Взаимосвязь наличия облигационных займов и кредитного риска компании

Построение базовой модели показало (Приложение 3), что она является значимой, а выборочный коэффициент детерминации равен 0,5237. Это означает, что на 52,37% уровень кредитного рейтинга может быть объяснен данной линейной регрессией.

Следующим этапом было включение в модель новых переменных и построение линейной регрессионной модели (Приложение 4). Таким образом, были включены следующие переменные: максимальная доходность к погашению по всем облигациям, выпущенным компанией (YLD), прологарифмированное количество выпусков (NUM), осуществленных компанией, отношение суммы выпуска к чистым активам (AMT), и принадлежность компании к определенной отрасли (IND). Проверка последней переменной на значимость позволит понять, отличается ли кредитный риск в разных отраслях. Если результаты проверки пятой гипотезы покажут, что переменная значима, то будет исследована каждая группа отраслей отдельно, предполагая, что различные переменные значимы в различных отраслях. Результаты построения линейных регрессий приведены в таблице 9.

Все факторы в базовой модели и в модели линейной регрессии были проверены на мультиколлинеарность, то есть на наличие линейной зависимости между объясняющими переменными, и гетероскедастичность ошибок, непостоянство дисперсий ошибок. Для этого проводится тест VIF (VarianceInflationFactor), который показал, что коэффициент увеличения дисперсии по всем переменным оказался меньше 4 (Приложение 5). А также, проводится тест Бреуша-Пагана, по результатам которого была принята гипотеза о постоянстве дисперсий ошибок, то есть об их гомоскедастичности (Приложение 6). Таким образом, можно делать вывод о состоятельности параметров моделей регрессионного анализа.

Результаты регрессионного анализа

Примечание: Знаками * и ** отмечены значимые переменные на 10% и 5% уровне значимости, соответственно.

Переходя к анализу полученных в ходе регрессионного анализа результатов, важно отметить значимость обеих линейных моделей. Мы можем утверждать, что модель, включающая в себя дополнительные факторы, связанные с выпуском облигаций, лучше объясняетуровень кредитного риска, поскольку выборочный коэффициент детерминации увеличился до 56,88%. Также об этом свидетельствует то, что в новой модели более значимым, то есть значимым на 5% уровне, оказался фактор X₃, отношение прибыли до уплаты процентов и налогов к общим активам. Что касается нововведенных переменных, то на 5% уровне значимым оказался фактор, характеризующий число выпусков, произведенных компанией. На таком же уровне оказался значим фактор принадлежности компании определенной отрасли. Кроме того, эконометрический анализ показал, что максимальная доходность облигаций компании является значимым регрессором, но на 10% уровне значимости. Таким образом, подтверждаются 2, 3, и 5 гипотезы об отрицательной взаимосвязи между максимальной доходностью к погашению по облигациям и кредитным рейтингом компании, о положительной взаимосвязи между количеством облигационных выпусков и кредитным рейтингом компании и наличии взаимосвязи между отраслью компании-эмитента и ее кредитным рейтингом, что означает, что кредитный риск варьируется согласно отраслевой принадлежности. Однако переменная (AMT), обозначающая отношение суммы выпуска к величине чистых активов, оказалась не значима, поэтому мы не можем принять гипотезу 4 об отрицательной взаимосвязи между долей суммы выпуска в чистых активах и кредитным рейтингом компании.

Ввиду значимости отраслевого фактора, было принято решение провести более подробный анализ капиталоемких отраслей, отраслей, в которых важную роль играет интеллектуальный капитал, и непроизводственных отраслей, занимающихся торговлей. Рассмотрим значения нескольких переменных, исходя из принадлежности компании к определенной отрасли. Ниже приведен график (рис. 3), на котором отражены доходности к погашению облигаций компаний рассматриваемых отраслей.

Доходность к погашению облигаций по отраслям

Источник: график составлен на основе данных выборки.

На рисунке видно, что наиболее высокое значение средней доходности по облигациям принадлежит отрасли высоких технологий и составляет 5,57%. Причиной может быть относительная новизна данной отрасли и более высокие риски инвестирования. Капиталоемкие отрасли и ритейл характеризуются меньшими значениями доходности облигаций, 5,27 и 4,73, соответственно.

Также было интересно посмотреть, как отличаются значения количества выпусков, осуществленных компаниями разных отраслей.

Исходя из рисунка 4, можно отметить, что наибольшее среднее количество облигационных эмиссий на эмитента - 13,59 наблюдается в отрасли высоких технологий. Далее идут торговля и капиталоемкие отрасли со средним количеством эмиссий 11,91 и 7,18, соответственно.

Количество облигационных эмиссий по отраслям

Источник: график составлен на основе данных выборки.

При этом отраслями с наибольшей средней долей объема выпуска в величине чистых активов, равной 0,93, являются капиталоемкие отрасли. Это неудивительно, поскольку спецификой данных отраслей являются капиталоемкие инвестиции. Аналогичные величины для компаний отрасли высоких технологий и ритейла практически одинаковы и составляют 0,57 и 0,58, соответственно. Данная информация отражена на рисунке 5.

Доля суммы выпусков в чистых активах по отраслям

Источник: график составлен на основе данных выборки.

Выше рассмотренные различия подтолкнули к анализу влияния данных трех факторов на кредитный риск в отдельных подвыборках, выделенных по отраслям. Для этого были построены три регрессионных модели (Приложения 7, 8, 9). Результаты различий влияния и значимости данных переменных по отраслям приведены в таблице 10.

Результаты регрессионного анализа по отраслям

Примечание: Знаком ** отмечены значимые переменные на 5% уровне значимости.

Результаты исследования показали, что для капиталоемких отраслей и высоких технологий, как, впрочем, и в основной регрессионной модели, переменная, отражающая долю суммы выпуска в чистых активах, оказалась незначима. Однако в отрасли розничной торговли данный фактор является значимым на 5% уровне значимости. В то же время в секторе ритейла фактор, характеризующий максимальную доходность по облигациям оказался незначимым, в отличие от других отраслей. В компаниях капиталоемких отраслей, кроме того, не наблюдается значимости переменной, характеризующей количество облигационных выпусков. Таким образом, мы можем принять гипотезу 4 об отрицательной взаимосвязи между долей суммы выпуска в чистых активах и кредитным рейтингом компании для отрасли розничной торговли.

3.3 Анализ полученных результатов и выводы

В ходе эконометрического исследования удалось выявить существенные отличия в уровне кредитного риска компаний, эмитирующих облигации, и компаний, не прибегающих к финансированию на рынке облигаций. Таким образом подтвердилась основная гипотеза исследовательской работы. Компании-эмитенты несут в себе меньший риск дефолта. Это может объясняться главными характеристиками облигационных займов как инструмента привлечения финансирования и требованиями к их выпуску. Во-первых, это высокие требования к раскрытию информации и дальнейшее поддержание прозрачности отчетности, что особо ценится инвесторами. Во-вторых, компании, выходящие на публичный рынок, уделяют больше внимания своему финансовому профилю, а именно, получают рейтинги и консультируются с банками, сопровождающими выпуски, как улучшить свои показатели. В-третьих, на рынке облигаций легко проследить финансовое состояние компании и ее рыночную оценку по ликвидности и интенсивности оборота ее ценных бумаг.

Далее была построена линейная регрессионная модель, основанная на пятифакторной дискриминантной модели Альтмана, а также же на дополнительных факторах, обусловленных наличием облигационных выпусков, при этом результирующей переменной был выбран рейтинг компании, что отражает ее кредитный риск. С ее помощью удалось выявить существенную взаимосвязь между кредитным риском компании и характеристиками ее облигаций. Так, регрессионный анализ показал наличие отрицательной взаимосвязи между максимальной доходностью к погашению по облигациям, выпущенным компанией, и ее кредитным рейтингом. Это доказывает вторую гипотезу данной работы и говорит о том, что компании, чьи облигации обладают большей доходностью к погашению, имеют более низкий рейтинг, то есть более высокий кредитный риск. Данная закономерность является вполне логичной, поскольку инвестиции в более рискованные компании требуют большей доходности со стороны инвесторов. Также значимой оказалась положительная взаимосвязь между кредитным рейтингом и количеством облигационных выпусков, осуществленных компанией. Данный результат подтверждает третью гипотезу, выдвинутую ранее. Чем больше раз компания произвела выпуск облигаций, соответственно, чем она опытнее на финансовом рынке и более зарекомендована на нем, имея позитивную кредитную историю, тем выше оценивается ее кредитный рейтинг, тем ниже кредитный риск. Однако регрессионный анализ не позволил установить взаимосвязь между кредитным рейтингом и отношением суммы выпусков к величине чистых активов, поэтому четвертая гипотеза была отвергнута. Изначальное предположение о том, что чем на большую сумму компания производит выпуск, тем больше рисков она на себя принимает, соответственно, тем более низкую оценку получает со стороны рейтинговых агентств, не подкрепилось результатами статистического исследования. Оказалось, что для выборки, состоящей из компаний нескольких отраслей, доля размера выпусков к чистым активам компании не имеет взаимосвязи с оценкой ее кредитоспособности. Таким образом, для присвоения рейтингов не имеет значение объем привлекаемых компанией средств, он ориентируется в основном на доходность ее облигаций, опытом осуществления эмиссий и отраслью ведения бизнес-операций. Доказательством пятой гипотезы и почвой для дальнейшего исследования была обнаруженная взаимосвязь между кредитным рейтингом и отраслью, в которой компания-эмитент ведет свой бизнес.

В капиталоемких отраслях наблюдалась наибольшая доля суммы выпуска в чистых активах и одновременно с этим меньшее среднее количество выпусков. Обратная ситуация наблюдалась в отраслях телекоммуникаций, IT и программного обеспечения.

Отрасль высоких технологий показала такие же результаты, как и вся выборка эмитентов в целом, то есть значимыми оказались доходность к погашению облигаций и количество выпусков. Таким образом, можно сделать вывод, что при оценке кредитоспособности компаний данной отрасли большую роль играют ожидаемая доходность, связанная с инвестициями в компанию данной отрасли и опыт компании на финансовом рынке, а не относительная величина привлекаемых инвестиций. По результатам регрессии по выборке компаний капиталоемких отраслей выяснилось, что ни доля суммы выпусков в чистых активах, ни число выпусков не являются значимыми факторами и не имеют взаимосвязи с оценкой кредитного риска. Только доходность к погашению связана с кредитным рейтингом в данных отраслях. Причиной этому может быть тот факт, что основная часть проектов, под которые привлекают средства компании данных отраслей на рынке облигаций, являются капиталоемкими и сравнительно нечастыми, поэтому рейтинги варьируются благодаря различию в доходностях облигаций. Что касается ритейловых компаний, то их кредитный риск взаимосвязан с относительной величиной суммы заимствования и с количеством выпусков. Таким образом, здесь особенно важно, насколько чистые активы покрывают величину облигационного займа, поскольку в отрасли большую роль играет высокая ликвидность и оборачиваемость, а также насколько опытна компания в выпуске облигаций.

В связи с полученными в ходе исследования результатами, хотелось бы сформулировать следующие практические выводы для банков и частных инвесторов. Как было упомянуто ранее, Центральный Банк активно стимулирует компании прибегать к облигационным займам, как к инструменту финансирования, упрощая процедуру выхода на рынок облигаций и сокращая время данного процесса. Это неизбежно приводит к увеличению количества компаний-эмитентов на российском рынке, соответственно, увеличивая число компаний, раскрывающих информацию о своей деятельности, улучшающих финансовые показатели. На данном этапе встает вопрос, как учесть информацию о наличии у компании облигаций при оценке ее кредитного риска. Таким образом, данное исследование показало, что компании, эмитирующие облигации обладают меньшим риском дефолта, а факторы доходности к погашению по облигациям, количества выпусков и доли суммы выпуска в чистых активах могут быть учтены при рассмотрении компании в качестве потенциального заемщика в банке. Данное исследование показывает потенциал включения переменных, характеризующих облигационные выпуски, в скоринговые модели для учета большего количества характеристик компании при оценке кредитного риска банком. Кроме того, результаты данной работы окажутся полезными при оценки частными инвесторами компаний-эмитентов, не имеющих рейтинги, а также при решении таких проблем рейтинговой оценки, как периодичность переоценки рейтинга.

Заключение

Данная работа была посвящена исследованию наличия взаимосвязи привлечения средств за счет облигационных займов и кредитного риска компании.

Целью работы являлось выявление взаимосвязи наличия облигаций у компании и ее кредитного риска.

Первая глава посвящена рассмотрению облигационных займов как источника финансирования для компаний. В первой главе были рассмотрены понятие и основные характеристики облигаций, их возможности и ограничения в использовании, классификация облигаций по разным признакам, их отличия от банковских кредитов и стадии выпуска облигаций. Кроме того, был проведен анализ рынка облигаций России и США, а также были приведены основания для выбора американского рынка облигаций в качестве рынка для проведения исследования в данной работе.

Вторая глава посвящена анализу кредитного риска в коммерческом банке. В данной главе приводятся понятие и природа возникновения кредитного риска в банке, анализируются модели оценки вероятности дефолта компании и делается обоснованный выбор в пользу одной из рассмотренных моделей. В ходе сравнительного анализа в качестве базовой модели была выбрана модель Альтмана, на основе которой строилось дальнейшее эмпирическое исследование.

Третья глава посвящена эмпирическому исследованию взаимосвязи наличия облигаций и кредитного риска компании. Данная глава содержит информацию о выдвинутых гипотезах и способе формирования выборки на всех этапах исследования. Здесь приведены результаты анализа взаимосвязи кредитного рейтинга, как показателя кредитного риска и доходностью облигаций, количеством произведенных компанией выпусков, долей суммы выпусков в чистых активах и отраслей, в которых рассматриваемые компании-эмитенты ведут свою деятельность. Отдельно были рассмотрены приведенные выше взаимосвязи в разных отраслях экономики США. Регрессионный анализ проводился с использованием программы «Stata» и был основан на данных финансовой отчетности по результатам 2017 года, официальных сайтов компаний и базы данных Thomson&Reuters.

Главным выводом работы является то, что наличие у компании облигаций свидетельствует о более низких кредитных рисках, связанных с ней. Более того, важным результатом является выявленная статистически значимая взаимосвязь между кредитным рейтингом и доходностью к погашению по облигациям, числом облигационных выпусков и принадлежностью компании к определенной индустрии. Данные выводы будут полезны при оценке кредитоспособности компании банком и частными инвесторами. Кроме того, результаты данной работы подтверждают тот факт, что модели оценки кредитного риска компании должны быть адаптированы к отрасли потенциального заемщика. Вопросами для дальнейшего исследования может быть рассмотрение данной моделии выявления взаимосвязей на российском рынке, а также в рамках отраслей, не рассмотренных в данной работе.

Список литературы

1. Анализ облигаций // Информационное агентство Финмаркет[Электронный ресурс]. - Режим доступа:http://www.rusbonds.ru/cmncorp.asp - Загл. с экрана - 2004 - 2018.

2. Андреева А. К. Сравнение привлекательности корпоративных облигаций и банковских кредитов для заемщиков / А. К. Андреева // Инновационная наука. -- 2015. -- № 6 (6). -- С. 18-19.

3. Бадилина Л. П. Активизация инвестиционных процессов в Российской Федерации с использованием рынка ценных бумаг / Л. П. Бадилина, Н. А. Звягинцева // Известия Иркутской государственной экономической академии. -- 2016. -- Т. 26, № 1. -- С. 5-14.

4. Бородин А. И., Стрельцова Е. Оценивание инвестиционной привлекательности инновационных проектов на основе нечеткой логики // Прикладная информатика. 2013. № 4(46). С. 19-28.

5. Брейли Р., Майерс С. Принципы корпоративных финансов. - М.: Олимп-бизнес, 1997. Гл. 1.

6. Бюджетный кодекс Российской Федерации, ст. 98, ст. 115 от 31.07.1998 N 145-ФЗ (ред. от 28.12.2017) [Электронный ресурс]. - Режим доступа:http://www.consultant.ru/document/cons_doc_LAW_19702/ - Загл. с экрана - 1997 - 2018.

7. Гаврилова А.В. Рынок облигации?: современное состояние и перспективы // Международный студенческий научный вестник [Электронный ресурс]. - Режим доступа:https://www.scienceforum.ru/2015/pdf/14249.pdf

8. Гальперин, Ф. Практика применения VaR-методологии для оценки и управления кредитным риском в «Альфа-Банке» / Ф.Гальперин, А. А. Бобышев, Я. В. Мищенко // Управление финансовыми рисками. -- 2005. -- No 2. -- С. 2-10.

9. Гражданский кодекс Российской Федерации, ст. 144, ст. 816,ст. 929 от 26.01.1996 N 14-ФЗ (ред. от 05.12.2017) [Электронный ресурс]. - Режим доступа:http://www.consultant.ru/document/cons_doc_LAW_9027/- Загл. с экрана - 1997 - 2018.

10. Дудкина Д. Российский рынок облигаций в 2014 году: тенденции, риски и прогнозы. // Журнал «Рынок ценных бумаг»[Электронный ресурс]. - Режим доступа: http://www.rcb.ru/rcb/2014-01/252520/

11. Запевалова Е. С. Выбор показателя ликвидности для российского рынка корпоративных облигаций / Е. С. Запевалова // Управленческий учет и финансы. -- 2016. -- № 1. -- С. 31.

12. Как выпустить облигации: советы не только для богатых // Практический журнал по управлению финансами компании. [Электронный ресурс]. - Режим доступа:https://fd.ru/articles/1315-kak-vypustit-obligatsii-sovety-ne-tolko-dlya-bogatyh - Загл. с экрана - 2017.

13. Карминскии? А.М., Пересецкии? А.А., Петров А.Е. Реи?тинги в экономике: методология и практика: Монография / Под ред. А.М. Карминского. -- М.: Финансыистатистика, 2005.

14. МалышенкоК. А., МалышенкоВ. А., ГребенникО. Ю., ГоловлеваЕ. В. Анализ современного состояния рынка акций России // Современные тенденции развития науки и технологий: по материалам 16-й Междунар. науч.-практ. конф., Белгород, 30 июля 2016 г. -- Белгород: Агентство перспектив. науч. исслед., 2016. -- Вып. 11-10. -- С. 94.

15. О рынке ценных бумаг:федеральный закон от 22.04.1996 N 39-ФЗ (ред. от 31.12.2017) ст. 2. [Электронный ресурс]. - Режим доступа:http://www.consultant.ru/document/cons_doc_LAW_10148/- Загл. с экрана - 1997 - 2018.

16. Об акционерных обществах:федеральный закон от 26.12.1995 N 208-ФЗ (ред. от 29.07.2017) ст. 33, ст. 35. [Электронный ресурс]. - Режим доступа:http://www.consultant.ru/document/cons_doc_LAW_8743/- Загл. с экрана - 1997 - 2018.

17. Об обществах с ограниченной ответственностью:федеральный закон от 08.02.1998 N 14-ФЗ (ред. от 31.12.2017) (с изм. и доп., вступ. в силу с 01.02.2018) ст. 30. [Электронный ресурс]. - Режим доступа:http://www.consultant.ru/document/cons_doc_LAW_17819/ - Загл. с экрана - 1997 - 2018.

18. Российская экономика в 2016 году: тенденции и перспективы / под ред. С. Г. Синельникова-Мурылева, А. Д. Радыгина. -- М.: Изд-во Ин-та Гайдара, 2017. -- с. 108-109.

19. Синки Дж. Финансовый менеджмент в коммерческом банке и в индустрии финансовых услуг/Джозеф Синки - мл. Пер. с англ. М.: Альпина Паблишер, 2017 - с. 472.

20. Тотьмянина К. М.Обзор моделей вероятности дефолта, Управление финансовыми рисками // Журнал Высшей школы экономики, 2011 - с. 12-24.

21. ХасановР., КаштановН., Маргарян Л., 2013, Модель Оценки Вероятности Банкротства Э. Альтмана: Применимость в Российской Федерации и использование при рейтинговой оценке кредитоспособности // Вестник Финансового Университета [Электронный ресурс] - Режим доступа:https://cyberleninka.ru/article/v/model-otsenki-veroyatnosti-bankrotstva-e-altmana-primenimost-v-rossiyskoy-federatsii-i-ispolzovanie-pri-reytingovoy-otsenke.

22. Центральный банк Российской Федерации. Облигации как способ привлечения финансирования. [Электронный ресурс]. - Режим доступа:https://www.cbr.ru/StaticHtml/File/14531/DRFR.pdf - Загл. с экрана - 2017.

23. Центральный банк Российской Федерации. Статистика. [Электронный ресурс] - Режим доступа:http://cbr.ru/statistics/?Prtld=sors - Загл. с экрана - 2017.

24. Чайковская Е. Красный апельсин, или Успеть за 24 часа / Е. Чайковская // Cbonds Review. -- 2015. -- № 4. -- С. 52-55 [Электронный ресурс]. -- Режим доступа: http://review.cbonds.info/article/magazines/4273- Загл. с экрана - 2012.

25. Чему учит история банкротства Enron? // slon, Календарь делового человека[Электронныйресурс] - Режим доступа: https://republic.ru/calendar/event/875884/- Загл. сэкрана - 2009 - 2018.

26. Швецов С. А. Российский финансовый рынок: вызовы, проблемы и перспективы [Электронный ресурс]: докл. на 17-й Междунар. науч. конф. по проблемам развития экономики и общества / С. А. Швецов, Н. И. Берзон. -- Режим доступа: https://www.hse.ru/science/reports.

27. Эмиссия облигаций: важные моменты// Аврора Консалтинг.[Электронный ресурс]. - Режим доступа:http://www.aurora-consult.ru/services/issuer/info/bonds-issue.html - Загл. с экрана - 2005 - 2014.

28. Altman E.I., 1968. Financial ratios. Discriminant analysis, and the prediction of corporate bankruptcy. Journal of Finance, September No. 4. pp.589-609.

29. Altman E.I., Marco G., Varetto F., 1994. Corporate distress diagnosis: comparisons using linear discriminant analysis and neural networks (the Italian experience). Journal of Banking and Finance, Vol. 18, No. 3.

30. Bank for International Settlements, Credit Risk Modeling: Current Practices and Applications. -- www.bis.org/publ/bcbs49.htm.

31. Bigus J.P., 1996. Data mining With Neural Networks: Solving Business Problems from Application Development to Decision Support. McGraw-Hill, Inc., Hightstown, NJ.

32. Black F., Scholes M., 1973. The pricing of options and corporate liabilities. The Journal of Political Economy, Vol. 81, No. 3 (May -- Jun.), pp. 637-654.

33. Brand L.andReza B., 1999. Rating Performance 1998. Standard & Poor's Corporation.

34. Carleton, Willard T., Eugene Lerner, 1969. "Statistical Credit Scoring of Municipal Bonds." Journal of Money, Credit, and Banking 1 (November 1969), pp. 750-764.

35. Chan-Lau J.A., 2006. Fundamentals-based estimation of default probabilities: a survey/ [Электронныйресурс] - Режимдоступа: http://ideas.repec.org.

36. Chesser D., 1974. Predicting loan noncompliance. The Journal of Commercial Bank Lending, August, pp. 28-38.

37. Copeland R., Ingram R., 1982. The Association between Municipal Accounting Information and Bond Rating Changes. Journal of Accounting Research 20 (Autumn 1982), pp.275 - 289

38. Corporate Bond Liquidity Reports // The Federal Reserve System official site [Электронныйресурс] - Режимдоступа: https://www.federalreserve.gov- Загл. сэкрана - 2017.

39. CreditMonitorTM Specifications, 1999 / [Электронныйресурс] - Режимдоступа: http://www.kmv.com.

40. Gurnэ P., Gurnэ M., 2013. Comparison of Credit Scoring Models on Probability of Default Estimation for US Banks. Prague Economic Papers, 2, pp. 163-175.

41. International Convergence of Capital Measurement and Capital Standards, Comprehensive Version. Basel Committee on Banking Supervision / [Электронныйресурс] - Режимдоступа: http://www.bis.org/publ/bcbsc111.htm.

42. Jarrow R.A., Turnbull S., 1995. Pricing derivatives on financial securities subject to credit risk. Journal of Finance, Vol. 50 (March), pp. 53-85.

43. Keenan S., 1999. Special Comment: Historical Default Rates of Corporate Bond Issuers, 1920-1998. Moody's Investors.

44. Liu P., Thakor A., 1984. Interest Yields, Credit Ratings, and Economic Characteristics of State Bonds: An Empirical Analysis.Journal of Money, Credit and Banking, Vol. 16, No. 3 (Aug., 1984), pp. 344-351

45. Merton R.C., 1974. On the pricing of corporate debt: the risk structure of interest rates. Journal of Finance, Vol. 29, No. 2, (May), pp. 449-470.

46. Nilanjana Kumari, 2013. Evaluation of Financial Health of MMTC of India: A Z Score Model // European Journal of Accounting Auditing and Finance Research Vol.1 No. 1, March 2013, pp.36-43.

47. Ohlson J.A., 1980. Financial ratios and the probabilistic prediction of bankruptcy. Journal of Accounting Research, Vol. 18, No. 1, pp. 109-131.

48. Principles for the Management of Credit Risk [Электронный ресурс] / Basel Committee of Banking Supervision Basel // Bank of International Settlement -- Basle, 2000. -- 30 p. -- Режимдоступа: http://www.bis.org/publ/bcbs75.pdf -Загл. сэкрана.

49. Rating Methodology // Moody's Investors Service, 2016 Jan. - p. 110 - [Электронныйресурс] - Режимдоступа: https://www.moodys.com/researchdocumentcontentpage.aspx?docid=PBC_186998.

50. Sanesh C., 2016. The analytical study of Altman Z score on NIFTY 50 Companies. IRA- International Journal of Management & Social Sciences, Vol. 3 No 3.(2016) [Электронныйресурс] - Режимдоступа: https://research-advances.org/index.php/RAJMSS/article/view/195.

51. Sinclair T., 2005. The new masters of capital: American bond rating agencies and the politics of creditworthiness // Cornell University Press. [Электронныйресурс] - Режим доступа: https://proxy.library.spbu.ru:2355/doi/full/10.1080/13563460500204340?scroll=top&needAccess=true - Загл. сэкрана - 2018.

52. Tamari M., 1966. Financial ratios as a means of forecasting bankruptcy. Management International Review, No. 4, pp. 15-21.

53. U.S. Capital Markets Deck // Securities Industry and Financial Markets Association [Электронныйресурс] - Режимдоступа: https://www.sifma.org/wp-content/uploads/2016/10/US-Capital-Markets-Deck-2017-09-11-SIFMA.pdf - Загл. сэкрана - 2018.

54. Wilson T., 1997. Portfolio Credit Risk: part II. Risk Magazine, October, pp. 56-61.

Приложения

Двухвыборочный t-тест с различными дисперсиями

Корреляционная матрица

Базовая модель

Модель линейной регрессии

Тест VIF на мультиколлинеарность

Тест Бреуша-Пагана на гетероскедастичность

Регрессия для отраслей высоких технологий

Регрессия для капиталоемких отраслей

Регрессия для отраслей розничной торговли

Список компаний для формирования выборки

Размещено на Allbest.ru