Hashim & Strong (2018), используя данные американского рынка, показывают, что аналитики, которые в своих отчетах предоставляют также прогнозы движения денежных средств, демонстрируют более высокую точность целевых цен. При этом эта точность увеличивается с ростом точности прогноза денежного потока, и это увеличение наибольшее в случае компаний, которые трудны для прогнозирования аналитиками. Указанные выше факторы наличия прогноза денежного потока компании и раскрытия информации в отчетах не применимы в нашем исследовании в связи с ограничением данных, с которыми мы работаем, и трудоемкостью сбора информации в исследовании выше с изучением каждого отчета аналитика вручную.
Зачастую главной причиной неудачных прогнозов становятся индивидуальные поведенческие особенности аналитиков, приводящие к уменьшению точности прогнозов. К примеру, давая предсказание по целевой цене, аналитик стоит перед выбором: если он даст целевую цену сильно выше фактической цены акции, она может не быть достигнута, и тогда аналитик рискует разочаровать инвесторов и потерять репутацию; а если он поставит слишком низкую целевую цену, это может оттолкнуть институциональных инвесторов от вложения в данные акции. Возможность влияния поведенческих особенностей аналитиков на точность предсказания исследуется в некоторых зарубежных работах, о которых пойдет речь далее.
Так, Malmendier & Shanthikumar (2014) указали на существование стратегических и нестратегических мотивов аналитика, действующих по-разному. Мотивы первого рода связаны с неправильными стимулами, например, аналитик хочет склонить инвесторов к покупке акций или угодить менеджменту компании. Нестратегические же мотивы представляют собой истинный чрезмерный оптимизм, то есть аналитики имеют слишком позитивные ожидания. Стратегическое искажение проявляется в том, что аналитиком даются рекомендации более оптимистичные, чем прогнозы, в случае же нестратегического - более оптимистичные и рекомендации, и прогнозы.
Мера неточности прогнозов аналитиков может варьироваться в зависимости от звездности их статуса. Krolikowski et al. (2016) исследовали зависимость точности прогноза аналитиков (рекомендаций и прогнозу по прибыли) от звездности их статуса, использовав список имен аналитиков, относящихся к «All-Stars» (рейтингу, созданного Wall Street Journal). Аналитики склонны давать более оптимистичные прогнозы в целом. Однако, авторы показывают, что после приобретения аналитиком звездного статуса, он менее склонен давать оптимистические рекомендации (но в то же время дает более оптимистичные прогнозы по прибыли). При исключении же из рейтинга «All-Stars» аналитик склонен как к менее оптимистичным рекомендациям, так и прогнозам по прибыли. В целом, можно сказать, что, если аналитик когда-либо относился к категории «звезд», его рекомендации должны быть более точными.
Продолжением темы мотивов аналитика, приводящих к менее точным прогнозам и связанных с инвесторами, является работа Chen et al. (2016). Авторы использовали данные по Тайваньскому фондовому рынку, который обладает отличительной от развитых финансовых рынков особенностью - основной группой инвесторов на этом рынке являются индивидуальные инвесторы. Они совершают около 75% всех сделок по покупке-продаже на этом рынке. При этом данная группа непрофессиональных инвесторов склонна опираться в большей степени на целевые цены как на более прямолинейный индикатор, нежели чем на прогнозы аналитиков по прибыли. Авторы показывают, что теория удовлетворения предпочтений инвесторов (сatering theory), применима при анализе целевых цен. При наличии определенных ожиданий у инвесторов, аналитики склонны давать смещенные оценки в стороны этих ожиданий. Авторы провели анализ, учтя в нем настроения рынка, характеристики аналитиков и компании, и он свидетельствует о том, что аналитики завышают целевые цены. Причем такое смещение чаще происходит для более мелких компаний с меньшим коэффициентом P/B и более волатильными акциями. Однако, конкуренция среди аналитиков может помочь снизить неточность оценок.
Как было сказано выше, ожидания инвесторов влияют на оценки аналитиков. Однако у этого влияния есть одна особенность, описанная в статье Choi (2018), исследовавшего акции американских компаний. Авторы показали, что при увеличении коротких продаж аналитики начинают давать менее точные округленные оценки. То есть они прилагают меньше усилий из-за сильного давления вниз на акцию. Предыдущие статьи позволяют нам предоставить логичное объяснение для наблюдаемого явления. Вероятно, в подобном случае оценка аналитика должна быть негативной, а они не любят отрицательных прогнозов. Чтобы смягчить получаемую оценку, аналитики округляют полученные значения менее точно.
Одним из нестратегических стимулов аналитика, приводящих к искажению точности его прогноза может быть «чувство стадности». Jegadeesh & Kim (2010), используя данные по американским компаниям, хотели ответить на вопрос, подвержены ли аналитики «стадному чувству». В целом, можно найти две причины такого эффекта:
- появляется какая-либо новая информация, которая одинакова для всех, и аналитики делают похожий пересмотр своих прогнозов;
- неопытные аналитики могут быть не уверены в своих силах, им легче выставлять оценки как все или следовать за «звездами» и выставлять свой прогноз на уровне консенсуса.
Авторы получили подтверждение существованию «эффекта стадности». Однако результаты оказались неожиданными: инвестбанки с более хорошей репутацией и более крупным размером больше привержены “стадному поведению”, чем менее известные новички, которые пытаются выделиться. Данный результат не согласуется с рассмотренной нами здесь выше литературой: звездные аналитики дают менее оптимистические рекомендации в отличие от толпы. Еще одним интересным результатом является то, что более склонны к стадному чувству те аналитики, которые нечасто пересматривали свои рекомендации.
Кроме того, Lai & Teo (2008) обнаружили на развивающемся финансовом рынке смещенность рекомендаций аналитика от его происхождения (является он или нет резидентом страны, по акциям которой делается прогноз). Изучив развивающиеся рынки восьми азиатских стран (Индия, Индонезия, Корея, Малайзия, Филиппины, Сингапур, Тайвань и Таиланд), авторы показали, что местные аналитики в таких странах дают более оптимистичные прогнозы, чем иностранные аналитики. То есть, вероятно, рекомендации покупки от иностранных аналитиков оказываются более точными, чем рекомендации местных аналитиков. В то же время рекомендации на продажу оказываются точнее уже у местных аналитиков. Такая смещенность перекрывает даже возможную асимметрию информации между местными и иностранными аналитиками, уменьшающую общую точность прогнозов у иностранных аналитиков из-за нехватки информации.
Обобщая изученную литературу, отметим, что целевые цены аналитика - это важный показатель, который оказывает влияние на финансовый рынок. В литературе, посвященной анализу точности и ее факторов, в основном представлены три показателя точности: процент прогнозов, подтверждающихся в какой-либо момент периода, доля прогнозов, сбывающихся на конец периода и ошибка прогноза как процентная разница между целевой ценой и фактической на конец прогноза (по модулю и без) или TP error. Некоторые зарубежные работы содержат анализ влияния различных факторов на точность прогноза аналитиков, часто их результаты расходятся между собой. При этом часть предыдущих работ акцентировала внимание на нетрадиционных переменных, которые могут влиять на точность. Однако, мы не можем учесть эти параметры по некоторым причинам: нецелесообразность конкретно для нашего исследования, или недоступность данных для российского рынка, или большая трудоемкость их сбора, или корреляция данных факторов с другими, применяемыми в нашей работе. Мы сконцентрируемся на общедоступных параметрах, использованных в изученных работах, приводя также свои дополнительные факторы и постараемся проверить результаты, полученные авторами, на российском рынке.
2.Данные
2.1 Работа с данными
Для своего исследования нами были использованы данные по рекомендациям и целевым ценам финансовых аналитиков за последние восемь лет, а именно с января 2010 года по конец марта 2018 года. Изначально мы отобрали 54 ценные бумаги (обыкновенные и привилегированные акции), которые входят в текущий индекс МосБиржи или входили в него в последние предыдущие периоды. Однако, в связи с наличием большого числа выбросов среди акций компании Башнефть и получением неадекватных значений некоторых показателей точности, было принято решение исключить данную компанию из выборки (см. таблицу 1 в Приложении). Вероятно, это связано с происходившими с «Башнефтью» в 2014-2016 гг. событиями по ее деприватизации и обратной приватизации, аресту Владимира Евтушенкова - основного владельца компании «Система», которой принадлежал контрольный пакет «Башнефти».
Итоговая выборка состоит из 52 бумаг, количество компаний составило 45 (список ценных бумаг см. в Приложении). Вхождение этих ценных бумаг в индекс ММВБ позволяет говорить о том, что рассматриваемые нами компании имеют высокую капитализацию, а акции их ликвидны.
По выбранным компаниям рассматривались все целевые цены и рекомендации всех аналитиков, доступные в базе данных Thomson Reuters Eikon. Общее количество инвестиционных банков и брокерских домов, которые давали прогнозы по цене или рекомендации для какой-либо из выбранных компаний, составило 39, из них только 18 компаний-аналитиков сделали более 20 прогнозов (см. таблицу 3). Однако, по значительной части прогнозов Thomson Reuters не раскрывает название банка. Таких прогнозов с неизвестными источниками - половина от всех. Стоит отметить также, что в случае раскрытия названия организации-аналитика, в базе также присутствует информация по именам непосредственно людей-аналитиков, сделавших прогноз.
В базе была доступна также и так называемая стоп-дата, то есть дата, после которой рекомендация или прогноз более не является действительным. Существует значительное число наблюдений, по которым еще не наступила стоп-дата. В таком случае мы исключаем данные наблюдения из рассмотрения, так как не имеем права оценивать точность предсказания, дата которого еще не наступила.
Также важно отметить, что существуют наблюдения по нескольким компаниям, которые проводили IPO не на Московской бирже. В связи с этим в базе данных отсутствовали данные по стоимости акций на момент предсказания. Мы считаем, что это является поводом исключить данные наблюдения. Но главная причина - не отсутствие цены, а резкое отличие в доступности данных акций для российских инвесторов и опыт предыдущих статей на данную тему. Наше исследование ориентировано на компании, торгующиеся на Московской бирже, как и большинство других исследований, которые ставили перед собой задачу анализа данных только по итальянским, немецким или, к примеру, американским биржам и так далее.
Кроме того, нами было произведено удаление выбросов, следуя Kerl (2011). Мы удалили несколько процентов наблюдений, которые дают аномально высокие или аномально низкие предсказания (до исключения Башнефти), а именно из выборки по 1% с каждого из концов распределения для ожидаемой доходности по целевой цене (TPER) или как ее еще иногда называют в работах Implicit return:
где TP - целевая цена, - фактическая цена акции на момент прогноза.
В таком случае число наблюдений составило 6729, из них с раскрытыми именами - 3279.
Данные по характеристикам компании, необходимые для расчетов факторов точности целевой цены, а также по рыночному фактору - доходности индекса МосБиржи были взяты также в основном из Thomson Reuters, за исключением данных о дате основания компании и ее выхода на IPO. Данные по аналитическим компаниям, такие как: их размер активов, выручка, число филиалов, время с момента основания, а также является ли инвестиционный банк или брокерский дом иностранной организацией, были найдены на сайтах этих компаний, в том числе из отчетностей.
2.2 Описательные статистики
В следующей таблице представлены 15 наиболее часто покрываемых аналитиками ценных бумаг компаний (включая Башнефть) за рассматриваемый период и некоторые описательные статистики прогнозов по ним. Все бумаги - обыкновенные акции, если не брать попадания в таблицу как обыкновенных, так и привилегированных акций "Сургутнефтегаза".
Таблица 2. Описательные характеристики 15 компаний с наивысшим числом прогнозов
Больше всего прогнозов было сделано по обыкновенным акциям компании «Башнефть», а именно 1010 штук, что составляет 12,8% от общего числа прогнозов. Несмотря на это далее Башнефть была исключена из выборки, стандартное отклонение целевых цен к средней целевой цене, по данной компании высоко и составляет около 86%. Однако, компанией с наибольшим покрытием является «Сбербанк», прогнозы по нему за все время делали 23 аналитика.
Консенсусными рекомендациями чаще всего являются BUY и HOLD. Это согласуется со структурой рекомендаций в целом, приведенной ниже (здесь и далее без учета акций Башнефти).
Рисунок 1. Структура рекомендаций по пяти категориям
Как мы видим, основную долю рекомендаций составляет тип «Купить», куда относятся категории Buy и Strong Buy - 47%, однако тип «Держать» тоже сильно распространен - около 39%. Рекомендации «Продать» представлены в наименьшей степени (14%), что соответствует предыдущей литературе в том, что аналитики не любят давать негативные прогнозы. Рассмотрев рисунок ниже, можно увидеть, что в кризис аналитики чаще всего давали рекомендацию «Держать», доля рекомендаций «Купить» составляла 40%, тогда как не в кризис рекомендации к покупке давали в 54% случаях. Рекомендация «Продать» даже в кризис не была высокой. Отметим, что к кризисным годам мы отнесли годы 2014-2016, основываясь на низкой динамике реального ВВП.