В данной главе рассматривается описание выбранной отрасли, сбор и анализ данных, производится описание метода решения поставленной цели, тестирование данного метода на выборках для нефтегазовых компаний и интерпретация полученных результатов.

3.1 Специфика отрасли

В качестве исследуемой отрасли была выбрана нефтегазовая отрасль, поскольку она является одной из основополагающих для экономики Российской Федерации. К тому же нефтегазовый сектор характеризуется высокой мобильностью и способностью адаптироваться к меняющимся условиям за счёт внедрения инноваций. Рассмотрим нефтегазовый сектор более подробнее.

Нефтегазовая отрасль является одной из ведущих топливных отраслей в нашей стране Проект Энергостратегии Российской Федерации на период до 2035 года (редакция от 01.02.2017) / Министерство Энергетики Российской Федерации, которая состоит из предприятий, занимающихся добычей, транспортировкой, переработкой и распределением конечных продуктов переработки нефти и газа. Именно этот сектор вносит значительный вклад в экономику нашей страны, так как формирует бюджет и баланс государственной казны за счет валютных поступлений и поддержки курса национальной валюты.

На сегодняшний день нефтегазовый сектор является одним из важнейших двигателей прогресса и главной частью экономики России, этот сектор представляет собой основу для формирования бюджета и оснащение должным финансированием остальных отраслей экономики. Топливно-энергический комплекс занимает около трети от всего промышленного производства нашей страны, следовательно, это около 15% ВВП России http://www.neftegaz-expo.ru/ru/articles/neftegazovaya-otrasl-rossii/ . Вследствие этого Россия является крайне зависимой от колебаний мировых цен на сырьевую продукцию. Так, благодаря увеличению цены на нефть в 2017 году ожидается рост ВВП страны на 2%, по мнению И. Шувалова https://www.zerich.com/analytics/current-comments/21473.html , что было подтверждено Д. Медведевым http://tass.ru/ekonomika/4206663 . Таким образом, Россия, являясь главным игроком на нефтегазовом мировом рынке, в достаточной степени увеличивает свои экономические показатели как раз посредством нефтегазового производства.

После обвала мировых цен на нефть в июне 2014 года и вплоть до 2016 года нефтегазовая отрасль претерпевала трудные времена, производились сокращения как капитальных затрат, так и количества сотрудников. Данный период также характеризуется малой степенью спроса на топливные ресурсы, а также низкой ценой на нефть. Теперь же состояние отрасли стабилизируется и выходит на новый больший, чем «доспадовый» уровень. Нефтегазовая отрасль сейчас находится в переходном периоде, вследствие развития низкоуглеродных технологий. К текущим перспективам отрасли, выделенным компанией «PricewaterhouseCoopers» http://www.pwc.ru/ru/publications/oil-industry-perpective.html , предоставляющей аудиторские и консалтинговые услуги, относятся:

1. Развитие отрасли в тенденциях экономики настоящего времени. Уменьшение волатильности для увеличения инвестиций в нефтегазовый сектор.

2. Трансформация отрасли по направлению на более меньшее использование углерода в энергосистемах.

3. Создание правительством условий для увеличения спроса на «чистую» энергию, повышения энергоэффективности и ускорения разработки инновационных технологий.

Нефтегазовая отрасль играет важную роль и по той причине, что эта отрасль является наиболее конкурентоспособной на мировом уровне. Как раз поэтому первостепенной целью развития на последующие годы является укрепление позиций России на мировой арене, следовательно, перспективы отрасли достаточно безоблачны, опасения о возращении Ирана на рынок будут являться беспочвенными http://www.neftegaz-expo.ru/ru/articles/neftegazovaya-otrasl-rossii/ .

Как было сказано ранее, главной целью нефтегазовой отрасли является достижение устойчивой рентабельности на рынке, так как нефтегазовым компаниям нужны стабильные гарантии того, что в будущем именно на их продукт будет спрос. Следовательно, компаниям придется пересмотреть свою стратегию развития и направить основные силы на создания плана по увеличению ценовой эффективности и рентабельности своего корпоративного портфеля. Также из-за сокращения штата сотрудников одним из дальнейших направлений деятельности будет являться поиск инновационных подходов для увеличения человеческого капитала внутри компании. Исходя из высокого уровня инноваций в нефтегазовом секторе, привлечение новых специалистов в данную область не вызовет затруднений, однако в связи с этим компаниям нужна более четкая и привлекательная линия деятельности. Помимо вышесказанного при современном развитии экономики требуется не только делать упор на инновации, а также и на массовое производство товаров, на отрасли и производство, что позволит обеспечить рабочими местами население.

3.2 Выборка

Для поиска данных и формирования выборки для исследования использовались следующие источники финансовых показателей: информационно-аналитический терминал Thomson Reuters Eikon, база данных RUSLANA, информационно-аналитическая система FIRA PRO, информационно-аналитический ресурс finam.ru и интернет ресурсы компаний нефтегазовой отрасли.

Изначально в выборке, которая была выгружена по российским компаниям по отрасли в Thomson Reuters Eikon, было 97 компаний. Далее производился отбор необходимых данных: неликвидные и не котирующиеся на Московской бирже компании вовсе «выбрасывались» из выборки исследования. Так, на основе предоставленных данных о котировках акций 36 компании были исключены. Среди таковых компаний были ОАО «Томскнефть ВНК», ОАО «Газпромнефть-Омск», АО «ННК-Амурнефтепродукт» и другие.

Затем рассматривался срок обращения акций на бирже, если акции не торговались последние 7 лет, то есть данные о торгах на бирже в период 2011-2017 года отсутствуют, то и такие компании не попадали в конечную выборку. К таким компаниям относились АО «ННК-Хабаровскнефтепродукт», которая торговалась в основном лишь в 2013 и единожды в 2010 и 2008 годах, ОАО "Шахта Воргашорская", данные которой имеются меньше, чем за 40 торгов за 2007-2011 года, ПАО «Саратовский НПЗ», которой торговался на бирже до 2014 года, и другие. Отсеянные компании проверялись на наличие недостающих данных о торгах на finam.ru. В итоговую выборку попали 12 российской компаний нефтегазовой отрасли:

· ПАО «Газпром»,

· ПАО «Лукойл»,

· ПАО НК «Роснефть»,

· ПАО «Татнефть» имени В. Д. Шашина,

· ПАО «Новатэк»,

· ПАО «Транснефть»,

· ПАО АНК «Башнефть»,

· ПАО «Газпром нефть»,

· ОАО «Славнефть-ЯНОС»,

· ОАО «Сургутнефтегаз»,

· ОАО «Якутская топливно-энергетическая компания»,

· ПАО «Кузбасская топливная компания».

Представленные выше компании являются лидерами по продаже нефти и газа в России, поэтому играют важную роль в судьбе нашей страны.

Одним из лидеров в данной области в нашей стране является компания ПАО «Лукойл». Деятельность данной организации можно разделить на две части: 1) разведка и добыча; 2) переработка, торговля и сбыт. По последним данным компания ПАО «Лукойл» является мировым лидером по изведанным месторождениям нефти.

Одним из главных конкурентов ПАО «Лукойл» в нефтяном секторе в России является компания ПАО НК «Роснефть». В сферу деятельности данной компании входит поиск, разведка, добыча, а также переработка ресурса и впоследствии реализация полученной нефтегазовой продукции как на территории России, так и за рубежом.

Одним из мировых лидеров в сфере добычи и реализации природного газа является компания ПАО «Газпром», которая является монополистом в нашей стране, обеспечивая Россию топливом примерно на 94%. http://www.neftegaz-expo.ru/ru/articles/neftegazovaya-otrasl-rossii/ Согласно последним данным, именно ПАО «Газпром» можно назвать крупнейшей газовой компанией во всем мире.

Периодом для исследования были выбраны года 2012-2016 гг Ранее было указано, что компании в выборке должны торговаться на бирже 2011-2017 гг, а период для исследования является 2012-2016 гг. Это объясняется тем, что событийный анализ требует набор данных не только для непосредственного события, а также для расчетного окна и окна событий, которое представляет собой период до самого события. , так как за 4 квартал 2016 года отчетность только опубликовалась на сайте в феврале-марте 2017 года, а отчетности за 1 квартал обычно публикуются в мае-июне. Данный период времени был выбран в связи с тем, что до 2012 года не все компании, входящий в первоначальную выборку, торговались на бирже.

Поскольку были выбраны квартальные отчётности о результатах финансовой деятельности компании, была использована база данных RUSLANA, откуда выкачивались квартальные данные, так как некоторые показатели отсутствуют, дополнять их приходилось вручную при помощи Интернет-ресурса FIRA PRO и сайтов выбранных компаний. Даты публикации отчетностей брались также с сайтов компаний.

Таким образом, в данном исследовании рассматривается 240 событий ().

3.3 Модель

Шаг 1. Выбор событийного окна и длины исследуемого периода.

Поскольку публикация квартальной отчетности является периодической новостью и не такой значимой, как, например, смена руководства или сделка слияния и поглощения, то стоит использовать недлительные отрезки. Также при больших отрезках времени зачастую накладываются и иные события, не относящиеся к текущей новости, которые могут влиять на динамику цен акций, то есть некие «шумы», следовательно, это еще одна причина использовать относительно короткие периоды. Таким образом, были взяты периоды для расчетного окна от -150 дней до -11, оценочное окно событий находится в периоде от -10 дня до самого события, от события и до 10 дня. На рисунке 2 можно увидеть периоды наглядно.

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Рисунок 2. Временные периоды для событийного анализа

Шаг 2. Расчет доходностей.

Расчет фактической доходности производится в каждый день событийного окна. Также для большей сопоставимости котировок акций разных компаний используется логнормальное распределение. Таким образом, используемая формула выглядит следующим образом:

(1)

где - текущая фактическая доходность, - текущая цена акции. По данной формуле рассчитывается фактическая доходность для акций компании и для Московской биржи, с целью поиска фондового индекса, то есть доходность индекса ММВБ.

Далее производится расчет нормальной доходности по рыночной модели CAPM. Под нормальной доходностью в данной работе подразумевается средняя наблюдаемая доходность за выбранный период до событийного окна. Рыночная модель подразумевает сохранение линейной зависимости между доходностью рынка и доходностью акции.

(2)

где - это нормальная доходность, представляют собой коэффициенты, построенные методом наименьших квадратов для динамики акций по данным, предшествующим событийному окну, то есть по данным из расчетного окна.

Дальнейшим пунктом первого шага является поиск сверхдоходности или избыточной доходности на каждый день событийного окна по формуле:

,(3)

где - избыточная доходность.

Затем считается кумулятивная доходность на каждый день событийного окна, что представляется собой сумму избыточных доходностей за все предыдущие дни событийного окна:

,(4)

где - накопленная избыточная доходность или кумулятивная доходность, - количество дней в событийном окне, в данной работе - 21 день. Пример расчета для одной компании можно увидеть в Таблице 2.

Таблица 2. Расчет доходностей для событийного анализа для компании ПАО «Лукойл» для публикации четвертого квартального отчета 2016 года

Источник: рассчитано автором

Уравнение CAPM для публикации отчетности за 4 квартал 2016 года компании ПАО «Лукойл» имеет вид:

(5)

На рисунке 3 видно, что за 3 дня до объявления новости избыточная доходность резко выросла, а после дня самой публикации отчета пошла на спад в сторону нормальной цены без каких-либо отклонений. Таким образом, с помощью событийного анализа можно увидеть качественный сдвиг в ценообразовании акции ПАО «Лукойл» на российском рынке.

Рисунок 3. Динамика кумулятивной избыточной доходности акций ПАО «Лукойл» для событийного окна, построенного для публикации отчетности за четвертый квартал 2016 года

Источник: составлено автором

Накопленная избыточная доходность для иных компаний по публикациям отчетностей (Приложение 1) также демонстрирует на окне событий (10 дней до событий, 10 дней после события) изменения котировок акций, а в день самого события происходит резкий скачок либо падение цены акции. Увеличение или уменьшение стоимости акции оказалось в прямой зависимости от характера новости. Таким образом, если опубликованная отчетность является «положительной» для инвесторов, то избыточная доходность представляет собой растущий график в период до публикации отчетности, при характеристике отчетности как «негативной» публикации данного события вызывала падение накопленной избыточной доходности. Однако в некоторых случаях, как при публикации отчетности за третий квартал 2015 года у ПАО «Газпром нефть», не подтверждается вышесказанное, так как публикация финансовой отчетности являлась «положительной» новостью, а избыточная доходность демонстрирует падение. Таким образом, этим можно характеризовать, как некий выброс из основной выборки.

Рисунок 4. Динамика кумулятивной избыточной доходности акций ПАО «Газпром нефть» для событийного окна, построенного для публикации отчетности за третий квартал 2015 года

Источник: составлено автором

Шаг 3. Агрегирование значений для каждого из типов отчетностей (хороший/плохой/нейтральный).

На данном шаге происходит деление полученных результатов по принципу: оправдались ли ожидания инвесторов или нет. Таким образом, новость относилась к той или иной группе в зависимости от значения . Если избыточная доходность была больше нуля, то данное событие считалось «положительным». Если меньше нуля и равно нулю, то «отрицательным» и «негативным», соответственно.

Далее проводится объединение значений кумулятивных избыточных доходностей по всем событиям выборки. Суммируются по датам событийного окна значения по всем двенадцати компаниям. Затем рассчитывается среднее значение кумулятивной избыточной доходности () по всем событиям для каждого дня событийного окна. Полученные результаты в рамках исследования приведены в Таблице 3.

Таблица 3. Кумулятивная избыточная доходность для всех событий в выборке по тональности публикаций (характер упоминания: негативный/позитивный)

Источник: рассчитано автором

Как мы видим в Таблице 3 нет графы «нейтральное событие» это объясняется тем, что в данный период у выбранных компаний суммировано никогда не совпадали ожидаемые показатели с фактически полученными, то есть либо были больше ожидаемого уровня, либо меньше. По рисунку 5 можно увидеть, как в динамике изменялась кумулятивная сверхдоходность по всем компаниям. Очевидно, что негативно и позитивно оцененные новости примерно симметрично расположены относительно оси х.

Рисунок 5. Динамика кумулятивной избыточной доходности для всех событий в выборке по тональности публикаций (характер упоминания: негативный/позитивный)

Источник: составлено автором

Шаг 4. Гипотезы.

Для осуществления поставленных целей в начале работы, необходимо выделить и проверить следующие гипотезы, которые показывают, существует ли влияние публикации финансовой отчетности на цену акции:

1. Накопленная сверхдоходность положительного события больше нуля, отрицательного - меньше.

2. Существует асимметрия реакции рынка на положительные и отрицательные новости: в день публикации отчетности реакция на негативные события больше, чем на положительные.

Для проверки нулевой гипотезы о том, существует ли вообще наличие зависимости публикации новости на изменение цены акции, необходимо проверить следующее:

Для того, чтобы проверить значимость данной гипотезы, необходимо использовать t-статистику:

,(6)

рассчитывается, как

(7)

где - дисперсия накопленной сверх нормальной доходности, - дисперсия статистической ошибки регрессии.

Нулевая гипотеза не отвергается в том случае, если значение t - статистики будет меньше или равно значению t критического, представленного в таблице распределения Стьюдента. В этом случае, можно будет сказать, нет никакого эффекта на стоимость акции от публикации новости. В случае, если значение t-статистики будет больше, чем значение t-критического, то тогда можно будет утверждать, что существует статистически значимое влияние наличия события на изменение стоимости акции.

Для того, чтобы поверить различия средних абсолютных значений сверхдоходности в день объявления новости, которые наблюдаются при реакции на негативные и положительные новости, необходимо применить метод дисперсионного анализа, который использует F-статистику.

Проверялись следующие гипотезы:

Для нахождения F-статистики была использована следующая формула:

,(8)

где - среднее всей выборки, - среднее подвыборки, k - количество факторов, N ? количество наблюдений, X - значение наблюдения, - количество наблюдений в подвыборке.

Далее проводилось сравнение полученного значения F-статистики с критическим значением. В случае, если данное значение превысило критическое значение, то нулевая гипотеза отвергалась.

После проведенной первой части исследования были получены данные, что асимметрия относительно эмоционального окраса публикации отчетности все-таки существует. Теперь же обратим внимание на то, какие именно факторы квартальной отчетности компаний влияют на изменение цены акции при помощи корреляционно-регрессионного анализа на втором этапе.

Шаг 5. Проверка влияния показателей отчетности на динамику цен акции.

На данном шаге строится регрессионная модель, где зависимой переменной является показатель общей кумулятивной избыточной доходности . Таким образом, будет проводиться регрессия на панельных данных, имеющая вид:

,(9)

где - общая величина по всем событиям выборки, - финансовые показатели из квартальной отчетности, которые оказывают влияние на мнение инвесторов относительно компании.

Шаг 6. Данные для регрессии.

В качестве данных для регрессии брались не абсолютные показатели из отчетностей, а определенные коэффициенты, построенные на основе данных этих отчетностей. Главной причиной использования финансовых коэффициентов, а не прямых показателей является то, что при использовании данных из балансов возникала высокая взаимозависимость между переменными, что повлекло бы за собой впоследствии мультиколлинеарность. Так, были выбраны 9 коэффициентов, которые в наибольшей степени демонстрируют то, на что инвесторы акцентируют свое внимание при использовании финансовой отчетности компании.

Таблица 4. Используемые финансовые показатели и их интерпретация

Источник: составлено автором

Шаг 7. Мультиколлинеарность данных

Чтобы изначально избавиться от мультиколлинеарности в модели, следует исследовать регрессию на взаимозависимости между переменными. На данном шаге будет использоваться ранговый корреляционный анализ по методу Спирмена, рассчитываемый по формуле:

, (10)

Где - это ранговый коэффициент корреляции Спирмена, - количество наблюдений, - ранги наблюдений. Данный коэффициент измеряется в диапазоне от -1 до +1. При значении коэффициента больше 0,7 считается, что переменные имеют слишком высокую зависимость, что повлечет за собой мультиколлинеарность модели. В Таблице 5 приведены результаты данного анализа. Как мы видим, все показатели корреляции меньше 0,7, что позволяет дальше работать с данными, так как низкие коэффициенты в данном анализе показывают отсутствие линейной зависимости между показателями.

Таблица 5. Корреляционная матрица Спирмена

Источник: рассчитано автором

Шаг 7. Регрессия.

На данном шаге будет производиться построение регрессии панельных данных для 12 компаний в течение 2012-2016 годов для ежеквартальных публикаций отчетов, которая первоначально принимает следующий вид:

(11)

Таблица 6. Регрессия с полной выборкой

Источник: рассчитано автором

Так как на 10% уровне часть показателей является незначимыми, то затем шаг за шагом исключались наиболее незначимые показатели, пока не остались только значимые на 10% уровне переменные. Так, дальнейшим пунктом будет «прогон» регрессии без коэффициента К6, так как показатель вероятности получился самый больший из всех и демонстрирует незначимость. Проведя исключение из регрессии всех незначимых переменных, была получена итоговая регрессия, выражающая зависимость общей величины по всем событиям выборки от параметров. Таким образом, итоговый вид регрессии следующий:

(12)

В соответствии с полученными результатами на величины оказывают влияние такие переменные, как и , то есть коэффициенты рентабельности капитала и достаточности или избыточности величины денежных средств. Следовательно, при увеличении на единицу коэффициента рентабельности (К4) или достаточности или избыточности величины денежных средств (К5) происходит уменьшение общего значения по всей выборке на 45,54 и 22,36 процентных пунктов, соответственно.

Таблица 7. Итоговая модель регрессии

Источник: рассчитано автором

3.4 Результаты