47,498480448442240

560

Стандартная Предсказанное значение

-, 735

5,977

000

1,000

560

Стандартная Остаток

-2,164

18,675

000

996

560

Как видно, на рисунке 7 изображена гистограмма остатков. Остатки нормально распределены.

Рисунок 7



3.2 Интерпретация полученных результатов

В рамках анализа были использованы 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. Выборка для данного исследования включает только облигационные выпуски реального сектора экономики.

Из выборки были также исключены:

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

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

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

Наблюдаемая выборка облигационных выпусков, использованная для анализа, включала в себя данные по 57 облигациям за 12 кварталов (560 наблюдений).

В рамках данной работы зависимой переменной выступала спред доходностей корпоративной облигации относительно государственных, также в модель были включены несколько количественных и качественных факторов, которые условно были разделены на две группы:

1. Характеристика облигации

2. Макроэкономические факторы

Перед тем как провести множественную регрессионную модель, была построена корреляционная матрица для случайных величин, чтобы оценить статистическую корреляцию между переменными. Из модели были исключены переменные с высокими показателями корреляции (выше 40%). Следует отметить высокую корреляционную связь между макроэкономическими переменным. К примеру, наблюдалась отрицательная зависимость спредов доходности от курса нефти и доходности валютного курса и доходности ОФЗ.

Используя отобранные переменные, далее была построена множественная регрессионная модель. Полученная модель статистически значима, коэффициент детерминации равен 11,3%, что свидетельствует о том, что в модели не были учтены другие факторы, оказывающие наиболее сильное влияние на спред доходностей. Также был проведен анализ остатков, в данном случае коэффициент Дарбина-Уотсона равен 2,113, что свидетельствует о том, что отсутствует автокорреляции, наблюдается нормальное распределение остатков.

Далее, выдвигаемая гипотеза о том, что спред доходностей будет ниже, если андеррайтером выступил один из Банков Топ-10, оправдалась. Другими словами, при вложении средств в облигации следует обратить внимание на тот факт, какой банк выступает андеррайтером данного облигационного выпуска.

Следующее предположение об обратной зависимости спредов доходности корпоративных облигаций относительно государственных оказалось противоположным сделанному предположению: с ростом доходности ОФЗ спред доходности также повышается. Также было отмечено, что отрасли: машиностроение и черная металлургия, обладают наиболее высокими спредами доходностей относительно других отраслей.



Заключение

Целью данной работы являлась оценка факторов, влияющих на премию за риск инвестирования в корпоративные облигации.

В рамках исследования была предпринята попытка построить модель оценки факторов, оказывающих влияние на премию за риск.

Перед тем как провести анализ, автором были рассмотрены исследования, посвященные выявлению и оценке 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, с целью объяснить спред доходностей, возникающий между казначейскими и корпоративными облигациями. Также было рассмотрено текущее состояние российского рынка облигаций.

Далее для разработки модели оценки факторов, влияющих на премию за риск, был 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.

Для проведения анализа была собрана необходимая информация по эмитентам, а также статистические данные по облигационным выпускам. Опираясь на вышеупомянутые исследования, был отобран ряд переменных, которые были условно разделены на 2 группы: характеристика облигации и макроэкономические показатели, которые являются специфическими для российского рынка облигаций.

В результате проведенного анализа была получена модель оценки факторов, влияющих на премию за риск инвестирования в корпоративные облигации. В ходе регрессионного анализа было выявлено только 4 переменных, которые оказались более значимыми на фоне других отобранных перемен: тип андеррайтера, доходность ОФЗ, отрасли машиностроения и черной металлургии. Оправдалось предположение о низком уровне спреде доходностей у облигационных выпусков, андеррайтером которых выступил один из Банков Топ-10. Следующее предположение об обратной зависимости спредов доходности корпоративных облигаций относительно государственных оказалось противоположным сделанному предположению: с ростом доходности ОФЗ спред доходности также повышается. Отрасли: машиностроение и черная металлургия, обладают наиболее высокими спредами доходностей относительно других отраслей. Следует отметить, что эти переменные объяснили изменения доходностей только на 11,3%.

Можно также предположить, что в связи с меняющимися экономическими и финансовыми условиями инвесторам важен ряд других факторов, которые не рассматривались в рамках этой модели.

Подводя итог по полученным результатам, можно отметить, что данная модель имеет некоторые недостатки и недочеты:

1. Анализируемая выборка включает малое количество облигационных выпусков;

2. В рамках модели не было учтено финансовое состояние анализируемых эмитентов;

3. Расширение набора специфических для российского облигационного рынка макроэкономических показателей.

Для дальнейшего исследования по данной теме можно привести предложения по улучшению модели и полученных результатов:

1. Для большей наглядности полученных результатов возможно увеличить выборку облигационных выпусков;

2. Для повышения точности анализируемой модели также интересным является использование дневных данных по облигациям, не усредняя по кварталам;

3. Возможен анализ выявления специфических факторов отдельно по отраслям;

Таким образом, определены недостатки полученной модели, а также приведены предложения по улучшению модели.

Данная работа была посвящена выявлению и оценке факторов, влияющих на спред доходностей. 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. Следует отметить, что за последнее время российский рынок облигаций характеризуется быстрым темпом роста и привлекает все больший интерес у инвесторов. В связи с этим была предпринята попытка объяснить спред доходностей и выявить факторы, являющиеся наиболее значимыми при инвестировании в российские корпоративные облигации.



Список использованной литературы

1. Берзон Н.И., Буянова Е.А., Кожевников М.А., Чаленко А.В. Фондовый рынок: Учеб.пособие для высших заведений экономического профиля. - М.: Вита-Пресс, 1998. - 400 с.

2. Дамодаран А. Инвестиционная оценка: Инструменты и методы оценки любых активов /Пер. с англ. - 5 изд. - М.: Альпина Бизнес-Букс, 2008. - 1340.

3. Доркина А.С. Современное состояние российского рынка корпоративных облигаций /А.С. Доркина // Деньги и кредит. - 2012. -; 4. - С. 37 - 41.

4. Ермак А. Аналитический обзор БК «Регион» «Долговой рынок. Рынок рублевых облигаций: основные итоги 2015 г. и перспективы 2016 г.»

5. Ричардс Уилсон, Фабоцци Ф.Дж. Корпоративные облигации: структура и анализ / Пер. с англ. - М.: Альпина Бизнес Букс, 2005. - 445 с.

6. Милицкова Т.М. «Влияние специфических факторов на спреды доходности корпоративных облигаций». Корпоративные финансы. №2 (26). - 2013.

7. Стивен Брег. Настольная книга финансового директора / Пер. с англ. - М.Ж Альпина Паблишерз, 2009. - 6 изд., 312 с.

8. Фабоцци Ф.Дж. Рынок облигаций: анализ и стратегии. 2-е изд., испр. И доп. / Пер. с англ. - М.: Альпина Бизнес Букс, 2007. - 950 с.

9. Фабоцци Ф.Дж. Финансовые инструменты / Пер. с англ. - М.: Эксмо, 2010. - 864 с.

10. Фабоцци Ф.Дж. Рынок облигаций: структура и анализ / Пер. с англ. - М.: Альпина Бизнес Букс, 2005. - 446 с.

11. Фаербер Э. Все об инвестировании/ Эсме Фаербер; перю с англ. Н. Ильиной. - М.Ж Манн, Иванов и Фербер. 2013. -336 с. - (Большая библиотека инвестора)

12. Шарп У., Александер Г., Бэйли Дж. Инвестиции / Пер. с англ. Бурениной А.Н. - М.: Инфра-М, 2003. - 5 изд., 1028 cтр.

13. Altman E.I., Haldeman R.G., Narayanan P. Zeta Analysis: A New Model to Identify Bankruptcy Risk of Corporation, Journal of Banking and Finance, June 1977.

14. Altman E.I., Measuring Corporate bond mortality and performance, Journal of Finance, 44, 902-22. 1989

15. Altman, Edward I. Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy, Journal of Finance (September 1968), pp. 589-609.

16. Campbell, J., Taksler, G. (2003), Equity Volatility and Corporate Bond Yields, The Journal of Finance, 58 (6) (2003) 2321-2350.

17. Cavallo, E., Valenzuela, P. (2007), The Determinants of Corporate Risk in Emerging Markets: An Option-Adjusted Spread Analysis, IMF Working Paper.

18. Edward I. Altman and Scott A. Nammacher, Investing in junk bonds, New York: John Wiley, 1987.

19. Fisher, L. (1959), Determinants of Risk Premiums on Corporate Bonds, Journal of Political Economy, 67 (3) (1959) 217-237.

20. Frank K. Relly, David J. Wright, James A. Gentry (2009), Historic changes in the High Yield Bond Market, Journal of applied corporate finance, Volume 21 Number 3.

21. Fridson, M., Garman, C. (1998), Determinants of Spreads on New High-Yield Bonds, Financial Analysts Journal, 54 (2) (1998) 28-39.

22. Paul Asquith, David W. Mullins, Jr., and eric D. Wolff, «Original Issue High Yield Bonds: Aging Analysis of Defaults, Exchanges and Calls» Journal of Finance (September 1989) pp. 923-952

23. Thomas L. Bennett, Stephen F. Esser and Christian G. Roth, Corporate Credit Risk and Reward, Miller Anderson & Sherrerd, 1993

24. William H. Beaver, Financial Ratios as Predictors of Failure, Empirical Research in Accounting Selected Studies, 1966, Supplement to Journal of Accounting Research, 4, pp. 71-111.

Размещено на Allbest.ru