<<
>>

Метод событийного анализа на финансовом рынке

Для тестирования тех или иных гипотез на финансовом рынке используются различные методы, наиболее популярными из которых являются регрессионный анализ, кластерный анализ и событийный анализ.

Для того, чтобы определить информационную значимость изменения рекомендаций инвестиционными аналитиками, в наибольшей степени подходит метод событийного анализа. Он позволяет определить аномальную доходность и аномальный объем торгов, связанный с интересующими нас событиями, и определить значимость полученных результатов.

Суть метода событийного анализа состоит в отслеживании реакций фондового рынка на те или иные события, возникающие в результате деятельности участников рынка. Ключевой характеристикой реакции инвесторов является аномальная доходность и кумулятивная аномальная доходность, возникающие в короткий период до и после события.

Впервые метод событийного анализа был использован в работе Dolley (1933) [41], который анализировал влияние решений о дроблении акций на рыночную капитализацию. В последующие годы методология проведения событийного анализа активно развивалась. На сегодняшний день большинство исследований используют алгоритм, разработанный в конце шестидесятых годов в работах Ball, Brown (1968) [9]и Fama (1969) [46]. Причем Ball, Brown (1968) [9]анализировали информационную значимость появления новостей о

79 финансовых результатах компании на показатели ее рыночных торгов, что является смежной темой для текущего исследования.

Ключевым элементом событийного анализа, как следует из названия метода, является непосредственно событие, оказывающее влияние на деятельность компании. Как было показано выше, в данном исследовании событием является публикация инвестиционным аналитиком пересмотра рекомендации по акциям эмитента. Для определения даты события используется дата появления изменения по рекомендации в информационной ленте агентства Интерфакс.

Стоит обратить внимание, что в качестве даты события используется не период написания рекомендации аналитиком или дата ее утверждения внутренней службой банка, а именно дата публичного появления данной новости.

Определение окна событий

Важным фактором, влияющим на результаты проведения событийного анализа, является выбор периода времени, в течение которого будут наблюдаться цены акций. Этот временной промежуток носит название окна событий. Традиционно считается, что использование длительных отрезков времени имеет смысл только в том случае, если анализируются значимые и относительно редкие для компании события. В таком случае эффекты подобных событий могут проявляться в течение продолжительного периода времени, отражая сложность события и постепенное появление новой для рынка информации. При исследовании таких событий авторы могут рассматривать окна событий продолжительностью до нескольких лет, как это происходит в случае со сделками о слияниях и поглощениях или о реструктуризациях компаний.

Кроме того, исследование длительного окна событий имеет смысл в том случае, если авторы стремятся оценить возможный «дрейф» котировок в направлении опубликованного пересмотра рекомендаций.

В данной работе рассматривается более узкое окно событий. Во- первых, реакцию рынка на изменение рекомендации можно считать краткосрочной, поскольку это событие, хотя и дает относительно новую информацию рынку, все-таки можно отнести к разряду рядовых, происходящих на регулярной основе с каждым эмитентом. Эффект от его объявления длится не больше нескольких дней. Во- вторых, рассмотрение более узкого окна события позволяет снизить влияние других событий, возникающих в информационной жизни компании. То есть сократить информационные «шумы», не относящиеся к изменению рекомендации по акциям.

В целом можно сказать, что спецификация событийного анализа на долгосрочном временном интервале до сих пор вызывает множество вопросов. В то время как событийный анализ для оценки краткосрочных последствий событий позволяет использовать математический аппарат, гарантирующий достоверность получаемых результатов.

В большинстве исследований, рассматривающих влияние рекомендаций на котировки и объемы торгов, используется окно событий продолжительностью 31 день. Этот период включает дату самого события, а также 15 дней до и 15 дней после выхода новости. В данном исследовании выбран аналогичный интервал для рассмотрения. Кроме того, дополнительно рассматриваются данные из более узкого окна событий - трехдневного интервала, включающего день события, а также один день до и один день после

события. Такой анализ связан с тем, что изменения рекомендаций по одному и тому же эмитенту могут происходить с небольшими интервалами, что приводит к наложению «широких» окон событий. В случае, если выход рекомендации оказывает влияние на рынок только в течение одного или двух дней, сокращение окна событий можно считать уместным для анализа результатов.

Описание метода событийного анализа

Основной принцип метода событийного анализа состоит в том, что доходность ценной бумаги должна быть равна «нормальной» доходности этой бумаги плюс «аномальная» доходность.

Причина рассмотрения показателя аномальной доходности состоит в том, что выпуск аналитических отчетов сопровождается существенными затратами. На конкурентном и рациональном рынке инвесторы будут готовы платить за аналитику только в том случае, если ожидаемая доходность от использования рекомендаций инвестиционных банков будет превышать затраты на их получение. Именно возникновение этой доходности и тестируется с помощью метода событийного анализа.

Средняя нормальная доходность определяется в течение периода, предшествующему окну событий, который называется прогнозный период. Аномальная доходность - это случайная величина. Таким образом:

здесь (и далее) будет использоваться в качестве обозначения даты пересмотра рекомендации.

Уравнение можно переписать следующим образом:

Другими словами, аномальная доходность - это разница между доходностью, возникающей при наступлении события, и «обычной» доходностью, которая возникла бы при отсутствии события.

Для оценки «обычной» доходности при событийном анализе используются различные варианты моделей, начиная от простейшей модели со средним и заканчивая многофакторными рыночными моделями. Разные модели отличаются точностью и смещенностью результатов, что, в свою очередь, влияет на оценку аномальных доходностей.

С точки зрения событийного анализа, основной интерес представляет показатель средней аномальной доходности. А нулевая гипотеза, которая тестируется, состоит в том, является ли средний показатель аномальных доходностей равным нулю в момент времени t, т.е. в день пересмотра рекомендации. Кроме того, интерес представляет вопрос о том, является ли средняя аномальная доходность отличной от нуля в период до и после события. Анализ периода до события важен потому, что если событие прогнозируется, то часть аномальной доходности должна реализоваться до наступления события. Анализ периода после события представляет интерес с точки зрения тестирования эффективности рынка, поскольку определение скорости обработки поступившей информации рынком является эмпирическим вопросом. Если аномальная доходность после события систематически отличается от нуля, это противоречит гипотезе эффективного рынка, поскольку

предполагает возможность создания прибыльной торговой стратегии (в отсутствие транзакционных издержек).

Для того, чтобы оценить изменение доходности в течение нескольких дней, необходимо агрегировать данные временных рядов за интересующий период времени. Для этого используется показатель кумулятивной средней аномальной доходности, CAR (cumulative average residuals). CAR также используется для тестирования нулевой гипотезы о том, что аномальная доходность равна нулю.

Нулевая гипотеза отвергается, если критическое значение тестовой статистики превышает определенный уровень, соответствующий 1% или 5% уровню значимости. Тестовая статистика при этом - случайная величина, поскольку аномальная доходность измеряется с ошибкой. Наличие ошибки определяется двумя факторами.

Во-первых, предположения о том, какой должна быть нормальная доходность в отсутствие новостей, являются неточными. Во-вторых, фактические доходности отдельных компаний в дату события зависят от множества других факторов, так что этот компонент аномальной доходности не усредняется до нуля при перекрестном анализе.

Таким образом, метод событийного анализа предполагает расчет следующих параметров для оценки влияния рекомендаций на котировки акций российских эмитентов:

• Определение фактической доходности по акции для каждой даты, входящей в окно событий

• Определение «нормальной доходности» для каждой даты, входящей в окно событий

• Определение аномальной доходности (или сверхдоходности) для каждой даты, входящей в окно событий

• Определение средней аномальной доходности по всем событиям выборки для каждой даты, входящей в окно событий

• Определение кумулятивной аномальной доходности

• Проверка корректности использования метода событийного анализа и анализ t- статистики

• Тестирование на устойчивость результатов

Сходный алгоритм используется для расчета влияния рекомендаций на объем торгов акциями российских эмитентов:

• Определение объема торгов для каждой даты, входящей в окно событий

• Определение объема торгов для каждого из 60 дней до окна событий и каждого из 60 дней после окна событий

• Определение среднего объема торгов на протяжении 120 дней вокруг окна событий для каждой даты, входящей в окно событий

• Нормирование фактического объема торгов для каждой даты, входящей в окно событий, на средний объем торгов

• Проверка корректности использования метода событийного анализа и анализ t-статистики

• Тестирование на устойчивость результатов

Ниже рассмотрен расчет каждого из перечисленных параметров.

2.3.2.

<< | >>
Источник: Погожева Анастасия Андреевна. Оценка информационной значимости рекомендаций аналитиков по российским эмитентам. Диссертация на соискание ученой степени кандидата экономических наук. Москва - 2013. 2013

Еще по теме Метод событийного анализа на финансовом рынке:

  1. ГЛАВА II. АНАЛИЗ И ПЛАНИРОВАНИЕ ФИНАНСОВОЙ УС­ТОЙЧИВОСТИ ПРЕДПРИЯТИЙ
  2. 2.1 Анализ и управление финансовой устойчивостью предприятия с учетом инфляционных и других факторов
  3. Глава 3. Эмпирический анализ формирования структуры капитала на выборке компаний с развивающихся финансовых рынков
  4. Оценка структурированных продуктов на российском рынке
  5. Оценка структурированных продуктов, выпускаемых на западном рынке
  6. Глава 2. Методология анализа влияния рекомендаций аналитиков
  7. Заключение по эмпирическому анализу влияния рекомендаций аналитиков
  8. Анализ объема торгов
  9. Проблемы эмпирического анализа структуры капитала
  10. 2.4. Заключение по методологии анализа влияния рекомендаций аналитиков
  11. Цели и методы оценки структурированных продуктов
  12. Анализ доходности
  13. Применение метода для оценки характеристик структурированных продуктов
  14. Симуляция методом Монте-Карло
  15. Оценка с помощью методов, основанных на вычислении справедливой стоимости
  16. Глава 3. Эмпирический анализ влияния рекомендаций аналитиков
  17. Анализ текущего состояния и перспектив развития российского рынка корпоративных облигаций
  18. Финансовое положение эмитента
  19. Оценка характеристик продуктов с помощью симуляции методом Монте-Карло
  20. Применение метода для оценки эффективности структурированных продуктов