Использование деривативных инструментов в качестве хеджирования валютных рисков предприятий, имеющих валютную составляющую в выручке/стоимости

3.4 Эконометрическая модель

На качественном уровне определено 7 факторов, которые могут объяснять поведение клиентов Сбербанка относительно активностей, связанных с хеджированием. С помощью проведения регрессионного анализа определяются факторы, влияющие на решение клиентов Сбербанка об использовании деривативных инструментов, а также определяются не значимые факторы. Данный анализ был проведён на основе эконометрической логит-модели. Построение регрессии осуществлено с использованием эконометрического пакета EViews.

Логит-модель - это модель бинарного выбора, которая предполагает, что зависимая переменная модели принимает только два альтернативных значения: 1 и 0. Поэтому такую модель удобно применять при прогнозировании решения клиента Сбербанка об использовании или неиспользовании деривативных инструментов. Бинарная зависимая переменная принимает значение единицы в случае положительного решения и значение нуля в случае отказа. Переменная y является ненаблюдаемой (латентной), а решение, соответствующее значению y = 1, принимается тогда, когда y превосходит некоторое пороговое значение.

Подобная эконометрическая модель использовалась в работе «Determinants of Corporate Hedging» авторов Nance Deana R., Smith Clifford W., Jr. Smithson Charles W., а также во многих других работах, посвящённых теме принятия экономических решений, например, таких как «Why Firms Use Currency Derivatives» авторов Geczy C., Minton B. И Schrand C(1997).

В работе «Determinants of Corporate Hedging» логит-модель использовалась для того, чтобы определить факторы, влияющие на активности фирм касательно хеджирования, исследователи используют регрессионный анализ и эконометрическую логит-модель. Зависимой перменной является бинарная переменная, в которой за единицу взята положительная активность хеджирования, а за ноль - отказ от хеджирования.(Nance Deana R., Smith Clifford W., Jr. Smithson Charles W., 1993)

Модель в обобщённом виде указана ниже.

+

(1)

где:

Y (decision) - решение клиента

0 - отрицательное решение

1 - положительное решение

manager experience - опыт клиентского менеджера

0 - новичок

1 - профессионал

volatility - волатильность базового актива за 3 месяца до совершения сделки

impex- импортная или экспортная компания

0 - импортная компания

1 - экспортная компания

risk - отношение ЛПР к риску

0 - рискофоб (не подвержен риску)

1 - рискофил (любит рисковать)

position1 - позиция ЛПР

0 - наёмник

1 - собственник

position2 - должность ЛПР

0 - бухгалтер

1 - финансовый директор

hedging alternative - альтернатива хеджированию(альтернативная стоимость привлечения денежных средств)

4. Описание результатов

В данном разделе представлены результаты проведённого регрессионного анализа. Благодаря полученному уравнению логит-модели, построенному на основании данных о сделках с использованием деривативов клиентов Сбербанка, была получена количественная оценка влияния различных факторов на положительное, либо отрицательное решение клиентов Сбербанка о совершении сделки с использованием деривативных инструментов.

Оценённое уравнение приняло следующий вид:

(2)

Данная модель оценена на данных, которые состоят из компаний, которые хеджировали различные базовые активы: валюта(доллар,евро), нефть, металлы (медь, алюминий). Несмотря на это, включение всех этих компаний в выборку обосновано.

Качество модели было проверено с помощью ошибок первого и второго рода. В соответствии с ними, полученная модель верно предсказывает 76.53% отрицательных решений о хеджировании и 43.69% положительных решений. В целом модель верно предсказывает 65.22% всех наблюдений, что даёт основание доверять её результатам.

В данной работе рассматриваются компании, которые ведут внешнеэкономическую деятельность и непосредственно сталкиваются с валютным риском в своей бизнес-деятельности. Все компании, включенные в репрезентативную выборку, хеджируя свой базовый актив, прямо или косвенно сталкиваются не только с товарным, но и с валютным риском, несмотря на то, что они хеджируют не валюту, а стоимость нефти и металлов. В Российской Федерации цена металлов(медь,алюминий), а также нефти котируется в рублях, но биржевой индекс котируется «базовый актив за доллар». Все эти компании зависят от стоимости актива в рублях, а сама рублевая стоимость зависит от величины биржевого индекса, а, следовательно, от курса валюты. Таким образом, подобные компании сталкиваются как с товарным, так и с валютным риском, что даёт основание для включения данных о них в модель.

Далее перейдём к рассмотрению результатов, полученных при проведении регрессионого анализа. На следующей странице, в таблице № 2 указаны коэффициенты, полученные в результате оценки эконометрической модели методом максимального правдоподобия. Метод максимального правдоподобия - универсальный метод оптимального оценивания неизвестных параметров для класса бинарных моделей. Положительный знак объясняющей переменной в логит-анализе подразумевает, что переменная связана с более высокой, чем средняя, склонностью компаний использовать производные инструменты и наоборот, если переменная несет отрицательный знак.

Можно сделать несколько заключений касательно этой модели. Опытным путём было доказано, что положительно на решение клиентов влияет опыт работы клиентского менеджера. Действительно опыт работы имеет прямое положительное влияние на фактические решения клиентов, так как от качества их работы (от качества обслуживания клиента) зависит лояльность клиента к услугам банка, а, следовательно, продажи банковских продуктов. Также выявлено, что волатильность базового актива положительно влияет на решение о покупке дериватива.

Как и ожидалось, это означает, что если клиент на протяжении до девяноста дней наблюдает высокую волатильность на свой базовый актив, то вероятнее всего он даст положительный ответ на предложение о покупке деривативного инструмента.

Таблица 2. Результаты регрессионного анализа

* коэффициент значим на 10%-ом уровне

** коэффициент значим на 5%-ом уровне

*** коэффициент значим на 1%-ом уровне

В соответствии с результатами оценивания эконометрической модели, можно сделать вывод о влиянии показателя направленности деятельности компании. Переменная «импортная или экспортная компания» оказывает отрицательное влияние на решение клиента о хеджировании. Это говорит о том, что экспортные компании склонны давать отрицательный ответ на предложения о покупке деривативов, нежели импортные компании. Возможно это связано с тем, что экспортные компании сталкиваются с валютным рискомв гораздо меньшей степени, чем импортные компании и больше склонны к принятию рисков на себя. Данный результат согласуется с тем, что было описано в работе «Firm-Level Competition and Exchange Rate Exposure: Evidence from a Global Survey of Firms» (Mikael C. Bergbrant, Kaysia Campbell anDelroy M. Hunter, 2014).

Отношение клиента к риску отрицательно влияет на решение о покупке. Так как в этой бинарной переменной за единицу был взят тип человека «рискофил», а за 0 тип человека «рискофоб», то полученный результат означает, что человек, который склонен к риску, скорее всего откажет на предложение о покупке дериватива, так как люди его типа предпочитают брать риск на себя, и в ситуации с деривативами, вероятнее всего, такой человек предпочтёт рискнуть, нежели и привнести стабильность в бизнес и хеджировать валютные риски посредством деривативов

Позиция ЛПР (наёмник/собственник) отрицательно влияет на окончательное решение о деривативах. Это означает, что собственники компаний менее склонны соглашаться на сделки по хеджированию. Возможно, это связано с тем, что собственники компаний недостаточно осведомлены о финансовом благополучии своей компании и доверяют решение всех финансовых вопросов наёмным сотрудникам, которые являются профессионалами своего дела.

Наёмными сотрудниками, отвечающими за финансовые вопросы чаще всего являются бухгалтеры или финансовые директоры. Результаты исследования показали, что должность лица принимающего решение (бухгалтер/финансовый директор) положительно влияет на окончательное решение клиента как юридического лица о применении хеджирования. Как и предполагалось, финансовые директоры вероятнее одобрят покупку деривативного инструмента с целью хеджирования, так как они гораздо лучше владеют ситуацией о компании в целом. Более того, финансовые директоры зачастую более мотивированы в устранении рисков компании и стабилизации бизнеса, в то время как бухгалтеры практически совсем в этом не заинтересованы, часто у них нет никакого стимула для использования хеджирования.

Альтернатива хеджированию (альтернативная стоимость привлечения средств) оказывает отрицательное влияние на решение клиентов. Это означает, что чем дороже компании обходится привлечение денежных средств, тем менее вероятно, что компании обратятся к хеджированию валютных рисков. Данный вывод не согласуется с результатами работы авторов Nance Deana R., Smith Clifford W., Jr. Smithson Charles W., «On the Determinants of Corporate Hedging», так как в этой работе был получен вывод противоположный тому, что было получено в настоящем исследовании. Однако, скорее всего, получение такого результата в настоящей работе объясняет специфику российского рынка деривативов, а именно разностороннее влияние стоимости собственного капитала. Высокая стоимость собственных денежных средств компании может свидетельствовать о более высокоприбыльном и высокорискованном бизнесе, поэтому собственники таких компаний скорее не будут использовать такую банковскую услугу как хеджирование для устранения риска, а возьмут риски на себя. В России, в условиях пока что неразвитого рынка деривативных инструментов, какие-то компании принимают деривативы по их рыночной цене, а какие-то нет. В связи с этим, возможно, что даже если привлечение собственных средств компании обходится дорого, эта компания вполне может позволить себе остаться при своих рисках и не обращаться к хеджированию.

Окончательная интерпретация результатов, полученных в ходе построения логит-модели, должна происходить посредством расчёта предельных эффектов в точке среднего значения. Коэффициенты в логит-моделях численно плохо интерпретируемы, т.к. скрытая переменная, в данной задаче склонность к ответу “да”, измеряется в непонятных единицах, поэтому в дополнение к коэффициентам обычно рассчитывают предельные эффекты. Предельные эффекты отвечают на вопрос, как изменится примерно вероятность y = 1 с ростом регрессора на единицу, и обычно они считаются для среднего значения каждого регрессора. Однако целью этой работы было определить какие факторы из исследуемых являются значимыми, то есть какие факторы влияют на клиента в момент принятия решения. В связи с этим, в этой работе нет необходимости в расчете предельных эффектов.

Таким образом, была проанализированы как психологические, так и экономические факторы, влияющие на корпоративных клиентов в Пермском крае. В целом мы можем сделать вывод, что построенная модель подходит для подобного анализа, даёт адекватные результаты, а, следовательно, может быть применена для дальнейших исследований.

Заключение

Банковский бизнес крайне конкурентен, и Сбербанк является лидером в этой отрасли. Чтобы оставаться успешным и прибыльным банком, проведение исследований необходимо во всех финансовых и нефинансовых областях, в которых работает Сбербанк. Ведь именно исследования являются главным ресурсом и движущей силой компании.

Данное исследование посвящено теме хеджирования валютных рисков. В этой работе были выявлены взаимосвязи между различными показателями и решением корпоративных клиентов об использовании деривативных инструментов. Выполненное исследование послужило основанием получения выводов, касательно того, какие факторы влияют на менеджера компании во время принятия решения об использовании деривативных инструментов.

Для проведения этого исследования вручную была собрана база данных о клиентах Сбербанка, которые когда-либо обращались в Сбербанк, в отдел глобальных рынков, за покупкой контракта на деривативы. Для того, чтобы качество исследования было максимальным, в анализ были включены наиболее релевантные факторы (отражающие как экономические, так и психологические аспекты принятия решений), которые могут оказывать влияние на корпоративных клиентов.

Однако у данного исследования есть некоторые ограничения. Во-первых, ввиду того, что Сбербанк защищает личные данные клиентов, некоторая информация оказалась конфиденциальной, например, отрасли, в которых работают компании, сами названия этих компаний и финансовые данные компаний. Во-вторых, есть ограничение, связанное с охватом данных - протестирована выборка, включающая в себя клиентов только одного банка - Сбербанка отделения Пермского края. Тем не менее, собранная база данных оказалась достаточной для получения адекватных результатов исследования.

Проверка значимости факторов проводилась при помощи построения эконометрической логит-модели. В соответствии с результатами этой модели опровергнутых гипотез не оказалось, подтвердилось влияние всех включенных факторов и были получены результаты о направлении их влияния. Полученные результаты указаны ниже в таблице №3.

Таблица 3. Итоговые результаты

На основании полученных результатов сформированы рекомендации для отдела глобальных рынков ПАО Сбербанк относительно стратегии продвижения деривативных инструментов. Не все полученые результаты можно конвертировать в рекомендации, так как не все они обладают практическим применением. Например, результат того, что такие факторы как позиция лица принимающего решение(наёмны работник или собственник), его отношение к риску (рискофоб или рискофил) обладают влиянием на решение клиента, но не могут быть интерпретированы в рекомендации, так так как сотрудники отдела глобальных рынков не могут оказать влияния на эти факторы. Однако на основании других полученных практически применимых результатов были составлены рекомендации по продвижению продаж деривативов.

Рекомендации указаны ниже:

1. Регулярно замерять уровень волатильности всех основных базовых активов и оповещать потенциальный и действующих клиентов о наиболее финансово опасных уровнях. На основе этого формировать выгодные предложения для клиентов.

2. Проговаривать клиентам информацию о том, что использование хеджирования способно уменьшить размер налогового бремени для компании. Просчитывать экономию клиента и показывать ему на конкретных примерах.

3. Равномерно распределять нагрузку между клиентскими менеджерами для более продуктивной работы. Поощрять опытных клиентских менеджеров для того, чтобы они как можно дольше оставались в должности клиентского менеджера и эффективно работали на благо всего Сбербанка.

4. При поиске новых клиентов большее внимание обращать на корпоративных клиентов из среднего и крупнейшего сегмента. Делать больше предложений компаниям из этих сегментов.

5. Чаще общаться с финансовыми директорами ведущих компаний.

Сформированные рекомендации будут переданы в отдел глобальных рынков. Построенная в настоящем исследовании модель работоспособна и может быть применена в последующих исследованиях на других данных в большем объёме.

Что касается ограничений исследования, то в последующих работах имеет значение расширить тестируемую выборку для получения более надёжных результатов исследования. Стоит рассмотреть данные касательно филиалов( в которых предоставляются услуги по хеджированию) из других регионов Российской Федерации, в которых присутствует ПАО Сбербанк. Более того, выборка должна быть расширена путем включения в неё большего количества информации о клиентах из банков-конкурентов, которые ведут подобную деятельность в области хеджирования юридических лиц. Также, для получения более информативных результатов в последующих работах стоит рассчитать предельные эффекты.

Литература

1. Вишневер В.Я., Стерликова А.Д., Крупнейшие банки России: конкуренция за юридических лиц в современных условиях.// Вектор экономики, 2017.

2. Зарубайко Д.Р., Темченко О.С., Хеджирование валютных рисков коммерческими банками в период российского валютного кризиса 2014-2015 гг. // Universum: экономика и юриспруденция, 2017.

3. Кадочникова Е.И., Моделирование влияния финансовых показателей предприятия на его кредитоспособность // Вестник экономики, права и социологии, 2016.

4. Кудрявцев Д.С. Анализ управления кризисом ликвидности //Транспортное дело России, 2011.

5. Логинов Е.Л, Логинова В.Е., Деривативы в Российской экономике: стратегические тренды управления асимметричностью распределенных рынков //Финансы и кредит, 2012.

6. Локтионова Ю.Н., Толочко И.В., Основные подходы банков к управлению кредитными рисками» // Устойчивое развитие науки и образования, 2018.

7. Сариева И.Р., Современные исследования факторов страхового поведения //Психология.Журнал Высшей школы экономики, 2013.

8. Тюкавкин Н.М., Российский рынок деривативов // Вестник Самарского государственного университета, 2014.

9. Черкасова В.А., Выбор эффективной стратегии хеджирования валютных рисков нефтяной компании // Финансовая аналитика: проблемы и решения, 2013.

10. Ali, H., Davies, D. R. The Effects of Age, Sex and Tenure on the Job Performance of Rubber Tappers// Journal of Occupational and Organizational Psychology. 2003. No. 76(3). P. 381-391.

11. Allayannis G., Ofek E., 2001, Exchange Rate Exposure, Hedging and the use of foreign Currency Derivatives // Journal of International Money and Finance,Volume 20, Issue 2, April 2001, Pages 273-296.

12. Avolio, B. J., Waldman, D. A., McDaniel, M. A. Age and Work Performance in Nonmanagerial Jobs: The Effects of Experience and Occupational Type // Academy of Management Journal. 1990. No.33. P. 407-422.

13. Bergbrant M., Campbell K. and Hunter D., Evidence from a Global Survey of Firms //Financial Management, Vol. 43, No. 4 (WINTER 2014), pp. 885-916.

14. Croson R. and Gneezy U., Gender Differences in Preferences // Journal of Economic Literature, Vol. 47, No. 2 (Jun., 2009), pp. 448-474.

15. Cummins D., Phillips R., Smith, S., Derivatives and corporate risk management: participation and volume decisions in the insurance industry // The Journal of Risk and Insurance, Vol. 68, No. 1 (Mar., 2001), pp. 51-91, 2001.

16. Geczy C., Minton B. and Schrand C, Why Firms Use Currency Derivatives // The Journal of Finance, Vol. 52, No. 4 (Sep., 1997), pp. 1323-1354.

17. Graham J.R., Rogers D. A., Do firms hedge in response of tax incentives?, 2002 // The Journal of Finance, Vol. 57, No. 2 (Apr., 2002), pp. 815-839.

18. Hentschel L., Kothari S. P., Are Corporations Reducing or Taking Risks with Derivatives? // The Journal of Financial and Quantitative Analysis, Vol. 36, No. 1 (Mar., 2001), (pp.93-118).

19. Knopf John D., Nam Jouahn, Thornton John H. and Jr.,(2002) The Volatility and Price Sensitivities of Managerial Stock Option Portfolios and CorporateHedging // The Journal of Finance, Vol. 57, No. 2 (Apr., 2002), pp. 801-813.

20. Merton, Robert C., and Perold Andre , 1993, Theory of Risk Capital in Financial Firms //Journal of Applied Corporate Finance, 6(1): 16-32.

21. McGarry B.E., Tempkin-Greener H., Grabowski D., Chapman P., and Li Y., Consumer Decision-Making Abilities and Long-Term Care Insurance Purchase // The Journals of Gerontology: Series B, Volume 73, Issue 4, 16 April 2018, Pages e1-e10, 2017.

22. Nance Deana R., Smith Clifford W., Jr. Smithson Charles W., (1993),On the Determinants of Corporate Hedging // The Journal of Finance, Vol. 48, No. 1 (Mar., 1993), pp. 267-284.

23. Schubert R., Brown M., Gysler M. , Brachinger H.W., Financial Decision-Making: Are Women Really More Risk-Averse?, // The American Economic Review, Vol. 89, No. 2, 1999.

24. Smith W.B. and Stulz Rene M.,1985, The Determinants of Firms' Hedging Policies // The Journal of Financial and Quantitative Analysis, Vol. 20, No. 4 (Dec., 1985), pp.391-405.

25. Stulz Renй M. (2004). Should We Fear Derivatives? // The Journal of Economic Perspectives, Vol. 18, No. 3 (Summer, 2004). (pp. 173-192).

26. Официальный сайт Центрального Банка РФ / [Электронный ресурс]. - Режим доступа: URL: http://cbr.ru/ (дата обращения: 27.11.2017).

27. Официальный сайт ставки Mosprime // [Электронный ресурс]. - Режим доступа: URL: http://mosprime.com/ (дата обращения: 25.11.2017).

28. Официальный сайт ПАО «Сбербанк России» / [Электронный ресурс]. - Режим доступа: URL: http://www.sberbank.ru/ (дата обращения: 02.02.2018).

Приложение

Рис. 4. Ящичковые диаграммы

Рис. 5. Распределение данных

Таблица 4. Корреляционная матрица

Рис. 6. Графики Квантиль-Квантиль

Таблица 5. Доверительные интервалы

Размещено на Allbest.ru