Факторы точности прогноза целевой цены на российском рынке аналитики
Введение
На аналитику и построение прогнозов по акциям (equity research) тратятся немалые деньги по всему миру. Так, Mahmud et al. (2016) приводит цифру в 22 млрд. долларов в 2015 году, которые были получены отделом аналитики рынка акций в инвестиционных банках и независимых компаниях. Основными прогнозами аналитика являются целевые цены и рекомендации, на которые при принятии инвестиционных решений могут опираться как профессиональные, так и непрофессиональные инвесторы. Кроме того, исследования демонстрируют, что показатель целевых цен значим для финансового рынка также в связи с тем, что находится взаимосвязь между целевыми ценами и будущей доходностью, премиями по IPO и сделкам слияния и поглощения, и построение портфеля на основе целевых цен может позволить получить положительную доходность (Gerritsen (2015), Jiani & Liu (2014) и т.д.). По указанным выше причинам точность таких прогнозов крайне важна.
Интерес к тематике финансовых аналитиков подтверждается большим количеством работ. Но большинство исследований проводится на данных по развитым рынкам (например, Hashim & Strong (2018), Choi (2018), Krolikowski et al. (2016) и т.д.). По российскому рынку нам известны только две работы максимально приближенные к нашей тематике, а именно работы Болотина (2011) и Penikas & Proskurin (2013). Кроме того, в большинстве работ рассматриваются либо только рекомендации аналитиков, либо целевые цены (Antonio et al. (2017), Chen et al. (2016) и т.д). Мы затронем в том или ином виде оба эти показателя. Однако, целевые цены представляют собой больший интерес, поскольку они выражают более детальную информацию относительно взгляда аналитика на акцию конкретной компании. Отметим, что предыдущие работы различались в своих мнениях и выводах касательно точности прогнозов, направления влияния различных факторов и их значимости. В связи с этим, в своей работе мы попытаемся проверить результаты этих исследований на российском рынке.
Таким образом, наше исследование заключается в определении потенциальных факторов, устойчиво влияющих на точность прогноза целевой цены, и построении эконометрической модели, способной объяснить степень точности целевых цен, а значит, и степень доверия тем или иным предсказаниям. В таком случае, дальнейшей задачей могла бы стать разработка стратегии построения портфеля на основе результатов оценки точности предсказаний аналитиков, полученных в ходе нашей работы. Объектом исследования являются прогнозы аналитиков по акциям российских эмитентов, предметом - точность целевых цен акции?. По мере достижения поставленной цели мы тестируем несколько гипотез:
Гипотеза 1. Прогнозы целевых цен на российском рынке аналитики не часто сбываются.
Отметим, что под российским рынком аналитики мы подразумеваем рынок, где сторону предложения представляют финансовые аналитики (российские или иностранные), выпускающие своего рода товар - свои прогнозы (по ценам, прибыли, денежному потоку, рекомендации т.д.) по компаниям, акции которых торгуются на Московской Бирже; основными потребителями данной информации при этом являются инвесторы.
Гипотеза 2. Аналитики на российском рынке дают слишком оптимистичные прогнозы.
Гипотеза 3. На точность целевых цен оказывают значимое влияние характеристики компании (историческая доходность, ликвидность и волатильность акций компании, время с момента IPO, размер компании, мультипликатор P/B, закредитованность компании, прибыльность компании, темп роста, количество прогнозов по компании, число компаний-аналитиков, покрывающих акцию).
Гипотеза 4. На точность целевых цен значимо влияют характеристики финансового аналитика и его прогноза (предсказываемая ожидаемая доходность акции, горизонт прогноза, размер компании-аналитика, ее происхождение (иностранная или российская организация), время с момента основания).
Новизна работы заключается в том, что, во-первых, нами были рассчитаны оригинальные показатели точности («площадь» кривой, образованной целевой ценой и фактической, процент дней, когда фактическая цена соответствовала направлению прогноза, и количество пересечений целевой цены и фактической). Во-вторых, мы выделили новые факторы точности прогноза целевой цены, как из группы характеристик аналитика, так и из группы характеристик компании. Кроме того, были эмпирически подтверждены интуитивные направления влияния некоторых факторов со стороны компании на точность, при том, что в предыдущих работах разным авторам не удалось прийти к однозначному выводу. В-третьих, нами была подробно и широко описана точность прогнозов целевых цен на российском рынке аналитики, с использованием большого количества ее индикаторов.
Данная работа несет в себе практическую значимость по нескольким причинам. Прежде всего, показатели точности, рассчитанные в данной работе, могут помочь инвесторам в понимании того, насколько точен рынок российской аналитики. Кроме того, при принятии решения о вложении инвестор, основываясь на факторах, рассмотренных в работе, может выбрать, в компании c какими характеристиками с большей вероятностью будет менее рискованно вкладываться. Факторы, влияющие на точность, могут быть также полезны и самим аналитикам: аналитикам следует понимать, в первую очередь, от каких характеристик прогноза зависит их точность, чтобы иметь возможность сделать на это поправку и продемонстрировать более точный результат; и, кроме того, понимать, компаниям с какими показателями стоит уделить большее время для анализа.
1.Обзор литературы
Значительное количество исследовательских работ посвящены ценности финансовых аналитиков и их предсказательной способности. Так, Gerritsen (2015) в своем исследовании доказывает значимость финансовых аналитиков. Автор использует данные по сделкам слияния и поглощения компаний в Америке за период с 2004 по 2010 гг. и применяет метод регрессионного анализа, где в качестве зависимой переменной выступает премия за поглощение, а основным регрессором является ожидаемая доходность по целевой цене (TPER). Премия за сделку вычисляется как отношение цены, уплаченной за акцию компании-цели к фактической цене акции этой компании до анонсирования сделки за вычетом единицы. TPER рассчитывается же как отношение средней целевой цены компании к ее фактической цене минус единица. Автор получает вывод о том, что ожидаемые доходности аналитиков значимо и положительно связаны с премией. Рост целевой цены на 5% приводит к увеличению платы за компанию-цель на 1%. Положительная премия означает, что впоследствии ожидается рост стоимости компании.
Мы полагаем, что положительная зависимость премии от целевых цен может указывать на то, целевые цены адекватно предсказывают будущее движение цены активов, а, значит, они важны для использования инвесторами при принятии решения. Также этот факт может свидетельствовать о том, что участники рынка прислушиваются к прогнозам аналитиков.
Основной вывод работы Jiani & Liu (2014), построенной на китайском рынке, состоит в том, что точность целевых цен имеет значимое влияние на премию IPO, которая представляет собой процентную разницу между ценой закрытия и ценой предложения в первый день осуществления IPO. Это положительное влияние точности на премию IPO подтверждает, по мнению авторов, эффективность прогноза целевых цен аналитиков, а значит, аналитики могут помочь инвесторам лучше оценить IPO.
Jegadeesh et al. (2004) также рассматривали, какое значение в плане инвестиционных решений имеют рекомендации финансовых аналитиков. Изучая американский рынок, авторы использовали два ключевых показателя: уровень согласованности рекомендаций (консенсус) и изменение согласованности рекомендаций. Уровень консенсуса вычислялся как среднее значение всех рекомендаций по компании. Изменение же консенсуса представляет собой увеличение или уменьшение его уровня. Авторами была построена регрессия будущей доходности акции (то есть доходности через полгода после выпуска рекомендации аналитиком) на консенсус-рекомендацию, изменение консенсуса и предыдущую доходность. Регрессорами также выступали взятые из работ предшествующих авторов 12 контрольных переменных, которые могут предсказать доходности (например, размер компании, прибыльность, объем торгов и т.д). Результатом, подтверждающим целесообразность рекомендаций, является то, что изменение согласованности рекомендаций может точно предсказать краткосрочные доходности (от 3 до 12 месяцев). Важный вывод, который затем был использован в большом числе статей, гласит о том, что изменение согласованности рекомендаций лучше, чем сам уровень консенсуса. Этот показатель позволяет определить будущую доходность как сам по себе, так и вместе с другими показателями.
На выводе из работы выше основывается исследование Huang et al. (2009), которое также показывает, какую пользу можно извлечь из прогнозов финансовых аналитиков. Авторы, используя данные по рекомендациям и целевым ценам по компаниям с американского фондового рынка, показали, что построение портфелей на рекомендациях аналитиков позволяет заработать положительную доходность (положительные значимые альфы по четырехфакторной модели). Более того, портфель, построенный на стратегии, основанной как на рекомендациях финансовых аналитиков, так и на целевых ценах, приносит большую доходность, чем портфели, построенные на стратегиях, опирающихся исключительно на рекомендации или целевые цены. Таким образом, именно комбинация целевых цен и рекомендаций особенно полезны для использования инвесторами при принятии решения.
Итак, мы считаем, что прогнозы финансовых аналитиков - это важный, оказывающий влияние на финансовый рынок, показатель. Однако, некоторые работы, посвященные анализу точности прогнозов, содержат результаты, которые показывают, что точность предсказаний небезупречна, и дают повод называть некоторым исследователям целевые цены “случайными и безосновательными” (Thomsett 2010). Ниже представлены агрегированные результаты расчетов точности целевых цен в зарубежной литературе.
Таблица 1. Точность целевых цен в различных зарубежных исследованиях
Самое низкое значение первых двух метрик точности среди развитых стран - у Италии, что может быть связано с тем, что в этой стране публикация любой финансовой непубличной информации, которая способна повлиять на цены финансовых инструментов, обязательна. То есть все аналитики раскрывают информацию по своим прогнозам, в том числе и неудачным. При этом третий показатель, являющийся показателем неточности, низок для Италии в связи с тем, что авторы при его расчете исходили из логики, что отклонение фактической цены от прогнозной, но в направлении, предсказанном аналитиком (рост или падение относительно фактической цены на момент выпуска прогноза), не считается неточностью, а наоборот уменьшает ошибку.
Bilinski et al. (2013) рассчитали точность на 16 рынках и получили самый низкое значение сбывшихся прогнозов в течение периода 12 месяцев для Италии (54%), а самое высокое - для Австралии (66%). При этом вторая характеристика точности, использованная авторами в работе (отношение разницы между целевой ценой и фактической цены на конец периода к цене на дату выпуска прогноза) лучше для датских компаний (58%) и хуже для японских (37%). Важным представляется то, что авторы доказали целесообразность целевых цен выводом о том, что точность прогнозов превышает точность прогнозов, основанных на экстраполировании прошлых цен акции.
Исследование Antonio et al. (2017) по развивающемуся рынку, а именно по странам Латинской Америки, показало, что в некоторых странах неточность может быть крайне сильной. Так, для Британских Виргинских островов показатель неточности (по модулю) составил 162%. В исследовании интересен также тот факт, что была доказана кажущаяся очевидной гипотеза от том, что сильный консенсус среди прогнозов (меньше стандартное отклонение) соответствует меньшей ошибке прогноза.
Исследование точности прогнозов аналитиков на российском рынке представлено в основном, к нашему сведению, работами Болотина (2011) и Penikas & Proskurin (2013). В работе Болотина (2011) представлены меры точности, отличающиеся от тех, что приведены в таблице выше. Так, был рассчитан показатель среднего абсолютного отклонения, представляющий собой отношение суммы всех процентных отклонений (по модулю) целевой цены в каждую дату периода прогноза от фактической цены на эту дату плюс 1 к количеству дней прогноза. Значение данной меры неточности составило 12%.
В работе Penikas & Proskurin (2013) представлены значения точности рекомендаций, а не целевых цен, рассчитанными как процент успешных сделок по акции (т.е. когда была получена какая-либо прибыль) при следовании рекомендации аналитика. Авторы получили точность, равную 57%.
В некоторых работах используются интересные нестандартные факторы для объяснения параметров точности, которые мы по тем или иным причинам не используем в нашем исследовании. Так, среди приведенных выше работ можно выделить, что авторы Bilinski et al. (2013) на выборке, состоящей из нескольких стран показали, что точность целевых цен зависит от специализации страны, ее институциональной и нормативной базы, (а также таких показателей как: прошлая точность прогноза целевых цен, опыт аналитика, размер компании-аналитика, и количества компаний, по которым аналитик дает прогноз). Antonio et al. (2017) на данных по странам Латинской Америки показали, что более высокая эффективность государственного управления приводит к более высокой точности прогноза целевых цен, публикуемых аналитиками. В нашем исследовании точность рассчитывается для российского рынка акций, поэтому переменные, каким-либо образом описывающие конкретную страну, в нашем анализе не применяются. Kerl (2011) использует такие стандартные факторы, как размер компании, мультипликатор P/B, волатильность, TPER, рекомендация аналитика (купить, держать или продать), которые мы также внедряем в своей работе. Однако, помимо этого, рассмотрев 1000 отчетов, выпущенных аналитиками, автор включил в свое исследование фактор раскрытия информации в этих отчетах, то есть насколько много информации там содержится, насколько детально она представлена. Доступ к настолько детальной информации у нас отсутствует. Кроме того, автор исследует также потенциальное влияние на точность связи аналитика с компанией, то есть когда банк имеет вложения в акции компании, по которым делает прогноз или является андеррайтером для акций покрываемой компании. Однако, был получен результат о том, что наличие связи аналитика с компанией не оказывает влияния на точность прогнозов по акциям этой компании.