Теоретические аспекты анализа корпоративных облигаций

20 %

15 % - по облигациям, эмитированным с 01.01.2017

0 % (при вкладе в капитал от 50 %);

13% при вкладе в капитал до 50 %).

15 %

20%

В дополнение к вышесказанному стоит отметить, что в начале марта 2017 года Государственной думой был принят закон, который освобождает от налогообложения доход, полученный по облигациям. Принятый закон внес некоторые изменения, касающиеся главы 23 НК РФ. Нельзя не заметить, что данный закон имеет определенные тонкости и нюансы. Закон распространяется только на доход физических лиц, который получен по рублевым корпоративным облигациям, выпущенным с 01.01.2017 [2, ст. 23].

Под действие данного налога попадает купон, не превышающий ставку рефинансирования, которая увеличена на 5 %. Сегодня ставка рефинансирования находится на уровне 7,25 %, то есть купон свыше 12,25 % должен облагаться по ставке 35 %. В данный момент большая часть облигаций эмитируется с купоном 9 - 12 %, значит предположительно подобный купон будет облагаться НДФЛ при сокращении уровня ключевой ставки до 4-6 %.

Также стоит отметить, что от налога может освобождаться доход, который получен с дисконта непосредственно при погашении. При продаже облигации, ее доход подлежит налоговому обложению. Но если облигация торгуется выше номинальной стоимости (как и в настоящем случае), данный пункт не является актуальным.

Рассмотренный закон вступил в силу с 01.01.2018, а купоны, которые были выплачены в 2017 году, отражались на счетах инвесторов как и ранее с налоговым вычетом в размере 13 %.

Кроме того, на заседании 24 июня 2016 года Государственной думой был принят закон, понижающий налоговую ставку на прибыль по корпоративным облигациям юридических лиц с 20 % до 15 %. Данные льготные условия также будут распространены на облигации, выпущенные в период с 01.01.2017 по 31.12.2021 включительно. Все перечисленные нововведения отражены в таблице 3.2.

Исходя из вышеперечисленного, можно сделать вывод, что инвестиции в корпоративные облигации имеют низкую привлекательность среди инвесторов, обусловленную текущей нормативно-правовой базой и состоящую в следующем:

1. Наличие стандартного уровня налогового обложения доходов по корпоративным облигациям, который предусматривает несущественные льготы и отсутствие явной мотивации к вложению непосредственно в корпоративные облигации.

2. Очевидное законодательное преимущество других инвестиционных объектов, таких как корпоративные акции и государственные ценные бумаги, так как они предусматривают наличие налоговых льгот или дополнительных гарантий. Более того, банковские вклады в условиях стандартного обложения доходов имеют гарантию возмещения вкладов для физических лиц на сумму 1 400 тыс. рублей, что является дополнительной мотивацией для инвесторов к инвестированию своих денежных средств в банк.

3. Жесткие требования к процедуре регистрации выпуска корпоративных облигаций, в том числе к оплате государственной пошлины.

Вторая часть проблем, которые затрудняют рост рынка корпоративных облигаций России, заключается в ограничениях законодательства, установленных ФЗ «Об акционерных обществах» и «Об обществах с ограниченной ответственностью», на реализацию облигационных займов юридическими лицами.

В первую очередь, речь идет о финансовых требований к эмитенту. Например, "выпуск облигаций может осуществляться лишь при полной оплате уставного капитала фирмы" - усложняет вступление на рынок таких эмитентов, как коммерческие банки, которые находятся на стадии капитализации активов [4].

Во-вторых, продолжительность осуществления эмиссии и прочих подготовительных мероприятий занимает от двух до шести месяцев, что делает нерациональным эмиссию краткосрочных облигаций.

К тому же, является запрещенным выпускать в обращение ценные бумаги до окончания полного размещения их выпуска и регистрации отчета о результатах выпуска. Подобное ограничение также затрудняет развитие рынка краткосрочных корпоративных облигаций, которые по сравнению с долгосрочными инструментами размещаются не одновременно целым выпуском, а траншами (по частям). В данной ситуации облигации, которые были размещены более ранними траншами, не могут участвовать в обращении на вторичном рынке до того, как эмитентом не будет размещен весь выпуск облигаций. Этот запрет лишает возможности оперативного управления своим долгом, используя постепенное размещение облигаций отдельными траншами. Данный недостаток нормативной базы привел к ситуации, когда многие крупные корпорации вынуждены проводить эмиссию облигаций со сроком погашения от трех до пяти лет. Уровень их ликвидности и инвестиционной привлекательности является недостаточным, поскольку отсутствуют долгосрочные ориентиры в российской экономике. 

Согласно вышесказанному можно заключить, что текущее налоговое законодательство не удовлетворяет потребностям рынка корпоративных облигаций. О его полноценном развитии можно рассуждать лишь при формировании равных позиций всех инвестиционных инструментов. Согласно мнению аналитиков финансового рынка, облигационные займы по всему миру имеют огромный спрос среди населения, которое является основным инвестором денежных средств в экономику страны. На сегодняшний день корпоративные облигации - это прямой способ вложения денежных средств в экономику России, поскольку они подразумевают приобретение средств напрямую самой организацией без услуг финансовых посредников. Таким образом, очевидно, что данный инструмент обладает сильным преимуществом для развития российского предпринимательства.

Тем не менее, в настоящий момент корпорации находятся в совершенно неадекватных рыночных условиях. Поскольку инвестору не рентабельно приобретать облигации, то их размещение на рынке вовсе превращается в искусство, так как отнимает колоссальные затраты и непомерные усилия в деятельности предприятия.

На следующем этапе стоит рассмотреть, каким образом можно минимизировать издержки по выпуску и обращению корпоративных облигаций в рамках закона, а также предложить комплексные меры по устранению проблем законодательного регулирования российского рынка корпоративных облигаций.

Как известно, процесс эмиссии корпоративных облигаций в соответствии с Федеральным законом под номером 39-ФЗ «О рынке ценных бумаг» предусматривает следующие этапы:

1) Решение о размещении облигаций;

2) Подтверждение решения об облигационном выпуске;

3) Общегосударственная регистрация выпуска или присуждение выпуску номера идентификации;

4) Осуществление регистрации проспекта эмиссии;

5) Размещение облигаций;

6) Регистрация отчета об итогах выпуска

В исследуемом примере стоит рассмотреть три возможных способа государственной регистрации выпуска облигаций:

- без использования подписки

- через закрытую подписку

- посредством открытой подписки [3]

Наиболее предпочтительным вариантом с точки зрения минимизации издержек на государственную регистрацию выпусков корпоративных облигаций является эмиссия облигаций, размещаемых любыми способами, кроме подписки.

В таком случае, эмитент корпоративных облигаций понесет издержки за государственную регистрацию выпуска облигаций в фиксированном законом размере 35 000 рублей. При размещении облигаций без применения подписки, регистрация проспекта эмиссии ценных бумаг проводится по усмотрению эмитента и не обязательна. В силу этого, у эмитента также нет необходимости представлять документы для государственной регистрации на предварительное рассмотрение.

На заключительном этапе эмитенту облигаций необходимо оплатить государственную пошлину за регистрацию отчета об итогах выпуска эмиссионных ценных бумаг, которая составляет 35 000 рублей. Следовательно, можно выявить, что в случае размещения облигаций без использования подписки, совокупные расходы эмитента по самым скромным оценкам и без учета комиссионного вознаграждения посредника составляют 70 000 рублей [2,ст. 333. 33].

Далее перейдем к анализу расходов на государственную регистрацию выпуска облигаций при использовании подписки. Допустим, что номинал выпуска облигаций составляет 100 миллионов рублей, значит размер государственной пошлины за регистрацию выпуска облигаций, размещаемых путем подписки составит 200 тысяч рублей: Однако, в случае, если увеличить номинал выпуска облигаций до 200 миллионов, то размер государственной пошлины за регистрацию выпуска облигаций не изменится и по-прежнему составит 200 тысяч рублей, так как согласно законодательству величина государственной пошлины за регистрацию выпуска эмиссионных ценных бумаг, размещаемых путем подписки не должна превышать 200 000 рублей. Таким образом, в данном случае действует общее правило: чем больше сумма займа, тем меньше расходы на выпуск.

Кроме того, с целью сокращения расходов следует выпускать долгосрочные облигации, поскольку ставка эмиссионной пошлины на операции с ценными бумагами не зависит от срока обращения облигаций, тем самым увеличиваются затраты на эмиссию краткосрочных облигаций. Например, в случае размещения трехмесячных облигаций, при уплате данного налога стоимость заимствований увеличивается до 0,8 % годовых.

Стоит учесть, что в случае размещения облигаций посредством открытой подписки, необходимо осуществлять регистрацию проспекта эмиссии, что предусмотрено стандартами эмиссии облигаций. Если размещение проводится по закрытой подписке, регистрация проспекта на облигации осуществляется лишь в том случае, если число их приобретателей, включая лиц, имеющих преобладающее право приобретения, превышает 500 человек. Таким образом, регистрация выпуска ценных бумаг, которые размещаются путем открытой подписки, влечет за собой значительные расходы в связи с регистрацией основной части проспекта ценных бумаг в размере 350 тысяч рублей.

Кроме того, если выпуск ценных бумаг сопровождается регистрацией проспекта, то эмитент имеет право на предоставление документов на предварительное рассмотрение, что увеличивает издержки эмитента облигаций на 160 тысяч рублей. Однако, данная процедура не является обязательной [2,ст. 333. 33].

Подводя итоги, можно сделать вывод, что самым выгодным и наименее затратным способом государственной регистрации выпуска облигаций является размещение корпоративных облигаций без использования подписки. Кроме того, было выявлено, что размещение облигаций путем открытой подписки требует больших затрат, чем размещение облигационных займов по закрытой подписке.

На следующем этапе перейдем к детальному рассмотрению налога на купонный доход. Стоит отметить, что налогом облагается лишь доход, который превышает ставку рефинансирования, увеличенную на 5 %. В данный момент ставка рефинансирования составляет 7,25 %, то есть купон свыше 12,25 % должен облагаться налогом по ставке 35 %. Величина процентной ставки купонного дохода исчисляется по отношению к номинальной стоимости облигации.

Рассмотрим пример, согласно которому эмитент корпоративных облигаций понесет минимальные издержки. Если величина полугодового купона равна 50 рублей, а номинал равен 1000 рублей, то ставка купона составляет 10 % годовых: = 10 %.

Данный купонный доход освобождается от налога, так как его величина не превышает ставку рефинансирования, увеличенную на 5% (10% < 12,25%).

Также стоит отметить, что предполагаемые корпоративные облигации будут эмитированы 10 апреля 2018 года, таким образом они попадают под действие льготы, согласно которой купонный доход по облигациям, эмитированным с 01.01.2017 освобождается от налога.

Таким образом, мы можем наблюдать, что принимая во внимание все тонкости и нюансы российского налогового законодательства, в текущих условиях существует возможность избежать высокие издержки по корпоративным облигациям, что позволяет сделать их эмиссию и инвестирование в корпоративные ценные бумаги более доступным как для юридических, так и для физических лиц.

На следующем этапе, после проведения анализа норм налогового законодательства и выявления недостатков нормативно-правовой базы, следует разработать комплексную модель реформирования норм налогообложения операций с ценными бумагами, которая сможет повысить уровень привлекательности корпоративных облигаций.

В качестве основополагающих мер по повышению эффективности размещения корпоративных облигаций следует предложить комплексное налоговое стимулирование развития рынка корпоративных облигаций, в том числе:

1. Сокращение ставки налога на инвестиционный доход, связанный с владением корпоративными облигациями до уровня, который установлен для государственных и муниципальных ценных бумаг. Таким образом, ставка НДФЛ должна составлять 0 % (как в случае государственных бумаг и вкладов). Данное нововведение даст возможность уровнять положения разных инструментов инвестирования на денежном рынке с точки зрения инвесторов.

2. Установление специальных льгот посредством введения инвестиционных налоговых вычетов по НДФЛ для лиц, которые инвестируют свои денежные средства в облигации российских предприятий с долей иностранного участия в капитале менее 100 000 рублей в течение налогового периода. Данные льготы выступят в качестве мотивации к инвестированию в развитие непосредственно отечественных компаний.

3. Обязательная регистрации проспекта эмиссии ценных бумаг для кредитных организаций вне зависимости от стоимости выпуска, что сократит безосновательные льготы на выпуск банковских облигаций. В текущий момент кредитные организации имеют право не осуществлять регистрацию проспекта эмиссии, если величина привлеченных ими денежных средств путем размещения бумаг за один год составляет менее четырех миллиардов рублей. При этом, кредитные организации, имеющие высокий статус на финансовом рынке, не должны быть наделены какими-либо преимуществами по отношению к остальным участникам рынка.

4. Ликвидация проблемного вопроса, касающегося краткосрочных облигаций. Как было указано ранее, эмиссия корпоративных облигаций с коротким сроком является дорогостоящей процедурой, поскольку налоговая ставка по операциям с ценными бумагами составляет 0,2 % от номинала, но совершенно не зависит от срока обращения. Это свидетельствует о фактическом увеличении ставки в несколько раз (зависит от срока обращения облигации).

Урегулирование данной проблемы может быть заимствовано из сферы банковских облигаций. Например, по прошествии трех месяцев эмитент может выкупить свои облигации по заявленной стоимости, и в то же время осуществить их реализацию, заранее позаботившись о публикации новой безотзывной оферты о выкупе через три месяца по конкретной цене. При этом, в зависимости от текущих обстоятельств, инвестор имеет право получить акцепт на оферту, а также оставить облигации на последующие три месяца. В результате, инвесторы обладают краткосрочным финансовым инструментом, который может быть продан по истечении трех или более месяцев по определенной цене, то есть существует возможность заранее спланировать доходность. Более того, в данном случае у эмитента нет необходимости нести издержки, которые связаны с уплатой раз в квартал налога на операции с ценными бумагами.

5. Отмена уплаты государственной пошлины за регистрацию выпусков облигаций при отказе в регистрации эмиссии, а также при аннулировании выпуска облигаций или признании его не состоявшимся.

Согласно нормам законодательства, оплата налога проводится до предоставления документов для регистрации выпуска и не может быть возвращена эмитентам независимо от итогов регистрации и размещения выпуска ценных бумаг. Следовательно, у эмитента возникают определенные риски, которые связаны с возможным неразмещением облигаций на рынке, то есть компания обязана оплатить ещё не привлечённые инвестиции.

В таком случае возникает вопрос, соответствует ли данное положение нормам налогового законодательства, так как уплата налога осуществляется без наличия фактически размещенной эмиссии (налогооблагаемая база отсутствует). Очевидно, что является необходимым возвращение суммы уплаченного налога в случае не состоявшейся эмиссии, либо введение оплаты налога сразу после размещения облигаций и с учетом суммы размещения, а не суммы эмиссии. Данные нововведения помогут активизировать эмиссионный процесс.

6. Упрощение процедуры выпуска и регистрации корпоративных облигаций для эмитентов, исполняющих требования текущего законодательства и раскрывающих ежеквартальные сведения о финансовом состоянии, предусмотренные ФЗ "О рынке ценных бумаг". Предполагается, что в случае регулярного раскрытия корпоративной информации эмитентом, нет необходимости в предоставлении проспекта эмиссии при регистрации облигаций. Проспект эмиссии содержит информацию, дублирующую основные сведения, которые эмитент должен ежеквартально раскрывать.

При этом, процедура регистрации выпуска корпоративных облигаций должна предусматривать более жесткие требования относительно раскрытия информации об эмитенте, а также оценки платежеспособности эмитента и ценных бумаг со стороны ведущих рейтинговых агентств.

Стоит отметить, что стандартизация условий выпуска корпоративных облигаций позволит сократить издержки и сроки рассмотрения, а также утверждения указанной документации в регулирующих органах.

Таким образом, формирование и развитие рынка корпоративных облигаций является весьма многогранным процессом. Для оправдания возлагаемых на него надежд, необходимо осуществить ряд комплексных мер по усовершенствованию российского законодательства, сформировать механизм высокоорганизованного рынка корпоративных облигаций, оптимизировать работу с эмитентами и иными участниками долгового рынка.

3.2 Эмпирический анализ влияния основных макроэкономических факторов на развитие рынка корпоративных облигаций

В течение долгих лет предприятия не уделяли должного внимания корпоративным облигациям и отдавали предпочтение иным источникам финансирования, но в последнее время корпоративные облигации стали проявлять себя как самый конкурентоспособный инвестиционный инструмент. На сегодняшний день эмиссия корпоративных облигаций - это неотъемлемая часть структуры внешних источников финансирования многих организаций. Следовательно, для того чтобы детально изучить и получить качественное истолкование данного показателя, необходимо прибегнуть к построению эконометрической модели и выявить основные факторы, оказывающие влияние на объем корпоративных облигаций.

Цель данной работы заключается в эконометрическом анализе объема обращающихся корпоративных рублевых облигаций в зависимости от следующих факторов: инвестиции в основной капитал, цена на нефть марки Brent, денежная масса, объем индекса ММВБ и средневзвешенная процентная ставка по кредитам.

Чтобы достичь данную цель, необходимо решить поставленные задач:

· Построить наиболее подходящую регрессионную модель зависимости объема обращающихся корпоративных облигаций от исследуемых факторов

· Протестировать модель на автокорреляцию и гетероскедастичность

· Провести тестирование гипотез

· Дать интерпретацию полученным результатам

· Сделать прогноз объема обращающихся корпоративных облигаций

Стоит также отметить, что в ходе анализа динамики обращающихся корпоративных облигаций, было выявлено, что облигации финансового и нефинансового сектора имеют абсолютно разные тенденции изменения.

Согласно таблице 3.3 [28], мы можем наблюдать четко выраженную положительную тенденцию увеличения корпоративных облигаций нефинансового сектора.

Таблица 3.3 Объем обращающихся облигаций нефинансовых организаций

Тем не менее, таблица 3.4 [33] свидетельствует о неопределенном направлении движения, и даже незначительном снижении объема корпоративных облигаций финансового сектора.



Таблица 3.4 Объем обращающихся облигаций финансовых организаций

Кроме того, финансовые и нефинансовые организации осуществляют выпуск облигаций по разным причинам. К примеру, для нефинансовых организаций эмиссия облигаций может быть выгоднее банковского кредита или рынок облигаций способен обеспечить более крупные денежные средства, чем отдельно взятый банк. Нефинансовые организации привлекают дополнительные финансовые ресурсы для расширения текущей деятельности.

Финансовые же организации выпускают облигации потому, что им зачастую не хватает ликвидных средств на какие-либо инвестиционные проекты или они стремятся предоставить клиентам больше финансовых услуг за счет привеченных средств.

В связи с тем, было приято решение построить две разные модели:

1. Модель для обращающихся корпоративных облигаций нефинансового сектора

2. Модель для обращающихся корпоративных облигаций финансового сектора

Начнем с анализа модели зависимости объема обращающихся корпоративных облигаций нефинансового сектора от исследуемых факторов.

Для настоящего исследования были выдвинуты следующие гипотезы:

1. Поскольку объем инвестиций в основной капитал выступает в качестве показателя инвестиционной активности, предполагается, что при повышении инвестиционной активности, объем обращающихся облигаций увеличивается.

2. При низких ценах на нефть риск увеличения инфляции снижается, что делает облигации более привлекательными. Речь идет прежде всего о спросе на облигации в США и ЕС. Однако, поскольку российская экономика является сырьевой и зависит от цен на нефть, данный процесс может быть абсолютно противоположен, так как при низких ценах на нефть рубль слабеет и инфляционные ожидания возрастают. При росте цены на нефть, доходности облигаций снижаются, что может привести к повышению заинтересованности большого числа корпоративных заемщиков с целью рефинансирования текущих «дорогостоящих» кредитов и займов.

3. Увеличение денежного предложения в России мотивирует рост рынка корпоративных облигаций. При увеличении денежных агрегатов у инвесторов появляется больше денег, которые потенциально (если избыточная ликвидность не направляется в реальный сектор экономики) можно вложить в ценные бумаги и тем самым увеличить капитализацию фондового рынка.

4. Индекс ММВБ - ценовой, взвешенный по рыночной капитализации композитный индекс российского фондового рынка, включающий наиболее ликвидные акции крупнейших российских эмитентов. Предполагается, что индекс МосБиржи является индикатором рынка акций. В свою очередь, повышающийся рынок акций оказывает бычье воздействие на рынок облигаций.

5. Предполагается, что при повышении средневзвешенной ставки по кредитам нефинансовым организациям, объем выпущенных, а следовательно и обращающихся облигаций нефинансового сектора возрастает, так как фирмам становится более выгодно привлекать денежные средства путём выпуска собственных облигаций, которые могут выступать в качестве альтернативы банковским кредитам. В случае финансовых компаний, при увеличении стоимости банковских кредитов, финансовые организации получают больший доход, который потенциально может быть направлен на увеличение капитализации фондового рынка.

Далее стоит ознакомиться с набором данных для исследования:

· INVEST - реальное значение (очищенное от инфляции) объема инвестиций в основной капитал за месяц ( в миллиардах рублей), выступает в качестве показателя инвестиционной активности;

· B_P - цена на нефть марки Brent ( в долларах)

· I_IMOEX - реальное значение объема индекса ММВБ, индекс МосБиржи ( в миллиардах рублей);

· M_S - денежная масса - M2 ( в миллиардах рублей), денежный агрегат, включающий в себя агрегат M1 в сочетании с сберегательными бесчековыми и срочными мелкими депозитами населения и предприятий, плюс краткосрочные государственные ценные бумаги

· C_R - средневзвешенная процентная ставка по кредитам, предоставленным кредитными организациями нефинансовым организациям (в процентах годовых) [24];

Зависимая переменная представлена как C_B - реальное значение объема обращающихся корпоративных облигаций нефинансовых организаций ( в миллиардах рублей) [28].

Как было указано ранее, некоторые показатели представлены с учетом инфляционной корректировки. Переменные были очищены от инфляционных влияний с целью их приведения в сопоставимые цены и получения достоверных выводов о динамике данных показателей на основе скорректированной информации. Исследуемые реальные показатели были рассчитаны в ценах 2011 года (в качестве базового года выступает 2011 год).

В рамках настоящего исследования рассматриваются месячные показатели объема рублевых облигаций и месячные макроэкономические показатели в период с января 2011 года по декабрь 2017 года. Выборка включает 84 наблюдения. Длина временного ряда составляет 7 лет.

Далее перейдем к анализу данных.

Прежде чем приступить к построению регрессионной модели, в первую очередь следует проверить исследуемые временные ряды на стационарность.

Проведем тестирование одной из переменных - денежной массы. Для того, чтобы проверить временной ряд на стационарность, необходимо применить тест единичного корня - Unit Root Test (табл. 3.5), который используется в анализе временных рядов как характеризующее свойство их нестационарности.

Таблица 3.5 Применение "Unit Root Test"

Null Hypothesis: _M2 has a unit root
Exogenous: Constant
Lag Length: 1 (Automatic based on SIC, MAXLAG=11)
			t-Statistic	Prob.*
Augmented Dickey-Fuller test statistic	0.081380	0.9624

Гипотеза : H0 : ряд является нестационарным ; H1: ряд является стационарным.

Как мы видим, Prob(Fst) = 0.9990 , 0.9999 > 0.05, следовательно, гипотеза H0 о нестационарности временного ряда подтверждается, значит исследуемая переменная является нестационарной, что свидетельствует о наличии линейного (детерминированного) тренда, который мы можем наблюдать на следующем графике (рис. 3.1).



Рис. 3.1. Линейный график переменной денежная масса.

Стоит отметить, что использование в регрессионной модели нестационарных временных рядов приводит к получению фиктивных результатов, построению «мнимой» или ложной модели, поскольку дисперсии нестационарных временных рядов зависят от номера наблюдения и безгранично увеличиваются со временем, что не удовлетворяет классическим условиям регрессионной модели. Следовательно, является необходимым преобразование исходного ряда в стационарный. Для этой цели является уместным применение метода "детрендизации", а именно метод удаления тренда, который включает в себя следующие этапы:

1. Построение модели зависимости денежной массы от переменой тренда времени.

2. Получение прогноза исследуемой переменной с помощью операции "Forecast".

3. Создание новой переменной, которая равна разности исходного значения переменной и ее прогнозируемого значения.

После проведенной процедуры следует снова проверить исследуемую переменную на стационарность (табл. 3.6).

Таблица 3.6 Применение "Unit Root Test"

Null Hypothesis: M_S has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=11)
			t-Statistic	Prob.*
Augmented Dickey-Fuller test statistic	-3.862364	0.0035
Test critical values:	1% level		-3.511262
	5% level		-2.896779
	10% level		-2.585626

Как мы видим, Prob(Fst) = 0.0035 , 0.0035 < 0.05, следовательно, гипотеза H0 о нестационарности временного ряда отклоняется, исследуемая переменная является стационарной, значит процесс "детрендизации" дал положительный результат и исследуемая переменная может быть использована в построении регрессионной модели.

Аналогичным образом было выявлено, что все используемые временные ряды (переменные) являются нестационарными. Однако, многие из них помимо детерминированного тренда содержат в себе признаки такого нестационарного процесса, как случайное блуждание. Данный процесс может быть преобразован в стационарный путем дифференциации - метода взятия разностей, который предполагает следующее преобразование для каждой переменной: ?Yt = Yt ? Yt?1, где Yt - значение переменной в текущий момент времени, Yt?1 - значение переменной в прошлом периоде.

В данном случае, мы создаем новую переменную , которая состоит из приростов (изменений) исследуемого показателя. Новый временной ряд называется рядом первых разностей и может использоваться для дальнейшего анализа.

Таким образом, преобразование нестационарного процесса в стационарный можно считать завершенным.

Прежде чем приступить к построению модели, для начала стоит рассмотреть матрицу корреляции между регрессорами (табл. 3.8), а также, используя описательную статистику (табл. 3.7) и графики гистограмм, отследить возможные ошибки в данных.



Таблица 3.7 Описательная статистика переменных

	CB	B_P	E_R	C_R	I_IMOEX	INVEST	M_S
Mean	45.99470	-0.406566	0.659759	-0.019157	-6.247590	16.42651	-3.187779
Median	27.58000	0.525000	0.170000	-0.090000	-6.760000	69.88000	-29.68118
Maximum	583.5300	12.65250	17.12000	2.150000	610.0700	1096.840	2717.911
Minimum	-106.0400	-18.24750	-10.92000	-1.220000	-342.1400	-1774.410	-1730.010
Std. Dev.	97.81577	5.590604	3.910181	0.536561	146.0487	508.2919	841.0920
Skewness	3.038160	-0.499257	1.095684	0.833478	1.097800	-1.785378	0.560278
Kurtosis	15.40615	3.529293	7.917372	5.295939	6.972372	8.115588	3.323836
Jarq.-Bera	659.9688	4.416927	100.2316	27.83986	71.24306	134.5968	4.705117
Probability	0.000000	0.109869	0.000000	0.000001	0.000000	0.000000	0.095125
Sum	3817.560	-33.74500	54.76000	-1.590000	-518.5500	1363.400	-264.5857
Sum Sq.D.	784569.8	2562.898	1253.740	23.60764	1749079.	21185577	58009737
Observ.	83	83	83	83	83	83	83

Таблица 3.8 Матрица корреляции между регрессорами

	CB	B_P	C_R	I_IMOEX	INVEST	M_S
CB	1.000000	-0.144243	-0.121418	0.062049	0.341204	0.232032
B_P	-0.144243	1.000000	-0.045471	0.008605	0.033104	0.108493
C_R	-0.121418	-0.045471	1.000000	-0.131323	-0.407909	-0.147593
I_IMOEX	0.062049	0.008605	-0.131323	1.000000	0.148375	-0.087931
INVEST	0.341204	0.033104	-0.407909	0.148375	1.000000	0.085569
M_S	0.232032	0.108493	-0.147593	-0.087931	0.085569	1.000000

Построение матрицы корреляций также является необходимым шагом при эконометрическом моделировании, поскольку оно позволяет избежать проблем, связанных с мультиколлинеарностью. Матрица корреляций всех показателей приведена в Таблице 3.8. Максимальный по модулю коэффициент парной корреляции между показателями составляет 0.407, что указывает на отсутствие сильной зависимости между регрессорами и делает возможным включение всех объясняющих переменных в модель. Далее перейдем к построению гистограмм для отслеживания выбросов (рис. 3.2).



Рис. 3.2. Гистограммы по всем переменным

Несмотря на то, что гистограммы указывают на наличие выбросов в переменных инвестиции в основной капитал, индекс ММВБ и объем обращающихся облигаций нефинансовых организаций, их удаление нецелесообразно, так как оно может привести к ограниченности выборки, снижению вариативности данных и искажению коэффициентов модели.

Таким образом, анализ данных можно считать завершенным, после чего можно приступать к построению модели. Оценим регрессию с помощью метода наименьших квадратов. В ходе анализа всех возможных моделей, было выявлено, что данная регрессия обладает наилучшими показателями (табл.3.9).

Стоит отметить, что данная регрессионная модель включает в себя переменную денежная масса, которая преобразована в стационарный временной ряд с помощью метода "детрендизации". Остальные переменные, включая зависимую переменную, были рассчитаны с помощью метода взятия разностей. Кроме того, мы можем наблюдать, что такие переменные, как индекс ММВБ и средневзвешенная ставка по кредитам включены в исследуемую модель с использованием временного лага. Это означает, что значения прошлого периода индекса ММВБ и средневзвешенной ставки по кредитам влияют на текущее значение корпоративных облигаций.



Таблица 3.9 Модель зависимости объема корпоративных облигаций нефинансовых организаций от исследуемых факторов

Dependent Variable: CB
Method: Least Squares
Sample (adjusted): 2011M03 2017M12
Included observations: 82 after adjustments
Variable	Coefficient	Std. Error	t-Statistic	Prob.
B_P	-3.238773	1.753058	-1.847499	0.0686
C_R(-1)	-19.74866	18.42862	-1.071630	0.2873
I_IMOEX(-1)	0.144389	0.067839	2.128413	0.0365
INVEST	0.065916	0.019253	3.423704	0.0010
M_S	0.028251	0.011672	2.420368	0.0179
C	42.93313	9.697179	4.427384	0.0000
R-squared	0.258514	Mean dependent var	45.42195
Adj. R-square	0.209732	S.D. dependent var	98.27759
S.E. of regression	87.36587	Akaike info criterion	11.84844
Sum Sq. resid	580092.5	Schwarz criterion	12.02454
Log likelihood	-479.7861	F-statistic	5.299363
Durbin-Watson stat	1.870002	Prob(F-statistic)	0.000314

Начнем с проверки исследуемой регрессии на значимость. Очевидно, что при уровне значимости б = 5%, Prob.(Fst) = 0.0003 < 0.05, значит данная регрессионная модель является значимой. Тест на значимость регрессии в целом показал, что все регрессоры оказывают влияние на объем обращающихся корпоративных облигаций нефинансового сектора.

Что касается значимости отдельных коэффициентов, то на уровне значимости 5 % такие переменные, как денежная масса, цена на нефть, индекс ММВБ, инвестиции в основной капитал, а также константа являются значимыми для объема корпоративных облигаций : при б = 0.05, б > Prob.(t-st), значит H0 - отклоняется. Регрессор - средневзвешенная ставка по кредитам не является значимым на любом возможном уровне значимости.

Кроме того, величина коэффициента детерминации данной регрессионной модели составляет 0,2585, и это указывает на то, что практически 25,9 % изменения зависимой переменной объясняется включенными в модель факторами.

Исходная регрессия обладает наилучшими показателями среди других, в связи с чем было принято решение выбрать ее для дальнейшего анализа.

На следующем этапе стоит проверить выбранную для исследования модель на наличие гетероскедастичности. Для начала стоит сделать предположение о наличии гетероскедастичности в данных на основе графика зависимости между остатками модели и регрессорами (рис. 3.3).

Рис. 3.3 Диаграммы рассеивания. Зависимость между остатками модели и ее регрессорами.

На выше представленных графиках мы можем наблюдать неоднородные данные, что может являться признаком гетероскедастичности в модели. Для того чтобы протестировать данную регрессионную модель на наличие гетероскедастичности, необходимо воспользоваться тестом Уайта, который представлен в таблице 3.10.

Таблица 3.10 Тест Уайта на наличие гетероскедастичности

White Heteroskedasticity Test:
F-statistic	8.964273	Probability	0.000000
Obs*R-squared	45.75809	Probability	0.000002
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 05/23/18 Time: 20:55
Sample: 2011M03 2017M12
Included observations: 82
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	463.3471	2593.925	0.178628	0.8587
B_P	29.20111	355.1276	0.082227	0.9347
B_P^2	186.9152	41.66938	4.485673	0.0000
C_R(-1)	628.3334	3502.328	0.179405	0.8581
C_R(-1)^2	-3021.731	3488.136	-0.866288	0.3893
I_IMOEX(-1)	13.85578	13.89890	0.996898	0.3222
I_IMOEX(-1)^2	-0.022980	0.038873	-0.591167	0.5563
INVEST	24.69961	5.529842	4.466603	0.0000
INVEST^2	0.015437	0.004317	3.576008	0.0006
M_S	2.347331	2.400184	0.977979	0.3314
M_S^2	-0.003085	0.001866	-1.653506	0.1026
R-squared	0.558025	Mean dependent var	7074.298
Adj. R-squared	0.495776	S.D. dependent var	21563.27
S.E. of regression	15311.81	Akaike info criterion	22.23489
Sum Sq. resid	1.66E+10	Schwarz criterion	22.55774
Log likelihood	-900.6305	F-statistic	8.964273
Durbin-Watson stat	2.302349	Prob(F-statistic)	0.000000

H0 - модель гомоскедастична, Ha- модель гетероскедастична

Как мы видим, Prob.(F-st.) = 0.0000, 0.0000 < 0.05, следовательно, гипотеза H0 о наличии гомоскедастичности отклоняется, из чего можно сделать окончательный вывод, что модель является гетероскедастичной.

Следующей этап включает в себя тестирование исследуемой регрессионной модели на наличие автокорреляции.

Для начала, можно отследить наличие автокорреляции в данных на основе коррелограмы для остатков регрессии (рис. 3.4).

Рис. 3.4 Коррелограма остатков модели

Согласно представленному рисунку, мы можем предположить об отсутствии автокорреляции в данных, о чем свидетельствуют значения автокорреляционной функции, находящиеся в пределах пунктира. Однако, стоит отметить, что одно из значений автокорреляционной функции находятся на границе допустимой области, что может указывать на наличие автокорреляции 11 порядка.

Следовательно, стоит воспользоваться тестом Бреуша Годфри, чтобы проверить выдвинутые предположения ( табл. 3.11).

Таблица № 3.11 Тест Бреуша Годфри

Breusch-Godfrey Serial Correlation LM Test:
F-statistic	0.951320	Probability	0.498695
Obs*R-squared	11.37078	Probability	0.412743
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 05/19/18 Time: 11:25
Presample missing value lagged residuals set to zero.
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C_R(-1)	26.45087	22.57700	1.171585	0.2456
B_P	0.066184	1.854714	0.035684	0.9716
I_IMOEX(-1)	0.005681	0.070806	0.080231	0.9363
INVEST	-0.008672	0.021017	-0.412649	0.6812
M_S	0.010372	0.013505	0.768018	0.4453
C	3.659996	9.841267	0.371903	0.7112
RESID(-1)	-0.025441	0.134689	-0.188887	0.8508
RESID(-2)	-0.095203	0.134646	-0.707063	0.4821
...	...	...	...	...
RESID(-11)	0.182323	0.130456	1.397589	0.1670

H0: с=0 (автокорреляции нет)

Ha : с ? 0

Как мы видим, Prob.(Fst) > 0.05, Prob.(Chi-Square) > 0.05, значит гипотеза Н0 об отсутствии автокорреляции подтверждается, из чего можно заключить, что в модели отсутствует автокорреляция одиннадцатого порядка.

Кроме того, согласно данной регрессии мы можем наблюдать, что в модели отсутствует зависимость текущих значений остатков модели от остатков в предыдущих периодах, так как переменные RESID01(-1) и RESID01(-2), RESID01(-11) не являются значимыми (0.850 > 0.05, 0.0482 > 0.05 и 0.167 > 0.05 ).

Таким образом, достаточно будет применить поправки Уайта( табл. 3.12)., которые помогут избавиться от неблагоприятных последствий гетероскедастичности и скорректировать стандартные ошибки регрессии.

Таблица 3.12 Применение поправок White

Dependent Variable: CB
Method: Least Squares
Date: 05/19/18 Time: 12:00
Sample (adjusted): 2011M03 2017M12
Included observations: 82 after adjustments
White Heteroskedasticity-Consistent Standard Errors & Covariance
Variable	Coefficient	Std. Error	t-Statistic	Prob.
B_P	-3.238773	3.506200	-0.923727	0.3586
C_R(-1)	-19.74866	12.89743	-1.531209	0.1299
I_IMOEX(-1)	0.144389	0.066055	2.185904	0.0319
INVEST	0.065916	0.028652	2.300564	0.0242
M_S	0.028251	0.011268	2.507151	0.0143
C	42.93313	8.903950	4.821808	0.0000
R-squared	0.258514	Mean dependent var	45.42195
Adj. R-squared	0.209732	S.D. dependent var	98.27759
S.E. of regression	87.36587	Akaike info criterion	11.84844
Sum Sq. resid	580092.5	Schwarz criterion	12.02454
Log likelihood	-479.7861	F-statistic	5.299363
Durbin-Watson stat	1.870002	Prob(F-statistic)	0.000314

Данные поправки помогли избавиться от последствий гетероскедастичности, после чего можно приступить к проверке гипотез.

На основе скорректированной регрессии с помощью теста Вальда проверим гипотезу о том, что увеличение изменения объема индекса ММВБ на 1 миллиард рублей влияет на объем обращающихся корпоративных облигаций нефинансового сектора так же, как рост изменения инвестиций в основной капитал на 1 миллиард рублей. Гипотеза H0: в(I_IMOEX) = в(INVEST) 1> c(3) = с(4).

Таблица 3.13 Применение Wald-test

Wald Test:
Equation: EQ01
Test Statistic	Value	df	Probability
F-statistic	1.269905	(1, 76)	0.2633
Chi-square	1.269905	1	0.2598
Normalized Restriction (= 0)	Value	Std. Err.
C(3) - C(4)	0.078473	0.069636
Restrictions are linear in coefficients.



Поскольку Prob(Fst) = 0.2633, 0.2633 > 0.05, значит нет оснований отклонять Н0 на уровне значимости 5 %. Следовательно, выдвинутая гипотеза о влиянии индекса ММВБ и инвестиций в основной капитал подтверждается.

На завершающем этапе эконометрического анализа обращающихся облигаций нефинансового сектора стоит провести интерпретацию коэффициентов регрессии и сделать прогноз объема корпоративных облигаций на январь 2018 года.

Для начала стоит уточнить, что прогноз и интерпретация коэффициентов осуществляются на основе изначально выбранной для анализа модели, без поправок White ( табл. 3.14).

Таблица 3.14 Исходная модель

Dependent Variable: CB
Method: Least Squares
Date: 05/08/18 Time: 14:47
Sample (adjusted): 2011M03 2017M12
Included observations: 82 after adjustments
Variable	Coefficient	Std. Error	t-Statistic	Prob.
M_S	0.028251	0.011672	2.420368	0.0179
C_R(-1)	-19.74866	18.42862	-1.071630	0.2873
INVEST	0.065916	0.019253	3.423704	0.0010
I_IMOEX(-1)	0.144389	0.067839	2.128413	0.0365
B_P	-3.238773	1.753058	-1.847499	0.0686
C	42.93313	9.697179	4.427384	0.0000
R-squared	0.258514	Mean dependent var	45.42195
Adj. R-squared	0.209732	S.D. dependent var	98.27759
S.E. of regression	87.36587	Akaike info criterion	11.84844
Sum Sq. resid	580092.5	Schwarz criterion	12.02454
Log likelihood	-479.7861	F-statistic	5.299363
Durbin-Watson stat	1.870002	Prob(F-statistic)	0.000314



Интерпретация коэффициентов регрессии:

1. При увеличении изменения денежной массы на 1 млрд. руб., изменение объема корпоративных облигаций нефинансового сектора возрастает на 0,028 млрд. руб. (при условии, что все остальные объясняющие переменные остаются неизменными).

2. При повышении изменения объема инвестиций в основной капитал на 1 млрд. руб, изменение объема корпоративных облигаций нефинансового сектора увеличивается на 0,0659 млрд. руб.

3. Увеличение изменения объема индекса ММВБ в прошлом периоде на 1 млрд. руб. приводит к росту изменения объема облигаций нефинансовых организаций на 0,144 млрд. руб.

4. При повышении изменения цены на нефть на единицу (1 доллар), изменение объема облигаций нефинансовых организаций уменьшается в среднем на 3,238 млрд. руб.

В заключении попытаемся найти прогнозное значение объема обращающихся корпоративных облигаций нефинансового сектора на 1 января 2018 года, учитывая что регрессоры в 2018 году будут принимать средние значения.

Для этого сперва извлечем средние характеристики регрессоров из описательной статистики ( табл. 3.15).

Таблица 3.15 Описательная статистика

	B_P	C_R	I_IMOEX	INVEST	M_S
Mean	-0.406566	-0.019157	-6.247590	16.42651	-3.187779
Median	0.525000	-0.090000	-6.760000	69.88000	-29.68118
Maximum	12.65250	2.150000	610.0700	1096.840	2717.911
Minimum	-18.24750	-1.220000	-342.1400	-1774.410	-1730.010
Std. Dev.	5.590604	0.536561	146.0487	508.2919	841.0920

Добавляем во временной ряд январь 2018 года - 85 наблюдение, после чего заполняем пропуски значениями средних характеристик регрессоров на текущую исследуемую дату. Далее получаем прогноз по изменению объема обращающихся облигаций нефинансовых организаций на январь, который находится в последнем созданном наблюдении ( табл. 3.16).

Таблица 3.16 Прогноз абсолютного изменения объема обращающихся корпоративных облигаций нефинансового сектора на январь 2018 года

2017M06	86.93111
2017M07	58.35057
2017M08	38.94686
2017M09	29.55594
2017M10	40.63592
2017M11	24.28295
2017M12	184.6620
2018M01	19.40213

Далее, с целью получить прогноз непосредственно по объему облигаций нефинансовых организаций на 1 января 2018 г., необходимо к фактическому объему обращающихся облигаций на 1 декабря 2017 года прибавить найденный прогнозный рост объема обращающихся облигаций на январь 2018 года:

Как мы видим, согласно данному прогнозу, объем обращающихся корпоративных облигаций нефинансового сектора в январе 2018 года должен составлять 6266 миллиардов рублей.

Стоит отметить, что согласно статистике информационного агентства Cbonds, объем облигаций нефинансовых организаций по состоянию на январь 2018 года составляет 6247 миллиардов рублей. Следовательно, можно сделать вывод, что прогноз, полученный с помощью данной регрессионной модели является достаточно реалистичным [28].

На следующем этапе перейдем к построению модели зависимости объема обращающихся корпоративных облигаций финансовых организаций от исследуемых факторов, чтобы выявить, различны ли параметры, которые влияют на объем облигаций финансовых и нефинансовых компаний.

В данном случае зависимая переменная представлена как CB_СO - реальное значение объема обращающихся корпоративных облигаций финансового сектора ( в миллиардах рублей). Преобразуем данный временной ряд в стационарный. Используя метод взятия разностей, создадим новую переменную, которая состоит из приростов (изменений) исследуемого показателя. Новый временной ряд называется рядом первых разностей и может использоваться для дальнейшего анализа.

Остальные переменные (регрессоры) остались прежними и могут использоваться для построения модели ( табл. 3.17).

Таблица 3.17 Модель зависимости объема обращающихся облигаций финансовых организаций от исследуемых факторов

Dependent Variable: CB_CO
Method: Least Squares
Date: 05/20/18 Time: 14:02
Sample (adjusted): 2011M04 2017M12
Included observations: 81 after adjustments
Variable	Coefficient	Std. Error	t-Statistic	Prob.
B_P(-2)	1.602098	0.531248	3.015727	0.0035
C_R(-1)	13.71020	6.145035	2.231103	0.0287
I_IMOEX	-0.011157	0.021103	-0.528714	0.5986
INVEST(-1)	0.010983	0.006423	1.709878	0.0914
M_S(-1)	0.002764	0.003590	0.769821	0.4438
C	3.480858	2.898235	1.201027	0.2335
R-squared	0.169517	Mean dependent var	2.744938
Adj. R-squared	0.114152	S.D. dependent var	27.44732
S.E. of regression	25.83328	Akaike info criterion	9.412392
Sum Sq. resid	50051.89	Schwarz criterion	9.589758
Log likelihood	-375.2019	F-statistic	3.061788
Durbin-Watson stat	1.903423	Prob(F-statistic)	0.014368

Начнем с проверки исследуемой регрессии на значимость. Очевидно, что при уровне значимости б = 5%, Prob.(Fst) = 0.014 < 0.05, значит данная регрессионная модель является значимой. Более того, на уровне значимости 5 % такие переменные, как цена на нефть и средневзвешенные ставки по кредитам нефинансовым организациям являются значимыми для объема облигаций финансовых организаций. Инвестиции в основной капитал являются значимыми на уровне 10 %.

Кроме того, коэффициент детерминации данной регрессионной модели равен 0.1695, следовательно, данная модель обладает более низким качеством и меньшей объясняющей силой по сравнению с моделью зависимости объема облигаций нефинансовых компаний от тех же факторов.

Интерпретация коэффициентов регрессии:

1. При повышении изменения цены на нефть на 1 доллар в периоде, предшествующем предыдущему, изменение объема обращающихся облигаций финансового сектора увеличивается в среднем на 1,602 млрд. руб.

2. Увеличение изменения средневзвешенных ставок по кредитам нефинансовым организациям на 1 % в прошлом периоде, приводит к росту изменения объема облигаций финансовых организаций на 13,710 млрд. руб.

3. При повышении изменения объема инвестиций в основной капитал на 1 млрд. руб в прошлом периоде, изменение объема облигаций финансовых организаций увеличивается на 0,0109 млрд. руб.

Протестируем данную регрессионную модель на наличие гетероскедастичности (табл. 3.18).

Таблица 3.18 Тест Уайта на наличие гетероскедастичности

White Heteroskedasticity Test:
F-statistic	0.831311	Probability	0.600144
Obs*R-squared	8.598326	Probability	0.570600

Как мы видим, Prob.(F-st.) = 0.0000, 0.6 > 0.05, следовательно, нет оснований отклонять гипотезу H0 о гомоскедастичности, из чего можно сделать вывод, что модель является гомоскедастичной.

Далее отследим наличие автокорреляции в данных на основе коррелограмы для остатков регрессии ( рис. 3.5).

Рис. 3.5 Коррелограма остатков модели

Согласно представленному рисунку, мы можем предположить об отсутствии автокорреляции в данных.

Таким образом, согласно проведенному анализу было выявлено, что исследуемые факторы совершенно по-разному влияют на облигации финансового и нефинансового сектора.

В данном случае подтвердилась гипотеза о положительном значимом влиянии цены на нефть на объем обращающихся облигаций финансового сектора.

Также средневзвешенные ставки по кредитам, предоставленные кредитными организациями нефинансовым организациям оказались значимы для облигаций финансового сектора. Данный факт может быть обоснован тем, что при увеличении стоимости банковских кредитов, финансовые организации получают больший доход, который потенциально может быть направлен на увеличение капитализации фондового рынка.

Также стоит отметить, что проведенный регрессионный анализ показал, что инвестиции в основной капитал, будучи индикатором инвестиционной активности, оказывают аналогичное положительное влияние на объем облигаций финансовых и нефинансовых компаний.

Кроме того, не подтвердилась гипотеза о положительном влиянии индекса ММВБ и денежной массы на объем обращающихся корпоративных облигаций финансового сектора, так как в ходе регрессионного анализа выяснилось, что данные переменные не являются значимыми.

Вместе с тем, стоит отметить, что эконометрическое исследование дало основание подтвердить более половины выдвинутых гипотез относительно корпоративных облигаций нефинансовых компаний .

Проведенный регрессионный анализ подтвердил гипотезы о том, что инвестиции в основной капитал, индекс ММВБ и денежная масса оказывают положительное влияние на объем обращающихся корпоративных облигаций нефинансового сектора и их увеличение мотивирует рост рынка в целом.

Тем не менее, при построении теоретической модели, была выдвинута гипотеза о положительном влиянии цены на нефть на объем облигаций нефинансовых организаций в России. Однако, при построении регрессионной модели было выявлено, что цена на нефть марки Brent и объем обращающихся корпоративных облигаций нефинансовых организаций находятся в обратной зависимости. Безусловно, такое влияние имеет место быть в США и Европейском Союзе, где экономика стран вовсе не имеет сильной зависимости от цен на нефть. В таком случае, низкие цены на нефть уменьшают риск увеличения инфляции, что делает облигации более привлекательными. В России же данный процесс абсолютно противоположен. Следовательно, сложно найти объяснение данного противоречия эмпирических результатов и экономической теории.

Кроме того, не подтвердилась гипотеза о характере влияния средневзвешенной процентной ставки по кредитам, поскольку в ходе регрессионного анализа оказалось, что данная переменная не является значимой для объема обращающихся облигаций нефинансовых организаций.

В заключении стоит отметить, что многие гипотезы, выдвинутые в начале работы, нашли подтверждение в эконометрическом моделировании, что свидетельствует о возможности использования соответствующих инструментов для регулирования объема обращающихся корпоративных облигаций. При этом нельзя утверждать, что неподтвержденные гипотезы неверны: при использовании эконометрических методов исследования нужно полагаться, в первую очередь, на экономическую теорию. Полученные же результаты лишь подтверждают необходимость дальнейшего изучения факторов, влияющих на объем обращающихся корпоративных облигаций.



ЗАКЛЮЧЕНИЕ

В настоящей исследовательской работе проведен анализ тенденций, сформировавшихся на рынке корпоративных облигаций в 2017 году. Несмотря на имеющиеся затруднения и проблемы, объем корпоративных облигаций имеет продолжительную тенденцию роста. В целом, по завершению 2017 года произошло суммарное увеличение объема рублевого облигационного рынка на 20 % относительно начала исследуемого года.