Финансы как структурный элемент экономики

В качестве меры идентификации статистических выбросов модели используется соотношение E/P, если коэффициент превышает 1, то компания исключается из выборки. Авторы выделяют помимо главной регрессии 4 альтернативных версий, заменив чистую прибыль показателями EBITDA, OCF, NCF и дивидендов. Метод наименьших квадратов выявляет значимость влияния балансовой стоимости на цену акций, при этом величина принимает неудовлетворительные значения от 1.6 % до 4.3 %. Анализ панельных данных демонстрирует одновременную статистическую значимость балансовой стоимости и чистой прибыли, возрос до 23.3 % соответственно, а статистика Дарбина-Уотсона подтверждает отсутствие автокорреляции. Кроме того, протестирована альтернативная модель с включением третьим регрессором показателя операционного денежного потока в расчете на акцию, раскрывающего, по мнению авторов, дополнительную информацию, которая не отражена в чистой прибыли. Альтернатива обладает более качественными статистическими результатами ( модели 0.67 против ранее полученного значения 0.23). Важными выводами работы является невозможность замены показателя чистой прибыли с помощью EBITDA, OCF, NCF и дивидендами, а также утверждение об увеличении статистической значимости модели Ольсона при вводе дополнительных параметров.

В публикации Agostino etc (2008) во главу угла поставлено сравнение уровня покрытия бухгалтерской информацией движения рыночных котировок в банковском секторе ряда европейских стран (221 банк) за временной интервал с 2000 по 2006 год в связи с введением с января 2005 года требования компаниям о соответствии Международным Стандартам Финансовой Отчётности.

Методология статьи опирается на анализ панельных данных. В спецификации 2005 и 2006 годы рассматриваются в качестве дамми-переменных. Авторы приходят к заключению, что с 2005 года наблюдается увеличение влияния финансовых показателей на котировки компаний. Регрессоры положительны и статистически значимы. При классификации компаний по уровню капитализации и наличию рейтинга кредитных агентств выявлено, что более корректные результаты получены в отношении компаний с высокой капитализацией и имеющих более высокий рейтинг кредитоспособности.

В статье Kusakci (2009) анализируется модель Ольсона на основе финансовой информации ведущих компаний Австрии, временной отрезок составляет период с 2000 по 2007 годы, при этом апробация проводится на данных 2008 года. Изначально взято 20 «голубых фишек» из различных секторов экономики, затем исключены банковские и страховые компании и те, по которым не хватало данных, что в итоге составляет выборку в 12 компаний. В качестве ставки дисконтирования принимается стоимость собственного капитала, равная 11.21 %, а параметр =1. Параметр «другой информации» игнорируется.

В рамках использования перекрёстной выборки при помощи метода наименьших квадратов найдены значения и , далее оценены параметры и . В работе предпринята попытка определения стоимости рассматриваемых компаний. При сравнении с фактической стоимостью 2008 года отклонения составляют в среднем превышение в 2-3 раза. Авторы связывают неудачу с влиянием мирового кризиса и приходят к выводу о запаздывающем эффекте кризиса на финансовую отчетность. Другие объяснения включают отрицательную анормальную прибыль некоторых компаний в определенные отрезки и малую выборку исследования.

Исследование Coelho (2011) посвящено изучению влияния отраслевой структуры и рыночной доли компании на величину устойчивости ожидаемой анормальной прибыли на базе рынка Бразилии с 1996 по 2005 годы.

Методология работы основана на анализе панельных данных в эконометрическом пакете Stata. Величина выручки служит показателем для расчета доли компании на рынке, а размер совокупных активов - для приведения к единому масштабу. Влияние отраслевой структуры отражено введением дамми-переменных для 17 отраслей экономики. В спецификации модели участвуют контрольные переменные: индекс Хиршмана-Херфиндаля, прирост ВВП и размер компании через объём продаж. В результате анализа параметр устойчивости анормальной прибыли статистически значим во всех моделях. Доля рынка и совокупный эффект влияния отраслевой структуры и доли рынка признаны неэффективными в вопросе определения устойчивости ожидаемой анормальной прибыли. При этом специфика отдельной отрасли содержит «другую информацию», которая может оказывать влияние на величину анормальной прибыли в оригинальной модели Ольсона.

В статье Jing etc (2011) представлен анализ последствий введения Международных Стандартов Финансовой Отчетности на фондовом рынке Китая на релевантность бухгалтерской информации на оценку стоимости компаний с 2002 по 2008 годы. Выборка состоит из 3910 компаний, за исключением финансового сектора, и разделена на 2 части по признаку торгуемости акций компании на бирже через величину, вычисляемую как отношение торгуемых акций к общему числу акций в списке. Авторами разработаны 2 спецификации модели Ольсона с дамми-переменными введения МСФО (1 для 2006-2008 и 0 для 2002-2005) и торгуемости акций (1 для высокой, 0 для низкой). Параметр «другой информации» выпадает из рассмотрения.

Методология исследования включает перекрестную выборку для оригинальной модели Ольсона и анализ панельных данных авторских спецификаций. В первом случае коэффициенты при регрессорах положительны и статистически значимы, скорректированный возрастает с каждым годом с 0.27 до 0.51 соответственно. Во втором случае подтверждается гипотеза о том, что ведение бухгалтерской отчетности по МСФО увеличивает релевантность данной информации для оценки стоимости компаний. Объясняющая способность балансовой стоимости больше для компаний с низкой торгуемостью, а чистой прибыли - с высокой.

Исследование Martinez etc (2012) направлено на то, чтобы узнать, возможно ли применение модели Ольсона во всех странах Латинской Америки, несмотря на имеющиеся различия национальных финансовых систем, экономико-социального и политического режимов. Объектом выступает финансовая отчетность из базы данных Осирис для 1112 компаний с 2002 по 2009 годы, всего 8896 наблюдений. В спецификации модели параметр, отражающий влияние «другой информации», не рассматривается, а анормальная прибыль аппроксимирована через показатель чистой прибыли.

Первоначально применялся метод наименьших квадратов, согласно которому коэффициенты регрессии положительны и статистически значимы, равен 0.69. Метод анализа панельных данных демонстрирует схожую объясняющую способность. По результатам тестирования, модель Ольсона полностью применима в Чили, Мексике, Бермудских и Каймановых островах, с некоторыми ограничениями - в Бразилии, Перу и Панаме, оказалась неприменимой в Аргентине, Венесуэле и Колумбии. К полученным результатам статьи можно отнестись с долей скепсиса хотя бы в силу того, что прокси анормальной прибыли взята чистая прибыль, а «другая информация» игнорируется.

Исследование Spilioti (2012), главным образом, направлено на сравнение практической значимости модели Ольсона и модели Фелтхэма-Ольсона на британском рынке телекоммуникаций с 2000 по 2005 годы. Методология основана на анализе панельных данных, а ставкой дисконтирования принята ставка 3-месячных казначейских векселей США. Результаты входят в противоречие с теорией: если балансовая стоимость значима и положительно влияет на динамику акций, то величина анормальной прибыли оказалась статистически незначимой. Причиной подобного, по мнению авторов, является чрезмерный уровень конкуренции на рынке телекоммуникаций Великобритании, что нивелирует возможности для получения анормальной прибыли и, соответственно, влияние на движение котировок.

Авторы статьи Arouri etc (2012) позиционируют работу как ответ на введение обязательного требования французским компаниям перейти на международные стандарты финансовой отчетности (в частности, принципы IFRS 39 и IAS 7). Оригинальная модель Ольсона расширена добавлением волатильности чистой прибыли (net) и совокупной прибыли (comprehensive) через характеристики стандартного отклонения. Методология включает использование панельных данных 25 французских компаний с 2005 по 2007 годы, так как с 2005 года внедрены стандарты представления информации по международному стандарту финансовой отчетности. Согласно результатам регрессионного анализа, большинство коэффициентов статистически незначимые, что может быть объяснено игнорированием параметра «другой информации», малым размером выборки, коротким временным промежутком и влиянием финансового кризиса.

Статья Silvestri (2012) является одной из первых научных работ, посвященных эмпирическому тестированию модели Ольсона на итальянском рынке. Объектом исследования намеренно выступает компании финансового сектора (изначально 53, в последней версии 30), так как авторы предполагают, что особенно важным показателем валидности оригинальной модели является применимость в данном контексте. В качестве параметра «другой информации» рассматриваются аналитические консенсус-прогнозы прибыли будущего периода. Тестируемые гипотезы: существует положительная связь между балансовой стоимостью и рыночной стоимостью, между величиной прибыли и рыночной стоимостью, между прогнозами аналитиков и рыночной стоимостью.

Методология включает в себя перекрестную выборку, множественный регрессионный анализ с процедурой метода наименьших квадратов. В спецификацию модели также включен рыночный риск как контрольная переменная. Аппроксимирующие значения риска взяты из трехфакторной модели Fama, French (1993): коэффициент бета, размер компании (балансовая стоимость/рыночная стоимость) и уровень рычага (долг/активы):

где - балансовая стоимость на акцию

EPS - чистая прибыль на акцию

- анормальная прибыль на акцию

- коэффициент бета компании

- размер компании

- уровень долговой нагрузки

Периодом является 2009 финансовый год (30 точек наблюдения), так как латентной целью было изучение влияния мирового финансового кризиса на устойчивость модели. В результате протестированная модель ( = 96 %) подтвердила все гипотезы, однако ряд сделанных допущений вызывает разумные критические замечания касательно выбора объекта исследования и количества точек наблюдения.

Со ссылкой на работу Coelho (2011) в статье Dahmash (2013) исследуется вопрос об устойчивости анормальной прибыли на рынке Иордании с 2007 по 2011 годы на основе финансовой информации компаний (840 точек наблюдения) различных секторов экономики (промышленный, финансовый, сфера услуг). В отличие от оригинальной модели Ольсона балансовая стоимость в регрессии игнорируется, при этом предполагается, что различие в отраслевых структурах определяет различие параметров устойчивости. В качестве ставки дисконтирования взята средневзвешенная ставка для всех типов банковских депозитов в Иордании.

Методика исследования основана на анализе панельных данных. Коэффициент устойчивости анормальной прибыли в результате тестирования статистически значим и колеблется в пределах от 0 до 1. Для проверки робастности модели была введена контрольная переменная - логарифм активов компании, что незначительно влияет на результаты. Выводом исследования является подтверждение устойчивости анормальной прибыли на рынке Иордании и применимость модели Ольсона на практике.

2.3 Альтернативные способы тестирования модели Ольсона

В статье Lorenzo-Valdйs (2010) исследуется вопрос коинтеграционной зависимости регрессоров в модели Ольсона в долгосрочном периоде на рынке мексиканских компаний с 1997 по 2008 годы (45 кварталов) с секторальной разбивкой на пищевую, коммерческую и строительную отрасли. Методология опирается на анализ панельных данных. Если коинтеграция между регрессантом и регрессорами существует, то это значит, что элементы бухгалтерской отчетности могут считаться релевантными в вопросе ценообразования акций.

Авторы статьи применяют подход Maddala, Wu (1999) с использованием критерия Фишера. Из-за влияния инфляции и для избавления от гетероскедастичности объясняющие переменные взяты в пересчете к единой базе с использованием Mexican General Price Index. Для выявления коинтеграции использован тест Йоханссена для отдельных фирм (лишь 33 % удовлетворяют критериям) и комбинированный подход для панельных данных.

Авторы приходят к заключению о релевантности модели Ольсона в долгосрочном периоде за исключением строительного сектора, возможная причина чего заключается в длине жизненного цикла компаний и несоответствия цен и бухгалтерской информации в краткосрочном периоде, что и определяет невозможность достижения равновесия в движении в долгосрочном периоде. С ростом соответствия хозяйственных операций, отражаемых в отчетности, бизнес-циклу компании увеличивается объясняющая способность модели Ольсона.

Эконометрическое исследование Duran-Vazquez etc (2011) направлено на изучение применимости модели Ольсона на развивающихся рынках капитала и посвящено рассмотрению факторов акционерной стоимости 23 компаний на 6 рынках Латинской Америки: Аргентина, Бразилия, Перу, Чили, Колумбия и Мексика. Использование поквартальных данных с января 2000 года по март 2010 года позволяет увеличить число точек наблюдения.

Сравнивается традиционный подход Ольсона и международная версия с включением дополнительным регрессором индекса Dow Jones, в силу того, что латиноамериканские рынки находятся в сильной зависимости от ситуации на рынке США. В качестве методологии применяется анализ временных рядов и метод панельной коинтеграции данных. Вопросы, рассматриваемые в работе - применима ли модель Ольсона на развивающихся рынках, устойчивы ли предсказания модели в долгосрочной перспективе и какие преимущества имеет международная версия модели.

В спецификациях модели регрессантом выступает цена акции компаний, поэтому балансовая стоимость и чистая прибыль (прокси анормальной прибыли) взяты в расчете на 1 акцию. Стоит отметить, что показатель регрессионной зависимости «другая информация» не рассматривается в статье.

Для анализа коинтеграции применяется тест Йоханссена (после ADF и VAR) для временных рядов и Фишера-Йоханссена для панельных данных соответственно. В последнем случае для выявления единичного корня используются методики, описанные в работах Pesaran, Shin (IPS), Maddala, Wu (Fischer-ADF) и Levin, Lin, Chu (LLC). В результате анализа временных рядов исследователями обнаружена слабая применимость модели Ольсона, так как только 8 из 23 компаний удовлетворяют критериям коинтеграции.

При изучении панельных данных выявлена благоприятная возможность для коинтеграционных техник в силу взгляда на компании как на единое целое и их группировки по секторам. В подавляющем большинстве регрессий коэффициенты отличны от нуля и статистически значимы (индекс Dow Jones, в частности). Ценность статьи в том, что последовательное применение техники панельной коинтеграции позволяет сделать предварительное заключение о релевантности оценки стоимости акционерного капитала с помощью модели Ольсона.

Авторы статьи Lee etc (2014) применяют коинтеграционный подход к изучению вопроса влияния данных финансовой отчетности на цену акции 380 компаний рынка США с 1986 по 2004 годы и сравнению модели DDM и модели Ольсона. Коинтеграция определена авторами как долгосрочная равновесная взаимозависимость нестационарных переменных и регрессанта (значимы коэффициенты Пирсона и Спирмана). Анализ панельных данных принят в качестве основного и обладающего отмеченными ранее достоинствами. Спецификация модели представлена в сокращенной версии без учета «другой информации».

Применение теста LSDV и методики, представленной в работе Mark, Sul (2001), позволяет заключить, что нулевая гипотеза об отсутствии коинтеграции как в модели DDM, так и в модели Ольсона отвергается на 5 %-ном уровне значимости. Это говорит о существовании равновесия в долгосрочном периоде между рыночной ценой и фундаментальной стоимостью компании и подчеркивает важность балансовой стоимости и анормальной прибыли для понимания движения цен акции в долгосрочной перспективе.

Вторая часть статьи посвящена прогнозированию цены акции с помощью рассматриваемых моделей на 1-4 года соответственно. Для сравнения точности прогнозов модели Ольсона и модели DDM используется U-тест Тейла. Гипотеза о том, что модель Ольсона обладает большей прогнозирующей способностью, не была отвергнута на 5 %-ном уровне значимости. В заключение авторы подчеркивают состоятельность модели Ольсона в вопросе оценки стоимости компаний.

В статье Lee etc (2011) рассматривается механизм корпоративного управления на рынке Тайваня и его включение в спецификацию модели Ольсона в виде параметра «другой информации». Период исследования охватывает 33 квартала с июля 1998 по декабрь 2006 года для 219 тайваньских компаний за исключением банковского и страхового секторов. В качестве ставки дисконтирования принята величина, полученная из модели CAPM. Корпоративное управление первоначально имело 29 прокси-переменных, разделенных на 4 категории. При этом важным условием является нестационарность временных рядов, исходя из данного критерия, только 11 из 29 прокси удовлетворяли ему. Спецификация тестируемой модели приобретает следующий вид:

где - балансовая стоимость компании

- анормальная прибыль

- корпоративное управление

Корреляционный анализ подтверждает слабую связь между 11 индикаторами корпоративного управления и значениями балансовой стоимости, и анормальной прибылью, что дает основание убедиться в корректности выбора факторов «другой информации» как не отраженных в финансовой отчетности. Для дальнейшего анализа применяется коинтеграционный подход, описанный Engle, Granger (1987). Без учета влияния корпоративного управления рыночная стоимость коинтегрирована с балансовой стоимостью и анормальной прибылью лишь на 48 %. При учете данного параметра происходит увеличение до 99 % соответственно. Регрессионный анализ демонстрирует статистическую значимость и положительность всех объясняющих переменных, величина колеблется от 0.29 до 0.33 соответственно. Научная новизна данной работы состоит в том, что авторы включают влияние показателей корпоративного управления в модель Ольсона, при этом ее объясняющая способность в прогнозировании котировок увеличивается.

Эмпирическое тестирование влияния корпоративного управления на рынке Бразилии отражено в работе Brugni (2012). Период наблюдений охватывает момент с 2004 по 2010 годы для 90 компаний. Корпоративное управление служит инструментом разрешения агентских конфликтов, повышает транспарентность информации. Основная тестируемая гипотеза исследования: релевантность бухгалтерской информации по модели Ольсона увеличивается с ростом качества корпоративного управления.

Методология рассматривает анализ панельных данных для 630 точек наблюдения. Спецификация модели аналогична с приведенной в Lee etc (2011). На Бразильской фондовой бирже существует градация компаний по 3 сегментам в зависимости от уровня корпоративного управления через определённые аппроксимирующие показатели. Учёт факторов корпоративного управления в модели Ольсона увеличивает объясняющую способность модели ( = 0.49). Семейная и государственная структуры собственности признаны наиболее приемлемыми с точки зрения оценивания стоимости, поскольку в подобных компаниях высока степень контролируемости информации.

Исследование Iсiguez-Sбnchez (2012) направлено преимущественно на сравнение существующих методов оценки справедливой стоимости компаний: свободного денежного потока (FCF), дисконтированных дивидендов (DDM), анормальной прибыли (AEM) и модели Ольсона. Объектами выступают финансовые показатели 148 компаний Испании за временной промежуток, охватывающий 2000-2008 годы.

Каждая модель протестирована с учетом специфических ограничений, что в итоге привело к рассмотрению 2 спецификаций DDM, 4 AEM, 6 моделей Ольсона и модели FCF. Параметр «другой информации» рассчитывается как разность между консенсус-прогнозами аналитиков и основанной на исторических трендах анормальной прибылью. Методология работы комбинирует набор способов тестирования каждой спецификации. Наименьшая абсолютная величина отклонения фактической стоимости от справедливой стоимости зафиксирована в модели Ольсона.

Кроме того, методом наименьших квадратов протестированы регрессии фактической и смоделированной цены акций с учетом информационного критерия Акайке и теста Вальда. Коэффициент регрессии для AEM составляет ниже 0.7, что показывает отсутствие значимого фактора. В случае DDM и модели Ольсона коэффициент приблизительно равен 1, при этом наибольшая величина скорректированного и минимальное значение AIC у модели Ольсона. Метод FCF демонстрирует худшую прогнозирующую способность в контексте исследования. Авторы статьи заключают, что наиболее оптимальным способом оценки справедливой стоимости является модель Ольсона с учетом параметра «другой информации».

Объектами исследования Ota (2000) выступают котировавшиеся в 1998 году на фондовых площадках Токио и Осаки 674 компании, по которым имеются релевантные данные за 27 лет. Основной период 1993-1998 годы, а предыдущие 20 лет необходимы для выявления исторических трендов, то есть величины основного периода были получены путем последовательного расчета на базе исторических данных. Автор отходит от традиционного подхода аппроксимации параметра «другой информации» таким образом, что рассматривает процесс корреляции ошибок. Используется анализ панельных данных. Выделяется 7 спецификаций: 4 по модели Ольсона и модели Фелтхэма-Ольсона с присвоением «другой информации» значения либо 0, либо константы, 2 спецификации при предположении о том, что анормальная прибыль следует процессам AR(2) и AR(3). Кроме того, еще одна модификация тестирует гипотезу об отсутствии корреляции ошибок наблюдений при исключении «другой информации» с помощью тестов Дарбина-Уотсона и Дарбина.

В общем смысле, оригинальная модель Ольсона превосходит попытки автора изменять входные параметры, лишь спецификация с выявленной корреляцией ошибок имеет большее значение и статистики Дарбина-Уотсона. В поиске модели, наиболее корректно отражающей поведение котировок, автор предлагает 7 спецификаций, различие между которыми заключается в параметре «другой информации», равной 0, константе или включенному в ошибки, следующие процессу AR(1). Выявлено, что балансовая стоимость влияет в большей мере, чем динамика прибыли. Основное внимание исследователя направлено на изучение временного процесса движения анормальной прибыли и включение корреляции ошибок в модель Ольсона, что позволяет получить свидетельства в пользу адекватности предложенной модели.

Итальянские исследователи Leccadito A. (2014) совершают серьёзный прорыв в эмпирическом тестировании модели Ольсона. Авторы предлагают усовершенствованный вариант модели Ольсона с включением марковских переключений. Предполагается, что анормальная прибыль и «другая информация» следуют динамике переключения режимов. Модель с марковскими переключениями была предложена в работе Hamilton (1989) и отличается тем, что механизм переключения контролируется ненаблюдаемой переменной, следующей марковскому процессу первого порядка. Марковское свойство, в частности, означает, что текущее значение переменной состояния зависит только от предыдущего ее значения. Другими словами, определённая структура может превалировать на протяжении определённого периода времени, после чего сменится другой структурой при переключении режима.

Временной горизонт исследования охватывает период с 1980 по 2010 годы для 335 компаний США, при этом 2011 год служит для проверки оригинальной модели Ольсона и предложенной модификации. Спецификация построенной модели не учитывает параметра «другой информации». Проанализировав полученные результаты, авторы подтверждают свою гипотезу, что внедрение переключения режимов более эффективно по сравнению с обычной авторегрессионной зависимостью. При этом, в обоих случаях имеет место недооценка акций, что указывает на важность корректного включения в модель «другой информации». Можно отметить, что предположения, сделанные в данной статье, выводят исследования на новый качественный уровень и задают вектор для будущих эконометрических попыток тестирования.

Глава 3. Применение модели Ольсона для оценки стоимости компаний на фондовом рынке России

3.1 Данные и методология эмпирического тестирования модели Ольсона

Исторически сложилось, что эконометрические исследования, в основе которых лежат данные российского фондового рынка, сталкиваются на первоначальном этапе с проблемами неполноты и затруднительного сбора ввиду несовершенства системы статистического учета информации. Другой немаловажный аспект - возможность доступа к более коротким временным рядам финансовой информации в сравнении с развитыми рынками США и Европы и развивающимися странами Латинской Америки.

С учетом вышеизложенных замечаний, автором использована информация из профессиональной базы данных FIRA PRO и открытых ресурсов за период с 2006 года по 2015 год включительно. Исходный массив состоит из годовых показателей чистых активов, чистой прибыли для 26 российских компаний, которые отвечают требованию полноты раскрытия финансовой отчетности. Следуя оригинальной работе Ольсона, из рассмотрения исключены финансовые институты (банки и страховые компании), в силу ведения и представления финансовой отчетности по особым образцам.

Таблица 1 - Чистые активы компаний по МСФО (2005-2009), млн. руб.

Компания	2005	2006	2007	2008	2009
Acron	13 052	15 051	28 297	25 175	42 393
Aeroflot	16 334	20 773	27 300	29 322	30 420
E.ON Russia	4 930	22 436	69 425	76 012	84 293
Gazprom	2 721 881	3 349 820	4 313 097	4 913 099	8 363 215
Gazprom Neft	220 356	261 476	256 088	410 180	564 266
IRKUT Corporation	10 243	10 799	11 043	10 796	10 470
LUKOIL Oil Company	771 486	866 293	1 011 623	1 479 009	1 705 138
Magnit	1 416	7 996	10 514	24 585	43 093
MMK	105 833	106 035	167 503	289 456	312 271
MOESK	45 200	47 989	55 578	86 793	89 357
MOSENERGO (TGC-3)	30 991	39 114	135 660	185 870	185 708
Norilsk Nickel MMC	328 034	345 885	535 623	346 248	446 253
NOVATEK	57 549	68 676	81 812	96 640	133 440
NLMK	148 137	179 300	535 623	255 315	260 399
OGK-2	5 779	13 075	36 636	36 320	37 448
Polyus Gold	89 400	82 087	79 436	82 105	94 996
Raspadskaya	20 382	22 598	26 270	34 801	38 552
Rosneft Oil Company	213 940	575 993	698 094	1 142 986	1 377 230
Rostelecom	49 697	50 945	56 153	59 425	61 197
Severstal	204 058	307 491	250 633	280 691	253 336
SOLLERS	14 780	16 764	18 414	15 244	10 286

В таблицах 1 и 2 отражены данные чистых активов из аудированной отчетности за соответствующий финансовый год.

Таблица 2 - Чистые активы компаний по МСФО (2010-2014), млн. руб.

Компания	2010	2011	2012	2013	2014
Acron	50 122	53 048	79 120	79 477	93 773
Aeroflot	35 198	45 210	49 395	54 481	(13 505)
E.ON Russia	94 151	108 475	122 873	119 347	113 994
Gazprom	6 536 361	7 760 991	8 701 094	9 634 354	10 120 021
Gazprom Neft	633 859	803 164	875 431	998 021	1 129 785
IRKUT Corporation	17 944	27 963	24 079	26 901	43 704
LUKOIL Oil Company	1 804 141	2 177 680	2 253 290	2 580 861	4 576 733
Magnit	52 501	78 696	99 236	126 162	143 651
MMK	325 676	304 189	298 260	224 555	221 771
MOESK	106 071	122 913	140 594	153 578	159 026
MOSENERGO (TGC-3)	193 769	200 033	205 636	259 122	241 695
Norilsk Nickel MMC	547 792	361 305	393 023	319 110	269 641
NOVATEK	167 786	241 682	291 301	373 057	387 124
NLMK	291 171	325 347	336 842	336 286	355 717
OGK-2	40 367	82 474	108 744	112 994	111 606
Polyus Gold	98 761	91 137	135 737	129 411	91 139
Raspadskaya	45 847	34 189	33 304	29 001	15 953
Rosneft Oil Company	1 691 590	2 069 000	2 266 000	3 165 000	2 881 000
Rostelecom	54 795	267 926	255 966	199 756	245 227
Severstal	223 084	227 540	219 146	229 113	159 637
SOLLERS	8 958	13 554	19 880	20 776	13 460

Далее необходимо показать чистую прибыль в разрезе указанных ранее компаний.

Таблица 3 - Чистая прибыль компаний по МСФО (2005-2009), млн. руб.

Компания	2005	2006	2007	2008	2009
Acron	4998	2 464	5 668	9 891	18 393
Aeroflot	5463	6 796	7 693	1 087	1 803
E.ON Russia	163	5 331	1 582	6 077	6 778
Gazprom	315933	636 461	694 985	771 380	844 699
Gazprom Neft	80733	96 394	101 691	136 854	93 182
IRKUT Corporation	2408	1 151	931	(1 025)	(643)
LUKOIL Oil Company	185446	197 062	233 459	268 654	213 796
Magnit	1080	1 499	2 391	5 521	7 470
MMK	27257	37 548	43 496	31 760	8 136
MOESK	352	2 840	6 627	6 738	10 508
MOSENERGO (TGC-3)	-259	8 596	837	2 055	(196)
Norilsk Nickel MMC	67696	157 065	129 506	(16 306)	93 031
NOVATEK	13662	14 007	18 728	22 927	25 722
NLMK	39873	54 399	129 506	66 950	2 967
OGK-2	554	2 434	(266)	(385)	1 118
Polyus Gold	3236	30 471	1 156	1 773	8 942
Raspadskaya	3817	2 638	5 897	15 604	2 728
Rosneft Oil Company	119706	93 028	315 713	325 535	197 555
Rostelecom	978	1 456	2 806	12 182	3 894
Severstal	37177	32 422	48 445	60 747	(36 287)
SOLLERS	1916	2 464	3 369	(376)	(5 011)

В таблицах 3 и 4 содержится информация о величине чистой прибыли компаний за исследуемый период времени.

Используя формулу из оригинальной статьи Ольсона, рассчитана величина анормальной прибыли и анормального убытка компаний.

Таблица 4 - Чистая прибыль компаний по МСФО (2010-2013), млн. руб.

Компания	2010	2011	2012	2013	2014
Acron	9 518	17 229	15 460	6 665	6 904
Aeroflot	7 065	12 241	8 605	2 527	(17 146)
E.ON Russia	9 858	14 324	18 047	14 860	16 885
Gazprom	1 011 590	1 334 813	1 163 392	1 298 349	157 192
Gazprom Neft	104 627	179 880	185 009	196 201	126 656
IRKUT Corporation	2 576	4 731	65	1 078	72
LUKOIL Oil Company	277 919	333 455	331 366	250 084	265 202
Magnit	9 762	9 295	29 406	36 606	69 823
MMK	15 696	(21 024)	14 427	(97 238)	(2 475)
MOESK	17 163	18 043	18 950	18 927	8 078
MOSENERGO (TGC-3)	8 561	8 818	6 260	7 484	(3 067)
Norilsk Nickel MMC	93 899	85 223	80 457	(6 317)	93 400
NOVATEK	40 278	119 604	69 046	110 819	36 915
NLMK	37 303	43 709	33 052	(19 015)	47 594
OGK-2	2 214	(39)	3 007	4 788	(1 433)
Polyus Gold	10 263	10 873	35 735	4 889	(10 239)
Raspadskaya	7 000	1 837	984	(6 039)	(17 207)
Rosneft Oil Company	317 021	319 000	343 000	543 000	350 000
Rostelecom	2 083	46 085	34 130	25 654	37 807
Severstal	(21 779)	56 127	30 179	(1 852)	(90 161)
SOLLERS	(1 241)	4 694	5 881	3 578	(3 736)

Таблица 5 - Анормальная прибыль компаний по МСФО (2006-2009), млн руб

Компания	2006	2007	2008	2009
Acron	1 825	4 895	8 086	5 044
Aeroflot	5 996	6 626	(654)	19
E.ON Russia	5 089	429	1 648	(1 162)
Gazprom	503 196	522 948	496 254	362 178
Gazprom Neft	85 605	88 262	120 518	57 148
IRKUT Corporation	650	376	(1 729)	(1 535)
LUKOIL Oil Company	159 290	188 969	204 125	83 866
Magnit	1 430	1 980	4 850	6 162
MMK	32 367	38 050	21 075	(18 805)
MOESK	627	4 162	3 193	2 884
MOSENERGO (TGC-3)	7 079	(1 172)	(6 599)	(14 671)
Norilsk Nickel MMC	141 004	111 742	(50 473)	49 760
NOVATEK	11 189	15 201	17 708	17 232
NLMK	47 146	45 954	32 784	(19 463)
OGK-2	2 151	(938)	(2 722)	(2 097)
Polyus Gold	26 094	(3 060)	(3 294)	2 562
Raspadskaya	1 640	4 736	13 929	485
Rosneft Oil Company	82 553	286 132	282 180	96 751
Rostelecom	(977)	190	8 600	(1 764)
Severstal	22 431	32 653	44 759	(58 505)
SOLLERS	1 740	2 508	(1 551)	(6 350)

В таблицах 5 и 6 иллюстрируется величина анормальной прибыли компаний за исследуемый временной интервал.

Таблица 6 - Анормальная прибыль компаний по МСФО (2010-2014), млн руб

Компания	2010	2011	2012	2013	2014
Acron	4 278	17 838	11 589	8 416	345
Aeroflot	6 280	14 069	2 263	4 664	(21 642)
E.ON Russia	6 271	9 919	11 627	7 283	7 035
Gazprom	603 125	1 017 698	731 930	659 443	(637 951)
Gazprom Neft	77 985	148 388	134 619	135 784	44 287
IRKUT Corporation	2 113	3 083	(748)	(203)	(2 148)
LUKOIL Oil Company	197 411	226 724	197 520	118 521	52 198
Magnit	8 135	10 871	19 682	30 832	59 411
MMK	(7 673)	(20 205)	(21 615)	(96 853)	(21 008)
MOESK	12 944	12 773	11 370	11 293	(4 597)
MOSENERGO (TGC-3)	(100)	265	(6 020)	(4 481)	(24 453)
Norilsk Nickel MMC	73 073	89 527	42 806	2 170	67 063
NOVATEK	33 978	110 955	54 536	92 996	6 126
NLMK	25 008	27 885	(1 524)	(12 805)	19 839
OGK-2	423	(1 995)	(2 063)	(2 086)	(10 758)
Polyus Gold	6 380	13 059	24 161	(3 009)	(20 920)
Raspadskaya	5 626	2 092	(3 050)	(6 067)	(19 601)
Rosneft Oil Company	260 224	234 957	214 401	419 156	88 786
Rostelecom	(1 240)	43 348	18 716	11 793	21 321
Severstal	(27 657)	58 902	10 867	(9 831)	(109 070)
SOLLERS	(1 727)	4 249	5 045	2 421	(5 451)

Методология проверки валидности модели Ольсона для оценки компаний, попавших в окончательную выборку (21 компания), опирается на эмпирические исследования, описанные в предыдущей главе, и содержит как перекрестную выборку в качестве первоначального способа, так и анализ панельных данных. Ранее было показано, что временные ряды подвержены проблемам автокорреляции и мультколлинеарности, в то время как перекрестной выборке присущи гетероскедастичность и не улавливание динамических эффектов. В качестве альтернативы используется панельный метод анализа, который обладает большей агрегированностью, эффективностью, количеством степеней свободы, меньшей коллинеарностью показателей в сравнении с перекрестной выборкой и временными рядами.

При перекрестной выборке число наблюдений эквивалентно числу компаний, попавших в окончательную выборку. При анализе панельных данных число наблюдений составляет произведение совокупности тестируемых компаний на длину временного ряда в зависимости от спецификации модели.

В работе взяты 2 основные спецификации модели Ольсона: без учета параметра «другой информации» и с введением данного показателя.

При этом важно отметить выделение внутри каждой спецификации разницу в исходной финансовой информации. Разница заключается в способе представления финансовой отчетности компаниями: по Российским Стандартам Бухгалтерского Учета (РСБУ) и стандартам, отличным от РСБУ (IFRS или US GAAP). В первом случае источником служит профессиональная база данных FIRA PRO, во втором - электронный ресурс (www.rustocks.com) и официальные сайты компаний в отдельных случаях.

В целях сравнительного анализа и полноты исследования регрессант модели (котировки акций) взят на 2 календарные даты: начало апреля и начало июля. Время публикации финансовой отчетности за предшествующий финансовый год представлено в таблице 7.

Таблица 7 - Котировки акций компаний на апрель (2007-2015), руб./ед.

Компания	2007	2008	2009	2010	2011	2012	2013	2014	2015
Acron	646,00	1858,5	560,00	1090,00	1246,00	1260,00	1325,00	1055,00	2300,0
Aeroflot	78,00	39,12	67,99	72,56	47,74	52,08	55,97	55,97	36,14
E.ON Russia	3,04	2,72	0,48	2,41	2,79	2,83	2,64	2,45	2,95
Gazprom	269,48	131,35	175,00	235,10	181,89	132,85	135,89	135,89	143,00
Gazprom Neft	108,49	134,30	84,00	158,31	150,00	155,72	131,00	143,20	158,80
IRKUT Corporation	25,80	21,25	3,65	9,31	10,05	7,51	6,24	5,40	6,30
LUKOIL	2229,40	1298,9	1696,00	2057,00	1775,00	1975,00	1965,60	1965,60	2755,0
Magnit	1125,00	1110,0	815,98	2550,00	3983,80	3642,10	5910,10	8300,00	11750,0
MMK	27,40	28,90	8,00	28,57	32,30	13,49	8,28	5,73	15,15
MOESK	3,30	2,05	0,88	1,66	1,53	1,60	1,50	1,03	0,99
TGC-3	6,43	4,99	0,91	4,06	2,98	1,87	1,28	0,77	0,73
Norilsk Nickel	4848,00	6620,0	2084,99	5639,88	7671,00	5390,00	5201,00	5963,00	10539,0
NOVATEK	148,97	188,97	78,59	193,49	383,20	395,00	317,17	353,00	450,30
NLMK	75,50	101,67	41,30	104,95	125,90	61,50	48,00	43,77	77,01
OGK-2	4,30	2,51	0,28	1,78	1,56	0,74	0,32	0,22	0,25
Polyus Gold	1248,00	1195,4	1446,00	1455,86	1705,00	1204,90	1046,60	574,60	1028,0
Raspadskaya	58,88	154,60	34,72	215,00	188,70	107,59	57,50	20,02	42,47
Rosneft	217,50	212,90	151,45	237,10	263,90	210,65	236,50	231,70	261,35
Rostelecom	219,95	288,97	297,88	147,50	170,70	144,70	121,20	90,20	80,00
Severstal	348,10	537,97	114,55	420,00	564,50	404,20	274,10	265,40	644,50
SOLLERS	824,98	1410,1	152,97	539,80	624,80	462,20	759,00	495,20	369,0

Динамика котировок за период с учетом временного лага в 3 месяца в соответствии с изученными статьями отражена в таблице 8.

Таблица 8 - Котировки акций компаний на июль (2007-2015), руб./ед.

Компания	2007	2008	2009	2010	2011	2012	2013	2014
Acron	607,00	2815,0	727,00	754,99	1339,2	1 195,0	1 220,1	1 226,0
Aeroflot	73,19	75,09	33,50	54,77	69,25	43,50	55,70	56,68
E.ON Russia	3,02	1,87	1,02	2,34	2,53	2,48	2,42	2,83
Gazprom	272,17	327,01	165,98	143,20	205,00	155,25	109,08	148,97
Gazprom Neft	105,00	183,22	99,00	111,41	132,00	150,00	118,25	149,85
IRKUT Corporation	25,80	21,16	7,20	7,33	8,67	5,84	5,32	6,06
LUKOIL	1 963,9	2 240,52	1 424,99	1 550,09	1 793,0	1 805,0	1 913,1	2 063,9
Magnit	1 132,0	1 102,0	1 165,00	2 545,80	3 965,1	3 995,0	7 490,0	9 068,0
MMK	28,56	30,53	15,01	21,43	25,21	9,45	7,61	6,68
MOESK	2,81	2,10	1,00	1,35	1,60	1,28	1,21	1,26
TGC-3	6,06	4,27	1,44	2,73	2,52	1,42	1,08	0,78
Norilsk Nickel	5 515,0	5 675,0	2 978,00	4 368,85	7 353,0	5 392,0	4 754,0	6 798,0
NOVATEK	133,80	200,80	138,00	205,43	365,11	335,50	350,00	413,40
NLMK	76,30	128,47	63,02	79,92	113,34	54,31	44,61	47,72
OGK-2	4,19	1,83	0,70	1,41	1,33	0,47	0,24	0,22
Polyus Gold	1 110,0	1 315,0	1 218,77	1 512,00	1 730,0	1 040,1	865,30	485,20
Raspadskaya	67,00	218,02	73,00	124,00	166,00	74,72	30,72	19,40
Rosneft	204,79	263,30	173,19	185,09	235,29	204,26	229,38	250,16
Rostelecom	247,90	279,50	162,61	105,50	188,31	116,50	89,66	86,75
Severstal	371,00	589,00	166,52	294,41	522,00	387,50	216,00	278,70
SOLLERS	869,95	1 458,49	222,99	403,00	519,50	417,80	720,00	597,30

Таким образом, можно выделить следующие спецификации модели:

1) данные по стандартам РСБУ, цена апрельская, без учета «другой информации». В качестве тестовой модели, так как качество бухгалтерских данных по стандартам IFRS выше;

2) данные по стандартам IFRS, цена апрельская, без учета «другой информации»;

3) данные по стандартам IFRS, цена июльская, без учета «другой информации»;

4) данные по стандартам IFRS, цена апрельская, с учетом «другой информации»;

5) данные по стандартам IFRS, цена июльская, с учетом «другой информации».

Первый регрессор модели эквивалентен разнице между активами и обязательствами компании, то есть балансовой стоимости её чистых активов. Вторым компонентом модели является анормальная прибыль. Из финансовой отчетности выбирается показатель чистой прибыли после выплаты дивидендов, а балансовая стоимость корректируется на величину ставки дисконтирования. Относительно ставки дисконтирования принята безрисковая среднесрочная ставка по государственным ценным бумагам плюс премия за риск.

Особое внимание уделено процессу поиска оптимального аппроксимирующего показателя «другой информации». Архив консенсус-прогнозов аналитиков за период исследования не ведется в России ни статистическими организациями, ни информационными порталами. Сравнительно простое и эффективное решение найдено в рассмотренной ранее статье Gregory etc (2005). В общем виде, «другая информация» представлена как разница между ожидаемой анормальной прибылью и анормальной прибылью текущего периода:

В качестве напоминания, прокси для рыночных ожиданий прибыли в виде формулы, связывающей коэффициент P/E отдельной компании и E/P для конкретной отрасли:

Исходя из предыдущих тождеств, параметр «другой информации» равен:

Таблица 9 - Параметр «другой информации» на акцию

Компания	2007	2008	2009	2010	2011	2012	2013	2014	2015
Acron	-53,87	-89,95	-12,45	-205,20	28,54	-26,12	-118,04	-106,20	-223,97
Aeroflot	2,96	1,76	-7,29	-5,62	1,06	-1,81	-4,14	-2,70	1,74
E.ON Russia	0,19	0,10	-0,10	-0,50	0,19	-0,04	-0,22	-0,17	-0,37
Gazprom	0,41	-8,84	-15,48	-39,44	-5,48	-14,40	-22,60	-23,14	-35,00
Gazprom Neft	5,51	-2,24	-7,80	-18,89	1,49	-6,32	-11,31	-11,67	-19,31
IRKUT Corporation	-0,34	-0,51	-0,56	-0,94	-0,73	-1,00	-1,49	-1,30	-2,99
LUKOIL	61,72	-53,78	-141,62	-293,13	9,31	-100,22	-162,52	-169,53	-441,19
Magnit	398,59	61,02	2,37	-864,44	676,74	270,41	-276,03	40,74	178,01
MMK	-0,20	-0,51	-1,45	-3,38	-0,68	-1,13	-1,65	-1,17	-0,61
MOESK	-0,05	-0,03	-0,13	-0,31	0,00	-0,10	-0,22	-0,21	-0,36
TGC-3	-0,05	-0,13	-0,30	-0,58	-0,12	-0,23	-0,36	-0,40	-0,64
Norilsk Nickel	80,21	10,10	-34,05	-205,20	222,69	4,30	-306,57	-187,28	-167,45
NOVATEK	20,76	0,02	-8,03	-26,24	17,58	1,18	-5,73	-5,67	-8,73
NLMK	0,49	-2,50	-1,69	-9,97	-0,15	-1,33	-5,79	-4,33	-5,39
OGK-2	-0,02	-0,04	-0,07	-0,10	-0,03	-0,06	-0,07	-0,24	-0,83
Polyus Gold	12,74	236,9	-18,71	-157,53	106,83	0,15	-273,73	-210,73	-72,58
Raspadskaya	-0,92	-0,20	-3,08	-8,75	0,01	-1,63	-4,09	-2,28	-0,57
Rosneft	10,11	-2,51	-10,66	-25,11	5,09	-6,41	-13,10	-16,47	-21,72
Rostelecom	-0,40	1,10	-6,54	-22,34	6,53	-2,19	-6,44	-3,65	-6,35
Severstal	-10,17	-5,09	-12,10	-54,44	-10,45	-11,22	-29,34	-21,70	-16,05
SOLLERS	3,68	-17,05	-2,85	-26,37	-12,34	-19,65	-60,04	-34,19	-33,45

Далее представлены эконометрические результаты на основе анализа указанных спецификаций модели Ольсона и аргументация относительно применимости модели на российском фондовом рынке.

3.2 Интерпретация результатов эконометрического исследования

Расчетная часть исследования выполнена в эконометрическом пакете Stata 12, промежуточные рабочие таблицы составлены в MS Excel.

Спецификация модели Ольсона 1. Тестирование строилось таким образом, что изначально были взяты финансовые данные по стандартам РСБУ без включения «другой информации», построена перекрестная выборка. В 2008-2009 годы модель статистически не значима, а результаты, полученные за 2010-2013 годы, представлены на рис. 4-7.

Рисунок 4 - Перекрестная выборка компаний по РСБУ, 2010 год

Рисунок 5 - Перекрестная выборка компаний по РСБУ, 2011 год

Рисунок 6 - Перекрестная выборка компаний по РСБУ, 2012 год

В 2010-2013 гг. модель и коэффициенты значимы, однако число точек наблюдений недостаточно для корректных выводов. В соответствии с этим был проведен анализ панельных данных за 2008-2013 годы.

Рисунок 7 - Перекрестная выборка компаний по РСБУ, 2013 год

Результаты, отображенные на рис. 8, позволяют сделать вывод об общей значимости модели на 5 %-ном уровне, при этом балансовая стоимость не значима, а коэффициент = 22 %, как следствие, необходимы дальнейшие улучшения качественного характера, то есть учет финансовых показателей по МСФО и включение параметра «другой информации» в рассмотрение.

Рисунок 8 - Панельные данные по РСБУ, 2008-2013 гг.

Далее исходные показатели взяты согласно финансовой отчетности компаний по стандартам, отличным от РСБУ. Регрессоры взяты в расчете на 1 акцию, то есть проведено нормирование путем деления величин чистых активов и анормальной прибыли на количество акций в обращении.

Таблица 10 - Количество акций в обращений, млн. штук

Компания	2007	2008	2009	2010	2011	2012	2013	2014	2015
Acron	48	48	48	48	48	48	41	41	41
Aeroflot	1 115	1 111	1 117	1 111	1 111	1 111	1 111	1 111	1 111
E.ON Russia	25 555	49 162	63 048	58 807	63 049	63 049	63 049	63 049	63 049
Gazprom	23 699	23 674	23 755	23 674	23 674	23 674	23 674	23 674	23 674
Gazprom Neft	4 745	4 741	4 722	4 741	4 741	4 741	4 741	4 741	4 741
IRKUT Corporation	978	978	978	978	1 166	1 166	1 166	1 197	1 210
LUKOIL	852	851	854	851	851	851	851	851	851
Magnit	83	83	83	83	89	95	95	95	95
MMK	11 174	11 174	11 174	11 156	11 174	11 174	11 174	11 174	11 174
MOESK	28 249	28 249	48 707	48 707	48 707	48 707	48 707	48 707	48 707
TGC-3	39 674	39 749	39 791	39 749	39 749	39 749	39 749	39 749	39 749
Norilsk Nickel	190	191	194	191	191	191	191	158	158
NOVATEK	3 036	3 036	3 034	3 036	3 036	3 036	3 036	3 036	3 036
NLMK	5 993	5 993	5 993	5 993	5 993	5 993	5 993	5 993	5 993
OGK-2	26 481	32 733	32 735	32 735	32 735	59 328	110440	110 440	110440
Polyus Gold	190	191	190	190	191	191	191	191	191
Raspadskaya	782	781	781	781	781	781	703	703	703
Rosneft	10 573	10 598	10 657	10 600	10 598	10 598	10 598	10 598	10 598
Rostelecom	826	787	742	833	853	3 095	3 126	3 107	2 829
Severstal	1 012	1 008	1 008	1 008	1 008	1 008	838	838	838
SOLLERS	34	34	34	34	34	34	34	34	34

Спецификация модели Ольсона 2. Для анализа взята отчетность 21 российской компании за период с 1 января 2007 по 31 марта 2015 года, что в сумме составляет 189 наблюдений. Модель на основе апрельских котировок статистически значима, при этом все регрессоры значимы на 1 %-ном уровне, совокупный = 59 % (рис.9).

Спецификация модели Ольсона 3. Для анализа взята отчетность 21 российской компании за период с 1 января 2007 по 31 марта 2014 года, что в сумме составляет 168 наблюдений. Модель на основе июльских котировок статистически значима, при этом все регрессоры значимы на 1 %-ном уровне, совокупный = 63 % (рис. 10).



Рисунок 9 - Результаты панельного анализа котировок (апрель, 2007-2015)

Рисунок 10 - Результаты панельного анализа котировок (июль, 2007-2014)

Спецификация модели Ольсона 4. Для проведения расчетов используется отчетность 21 российской компании за период с 1 января 2007 по 31 марта 2015 года, что в сумме составляет 189 наблюдений. В модель включена «другая информация». Модель, анализирующая влияние факторов на апрельские котировки, статистически значима, при этом все регрессоры значимы на 5 %-ном уровне, совокупный = 64 % (рис. 11).



Рисунок 11 - Результаты панельного анализа котировок (апрель, 2007-2015)

Спецификация модели Ольсона 5. Для проведения расчетов используется отчетность 21 российской компании за период с 1 января 2007 по 31 марта 2014 года, что в сумме составляет 168 наблюдений. В модель включена «другая информация». Модель, анализирующая влияние факторов на июльские котировки, статистически значима, при этом все регрессоры значимы на 5 %-ном уровне, совокупный = 68 % (рис. 12).

Рисунок 12 - Результаты панельного анализа котировок (июль, 2007-2014)

Подводя некоторые итоги эмпирической части исследования, можно заключить, что о применимости модели Ольсона в реалиях российского фондового рынка можно говорить с достаточно высокой степенью уверенности (интервал коэффициента от 59 % до 68 %). Полученное значение коэффициента сопоставимо с результатами изученных статей по развивающимся странам Латинской Америки.

Влияние регрессоров положительное и статистически значимое. В среднем по рынку, изменение чистых активов на 1 единицу вызывает изменение цены акции на величину от 0.78 до 1.27 рублей, в свою очередь при увеличении анормальной прибыли на 1 единицу наблюдается увеличение котировок в интервале от 2.61 до 6.90 рублей за акцию. Введенный в модель параметр «другой информации» содержит дополнительное влияние информации, не отраженной в финансовой отчетности прошлого периода.

Оцениваемая модель во всех спецификациях по стандартам МСФО демонстрирует стабильные результаты вне зависимости от даты котировок, что позволяет сделать вывод об её устойчивости. Одним из факторов сопоставимости регрессанта и зависимых переменных является проведенное нормирование на количество акций в обращении, что указывает на правильность принятого исследовательского решения.

При сравнительном анализе спецификаций 2 и 3, 4 и 5 попарно предпочтение отдается последним, то есть регрессоры построенной модели более точно предвосхищают динамику именно июльских котировок, таким образом, следует вывод о том, рынок воспринимает информацию из финансовой отчетности с временным лагом.

Для оценки эффекта от введения параметра «другой информации» сравниваются соответственно спецификации 2 и 4, 3 и 5. Коэффициент положителен и статистически значим, что дает основание предполагать существование латентных факторов, не отраженных на момент выхода финансовой отчетности, но при этом влияющих на движение цен акций.

Заключение

Процесс последовательного появления моделей ценообразования акций охватывает продолжительный период, в котором выделяются такие исторические вехи, как модель Марковица, концепция CAPM, сравнительный подход, модель дисконтирования денежного потока и другие. В условиях современного общества имеет место множество способов для оценки стоимости компаний, среди которых относительно новым, но при этом имеющим широкий географический охват методом является разработанная и предложенная в 1995 году Джеймсом Ольсоном модель, которая ставит во главу угла отражаемые в финансовой отчетности показатели деятельности компаний.

Процесс вычисления рыночной стоимости компании сводится к анализу панельных данных на основе регрессионной зависимости, включающей в качестве регрессоров анормальную прибыль, балансовую стоимость и параметр «другой информации».

Исследуемая модель тестировалась в течение 20 лет на различных рынках. Общим моментом изученных научных статей является признание модели в качестве оригинального способа по определению динамики рыночных котировок. Подавляющее большинство исследований подтверждает состоятельность применимости модели Ольсона для оценки стоимости компаний как на развитых, так и на развивающихся рынках.

Тестирование модели Ольсона представляет собой процесс, включающий в себя сбор входных финансовых данных, апробацию на относительно небольшом интервале времени для крупнейших компаний, дальнейшее расширение выборки с учётом особенностей страны, отрасли и способа представления отчётности компанией, интерпретацию полученных результатов.

Цель работы заключалась в выявлении степени применимости модели Ольсона для оценки стоимости российских компаний и предложении модели, способной учесть специфику российского фондового рынка. Для достижения данной цели были поставлены соответствующие задачи, которые были выполнены в ходе исследования.

Вначале автором были изучены научные статьи, содержащие ключевые концептуальные и методологические основы для проведения исследования. Далее был проведен сбор статистической информации, включавшей показатели из финансовых отчетностей компаний за 9 лет, биржевые котировки, а также данные информационно-консультационных порталов. После вычисления величин анормальной прибыли стало возможным приступить к первоначальному этапу эмпирического тестирования. В дальнейшем в него был включен параметр «другой информации», и получены основные результаты апробации модели Ольсона на российском фондовом рынке.

Эконометрический анализ модели Ольсона для российского фондового рынка подтвердил статистическую значимость как модели в целом, (интервал значений коэффициента колеблется от 59 % до 68 %), так и всех регрессоров в отдельности. Динамика котировок акций сонаправленна изменению чистых активов и анормальной прибыли. Полученные результаты модели сопоставимы со статьями, объектами в которых выступают рынки аналогичных стран Латинской Америки.

Ввиду того, что исследование является первым, которое следовало оригинальной методологии Ольсона в России, имеется пространство для дальнейшего расширения рамок и увеличения объясняющей силы модели. В качестве рекомендаций для будущих исследований данной тематики стоит выделить увеличение числа анализируемых компаний и периодов, за который будут доступны финансовые отчетности, поиск альтернативных источников для вычисления параметра «другой информации», а также методологические подходы, использованные авторами в ранних статьях, а именно: рассмотрение фактора корпоративного управления, временные ряды высоких порядков, модель марковских переключений.

Список использованной литературы

1. Берзон Н.И. Оценка финансовых активов // В кн.: Финансы / Рук.: Н.И. Берзон; под общ. ред.: Н.И. Берзон. М. : Юрайт, 2013. Гл. 12. С. 409-460.

2. Блинов С.С. Сравнение силы взаимосвязи показателей экономической прибыли и рыночной стоимости акций (2011) // Корпоративные финансы. - №4, С. 12-23.

3. Грязнова А.Г. Оценка бизнеса: учебное пособие / А.Г. Грязнова, М.А. Федотова. - М.: Финансы и статистика, 2009. - 736 с.

4. Дамодаран А. Инвестиционная оценка: Инструменты и методы оценки любых активов; пер. с англ. - 7-е изд. - М.: Альпина Паблишер, 2011. - 1324с.

5. Коупленд Т., Коллер Т., Муррин Дж. Стоимость компаний: оценка и управление. - 3-е изд., перераб. и доп. / Пер. с англ. - М.: ЗАО «Олимп-Бизнес», 2005. - 576 с.

6. Теплова Т.В. Инвестиции. - М.: Юрайт, 2011. - 724 с.

7. Чиркова Е.В. Как оценить бизнес по аналогии. - Альпина паблишер, 2009. - 232 с.

8. Agostino M., Drago D., Silipo D. (2008) International Accounting Standards and information efficiency in the European stock market // SSRN Paper pp. 1-24.

9. Al-Hares O., Abughazaleh N., Haddad A. (2011) The effect of “other information” on equity valuation: Kuwait evidence // Journal of Applied Business Research Vol. 27, № 6, pp. 57-70.

10. Arouri M., Bellalah M., Hamida N., Nguyend D. (2012) Relevance of fair value accounting for financial instruments: some French evidence // International Journal of Business, 17(2), pp. 210-220.