Прогнозные факторы изменения цены для высокодоходных облигаций

Размещено на http://www.allbest.ru/

Правительство Российской Федерации

федеральное государственное автономное образовательное учреждение

высшего образования

«Национальный исследовательский университет

«Высшая школа экономики»

Факультет экономических наук

«Прогнозные факторы изменения цены для высокодоходных облигаций»

МАГИСТЕРСКАЯ ДИССЕРТАЦИЯ

по направлению подготовки Финансы и кредит

образовательная программа «Финансовый инжиниринг»

облигация высокодоходный рынок цена

Лазурина Галина Геннадьевна

Москва 2020 г.



Оглавление

Введение

Глава 1. Рынок высокодоходных облигаций

1.1 Рынок высокодоходных облигаций в РФ. Формирование

направлений исследования

1.2 Направления исследований в области высокодоходных

облигаций

Глава 2. Статистическая выборка исследования

2.1 Описание выборки, критерии отбора для первого

направления исследования

2.2 Описательная статистика выборки для первого

направления исследования

2.3 Описание выборки, критерии отбора для второго

направления исследования

2.4 Описательная статистика выборки для второго направления исследования

2.5 Описание выборки, критерии отбора для третьего направления исследования

2.6 Описательная статистика выборки для третьего направления исследования

Глава 3. Построение мультифакторных регрессионных моделей

3.1 Переменные, рассматриваемые в модели

3.2 Модели для изучения первого направления исследования.

Результаты

3.3 Модели для изучения второго направления исследования.

Результаты

3.4 Модели для изучения третьего направления исследования

3.4.1 Результаты моделирования рынка ВДО

3.4.2 Результаты моделирования сравнения поведения рынка

ВДО и выпусков инвестиционного рейтинга

Заключение

Список литературы

Приложение



Введение

Тенденция снижения ключевой ставки Банком России способствует привлечению на рынок как новых эмитентов, так и инвесторов, вынужденных искать более привлекательную доходность по сравнению с банковскими депозитами или ОФЗ. По-прежнему строгие требования банков к заемщикам или высокие проценты по кредитам, также способствуют появлению на рынке новых эмитентов, которые ввиду большего риска предлагают более высокие ставки купона при размещении на долговом рынке.

В данной работе автор попытался определить и рассмотреть факторы, влияющие на аномальное поведение цены при размещении эмиссии и начальный период торгов. Проанализировать поведение рынка высокодоходных облигаций (ВДО) в период пандемии COVID-19 2019 - 2020 годов, которая привела к значительному падению рынков, и сравнить с поведением корпоративных облигаций инвестиционного рейтинга, выявить схожие черты.

Данная работа является актуальной ввиду слабой изученности российского рынка высокодоходных облигаций по причине его непродолжительного срока.

В рамках работы можно выделить три направления исследования:

1. Анализ Российского рынка высокодоходных облигаций и выявление факторов, влияющих на аномальное поведение цены при размещении выпуска;

2. Сравнение факторов, влияющих на изменение цены высокодоходных облигаций с облигациями инвестиционного рейтинга, а также выпусков третьего уровня листинга;

3. Анализ поведения высокодоходных облигаций в период пандемии COVID-19 2019-2020 годов и сравнение с поведением облигаций инвестиционного рейтинга.

В первой главе рассмотрен рынок ВДО в России, в результате обзора которого, выдвинут ряд гипотез. Также рассмотрены направления исследования в области ВДО.

Во второй главе составлены и описаны выборки данных для трех направлений исследования.

В третьей главе построены модели и проведено эконометрическое тестирование ранее выдвинутых гипотез, сделаны выводы.



Глава 1. Рынок высокодоходных облигаций

1.1 Рынок высокодоходных облигаций в РФ. Формирование направлений исследования

Рынок высокодоходных облигаций в России достаточно молодой. Среди экспертов есть понимание, что его становление можно рассматривать с 2017 года. Снижение ключевой ставки Банком России способствовало выходу на рынок компаниям, которые предлагали более высокую премию за риск [1]. В 2019 году доля значительно увеличилась доля бумаг низким рейтингом (рис. 1) Эмитенты с более низким кредитным качеством начали выходить на рынок публичного долга, находя альтернативу банковским кредитам, в том числе и за счет физических лиц.

Рис. 1 Рейтинговая структура корпоративных облигаций, находящихся в обращении на дату, %.

Источники: Банк России, Cbonds

Снижение ставок по ОФЗ и поиск альтернативных источников вложений депозитам приводило российских инвесторов к поиску более доходных активов и увеличению доли в корпоративных облигациях. Дополнительно это привело к увеличению клиентов - физических лиц у брокеров. Количество счетов в конце 2019 года составляло 4,2 млн.[1], а во втором квартале 2020 года достигло 5 млн. [24]. На конец 2019 года увеличивается интерес частных инвесторов к облигациям более низкого кредитного качества (рис. 2), однако в абсолютном выражении объем таких вложений существенно меньше по сравнению с банковскими облигациями [1].

Рис. 2 Рейтинговая структура облигаций, принадлежащих физическим лицам по типам бумаг, %

Источники: Банк России, Cbonds

Не всегда частный инвестор обладает достаточной финансовой грамотностью, чтобы качественно и в полном объеме оценить кредитный риск эмитента, а чаще руководствуется привлекательными ставками купона, а также как немаловажный фактор, который может играть роль - это доверие к организатору размещения. Очень часто можно наблюдать по отдельным бумагам высокие цены с первых дней торгов.

В то же время возникает закономерный вопрос, почему при анализе эмитента организатором, ему рекомендуют на столько «привлекательную» ставку купона и условия размещения.

В период с января 2017 года по февраль 2020 года на рынке ВДО обращается выпусков на общую сумму более 32 млрд.руб. В процентном соотношении по секторам можно увидеть на рис. 3. Как видно из диаграммы, самую большую долю по количеству размещений на настоящий момент имеет сектор «Лизинг» - 28%; по 13% занимают сектора «Производство» и «Непродовольственная торговля; 11% - сектор «Услуги», остальные сектора занимают менее 10 % от общего количества размещений.

Рис.3 Диаграмма процентного соотношения размещений ВДО по секторам экономики с 2017 г.

В процентном соотношении от общего объема займов (рис. 4) больше всего заимствований в секторе «Девелопмент» - 22%, что составляет более 7 млрд. рублей; еще один крупный сектор «Непродовольственная торговля» - 19%, с объемом заимствований более 6,5 млрд.рублей; третьим по объему размещения - «Лизинг» 16%, с объемом размещений более 5 млрд.рублей.

Рис. 4 Диаграмма процентного соотношения размещений ВДО по объему денежных средств с 2017 г. (Выпуски в обращении)

В связи с этим в рамках исследования можно выдвинуть ряд гипотез для рассмотрения и изучения аномального поведения цены в начале размещения и период начала торгов и факторов, на это влияющих.

Гипотеза 1. Количество выпусков эмитента вызывает большее доверие у участников рынка и влияет на рост цены.

Гипотеза 2. Сектор экономики влияет на рост цены. С учетом большого количества и объема размещений, в таких секторах как «Лизинг», «Микрофинансовые организации» и «Строительство и девелопмент», цена при размещении выше.

Гипотеза 3. Организатор размещения влияет на рост цены.

Гипотеза 4. Срок размещения эмиссии влияет не влияет на рост цены, так как выпуск не размещается в один день;

Гипотеза 5. Период обращения облигации влияет на рост цены, так как облигации с маленьким сроком обращения и высоким купоном могут быть более привлекательны.

Гипотеза 6. Амортизация влияет на рост цены.

Гипотеза 7. Предложение оферты влияет на рост цены;

Гипотеза 8. Объем эмиссии влияет на рост цены, так как выпуски с большим объемом могут быть расценены как более надежными и более ликвидными.

Гипотеза 9. Ставка купона влияет на рост цены, так как более высокие ставки могут быть более привлекательными.

Гипотеза 10. Периодичность выплат купона влияет на рост цены, так как небольшие и частые выплаты для эмитента могут быть удобнее, а для инвестора снижается риск.

Гипотеза 11. Рейтинг эмитента влияет на рост цены, так как это вызывает больше доверия со стороны инвестора.

Гипотеза 12. Номинал влияет на рост цены, так как бумаги с меньшему номиналом позволяют привлечь большее количество инвесторов.

Гипотеза 13. Низкий показатель долговой нагрузки эмитента вызывает больше доверия со стороны инвестора, влияет на рост цены.

Гипотеза 14. Более ликвидные выпуски способствуют росту цены.

В первом квартале 2020 годя ряд произошёл ряд макроэкономических событий, которые отразились на состоянии рынков. В связи с событиями, вызванными короновирусной инфекцией COVID-19 2019-2020 годов. Индекс Dow Jones Industrial Average, индекс S&P 500 и индекс NASDAQ-100 вошли в коррекцию 27 февраля во время одной из худших торговых недель со времён финансового кризиса 2007-2008 годов. Рынки в течение следующей недели (2-6 марта) стали сильно волатильными, с колебаниями 3 % или более за ежедневную сессию (за исключением 6 марта). 9 марта все три индекса Нью-Йоркской фондовой биржи упали более чем на 7 %, и большинство мировых рынков сообщили о серьёзных сокращениях ликвидности, дополнительно вызванную войной цен на нефть между Россией и Саудовской Аравией.

По мнению экспертов [25] в 2020 году будет существенное сокращение заимствований на долговом рынке. Также возможны как технические дефолты, так и дефолты в целом.

В связи с данными обстоятельствами является интересным проанализировать поведение рынка высокодоходных облигаций и сравнить его с поведением выпусков инвестиционного рейтинга.

В рамках исследования выдвигаются следующие гипотезы:

Гипотеза 15. Более частая выплата купона способствует меньшему падению цены в период падения рынка.

Гипотеза 16. Более ликвидные выпуски падают в цене меньше в период падения рынка.

Гипотеза 17. Больший срок до погашения или оферты влияет на изменение цены в сторону ее падения.

Гипотеза 18. Выпуски с рейтингом падают в цене меньше в период падения рынка.

Гипотеза 19. Выпуски компаний сектора «Лизинг» падают в цене больше, ввиду возникновения риска неоплаты со стороны лизингополучателей, в период падения рынка.

Гипотеза 20. Цена облигаций рынка ВДО падает сильнее.

Гипотеза 21. Чем позднее был размещен выпуск, тем меньше будет его падение.

1.2 Исследования рынка высокодоходных облигаций

При подготовке работы были рассмотрены исследования различных периодов, преимущественно высокодоходных облигаций рынка США, так как он обладает более длительной историей, большим количеством эмитентов, пережил достаточное количество микро и макроэкономических событий и как следствие имеет большее количество наблюдений для исследований. Очень часто исследуются такие направления как риск дефолта компаний в целом, а также после наступления каких-либо экономических событий, проводят сравнительный анализ доходности ВДО и акций либо облигаций инвестиционного рейтинга, рассматривают факторы волатильности и факторы, влияющие на изменение цены, также можно встретить исследования, рассматривающие влияние андеррайтера.

В данной работе приведен краткий обзор нескольких исследований.

В статье авторов: Xiaoling Zhong и Junbo Wang «Prospect theory and corporate bond returns: An empirical study», опубликованной в журнале «Journal of Empirical Finance» Volume 47, June 2018, Pages 25-48 [23] рассматривается возможность применения теории перспектив для рынка корпоративных облигаций, применение к разным типам инвесторов: институциональным, которые преимущественно инвестируют в корпоративные облигации инвестиционного рейтинга и индивидуальным, которые играют важную роль на рынке высокодоходных облигаций. Главный эмпирический прогноз состоит в том, что ценность теории перспективы облигации основана на ее историческом распределении доходности, имеет предсказательную силу для будущих доходностей с отрицательным знаком. Эта предсказательная сила должна быть сильнее для высокодоходных облигаций, в которых индивидуальные инвесторы играют более важную роль. Авторы проверяют гипотезы, используя данные по корпоративным облигациям с января 1973 года по декабрь 2013 года. Также пытаются определить, какой аспект теории перспективы объясняет, почему некоторые облигации привлекательны для инвесторов; исследуют эту проблему, рассматривая три встроенных компонента теории перспективы: неприятие потерь, взвешенная вероятность и вогнутая /выпуклая функция стоимости.

В качестве модели использована Barberis и др. (2016) для построения теоретической ценности облигаций на основе ее доходности за последние 60 месяцев, доходности сортируются в порядке возрастания. Авторы предполагают, что n из этих доходностей отрицательны, а остальные 60 = 60 - ?? положительные. Применяя ценностную функцию Tversky and Kahneman (1992), используют три параметра, ??, ?? и ??, соответствующие трем компонентам теории перспективы.

Выдвигают следующие гипотезы:

Н1: облигации с более высокими (более низкими) значениями теории перспективы будут приносить более низкие (более высокие) будущие доходы.

Н2: значения теории перспектив могут предсказать последующую доходность как инвестиционного уровня, так и высокодоходных облигаций, а предсказательная сила сильнее для высокодоходных облигаций.

Н3: среди трех компонентов теории перспективы, в отличие от фондового рынка, прогностическая сила теории перспективы главным образом связана с компонентом неприятия убытков.

Н4: Компонент взвешенной вероятности вносит значительный вклад в предсказательную силу теории перспективы для высокодоходных облигаций, но не делает вклад в облигации инвестиционного уровня.

Проверяют гипотезы, используя как портфельный, так и регрессионный анализы. По результатам однофакторного анализа портфеля подтверждают гипотезу Н1 и Н2:

По результатам регрессионного анализа, для которого использовали методологию Фама-МакБет, выяснили, что коэффициенты PTV для высокодоходных облигаций намного больше, чем коэффициенты для облигаций инвестиционного уровня - прогноз гораздо выше для высокодоходных облигаций, чем для облигаций инвестиционного уровня.

Приходят к выводу, что облигации с более высокими (более низкими) значениями теории перспективы в среднем будут приносить более низкие (более высокие) будущие доходы. Теория перспективы сильнее для «мусорных» облигаций, чем для облигаций инвестиционного уровня - это говорит о том, что индивидуальные инвесторы склонны полагаться в своем мышлении на интуицию при принятии решений, в то время как институциональные инвесторы используют знания и опыт. Также результаты показывают, что компонент неприятия убытков вносит максимальный вклад в предсказательную силу теории перспективы. Компонент взвешивания вероятности играет важную прогностическую роль только для «мусорных» облигаций.

В своем исследовании Hsi Lia, Joseph McCarthya, Coleen Pantalone «High-yield versus investment-grade bonds: less risk and greater returns?», опубликованном в «Financial Economics», 2014 No. 20, [17] сравнивают доходность облигаций инвестиционного уровня с доходностью высокодоходных облигаций в период с января 1997 года по середину августа 2011 года, используя индексы доходности облигаций Bank of America и Merrill Lynch для получения дневной доходности, получая в общей сложности 3822 наблюдения. Выборка включает временные периоды с существенной волатильностью и потрясения на финансовых рынках. Сравнивают показатели доходности и меры риска для гипотезы о нормальном распределении с показателями, полученными для гипотезы об устойчивом распределении, с целью выяснить может ли устойчивое распределение служить инструментом для измерения меры риска разных типов облигаций.

Выдвигая гипотезу о нормальности распределения обнаруживают более высокую ожидаемую доходность в сочетании с более низким стандартным отклонением по высокодоходным облигациям относительно облигаций инвестиционного рейтинга в течение длительного периода времени. Также обнаруживают, что доходность по облигациям инвестиционного рейтинга и ВДО имеет характеристики устойчивого распределения, и что доходность по высокодоходным облигациям больше отклоняется от нормального распределения Гаусса, чем по облигациям инвестиционного класса.

На основании составленной выборки показывают разницу между индексами ВДО и облигаций инвестиционного рейтинга, сопоставляя с Гауссовским нормальным распределением. Для каждого ряда данных строят распределения по необработанным, нормированным и случайно сгенерированных нормально распределенным сериям данных. Так как для случайно сгенерированных рядов данных не существует стандартной модели, нормально распределенные доходности перемещаются случайным образом в заданном диапазоне. Как для инвестиционных, так и для высокодоходных корпоративных облигаций существуют периоды экстремальных колебаний доходности. Эти скачки более выражены в доходностях ВДО; тем не менее, они существенны для обоих рядов данных, независимо от того, используют необработанные или нормированные данные. При использовании этих наборов данных нарушается предположение о нормальном распределении. Делают предположение, что эти ряды данных свидетельствуют об асимметричном распределении тяжелых хвостов. Таким образом, традиционные статистические показатели риска, такие как стандартное отклонение, могут вводить в заблуждение. Исследование показывает, что устойчивое распределение обеспечивает лучшее соответствие данным и согласуется с ожиданием того, что доходность облигаций инвестиционного класса будет ниже доходности и меньше риска, чем у высокодоходных облигаций. Устойчивое распределение также лучше отражает удлиненную отдачу и тяжелые хвосты, которые видны в данных для двух временных рядов.

В статье авторов: Stephen P. Huffman и David J. Ward «The Prediction of Default for High Yield Bond Issues», опубликованной в журнале Review of Financial Economics 1996, Vol. 5. No. I, 75-89 [21] рассматриваются модели, которые предсказывают дефолт на основе публичной информации, доступной в момент выпуска высокодоходных облигаций. Целью исследования является построение надежной модели для прогнозирования финансовых затруднений.

В качестве данных для анализа отобран 171 выпуск с рейтингом от ВВ+ до С и Not Rated, данные по которым взяты в период между 1977 и 1986 годами и полученных от Howe (1988). Выборка дефолтных высокодоходных облигаций составлена по данным Moody's Bond Record и Standard and Poor's Bond Guide в период с июня 1977 года по июнь 1991 года.

Контрольная выборка была сформирована путем случайного выбора 20% высокодоходных облигаций в каждом году с 1977 по 1986 год. Все проблемы в контрольной выборке были нерешенными в течение как минимум 54 месяцев, таким образом, она включала 117 выпусков.

С помощью регрессионного анализа logit авторы проверяют вероятности дефолта по облигациям с высокой доходностью, где вероятность дефолта - зависимая переменная. В качестве независимых исследуемых переменных рассматриваются: показатели размера, роста, ликвидности, левериджа, финансового спада, прибыльности, типа активов и свободного денежного потока.

Используют три метода для изучения дефолтных облигаций:

1. в одномерном анализе сравниваются средние значения переменных по умолчанию и выпуски контрольной группы;

2. представлены многочисленные logit - модели для проверки значимости переменных Альтмана (I968) и других объяснительных переменных;

3. прогностическая способность logit - модели проверяется на тестовой выборке.

В результате приходят к выводу, что эмитенты дефолтных высокодоходных выпусков имеют более высокие темпы роста, большее увеличение чистого оборотного капитала, более обеспеченные активы и меньшую операционную прибыль, чем эмитенты недефолтных облигаций. Также основным выводом считают, что инвесторы должны использовать дефолт-модели прогнозирования вместо классической модели прогнозирования банкротства, чтобы формировать портфели облигаций высокого риска. Облигационные инвесторы не должны полагаться на результаты исследования банкротства по минимизации потерь портфеля по первичным эмиссиям высокодоходных облигаций.



Глава 2. Статистическая выборка исследования.

Для решения поставленных задач были сформированы выборки по биржевым выпускам российских корпоративных облигаций, доступных частным инвесторам. В качестве информационных источников для создания панели данных в работе использованы материалы информационного агентства Cbonds, а так же корпоративных сайтов эмитентов.

2.1 Описание выборки, критерии отбора для первого направления исследования

Стоит отметить, что нет строгих критериев отнесения бумаг к ВДО, поэтому, по первому и одному из основных критериев:

купон по облигации ? ключевая ставка + 5 п.п.

При формирования первой выборки для анализа влияния факторов на цену ВДО были отобраны бумаги, размещение которых происходило с января 2017 года по начало февраля 2020 года. Первоначальный объем выборки составил 107 выпусков, в состав которой вошли 7 погашенных выпусков. Также включены выпуски эмитента ООО «Обувь России» ISIN RU000A100V61 и RU000A1015P6 с датой размещения 26.09.2019 г. и 11.12.2019 г. соответственно, на чей счет у разных аналитиков складываются противоречивые мнения о необходимости отнесения выпусков данного эмитента к рынку ВДО, однако входят в состав индекса Cbonds-CBI RU High Yield, а также выпуск Группы компаний «Самолет» ISIN RU000A100YG1 с датой размещения 23.10.2019 г. ввиду присутствия в бумагах эмитента большого количества частных инвесторов. Для увеличения количества наблюдений в состав включены несколько выпусков с третьим уровнем листинга, например: Сибирский комбинат хлебопродуктов ISIN RU000A101947 с датой размещения 27.12.2019 г.

Для разных временных интервалов объем выборки варьировался ввиду отсутствия данных по торговым дням:

Для первых 5 торговых дней объем выборки составил 100 выпусков. Исключенные выпуски приведены в таблице 1.

Таблица 1. Исключенные выпуски для 5-ти торговых дней.

№	Выпуск	ISIN	Объем эмиссии	Купон	Выплата купона
1	Мясничий ТД, БО-П01	RU000A0ZZAE0	100 000 000	14,00	12
2	ЧЗПСН-Профнастил, БО1	RU000A0ZZD39	200 000 000	16,00	2
3	СК Легион, БО-П01	RU000A0ZZNV7	200 000 000	14,00	2
4	ДиректЛизинг, 001-Р03	RU000A0ZZR90	100 000 000	14,00	2
5	Солид-Лизинг, 001-Р04	RU000A1005N2	220 000 000	13,00	4
6	МигКредит, БО-01МС	RU000A100GK0	500 000 000	16,00	12
7	СофтЛайн Трейд, 001P-02	RU000A0ZZZU3	1 000 000 000	11,00	2

Для первых 10, 20 и 60 торговых дней объем выборки составил 104 выпуска. Исключенные выпуски приведены в таблице 2.

Таблица 2. Исключенные выпуски для 10, 20, 60 торговых дней.

№	Выпуск	ISIN	Объем эмиссии	Купон	Выплата купона
2	ЧЗПСН-Профнастил, БО1	RU000A0ZZD39	200 000 000	16,00	2
5	Солид-Лизинг, 001-Р04	RU000A1005N2	220 000 000	13,00	4
7	Брайт Финанс, БО-П01	RU000A100725	220 000 000	12,75	4

Для первых 200 торговых дней объем выборки составил 62 выпуска.

В связи с тем, что исследование проводится для разных временных интервалов, количество выпусков в каждой выборке меняется, ввиду отсутствия данных по отдельным торговым дням, либо эмиссия не находилась в обращении достаточный период времени для более длительных интервалов исследования. Информация по каждой конкретной выборке приведена в приложениях 1 - 5.

2.2 Описательная статистика выборки для первого направления исследования

В таблице 3 представлена описательная статистика по выпускам, вошедшим в состав выборки.

Таблица 3 Описательная статистика выпусков ВДО

Statistics	Срок размещения (дней)	Период обращения (год)	Объем эмиссии (руб)	Ставка купона (%)	Выплата купона (раз в год)	Номинал (руб)
Среднее (Mean)	38,17	3,47	313810953,27	14,14	6,90	3383,18
Медиана (Median)	6	2	200 000 000	14	4	1 000
Мода (Mode)	1	2,99	100 000 000	14	4	1 000
Минимум (Minimum)	1	1,00	30 000 000	11	2	1 000
Максимум (Maximum)	450	9,97	3 000 000 000	19	12	50 000

Максимальный срок размещения соответствует выпуску Легенда, 001Р-01, ISIN RU000A0ZZCV0.

Минимальный срок обращения соответствует нескольким выпускам эмитента ООО «Ломбард Мастер» БО-П05, БО-П04, БО-П03, БО-П02, БО-П01 ISIN RU000A100AM9, RU000A1004R6, RU000A1001K7, RU000A0ZZDQ8, RU000A0ZZAR2 соответственно и выпуску АПРИ Флай Плэнинг (АО) БО-01 ISIN RU000A0ZZ2V1.

Максимальный срок обращения соответствует следующим выпускам: Левенгук, БО-01 ISIN RU000A0ZYHW0, ММЦБ БО-П01-01 ISIN RU000A1001T8, Брайт Финанс БО-П01 ISIN RU000A100725.

Минимальный объем эмиссии соответствует выпуску ММЦБ, БО-П01-01 ISIN RU000A1001T8.

Максимальный объем эмиссии соответствует выпускам: Группа компаний Самолет, БО-П07 ISIN RU000A100YG1 и СофтЛайн Трейд, 001P-01 ISIN RU000A0ZYLD2.

Минимальный купон соответствует нескольким выпускам: Вита Лайн, БО-01, ISIN RU000A101DU4; СофтЛайн Трейд, АО 001P-01 ISIN RU000A0ZYLD2; Сибирский комбинат хлебопродуктов, БО-001P-01 RU000A101947; СофтЛайн Трейд, АО 001P-02 ISIN RU000A0ZZZU3.

Максимальный размер купона соответствует Ломбард Мастер БО-П01 ISIN RU000A0ZZAR2.

Периодичность выплат купона достаточно равномерно распределена по выборке.

Преимущественно у всех выпусков номинал одинаковый, максимальное значение номинала соответствует выпускам: ГРУЗОВИЧКОФ-ЦЕНТР, БО-П01, ISIN RU000A0ZZ0R3; Дядя Денер, БО-П01, ISIN RU000A0ZZ7R8; ПЮДМ, БО-П01 ISIN RU000A0ZZ8A2.

Количество выпусков по годам графически отражено на рис. 5., а также дополнительно приведено в Таблице 4 в сравнении с количеством эмитентов и ключевой ставкой Бана России, действующей в период размещения.

Рис. 5 Диаграмма размещения выпусков по годам с разбивкой по месяцам.

Таблица 4. Число эмитентов и выпусков по годам.

Год размещения	2017	2018	2019	2020 (начало февраля)
Число эмитентов	5	21	54	2
Число выпусков	5	32	68	2
Ключевая ставка Банка России, %	10,0 - 7,75	7,25 - 7,75	7,75 - 6,25	6,25 - 6,0

Можно заметить, что за рассматриваемый период больше размещений пришлось на 2019 г. Также ряд эмитентов имеет по несколько выпусков в течение года, так например, Ломбард Мастер имеет два выпуска в 2018 г и четыре выпуска в 2019 г.; Директ Лизинг и Грузовичковф-Центр дважды размещались в 2018 г.; Солид-Лизинг имеет по три выпуска в 2018 и 2019 г.г.

Из общего количества бумаг только 24 выпуска имеют инвестиционный рейтинг от Аналитическое Кредитное Рейтинговое Агентство (АКРА) и кредитного рейтингового агентства «Эксперт РА».

2.3 Описание выборки, критерии отбора для второго направления исследования

Для проверки влияния ряда факторов на поведение цены и проверки гипотез, выдвинутых в первой главе для тех же временных интервалов, дополнительно к первой выборке были отобраны бумаги, не относящиеся к рынку ВДО и/или имеющие инвестиционный рейтинг по следующим критериям:

статус эмиссии: в обращении; дефолт по погашению; досрочно погашена, реструктуризирована, погашена;

листинг: Московская биржа;

объем эмиссии до 5 млрд.руб.;

исключены нерыночные выпуски.

В рассматриваемый период попали 200 выпусков, включая 71 выпуск банковского сектора. При дальнейшей работе с данными в результате введения дополнительных фильтров, исключены облигации банковского сектора, а также бумаги, по которым не было торгов 5 и более дней с начала размещения, отсутствуют данные по торгам. В состав итоговой общей выборки вошли 206, из которых 107 выпусков бумаги рынка ВДО и 99 выпусков и/или имеющие инвестиционный рейтинг.

Для разных временных интервалов объем выборки варьировался ввиду отсутствия данных по торговым дням:

Для 10 первых торговых дней объем выборки составил 199 выпусков, исключены 5 выпусков из дополнительной выборки и 2 выпуска из выборки ВДО.

Для первых 20 и 60 торговых дней объем выборки составил 204 выпуска, исключены только 2 выпуска ВДО.

Для 200 первых торговых дней объем выборки составил 131 выпуск, исключены 30 выпусков из дополнительной выборки и 45 выпусков из выборки ВДО.

В связи с тем, что исследование проводится для разных временных интервалов, количество выпусков в каждой выборке меняется, ввиду отсутствия данных по отдельным торговым дням, либо эмиссия не находилась в обращении достаточный период времени для более длительных интервалов исследования. Информация по каждой конкретной выборке приведена в приложениях 1 - 5. Для дополнительной выборки в приложении 6, 7.

2.4 Описательная статистика выборки для второго направления исследования.

В таблице 5 представлена описательная статистика по выпускам, вошедшим в состав дополнительной выборки.

Таблица 5. Описательная статистика выпусков дополнительной выборки

Statistics	Период обращения (год)	Объем эмиссии (руб)	Ставка купона (%)	Выплата купона (раз в год)	Номинал (руб)
Среднее (Mean)	6,51	4058080808,08	9,63	2,65	1000
Медиана (Median)	5	5 000 000 000	9,35	2	1 000
Мода (Mode)	10	5 000 000 000	13,5	2	1 000
Минимум (Minimum)	1	250 000 000	6,65	2	1 000
Максимум (Maximum)	15	5 000 000 000	15	4	1 000

Минимальный срок обращения соответствует выпуску Автодор, БО-001P-03 ISIN RU000A0ZZPY6. Максимальный срок обращения соответствует нескольким выпускам: ГТЛК, 001P-12 ISIN RU000A0ZZV11, ИКС 5 ФИНАНС, 001P-04 ISIN RU000A1002L3, ИКС 5 ФИНАНС, 001P-07 ISIN RU000A1010X1, КАМАЗ, БО-09 ISIN RU000A0ZZ885, КАМАЗ, БО-10 ISIN RU000A0ZZ877, КАМАЗ, БО-11 ISIN RU000A0ZZ893.

С максимальным объемом эмиссии входит 58 выпусков, например: ЛК Европлан, БО-06 ISIN RU000A100DG5. С минимальным объемом эмиссии представлено три выпуска: ПНППК, 001P-01 ISIN, ЮАИЗ, 1-001 ISIN RU000A1001L5, ЮАИЗ, 1-002 ISIN RU000A100Q92.

Минимальная ставка купона соответствует выпуску ИКС 5 ФИНАНС, 001P-07 ISIN RU000A1010X1. Максимальная ставка купона соответствует выпуску Обувьрус, БО-01, ISIN RU000A0JXVY3

Периодичность выплат купона достаточно равномерно распределена в выборке 32 бумаги с периодичностью выплат 4 раза в год и 67 выпусков с периодичностью выплат 2 раза в год.

Сравнительное количество по годам с разбивкой по месяцам облигационных выпусков рынка ВДО и выпусков бумаг инвестиционного рейтинга, вошедших в состав выборки.

Рис. 6. Диаграмма размещения выпусков по годам с разбивкой по месяцам.

Ниже на диаграмме рис. 7 представлено количество выпусков в составе выборок с рейтингом и без.

Рис. 7.Распределение рейтинга в выборках

2.5 Описание выборки, критерии отбора для третьего направления исследования

Для изучения поведения рынка ВДО и сравнения его с выпусками бумаг инвестиционного рейтинга в период с 01.02.2020 г. по 31.03.2020 г. была дополнительно сформирована выборка из бумаг, входящих в индекс корпоративных облигаций Cbonds-CBI RU BBB/ruAA [26], который на 09.01.2020 включал 140 выпусков. При введении дополнительного фильтра исключены выпуски банковского сектора. Окончательный размер дополнительной выборки составил 87 выпусков с началом размещения 27.07.2009 г. по 12.11.2019 г. Для данного временного интервала была скорректирована выборка ВДО (Таблица 6) в связи с погашением отдельных выпусков. Из состава были исключены 7 выпусков.

Таблица 6. Исключенные выпуски ВДО для третьего исследования

№	Выпуск	ISIN	Сектор	Дата погашения	Купон
1	ИнфоВотч, 001Р-01	RU000A0ZYW94	Услуги ИТ	04.03.2020	14,50%
2	Грузовичкоф-Центр, БО-П01	RU000A0ZZ0R3	Транспортные услуги	22.03.2020	17,00%
3	Ломбард Мастер, БО-П04	RU000A1004R6	МФО	26.02.2020	16,50%
4	Ломбард Мастер, БО-П03	RU000A1001K7	МФО	21.01.2020	17,00%
5	Ломбард Мастер, БО-П01	RU000A0ZZAR2	МФО	24.06.2019	19,00%
6	Ломбард Мастер, БО-П02	RU000A0ZZDQ8	МФО	18.07.2019	18,00%
7	АПРИ Флай Плэнинг, БО-01	RU000A0ZZ2V1	Девелопмент	11.04.2019	18,00%

Итоговая выборка составила 187 бумаг, из которых 87 выпусков инвестиционного рейтинга [26], которые моно увидеть в Приложении 8 и 100 выпусков ВДО.

2.6 Описательная статистика выборки для третьего направления исследования

В составе выборки бумаг инвестиционного рейтинга [26] 20 эмитентов, среди которых ОАО «РЖД» 15 выпусков, АО «РОСНАНО» 4 выпуска, ГК Автодор 2 выпуска; АО «ВЭБ-лизинг» 2 выпуска и другие.

Описательная статистика по дополнительной выборке выпусков инвестиционного рейтинга приведена в Таблице 7.

Таблица № 7. Выпуски инвестиционного рейтинга.

Statistics	Объем эмиссии (руб)	Ставка купона (%)	Выплата купона (раз в год)	Период обращения (год)
Среднее (Mean)	13 400 000 000	8,15667	2,02298	10,67816
Медиана (Median)	15 000 000 000	7,99	2	10
Мода (Mode)	15 000 000 000	8,7	2	10
Минимум (Minimum)	4 500 000 000	0,1	2	2
Максимум (Maximum)	40 000 000 000	12,75	4	35

Минимальному объему эмиссии соответствует выпуск РОСНАНО, БО-002P-01 ISIN RU000A100ER0; максимальному объему эмиссии соответствует выпуск Роснефть, 001P-04 ISIN RU000A0JXQK2.

Минимальная ставка купона на момент проведения исследования у выпуска РусГидро, 08 ISIN RU000A0JTMK9; максимальная ставка купона у выпуска РОСНАНО, 07 ISIN RU000A0JW1G7.

Периодичность выплаты купона 2 раза в год у всех выпусков, за исключением выпуска Газпром нефть, 003P-01R ISIN RU000A101137 с периодичностью выплат 4 раза в год.

Минимальный период обращения соответствует двум выпускам Автодор, БО-002P-03 ISIN RU000A100B40, Автодор, БО-002P-04 ISIN RU000A100MV5.

Максимальный период обращения соответствует двум выпускам ФСК ЕЭС, БО-03 ISIN RU000A0ZYDH0, ФСК ЕЭС, БО-04 ISIN RU000A0ZYJ91.

Количество выпусков ВДО и бумаг инвестиционного рейтинга, входящих в состав индекса [26] по секторам показано на рисунке 8.

Рис. 8. Количество выпусков по секторам

Для определения абсолютного значения изменения цены в период с 01.02.2020 по 31.03.2020 между максимальным и минимальным значением цены, где за цену берется цена закрытия, в качестве бенчмарка взят Индекс Мосбиржи, где максимальное значение пришлось на 20.02.2020 и минимальное значение пришлось на 18.03.2020. В таблице 8 приведена описательная статистика для двух подвыборок.

Таблица 8. Описательная статистика абсолютного изменения цены.

Statistics	Бумаги индекса	ВДО
Среднее (Mean)	6,12045977	11,7202
Стандартная ошибка	0,336298383	0,498269875
Медиана (Median)	5,94	11,43
Мода (Mode)	4,3	9,69
Стандартное отклонение (standard deviation)	3,136782498	4,98269875
Дисперсия выборки	9,839404437	24,82728683
Эксцесс	-0,341669277	-0,377230057
Асимметричность	0,197318513	0,118148432
Интервал	14,98	22,85
Минимум (Minimum)	0,45	0,85
Максимум (Maximum)	14,98	23,7
Сумма	532,48	1172,02
Счет (Count)	87	100

Минимальное изменение цены бумаг инвестиционного рейтинга соответствует выпуску ФСК ЕЭС, БО-03 ISIN RU000A0ZYDH0, цена закрытия которого 20.02.2020 была 104,3500, а 18.03.2020 опустилась до 103,9000.

Максимальное изменение цены бумаг инвестиционного рейтинга соответствует выпуску РЖД, 001P-14R ISIN RU000A1008D7, цена закрытия которого 20.02.2020 была 116,9800, а 18.03.2020 опустилась до 102,0000.

Минимальное изменение цены бумаг ВДО соответствует выпуску Брайт Финанс БО-П01 ISIN RU000A100725, цена закрытия которого 20.02.2020 была 100,0000, а 18.03.2020 опустилась до 99,1500.

Максимальное изменение цены бумаг ВДО соответствует выпуску Каскад, 001P-01 ISIN RU000A100Q76, цена закрытия которого 20.02.2020 была 104,7000, а 18.03.2020 опустилась до 81,0000.

Минимальное и максимальное абсолютное значение изменения цены закрытия по секторам приведено на диаграмме рисунок 9. Как можно заметить, максимальное изменение наблюдается у выпусков ВДО, где изменения более 20 % по отдельным бумагам составляет:

23,7 % для производственной и непроизводственной торговли, что соответствует выпуску Каскад, 001P-01 ISIN RU000A100Q76, цена закрытия которого 20.02.2020 была 104,7000, а 18.03.2020 опустилась до 81,0000;

22,61 % для сельского хозяйства, что соответствует выпуску ОбъединениеАгроЭлита, БО-П01 ISIN RU000A0ZZWJ3, цена закрытия которого 20.02.2020 была 103,6300, а 18.03.2020 опустилась до 81,0200;

21,19 % для строительства и девелопмента, что соответствует выпуску АПРИ Флай Плэнинг (АО), БО-П03 ISIN RU000A101178, цена закрытия которого 20.02.2020 была 102,5600, а 18.03.2020 опустилась до 81,3700;

21,05 % для лизинга, что соответствует выпуску ТЕХНО Лизинг, 001P-02 ISIN RU000A100RS0, цена закрытия которого 20.02.2020 была 101,9900, а 18.03.2020 опустилась до 80,9400;

Рис. 9. Абсолютное значение изменения цены по секторам.

Максимальное изменение абсолютного значения цены закрытия для бумаг индекса более 10 % для секторов по отдельным бумагам составляет:

14,98 % для транспорта и транспортных услуг, что соответствует выпуску РЖД, 001P-14R ISIN RU000A1008D7, цена закрытия которого 20.02.2020 была 116,9800, а 18.03.2020 опустилась до 102,0000;

12,52 % для нефтегазового, химического и нефтехимического, что соответствует выпуску Транснефть, БО-001P-08 ISIN RU000A0ZYDD9, цена закрытия которого 20.02.2020 была 107,8000, а 18.03.2020 опустилась до 95,2800.

В качестве сравнения изменение по секторам, также исключив банковский сектор, рассмотрим для бумагам инвестиционного уровня, входящих в индекс [27] от 01.04.2018, на 9 апреля 2018 года на фоне введения Соединенными Штатами Америки санкций против физических лиц и принадлежащих им компаний, для тех же компаний, которые вошли в состав индекса на 01.09.2020 отражено на диаграмме рис 10. Для определения абсолютного значения изменения цены в период с 01.03.2018 по 12.04.2018 между максимальным и минимальным значением цены, где за цену берется цена закрытия, в качестве бенчмарка взят Индекс Мосбиржи, где максимальное значение пришлось на 13.03.2018 г. и минимальное значение пришлось на 09.04.2018 г.

Рис. 10. Сравнение абсолютного изменения цены по секторам.

Как видно на диаграмме, максимальное изменение цены произошло в секторе энергетика 17 % и соответствует выпуску РусГидро, 08 ISIN RU000A0JTMK9, цена закрытия которого 13.03.2018 г. была 90,0000, а 09.04.2018 опустилась до 73,0000. В остальных секторах, для бумаг, входящих в индекс [27] изменение цены не превышало 10%.



Глава 3. Построение мультифакторных регрессионных моделей

3.1 Переменные, рассматриваемые в модели.

На первом этапе построения моделей были обозначены объясняемые. переменные. В качестве эндогенной переменной в моделях рассматриваются:

1. Абсолютное значение изменения цены, для расчёта которой использованы данные информационного агентства Cbonds;

2. Дамми-переменная Y с обозначением наступления того или иного события.

Подробные значения и вычисления переменной для всех направлений исследования приведены в таблице 9.

Таблица 9. Описание эндогенной переменной

Переменная (обозначение)	Описание	Исследование
Yср.5	Среднее по абсолютному значению цены закрытия для первых 5 торговых дней.	Исследование 1
Yср.10	Среднее по абсолютному значению цены закрытия для первых 10 торговых дней.	Исследование 1 Исследование 2
Yср.20	Среднее по абсолютному значению цены закрытия для первых 20 торговых дней.	Исследование 1 Исследование 2
Yср.60	Среднее по абсолютному значению цены закрытия для первых 60 торговых дней.	Исследование 1 Исследование 2
YD20**	Дамми-переменная, 1, если абсолютное значение цены закрытия опускалось ниже номинала; 0, абсолютное значение цены закрытия было выше или равно номиналу, в течение первых 20 торговых дней	Исследование 1 Исследование 2
YD60**	Дамми-переменная, 1, если абсолютное значение цены закрытия два дня подряд или два и более раз опускалось ниже номинала; 0, абсолютное значение цены закрытия было выше или равно номиналу, в течение первых 60 торговых дней	Исследование 1 Исследование 2
YD200***	Дамми-переменная, 1, если абсолютное значение цены закрытия три и более раз опускалась ниже номинала на три и более дней; 5 и более дней после размещения не было торгов, У=0, если на интервале 200 дней абсолютное значение цены закрытия было выше номинала или не превышало падение ниже номинала на 10 дней (включительно)	Исследование 1 Исследование 2
Ykpr20,21,22	Коэффициент изменения цены, рассчитанный как отношение среднего абсолютного значения цены закрытия 20, 21, 22 торговых дней к номиналу.	Исследование 1
Ykyield20,21,22*	Коэффициент изменения доходности, рассчитанный как разница между значением средней доходности к погашению по ценам закрытия за 20, 21, 22 торговые дни и купонной доходностью	Исследование 1
Ydif20.02-18.03	Абсолютное значение изменения цены в период с 01.02.2020 по 31.03.2020, как разница между максимальным и минимальным значением цены, где за цену берется цена закрытия. Для определения максимума и минимума цены в качестве бенчмарка взят Индекс Мосбиржи, где максимальное значение пришлось на 20.02.2020 и минимальное значение пришлось на 18.03.2020.	Исследование 3 Отдельно для рынка ВДО и отдельно для совместной выборки
YD95	Дамми-переменная, 1, если в период с 10 марта по 30 марта цена закрытия опускалась ниже 95% от номинала; У=0 если в период с 10 марта по 30 марта цена закрытия оставалась выше или равной 95 % от номинала	Исследование 3 Отдельно для рынка ВДО и отдельно для совместной выборки

Примечание:

Ykyield20,21,22* - не получено результатов в рамках первого исследования, далее в работе не рассматривается;

YD20**, YD60** - не получено результатов в рамках первого и второго исследования, далее в работе не рассматривается;

YD200*** - не получено результатов в рамках второго исследования, рассмотрено только в первом исследовании.

На втором этапе построения моделей были введены факторы, которые имеют прямое отношение непосредственно к каждой конкретной эмиссии, как например, ставка купона, периодичность выплат купона, объем эмиссии; проанализированные с использованием финансовой отчетности эмитентов и данных информационного агентства Cbonds, как например (debt-cash)/revenue - коэффициент долговой нагрузки, который рассматривается в одном из исследований как критерий преддефолтного состояния эмитента [28], а в данном случае позволяет рассмотреть его влияние на цену облигации в начале размещения; ряд специфических факторов, как например, сектор экономики, организатор размещения и др. Рассматриваемые факторы представлены в таблице 10. Используя данные факторы, предполагается изучить их влияние на изменение цены.

Таблица 10. Факторы модели

№	Обозначение и размерность	Фактор
1	Тип размещения; дамми-переменная, 1 первичное размещение эмитента, 0 - повторное	Тип размещения
2	Сектор В1; дамми-переменная, 1- строительство и девелопмент, 0 все остальные	Сектор экономики
3	Сектор В2; дамми-переменная, 1- лизинг и МФО, 0 все остальные
4	Сектор В3; дамми-переменная, 1 - Лизинг, 0 все остальные
5	Организатор; дамми-переменная, 1 - БКС, АТОН; 0 - остальные;	Организатор размещения выпуска
6	Срок размещения, дней	Срок размещения эмиссии
7	Период обращения, лет	Полный период обращения эмиссии на рынке
8	Амортизация; Дамми-переменная, 1 - есть амортизация, 0 - нет	Амортизация
9	Оферта; Дамми-переменная, 1 - есть предложение оферты, 0 - нет предложения оферты	Оферта
10	Объем эмиссии, руб	Объем эмиссии
10.1	Ln объем эмиссии; Логарифмическое значение объема эмиссии
10.2	Объем эмиссии Дамми-переменная, 1 - объем эмиссии меньше или равен 100 млн.руб; 0 - объем эмиссии больше 100 млн.руб
11	Купон, %	Ставка купона
12	Выплата купона, раз в год	Периодичность выплат купона
12.1	Выплата купона, раз в год; Дамми-переменная, 1 - выплата купона 2 раза в год; 0 - если чаще
13	Рейтинг; Дамми-переменная, 1- есть рейтинг, 0 - нет рейтинга	Рейтинг эмитента или эмиссии
14	Номинал, руб	Номинал
15	(debt-cash)/revenue	Коэффициент долговой нагрузки
16	volume of issue/revenue; Отношение объема эмиссии к выручке на момент размещения выпуска	Коэффициент объема эмиссии к выручке
17	Kн.л5; Отношение объема торгов в первые 5 торговых дней к объему эмиссии	Коэффициент начальной ликвидности для первых 5-ти торговых дней
18	Kн.л10; Отношение объема торгов в первые 10 торговых дней к объему эмиссии	Коэффициент начальной ликвидности для первых торговых дней
19	Кл03.01-20.02; Отношение объема торгов в период с 03.01.2020 по 20.02.2020 (включительно) к объему эмиссии	Коэффициент ликвидности
20	Купон-кл.ставка, %; Разница между ставкой купона и ключевой ставкой Банка России на момент выпуска эмиссии	Коэффициент купон-ключевая ставка
21	Тип облигации; Дамми-переменная, 1- Выпуски ВДО, 0 - остальные и/или инвестиционного рейтинга	Тип облигации
22	Срок до погашения/оферты, месяц; Количество месяцев до погашения или оферты на 01.03.2020 г	Срок до погашения/оферты
23	Момент выпуска; Дамми-переменная, 1 - выпуски, размещенные до октября 2019 г.; 0 - выпуски, размещенные октября 2019 г. (новые)	Момент выпуска

3.2 Модели для изучения первого направления исследования. Результаты

В рамках первого направления исследования рассматривается исключительно рынок ВДО на временных интервалах 5, 10, 20, 60, 200 дней с момента размещения, а также коэффициент изменения цены для 20, 21, 22 торгового дня. В качестве данных используется выборка, подготовленная ранее и описанная в п. 2.1. На основании этих данных и оценки влияния факторов на разных временных интервалах были построены многофакторные регрессионные модели. Общее уравнение выглядит следующим образом:

Y=b0+b1Тип размещения + b2 Сектор В(1;2) + b3 ДАММИ Организатор + b4 Срок размещения + b5 Период обращения + b6 ДАММИ Амортизация + b7 ДАММИ Оферта + b8 Объем эмиссии + b9 Купон + b10 Выплата купона + b11 ДАММИ Рейтинг + b12 Номинал + b13 volume of issue/revenue +b14 (debt-cash)/revenue+b15 Kн.л(5;10)

Сначала строим корреляционные матрицы, чтобы выявить корреляцию между переменными. На рисунках 10 - 15 приведены результаты построения.

Рис. 10. Корреляционная матрица для абсолютного среднего значения цены закрытия для первых 5 торговых дней (Yср.5)

Рис. 11. Корреляционная матрица для абсолютного среднего значения цены закрытия для первых 10 торговых дней (Yср.10).

Рис.12. Корреляционная матрица для абсолютного среднего значения цены закрытия для первых 20 торговых дней (Yср.20).

Рис.13. Корреляционная матрица для абсолютного среднего значения цены закрытия для первых 60 торговых дней (Yср.60).

Рис. 14. Корреляционная матрица для дамми-переменной для 200 торговых дней (YD200).

Рис. 15. Корреляционная матрица для коэффициента изменения цены (Ykpr20,21,22).

Как можно заметить на рисунках для большинства факторов корреляция слабо выражена; между некоторыми переменными наблюдается среднее значение корреляции, наибольшее значение, которой между объемом эмиссии и рейтингом; организатором размещения и объемом эмиссии; на временном интервале в 200 дней дополнительно наблюдается корреляция между амортизацией и офертой. В целом значение корреляции не превышает 0,7.

Для проверки модели на мультиколлениарность был рассчитан показатель VIF (Variance Inflation Factor - фактор инфляции вариации) для каждой переменной, значение которого для каждой переменной не превышает 10, что говорит нам об отсутствии мультиколлениарности. Его значение для каждой переменной можно увидеть в выводах регрессионного анализа.

Далее используем регрессионный анализ для проверки значимости факторов модели и проверки ранее выдвинутых гипотез.

Результаты построения регрессионного анализа для каждого временного интервала и коэффициента изменения цены приведены в таблицах 11 - 16. Значение критерия Фишера при уровне значимости 5% больше критического значения для всех регрессий.



Таблица 11. Результаты регрессии для Yср.5.

В результате построения регрессии видно, что для абсолютного значения средней цены закрытия (Yср.5) для первых 5 торговых дней организатор оказывает прямое влияние на более высокое значение цены; а срок размещения - обратное влияние, то есть, чем меньше срок размещения, тем выше цена, что может быть вполне закономерно.

Таблица 12. Результаты регрессии для Yср.10.

По результатам построения регрессии видно, что для абсолютного значения средней цены закрытия (Yср.10) для первых 10 торговых дней в продолжении торгов, организатор продолжает оказывать прямое влияние на более высокое значение цены; а срок размещения - обратное влияние, то есть, чем меньше срок размещения, тем выше цена, что может быть вполне закономерно. Дополнительно на данном временном интервале значимым фактором является амортизация, наличие которой у выпуска приводит к снижению цены.

Таблица 13. Результаты регрессии для Yср.20.

По результатам построения регрессии видно, что для абсолютного значения средней цены закрытия (Yср.20) для первых 20 торговых дней в продолжении торгов, организатор продолжает оказывать прямое влияние на более высокое значение цены; а срок размещения - обратное влияние.



Таблица 14. Результаты регрессии для Yср.60.

По результатам построения регрессии для абсолютного значения средней цены закрытия (Yср.60) для первых 60 торговых дней можно увидеть, что на данном временном интервале организатор перестает оказывать влияние на цену, так как переменная незначима, по-прежнему срок размещения продолжает оказывать влияние. Дополнительно прослеживается прямое влияние ставки купона, чем выше ставка, тем больше цена, что вполне объяснимо, так как даже при более высокой цене, доходность по ВДО остается достаточно конкурентная с другими типами облигаций. Дополнительная значимая переменная сектор экономики в данном анализе за дамми-переменную был обозначен Лизинг и МФО - 1, как можно увидеть, бумаги данного сектора меньше подвержены увеличению цены.



Таблица 15. Результаты регрессии для YD200.

По результатам построения регрессии для дамми-переменной YD200 абсолютного изменения цены закрытия на интервале 200 дней видно, что в продолжении торгов на данном временном интервале, срок размещения продолжает оказывать обратное влияние, так как переменная значима, дополнительно на данном временном интервале значимым опять оказывается фактор амортизация, который оказывает обратное влияние и говорит о том, что при наличии амортизации цена на облигацию может быть меньше. Также дополнительным фактором оказывается объем эмиссии, который говорит о том, что выпуски с большим объемом эмиссии могут торговаться по более высокой цене.



Таблица 16. Результаты регрессии для Ykpr20,21,22.

По результатам построения регрессии можно сказать, что для коэффициент изменения цены (Ykpr20,21,22) для 20,21 и 22 торговых дней значимыми являются те же переменные , что и для среднего значения цены (Yср.20) для этого временного интервала. Стоит отметить, что данный анализ проводился с дамми-переменной Сектор В1, где за 1 обозначено «строительство и девелопмент», однако, она также, как Сектор В2 (Таблица 13) не оказалась значимой на данном временном интервале.

Стоит отметить, что помимо приведенных результатов были протестированы также другие регрессии с различными комбинациями факторов.

В рамках исследования не удалось подтвердить: гипотезу 1 о влиянии количества выпусков эмитента; гипотезу 2 о влиянии сектора экономики, гипотезу 5 о периоде обращения облигации; гипотезу 6 о влиянии амортизации; гипотезу 7 о влиянии оферты; гипотезу 10 о периодичности выплат купона; гипотезу 11 о влиянии рейтинга эмитента; гипотезу 12 о влиянии номинала; гипотезу 13 о низком показателе долговой нагрузке. Причина данного результата может быть связана как с недостаточностью данных, так и с нежеланием физических лиц, которых преимущественное большинство на рынке ВДО, вдаваться в подробности размещений и оценке финансового состояния эмитента.

По результатам проведенного исследования, можно сделать вывод, что на разных рассматриваемых временных интервалах, периодически влияют разные факторы, однако, ряд из них был выявлен чаще. Удалось подтвердить: гипотезу 3 о влиянии организатора на цену облигации; гипотезу 4 об обратном влиянии периода размещения на цену облигации; гипотезу 8 о влиянии объема эмиссии; гипотезу 9 о влиянии ставки купона;