Понятие ковенантов и их применимость на финансовом рынке

Частота купонных выплат (Coupon_freq) состояла из трех возможных вариантов. Годовые выплаты (Annual) превалировали в данной работе и насчитывали 415 случаев, тогда как полугодовых и квартальных было зафиксировано в количестве 13 и 57 шт. соответственно. Для создания факторной дамми-переменной, а также во избежание сильного смещения в пользу одного варианта, квартальные и полугодовые выплаты были объединены в один вариант, который в модели фигурировал под названием More, что в переводе в данном случае значит «чаще, чем раз в год».

2. Duration. Данная переменная предположительно важна для анализа, так как при выборе облигации ее показатели помогают инвесторам рассчитать срок, в который им удастся погасить все свои затраты на данную облигацию и, тем самым, снизить себе риск. Показатели дюрации позволяют сравнивать облигации с разными типами купонов, частотой их выплат, а также с разными сроками их обращения на рынке. Исходя из определения дюрации, чем больше срок дюрации, тем ниже должна быть ставка купона и наоборот. Проведенный корреляционный анализ подтверждает отрицательную зависимость между этими двумя компонентами. В нашей выборке показатели дюрации облигации в основном варьировались в пределах от 6 до 11 лет и в среднем составили 7.765 года.

3. BPV. Для всех долговых инструментов этот показатель отражает дисперсию цены. Он позволяет оценить насколько волатильна облигация и посредством этого может содержать в себе информацию о ее ликвидности на рынке. Данный показатель находится в сильной корреляции с дюрацией (0.95), но данная проблема будет решена на последующих этапах анализа.

4. Rating. Рейтинг облигации также должен оказывать значимое влияние на показатели ее доходности. Согласно отношению риск-доходность, облигации с более низким рейтингом должны приносить инвестору большую прибыль, чем облигации высокого уровня надежности. В данной модели использовался долгосрочный рейтинг S&P, который для упрощения был поделен на два вида - A и B. В А вошли облигации с высшим и высоким уровнем надежности, а также с уровнем надежности выше среднего (ААА, АА+. АА, АА-, А+, А, А-). В В попали все остальные облигации со средним и спекулятивными уровнем надежности (ВВВ+, ВВВ, ВВВ-, ВВ+, ВВ, ВВ-, В+, В, В-). Дефолтных облигаций, а также облигаций с существенным риском данная выборка не содержала. Всего было насчитано 269 облигаций с рейтингом А и 216 с уровнем В. Данная переменная является факторной переменной.

5. Placement_type. Еще одна факторная переменная данной работы включает в себя информацию о типе размещения облигации. Выборка включает в себя 423 случая национального размещения (Domestic) и 62 случая Еврооблигаций (Eurobond). Еврооблигации также могут обладать разными видами купонов, купонных выплат и рейтингом. Ее основное отличие от обычной облигации в том, что размещением данных бумаг занимается, как правило, целый синдикат андеррайтеров, которыми выступают различные инвестиционные банки, а также в данном случае чуть более простой является схема налогообложения при выплате купонного дохода держателю облигации.

6. Prosp_avail. В первоначальную модель включается еще одна факторная переменная, которая отвечает за доступность в свободном доступе проспекта эмиссии (Y - если доступен, N - в ином случае). Проспект эмиссии содержит в себе все данные о выпущенной облигации и в нем оговорены все условия для ее держателя. Также, при наличии, в нем должна фигурировать информация о существующих ковенантах, которые были оговорены перед выпуском той или иной облигации. По этим и многим другим причинам данная переменная отвечает за более полную прозрачность сделки между инвестором и эмитентом, то есть может являться показателем надежности и отсутствия асимметрии информации при совершении сделки. Исследуемая выборка содержала 315 облигаций, по которым проспект эмиссии доступен и 170, по которым не доступен.

7. LN_Amount. Еще одним параметром данной модели является объем выпуска. Максимальный объем выпуска в данной работе зафиксирован у итальянского отделения одного из самых крупных банков Европы Unicredit на уровне в 2.5 млрд евро. Минимальный - у немецкого банка Hamburger SPK на уровне 500000 евро. Среднее значение по выборке находится в районе 300 млн евро. Во избежание сильного различия в размере данных по сравнению с другими факторами регрессии данный параметр был прологарифмирован.

8. Eff_Ratio. За одну из трех последующих переменных, которые отвечают за показатели работы банка эмитента (предыдущие переменные относились к характеристикам выпуска) был взят коэффициент эффективности. Он репрезентует показатели того, как эффективно в компании расходуются средства, представляя собой отношение затрат банка на сумму чистого процентного и непроцентного доходов. Он помогает получить представление о том, насколько профессионально менеджмент банка распределяет ресурсы. Другими словами, данный коэффициент показывает сопоставление получаемого экономического эффекта с затратами, который потребовались для достижения этого эффекта. Одним из таких эффектов может выступать получение банком какого-либо финансового результата на определенную дату. Например если банк заработал 10000 долларов, потратив на это 7000 долларов, то мы получим коэффициент эффективности равный 0.7. Соответственно, чем меньше данный показатель, тем эффективнее работа банка. Среднее значение по банковской отрасли согласно данным Thomson Reuters составляет 0.713. Среднее значение по собранной выборке составляет 0.734.

9. ROE. Следующая переменная представляет показатели доходности на акционерный капитал. Рентабельность собственного капитала позволяет охарактеризовать доходность бизнеса для его владельцев и рассчитывается как отношение прибыли на среднегодовой капитал. В данном случае был взят показатель до выплаты налогов, т.н. Pretax ROE, ввиду разных показателей налогообложения в странах Европы. Средний показатель по выборке в данной работе составляет 4.6%.

10. Assets_Equity. Крайней переменной данной модели выступает показатель отношения активов банка к его капиталу. Среднее значение в данной выборке составляет 21.6, что является чуть большим показателем для всей банковской отрасли (данными которой располагает база Thomson Reuters) - 14.8. Данный показатель позволяет оценить уровень долга компании, так как чем выше коэффициент, тем больше долг банка. В данном случае нельзя определить уровень идеального отношения, так как банки различны по уровню терпимости к показателям долга: кто-то может обслуживать большие его объемы, а кто-то придерживается менее рисковой политики в его отношении.

Вся информация по факторам модели представлена в Приложении 2.

3.1.3 Спецификация модели

Анализ проводился путем регрессионного анализа построенной модели для тестирования переменных на их значимость. В результате тестирования первоначальной модели абсолютно незначимыми переменными стали:

1. тип размещения (Placement_type),

2. показатель рентабельности капитала (ROE),

3. показатель отношения активов к собственному капиталу (Assets_Equity),

4. тип купона (Coupon_type),

5. частота купонных выплат (Coupon_freq).

Это говорит о том, что данные переменные не оказывают значимого влияния на спрэд доходности и в дальнейшем анализе принимать участия не будут. Значимыми оказались следующие факторы:

1. ставка купона (Coupon_rate),

2. коэффициент эффективности (Eff_ratio),

3. объем эмиссии (LN_Amount),

4. дюрация (Duration),

5. ценовая дисперсия (BPV),

6. доступность проспекта эмиссии (Prosp_avail).

Влияние рейтинга (Rating) осталось неопределенным, поэтому было принято решение оставить данный параметр для участия в дальнейшей спецификации модели. Результаты регрессии представлены в Приложении 3. Стоит отметить, что данная модель имеет достаточно сильную объясняющую силу - R² = 0.84.

При помощи теста Голдфелда-Куандта данная модель была проверена на наличие гетероскедастичности. После проведения теста выяснилось, что нулевая гипотеза об отсутствии гетероскедастичности не отвергается (p-value = 0.68 > 0.05), что сигнализирует нам об отсутствии в модели неоднородности наблюдений (см. Приложение 4).

После проведения теста на мультиколлинеарность, как и ожидалось ранее, была выявлена раздутая дисперсия у переменных дюрации и ценовой дисперсии (см. Приложение 5). Для более четкой спецификации модели были поочередно проведены регрессии без каждого из этих факторов, а также без них вовсе. Результаты представлены в Приложениях 6, 7 и 8. В результате проведения вспомогательных регрессий было принято решение об исключении обеих переменных из окончательной специфицированной модели, которая перед добавлением в нее информации и данных по ковенантам выглядит следующим образом:

Как видно из Приложения 9, в котором представлена информация по регрессии данной модели, все переменные являются значимыми на уровне 5%, что позволяет сделать вывод о безошибочной спецификации модели для дальнейшего исследования. Касаясь уже существующих результатов, то по анализу коэффициентов данной модели можно сделать вывод, что наибольшее положительное влияние на доходность облигации оказывает показатель эффективности банка. Структурируем полученные результаты:

· чем больше ставка купона по облигации, тем больше спрэд доходности;

· спрэд доходности отрицательно зависит от величины объема эмиссии, то есть при меньших эмиссиях показатели доходностей будут выше;

· облигации в среднем с более низким рейтингом обладают большей доходностью, что подтверждает соотношение риск-доходность;

· чем больше коэффициент эффективности банка, тем больше спрэд доходности;

· доступность проспекта эмиссии положительно влияет на доходность по долговому инструменту.

Последний вывод, на первый взгляд, противоречит основному соотношению риска и доходности, так как доступность проспекта эмиссии предполагает наибольшую прозрачность сделки, что может снижать риск, а с ним, соответственно, и доходность долгового инструмента. В данном случае есть смысл уточнить, что нахождение и доступность проспекта эмиссии в электронной базе, используемой в данной работе, не является единственным возможным вариантом для ознакомления со всеми особенностями займа. Данный параметр был включен в специфицированную модель по причине своей значимости, но так как его результат противоречит общеизвестным экономическим понятиям было принято решение о его исключении из дальнейших этапов анализа.

3.2 Анализ использованных ковенантов

Данный этап анализа состоит из описания ковенантов, которые были найдены в процессе изучения параметров облигационных выпусков и сбора данных, а также из действий по нахождению наиболее полезных и частых ковенантов, которые были использованы в банках данной выборки. Всего было использовано четыре ковенанта. Наименования на английском языке указаны в формулировках базы данных Thomson Reuters в разделе «Рыночные соглашения и ковенанты» («Market conventions and covenants»).

Pari passu. С латинского языка данный термин переводится как «в равной степени» и обозначает равное положение всех заемщиков по той или иной облигации в случае банкротства. В рамках облигационного договора целью данного условия является оговорка о том, что данное долговое обязательство имеет равный приоритет наряду с другими долговыми обязательствами данного заемщика, за исключением тех обязательств, которые имеют привилегированный и преимущественный порядок с точки зрения применимого к данным выпускам законодательства, которое в том числе может содержать разного рода нормативные акты о несостоятельности, ликвидации и банкротстве банка-эмитента. Данный ковенант может оказывать свое влияния в случаях, когда заемщик предоставляет заимодавцу право залога на свое имущество в случае своего банкротства, чем ставит его в более приоритетное и выгодное положение относительно других кредиторов. Данный ковенант создает кредитору комфорт в том, что в этом случае у него снижаются риски для потери капитала, так как его требования будут рассмотрены в той же очередности, что и другие необеспеченные обязательства заемщика. Данный ковенант чаще используется при сделках международного масштаба, чтобы защитить заимодателя от случаев отсутствия или недостаточности информации касательно специфики местного законодательства о банкротстве или ликвидации банка-эмитента как юридического лица. Как уже отмечалось ранее, ковенанты содержатся в 32 рассматриваемых облигационных выпусках, а ковенант о равной очередности фигурирует в девяти случаях, пять из которых представляют собой Евробонды, то есть международные займы. Среднее значение спрэда доходности по облигациям с этим ковенантом находится на уровне 209.47 п.п., что на 76.44 п.п. больше, чем среднее значение по выборке.

Negative pledge. Данный ковенант имеет тесную связь с уже разобранным ковенантом «pari passu» и фигурирует в исследуемой работе шесть раз. Данный ковенант, который в переводе на русский язык звучит как «отказ от залога» представляет собой обязательство банка-заемщика не привлекать новые займы на условиях, более предпочтительных, чем уже выпущенные долговые инструменты. Другими словами, данный ковенант обязывает банк-эмитента предоставить заемщику гарантию того, что другие облигационные или иные займы не будут содержать в себе возможности передачи в залог своих активов, и первоначальный заимодатель, как и в случае с ковенантом «pari passu», становится в одну очередь с другими кредиторами в случае банкротства или ликвидации банка-эмитента. В случае присутствия в договоре эмиссии данного ковенанта, особо важную роль играет мониторинг информации, а также ее асимметрия. Кредитор по данной облигации должен быть осведомлен о наличии у заемщика обязательств, по которым его имущество может быть передано в залог, так как при наличии таковых, у данного кредитора повышаются риски потерь по невыплатам по данному долговому инструменту. Данный ковенант был зафиксирован в четырех национальных выпусках и в двух Евробондах. Среднее значение спрэда доходности по облигациям с этим ковенантом находится на уровне 176.31 п.п., что на 45.28 п.п. больше, чем среднее значение по выборке.

Change of control. Третьим ковенантом в данной работе стало условие, которое представляет собой тактику защиты от нежелательного поглощения или от изменения состава органов управления компании-заемщика. В случае изменения состава собственников банка-эмитента данный ковенант дает право, но не обязательство, заемщику о досрочном погашении имеющейся у него облигации на условиях, изначально прописанных в договоре об эмиссии. Настоящее ограничительное условие повышает уверенность кредитора в отсутствии изменений по политике выплат по долгу банка, у которого была приобретена облигация с данным ковенантом. К добавлению данного ковенанта прибегли девять банков, которые включили его в 14 облигационных выпусков. Среднее значение спрэда доходности по облигациям с этим ковенантом находится на уровне 158.58 п.п., что превышает среднее значение по выборке на 27.55 п.п.

Events of default. Последним ковенантом являются так называемые «события дефолта», или как его еще называют «кросс-дефолт». Он включает в себя случаи неисполнения обязательств, когда должник, то есть в нашем случае банк-эмитент облигаций, не может выполнять свои обязательства по договору. Причем по договору не только с данным кредитором, но в большинстве случаев и с третьими лицами, перед которыми данный банк также должен отвечать по своим обязательствам. Данный ковенант предоставляет заимодателю право досрочно требовать у банка-эмитента отвечать по своим обязательствам, в случае если есть вероятность по ухудшению его финансового состояния, которое может проявляться в невыполнении обязательств по другим контрактам. Также сюда могут попадать случаи разбирательств в суде банком-эмитентом, случаи просроченных или недостоверных финансовых отчетностей, случаи потери лицензии, в рамках которой осуществляется та или иная деятельность банка и многое другое. Данный ковенант является самым «размытым» с точки зрения основных характеристик, которые он в себя включает и может варьироваться от договора к договору. В нашем анализе данным ковенантом воспользовались 11 из 19 банков, которые включили их в 15 облигационных выпусков. Среднее значение спрэда доходности по облигациям с настоящим ковенантом находится на уровне 151.46 п.п., что превышает среднее значение по выборке на 20.43 п.п.

3.3 Анализ модели с добавлением ковенантов

В данном разделе описана и проанализирована модель, которая включила в себя уже существующие значимые факторы из предыдущего анализа, а также дамми-переменную Cov, отвечающую за наличие (Y) или отсутствие (N) ковенантов при выпуске облигации. После детального изучения данного параметра модели было обнаружено, что из всего числа рассматриваемых облигационных выпусков ковенанты содержатся в 32 случаях из 485. По этой причине анализируемая выборка данного раздела представляет собой суженную версию генеральной совокупности предыдущего анализа. Причина сужения заключается в том, что из-за малого количества облигаций с ковенантами (по отношению к выпускам с наличием таковых - 32 против 453) оценки могут получиться смещенными и неверными, так как значимость других факторов не даст объяснить модель параметру с ковенантами. Для получения верных результатов из первоначальной выборки были исключены банки, облигационные выпуски которых не имели ковенантов в своем наличии. Таким образом новая выборка включила в себя 79 облигаций - 32 с ковенантами и 47 без. Банки остались достаточно разнородными и представляли собой 6 стран. Выборку составили семь французских, по три немецких и голландских банка, два английских и по одному бельгийскому, австрийскому, шведскому и итальянскому банку - всего 19. Остальная информация по выборке представлена в Приложении 10.

Перед тем как тестировать модель на значимость ковенантов был проведен более глубокий анализ имеющихся банков на выявление каких-либо закономерностей и причин по включению или невключению ковенантов в свои облигационные займы. С помощью базы данных Thomson Reuters была собрана информация по размеру облигационного долга каждого банка, а также общее количество выпущенных облигаций. Было подсчитано, что:

· средний показатель размера долга для банков, которые, судя по собранной выборке, пользуются опцией ковенантов при выпуске облигаций, более чем в три раза превышает показатель размера долга остальных банков (178 521 375 тыс. евро против 52 559 749 тыс. евро);

· среднее количество облигаций в обращении банков, чьи облигации содержат ковенанты, в пять раз больше, чем у банков, которые ковенанты не используют (4108 против 830).

Данные результаты позволяют сделать вывод о том, что к использованию ковенантов чаще прибегают крупные банки, чьи займы осуществляются на более крупные суммы.

После проведения вышеупомянутых расчетов был проведен регрессионный анализ полученных данных. Новая модель включила в себя данные по ставке купона, коэффициенту эффективности, объему облигационного выпуска, рейтингу и факту наличия-отсутствия ковенант у облигации. После проведения анализа параметр наличия ковенантов оказался значимым, также как показатель ставки купона, коэффициента эффективности банка и рейтинга облигации. Информация по проведенному анализу представлена в Приложении 11. В последующей регрессии из модели были исключены незначимые коэффициенты, так что окончательное уравнение выглядит следующим образом:

Информация по данному регрессионному анализу представлена в Приложении 12. Гетероскедастичность данной модели также не была выявлена, что было проверено с помощью теста Голдфелда-Куантда (см. Приложение 13).

Главный вывод данного анализа представляет собой принятие гипотезы о том, что факт наличия или отсутствия ковенант как особенных условий при выпуске облигационного займа может оказывать влияние на доходность облигаций. Данное влияние меньше, чем влияние остальных значимых параметров, но это не мешает нам сделать вывод о том, что добавление ковенантов в параметры облигационного займа может положительно сказываться на доходности данного инструмента. После проверки данных результатов путем проведения простых математических операций по нахождению разницы в показателях спрэда было получено, что: 1) разница между спрэдами доходности (в процентных пунктах) между облигациями с ковенантами и без них по первоначальной выборке составляет 16.69 п.п.; 2) разница между спрэдами по суженной выборке составляет 7.09 п.п.

Данные результаты подтверждают главное предположение о том, что облигации с дополнительными условиями в виде ковенантов обладают более высокой доходностью по сравнению с остальными.



Заключение

В данной работе был проведен комплексный анализ по изучению факторов, влияющих на спрэд доходности банковских облигаций, на основе собранных данных по банкам, осуществляющим свою деятельность на европейской территории. Данный анализ был выполнен при помощи оценки регрессионных моделей и был разбит на несколько этапов.

На первом этапе был проведен анализ модели, которая включила в себя информацию по характеристике исследуемых облигаций и информацию о банках, участвующих в выборке. В результате анализа были подобраны основные факторы, влияние которых могло быть объяснено для последующего участия в исследовании. Было выяснено, что наиболее значимыми для облигационных инвесторов факторами стали ставка купона по долговому инструменту, показатели эффективности банка-заемщика, объем облигационного выпуска, рейтинг облигации и наличие проспекта эмиссии в свободном доступе базы данных (в нашем случае Thomson Reuters). Согласно проведенному анализу по собранной выборке, для владельцев облигаций незначимы показатели ROE банка, отношению активов к капиталу, а также частота и тип выплаты купона.

На втором этапе был проведен анализ специфицированной модели с добавлением факторной переменной, отвечающей за наличие ковенантов при выпуске облигационного займа. Построенная на данном этапе модель позволила объяснить до 63% вариации спрэдов доходности по банковским облигациям. Главный результат данного этапа заключается в том, что дамми-переменная с ковенантами оказалось значимой на уровне значимости 5%, что позволило сделать вывод о положительном влиянии данного параметра на спрэд доходности банковской облигации, выступающей в данной работе в качестве основной объясняемой переменной. Также был проведен сравнительный анализ показателей средних значений спрэдов доходностей. Он был выполнен на основе суженной выборки, в которую вошли только те банки из первоначальной выборки, прибегающие в своих займах к использованию ковенантов. Было получено, что средний спрэд облигаций с ковенантами на 7.09 п.п. выше, чем средний спрэд облигаций тех же самых банков, которые не включают в себя ковенанты. Также был выявлен тот факт, что к применению ковенантов чаще прибегают крупные банки, чьи долговые возможности шире, чем у мелких банков. Данный вывод идет вразрез с результатом Demiroglu, James (2010), который подразумевал то, что фирмы с меньшим количеством финансовых возможностей чаще прибегают к использованию ковенантов. Данное разногласие может быть объяснено тем, что в условиях нестабильности финансовой системы мелкие банки не в состоянии гарантировать соблюдение оговоренных заранее ковенант, тогда как крупные игроки могут себе позволить за счет повышения собственного риска увеличить привлекательность инструмента для инвестора.

На третьем этапе анализа было проведено детальное рассмотрение специфики каждого из ковенантов, которое позволило сделать вывод о том, что банки действительно готовы идти на некоторые уступки для большего удовлетворения потребностей кредиторов, снижению их риска и предоставления им более привлекательного и надежного способа инвестирования. Было разобрано четыре ковенанта, посредством добавления которых банк-эмитент получает возможность повысить свою финансовую дисциплину, а также доходность долгового инструмента. Наиболее «доходным» для инвестора ковенантом оказалась оговорка pari passu, предоставляющая ему равные по отношению с другими кредиторами возможности при требовании по обслуживанию займа в случае банкротства или ликвидации заемщика. Также было определено, что при выпуске облигации банки предпочитают ограничиваться одним ковенантом: лишь в 25% случаев (8 из 32) банки включали в один выпуск два и более ковенанта. Это говорит о том, что даже крупные банки не готовы брать на себя слишком много обязательств, так как их невыполнение может повлечь за собой еще большие потери.

В общем итоге использование ковенантов в любом случае можно расценивать как благо. Инвесторы могут эффективно, а не на словах, защищать свои права, тогда как эмитент с помощью них повышает свою финансовую исполнительность. Для инвестора риск возникновения неблагоприятных последствий, которые могут возникнуть при дефолте банка-эмитента уменьшается, а в условиях относительной финансовой стабильности рынка ковенанты открывают дорогу на организованный рынок заимствований банкам со скромным собственным капиталом и другими показателями и позволяют рассчитывать на увеличение привлекаемого капитала. ковенант банковский облигация регрессор

Что касается российского рынка корпоративных банковских облигаций, то можно предположить, что факт того, что ковенанты на нем практически не используются, постепенно сходит на нет. Во-первых, банки, которые заимствуют средства на международной арене, с каждым годом увеличивают свой опыт работы с данным инструментом и уже знакомы с особенностями его грамотного применения. По этой причине следует ожидать, что в скором времени они принесут свой опыт на российский рынок. Плюс ко всему, на российском рынке экономическая ситуация стагнирует, а количество свободных денег у населения на инвестирование стремится к нулю, поэтому предполагается повышение конкуренции за их остатки. В подобных условиях банкам, а также другим эмитентам ценных бумаг, будет необходимо принимать меры по повышению привлекательности своих долговых инструментов. Одной из таких мер может как раз стать предоставление инвесторам дополнительных прав в виде закрепления различных ковенантов. При данных обстоятельствах вряд ли следует ожидать более радикальных изменений в российской структуре облигационных займов. Однако в более далекой перспективе применение ковенантов может сыграть на руку всем сторонам финансового процесса, в том числе и Центральному Банку России, который, действуя в качестве регулятора, будет только поощрять повышение надежности выпускаемых инструментов, а также увеличение мониторинга за соблюдением тех или иных финансовых показателей и нормативов, предусмотренных ковенантами.



Список литературы

1. Анисимов А.Н. Кредитные ковенанты: советы по практическому применению. Банковское кредитование. - 2012. - № 3. - с. 50-59

2. Вишневский П.Н. Содержание договора международного коммерческого займа: общие условия, условия о предмете, об ответственности и изменении договора // Адвокат. - 2014. - N 7. - с. 13

3. Задорожная А.Н. Ковенанты как инструмент решения конфликта интересов между акционерами и кредиторами компании. Финансы и кредит. - 2014. - № 16. - с. 37-48

4. Уилсон Р. С., Фабоцци Д. Ф. Корпоративные облигации: Структура и анализ. Ричард С. Уилсон, Фрэнк Дж. Фабоцци; Пер. с англ. - М.: Альпина Бизнес Букс, 2005.

5. Федеральный закон от 22.04.1996 N 39-ФЗ (ред. от 30.12.2015) "О рынке ценных бумаг" (с изм. и доп., вступ. в силу с 09.02.2016)

6. Фомичева А.А. Сравнительно-правовой анализ отдельных положений кредитного договора российских и немецких банков. Банковское право, - 2012. - № 5. - с. 66-72

7. Billett, Matthew T., Tao-Hsien Dolly King, David M., (2007), Growth opportunities and the choice of leverage, debt maturity, and covenants. Journal of Finance, 62(2), pp. 697-730.

8. Borgonovo, E., Gatti, S., (2013), Risk analysis with contractual default. Does covenant breach matter?, European Journal of Operational Research, (230), pp. 431-443

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

10. Chan, E., Ahmad, M. F. H., Wooldridge, P. (2007). Liquidity in an emerging bond market: a case study of corporate bonds in Malaysia. Bank of International Settlements (BIS) Working Paper Series.

11. Collin-Dufresne, P., Goldstein, R., Martin, S. (2001). The Determinants of Credit Spread Changes. Journal of Finance, 56(6), pp. 2177-2207.

12. Cook, D., Fu, X., Tang, T. (2014). The effect of liquidity and solvency risk on the inclusion of bond covenants. Journal of Banking and Finance, 48(11), pp. 120-136.

13. Demerjian, P. R. (2011). Accounting standards and debt covenants: Has the “balance sheet approach” led to a decline in the use of balance sheet covenants?, Journal of Accounting and Economics, 52(2), pp. 178-202.

14. Demiroglu, C., James, C. M. (2010). The information content of bank loan covenants. Review of financial Studies, 23(10), pp. 3700-3737.

15. Diamond, D. W., & Dybvig, P. H. (1983). Bank runs, deposit insurance, and liquidity. The journal of political economy, pp. 401-419.

16. Diebold, F. X., Piazzesi, M., Rudebusch, G. (2005). Modeling bond yields in finance and macroeconomics (No. w11089). National Bureau of Economic Research.

17. Elton, E., Gruber, M., Agrawal, D. and Mann, C. (2001). Explaining the rate spread on corporate bonds. The Journal of Finance, 56(1), pp. 247-277.

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

19. Gьntay, L., Hackbarth, D. (2010). Corporate Cond Credit Spreads and Forecast Dispersion. Journal of Banking and Finance, (34), pp. 2328-2345.

20. Longstaff, F., Mithal, S., Neis., E. (2005). Corporate yield spreads: default risk or liquidity? New evidence from the credit default swap market. The Journal of Finance, 60(5), pp. 2213-2253.

21. Merton, R. (1974). On the pricing of corporate debt: The risk structure of interest rates. Journal of Finance, 29(2), pp. 449-470.

22. Morgan, D. and Stiroh, K. (2001). Market discipline of banks: The asset test. Journal of Financial Services Research, 20(2), pp. 195-208.

23. Sironi, A. (2003). Testing for market discipline in the European banking industry: Evidence from subordinated debt issues. Journal of Money, (3), pp. 443-472.

24. Smith, C., Warner, J. (1979). On financial contracting: an analysis of bond covenants. Journal of Financial Economics, 7(2), pp. 117-161.

25. Nash, R., Netter, J., Poulsen, A. (2003). Determinants of contractual relations between shareholders and bondholders: Investment opportunities and restrictive covenants. Journal of Corporate Finance, 9(2), pp. 201-232.

26. Pflueger, C., Viceira, L. (2011). Inflation-indexed bonds and the expectation hypothesis. The Annual Review of Financial Economics, (3), pp. 139-158.

27. Reisel, N. (2014). On the value of restrictive covenants: Empirical investigation of public bond issues. Journal of Corporate Finance, 62(2), pp. 693-730.

28. Vashishtha, R. (2014). The role of bank monitoring in borrowersЧ discretionary disclosure: Evidence from covenant violations. Journal of Accounting and Economics, 57(2), pp. 176-195.

29. Wright, J. H. (2011). Term premia and inflation uncertainty: Empirical evidence from an international panel dataset. The American Economic Review, pp. 1514-1534.

Интернет-источники

1. bonds.finam.ru

2. rbk.ru

3. gazprombank.ru

4. bonds.ru

5. economist.ru

6. gks.ru

7. consultant.ru

8. ec.europa.eu/eurostat



Приложение 1. Корреляционная матрица регрессоров первоначальной модели

	Coupon_rate	Eff_Ratio	ROE	A/E	LN_Amount	Duration	BPV	LN_Spread
Coupon_rate	1
Eff_Ratio	0,0641	1
ROE	0,0452	0,5052	1
Assets_Equity	0,2121	0,1439	0,1738	1
LN_Amount	0,0070	-0,1156	0,1758	-0,0058	1
Duration	-0,1375	-0,1438	0,1130	0,0608	0,1406	1
BPV	-0,0182	-0,2039	0,1315	0,0073	0,1459	0,9487	1
LN_Spread	0,5923	0,2719	0,1200	-0,1187	-0,1123	0,1903	0,3181	1



Приложение 2. Общая информация по выборке работы



Приложение 3. Результаты проведенного регрессионного анализа первоначальной модели (до спецификиции)

Call:

lm(formula = LN_Spread ~ Coupon_rate + LN_Amount + Rating + Eff_Ratio +

Prosp_avail + Assets_Equity + ROE + Placement_type + Coupon_freq +

Coupon_type + Duration + BPV, data = diploma)

Residuals:

Min 1Q Median 3Q Max

-1.20420 -0.09104 0.04274 0.14688 0.46077

Coefficients:

Estimate Std. Error t value Pr(>|t|)

(Intercept)4.6984836 0.2301006 20.419 < 2e-16 ***

Coupon_rate0.5600055 0.0188658 29.684 < 2e-16 ***

LN_Amount-0.0444839 0.0100936 -4.407 1.42e-05 ***

RatingB-0.0458394 0.0313896 -1.460 0.145163

Eff_Ratio0.4344842 0.1186282 3.663 0.000291 ***

Prosp_availY0.0871138 0.0260461 3.345 0.000920 ***

Assets_Equity-0.0005315 0.0021686 -0.245 0.806553

ROE0.1359866 0.2473331 0.550 0.582826

Placement_type

Eurobond -0.0256048 0.0375347 -0.682 0.495621

Coupon_freqMore-0.0778022 0.0738782 -1.053 0.293071

Coupon_typeFLT0.0235077 0.0726622 0.324 0.746510

Duration0.9026949 0.0329820 27.369 < 2e-16 ***

BPV-0.9341119 0.0327159 -28.552 < 2e-16 ***

---

Signif. codes: 0 `***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1 ` ' 1

Residual standard error: 0.2126 on 325 degrees of freedom

(147 observations deleted due to missingness)

Multiple R-squared: 0.8478,Adjusted R-squared: 0.8421

F-statistic: 150.8 on 12 and 325 DF, p-value: < 2.2e-16



Приложение 4. Тест Голдфелда-Куантда для первоначальной модели

> model1 <- lm(data=diploma, LN_Spread ~ Coupon_rate + LN_Amount + Rating + Eff_Ratio + Prosp_avail + Assets_Equity + ROE + Placement_type+ Coupon_freq + Coupon_type + Duration + BPV)

> gqtest(model1)

Goldfeld-Quandt test

data: model1

GQ = 0.92651, df1 = 156, df2 = 156, p-value = 0.6829



Приложение 5. Показатели раздутия дисперсии регрессоров первоначальной модели



Приложение 6. Вспомогательная регрессия первоначальной модели (без Duration)

Call:

lm(formula = LN_Spread ~ Coupon_rate + LN_Amount + Rating + Eff_Ratio +

Prosp_avail + Assets_Equity + ROE + Placement_type + Coupon_freq +

Coupon_type + BPV, data = diploma)

Residuals:

Min 1Q Median 3Q Max

-1.1277 -0.2515 0.1046 0.2800 0.6877

Coefficients:

Estimate Std. Error t value Pr(>|t|)

(Intercept)4.64173570.4176475 11.114 < 2e-16 ***

Coupon_rate0.34110890.0310147 10.998 < 2e-16 ***

LN_Amount-0.03417190.0183084 -1.866 0.06288 .

RatingB 0.16144760.0552931 2.920 0.00375 **

Eff_Ratio0.85556580.2135080 4.007 7.62e-05 ***

Prosp_availY0.08036490.0472752 1.700 0.09010 .

Assets_Equity0.00090830.0039351 0.231 0.81759

ROE0.60295940.4478744 1.346 0.17915

Placement_type

Eurobond -0.0706812 0.0680651 -1.038 0.29984

Coupon_freqMore0.05159150.1338243 0.386 0.70011

Coupon_typeFLT-0.2122050 0.1309623 -1.620 0.10612

BPV-0.0689834 0.0153139 -4.505 9.27e-06 ***

---

Signif. codes: 0 `***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1 ` ' 1

Residual standard error: 0.3859 on 326 degrees of freedom

(147 observations deleted due to missingness)

Multiple R-squared: 0.4969,Adjusted R-squared: 0.4799

F-statistic: 29.27 on 11 and 326 DF, p-value: < 2.2e-16



Приложение 7. Вспомогательная регрессия первоначальной модели (без BPV)

Call:

lm(formula = LN_Spread ~ Coupon_rate + LN_Amount + Rating + Eff_Ratio +

Prosp_avail + Assets_Equity + ROE + Placement_type + Coupon_freq +

Coupon_type + Duration, data = diploma)

Residuals:

Min 1Q Median 3Q Max

-4.8988 -0.1937 0.1046 0.3180 0.7755

Coefficients:

Estimate Std. Error t value Pr(>|t|)

(Intercept) 4.2519737 0.4770470 8.913 < 2e-16 ***

Coupon_rate0.39582610.035438111.170 < 2e-16 ***

LN_Amount-0.0418428 0.0208768 -2.004 0.045769 *

RatingB 0.2064057 0.0698226 2.956 0.003315 **

Eff_Ratio 0.9131268 0.2586315 3.531 0.000467 ***

Prosp_availY0.13050610.0569405 2.292 0.022468 *

Assets_Equity-0.0002318 0.0049330 -0.047 0.962546

ROE0.3674039 0.5329254 0.689 0.490998

Placement_type

Eurobond -0.0980536 0.0861261 -1.138 0.255653

Coupon_freqMore0.04531860.1197838 0.378 0.705398

Coupon_typeFLT-0.1801680 0.1234200 -1.460 0.145195

Duration-0.0195609 0.0200125 -0.977 0.328995

---

Signif. codes: 0 `***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1 ` ' 1

Residual standard error: 0.5107 on 370 degrees of freedom

(103 observations deleted due to missingness)

Multiple R-squared: 0.4236,Adjusted R-squared: 0.4065

F-statistic: 24.72 on 11 and 370 DF, p-value: < 2.2e-16



Приложение 8. Вспомогательная регрессия первоначальной модели (без Duration и BPV)

Call:

lm(formula = LN_Spread ~ Coupon_rate + LN_Amount + Rating + Eff_Ratio +

Prosp_avail + Assets_Equity + ROE + Placement_type + Coupon_freq +

Coupon_type, data = diploma)

Residuals:

Min 1Q Median 3Q Max

-4.9127 -0.1861 0.0981 0.3158 0.7695

Coefficients:

Estimate Std. Error t value Pr(>|t|)

(Intercept) 4.1297536 0.4541475 9.093 < 2e-16 ***

Coupon_rate0.3942829 0.0336219 11.727 < 2e-16 ***

LN_Amount-0.0439045 0.0205648 -2.135 0.033412 *

RatingB0.2159235 0.0690709 3.126 0.001909 **

Eff_Ratio0.9200031 0.2535323 3.629 0.000324 ***

Prosp_availY0.1365869 0.0560172 2.438 0.015219 *

Assets_Equity-0.0003747 0.0048845 -0.077 0.938895

ROE0.3857600 0.5231754 0.737 0.461373

Placement_type

Eurobond-0.0996603 0.0853140 -1.168 0.243483

Coupon_freqMore0.0349953 0.1167511 0.300 0.764539

Coupon_typeFLT-0.1686607 0.1190257 -1.417 0.157308

---

Signif. codes: 0 `***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1 ` ' 1

Residual standard error: 0.5084 on 376 degrees of freedom

(98 observations deleted due to missingness)

Multiple R-squared: 0.4311,Adjusted R-squared: 0.416

F-statistic: 28.5 on 10 and 376 DF, p-value: < 2.2e-16



Приложение 9. Результаты проведенного регрессионного анализа специфицированной модели

Call:

lm(formula = LN_Spread ~ Coupon_rate + LN_Amount + Rating + Eff_Ratio +

Prosp_avail, data = diploma)

Residuals:

Min 1Q Median 3Q Max

-5.0104 -0.2143 0.1167 0.3069 0.7042

Coefficients:

Estimate Std. Error t value Pr(>|t|)

(Intercept) 4.18701 0.40221 10.410 < 2e-16 ***

Coupon_rate 0.40208 0.03057 13.151 < 2e-16 ***

LN_Amount -0.04808 0.01951 -2.464 0.01418 *

RatingB 0.18013 0.06047 2.979 0.00308 **

Eff_Ratio 0.93127 0.21768 4.278 2.38e-05 ***

Prosp_availY 0.12680 0.05499 2.306 0.02165 *

---

Signif. codes: 0 `***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1 ` ' 1

Residual standard error: 0.5064 on 387 degrees of freedom

(92 observations deleted due to missingness)

Multiple R-squared: 0.4274,Adjusted R-squared: 0.42

F-statistic: 57.78 on 5 and 387 DF, p-value: < 2.2e-16



Приложение 10. Общая информация по суженной выборке данной работы (с добавлением ковенантов)



Приложение 11. Результаты проведенного регрессионного анализа специфицированной модели с добавлением дамми-переменной с ковенантами

Call:

lm(formula = LN_Spread ~ Coupon_rate + LN_Amount + Rating + Eff_Ratio + Cov, data = analogi)

Residuals:

Min 1Q Median 3Q Max

-1.06767 -0.12870 0.03297 0.14497 0.55973

Coefficients:

Estimate Std. Error t value Pr(>|t|)

(Intercept) 3.79997 0.58014 6.550 1.28e-08 ***

Coupon_rate 0.39016 0.04567 8.543 4.54e-12 ***

LN_Amount -0.02599 0.02757 -0.943 0.34954

RatingB 0.29281 0.09151 3.200 0.00217 **

Eff_Ratio 0.78547 0.23627 3.324 0.00149 **

CovY 0.23662 0.08305 2.849 0.00594 **

Signif. codes: 0 `***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1 ` ' 1

Residual standard error: 0.3204 on 62 degrees of freedom

(11 observations deleted due to missingness)

Multiple R-squared: 0.6827,Adjusted R-squared: 0.6571

F-statistic: 26.68 on 5 and 62 DF, p-value: 2.787e-14



Приложение 12. Результаты проведенного регрессионного анализа окончательной модели с добавлением только значимых переменных

Call:

lm(formula = LN_Spread ~ Coupon_rate + Rating + Eff_Ratio + Cov,

data = analogi)

Residuals:

Min 1Q Median 3Q Max

-1.06395 -0.15603 0.03355 0.13701 0.55322

Coefficients:

Estimate Std. Error t value Pr(>|t|)

(Intercept) 3.29225 0.21529 15.292 < 2e-16 ***

Coupon_rate 0.38245 0.04489 8.519 4.42e-12 ***

RatingB 0.27722 0.08992 3.083 0.003040 **

Eff_Ratio 0.81641 0.23378 3.492 0.000881 ***

CovY 0.22247 0.08161 2.726 0.008294 **

---

Signif. codes: 0 `***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1 ` ' 1

Residual standard error: 0.3201 on 63 degrees of freedom

(11 observations deleted due to missingness)

Multiple R-squared: 0.6782,Adjusted R-squared: 0.6577

F-statistic: 33.19 on 4 and 63 DF, p-value: 6.922e-15



Приложение 13. Тест Голдфелда-Куантда для окончательной модели

> model2 <- lm(data=analogi, LN_Spread ~ Coupon_rate + Rating + Eff_Ratio + Cov)

> gqtest(model2)

Goldfeld-Quandt test

data: model2

GQ = 0.43637, df1 = 29, df2 = 29, p-value = 0.9855

Размещено на Allbest.ru