,

Обе модели имеют одинаковый набор объясняющих переменных. О построении самой главной контрольной переменной уже было сказано ранее. Это переменная Prozr, которая отражает в себе информационную прозрачность компании. Согласно ее знаку и значимости будет подтверждена или опровергнута гипотеза о влиянии транспарентности на стоимость компании.

В результате контрольными переменными, вошедшими в модель, стали:

1. Size - размер фирмы, рассчитывается по формуле:

,

2. Tangibility - показатель эквивалентный Asset Tangibility.

,

3. ROA - return on assets.

,

4. Industry - категориальная переменная. Она показывает к какой отрасли принадлежит компания.



,

Вторая гипотеза будет протестирована при помощи модели, включающей в себя в качестве объясняющей переменную gov, значение коэффициента при которой подтвердит или опровергнет гипотезу 2. Задан gov будет в формате дамми и будет отражать форму собственности предприятия. Стоит отметить, что компания в данном исследовании считается «находящейся в государственной собственности» только тогда, когда государство владеет более 50% (не менее 51%) акций этой компании. Компании, для которых это условие не соблюдается переведены в разряд частных. В таком случае показатель принимает следующие значения:

,

Также в качестве контрольных переменных будут выступать:

1. NI - чистая прибыль фирмы за прошедший год,

2. Total Assets - общая стоимость активов,

3. ROA - коэффициент рентабельности активов.

Все эти переменные будут включены в регрессию вида:

,

Зависимой переменной будет выступать уровень прозрачности компании. Установив положительные и значимые зависимости в ходе проведения анализа обеих моделей: модель исследующая рыночную стоимость компании и модель рассматривающая факторы влияющие на уровень раскрытия информации, можно будет утверждать о положительном влиянии государственного регулирования на рыночную стоимость компании через его воздействие на транспарентность информационной среды.

2.4 Ожидаемые результаты

Ранее в этой главе были сформулированы две основные гипотезы, разделяющиеся на побочные гипотезы. При помощи них будут выявлены основные факторы связи стоимости и прозрачности компании и в дальнейшем оценен уровень влияния этих факторов. Также в главе был выбран индекс, отвечающий за уровень раскрытия информации и сформулирована методология работы. Теперь хочется уделить внимание тому, какие результаты планируется получить в ходе проведения исследования, представить их в наглядной форме и объяснить.

Таблица 2. Ожидаемые результаты.

Гипотеза	Ожидаемый результат
	Знак	Значимость
Гипотеза 1.1	Зависимость Tobin's Q от прозрачности
Гипотеза 1.2	Зависимость MTBV от прозрачности
Гипотеза 2	Зависимость прозрачности от государственной формы собственности предприятия

Так основной целью является получить положительную значимую зависимость между параметрами рыночной стоимости, в данной работе их два: MTBV и Tobin's Q, и индексом прозрачности, созданном на базе рейтинга РРС. Также в связи с возможным влиянием государства на рыночную стоимость российских компаний ожидается получить значимую зависимость с положительным коэффициентом между переменной gov, отвечающей за форму собственности, и показателями транспарентности фирмы. С выборкой компаний и результатами, полученными в ходе построения регрессии, можно ознакомиться в главе 3.



Глава 3. Дескриптивный анализ и результаты регрессионного исследования

3.1 Дескриптивный анализ

Выборка компаний для проведения исследования была составлена в несколько этапов. На первом был рассмотрен рейтинг РРС с 2013 по 2017 годы. Необходимо было выделить компании, которые присутствуют в каждом годовом рейтинге для того, чтобы в результате привести данные для анализа к панельному типу. На следующем этапе, отобрав компании с индексами прозрачности за 5 лет, для них были выгружены финансовые показатели из терминала Bloomberg, выступающие в данном исследовании в качестве контрольных переменных. В результате, после отсева непубличных компаний и компаний отчетность, для которых публиковалась не во все годы интересующего периода, в выборку вошли 24 компании. Третьим этапом стало формирование контрольных переменных. Финансовые показатели были рассчитаны согласно формулам, перечисленным в главе 2.3, а индекс прозрачности был в взят из рейтингов РРС. В исходном виде последний принимает значения от 1 до 100, однако в модель удобнее ввести переменную прозрачности в формате логарифма от индекса, указанного в рейтинге. Это необходимо для того, чтобы привести данные к асимптотически нормальному распределению и снизить разброс значений для выявления более точной связи между контрольными и зависимыми показателями.

После расчета всех необходимых переменных была сформирована выборка из 24 компаний. Все они свободно торгуются на бирже и осуществляют деятельность в нефинансовом секторе. Компании распределены по 6 различным отраслям, представленным на рисунке №1. Среди них: нефте- и газодобыча, химическое производство, энергетическая промышленность, цифровые услуги, добыча и обработка, а также транспорт. Наибольшее число компаний в выборке принадлежат энергетической отрасли. Это 29% от общего количества рассмотренных фирм.

Рисунок 1. Распределение компаний выборки по секторам.

Поскольку переменные для тестирования гипотез 1.1, 1.2 и гипотезы 2 разнятся, то описательная статистика будет представлена дважды для каждого списка контрольных переменных. Более подробно она приведена в таблице №3 и таблице №4.

Таблица №3. Описательная статистика для оценки влияния прозрачности на рыночную стоимость компании (тестирование гипотез 1.1 и 1.2).

Переменная	Число наблюдений	Ср. Знач.	Ст. Отклонение	Min	Max
ROA	120	0.0703	0.069135	-0.14006	0.277952
Asset Tangibility	120	0.6224	0.14682	0.196659	0.903084
Size	120	13.039	1.516503	10.77403	16.71906
Tobin's Q	120	0.99082	0.626775	0.182613	2.70557
MTBV	120	2.18464	5.141225	0.059853	54.0395
Prozr	120	47.233	16.09237	5.7	76.13



Таблица №4. Описательная статистика для оценки зависимости прозрачности от прочих характеристик компании (тестирование гипотез 1.1 и 1.2).

Переменная	Число наблюдений	Ср. Знач.	Ст. Отклонение	Min	Max
Gov	120	0.5	0.502096	0	1
NI	120	93296.79	182363.7	-61619.9	113926
ln_tot_ass	120	13.03914	1.516503	10.774	16.719
ROA	120	0.070331	0.069135	-0.1401	0.2779

3.2 Результаты тестирования регрессионных моделей

В данной работе для исследования используется выборка панельных данных, поэтому регрессия может быть трех типов: сквозная (Pooled), с фиксированными эффектами (Fixed effect model, далее FE), со случайными эффектами (Random effects, далее RE). Необходимо выбрать наиболее подходящую спецификацию модели. Для этого проводятся 3 теста:

· Тест Вальда (Сравнивает Pooled и FE),

· Тест Бройша-Пагана (Сравнивает RE и Pooled),

· Тест Хаусмана (Сравнивает RЕ и FE).

Тестирование гипотезы 1.1.

В первую очередь проводим тест Вальда, который помогает выбрать между моделей Pooled и FE. В случае, если P-Value>0.01 и основная гипотеза отвергается, то лучшей спецификацией является сквозная регрессия. Для модели №1 согласно результатам теста наилучшей является модель FE.

Далее сравним модели RE и Pooled при помощи теста Бройша-Пагана. Если P-Value <0.01, то модель RE лучше, чем модель Pooled. Проведя этот тест на выборке использованной для тестирования гипотезы 1.1, можно сделать вывод, что лучшей спецификацией в данном случае является RE.

На заключительном этапе выбора спецификации модели необходимо сравнить RE (является наилучшим по тесту Бройша-Пагана) и FE (наилучший по тесту Вальда). Для этого проводится тест Хаусмана. Согласно его результатам, модель RE лучше, поскольку P-Value>0.01, значит для дальнейшего анализа будет использована именно эта модель.

Далее проверяем регрессию на мультиколлинеарность и гетероскедастичность. Проверка на мультиколлинеарность проводится при помощи оценки показателя VIF и коэффициентов парной корреляции.

корпоративный прозрачность тестирование регрессионный



Видно, что матрица корреляций имеет адекватные значения, однако значения фактора VIF превышают норму. Такое уже наблюдалось в исследовании S. Banerjee, R. Masulis, S. Pal (2015). Их работа также проводилась на выборке российских компаний и в ней была установлена проблема с автокорреляцией.

Теперь необходимо избавиться от возможной гетероскедастичности в регрессионной модели. Для этого был применен метод робастных ошибок. Спецификация RE, скорректированная на робастность стала итоговой версией модели. Именно из нее получены результирующие коэффициенты, приведенные в таблице №5.

Как можно заметить из проведенного анализа, единственной значимой переменной оказывающей влияние на показатель рыночной стоимости в виде Tobin's Q является Asset Tangibility. Интересно, что индекс прозрачности и размер имеют отрицательные, незначимые коэффициенты. Полученный результат идет вразрез с большинством ранее проведенных исследований о влиянии прозрачности на рыночную стоимость. Однако это может быть обосновано особенностями российских данных. Так в статье Banerjee S., Masulis R., Pal S. (2015) уже упоминавшейся в этой главе, были получены аналогичные результаты. Причиной тому может выступать агентский конфликт. Менеджеры, управляющие рисковым активом раскрывают информацию осторожно, поскольку знают, что участники рынка способны ее рационально оценить и увидеть дополнительные опасности вложения. В связи с этим появляется вероятность неслучайности коэффициентов раскрытия, что в свою очередь вызывает смещение эффектов, которое объясняет и незначимость результатов, и наличие автокорреляции в данных. Таким образом благоприятное воздействие роста прозрачности стирается из-за нарастания уровня агентского конфликта.

Таблица №5. Результаты тестирования гипотезы 1.1.

Tobin's Q	Коэффициент	Std. Err.	T	P>t
Прозрачность	-0.00241	0.001775	-1.36	0.175
Размер фирмы	-0.04652	0.069206	-0.67	0.501
Asset Tangibility	-1.35619	0.480219	-2.82	0.005
ROA	0.540604	0.366307	1.48	0.14
Индустрия:
Нефтегазовая	-0.00637	0.435573	-0.01	0.988
Энергетика	-0.46631	0.242953	-1.92	0.055
Добыча и обработка	0.711015	0.28143	2.53	0.012
Телекоммуникации	0.024134	0.284903	0.08	0.932
Транспорт	0.01027	0.234561	0.04	0.965
_cons	2.562301	1.088931	2.35	0.019

Тестирование гипотезы 1.2.

Аналогичный алгоритм используется для проверки результатов регрессии, проведенной согласно модели №2.

Тест Вальда:

В результате проведения этого теста основная гипотеза отвергается, поскольку P-Value> 0.01. Таким образом модель Pooled лучше, чем модель с фиксированными эффектами (FE). Тест Бройша-Пагана.



Модель Pooled лучше, чем RE, поскольку P-Value> 0.01.

Тест Хаусмана:

Согласно результатам данного теста основная гипотеза не отвергается (P-Value>0.01), а значит модель RE лучше модели FE.

Таким образом, на основе полученных выводов можно сделать однозначный выбор в пользу использования модели Pooled. Правильность спецификации подтверждает модель Рамсея.



Далее проводится проверка модели на мультиколлинеарность. На этом шаге используются показатель VIF и матрица корреляции. Оба инструмента показывают отсутствие проблемы мультиколлинеарности в регрессии.

На следующем этапе проводится проверка результатов на гетероскедастичность, при помощи теста Кука-Вайсберга. Согласно последнему основной гипотезой является отсутствие неоднородности наблюдений в модели. Если она подтверждается, значит проблема не имеет места быть. В результате, поскольку P-Value <0.01, основная гипотеза подтверждается, что доказывает отсутствие гетероскедастичности.

Таким образом, коэффициенты, полученные в результате проведения регрессионного анализа, представлены в таблице №6. Они совпадают со значениями, полученными при тестировании предыдущей гипотезы, что влечет за собой выводы аналогичные выводам, полученным по модели №1.

Подводя итоги, можно отметить, что обе гипотезы о влиянии прозрачности на рыночную стоимость не подтвердились. Коэффициент транспарентности не оказывает значимого влияния ни на такой показатель как MTBV, ни на Tobin's Q.



Таблица №6. Результаты тестирования гипотезы 1.2.

MTBV	Коэффициент	Std.Err.	t-stat	P>t
Прозрачность	0.030454	0.306923	0.1	0.921
Размер фирмы	0.224552	0.297709	0.75	0.452
Asset Tangibility	-16.5016	8.88342	-1.86	0.066
ROA	-8.49078	8.601927	-0.99	0.326
Индустрия:
Нефтегазовая	-3.21086	2.232795	-1.44	0.153
Энергетика	-1.50525	1.175672	-1.28	0.203
Добыча и обработка	-0.64347	2.127453	-0.3	0.763
Телекоммуникации	-2.81593	2.559198	-1.1	0.274
Транспорт	0.157416	0.966454	0.16	0.871
_cons	11.67726	5.424015	2.15	0.034

Тестирование гипотезы 2.

Поскольку в отличие от прошлых регрессий, в модели №3 зависимой переменной будет выступать прозрачность, то изменится и список контрольных переменных. Обновленный список объясняющих факторов был представлен в таблице №4. Важно отметить, что в модели переменная Total Assets будет использована в виде логарифма, поскольку изначально она была смещена в сторону экспоненциального распределения.

Выборка представлена в формате панельных данных, в связи с чем проводим те же тесты, которые были использованы при тестировании гипотез 1.1 и 1.2.

Тест Вальда:

Поскольку P-Value >0.01, можно утверждать, что основная гипотеза не отвергается и предпочтительнее использовать спецификацию Pooled, чем FE.

Тест Хаусмана:

Поскольку P-Value <0.01, то модель FE лучше, чем RE

Тест Бройша-Пагана:

Согласно результатам тестирования Бройша-Пагана, P-Value> 0.01. Значит в регрессии наиболее точные результаты даст применение формата Pooled, а не RE.

Далее проводится проверка на мультиколлинеарность и гетероскедастичность. В первую очередь устанавливается, что проблема автокорреляции отсутствует. Об этом свидетельствует нормальный уровень показателя VIF.



Возвращаясь к проблеме гетероскедастичности. Проверяем ее наличие при помощи теста Кука-Вайсберга. В нем основная гипотеза - отсутствие неоднородности наблюдений в модели. Поскольку P-Value <0.01, основная гипотеза подтверждается, что доказывает отсутствие гетероскедастичности.

Таким образом, коэффициенты, полученные в результате проведения регрессионного анализа, принимают вид, описанный в таблице №7. Как можно увидеть из нее единственным значимым фактором, из использованных в регрессии является Total Assets. Он имеет положительное влияние на прозрачность, что согласуется с предыдущими исследованиями, которые утверждали о зависимости финансового положения компании и ее транспарентности. Полученные результаты подтверждают, что, если фирма осуществляет успешную деятельность и это подтверждено объективными показателями, например такими как рост активов, она охотнее будет раскрывать информацию о своей работе. Однако регрессионный анализ не выявил государственного влияния на прозрачность. Выдвинутая гипотеза не подтвердилась. Полученные коэффициенты говорят, что российским компаниям гораздо важнее раскрывать положительную информацию о своей деятельности, чем увеличивать уровень раскрытия под давлением государства.



Таблица №7. Результаты тестирования гипотезы 2.

	Коэффициент	Std. Err.	t	P>t
Форма собственности	-0.04022	0.099222	-0.41	0.686
NI	-3.64E-07	3.81E-07	-0.95	0.342
ln (Total Assets)	0.130255	0.045018	2.89	0.005
ROA	-0.60736	0.70333	-0.86	0.39
_cons	2.161021	0.592004	3.65	0



Заключение

Данная работа посвящена изучению феномена прозрачности российских компаний на базе панельных данных с 2013 по 2017 годы. В результате проверки гипотез о взаимосвязи рыночной стоимости и уровня прозрачности, значимых результатов этой зависимости не было выявлено. Отвержение этих гипотез говорит о том, что на российском рынке раскрытие информации не оказывает значительного влияния на настроения инвесторов. Виной этому особенности российской экономики, связанные с агентским конфликтом. Нестабильность экономической ситуации могла повлиять на деятельность компаний негативным образом, а значит и простимулировать менеджеров к выборочному раскрытию информации из-за ненадежности финансовых показателей. Это может создавать смещение эффектов, поскольку на раскрытие в этой ситуации влияют внешние факторы не имеющие отношения к деятельности компании.

Авторы получавшие аналогичные результаты о незначимости и отрицательном влиянии коэффициентов утверждают, что это может быть также вызвано чрезмерным государственным контролем. Однако при проверке зависимости прозрачности от формы собственности, как переменной государственного регулирования, также не было найдено положительной и значимой взаимосвязи. Этот результат говорит во-первых о том, что российские компании раскрывают информацию не по назиданию государства, а в зависимости от своих финансовых результатов (так, переменная отражающая общий объем активов фирмы имеет положительный и значимый коэффициент в той же регрессии), а во-вторых о том, что государственное регулирование не может влиять на рыночную стоимость предприятия. Как уже отмечалось ранее это влияние опосредованно, через прозрачность компании. Но поскольку государственное вмешательство не оказывает эффекта на прозрачность, то результирующий эффект на рыночную стоимость через эту опосредованную связь также достигнут быть не может.

Важно отметить, что исследования по данной тематике имеют множество путей развития. Так, к примеру, в данной работе была проведена оценка согласно лишь одному типу конструирования индекса прозрачности. Однако существует еще множество видов построения переменной, которые не были применены ранее на данных российских компаний. Также, рассматривая вопрос о влиянии на прозрачность различных факторов корпоративного управления, можно в дальнейшем расширить выборку, сосредоточив внимание не только на форме собственности компании, но и на иных показателях. Среди них можно выделить наличие иностранных владельцев, размер пакетов акций крупнейших владельцев компании (говорит о концентрации собственности), а также наличие менеджеров компании среди акционеров.



Литература

1. Максимова С. М., 2015, Информационная прозрачность как характеристика качества организационной культуры компании // МИР (Модернизация. Инновации. Развитие). 2015;6(1(21)):81-84.

2. Малофеева Т. Н., 2016, Повышение прозрачности отчетности российских компаний в результате применения МСФО // Управление экономическими системами: электронный научный журнал. 2016. № 10 (92)

3. Удальцов В.Е., Тихонова Н.М., 2012, Выявление влияния информационной прозрачности на затраты на капитал и эффективность деятельности российских публичных компаний // Журнал Корпоративные Финансы, 4 (24), стр. 4-14

4. Alfraih M.M, Almutawa A.M., 2014, Firm-Specific Characteristics and Corporate Financial Disclosure: Evidence from an Emerging Market // International Journal of Accounting and Taxation, 2 (3), pp 55-78

5. Aman, H., Brown, P. R., Beekes, W., 2011, Corporate Governance and Transparency in Japan // Available at SSRN: https://ssrn.com/abstract=1874611

6. Amiram, D., and Owens, E., 2011, Earnings Smoothness and Cost of Debt. Unpublished paper, University of North Carolina at Chapel Hill.

7. Ball, Ray, 2001. Infrastructure requirements for an economically efficient system of public financial reporting and disclosure, Brookings-Wharton Papers on Financial Services, 127-169.

8. Ball, Ray, Ashok Robin and Gil Sadka, 2006, Are Timeliness and Conservatism Due to Debt or Equity Markets? An International Test of “Contracting” and “Value Relevance” Theories of Accounting. Manuscript, University of Chicago.

9. Ball, R., Li, X., Shivakumar, L., 2015, Contractibility and Transparency of Financial Statement Information Prepared Under IFRS: Evidence from Debt Contracts Around IFRS Adoption// Journal of Accounting Research, 53 (5). pp. 961-953

10. Banerjee S., Masulis R., Pal S., 2015, Does More Transparency and Disclosure Necessarily Enhance Firm Performance? // Available at SSRN: https://ssrn.com/abstract=2437021

11. Cheung Y.L., Jiang P., Tan W., 2010, A transparency Disclosure Index measuring disclosures: Chinese listed companies // J. Account. Public Policy 29, pp 259-280

12. Christensen H. B., Hail, L., Leuz, C., 2013, Mandatory IFRS Reporting and Changes in Enforcement // Journal of Accounting and Economics, 147-177

13. Daske, H., and Gebhardt, G., 2006. “International financial reporting standards and experts' perceptions of disclosure quality”. Abacus 42 (3-4):461-498.

14. Daske, H., Hail,L., Leuz,C.,Verdi,R., 2008. “Mandatory IFRS Reporting Around the World: Early Evidence on the Economic Consequences”. J.Account.Res. 46, 1085-1142

15. Demir V., Bahadir O, 2014, An Investigation of Compliance with International Financial Reporting Standards by Listed Companies in Turkey // Accounting and Management Information Systems, 13 (1), pp 4-34

16. Easton, P., 2006. Use of Forecasts of Earnings to Estimate and Compare Cost of Capital Across Regimes. Journal of Business Finance & Accounting 33, 374-394.

17. Elliot R.K., Jacobson P.D., 1994, Costs and Benefits of Business Information Disclosure // American Accounting Association Accounting Horizons, 8 (4), pp 80-96

18. Hail, L. 2002, The Impact of Voluntary Corporate Disclosure on the Ex ante Cost of Capital for Swiss Firms // European Accounting Review, Vol. 11, No. 4, 741-773.

19. Hassan O., Marston C., 2010, Disclosure measurement in the empirical accounting literature - a review article // Available at SSRN: http://ssrn.com/abstract=1640598

20. Horton, J., G. Serafeim, and I. Serafeim. 2012. “Does mandatory IFRS adoption improve the information environment?” Contemporary Accounting Research (forthcoming).

21. [1] Lang, M., and Maffett, M., 2011, “Economic Effects of Transparency in International Equity Markets: A Review and Suggestions for Future Research”, University of North Carolina.

22. [2] Lang, M., and Maffett, M., 2011, “Transparency and Liquidity Uncertainty in Crisis Periods.” Unpublished paper, University of North Carolina.

23. Leuz, C., Verrecchia, R. E., 2000, The Economic Consequences of Increased Disclosure. Journal of Accounting Research 38 (Supplement), 91-124.

24. Li, S. 2010. Does mandatory adoption of International Financial Reporting Standards in the European Union reduce the cost of equity capital? // The Accounting Review 85 (2): 607-636.

25. Maffett, M., 2011, “Who Benefits from Corporate Opacity? International Evidence from Informed Trading by Institutional Investors.” Unpublished paper, University of North Carolina at Chapel Hill.

26. Mendes-Da-Silva W., de Lira Alves L.A, 2004, The Voluntary Disclosure of Financial Information on the Internet and the Firm Value Effect in Companies across Latin America, Universidad Navarra Barcelona, 13th International Symposium on Ethics, Business and Society. Available at SSRN: https://ssrn.com/abstract=493805

27. Naser K., Al-Khatib K., Karbhari Y., 2002, Empirical Evidence on the Depth of Corporate Information Disclosure in Developing Countries: The Case of Jordan // International Journal of Commerce and Management, 12 (3&4), pp 122-155

28. Palmer P., 2008, Disclosure of the impacts of adopting Australian equivalents of International Financial Reporting Standards // Accounting & Finance, 48 (5), pp 847-870

29. Raffournier, B. (1995) The Determinants of Voluntary Financial Disclosure by Swiss Listed Companies. // The European Accounting Review, 4, 261-280.

30. Schipper, K., 2003, Principles based accounting standards // Accounting Horizons, 17(1), 61-72

31. Tsamenyi M., Enninful-Adu E., Onumah, J., 2007, Disclosure and corporate governance in developing countries: evidence from Ghana, Managerial Auditing Journal, 22 (3), pp 319-334

32. Wallace R.S.O., Naser K, 1995, Firm-specific determinants of the comprehensiveness of mandatory disclosure in the corporate annual reports of forms listed in the stock exchange in Hong-Kong // Journal of Accounting and Public Policy, 14 (3), pp 311-369

33. Watts, R. L., 2003, Conservatism in Accounting Part I: Explanations and Implications // Accounting Horizons: September 2003, Vol. 17, No. 3, pp. 207-221.

34. Wu, J. S., and I. Zhang. 2010. “Accounting integration and comparability: evidence from relative performance evaluation around IFRS adoption.” Working paper, University of Rochester and University of Minnesota.

35. Yawen J., 2011, Corporate Disclosure, Market Valuation, and Firm Performance // Financial Management Journal, 40 (3), pp 647-676



Приложение

Результаты тестирования гипотезы 1.1

Результаты тестирования гипотезы 1.2



Результаты тестирования гипотезы 2

Размещено на Allbest.ru