Оценка рисков при инвестировании

Введение

1.1 Обзор исследований, посвященных анализу спреда доходностей облигаций

1.2 Обзор исследований, направленных на выявление специфических факторов, влияющих на премию за риск

2. Разработка модели оценки факторов, влияющих на премию за риск инвестирования в российские корпоративные облигации

2.1 Краткий обзор российского рынка облигаций

2.2 Определение факторов, влияющих на премию за риск

3. Модель оценки факторов, оказывающих влияние на премию за риск инвестирования в российские корпоративные облигации

3.1 Анализ данных и построение модели

Анализ исследований премии за риск при инвестировании в корпоративные облигации, их содержание и оценка полученных результатов. Краткий обзор российского рынка облигаций. Определение факторов, влияющих на премию за риск, интерпретация результатов.

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Главная База знаний "Allbest" Менеджмент и трудовые отношения Оценка рисков при инвестировании

Рубрика	Менеджмент и трудовые отношения
Вид	дипломная работа
Язык	русский
Дата добавления	19.09.2016
Размер файла	2,0 M

посмотреть текст работы

скачать работу можно здесь

полная информация о работе

весь список подобных работ

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Страница:

Размещено на http://www.allbest.ru/

риск инвестирование корпоративный облигация

Инвестирование в облигации представляет собой вложение денежных средств с целью получения дохода, а также подразумевает собой принятие на определенного риска. При решении о вложении средств в корпоративные облигации инвесторам следует понимать соотношение риска и доходности бумаги. Государственные облигации принято считать более надежными, но менее доходными. Инвесторы, желающие получить более высокую доходность, подвергают свой капитал большему риску, за что получают определенную премию за риск - высокую доходность.

Премия за риск - это спред доходностей между ожидаемой и безрисковой доходностью. Премия за риск показывает дополнительную доходность за вложение средств в активы с определенным уровнем риска по сравнению с безрисковыми государственными облигациями.

Актуальность темы исследования обусловлена тем, что в меняющихся экономических условиях инвесторам следует понимать соотношение риска и доходности облигаций, и в соответствии с этим правильно оценивать факторы, влияющие на премию за риск инвестирования в российские корпоративные облигации.

В данной работе были использованы научные труды исследователей: F. Fabozzi, R. Wilson, А. Damodaran, L. Fisher, W. Beaver, E. Altman, J. Campbell, G. Taskler, F. Relly, D. Wright, M. Fridson, C. Garman, L. Thomas, S.F. Bennet, C.G. Roth и многих др.

Целью данного исследования является оценка факторов, влияющих на премия за риск инвестирования в корпоративные облигации.

На основе намеченной цели были поставлены следующие задачи:

- провести анализ исследований, посвященных изучении и определении факторов, оказывающих влияние на премию за риск;

- отобрать выборку по российским облигациям;

- выявить ряд факторов, обладающих значимым влиянием на премию за риск;

- разработать модель и алгоритм выявления факторов, влияющих на премию за риск;

- построить модель оценки факторов, оказывающих влияние на премию за риск для исследуемых облигаций;

- провести анализ полученных результатов модели и выявить наиболее значимые факторы, которые влияют на премию за риск.

Объектом исследования выступает премия за риск как один из основных факторов, определяющих доходность инвесторов.

Предметом исследования является разработка модели оценки факторов, влияющих на премию за риск инвестирования в корпоративные облигации.

Данная работа состоит из трех глав, заключения, списка использованной литературы и двух приложений.

В первой главе рассмотрены научные труды, посвященные изучению спреда доходности корпоративных облигаций и оценке факторов, влияющих на премию за риск, приведены теоретические и эмпирические исследования, представляющие выявление и определение одного или несколько наилучших переменных, определяющих зависимость спреда доходностей облигаций.

Вторая глава посвящена разработке модели оценки факторов, влияющих на премию за риск инвестирования в корпоративные облигации, а также описанию отобранных факторов и выдвигаемых гипотез.

Третья глава посвящена построению модели оценки факторов, влияющих на премию за риск инвестирования в корпоративные облигации и приведена интерпретация полученных результатов.

1. Анализ исследований премии за риск при инвестировании в корпоративные облигации

Данное исследование посвящено оценке факторов, влияющих на премию за риск инвестирования в корпоративные облигации. Именно поэтому ниже будут рассмотрены научные работы, в которых использованы различные подходы к выявлению и оценке тех или иных факторов, оказывающих влияние на премию за риск.

Как известно, инвестирование в облигации представляет собой вложение денежных средств с целью получения дохода. При принятии решения о вложении средств в корпоративные облигации следует понимать соотношение риска и доходности бумаги, а также вероятность выигрыша или потери средств.

Согласно Дамодарану актив считается безрисковым в том случае, если полностью отсутствуют риск дефолта. Принято считать, что государственные облигации являются более надежными, но менее доходными. Это объясняется тем, что государство обладает возможностью печатать деньги, что и является основной причиной определения «безрисковых» бумаг. (Дамодаран, 2008).

Процентные ставки на казначейские бумаги считаются минимальной процентной ставкой, которую инвестор ожидает получить от этого вложения. Эту ставку также называют базовой процентной ставкой или эталонной ставкой, которая представляет собой доходность к погашению самой последней по времени выпуска (Фабоцци, 2007).

При описании процентных ставок на облигации следует понимать спред ставок между корпоративными и казначейскими облигациями последнего выпуска. Другими словами, спред доходностей определяется как премия за риск представляет собой дополнительный риск, которому инвестор подвергает свой капитал. Фабоцци (2007) определяет процентные ставки на корпоративные облигации таким образом:

Базовая процентная ставка + спред (премия за риск)

То есть, спред, возникающий между ожидаемой и безрисковой доходностью, называется премией за риск.

Таким образом, при принятии решении об инвестировании в корпоративные облигации инвестор, осуществляя вложения в облигации, ориентируется на минимальную процентную ставку. Инвесторы, желающие получить более высокую доходность, подвергают свой капитал большему риску, за что получают определенную премию за риск - высокую доходность.

В зарубежной научной литературе большое количество исследований посвящено анализу спреда доходностей корпоративных облигаций. Согласно многим проведенным эмпирическим исследованиям было получено, что историческая доходность по корпоративным облигациям значительно выше доходности казначейских ценных бумаг. Ряд исследователей предпринимали попытку объяснить этот спред, возникающий между ними, с помощью множества методов и моделей, которые демонстрируют различные факторы, влияющие на премию за риск. Суть этих методов и подходов заключается в выявлении и определении одного или несколько наилучших переменных, определяющих зависимость спреда доходностей облигаций.

Одним из первых эмпирических исследований, направленных на выявление переменных величин доходности облигаций, по праву, считается работа Фишера. В своей работе он предпринял попытку определить факторы, которые оказывают наиболее сильное влияние на премию за риск. Им была сформулирована и эмпирически доказана гипотеза о том, что премия за риск имеет прямую связь с риском дефолта фирмы и ликвидностью ее облигации.

В своем анализе Фишер использовал выборку облигаций промышленных компаний за период 1927-1953 гг. В итоге Фишер выявил четыре важных финансовых показателя компании, которые, по его утверждению, объясняли риск дефолта компании:

- колебания чистого дохода;

- продолжительность платежеспособности;

- отношение рыночной стоимости акционерного капитала фирмы к номинальной стоимости задолженности фирмы;

- ликвидность облигаций.

После проведенного им анализа было выявлено, что именно на вышеперечисленные факторы приходилась большая часть вариаций в премиях за риск по корпоративным облигациям.

Данная работа Фишера послужила основой для будущих исследований, посвященных на выявление и оценку факторов доходности корпоративных облигаций.

При вложении в корпоративные облигации следует принять во внимание то, что любая облигация включает в себя вероятность наступления случая дефолта, когда компания не в силах погасить свои обязательства. Вследствие этого проблема преждевременного выявления банкротства является одной из основных тем множества исследований.

Так, У. Бивер (1966) предложил модель преждевременного выявления банкротства, где им был использован одномерный дискриминантный анализ. Автор проанализировал и сравнил финансовые показатели обанкротившихся компаний с показателями тех компаний, которые не являлись банкротами. Выборка компаний производилась по сопоставимым размерам активов и роду деятельности, и, в итоге, было отобрано более 150 компаний.

В своей модели Бивер выделил 30 финансовых коэффициентов и условно разделил их на 6 основных групп:

· движение наличности;

· чистые доходы;

· обязательства к суммарным активам;

· ликвидные активы к суммарным активам;

· ликвидные активы к текущей задолженности;

· возвратность.

Ниже представлена таблица 1 с анализируемыми переменными:

Таблица 1.

В ходе сравнения вышеперечисленных показателей между компаниями автором было отмечено, что средние значения финансовых коэффициентов у благополучной компании выше, чем у компаний - банкротов. Также было обозначено снижение этих показателей в течении нескольких лет, предшествующих дефолту. Автор пришел к выводу, что соотношение денежного потока компании к величине заемного капитала компании (CashFlow / Total Debt Ratio) является наилучшим показателем будущего дефолта.

Предложенный метод Бивера был раскритикован рядом исследователей. Главный недостаток данного метода заключался в том, что данное решение предсказания дефолта имеет противоречивый недостоверный характер. То есть, подобное сопоставление компаний по размеру и отраслевой принадлежности несет в себе риск исключения из анализа ценной информации. Было также отмечено, что данный подход носит ретроспективный характер, потому не гарантирует адекватность результатов при изменении выборки компаний или временного интервала, и вероятность подобного случая в реальной жизни минимальна ввиду незначительной доли компаний в портфеле инвестора.

С учетом несовершенства подхода Бивера, спустя некоторое время Э. Альтман (1968) дополнил и расширил его одномерный анализ до многомерного. Модель, предложенная Альтманом, является пятифакторной. В своем анализе он использовал линейный множественный дискриминантный анализ, и, как Бивер, исследовал выборку благополучных и проблемных компаний. Перед тем как приступить к анализу, автор изначально выделил 22 финансовых показателя и разделил их на пять групп: коэффициенты ликвидности, финансовой устойчивости, левереджа, рентабельности и деловой активности. Из выделенных факторов в модель автор включил только 5 основных показателей, которые наиболее верно характеризуют предсказание возможного дефолта.

Он сформулировал следующее уравнение:

Z = 1,2 Х1 + 1,4 Х2 + 3,3 Х3 + 0,6 Х4 + 1,0 Х5, где

Х1 - отношение рабочего капитала к суммарным активам,

Х2 - отношение нераспределенной прибыли к суммарным активам,

Х3 - отношение EBIT к суммарным активам,

Х4 - отношение рыночной стоимости к заемному капиталу,

Х5 - отношение выручки от реализации к суммарным активам.

Z - показатель Альтмана (показатель наступления банкротства).

Ниже представлена таблица, где показаны значения показателя Альтмана.

Таблица 2

Значение Z-показателя	Вероятность банкротства компании
Z<1,81	80 - 100%
1,81?Z<2,77	77 35 - 50%
2,77<Z<2,99	99 15 - 20%
2,99?Z	Близка к 0

Данная модель позволила наиболее точно определить основные коэффициенты финансового состояния компании при анализе ее кредитоспособности и предоставила возможность правильно выявлять проблемную или благополучную компании. Эта работа явилась отправной точкой последующих научных работ, направленных на выявление банкротства компаний.

В связи с тем, что предложенный ранее метод был чувствителен к выбросам, в 1977 г. Альтманом, и др. была разработана более точная модель (модель ZETA). В этой модели была улучшена точность прогнозирования дефолтов путем построения интегрального показателя и снижена вероятность ошибок. В этой работе из первоначально отобранных 27 показателей было отобрано 7 основных детерминантов финансовой устойчивости компаний: рентабельность активов, стабильность доходов, коэффициент обслуживания долга, кумулятивная прибыль, коэффициента текущей ликвидности, капитализации фирмы, размера компании. Данная семифакторная модель позволяла предсказывать банкротство на горизонте 5 лет с точностью до 70%, но несмотря на это, не заслужила большой популярности.

Помимо финансовых показателей фирм научные работы, посвященные данной теме, также используют ряд других переменных. Например, может быть использован кредитный рейтинг эмитента.

В эмпирических моделях и подходах наиболее распространенным фактором является зависимость спредов доходности от кредитного рейтинга облигации, которые присваиваются мировыми рейтинговыми агентствами S&P, Moody's или Fitch. Предполагается, что требуемая доходность по корпоративным облигациям зависит от инвестиционной категории облигации.

С этой точки интересно ознакомиться с исследованием Э. Альтмана (1989). Автор проанализировал доходность корпоративных облигаций инвестиционного и неинвестиционного уровней за период 1971-1986 гг. В ходе анализа исследователь обнаружил, что доходность по корпоративным облигациям существенно выше по сравнению с безрисковыми казначейскими облигациями. Он утверждал, что кредитный рейтинг играет немаловажную роль: чем ниже рейтинг, тем выше доходность облигации.

К подобным же результатам пришли исследователи Томас, Беннет, Эссер и Рот (1993). В рамках своего анализа ими были охвачены корпоративные облигации инвестиционного уровня и первые 2 спекулятивные категории облигаций за период 1985-1994 гг. В ходе анализа и соотношения риска и вознаграждения авторы пришли к выводу, что по сравнению с казначейскими бумагами корпоративные облигации имели высокий финансовый результат. Они отметили, что облигации с низким уровнем кредитного рейтинга имеют более высокую доходность, чем казначейские бумаги.

F. Reilly, D. Wright, J. Gentry также подтвердили эти результаты в своем исследовании (2009). Авторы проанализировали американский рынок высокодоходных облигаций за период с 1977 по 2009 гг. и заключили, что облигации с рейтингом Ва имеют сравнительно низкий риск и более высокую доходность относительно облигаций Саа. Также они указали на тот факт, что доходность облигаций ощутимо реагирует на экономические спады и подъемы.

Следующие исследователи Фридсон и Гарман (1998) провели анализ доходностей корпоративных облигаций спекулятивного уровня за период 1995-1996 гг. Ими было проанализировано 428 облигационных выпусков. Источником данных выступила база Securities Data Company. Они отобрали 20 количественных и качественных факторов, которые условно были разделены на две группы: специфические переменные фирмы и переменные внешней среды (Табл.3).

Таблица 3

В итоге после проведенного ими регрессионного анализа были выявлены наиболее значимые переменные, оказывающие существенное влияние на спред доходностей:

- кредитный рейтинг,

- бескупонные облигации;

- старшинство бумаги;

- отзывные облигации;

- срок до погашения.

Таким образом, Фридсон и Гарман пришли к выводу, что кредитный рейтинг играет важную роль, это связано с тем, что он включает в себя вероятность дефолта и уровень потерь в случае его наступления. Было также отмечено, что облигации с опционом колл обладают значительно высоким спредом доходности. Предположение авторов о высоком спреде доходностей облигаций компаний, которые впервые выпустили бумаги, оправдалось.

Также интересным является исследование Кемпбелла и Тасклера (2003), где они выдвинули и эмпирически доказали гипотезу о том, что корпоративные облигации с высоким кредитным рейтингом обладают низкой вероятностью наступления дефолта, и поэтому инвесторам, осуществляющих вложения в облигации с низким рейтингом, следует требовать высокую доходность относительно первых. Авторы также утверждали, что компании с высоким уровнем волатильности собственного капитала имеют большую вероятность к дефолту.

Кавалло и Валенсуэла (2007) провели исследование по бросовым облигациям за период 1999-2006 гг. В данную выборку вошли 139 облигаций, выпущенных 69 компаниями-эмитентами. Данные были взяты из базы данных Bloomberg. В данную модель авторы анализировали ряд факторов, которых они условно разделили по:

- отраслевой принадлежности;

- переменным, которые непосредственно влияют на компанию;

- характеристике облигаций;

- специфическим переменным страны;

- суверенному риску;

- макроэкономическим показателям.

Используя следующие показатели, авторы провели анализ и выявили, что компании с высоким уровнем заимствований являются наиболее рискованными, и что при вложении в такие компании следует обратить внимание на волатильность акций эмитента. Также ими была отмечена прямая зависимость между спредом доходности и сроком до погашения облигации. В случае, когда компания не имеет высокую задолженность, другими словами, высокий уровень долга снижает риск ликвидности и при этом удлиняет срок заимствований. И, наконец, ими была доказана гипотеза о том, облигация с более высоким уровнем потери имеет высокую премию.

При рассмотрении данной темы также стоит обратить внимание на те работы, где исследователи предпринимали попытку объяснить этот спред высокой нормой дефолта. Перед тем как начать рассматривать нормы дефолта, следует сконцентрировать внимание ее определении, в связи с тем, что во многих исследованиях ученых встречаются разные определения норм дефолта. К примеру, Альтман и Наммахер в своей работе определяют ее как отношение номинальной стоимости всех облигаций неинвестиционного уровня, оказавшихся в дефолте на определенный момент времени, к номинальной стоимости облигаций, находящихся в обращении в течении этого года. В итоге авторы получили годовую норму дефолта, которая составляла 2,15%.

Другие исследователи Эсквит, Маллинз и Вулф (1989) рассчитывали годовую норму дефолта как накопительную статистику дефолтов. То есть, они выявили ее отношением суммарной номинальной стоимости всех дефолтных облигаций на определённый момент времени к суммарной номинальной стоимости первоначально выпущенных. Таким образом, авторы предположили, что практически каждая третья облигация терпит дефолт.

Стоит еще раз отметить, что нормы дохода определялись у каждого исследователя по-своему и выводы, полученные из представленных исследований, оказались неоднозначными. Это связано с тем, что они использовали различные компоненты и факторы при вычислении норм дефолта, как накопленный процент, ставка реинвестирования и др.

Любые из приведенных выше исследований могут быть оспорены по ряду теоретических оснований, так как на данный момент не существует совершенной модели, которая позволила бы инвесторам осуществлять вложения без риска.

Прежде чем приступить к разработке и построению модели, ниже будут рассмотрены более подробно следующие исследования: Fridson, M., Garman, C. «Determinants of Spreads on New High-Yield Bonds» (1998) и Милицковой Т.М. «Влияние специфических факторов на спреды доходности корпоративных облигаций» (2013). Данные исследования представляют собой построение регрессионной модели зависимости премии за риск от выявленных в ходе анализа факторов.

Фридсон и Гарман проанализировали доходность корпоративных облигаций спекулятивного уровня, выпущенных за период с 1995 по 1996 гг. В данной работе в качестве наблюдаемого периода ими был выбран двухлетний период с целю получить наиболее точный результат, не искажая его длительным периодом или другими событиями на рынке. В анализируемую выборку авторы включили 428 облигаций. Источником данных выступила база Securities Data Company.

Данная выборка включала в себя казначейские и корпоративные облигационные выпуски, основным условием которых было соответствие требованиям 144а. С целью получить более точную и достоверную информацию об изменениях цен новых облигационных выпусков, авторы исключили дисперсию, связанную с общим подъемом и падением доходностей облигаций инвестиционного уровня. Также, для того чтобы исключить колебания облигаций инвестиционного уровня, они определили колебания спекулятивных облигаций и получили спред доходности относительно Казначейских бумаг с аналогичным сроком погашения.

В модель авторами были включены несколько количественных и качественных факторов, которых условно разделили на две группы: специфические переменные компании и переменные внешней среды (Табл. 4).

Таблица 4

Как видно в таблице 4, специфические переменные компаний являются качественными показателями и обозначаются дамми-переменными, кроме объема облигационного выпуска, который обозначается в млн. долл. США. К ним отнесли следующие переменные: кредитный рейтинг; старшинство бумаги; срок до погашения; отзывные; бескупонные облигации; колебание; 144а; первый выпуск эмитента; тип андеррайтера.

К переменным внешней среды отвели следующие факторы: спред доходностей относительно Казначейских бумаг, спред между рейтингами ВВ и В, кривая доходности, ставка дефолта, объем размещения, календарь фондов, взаимный фонд потоков, степень ликвидности взаимного фонда, изменчивость процентной ставки, доходность.

Далее в целях выявить корреляционную связь между переменными была построена корреляционная матрица и получены следующие результаты корреляции (Табл.5.):

Таблица 5

В Таблице 5 можно увидеть список независимых переменных в порядке убывания абсолютной величины коэффициента корреляции. Как видно, наиболее высоким показателем корреляции обладает независимая переменная «Рейтинг компании». Переменные со слабой корреляцией ниже 0,10 были исключены из модели.

Авторы выделили следующие 9 факторов:

1. Кредитный рейтинг

2. Бескупонные облигации

3. Спред между рейтингами ВВ и В

4. Старшинство бумаги

5. Отзывные облигации

6. Срок до погашения

7. Первый выпуск эмитента

8. Тип Андеррайтера

9. Изменение процентных ставок

В качестве метода исследования авторы выбрали регрессионный анализ. Так, для построения регрессионной модели были отобраны переменные, обладающие наиболее высокой корреляцией, и, используя каждый из вышеперечисленных показателей, авторы построили регрессию.

В результате проведенного множественного регрессионного анализа Фридсон и Гарман обнаружили, что все отобранные ими переменные были значимы на уровне 97%, коэффициент корреляции был равен 56%, скорректированный коэффициент корреляции - 55% (Табл.6.).

Таблица 6

В связи с тем, что коэффициент корреляции был равен 56%, авторы решили разделить анализируемый период на два субпериода: 1995 и 1996. В итоге они получили следующие данные: скорректированный коэффициент детерминации по субпериодам был на уровне 57 процентов и 54 процентов. Далее в обоих случаях t-статистика по рейтингу осталась высокой, как это наблюдалось в первом случае. Далее авторы обнаружили, что 4 переменных в 1996 году имели значительно низкий показатель t-статистики и p-value сравнительно первого субпериода 1995 года. Этими показателями оказались: спред между рейтингами ВВ и В, первый выпуск эмитента, тип андеррайтера и изменчивость процентной ставки. Авторы допустили предположение о том, что данное явление связано с различным уровнем спреда корпоративных облигаций относительно Казначейских за 1995 и 1996 гг. (Табл. 7,8).

Таблица 7

Таблица 8

Фридсон и Гарман пришли к выводу, что кредитный рейтинг играет важную роль, в связи с тем, что он включает в себя вероятность дефолта и уровень потерь в случае его наступления. Было также отмечено, что отзывные облигации обладают значительно высоким спредом доходности. Предположение авторов о высоком спреде доходности облигаций компаний, которые впервые выпустили бумаги, оправдалось.

Также авторы признали, что ценообразование новых выпусков высокодоходных облигаций в значительной степени зависит от других факторов, которые не были рассмотрены в данном исследовании.

Теперь, рассмотрим работу Т.М. Милицковой, которая проанализировала спред доходностей российских корпоративных облигаций.

Автор проанализировала выпуски российских корпоративных облигаций в период с мая 2008 по декабрь 2012 гг. Выборка состояла из облигационных выпусков реального сектора экономики. Источником базы данных являлась база Cbonds.

Как и в предыдущем исследовании в качестве метода исследования был выбран регрессионный анализ. В своем исследовании Милицкова провела анализ тех переменных, которые являются уникальными для российского рынка корпоративных облигаций. Она отобрала и проанализировала несколько количественных и качественных факторов, которые условно были разделены на 4 группы:

- характеристика займа (срок до погашения, объем выпуска, первый выпуск эмитента, тип организатора, формат размещения, вид облигации);

- кредитное качество фирмы (рейтинг);

- макроэкономические показатели (прирост ВВП, доходность ОФЗ, ставка дефолта, изменение цены на нефть, валютный курс);

- отраслевые переменные (отрасли реального сектора экономики).

Таким образом, Милицкова попыталась учесть целый ряд факторов, относящихся не только к характеристикам фирмы, но и также макроэкономическим показателям, которые являются специфическими для российского рынка облигаций. Используя каждую из этих переменных, автором была построена множественная регрессионная модель, в ходе которой были отобраны наиболее значимые переменные. В итоге автор обнаружила, что все вышеперечисленные группы факторов в какой-то мере оказывают влияние на спреды доходностей облигаций.

Из полученных результатов интересными являются следующие:

- наблюдается отрицательная зависимость спредов доходности от объема и срока облигационного выпуска;

- спреды доходностей облигаций, размещенных «организаторами первого эшелона» оказались ниже;

- высокая значимость кредитного рейтинга и принадлежность эмитента к определенной отрасли;

- Низкая доходность облигаций у эмитентов цветной металлургии, энергетики, связи и телекоммуникации, машиностроительных и пищевых предприятий.

Таким образом, в первой главе был проведен обзор исследований, посвященных выявлении факторов, влияющих на премию за риск. Рассмотрев ряд исследований, далее будет предпринята попытка разработать модель оценки факторов, которые оказывают значительное влияние на премию за риск при инвестировании в российские корпоративные облигации.

В первой главе были рассмотрены исследования, направленные на выявление и оценку факторов, которые существенно влияют на премию за риск инвестирования в корпоративные облигации. В рамках этих работ анализировались различные факторы и применялось множество подходов и моделей для того, чтобы объяснить спред, возникающий между казначейскими и корпоративными облигациями.

В данном исследовании будет предпринята попытка выявить и оценить факторы, влияющие на премию за риск инвестирования в российские корпоративные облигации. В связи с этим будет проведен анализ спреда доходностей российских корпоративных облигаций относительно государственных.

В этой части работы вкратце рассмотрим текущее состояние российского рынка рублевых облигаций. Российский рынок облигаций относится к развивающимся рынкам. Но несмотря на то, что он сформировался сравнительно недавно, отечественный рынок облигаций характеризуется динамичным ростом и достаточно быстрым темпом развития. Данные, взятые из аналитического обзора БК «Регион», наглядно показывают динамику роста объема российского облигационного рынка. По сравнению с 2015 годом, прирост объема облигационного рынка составлял 12,8% (Рис. 1).

Рисунок 1. Объем рублевого облигационного рынка в обращении, в млрд. руб.

В 2015 г. общий объем новых размещений корпоративных облигаций составил 2345 млрд. руб., что на 36,2% выше показателя за 2014 г. (Рисунок 2). При этом наблюдалось снижение объема новых размещений субфедеральных облигаций. Следует отметить и тот факт, что по сравнению с 2013 гг. данный показатель ниже на 519 млрд. руб.

Рисунок 2. Объем первичного рынка облигаций в 2011-2015 гг., млрд. руб.

Согласно расчетам БК «Регион» к началу 2016 г. объем российского рынка облигаций составлял более 13,582 трлн. руб., где доля корпоративных облигаций в обращении составляла 59,4%. По сравнению с прошлым годом доля корпоративных облигаций увеличилась на 4,9% (Рис. 3).

Рисунок 3

Теперь рассмотрим отраслевую структуру российского рынка корпоративных облигаций. Общее количество эмитентов составило 395, из них 195 относится к финансовому сектору экономики. Как видно на рисунке 4, большая доля принадлежит именно банкам, а также финансовым институтам, это объясняется тем, что облигации являются для них наиболее выгодным и удобным финансовым инструментом.

Рисунок 4

Таким образом, рассмотрев текущее состояние российского рынка облигаций, в целом, можно отметить положительную динамику роста рынка, а также сравнительно большой объем облигационных выпусков за последние годы. В рамках анализа будет исследован спред доходностей российских корпоративных облигаций и выявлены наиболее значимые факторы, оказывающие существенное влияние.

На основе рассмотренных исследований будет описана методология, используемая для построения модели оценки и выявления наиболее значимых факторов при инвестировании в корпоративные облигации, а также приведены выдвигаемые гипотезы.

В этой части работы будет разработана методика построения модели оценки наиболее значимых факторов. В рамках своего анализа я буду опираться на работу Фридсона и Гармана «Determinants of Spreads on New High-Yield Bonds» и Милицковой Т.М. «Влияние специфических факторов на спреды доходности корпоративных облигаций» (2013).

Для разработки модели оценки факторов, влияющих на премию за риск, будет предложен следующий алгоритм действий:

o Сбор информации и данных по российским рублевым облигационным выпускам, находящихся в обращении за период с 2013 по 2015 гг.;

o Проведение множественного регрессионного анализа по полученным статистическим данным;

o Интерпретация полученных результатов.

Статистическая выборка включает в себя дневные данные об итогах торгов на Московской Бирже за период с 2013 по 2015 гг. Источником данных выступила база данных Thomson Reuters. Все полученные дневные данные были усреднены по кварталам. Необходимо отметить, что выборка для данного исследования включает только облигационные выпуски реального сектора экономики.

Из выборки были также исключены:

1. Облигационные выпуски с плавающей купонной ставкой, привязанные к ставке рефинансирования, курсу доллара США и т.д.

2. Облигационные выпуски тех эмитентов, которые объявили дефолт по обязательствам или находились в стадии реорганизации.

3. Облигационные выпуски объемом более 35 млрд. руб. и менее 3 млрд. руб.

Таким образом, выборка, использованная для анализа, включает в себя данные по 57 облигациям за 12 кварталов (560 наблюдений).

В рамках данной работы зависимой переменной выступает спред доходностей корпоративной облигации относительно государственных.

Ниже будут отобраны факторы, которые оказывают влияние на премию за риск инвестирования в российские корпоративные облигации, и определены выдвигаемые в рамках анализа гипотезы.

Так, в Таблице 9 включены несколько количественных и качественных факторов, которые условно разделены на две группы:

1. Характеристика облигации

2. Макроэкономические факторы

Таблица 9

Фактор	Описание	Источники
Характеристики облигации
Срок до погашения	В годах	Thomson Reuters
Объем выпуска облигации	Натуральный логарифм от объема выпуска в млн. руб.	Thomson Reuters
Облигации с пут опционом	Дамми-переменная: с опционом = 1, без опциона = 0	Thomson Reuters
Отзывные облигации	Дамми-переменная: с опционом = 1, без опциона = 0	Thomson Reuters
Экс дивидендная дата	Дамми-переменная: с опционом = 1, без опциона = 0	Thomson Reuters
Тип Андеррайтера	Дамми-переменная: банк в топе 10 = 1, банк вне топа 10 = 0	Thomson Reuters
Рейтинг эмитента	В зависимости от рейтинга от -5 до 0	Thomson Reuters
Макроэкономические факторы
Валютный курс	В руб. за доллар	Сайт Банка России
Прирост ВВП	В процентнах за квартал	Thomson Reuters
Доходность ОФЗ	В процентах с тем же сроком погашения, что и корпоративная облигация	Сайт Банка России
Курс нефти Urals	В процентах	Thomson Reuters
Отрасли
Нефтегазовая отрасль	Дамми переменная =1	Thomson Reuters
Энергетика	Дамми переменная =1	Thomson Reuters
Электроэнергетика	Дамми переменная =1	Thomson Reuters
Производство строительных материалов	Дамми переменная =1	Thomson Reuters
Связь и телекоммуникация	Дамми переменная =1	Thomson Reuters
Цветная металлургия	Дамми переменная =1	Thomson Reuters
Оптовая торговля	Дамми переменная =1	Thomson Reuters
Черная металлургия	Дамми переменная =1	Thomson Reuters
Сельское хозяйство	Дамми переменная =1	Thomson Reuters
Химическая промышленность	Дамми переменная =1	Thomson Reuters
Машиностроение	Дамми переменная =1	Thomson Reuters
Другие отрасли	Дамми переменная =1	Thomson Reuters

Перед тем как провести множественный регрессионный анализ по вышеперечисленным факторам, необходимо более подробно рассмотреть каждую группу переменных и сформулировать выдвигаемые гипотезы. Для начала ниже будет рассмотрена первая группа переменных: характеристика облигации.

Срок до погашения

Гипотеза 1. Облигационные выпуски с длительным сроком до погашения имеют более высокую доходность.

Согласно многим исследователям срок до погашения определяет доходность облигации. При проведении инвестиционного анализа краткосрочных или долгосрочных корпоративных облигаций следует считать ставку правительственным облигациям исходя по длительности заимствования: по первому - ставку краткосрочных правительственных, по второму - ставку долгосрочных (Дамодаран, 2008).

Таким образом, в зависимости от срока погашения облигации обладают различными уровнями риска. В данном анализе будет проведен анализ по корпоративным и государственным облигациям (ГКО - ФЗО), находящиеся в обращении за период 2013-2015 гг.

Объем выпуска облигации

Гипотеза 2. Будет проверяться гипотеза о том, что с ростом объема выпуска облигации спред доходностей становится ниже.

Облигации со встроенными опционами «пут» и «колл»

Гипотеза 3 заключается в том, что облигации с опционом «пут» имеют более низкий спред доходности, а по облигациям с опционом «колл» инвесторы требуют более высокий спред.

В данном анализе будет рассмотрено наличие двух опционов: «пут» и «колл» и обозначены дамми-переменной= 1, при их отсутствии - 0.

Экс дивидендная дата

Гипотеза 4. В данном анализе будет протестировано предположение о том, что облигации с экс дивидендной датой имеют более высокий спред.

Тип Андеррайтера

Гипотеза 5. Будет протестировано предположение о том, что спред доходностей будет ниже, если андеррайтером выступил один из Банков Топ-10.

При вложении средств в облигации инвесторам следует обратить внимание также на тот факт, какой банк выступает андеррайтером данного облигационного выпуска. Принято считать, что банки, входящие в российский Топ - 10, являются наиболее надежными и финансово устойчивыми. В данной работе будут взяты данные расчетов сайта Банки.ру: рэнкинг российских банков по ключевым показателям деятельности приведен в Таблице 10.

Таблица 10

	2011	2012	2013	2014	2015
1	Сбербанк России	Сбербанк России	Сбербанк России	Сбербанк России	Сбербанк России
2	ВТБ	ВТБ	ВТБ	ВТБ	ВТБ
3	Газпромбанк	Газпромбанк	Газпромбанк	Газпромбанк	Газпромбанк
4	Россельхозбанк	Россельхозбанк	Россельхозбанк	ВТБ 24	ВТБ 24
5	Банк Москвы	Банк Москвы	Банк Москвы	Россельхозбанк	ФК Открытие
6	ВТБ 24	ВТБ 24	ВТБ 24	Банк Москвы	Банк Москвы
7	Альфа-Банк	Альфа-Банк	Альфа-Банк	Альфа-Банк	Альфа-Банк
8	ЮниКредит Банк	ЮниКредит Банк	ЮниКредит Банк	ФК Открытие	Россельхозбанк
9	Райффайзенбанк	Росбанк	Промсвязьбанк	ЮниКредит Банк	Национальный Клиринговый Центр
10	Промсвязьбанк	Райффайзенбанк	Росбанк	Промсвязьбанк	ЮниКредит Банк

В рамках модели Банки Топ-10 будут обозначены дамми-переменной =1, если андеррайтером выступил один из Банков Топ-10, а если другим банком вне ТОП-10, то, соответственно, 0.

Кредитный рейтинг

Гипотеза 6. Облигации с низким уровнем рейтинга имеют более высокую доходность.

При вложении в корпоративные бумаги, как правило, инвесторы обращают внимание на кредитный рейтинг бумаги, присваиваемый рейтинговыми агентствами. Наиболее известными рейтинговыми агентствами являются Moody's, Standard&Poor's, Fitch, в России - Эксперт РА.

В рамках работы будет проведен анализ по высокодоходным облигациям. Это связано с тем, что большинство российских корпоративных облигаций входят в неинвестиционную категорию. При проведении анализа будет применяться долгосрочный рейтинг облигаций по шкале рейтинговых агентств Moody's, Standard&Poor's, Fitch, а также при их отсутствии - по шкале российского рейтингового агентства Эксперт РА на момент выпуска компанией облигаций. Перевод рейтинговых шкал в количественные значения будет произведено следующим образом с помощью дамми-переменных (Табл.11.):

Таблица 11. Сопоставление шкал

Moody's Investors Service	Standard and Poor's	Fitchratings	Рейтинговое агентство «Эксперт РА»	Значение дамми - переменной
Ва2	ВВ	ВВ	А++	-5
В1	В+	В+	А+	-4
В3	И-	В-	А	-3
Саа2	ССС	ССС	В+	-2
Саа3	ССС-	ССС	В	-1
Отсутствие рейтинга	0

Как видно из таблицы 11, значение, присвоенное по каждой шкале, соответствует уровню рейтинга. Компании с высоким рейтингом будут иметь отрицательное значение, а значения по компаниям, не имеющим ни одного рейтинга, соответственно будут равны нулю. Предполагается, что при наличии связи данного фактора со спредом доходности, полученный показатель будет положительным.

В связи с тем, что в рамках данной работы будет проведен анализ по российским корпоративным облигациям, ниже будут рассмотрены специфические для российской экономики макроэкономические показатели. В данную модель были включены валютный курс, прирост ВВП, доходность ОФЗ - ГКО и курс нефти Urals.

Валютный курс

Гипотеза 7. Высокий курс доллара к рублю приводит к росту спреда доходности облигации.

Валютный курс служит индикатором состояние российской экономики. В модель был включен курс доллара к рублю за период 2013-2015 гг., рассчитанный на основе дневных данных и усредненный за квартал. Источником данных по курсу доллара к рублю является сайт Банка России.

Прирост ВВП

Гипотеза 8. Будет исследоваться предположение о том, что между темпом роста ВВП и спредом доходностей существует обратная зависимость.

Один из основных показателей состояния экономики - прирост ВВП. В данной модели будет включен темп роста ВВП в процентах, усредненный за квартал аналогично другим показателям. Данные по ВВП были получены из базы данных Thomson Reuters.

Доходность государственных облигаций

Гипотеза 9. Предполагается обратная зависимость спредов доходности корпоративных облигаций относительно государственных.

Согласно рассмотренным выше исследованиям при изменении доходностей государственных облигаций доходность корпоративных облигаций реагирует не сразу, то есть, в краткосрочном периоде возникает случай, когда спред между ними становится либо высоким, либо наоборот. В данной модели подвергается анализу зависимость спредов доходности корпоративных облигаций относительно доходности государственных. В качестве доходности государственных облигаций выступает доходность ОФЗ с тем же сроком до погашения за период обращения облигаций, рассчитанная также на основе дневных данных и усредненная за квартал. Источником данных по ГКО ОФЗ выступил сайт Банка России.

Курс нефти Urals

Гипотеза 10. Выдвигается гипотеза о том, что высокие цены на нефть снижают доходность облигаций.

В виду существующей зависимости экономики России от экспорта сырьевых ресурсов в модель важно следует включить рост цен на нефть Urals.

В анализ были включены также отраслевые переменные с целью установить эмитенты какой отрасли имеют наиболее высокий спред относительно других.

На основании рассмотренных исследований были отобраны переменные, на основании которых в следующей главе будет построена модель, направленная на выявление факторов, оказывающих наибольшее влияние на величину премии за риск инвестирования в российские корпоративные облигации.

Скорректированный R-квадрат

Стандартная ошибка оценки

Дарбин-Уотсон

47,669338843487960

В предыдущей главе на основе обзора научной литературы были выявлены и отобраны факторы, необходимые для построения модели оценки факторов, оказывающих наибольшее влияние на величину премии за риск инвестирования в российские корпоративные облигации.

В рамках анализа были использованы дневные данные об итогах торгов облигационных выпусков на Московской Бирже за период с 2013 по 2015 гг. Источником данных выступила база данных Thomson Reuters.

Все полученные дневные данные были усреднены по кварталам. Выборка для данного исследования включает только облигационные выпуски реального сектора экономики.

Из выборки были также исключены:

2. Облигационные выпуски эмитентов, объявившие дефолт по обязательствам или находящиеся в стадии реструктуризации.

3. Облигационные выпуски объемом более 35 млрд. руб. и менее 3 млрд. руб.

Ниже будет представлена краткая характеристика включенных в модель облигационных выпусков по объему выпуска, сроку погашения и кредитному рейтингу.

На рисунке 5 изображено распределение облигационных выпусков по объему размещения, которое варьируется от 5 млрд. руб. до 30 млрд. руб. Как видно, наибольшее количество облигационных выпусков отмечается у облигаций с объемом 10 млрд. руб., наименьшее - с объемом 20-30 млрд. руб.

Рисунок 5. Распределение облигационных выпусков по объему размещения

Далее на рисунке 6 можно увидеть рассматриваемые в модели облигационные выпуски, ранжированные по длительности срока до погашения. Как видно, в целом, в модель были включены среднесрочные и долгосрочные облигации со сроком от 10 лет.

Рисунок 6. Распределение облигационных выпусков по сроку до погашения

Согласно рассмотренным исследованиям, при размещении облигаций большую роль играет кредитный рейтинг эмитента. Поэтому в данной модели были учтены все шкалы мировых рейтинговых агентств Moody's, Standard&Poor's, Fitch, а также шкалы российского рейтингового агентства Эксперт РА, и усреднены по их значениям (Табл.10).

Таблица 12. Сопоставление шкал

Moody's Investors Service	Standard and Poor's	Fitchratings	Рейтинговое агентство «Эксперт РА»	Значение дамми - переменной
Ва2	ВВ	ВВ	А++	-5
В1	В+	В+	А+	-4
В3	И-	В-	А	-3
Саа2	ССС	ССС	В+	-2
Саа3	ССС-	ССС	В	-1
Отсутствие рейтинга	0

С целю показать занимаемые доли облигаций с различными кредитными рейтингами в анализируемой выборке, все шкалы рейтинговых агентств условно были переведены под рейтинговые шкалы агентства Standard&Poor's и изображены на рисунке 7. Как видно, облигационные выпуски рейтинга ВВ занимают более 53%, облигации без рейтинга составляют 33%.

Рисунок 7. Распределение облигационных выпусков по кредитному рейтингу

Рассмотрев характеристику включенных в модель облигационных выпусков по объему выпуска, сроку погашения и кредитному рейтингу, необходимо проанализировать выявленные и отобранные факторы, которых следует учитывать при вложении в корпоративные облигации.

В рамках данной работы в качестве метода анализа был выбран регрессионный анализ. Анализ статистических данных по отобранным облигационным выпускам будет проведен при помощи программы SPSS. Для построения данной модели основным условием являлся критерий значимости на уровне 5%.

Перед тем как провести множественный регрессионный анализ, была построена корреляционная матрица для случайных величин, чтобы оценить статистическую корреляцию между переменными.

Анализ полученной корреляционной матрицы показал сильную корреляционную связь с некоторыми данными. Таким образом, из модели были исключены переменные с высокими показателями корреляции (выше 40%): облигации с экс дивидендной датой, строительство и девелопмент, отзывные облигации.

Как и ожидалось, макроэкономические показатели имели высокую корреляцию друг с другом. К примеру, наблюдалась отрицательная зависимость спредов доходности от курса нефти и доходности валютного курса и доходности ОФЗ. Поэтому автором была оставлена одна переменная: доходность ОФЗ.

Для построения регрессионной модели были отобраны только те факторы, по которым отмечалась слабая корреляция между переменными.

Таким образом, приступим к проведению множественного регрессионного анализа зависимой переменной (спред доходностей) и независимыми переменными (отобранные в ходе корреляционного анализа факторы).

Программа SPSS имеет встроенные пошаговые подходы для обработки статистических данных и предлагает выбрать один из пошаговых методов. В данном случае был выбран метод Stepwise, который включает в себя комбинацию двух подходов: Forward (прямой) и Backward (обратный). Пошаговый подход Stepwise представляет собой изменение доли влияния независимой переменной на критерий при появлении в уравнении других независимых переменных. Другими словами, суть этого метода заключается в том, что если влияние той или иной переменной ослабевает, то она исключается из модели.

Таким образом, для построения данной множественной регрессионной модели был выбран Stepwise - пошаговый метод. По данному проведенному методу были выделены 4 модели, которые содержат переменные, которые оказывают наиболее сильное влияние на спред доходностей: машиностроение, черная металлургия, тип андеррайтера и доходность ОФЗ. Как видно все 4 выявленных переменных являются статистически значимыми на уровне 5% (Табл. 13).

Таблица 13. Введенные/удаленные переменные^a

Модель	Введенные переменные	Удаленные переменные	Метод
1	Машиностроение	.	Пошаговый (критерий: Вероятность F для включения <=, 050, Вероятность F для исключения >=, 100).
2	Черная металлургия	.	Пошаговый (критерий: Вероятность F для включения <=, 050, Вероятность F для исключения >=, 100).
3	Тип андеррайтера	.	Пошаговый (критерий: Вероятность F для включения <=, 050, Вероятность F для исключения >=, 100).
4	Доходность ОФЗ	.	Пошаговый (критерий: Вероятность F для включения <=, 050, Вероятность F для исключения >=, 100).
a. Зависимая переменная: СПРЕД доходностей

В таблице 14 представлен скорректированный R-квадрат по предложенным выше моделям. Изменения объясняемой переменной обусловлены изменениями независимых переменных таким образом: первая модель имеет скорректированный R2 равный 7,7%, вторая модель - 9,8%, третья модель - 10,7%, четвертая - 11,3%.

В связи с тем, что из предложенных 4 моделей, все модели имеют сравнительно низкий показатель скорректированного R-квадрат, далее по умолчанию будет рассмотрена четвертая модель со сравнительно высоким показателем скорректированным R2 - 11,3%.

Таблица 14

Модель	R	R-квадрат	Скорректированный R-квадрат	Стандартная ошибка оценки
1	280^a	078	077	48,639314945487870
2	319^b	102	098	48,065643132350836
3	335^c	112	107	47,826901992586215
4	346^d	120	113	47,669338843487960

Для исследования влияния выявленных переменных на объясняемую переменную рассмотрим дисперсионный анализ, представленный в таблице 15. Как видно, анализируемая модель демонстрирует, что переменные статистически значимы на уровне 5%. Нулевая гипотеза отвергается. Следовательно, уравнение является статистические значимым.

Таблица 15. ANOVA^a

Модель	Сумма квадратов	ст. св.	Средний квадрат	F	Знач.
1	Регрессия	112314,890	1	112314,890	47,475	000^b
	Остаток	1320106,891	558	2365,783
	Всего	1432421,781	559
2	Регрессия	145581,311	2	72790,656	31,507	000^c
	Остаток	1286840,470	557	2310,306
	Всего	1432421,781	559
3	Регрессия	160620,401	3	53540,134	23,406	000^d
	Остаток	1271801,380	556	2287,413
	Всего	1432421,781	559
4	Регрессия	171258,725	4	42814,681	18,841	000^e
	Остаток	1261163,056	555	2272,366
	Всего	1432421,781	559
a. Зависимая переменная: СПРЕД
b. Предикторы: (константа), Машиностроение
c. Предикторы: (константа), Машиностроение, Черная металлургия
d. Предикторы: (константа), Машиностроение, Черная металлургия, Тип андеррайтера
e. Предикторы: (константа), Машиностроение, Черная металлургия, Тип андеррайтера, Доходность ОФЗ

При построении регрессионного уравнения будут использованы нестандартизированные B - коэффициенты (Табл.16).

Таким образом, получаем следующее регрессионное уравнение:

Машиностроение;

Черная металлургия;

Тип андеррайтера;

Доходность ОФЗ.

Таблица 16. Коэффициенты

Модель	Нестандартизованные коэффициенты	Стандартизованные коэффициенты	т	Знач.
	B	Стандартная Ошибка	Бета
1	(Константа)	7,988	2,078		3,844	000
	Машиностроение	97,798	14,194	280	6,890	000
2	(Константа)	5,714	2,139		2,672	008
	Машиностроение	100,072	14,039	287	7,128	000
	Черная металлургия	28,974	7,636	153	3,795	000
3	(Константа)	19,852	5,910		3,359	001
	Машиностроение	101,871	13,987	292	7,283	000
	Черная металлургия	26,326	7,668	139	3,433	001
	Тип андеррайтера	-15,936	6,215	-, 104	-2,564	011
4	(Константа)	4,486	9,227		486	627
	Машиностроение	102,627	13,945	294	7,359	000
	Черная металлургия	26,386	7,642	139	3,453	001
	Тип андеррайтера	-16,419	6,199	-, 107	-2,649	008
	Доходность ОФЗ	1,797	831	086	2,164	031

Также немаловажным является анализ остатков. Принято считать, что остатки появляются случайно (несистематические) и подчиняются нормальному распределению.

Таким образом, модель также была проверена на наличие систематических связей между остатками, то есть на наличие автокорреляции, при помощи теста Дарбина Уотсона. Данный тест представляет собой коэффициент, который находится в диапазоне от 0 до 4. Основным условием отсутствия автокорреляции является нахождение значения данного коэффициента в диапазоне до 2.

В данном случае коэффициент Дарбина-Уотсона равен 2,113, что свидетельствует о том, что принимается нулевая гипотеза об отсутствии автокорреляции (Табл. 17, 18).

Таблица 17

Таблица 18. Статистика остатков

	Минимум	Максимум	Среднее значение	Стандартная отклонения	N
Предсказанное значение	-2,776515007019043	114,693634033203120	10,083509115060455	17,503320683153778	560
Остаток	-103,154350280761720	890,229980468750000	000000000000006