В связи с тем, что на этапе проведения статистического анализа было выделено несколько подвыборок в зависимости от временного периода и наличия финансовой отчетности по МСФО, то и регрессии будут построены отдельно для каждой из них. При этом предполагается построить как сквозные регрессии (обозначается как logit) с учетом и без учета года, так и панельные регрессии (обозначается как xt-logit) с учетом и без учета года. Соответственно будет проводиться сравнение оценок коэффициентов четырех моделей для каждой из подвыборок. Кроме того, для сравнения чувствительности типа кредитных событий регрессии будут построены для двух вышеописанных зависимых переменных. Все это позволит выделить устойчивые результаты.

Таким образом планируется рассмотреть следующие группы (подвыборки) наблюдений, на которых будут построены регрессионные модели:

· кризис, финансовой отчетности по МСФО нет;

· кризис, финансовая отчетность по МСФО есть: с учетом и без учета финансовых коэффициентов;

· пост-кризис для всех компаний;

· пост-кризис, с учетом финансовых коэффициентов.

В общем виде сквозная регрессия будет выглядеть так:

bonds_default(k)_it = б₀ + б₁*industry_it+ б₂*A_it+ б₃*year_it+ б₄*B_it + е_it(1)

где индекс iидентифицирует наблюдение, а индекс tотвечает за год. Кроме того, bonds_default(k) отражает разные зависимые переменные: k = 1 -default, k = 2- default_status;industry - переменная, отвечающая за отраслевую принадлежность компаний; A - вектор переменных, отвечающих за структуру собственности; year- переменная, отвечающая за год (добавляется опционально); B- вектор переменных, отвечающих за показатели, источником которых является финансовая отчетность (добавляется для наблюдений, имеющих отчетность по МСФО); е - случайная ошибка.

Соответственно панельная регрессионная модель будет содержать аналогичные переменные, но будет иметь другой вид, а именно:

bonds_default(k)_it = в₁*industry_it+ в₂*A_it+ в₃*year_it+ в₄*B_it + u_it (2)

Для начала посмотрим, какой прогноз будут давать наивные модели для каждого из случаев. В соответствии с наивной моделью предсказание делается в зависимости от распределения положительных и отрицательных исходов в рассматриваемой выборке (табл. 5).

Таблица 5. Прогнозирование вероятности дефолта с помощью наивной модели

В первой подвыборке наблюдается почти равное соотношение 0 и 1, значит вероятность дефолта можно оценивать в 42%. Предполагается, что построение регрессионной модели должно повысить вероятность предсказаний. Аналогично можно предположить относительно второй подвыборки, хотя здесь большую часть, а именно 85%, выборки составляют 0. Однако в отношении пост-кризисного периода нельзя сказать, что регрессия улучшит качество предсказаний. Вероятнее всего, что модели будут незначимы.

Перейдем к построению регрессий. Результаты первой группы регрессий представлены в таблице 6.

Таблица 6. Сравнение оценок коэффициентов моделей, построенных на кризисном периоде для компаний без финансовой отчетности по МСФО

Примечание: уровень значимости: * - p<0.1; ** - p<0.05; *** - p<0.01

По данным представленным в таблице, видно, что почти все модели статистически значимы за исключением панельной регрессии без учета года (xt-logit1). В соответствии с результатами LR теста необходимо выбрать вторую панельную регрессию (xt-logit2) вместо сквозной (logit2). Основной вывод, который можно сделать из анализа результатов оценки коэффициентов, следующий: чем выше доля менеджеров или государства в структуре собственности компании, тем выше вероятность дефолта по облигациям. Однако влияние иностранцев для данной выборки незначимо. Результаты оценки модели с упорядоченной зависимой переменной в целом аналогичны и представлены в приложении 7.

В таблице 7 представлены результаты оценки второй подвыборки.

Таблица 7. Сравнение оценок коэффициентов моделей, построенных на кризисном периоде для компаний с финансовой отчетностью

Примечание: уровень значимости: * - p < 0.1; ** - p < 0.05; *** - p < 0.01

В данном случае оценивались модели для компаний, предоставляющих отчетность по МСФО, однако не учитывалась информация из этой отчетности. Однако модели, построенные на панельных данных, имеют плохое качество, о чем свидетельствуют значения p-value. Только сквозные регрессии (logit3 и logit4) можно считать статистически значимыми. Для подведения итогов по данной подвыборке будем использовать модель logit3, так как у нее ниже значение PseudoR2, чем для logit4. Здесь можно отметить, что значимое влияние на дефолт оказывают только иностранные инвесторы. При этом присутствие иностранцев в собственности снижает вероятность дефолта. Результаты оценки модели с упорядоченной зависимой переменной в целом аналогичны и представлены в приложении 7.

Теперь построим модели на той же подвыборке, но с добавлением данных из финансовой отчетности. Результаты представлены в таблице 8.

Таблица 8. Сравнение оценок коэффициентов моделей, построенных на кризисном периоде для компаний с финансовой отчетностью с добавлением финансовых коэффициентов

Примечание: уровень значимости: * - p < 0.1; ** - p < 0.05; *** - p < 0.01

Добавление финансовой информации значительно влияет на выводы. Как можно видеть, наличие финансовой отчетности позволяет перенести фокус в сторону от структуры собственности. Для компаний, перешедших на МСФО, по соотношению долг/EBITDA можно говорить об изменении вероятности дефолта: с ростом долговой нагрузки вероятность объявления дефолта увеличивается. При этом один из компонентов структуры собственности, иностранцы, имеет влияние, однако значимость сократилась. Такой результат позволяет провести различие между компаниями, совершившими и не совершившими переход на МСФО. При отсутствии финансовой отчетности по МСФО индикатором вероятности дефолта по облигациям может выступать структура собственности, а именно доля собственности государства и менеджеров. Однако раскрытие финансовой информации по МСФО позволяет куда более точно классифицировать вероятные дефолты. Отчетность компании выступает более прочным информационным «мостиком» между компанией и инвесторами. Более того, для таких компаний влияние структуры собственности отличается. Здесь большее значение имеет наличие иностранцев, нежели доля государства или менеджеров. Отметим, что данные выводы справедливы только для кризисного периода. Результаты оценки второй зависимой переменной представлены в приложении 7.

В отношении выбора наилучшей модели следует отметить следующее. По результатам LR теста нужно выбрать панельную регрессию. Поэтому в данном случае лучшей будет считаться четвертая модель (xt-logit6).

Наконец, перейдем к оценке зависимостей в пост-кризисном периоде. Сначала будет построена обобщенная модель, то есть без учета наличия или отсутствия финансовой отчетности по МСФО. Предварительный анализ показал, что разница между этими группами компаний отсутствует. Затем в модель будут добавлены финансовые показатели.

Результаты оценки обобщенной выборки представлены в таблице 9.Качество всех моделей очень низкое, о чем свидетельствует значение p-value. Это не удивительно, так как известно, что данная подвыборка почти полностью, на 94%, состоит из компаний, не объявивших дефолт. Таким образом, можно сделать вывод, что структура собственности не оказывает влияние на дефолт по облигациям в пост-кризисный период. Аналогичные результаты получены в ходе моделирования второй зависимой переменной (см. Приложение 7).

Таблица. 9. Сравнение оценок коэффициентов моделей, построенных на пост-кризисном периоде

Источник: составлено автором

Примечание: уровень значимости: * - p < 0.1; ** - p < 0.05; *** - p < 0.01

Наконец, рассмотрим результаты оценки коэффициентов моделей для выборки с добавлением финансовых данных (табл.10). Основной вывод, сделанный после оценки предыдущих моделей, не меняется. Добавление новых переменных не улучшает качество моделей. Следовательно, при любых обстоятельствах статистически значимое влияние структуры собственности на дефолт по облигациям отсутствует для российских компаний рассматриваемых отраслей. Результаты оценки второй зависимой переменной представлены в приложении 7.

Наконец необходимо проверить еще гипотезу (2.2) о квадратичном влиянии доли собственности менеджеров. Для этого построим дополнительно модель только на одной подвыборке - кризис без финансовой отчетности по МСФО. Только здесь ранее было обнаружено статистически значимое влияние доли менеджеров на дефолт. Для подвыборки кризиса с учетом финансовых коэффициентов значимого влияния соответствующей дамми переменной обнаружено не было. Поэтому и доля собственности скорее всего значима не будет. В отношении пост-кризисного периода было показано, что структура

Таблица. 10 Сравнение оценок коэффициентов моделей, построенных на пост-кризисном периоде для компаний с финансовой отчетностью по МСФО с добавлением финансовых коэффициентов

Примечание: уровень значимости: * - p < 0.1; ** - p < 0.05; *** - p < 0.01

Таким образом, квадратичную зависимость менеджеров можно проверить только для одной подвыборки - кризис без финансовой отчетности по МСФО. Соответственно предполагается использовать лучшую четырех представленных ранее моделей, а именно панельную модель с учетом года.

Результаты оценки модели с добавлением квадратичного члена представлены в таблице 11.

По результатам оценки регрессии можно сделать вывод о том, что влияние доли менеджеров на дефолт не имеет квадратичной зависимости. Отсутствие значимого влияния устойчиво, что доказывается результатами оценки второй зависимой переменной, которые представлены в той же таблице. Таким образом, гипотеза о квадратичном влиянии менеджериальной собственности на дефолт отвергается.

Таблица 11. Оценка модели с добавлением квадрата доли менеджеровдля двух зависимых переменных

Примечание: уровень значимости: * - p < 0.1; ** - p < 0.05; *** - p < 0.01

Обобщенная информация о подтверждении или отклонении всех проверяемых в работе гипотез представлена в приложении 8.

В заключение стоит еще раз обратить внимание на проблему эндогенности. Предшествующие расчеты проводились на основе предположения о том, что все независимые переменные является экзогенными, в том числе и структура собственности. Однако обзор литературы показал, что собственность компании эндогенна, то есть существует обратное влияние величины долга компании на величину доли собственности. В частности, было показано, что эндонностью характеризуется доля менеджеров (La Bruslerie, Latrous, 2012; Sun et al, 2015).

Предполагается, что в данной работе тоже имеет место эндогенность. Вполне вероятно, что менеджериальная собственность может быть эндогенной. Однако попытки борьбы с эндогенностью предприняты не были в связи с тем, что было сложно подобрать подходящий метод.

3.4 Обсуждение результатов

Результаты, полученные в ходе выполнения данной работы, подтвердили базовую гипотезу о том, что структура собственности влияет на дефолт по облигациям. Было обнаружено, что это влияние значимо только в кризисный период, в то время как в посткризисный период неплатежи по облигациям не коррелируют со структурой собственности. Существование именно такого характера зависимостей оправдано. В период кризиса, когда вероятность неплатежей сама по себе повышается, эффективность компании зависит во многом от нее и ее владельцев. Результаты данной работы показывают, что в кризисный период дефолт по облигациям не происходит беспорядочно и случайно, то есть не является событием, зависящим только от внешних по отношению к компании факторов. Наоборот, неплатежи по корпоративным займам определяются также и внутренними факторами, а именно распределением прав собственности. Различные собственники имеют разные знания и цели, поэтому действуют по-разному.

Вместе с тем, в процессе анализа собранных данных было обнаружено, что компании, не раскрывающие и раскрывающие финансовую отчетность по МСФО, характеризуются разным влиянием структуры собственности на дефолт по облигациям. Для первых значимое влияние оказывают менеджеры и государство, а для вторых - только иностранцы (слабое влияние). При этом добавление финансовой информации приводит к снижению влияния структуры собственности. В случае отсутствия финансовой отчетности по МСФО для цели прогнозирования поведения компании внешний стейкхолдер может использовать информацию о структуре собственности. Зная собственников компании, можно предположить, в чем они заинтересованы, а значит прогнозировать их действия, а также последствия, к которым они приведут. Однако обладание такой информацией, как долговая нагрузка, источником которой является отчетность по МСФО, позволяет стейкхолдеру легко предсказывать дефолт по облигациям, практически не принимая во внимание структуру собственности. Связь между долговой нагрузкой и дефолтом достаточно сильная и носит прямой характер. В более информационно открытых компаниях влияние структуры собственности на дефолт сильно снижается и выражается только через наличие иностранных инвесторов. Причина различного влияния структуры собственности может заключаться в том, что подготовка финансовой отчетности по МСФО требует от компании проведения изменений в организации ее управления и учета. В процессе перехода на МСФО компания проводит как повышение эффективности внутреннего учета, так и улучшение качества корпоративного управления. Подготовка и раскрытие отчетности по МСФО позволяет повысить инвестиционную привлекательность компании среди иностранных инвесторов. Таким образом, различия между компаниями, подготавливающими и не подготавливающими отчетность по МСФО, заключаются в предпосылках перехода на МСФО.

Регрессионный анализ показал, что в кризис при отсутствии отчетности по МСФО чем выше доля собственности менеджеров в компании, тем выше вероятность дефолта по ее облигационным займам. Получается, что компании, контролируемые в бОльшей степени ее менеджерами, больше подвержены риску неплатежей. Такая зависимость предполагает, что повышение концентрации прав собственности в руках менеджеровснижает эффективность управления компанией. Становясь все более крупным собственником компании, менеджер начинает стремиться повысить свое благосостояние, то есть получать высокие дивиденды. Однако, это со временем приводит к тому, что денежный поток для кредиторов компании (держателей облигаций) сокращается и кредитный риск растет. Все это является прямыми предпосылками дефолта по облигациям.

Аналогичный характер связи для той же подвыборки был обнаружен и между долей государства и дефолтом по облигациям. Получается, что увеличение доли госсобственности в акционерном капитале компании повышает вероятность дефолта по облигациям. С точки зрения величины кредитного риска государство оказалось неэффективным собственником. В противоположность сделанным ранее предположениям о позитивном влиянии государства на платежеспособность компании, по факту оказалось, что государство не очень беспокоится о ней. Вступая в ряды собственников компании государство скорее всего ставит перед собой цель контроля над важными для страны компаниями. Однако такой контроль не предполагает обеспечение высокой финансовой устойчивости компании, в частности платежеспособности. Таким образом, получаем высокий кредитный риск и дефолт по облигациям.

Значимое влияние наличия иностранных инвесторов было обнаружено только в кризисный период для компаний, имеющих отчетность по МСФО. Направление влияния отрицательное, что подтверждает гипотезу и предшествующие результаты - приход иностранцев способствует снижению вероятности дефолта. Однако это влияние статистически значимо только для компаний с отчетностью по МСФО. Скорее всего, это обусловлено тем, что иностранцам для анализа эффективности компании проще использовать отчетность и финансовые показатели, рассчитываемые на основе информации из нее, чем структуру собственности. Кроме того, как отмечалось ранее, переход на МСФО повышает инвестиционную привлекательность среди иностранцев. Поэтому объективно больше иностранных инвесторов будет именно в таких компаниях, а значит и влияние на ее деятельность они тоже оказывают.

В отношении посткризисного периода можно сделать однозначный вывод о том, что структура собственности не оказывает влияния на дефолт. Это было показано, как на этапе статистического анализа, так и в ходе построения регрессии. Общий процент дефолтов в этот период достаточно мал, что не позволяет делать качественные сравнения. Очевидно, что неплатежи в посткризисный период в принципе является редким явлением. Связь между структурой собственности и дефолтом даже на уровне корреляций не прослеживается. Редкие случаи неплатежей, которые имели место быть, вероятно носят случайный характер.

Кроме того, ограничением в этой работе является проблема эндогенности. Ее наличие не проверялось, попытки устранения не предпринимались.

В заключение отметим, что выводы, сделанные в результате выполнения данной работы, можно распространять в полной степени на компании рассмотренных отраслей и в меньшей степени на компании, принадлежащих отраслям с сопоставимой долей дефолтов. Это связано с тем, что изначально в выборку попали только компании с высоким процентом дефолтов по облигациям. Для компаний таких отраслей, как нефтегазовая, химическая и нефтехимическая промышленность, энергетика, связь и телекоммуникация, а также СМИ и индустрия развлечений процент дефолтов либо равен нулю, либо находится на низком уровне. Можно с большой долей уверенности предположить, что здесь структура собственности не оказывает статистически значимого влияния на дефолт. Ограниченность выводов обусловлена желанием получить подвыборку данных, содержащую как можно большую долю дефолтов, которая позволила провести регрессионный анализ.

Заключение