значимости. Его значение меньше 1, что свидетельствует в пользу того, что волатильность нашего портфеля чуть меньше, чем волатильность рыночного портфеля, так как в наш портфель включены наиболее капитализированные и ликвидные акции, уровень риска которых в среднем меньше, чем уровень риска всего рыночного портфеля. Подтерждением этого факта также является статистическая отличность от 1 (с вероятностью 95% коэффициент перед регрессором Market_prem принимает значения в пределах 0.82-0.93)
Также стоит заметить, что введение рыночного фактора в модель привело к появлению статистической значимости доходностей с апреля по июль, притом доходности в среднем ниже, чем среднегодовые.
Рис. 13. Результаты тестирования месячного календарного эффекта с учетом фактора рыночного риска и эффекта размера компании (в %/100 месячной доходности).
Источник: выполнено автором
Далее учет фактора размера (рис. 13), рассчитываемого, как разность доходностей портфелей из компаний с высокой и низкой капитализацией (в итоговой выборке 20 компаний), привел к получению следующих результатов. Эффект размера на российском рынке капитала статистически значим, свидетельствует о требовании участниками рынка положительной премии за принятие риска ликвидности. Учет эффекта размера немного сместил результаты тестирования дневных календарных эффектов, однако, статистическая значимость доходностей с апреля по июль практически не изменилась.
Рис. 14. Результаты тестирования месячного календарного эффекта с учетом фактора рыночного риска и эффекта размера компании и состояния рынка (в %/100 месячной доходности).
Источник: выполнено автором
Рис. 14 приводит результаты тестирования месячных календарных эффектов с учетом состояния рынка и коэффициента Market_negative перед дамми-переменной, принимающей значение 1 в случае, если месячная доходность рынка отрицательная, и 0 в противном случае. Мотивация добавления такого коэффициента ранее объяснялась возможным наличием несимметричной реакции рынка на негативные и позитивные новости. Результаты тестирования модели свидетельствуют в пользу статистической незначимости состояния рынка (на траектории экономического роста или падения) и знако-направленности доходности рынка на доходность нашего портфеля. Учет таких параметров риска приводит к смещению результатов тестирования дневных календарных эффектов - эффект конца недели (коэффициент Intercept) статистически незначим.
Итак, исходя из всего вышесказанного стоит отметить, что на российском рынке капитала статистически значимый календарный эффект в такие месяцы, как апрель-июль, что может быть объяснено снижением деловой активности на рынке в данный период.
Полученные в исследовании результаты сравним с выводами из других работ. Как было отмечено ранее, в работе Курашинова [2004] был обнаружен статистически значимый отрицательный эффект среды, доходность акций в этот день недели в период с 1998 по 2003 год была равна -0.24% дневных[1]. В то же время иных статистически значимых дневных календарных эффектов не было обнаружено. Результаты нашего исследования свидетельствуют в пользу существования эффекта понедельника с доходностью 0.056% дневных и эффекта конца недели с доходностью -0.026% дневных. Стоит заметить снижение средних доходностей акций в рассматриваемый нами период с 2006 по 2016 года по сравнению с периодом с 1998 по 2003 год. Это прежде всего связано с такими факторами, как сокращение темпов роста экономики России (вплоть до ее рецессии в 2008, 2015-2016 годах).