Дипломная работа: Теоретические аспекты анализа корпоративных облигаций

Данные поправки помогли избавиться от последствий гетероскедастичности, после чего можно приступить к проверке гипотез.

На основе скорректированной регрессии с помощью теста Вальда проверим гипотезу о том, что увеличение изменения объема индекса ММВБ на 1 миллиард рублей влияет на объем обращающихся корпоративных облигаций нефинансового сектора так же, как рост изменения инвестиций в основной капитал на 1 миллиард рублей. Гипотеза H0: в(I_IMOEX) = в(INVEST) 1> c(3) = с(4).

Таблица 3.13 Применение Wald-test

Поскольку Prob(Fst) = 0.2633, 0.2633 > 0.05, значит нет оснований отклонять Н0 на уровне значимости 5 %. Следовательно, выдвинутая гипотеза о влиянии индекса ММВБ и инвестиций в основной капитал подтверждается.

На завершающем этапе эконометрического анализа обращающихся облигаций нефинансового сектора стоит провести интерпретацию коэффициентов регрессии и сделать прогноз объема корпоративных облигаций на январь 2018 года.

Для начала стоит уточнить, что прогноз и интерпретация коэффициентов осуществляются на основе изначально выбранной для анализа модели, без поправок White ( табл. 3.14).

Таблица 3.14 Исходная модель

Интерпретация коэффициентов регрессии:

1. При увеличении изменения денежной массы на 1 млрд. руб., изменение объема корпоративных облигаций нефинансового сектора возрастает на 0,028 млрд. руб. (при условии, что все остальные объясняющие переменные остаются неизменными).

2. При повышении изменения объема инвестиций в основной капитал на 1 млрд. руб, изменение объема корпоративных облигаций нефинансового сектора увеличивается на 0,0659 млрд. руб.

3. Увеличение изменения объема индекса ММВБ в прошлом периоде на 1 млрд. руб. приводит к росту изменения объема облигаций нефинансовых организаций на 0,144 млрд. руб.

4. При повышении изменения цены на нефть на единицу (1 доллар), изменение объема облигаций нефинансовых организаций уменьшается в среднем на 3,238 млрд. руб.

В заключении попытаемся найти прогнозное значение объема обращающихся корпоративных облигаций нефинансового сектора на 1 января 2018 года, учитывая что регрессоры в 2018 году будут принимать средние значения.

Для этого сперва извлечем средние характеристики регрессоров из описательной статистики ( табл. 3.15).

Таблица 3.15 Описательная статистика

Добавляем во временной ряд январь 2018 года - 85 наблюдение, после чего заполняем пропуски значениями средних характеристик регрессоров на текущую исследуемую дату. Далее получаем прогноз по изменению объема обращающихся облигаций нефинансовых организаций на январь, который находится в последнем созданном наблюдении ( табл. 3.16).

Таблица 3.16 Прогноз абсолютного изменения объема обращающихся корпоративных облигаций нефинансового сектора на январь 2018 года

Далее, с целью получить прогноз непосредственно по объему облигаций нефинансовых организаций на 1 января 2018 г., необходимо к фактическому объему обращающихся облигаций на 1 декабря 2017 года прибавить найденный прогнозный рост объема обращающихся облигаций на январь 2018 года:

Как мы видим, согласно данному прогнозу, объем обращающихся корпоративных облигаций нефинансового сектора в январе 2018 года должен составлять 6266 миллиардов рублей.

Стоит отметить, что согласно статистике информационного агентства Cbonds, объем облигаций нефинансовых организаций по состоянию на январь 2018 года составляет 6247 миллиардов рублей. Следовательно, можно сделать вывод, что прогноз, полученный с помощью данной регрессионной модели является достаточно реалистичным [28].

На следующем этапе перейдем к построению модели зависимости объема обращающихся корпоративных облигаций финансовых организаций от исследуемых факторов, чтобы выявить, различны ли параметры, которые влияют на объем облигаций финансовых и нефинансовых компаний.

В данном случае зависимая переменная представлена как CB_СO - реальное значение объема обращающихся корпоративных облигаций финансового сектора ( в миллиардах рублей). Преобразуем данный временной ряд в стационарный. Используя метод взятия разностей, создадим новую переменную, которая состоит из приростов (изменений) исследуемого показателя. Новый временной ряд называется рядом первых разностей и может использоваться для дальнейшего анализа.

Остальные переменные (регрессоры) остались прежними и могут использоваться для построения модели ( табл. 3.17).

Таблица 3.17 Модель зависимости объема обращающихся облигаций финансовых организаций от исследуемых факторов

Начнем с проверки исследуемой регрессии на значимость. Очевидно, что при уровне значимости б = 5%, Prob.(Fst) = 0.014 < 0.05, значит данная регрессионная модель является значимой. Более того, на уровне значимости 5 % такие переменные, как цена на нефть и средневзвешенные ставки по кредитам нефинансовым организациям являются значимыми для объема облигаций финансовых организаций. Инвестиции в основной капитал являются значимыми на уровне 10 %.

Кроме того, коэффициент детерминации данной регрессионной модели равен 0.1695, следовательно, данная модель обладает более низким качеством и меньшей объясняющей силой по сравнению с моделью зависимости объема облигаций нефинансовых компаний от тех же факторов.

Интерпретация коэффициентов регрессии:

1. При повышении изменения цены на нефть на 1 доллар в периоде, предшествующем предыдущему, изменение объема обращающихся облигаций финансового сектора увеличивается в среднем на 1,602 млрд. руб.

2. Увеличение изменения средневзвешенных ставок по кредитам нефинансовым организациям на 1 % в прошлом периоде, приводит к росту изменения объема облигаций финансовых организаций на 13,710 млрд. руб.

3. При повышении изменения объема инвестиций в основной капитал на 1 млрд. руб в прошлом периоде, изменение объема облигаций финансовых организаций увеличивается на 0,0109 млрд. руб.

Протестируем данную регрессионную модель на наличие гетероскедастичности (табл. 3.18).

Таблица 3.18 Тест Уайта на наличие гетероскедастичности

Как мы видим, Prob.(F-st.) = 0.0000, 0.6 > 0.05, следовательно, нет оснований отклонять гипотезу H0 о гомоскедастичности, из чего можно сделать вывод, что модель является гомоскедастичной.

Далее отследим наличие автокорреляции в данных на основе коррелограмы для остатков регрессии ( рис. 3.5).

Рис. 3.5 Коррелограма остатков модели

Согласно представленному рисунку, мы можем предположить об отсутствии автокорреляции в данных.

Таким образом, согласно проведенному анализу было выявлено, что исследуемые факторы совершенно по-разному влияют на облигации финансового и нефинансового сектора.

В данном случае подтвердилась гипотеза о положительном значимом влиянии цены на нефть на объем обращающихся облигаций финансового сектора.

Также средневзвешенные ставки по кредитам, предоставленные кредитными организациями нефинансовым организациям оказались значимы для облигаций финансового сектора. Данный факт может быть обоснован тем, что при увеличении стоимости банковских кредитов, финансовые организации получают больший доход, который потенциально может быть направлен на увеличение капитализации фондового рынка.

Также стоит отметить, что проведенный регрессионный анализ показал, что инвестиции в основной капитал, будучи индикатором инвестиционной активности, оказывают аналогичное положительное влияние на объем облигаций финансовых и нефинансовых компаний.

Кроме того, не подтвердилась гипотеза о положительном влиянии индекса ММВБ и денежной массы на объем обращающихся корпоративных облигаций финансового сектора, так как в ходе регрессионного анализа выяснилось, что данные переменные не являются значимыми.

Вместе с тем, стоит отметить, что эконометрическое исследование дало основание подтвердить более половины выдвинутых гипотез относительно корпоративных облигаций нефинансовых компаний .

Проведенный регрессионный анализ подтвердил гипотезы о том, что инвестиции в основной капитал, индекс ММВБ и денежная масса оказывают положительное влияние на объем обращающихся корпоративных облигаций нефинансового сектора и их увеличение мотивирует рост рынка в целом.

Тем не менее, при построении теоретической модели, была выдвинута гипотеза о положительном влиянии цены на нефть на объем облигаций нефинансовых организаций в России. Однако, при построении регрессионной модели было выявлено, что цена на нефть марки Brent и объем обращающихся корпоративных облигаций нефинансовых организаций находятся в обратной зависимости. Безусловно, такое влияние имеет место быть в США и Европейском Союзе, где экономика стран вовсе не имеет сильной зависимости от цен на нефть. В таком случае, низкие цены на нефть уменьшают риск увеличения инфляции, что делает облигации более привлекательными. В России же данный процесс абсолютно противоположен. Следовательно, сложно найти объяснение данного противоречия эмпирических результатов и экономической теории.

Кроме того, не подтвердилась гипотеза о характере влияния средневзвешенной процентной ставки по кредитам, поскольку в ходе регрессионного анализа оказалось, что данная переменная не является значимой для объема обращающихся облигаций нефинансовых организаций.