Дипломная работа: Моделирование спредов доходности на первичном и вторичном рынке облигаций

Гипотеза 2: чем выше кредитное качество эмитента, тем меньше будет спред доходности облигации.

Гипотеза 3: объем эмиссии и бид-аск спред, показывающие ликвидность ценной бумаги, оказывают значительное влияние на спред доходности.

Гипотеза 4: спред доходности формируется под действием внешних факторов, таких как валютный курс и доходность индекса IMOEX.

Гипотеза 5: чем больше срок до погашения облигации, тем выше будет спред.

Помимо основных гипотез, мы также тестируем значимость других факторов, специфичных для российского рынка облигаций.

Гипотеза 6: характеристики выпуска, такие как тип андеррайтера и возможность оферты, оказывают влияние на формирование спреда доходности.

Гипотеза 7: участие государства в структуре капитала, повышает надежность эмитента облигации, что приводит к уменьшению спреда доходности.

Гипотеза 8: облигации, участвующие в сделках РЕПО, будут иметь меньший спред доходности, чем остальные.

2.3 Данные и методология исследования

2.3.1 Статистическая выборка

Для исследования зависимости спреда доходности от ряда детерминант используются ежедневные данные о доходности российских рублевых корпоративных облигаций, торгуемых на Московской бирже, и полученных на терминале информационного агентства Bloomberg. Рассматривается период с января 2014 года по декабрь 2017 года, так как именно в этот период происходят значительные изменения в экономике.

Чтобы получить репрезентативную выборку из нее были исключены облигации со следующими характеристиками:

1. Облигации финансового сектора экономики (банки, лизинговые и страховые компании). Деятельность таких компаний весьма специфична: например, для них высокий долг не всегда будет показателем проблем, а наоборот, являться источником заработка.

2. Облигации, по которым не было информации в открытых источниках, в частности, финансовой отчетности.

Данные по спреду доходности облигации и характеристики эмитента были получены с сайта Bloomberg и Cbonds, доходность индекса IMOEX -с сайта Московской биржи. Источником данных о характеристике компании служат как сайты компании, так и их финансовая отчетность.

В целях исследования данные были усреднены по кварталам (медианные значения), так как многие из показателей фирмы не рассчитываются ежедневно, а риск дефолта отражается именно через финансовые индикаторы, публикуемые раз за квартал. Таким образом, выборка представляет собой панельные данные по 485 облигациям за 16 временных периода (6498 наблюдений).

Структура выборки представляет собой следующее:

1. Чуть меньше половины облигаций в выборке представляют собой долгосрочные бумаги со сроком до погашения 10-15 лет. Меньше всего представлено краткосрочных бумаг (Рисунок 9).

Рисунок 9. Виды бумаг в выборке по сроку до погашения

2. В выборке представлены облигации различные по объему выпуска (Рисунок 10).

спред доходность облигация

Рисунок 10. Виды бумаг в выборке по объему выпуска

В целях более точного анализа, рассмотрим описательные статистики по выборке (Таблица 9).

Таблица 9. Описательные статистики по выборке

Среднее значение спреда доходности составляет 4% при стандартном отклонении 23%. Минимальное значение равно -6%, а максимальное - 10%. В среднем, объем выпуска составляет 9 млрд. рублей, однако есть в выборке и такие эмитенты, объем выпуска которых составляет 15 млрд. рублей. Большая часть облигаций в выборке была выпущена крупными андеррайтерами, без возможности оферты и с малой долей участия государства в структуре инвесторов. Распределение финансовых показателей компаний имеет большой разброс, что связано с включением в выборку компаний из различных секторов экономики. Разброс переменных также можно объяснить включением в анализ кризисных лет.

2.3.2 Методология

Для анализа выбранных нами переменных в формировании спреда доходности и проверки предложенных гипотез используется метод регрессионного анализа панельных данных. Оцениваемая модель представлена следующим уравнением:

Где: - спред доходности корпоративной облигации;

- кредитный рейтинг облигации по шкале АКРА;

- темп роста выручки компании;

- соотношение долга компании к ее активам;

- рентабельность активов компании;

- объем облигационного выпуска;

- показатель ликвидности, или бид-аск спред;

- срок до погашения облигации;

- тип организатора выпуска;

- наличие встроенного опциона в облигации;

- наличие государства в структуре собственников;

- участие облигации в сделках РЕПО;

- значение доходности индекса МосБиржи;

- курс валюты, соотношение рубля к доллару.

Важным этапом анализа выступает выбор спецификации модели. В качестве вариантов выступают модель с фиксированными индивидуальными эффектами и модель со случайными эффектами.

Такой подход обусловлен исходя из используемых данных: любая облигация уникальна, и применение таких моделей позволит учесть влияние пропущенных или ненаблюдаемых факторов, связанных с индивидуальными особенностями объекта.

Для выбора наилучшей модели используются следующие критерии:

1. Коэффициенты при переменных регрессии являются значимыми;

2. Спецификация модели определяется на основе теста Хаусмана;

3. Модель обладает наибольшей объясняющей силой, о чем говорит высокое значение коэффициента детерминации для модели с фиксированными эффектами или высокое значение статистики Вальда для модели со случайными эффектами.

Также в работе проводится тестирование на соответствие базовым предпосылкам о распределении ошибок (тесты на гетероскедостичность, автокорреляцию во времени), и проводится сравнительный анализ оценок.

Результаты оценивания регрессии представлены в следующем параграфе.

Глава 3. Регрессионный анализ и интерпретация результатов

3.1 Проверка гипотезы о различном формировании спреда доходности на первичном и вторичном рынке

Для проверки гипотезы о различном формировании спреда доходности на первичном и вторичном рынке в уравнение регрессии вводится дамми-переменная, характеризующая спред доходности на первичном рынке облигаций. Теперь уравнение регрессии представлено в следующем виде:

Для оценки уравнения было выбрано три модели анализа панельных данных: регрессия (Pool), регрессия со случайными эффектами (RE) и регрессия с фиксированными эффектами (FE). Результаты оценивания регрессий представлены в Таблице 10.

На основе сравнения оценок с другими моделями можно сделать важные выводы для анализа. Во-первых, оценки регрессий совпадают по значимости. Кроме того, их значения различаются не так сильно, что говорит нам об их стабильности. Во-вторых, направление влияния (знак коэффициента) совпадает с предложенными нами гипотезами.

В-третьих, коэффициент при переменной, характеризующей спред при первичном размещении, оказался значимым во всех рассмотренных спецификациях. Кроме того, он положительный и незначительно различается по своей величине. Это подтверждает нашу гипотезу о том, что формирование спреда на первичном и вторичном рынке происходит по-разному. Для рассмотрения этих различий разделим выборку на две части и оценим регрессии по этим данным.

Таблица 10. Сводная таблица результатов оцененных моделей

3.2 Моделирование спреда на первичном рынке облигаций

Часть выборки, которая характеризует первичный рынок больше не представляет собой панельные данные, так как размещение облигации происходит единожды и не повторяется во времени. Теперь выборка состоит из 485 наблюдений. На этих данных была протестирована предложенная в предыдущем разделе модель. Результат оценивания представлен ниже в Таблице 11.

Как можно заметить, в данной модели практически все переменные значимы на всех уровнях, кроме показателей бид-аск спреда и андеррайтера, которые значимы на уровне 10%.

Модель была протестирована на соответствие стандартным предпосылкам линейной регрессии (Приложение 1). Также из нее были исключены все незначимые переменные, такие как показатель роста компании, ROA, опция встроенного опциона и индекс Московской биржи.

Таблица 11.Результат оценивания линейной регрессии на первичном рынке облигаций

В результате, скорректированный коэффициент детерминации увеличился практически на 3,5%, что является значимым улучшением для модели на финансовых данных. В принятой нами модели, переменные объясняют 69% вариаций спреда доходности корпоративных облигаций. Таким образом, итоговая модель формирования спреда доходности на первичном рынке представляет собой следующее:

Интерпретация коэффициентов, а также соответствие представленным в работе гипотезам представлены ниже:

· Как и предполагалось в гипотезах, а также было подтверждено в предыдущих исследованиях, риск дефолта, задаваемый в работе как рейтинг и отношение заемного капитала к собственному, оказывает значительное влияние на спред доходности облигации. Чем лучше кредитное качество эмитента, тем ниже спред доходности.

· Среди других характеристик компании, на размер спреда влияет структура его инвесторов. Так, если государство состоит в составе владельцев компании, то спред по облигации меньше на 0,013.

· Риск ликвидности, обозначенный через размер эмиссии, оказывает влияние на спред доходности на первичном рынке. Увеличивая объем эмиссии, эмитент может предлагать меньшую премию, от чего спред будет меньше.

· Эмитент может оказать влияние на спред, устанавливая срок до погашения облигации. Инвесторы будут требовать большую премию за риск по корпоративным облигациям, если она размещается на длительный срок.

· На спред доходности на первичном рынке также оказывает влияние тип андеррайтера. Так как значение 1 обозначало принадлежность андеррайтера к группе «опытных» андеррайтеров, отрицательный коэффициент показывает, что авторитет организатора выпуска может уменьшить премию, от чего спред доходности сужается на 0,006 процентных пункта. Этот результат логичен, так как участие опытного андеррайтера может служить сигналом надежности и высокого кредитного качества эмитента. Это связано с тем, что что российский фондовый рынок находится только на стадии развития и на нем отсутствует надежная система индикаторов, которые служат инвесторам на развитых рынках в качестве способа определения справедливой премии за риски при размещении облигации. Поэтому игроки на российском рынке придают большое значение авторитету андеррайтера.

· Интересный результат был получен относительно валютного курса. При его росте спред корпоративных облигаций сужается. Это объяснимо тем, что, чем выше курс, тем выше доходность государственных облигаций, и тем ниже спред.

3.3 Моделирование спреда на вторичном рынке

В выборку для построения модели спреда на вторичном рынке вошли 4562 наблюдения по 485 облигациям за 16 временных промежутков. Сначала было оценено две регрессии: со случайными и с фиксированными эффектами. После этого, был проведен тест Хаусмана на выбор между приведенными моделями. Наилучшей моделью, как и в первом случае, оказалась модель со случайными индивидуальными эффектами, что говорит о том, что индивидуальные различия облигаций в выборке носят случайный характер. Модель также была очищена от незначимых переменных (Таблица 12 и Приложение 2).