1. Тестирование слабой формы эффективности рынка на

Национальный исследовательский университет
Высшая школа экономики
Факультет экономики
Департамент финансов
БАКАЛАВРСКАЯ РАБОТА
«Анализ формы эффективности российского рынка акций»
Выполнил:
Студент группы № 41ФФР
Можегов А. В.
Научный руководитель:
кандидат экономических
наук, доцент
департамента финансов
Галанова А.В.
Москва 2015
Оглавление
ВВЕДЕНИЕ......................................................................................................... 3
ГЛАВА 1. ТЕОРЕТИЧЕСКИЕ АСПЕКТЫ ИССЛЕДОВАНИЯ
ЭФФЕКТИВНОСТИ РЫНКОВ АКЦИЙ ..................................................... 7
1.1. ГИПОТЕЗА ЭФФЕКТИВНОГО РЫНКА ............................................................. 8
1.2. ТЕСТИРОВАНИЕ ЭФФЕКТИВНОСТИ РЫНКОВ РАЗВИТЫХ И
РАЗВИВАЮЩИХСЯ СТРАН ................................................................................. 20
1.3. ТЕСТИРОВАНИЕ ЭФФЕКТИВНОСТИ РОССИЙСКОГО РЫНКА АКЦИЙ ........... 24
ГЛАВА 2. АНАЛИЗ ФОРМЫ ЭФФЕКТИВНОСТИ РОССИЙСКОГО
РЫНКА АКЦИЙ ............................................................................................. 34
2.1 МЕТОДОЛОГИЯ ........................................................................................... 34
2.2 РЕЗУЛЬТАТЫ ............................................................................................... 39
ЗАКЛЮЧЕНИЕ ............................................................................................... 51
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ ................................... 55
2
Введение
Концепция
информационной
эффективности
фондовых
рынков
занимает одно из значительных мест в теории финансов. Суть
информационной эффективности заключается в том, что в эффективном
рынке цены на активы содержат в себе всю доступную информацию.
Эффективность рынка принято разделять на три формы: слабую, среднюю
и сильную.
Слабая форма эффективности подразумевает, что цены на рынке
содержат всю прошлую информацию. Это означает, что невозможно
предсказать цены, основываясь на их прошлом поведении, чем занимается
технический анализ. Средняя форма гласит, что цены вдобавок содержат
всю
публичную
информацию,
на
анализе
которой
основывается
фундаментальный анализ. Сильная форма подразумевает, что ценам
доступна и частная информация, так что даже инсайдеры не смогут
предсказать их движение.
Исследование того, к какой форме относится тот или иной рынок
акций, важно по нескольким причинам. Во-первых, это актуально при
оценке перспектив активного менеджмента инвестиционного портфеля.
При эффективном рынке активная стратегия, заключающаяся в поиске
«недооцененных» активов, не принесет прибыли, или даже окажется
убыточной из-за транзакционных издержек. При слабой эффективности
рынка инвестор не станет пользоваться техническим анализом в стратегии
инвестирования и предпочтет фундаментальный. Средняя эффективность
для инвестора означает, что наилучший выбор – это пассивная стратегия,
если конечно у него нет доступа к инсайдерской информации.
Неэффективный
рынок
дает
возможность
проведения
массовых
3
спекулятивных операций, которые могут отпугнуть крупных инвесторов,
которым важна стабильность и эффективность рынка.
Во-вторых, абсолютная неэффективность фондового рынка приводит к
бесполезности
базовых
инструментов
корпоративных
финансов
и менеджмента инвестиционного портфеля, например, моделей CAPM,
APT, теории ценообразования опционов и так далее, где базовым
допущением является эффективность рынка.
В развивающихся рынках, особенно с активным экономическим
ростом, крайне важно исследовать форму эффективности для того, чтобы
инвесторы знали «правила игры» на данном рынке. В данном случае
наиболее
оптимальной
формой
эффективности
является
слабая,
с одной стороны, допускающая активные инвестиционные стратегии, с
другой стороны, привлекательная для крупных инвесторов. Форма
эффективности рынка является важным фактором, влияющим на приток как
иностранных, так и национальных инвестиций.
Россия
относится
к
развивающимся
странам и
ее
активное
экономическое развитие с начала 21-го столетия послужило причиной
многих исследований формы эффективности ее рынка акций, которые по
большей части признали его эффективным в слабой форме, в периодах,
начиная с 2000 года. Однако, тот факт, что с момента 2010 года темп роста
ВВП показывает тенденцию снижения1, а также непростая экономическая
ситуация последних двух лет, связанная с введением по отношению
к
России
экономических
санкций
со
стороны
международной
общественности и снижением цен на нефть, указывают на еще большую
необходимость исследования формы эффективности, чем раньше. В такой
напряженной
1
экономической
ситуации
критически
важен
факт
http://data.worldbank.org/
4
эффективности рынка, в целях сохранения привлекательности рынка для
возможных инвесторов, а также сохранения уже существующих.
Таким образом, в настоящем исследовании было решено тестировать
гипотезу эффективного рынка в период с 2009 по 2015 год. Особенность
настоящего исследования заключается в том, что эффективность будет
рассматриваться не только на выбранном периоде, но также на более
коротких периодах 2009-2011 гг. и 2012-2015 гг., по причине желания
отдельно рассмотреть период с кризисным 2009 годом и более поздний
«замедляющийся» период российской экономики. Более того, данное
исследование проверяет дополнительную гипотезу сегментированной
эффективности,
которая
позволит
протестировать
эффективности
сегментов рынка акций, представленных отраслевыми индексами.
Цель исследования в данной работе заключается в определении формы
эффективности российского рынка акций в период с 2009 по 2015 год.
Для достижения данной цели были поставлены следующие задачи:
 Изучение концепции информационной эффективности;
 Анализ
общепринятых
методик
тестирования
гипотезы
эффективности в зарубежной и отечественной практике;
 Проверка гипотезы эффективности российского рынка акций;
 Проверка
гипотезы
эффективности
рыночных
сегментов
российского рынка акций.
Объектом
исследования
являются
значения
индекса
РТС
и отраслевых индексов Московской Биржи в период с 2009 по 2015 годы.
Предметом исследования является информационная эффективность
рынка акций.
Теоретической и методологической базой исследования послужили
работы зарубежных и российских ученых по финансовой теории, теории
5
инвестиций и эконометрике, а также эмпирические исследования
эффективности рынков. В настоящем исследовании при тестировании
гипотезы эффективности рынка были применены параметрические
и непараметрические статистические методы. Обработка исходной
информации и моделирование производились с использованием пакетов
прикладных программ MSExcel 2013, NumXL 1.63.
Выпускная квалификационная работа состоит из двух основных глав:
теоретической и практической.
В первой главе представлена группа
основных понятий и теоретических концепций, необходимых для лучшего
понимания исследуемой области. Также представлен обзор литературы по
данной теме, цель которого состоит в раскрытии основных идей, методов
исследования и результатов работ по данной теме как отечественных,
так и зарубежных авторов. Во второй главе эмпирического характера
описывается сам анализ эффективности российского рынка. В ней детально
описаны методы, процесс и результаты исследования.
В заключении выпускной квалификационной работы представлены
краткие результаты
исследования
и
сформулирован
общий
ответ
на поставленный вопрос о форме эффективности российского рынка акций.
6
Глава 1. Теоретические аспекты исследования
эффективности рынков акций
В данной главе рассмотрены как терминология и основные
исторические
и
теоретические
моменты
исследуемой
концепции
эффективности рынков, так и эмпирические исследования российских
и зарубежных ученых. Соответственно, глава разделена на три больших
раздела.
Сразу следует отметить, что в контексте данного исследования понятие
«эффективность» относится к рынку ценных бумаг, в частности
к рынку акций, о котором идет речь на протяжении всего исследования.
Более того, важно понимать, что понятие эффективности в теории финансов
может попадать под одну из трех категорий эффективности (Blake, 1990):
 Распределительная эффективность. Под ней понимается то, что рынки
капитала и ценных бумаг распределяют инвестиционные ресурсы по
такому
принципу,
что
эти
ресурсы
используется
наиболее
продуктивно;
 Операционная эффективность. Подразумевается, что транзакционные
издержки деятельности на рынке определены конкурентным образом;
 Информационная эффективность. Это значит, что нынешняя цена
отображает всю доступную информацию.
В контексте настоящего исследования понятие эффективность
ассоциируется только с информационной эффективностью.
7
1.1. Гипотеза эффективного рынка
Перед
тем
как
перейти
непосредственно
к
анализу
форм
эффективности российского рынка важно раскрыть суть всей концепции,
которая стоит за этим анализом. Важно четко понимать не только понятия,
с которыми необходимо работать в данном исследовании, но и контекст,
в котором данные понятия и термины используются.
Исследование формы эффективности рынка является составной частью
теории эффективного рынка. Данную теорию общепринято называть
гипотезой эффективного рынка (Market Effieciency Hypothesis, MEH,
далее—ГЭР).
С
концепцией
ГЭР
первым
делом
и
единогласно
ассоциируется имя Юджина Фамы (Eugene Fama), американского
экономиста, представителя «чикагской» школы экономической мысли,
лауреата нобелевской премии 2013 года «за эмпирический анализ цен
на активы», и даже, как некоторые считают, «законодателя мод»
в экономической мысли и теории финансов [12, с.81]. ГЭР заработала
огромную популярность во всем мире благодаря публикации именно Ю.
Фамы 1970 года (E. Fama, 1970), которая по сей день считается одной
из наиболее значимых и цитируемых в изучении данной проблемы.
В своей работе Фама дает незамысловатое определение гипотезе
эффективного рынка, которое заключается в том, что в эффективном рынке
цены всегда полностью «отражают» всю доступную информацию. Никто
не мог подумать в тот момент, что эта на вид простая концепция вызовет
одно из самых горячих обсуждений в экономике за последние четыре
десятка лет. С момента публикации теории Фамы были проделаны сотни,
если не тысячи, эмпирических исследований на данную тему. Множество
ученых критиковало и критикует до сих пор данную концепцию, однако
никто не может не согласиться с тем, что ГЭР является значительным
вкладом в современную экономическую мысль в теории финансов.
8
Несмотря на то, что гипотеза Ю. Фамы считается отправным пунктом
целой серии исследований, она сама была разработана вследствие
наблюдений за результатами ряда эмпирических изучений не только
ее автора, но и ряда других ученых. Еще в 1900 году Л. Башелье в своей
диссертации
«Теория
спекуляций»
предложил
собственную
математическую модель, которая описывала рыночные цены опционов
в рамках теории вероятности, что заложило основы развития не только
самой теории рыночной эффективности, но и моделей броуновского
движения (датирована раньше известной работы Эйнштейна о Броуновском
движении на пять лет) и случайного блуждания. (Архипов, 2007). Так
или иначе, в те времена вклад Башелье был недооценен, а диссертация
забыта. Только через полвека его работы были обнаружены математиком
Дж. Сэвиджом (Jimmie Savage), который в свою очередь убедил Пола
Сэмюэльсона (Paul Samuelson) их прочесть. Это своеобразное знакомство
приняло свое участие в создании важной для ГЭР публикации П.
Сэмюэльсона (Samuelson, 1965), результаты которой Фама почерпнул в
дальнейшем в собственном труде. Важно отметить, что многие работы,
повлиявшие на теорию эффективного рынка, были опущены в данной главе
в целях фокусирования на изучаемом вопросе. Замечательным примером
попытки составления более подробной исторической хронологии развития
данной теории могут послужить работы Архипова (Архипов, 2007) и
Сьюэлла (Sewell, 2011).
На сегодня существуют три определения ГЭР, включая уже
упомянутую выше формулировку Юджина Фамы. Другие две были
разработаны Дженсеном (Jensen, 1978) и Грэнджером и Тиммерманом
(Granger,
Timmermann,
2004).
Все
три
теории
имеют
право
на существование и будут рассмотрены более подробно в данном разделе.
9
Формулировка гипотезы эффективного рынка Ю. Фамы. Формальное
определение ГЭР по Фаме, как уже было упомянуто ранее, заключается
в том, что эффективным рынком признается такой рынок, в котором цены
всегда полностью отражают всю доступную информацию.
Для того, чтобы данную теорию или гипотезу тестировать на реальном
рынке,
необходимо
что-то
более,
чем
словесное
утверждение,
а именно теоретическое обоснование данной теории.
ГЭР оперирует на основании модели ожидаемой доходности (expected
return model) или так называемой модели «справедливой игры» (“fair game”
model). Это уже говорит о том, что модель тесно связана со среднедисперсионным подходом (mean-variance, MV), которым в свою очередь
оперирует равновесная модель ценообразования активов CAPM (Capital
Asset Pricing Model). Действительно, ГЭР и модель CAPM тесно связаны
между собой, как теоретически, так и исторически, что в частности,
породило проблему совместной гипотезы (joint hypothesis, Fama, 1991),
которая заключается в том, что невозможно протестировать гипотезу
эффективного рынка раздельно без равновесной модели. Это значит, что
невозможно определить в моментах, где предположительно модель ГЭР
дает сбой, что́ на самом деле является несостоятельным – сама модель
ГЭР или же равновесная модель, например, CAPM, на которой основана
гипотеза.
В
рамках
гипотезы
эффективного
рынка
модель
ожидаемой
доходности сужается до случая мартингальной (martingal) модели
«справедливой игры», которая дальше сужается до частного случая – модели
случайного блуждания (random walk).
Допустим,
существует
случайная
переменная
𝑋𝑡 ,
обладающая
свойством:
𝐸(𝑋𝑡+1 |Ω𝑡 ) = 𝑋𝑡 ,
(1.1)
10
где Ω𝑡 является информационным множеством, на основе которого
формируется 𝐸(𝑋𝑡+1 |Ω𝑡 ) –условное математическое ожидание.
В данном случае 𝑋𝑡 является мартингалом, так как наилучшим
прогнозом всех последующих значений 𝑋𝑡+1 при заданном 𝑋𝑡 будет текущее
значение 𝑋𝑡 . При этом никакая информация из множества Ω𝑡 не сможет
«улучшить» прогноз, если 𝑋𝑡 известно. «Улучшить» - значит сделать так
чтобы 𝐸(𝑋𝑡+1 |Ω𝑡 ) > 𝑋𝑡 .
Таким образом, процесс 𝑦𝑡 будет являться справедливой игрой, если
𝐸(𝑦𝑡+1 |Ω𝑡 ) = 0.
(1.2)
Другими словами, свойство справедливой игры заключается в том, что
при заданном Ω𝑡 ожидаемый доход равен нулю. Очевидно, что
𝑦𝑡 = 𝑋𝑡+1 − 𝑋𝑡 есть справедливая игра, при условии что 𝑋𝑡 – мартингал.
Определение гипотезы эффективного рынка Ю. Фамы гласит, что ГЭР
описывает свойства справедливой игры для доходности ценных бумаг:
𝑦𝑡+1 = 𝑅𝑡+1 − 𝐸(𝑅𝑡+1 |Ω𝑡 ),
(1.3)
где 𝑦𝑡+1 – это процесс справедливой игры, 𝑅𝑡+1 – это доходность
актива
в период t+1,
𝐸(𝑅𝑡+1 |Ω𝑡 ) – это ожидаемая равновесная доходность
актива в период t+1 при условии информационного множества Ω𝑡 . Таким
образом, свойство справедливой игры состоит в том, что в среднем,
аномальная доходность актива равна нулю.
Что касается модели случайного блуждания, то говорят, что
случайная переменная является случайным блужданием со смещением δ,
если
𝑋𝑡+1 = 𝑋𝑡 + 𝛿 + 𝜀𝑡+1 ,
(1.4)
11
где 𝜀𝑡+1
– случайные величины, распределенные независимо
и одинаково (identically and independently distributed) такие, что:
𝐸𝑡 𝜀𝑡+1 = 0;
𝑉𝑎𝑟𝑡 𝜀𝑡+1 = 𝜎 2 ;
𝐶𝑜𝑣𝑡 𝜀𝑖 𝜀𝑗 = 0, 𝑖 ≠ 𝑗
(1.5)
Величина 𝑋𝑡 будет считаться мартингалом, если 𝛿=0. Тем самым
𝜀𝑡+1 = 𝛥𝑋𝑡+1 = 𝑋𝑡+1 − 𝑋𝑡 является процессом справедливой игры.
Так как 𝜀𝑡 – это независимые случайные величины, то функция
плотности совместного распределения 𝑓(𝜀𝑖 , 𝜀𝑗 ) = 𝑓(𝜀𝑖 )𝑓(𝜀𝑗 ), 𝑖 ≠ 𝑗. Это
исключает любою предсказуемость, будь она линейной или нелинейной.
Ввиду
предпосылок
об
одинаковом
распределении
и независимости остатков во времени модель «чистого» случайного
блуждания считается строгой, и при тестировании в подавляющем
большинстве случаев будет отвергаться. В книге Кэмпбелла, Ло
и МакКинли (Campbell, Lo, and MacKinlay, 1997) такая модель была
обозначена RW1 («Random Walk 1»), а также приведены две другие более
слабые мартингальные формы данной модели. В модели RW2 («Random
Walk
2»)
допускается,
чтобы
остатки
могли
быть
неодинаково
распределенными случайными величинами, но при этом как и в RW1
линейно или нелинейно независимыми (independet but not identically
distributed). Другими словами, модель учитывает, что финансовые
временные ряды являются нестационарными во времени. В последней
модели RW3 («Random Walk 3»), самой слабой форме случайного
блуждания, допускается остаткам быть зависимыми нелинейно.
Взаимосвязь между ценами активов и случайным блужданием
заключается в том, что если анализировать логарифмы цен, а не сами цены,
то возможно установить, что они следуют модели случайного блуждания:
ln𝑃𝑡+1 = ln𝑃𝑡 + 𝛿𝑡 + 𝜀𝑡 ,
(1.6)
12
где ln𝑃𝑡+1 , ln𝑃𝑡 – это натуральные логарифмы цен в моменты времени t
и t+1 соответственно, 𝛿𝑡 – это параметр смещения, 𝜀𝑡 – это случайная
ошибка, свойства которой непосредственно зависят от выбранной формы
модели случайного блуждания.
Наконец, необходимо обратить внимание на определенные допущения
в модели Ю. Фамы, которые дают возможность существования равновесия
в системе (Архипов, 2007). Во-первых, инвесторы рациональны. Это значит,
что все инвесторы знают истинную равновесную модель ценообразования
и производят оценку инвестиционных портфелей (набора финансовых
активов),
основываясь
на
ожидаемых
доходностях
активов
и их стандартных отклонениях. Во-вторых, если у инвестора существует
выбор между двумя портфелями, то он выберет портфель с наибольшей
ожидаемой доходностью, то есть инвесторы не пресыщаемы. В-третьих,
инвесторы выбирают наименее рисковые портфели с наименьшим
стандартным отклонением. В-четвертых, ожидаемые характеристики
равновесной
модели
ценообразования
(ожидаемая
доходность,
среднеквадратическое отклонение, ковариация доходностей ценных бумаг)
оцениваются инвесторами одинаково, что указывает на то, что у инвесторов
однородные ожидания (homogeneous expectations).
Касательно совершенного рынка, выполняется следующий ряд
предпосылок: активы являются бесконечно делимыми; существует единая
для всех безрисковая ставка процента; отсутствуют операционные издержки
и налоги; вся информация на рынке доступна инвесторам в свободном
режиме без замедлений; рынок является абсолютно ликвидным; операции
одного инвестора не определяют состояние рынка.
Таким образом, в рамках данного определения гипотезы эффективного
рынка, которое также называют «идеальным» определением ГЭР, можно
выделить
следующие
отличительные
свойства
ценообразования:
ценообразование является равновесным без каких-либо арбитражных
13
возможностей, то есть в каждый момент времени цена на бирже равна цене
равновесной; ожидаемая доходность и премия за риск постоянны;
ожидаемые доходности рыночных активов невозможно предсказать;
инвесторы не могут обыграть рынок, систематически получая прибыль
большую, чем среднерыночную; цены подчиняются модели случайного
блуждания.
Реалистичные
формулировки
гипотезы
эффективного
рынка. Формулировка ГЭР Юджина Фамы многими исследователями
воспринимается как несоответствующая действительности на реальных
финансовых рынках. Главной причиной такого несогласия является,
естественно, предпосылка отсутствия транзакционных издержек и издержек
получения информации, в то время как на практике они имеют место быть.
В дальнейшем Фама соглашается с данной позицией, признавая
собственную теорию идеализированной, при этом указывая, что «крайняя»
гипотеза послужит ориентиром, относительно которого будет замеряться
эффективность более «слабых» формулировок (Fama, 1991). Если быть
более конкретными, то он обращался к новой формулировке ГЭР Дженсена
(Jensen, 1978), которая является более реалистичной.
Определение Дженсена гласит: «Рынок является эффективным
в отношении информационного множества Ω𝑡 , если невозможно регулярно
получать
экономическую
прибыль,
действуя
на
основе
Ω𝑡 .
Под экономической прибылью мы понимаем скорректированную на риск
норму доходности за вычетом всех издержек» [5, с.7].
Касательно
новых
допущений
относительно
рациональных
инвесторов, то теперь они являются гетерогенными с неоднородными
ожиданиями. У каждого из них различные затраты на сбор и обработку
информации, а также комиссионные издержки. На рынке теперь
присутствует асимметричность информации, выражающаяся в том, что
некоторые инвесторы информированы, а другие – нет. В рамках модели
14
присутствуют различные модели ценообразования с различными сроками
инвестирования, а также существуют нерациональные поведенческие
свойства. Также теперь в модели присутствуют налоги, ликвидность рынка
ограничена, активы неделимы, нет единой безрисковой ставки процента.
Формулировка Дженсена допускает возможность предсказуемости
доходности цен и переменные во времени доходности и премии за риск,
однако, несмотря на это инвесторы не могут на регулярной основе получать
экономическую прибыль.
Другая, уточненная формулировка ГЭР Грэнджера и Тиммермана
(Granger, Timmermann, 2004) имеет трейдинговый характер: «Рынок
эффективен относительно информационного набора Ω𝑡 , технологий поиска
𝑆𝑡 , и предсказывающих моделей 𝑀𝑡 , если невозможно получить
экономическую прибыль, торгуя на основе сигналов, произведенных
от моделей прогнозов в 𝑀𝑡 , определенных в информационном наборе Ω𝑡
и отобранных с использованием технологий поиска 𝑆𝑡 » [5, с.7]. Главное
отличие данной гипотезы от гипотезы Дженсена заключается в том, что
фокус тестирования смещается с прогноза доходностей рыночных цен
к важности получения экономической прибыли.
Формы эффективности рынка. Концепция формы эффективности
финансового рынка обрела форму в контексте гипотезы эффективного
рынка Ю. Фамы (Fama, 1970). Ее особенность заключается в том, что она
сформировалась посредством сортировки эмпирических исследований
согласно тому подразделу информации, который участвовал в тестировании
гипотезы эффективного рынка. А именно, в тестах слабой формы (weak form
tests) интерес проявляется к истории прошлых цен или доходностей активов,
в тестах полусильной формы (semi-strong tests) обращается внимание
на скорость реакции цен на публикацию общественной информации, в
тестах сильной формы (strong form tests) концентрируется внимание на то,
15
существует ли уникальный доступ инвесторов к частной информации,
влияющей на формирование цен.
Таким образом, слабая форма эффективности рынка подразумевает,
что вся информация, которая содержалась в прошлых ценах активов,
отражена
в
полностью
систематическом
в
текущих
получении
ценах,
тем
сверхнормальных
самым
бесполезна
доходов.
Данная
информация содержит в себе все, что касается торговли активами: историю
котировок, объемов торгов, цен сделок. Логично предположить, что
в
рынках
слабой
формы
эффективности
окажется
бесполезным
в систематическом получении сверхдоходности технический анализ,
опирающийся на рыночную историю.
Полусильную форму эффективности рынка также принято называть
средней формой. Она в свою очередь подразумевает, что в текущих
рыночных ценах находят отражение не только изменение цен в прошлом,
но и вся остальная общедоступная информация, которая также не может
быть использована в получении сверхдоходности в течение длительного
периода времени.
Сильная форма эффективности рынка предполагает, что в ценах
отражены не только рыночная история и общественная информация, но и
частная информация, недоступная обществу. Именно такой рынок является
эффективным с точки зрения формулировки Ю. Фамы, он не позволяет
получать сверхдоходности в принципе, принятия инвестиционных решений
в нем бессмысленны даже на основе закрытой инсайдерской информации.
Исходя из формулировок, можно прийти к выводу, что средняя
рыночная эффективность включает в себя слабую форму, в то время как
сильная включает как слабую, так и среднюю. Также можно вывести
приблизительную
классификацию
информации,
поступающей
на
16
финансовый рынок, в соответствии с формами эффективности, которая
приведена в табл. 1.
Таблица 1
Публичная информация
Газетные, теле-, радиосообщения о деятельности
предприятий
Данные финансовой отчетности предприятий
Информация о совершенных и планируемых сделках
Сообщения об изменениях основных
макроэкономических показателей
Политическая, криминальная хроника, расследования
и т.п.
Рекламные и PR-кампании
Прогнозы экспертов
Другая общедоступная информация
Частная
информация
Вся доступная информация
Рыночные котировки за прошлые периоды
Конфиденциальная информация о состоянии дел и
планах предприятия, коммерческие тайны
Сведения о поступках, намерениях, здоровье и т. д.
топ-менеджеров и крупных инвесторов
Другая частная информация
Интересно отметить, что в последующей своей работе (Fama,
1991) Ю. Фама изменил классификацию форм, где тесты слабой формы
были сменены тестами предсказуемости доходности (tests for return
predictability). Причиной такому поступку послужило ослабление его
«идеальной» формулировки до более прикладной формулировки Дженсена.
Это можно интерпретировать как то, что предложенная Юджином Фамой
модель, в рамках которой существует разделение эффективности рынка на
17
три формы, недостаточно полно объясняет реальность финансовых рынков
и была дважды модифицирована другими исследователями.
Значит ли это, что тема данного исследования теряет значимость и нет
смысла даже начинать исследование по этой теме?
В действительности все не так безнадежно и бессмысленно,
как кажется на первый взгляд. Одновременно с развитием теоретической
составляющей гипотезы формируются новые эмпирические тесты на формы
эффективности рынка и развиваются уже существующие. Более того, такие
изменения в гипотезе являются признаком того, насколько гибкой оказалась
концепция ГЭР по отношению к постоянной критике, изменяясь
исторически. Включение тестов предсказуемой доходности в группу тестов
слабой
формы
позволило
расширить
эмпирические
возможности
и пользоваться не только классическим среднедисперсионным подходом,
но
и
подходом
ценообразования
на
основе
стохастического
дисконтирующего фактора, имеющего отношение к формулировке ГЭР
Дженсена, или же подхода, основанного на трейдинговых механизмах
формулировки ГЭР Грэнджера и Тиммермана (Архипов, 2007).
Так или иначе, концепция тестирований формы эффективности
финансовых рынков обрела огромную популярность и практическую
значимость. Одной из причин такой практической пользы послужило
сравнение форм эффективности финансовых рынков развивающихся
и развитых стран. Такая реакция естественна и объясняется тем, что рынки
развитых
стран,
особенно
США
и
стран
Европы,
подвергались
исследованиям первыми, существует изобилие как данных по ним, так
и эмпирических исследований в рамках ГЭР. Логично предположить, что
после того, как развитые рынки были досконально изучены, больше
внимания стало уделяться остальным мировым рынкам, и невольно
результаты тестов по развитым странам будут браться как эталонные
и желаемые, в то время как следствием таких исследований оказывается
18
стремление развивающихся стран достичь эффективности рынков акций
развитых экономик.
Стремительный
экономический
рост
развивающихся
стран
на сегодняшний день дает сигнал как иностранным, так и национальным
инвесторам о том, что существует возможная выгода в инвестировании в
данные рынки. Однако, перед тем как вступать в новую игру между
экономическими агентами, необходимо знать правила данной игры. В
зависимости от правил, а также условий игры формируются различные
стратегии поведения. В выборе стратегии поведения инвестора в
развивающемся «свежем» рынке значительную помощь оказывает именно
тестирование гипотезы эффективности рынка. На эффективных рынках
инвестор формирует свой инвест-портфель, обращая внимание на риски и
характеристики доходности актива, используя пассивную стратегию. Если
же
рынок
неэффективен,
то стратегия инвестора примет активную форму и будет заключаться
в поиске недооцененных или переоцененных активов в целях увеличения
эффективности собственного портфеля.
Наиболее популярными методами прогнозирования цен на рынках
акций, которыми пользуются на практике, являются технический анализ
и фундаментальный анализ. Технический анализ оперирует прошлыми
ценами актива, в то время как в фундаментальном анализе используются
элементы публичной информации, касающейся той или иной компании.
В зависимости от того, является ли рынок эффективным в слабой форме или
нет, инвестор будет отдавать приоритет в стратегии либо техническому
анализу (в случае неэффективности рынка), либо фундаментальному
анализу и анализу риска/доходности портфеля (в случае слабой
эффективности рынка).
Тем самым, значительное внимание в современных исследованиях
формы эффективности развивающихся рынков уделено тестированию
19
слабой формы эффективности рынков. Согласно теории, рынок имеет
слабую эффективность если выполняется гипотеза случайных блужданий
цен активов. Интерес исследования заключается в том, что для тестирования
данной
гипотезы
в
работах
используются
различные
методы
и инструменты. Причем, некоторые указывают на слабую эффективность
рынка, в то время как другие отмечают обратное. Чтобы разобраться в
разнообразии методик, а также их свойствах и классификации, принято
решение провести обзор литературы по тестированию эффективности
рынка в развивающихся и развитых странах в разделе 1.2 настоящей главы,
а также организовать отдельный раздел 1.3, посвященный исследованиям,
направленным на российский рынок.
1.2. Тестирование эффективности рынков развитых и
развивающихся стран
Количество исследований, посвященных тестированию слабой формы
эффективности, значительно превышают исследования двух других форм
эффективности, особенно в так называемых развивающихся странах.
Одновременно
анализ
слабой
формы
эффективности
рынков
развивающихся стран значительно уступают по количеству исследованиям
развитых стран, однако ежегодно их количество растет одновременно с их
долей в мировом ВВП. Исследования имеют как индивидуальный характер,
тестируя эффективность рынка одной страны, так и групповой характер, где
происходит сравнение стран, как правило развитых и развивающихся.
Так, различия между информационной эффективностью 20 развитых
и развивающихся стран с 1997 по 2007 изучал У. Риссо (Risso, 2007),
пользуясь данными основных страновых индексов и непараметрической
статистикой в качестве метода тестирования. С помощью величины,
20
определяющей степень неопределенности системы – энтропии Шэннона
(Shannon
entropy), он
составил рейтинг этих
стран по
степени
эффективности (чем выше уровень энтропии, тем выше эффективность
рынка). Очевидно, что такой метод полезен при сравнивании нескольких
рынков, в отличие от тестов, которые могут лишь опровергать или
не опровергать гипотезу об эффективности.
Результаты исследования
показали, что первые три позиции занимают рынки Тайваня, Японии
и Сингапура, в то время как последние заняли страны постсоветского
пространства, где Россия на 18 месте. Также результаты показали различие
между эффективностью стран западной Европы и восточной, что
подтверждает их различие в развитости.
Что касается европейских рынков, то различие в эффективности между
странами
западной
и
восточной
Европы
подтвердились
также
в исследованиях А. Уортингтона и Х. Хиггса (Wortington, Higgs, 2003а).
Ими были протестированы 20 стран, 16 из которых относились к развитым.
В результате исследования тесты на слабую эффективность прошли лишь
четыре развитые страны, более того в качестве исключения слабо
эффективной была признана развивающаяся страна Венгрия. В качестве
тестов были использованы не только непараметрическая статистика,
а именно тест серий (runs test), но и элементы параметрической статистики:
расчет коэффициентов сериальной корреляции (serial correlation coefficient
test) для проверки рядов на автокорреляцию и тест многовекторной
дисперсии (multiple variance ratio test) для проверки на наличие
гетероскедастичности, которая подразумевает неоднородность наблюдений
(непостоянную дисперсию случайных ошибок модели); группа тестов
на единичный корень (unit root tests) для проверки временных рядов
на стационарность, где постоянны среднее значение и дисперсия.
Преимущество непараметрического теста серий заключается в том, что
неважно
как
распределены
наблюдения,
им необязательно
иметь
21
нормальное
и
распределение.
гетероскедастичность
Тесты
считаются
на
наиболее
автокорреляцию
распространенными
и классическими статистическими тестами: если они выполняются,
то рынок слабо эффективен. В качестве альтернативы классическим тестам
служат тесты на единичный корень. В данном случае в группу тестов входят
расширенный тест Дики-Фуллера (Augmented Dickey Fuller (ADF) test), тест
Филлипcа-Перрона (Phillips-Peron (PP) test) и KPSS тест (Kwiatkowski,
Phillips, Schmidt and Shin test). Принято использовать данные тесты
совместно, чтобы получить достоверные результаты.
Уортингтон и Хиггс проводили исследование эффективности рынков
7 стран Латинской Америки (Wortington, Higgs, 2003b) на периоды
различной длительности, кончавшиеся 2003 годом. Набор тестов,
идентичный тому, который использовался при анализе европейских стран,
указал на неэффективность всех семи развивающихся рынков.
В индивидуальном исследовании эффективности рынка Литвы, одной
из стран восточной Европы, в период 2001-2004 гг. Г. Милиеска (Miliesca,
2004)
пользовался
не
только
методами
статистического
анализа,
но и элементами технического анализа, в частности правилами фильтрации
и взвешенного среднего (filter rule, moving average rule). В исследовании
также были использованы упомянутые ранее тест серий, и классические
тесты
на
автокорреляцию
и
гетероскедастичность.
В
качестве
дополнительного теста на слабую форму эффективности были проведены
тесты на нормальное распределение наблюдений (tests of the normal
distribution), которые являются относительно строгими. В конечном
результате эффективность рынка Литвы не подтвердилась. Однако, ввиду
того, что исследование проводилось по трем основным индексам рынка,
статистическими тестами была отмечена слабая эффективность одного
из трех сегментов рынка, содержащего в себе наиболее ликвидные активы.
В то же время технический анализ сгенерировал высокий уровень
22
доходности на данном сегменте рынка, что указывает на неэффективность
рынка и противоречит результатам статистического анализа.
Активно ведутся исследования и восточных рынков. В исследованиях
рынка Индии экономиста Ракеша Гупта (Gupta, Basu, 2007; Gupta, Yang,
2011; Gupta, 2014), а в частности фондовых индексов двух наикрупнейших
бирж страны Bombey Stock Exchange и National Stock Exchange, было
проведены тесты непараметрической статистики, тесты на единичный
корень, а также тест LOMAC (Lo, MakKinsay test), который отличается
от более популярного теста Дарбина-Уотсона (Darbin-Watson test)
проверкой корреляции высших порядков. Во всех данных исследованиях
развивающийся индийский рынок оказался неэффективным.
При тестировании рынка Малайзии на слабую эффективность (Har Wai
Mun, 2008) были задействованы ADF тест и динамическая модель
экспоненциальной
обобщенной
авторегрессионной
условной
гетероскедастичности EGARCH (Exponential Generalized AutoRegressive
Conditional Heteroscedasticity) из семейства GARCH моделей. Временной
ряд был построен из недельных значений индекса Kuala Lumpur Composite
Index в период с 2004 по 2007 годы, и оба теста показали, что данный рынок
эффективен в слабой форме. Хочется отметить противоречие с результатом
Риссо, где Малайзия заняла 16-е место из 20 в рейтинге эффективности.
Такое
противоречие
результатов
можно
объяснить,
во-первых,
использованием различных методик тестирования, во-вторых различием
в выборе временных периодов. Исследование Риссо охватывало период
с 1997-2007, где период до 2004 был действительно неэффективным
для рынка Малайзии, и это значительно повлияло на статистику.
Динамическая модель GARCH была также использована в тестировании
эффективности рынка Кувейта (Hassan, AlSultan, Al-Saleem, 2003) в период
1995-2000. Результаты указали на то, что данный рынок неэффективен
в слабой форме. Аналогичный результат был получен при первом в истории
23
исследовании рынка Бангладеш (Mobarek, Keasey, 2004) за период с 1994
по 2000 годы.
Результаты изученных исследований по теме тестирования слабой
формы эффективности рынка акций служат примером того, что, как
правило, развивающиеся рынки не являются эффективными в слабой
форме.
Российская
Федерация
также
считается
развивающейся
постсоветской страной, что логически подталкивает данное исследование к
обзору тестов на эффективность российского рынка акций.
Исследования средней формы эффективности среди развивающихся
стран не многочисленны, главным образом по причине того, что отвергается
гипотеза о слабой эффективности рынков (Salman, 2002). Результаты
данных тестов по большей части отвергают среднюю форму эффективности
рынка. Что касается методов тестирования, то основным и самым
популярным считается событийный анализ (event study). В контексте
данного анализа рассматривается и оценивается влияние значимых
событий, например, сделок слияний и поглощений или публикации
ежегодной финансовой отчетности, на цены акций соответствующих
компаний. Оценивается значимость как их изменения, так и скорости их
реакции. Сильную форму эффективности о наличии инсайдеров и
инсайдерской информации подтвердить крайне сложно, если невозможно в
принципе.
1.3. Тестирование эффективности
российского рынка акций
Российский рынок ценных бумаг начал формироваться с 1992 года
вместе с появлением АОЗТ «Московская межбанковская валютная биржа»
(ММВБ). Такое стечение обстоятельств объясняет тот факт, что
эмпирические исследования на тему эффективности рынка акций стали
осуществляться лишь ближе к концу 90-х годов. Стоить отметить работы
24
российских ученых, выполненные до 2000 года: исследование связей между
неколичественными признаками рынка О. Буклемишева и М. Малютиной
привело к выводу о соответствии российского рынка слабой форме
эффективности
(Буклемишев,
Малютина,
1998);
В.
Наливайский,
Е. Алифанова и Х. Алексакис установили c применением технического
анализа возможность получения арбитражной прибыли на российском
рынке, что дает результат, противоположный результату предыдущих
исследователей
–
российский
рынок
неэффективен
(Наливайский,
Алифанова, Алексакис, 1998); в работе С. Салтыкова (Салтыков, 1998)
также была обнаружена неэффективность отечественного рынка.
Наряду
с
отечественными
специалистами
начинали
изучать
российский рынок и иностранные исследователи С. Холл и Г. Югра (Hall,
Ugra,
2002).
Тестирование
проводилось
над
фондовым
индексом
Российской Торговой Системы (РТС) в период с 1995 года по 2000 год
на основе динамической модели обобщенной авторегрессионной условной
гетероскедастичности в среднем GARCH-M (Generalized AutoRegressive
Conditional
Heteroscedasticity
in
Мean).
Результаты
показали
неэффективность рынка на изучаемом периоде, однако исследователи
отметили склонность рынка к эффективности в последние два с половиной
года данного отрезка времени.
Попытка проведения теста предсказуемости доходности, основанного
на трейдинговых стратегиях (Герко, 2003), на индексе РТС с 1995 года
по 2003 подтвердила слабую эффективность рынка, где «гипотеза
постоянства
ожидаемых
доходностей»
была
отвергнута
[9,
с.17].
Интересное исследование, затрагивающее тему паевых инвестиционных
фондов, провел А. Абрамов (Абрамов, 2003). Он анализировал доходности
более 50 ПИФов в сравнении доходностей биржевых индексных фондов,
состав которых полностью основан на структуре индекса РТС, а также
индекса ММВБ. Результаты показали, что за 5 лет 72% ПИФов получили
25
меньшую доходность, чем индекс ММВБ, в то время как 92% ПИФов имели
доходность меньше доходности индекса РТС. Такой результат является
лишь косвенным показателем наличия эффективности российского рынка,
ввиду того, что в исследовании не было проверки формальной гипотезы
слабой эффективности рынка на наличие случайного блуждания в ценах.
Исследование указывает на тот факт, что «рынок не обыграть»,
но не отвечает на вопрос, почему его «не обыграть».
Другой интересный подход был применен Б. Алёхиным (Алехин, 2004),
где
слабая
эффективность
рынка
тестировалась
в
контексте
микроструктурных временных рядов. В качестве наблюдений послужили
цены сделок на обыкновенные акции РАО «ЕЭС России» на протяжении
одного
торгового
дня
24
февраля
2004
года.
Регрессионный
и автокорреляционный анализ показали, что в течение одного дня цены
изменялись согласно правилу случайного блуждания.
В том же году была предпринята попытка протестировать слабую
эффективность
российского
рынка
В.Наливайским
и
И.Иванченко
(Наливайский, Иванченко, 2004). В качестве непараметрической статистики
был применен метод Ирвина, который применяется с целью нахождения
аномальных временных рядов экономических показателей. Существование
таких аномальных временных рядов индекса РТС свидетельствует о резком
нарушении закона спроса и предложения на акции или же о воздействии на
законы фондового рынка внешних показателей, например, политических. В
работе были рассмотрены два периода динамики индекса РТС: с 1995 по
1999, где тест указал на неэффективность рынка и наличие аномальных
временных рядов, и с 2000 по 2004, где не было обнаружено аномальных
рядов. В контексте исследования также были применены другие методы:
автокорреляционный
анализ
статистикой
Дарбина-Уотсона
(DW)
и регрессионный анализ, а также тест серий. Все примененные методы
анализа индекса РТС в период 2000-2004 указали на то, что российский
26
рынок эффективен, хотя бы в слабой форме. М. Лимитовский и С. Нуреев
исследовали
период
2000-2005
гг.
при
тестировании
гипотезы
эффективности на индексе РТС (Лимитовский, 2005), используя такие же
автокорреляционный тест DW вместе с тестом серий и регрессией.
Результаты совпали с результатами работы Наливайского и Иванченко.
«Трейдинговый» подход также был задействован в тестировании
слабой формы эффективности отечественного рынка С. Анатольевым
(Anatolyev, 2005) на протяжении времени с 1995 по 2005 годы. Применяя
тест излишней доходности (Excess Predictability (EP) test2) в качестве
ориентира для стратегии торга на индексах РТС и ММВБ, оказалось, что
до 2000 года российский рынок показывал неэффективность, позволяя
торговой стратегии исследователя получать прибыль.
Алифанова Е. продолжила традицию использования торговых
стратегий в исследовании эффективности рынка (Алифанова, 2008). Были
рассмотрены периоды 1995-2005 гг. для РТС и 1997-2004 для ММВБ.
В результате технического анализа было показано, что на протяжении
данного периода рынок в целом был неэффективен. Также были
прокомментированы результаты исследования Наливайского и Иванченко
2004 года, а также Лимитовского и Нуреева 2005 года. В частности, была
озвучена критика насчет выбора длительности изучаемого периода:
«Слабая форма эффективности российского рынка ценных бумаг,
выявлявшаяся рядом авторов [Наливайским и Лимитовским – примеч.
автора] … в период 2000—2003 гг., не является его устойчивой
характеристикой в средне- и долгосрочном периоде» [3, c. 66].
Также в данной работе была попытка объяснить противоречия
результатов
исследований
с
точки
зрения
институциональной
нестабильности российского рынка, а именно тем, что с 2000 года началось
2
Анатольев С. Тестирование на предсказуемость // Квантиль. – 2006. - №1. – С. 39—42.
27
переходное состояние российского рынка в эффективный в слабой форме
ввиду институциональных изменений (такое тоже отмечали в своих работах
Лимитовский и Нуреев). Однако, по мнению автора, именно из-за
неэффективности рынка до 2000 года российский рынок акций является
неэффективным и на данный момент, так как только на среднеи
долгосрочных
периодах
«концептуально
возможно
проверить
эффективность рынка» [3, c.67].
Параллельно с продолжениями традиций технического анализа
в том же 2008 году А. Ботвинник и Д. Козырев тестировали эффективность
российского рынка в период 1995-2007 гг. на индексе РТС, используя
статистический анализ (Ботвинник, Козырев, 2008), а именно тестовую
процедуру на изменяющуюся эффективность рынка ценных бумаг,
основанную на модели с зависящими от времени параметрами с эффектами
обобщенной авторегрессионной условно-гетероскедастичной в среднем
модели
GARCH-M.
Данная
динамическая
модель
позволила
исследователям рассмотреть то институциональное изменение российского
рынка, о котором писала Алифанова. Было показано, что с 1998 года по 2001
происходило изменение рынка акций с неэффективного до эффективного
в слабой форме.
В последствии стали появляться попытки агрегирования результатов
исследований российских ученых по данной теме, а также дублирование
предложенных ими методик в тестах на слабую эффективность на более
поздние периоды (Казенных, 2008; Некрасова, 2010; Атаманчукова, 2012).
Нестандартный подход к изучению эффективности российского рынка
акций показало исследование А. Тетеревой под научным руководством
Т. Тепловой (Тетерева, 2009). Нестандартность заключалась не в выборе
«нестандартных» тестов на эффективность слабой формы, а в тестировании
не только рынка целиком, но и его сегментов, чего не было рассмотрено
в более ранних работах отечественных исследователей.
28
Главная идея исследования заключалась в разделении рынка по
какому-либо
принципу.
Гомогенность
(однородность)
рынка
в тестировании его эффективности ставилась под вопрос некоторыми
исследователями,
в
частности
оспаривалось
допущение
модели
эффективного рынка о том, что у инвесторов гомогенные ожидания
(Dacorogna, 2001). Легко заметить, что этот принцип был в дальнейшем
внедрен в новую формулировку ГЭР Дженсена (Jensen, 1978). Тетерева
решила воспользоваться идеей И. Бельчева (Belchev, 2004) о том, что рынок
информационно эффективен тогда и только тогда, если эффективны все
сегменты данного рынка. Такой подход даст возможность более глубоко
и
точно
исследовать
эффективность
отечественного
рынка,
чем стандартные процедуры. Исследование было поделено на две части,
где сначала тестировалась эффективность рынка в целом, а именно индекс
РТС на периоде 2000-2009, а далее тестировались отраслевые индексы РТС
на слабую эффективность на таком же периоде в целях проверки гипотезы
сегментированной эффективности. Для тестирования были использованы
тесты ADF, Бройша-Годфри (Breusch-Godfrey serial correlation LM-test),
регрессионный анализ. Результаты показали, что несмотря на тот факт, что
в целом рынок оказался эффективным, некоторые отрасли рынка акций,
представленными отраслевыми индексами, показали информационную
неэффективность.
Критика использования только параметрических статистических
тестов в исследованиях российских ученых была проявлена в работе
Л. Каваленя (Каваленя, 2010):
«В общем случае указанные выше тесты доказывают … лишь
отсутствие линейных зависимостей во временном ряде доходности
индекса. Наличие нелинейных связей эти тесты не улавливают»
[11, c. 18].
29
Для более точной проверки рынка на слабую эффективность были
предложены непараметрические тесты, а также статистический R/S-анализ
и оценка параметра Харста. При исследовании в контексте R/S-анализа
индекса ММВБ с 2000 по 2010 годы, гипотеза о слабой эффективности
рынка была отвергнута. В заключении автор отметил, что гипотеза была
отвергнута не по причине неэффективного рынка, но ввиду того, что сама
концепция эффективности несостоятельна и «теории рациональных
ожиданий и ее «младшей сестре», гипотезе эффективного рынка, следует
искать замену» [11, c. 24].
В одном из наиболее поздних исследований российского рынка
(Дарушин, 2014) была выполнена попытка выбрать наиболее оптимальный
статистический метод исследования слабой эффективности из ранее
использованных. В результате, после проведения тестов на нормальность
распределения, где гипотеза о нормальности распределения была
отвергнута, авторы пришли к выводу о «необходимости использования
непараметрических методов для проверки гипотезы случайного блуждания
цен» [10. С. 21]. Тест серий не показал автокорреляции, в результате чего
авторы пришли к выводу о слабой эффективности рынка.
Немногочисленные случаи исследования средней эффективности
российского рынка также имели место быть. Например, гипотеза о средней
эффективности методом событийного анализа тестировалась Окуловым
(Окулов, 2010). В исследовании рассматривалось влияние прогнозов
аналитиков на цены акций соответствующих компаний. Гипотеза о средней
эффективности данного исследования была отвергнута.
Прецедентов
исследования
сильной
формы
эффективности
российского рынка не отмечалось, хотя бы по той причине, что само
понятие инсайдерской информации было принято на юридическом уровне
только
в
2010
году
вместе
с
принятием
Федерального
закона
30
«О
противодействии
неправоверному
использованию
инсайдерской
информации и манипулированию рынком …»3.
Подводя своеобразный итог обзора эмпирических исследований
слабой эффективности российского рынка, можно и необходимо выделить
характерные моменты.
Во-первых, исходя из изученной литературы, в истории российского
рынка происходили институциональные изменения, которые согласно
некоторым исследованиям повлияли на изменение эффективности рынка
акций. До 2000-2001 годов рынок акций в большинстве случаев оказывался
неэффективным, что объясняет его становление. Именно с начала 2000-х
впервые с начала экономических реформ показатели российской экономики
(в частности ВВП, внешний долг, инфляция) стали изменяться в лучшую
сторону, что послужило росту привлекательности для инвесторов. Также в
большинстве статистических исследований было отмечено, что рынок с
2000 года является эффективным в слабой форме.
Во-вторых, тестированию подвергались в подавляющем большинстве
случаев данные индекса РТС. Такой выбор может быть объяснён тем, что
цены акций, входящие в индекс РТС, в отличие от цен в ММВБ, выражены
в USD, что импонирует иностранным инвесторам. Также индекс РТС
существует дольше, чем ММВБ. Так или иначе, принципиальных отличий в
расчетах двух индексов нет.
В-третьих, все эмпирические исследования ссылаются на концепцию
эффективности рынка Ю. Фамы 1970-го года для теоретического
обоснования. Это с одной стороны логично, так как именно в данной работе
были сформированы определения форм эффективности рынка акций.
С другой стороны, это – упущение, так как данная оригинальная концепция
основывает гипотезу слабой эффективности на модели случайных
3
http://www.consultant.ru/document/cons_doc_LAW_166310/
31
блужданий RW1 (см. раздел 1.1). В то время как используемые тесты
на слабую эффективность обращаются к разным RW2 и RW3, которые
также доказывают слабую эффективность рынка. Это порождает различия
в результатах тестирования слабой формы, где в одном исследовании рынок
оказался эффективным посредством использования теста данных на модель
RW3, а в другом рынок оказывается неэффективным в слабой форме , так
как статистический критерий требует более строгих критериев RW1 и RW2.
Например,
в работе Дарушина
(Дарушин, 2014) в
качестве
инструментов на проверку слабой формы эффективности рынка были
использованы тесты на нормальное распределение наблюдений. Такая
гипотеза с большой вероятностью опровергается на любом реальном рынке
ввиду своей экстремальной строгости и не имеет экономического смысла.
Модель «чистого» случайного блуждания RW1 на самом деле требует
линейную и нелинейную независимость, а также одинаковое распределение
случайных остатков (стационарность временных рядов) и также считается
cтрогой. Модель DW2 допускает отсутствие стационарности временных
рядов, в отличие от DW1, но также, как и DW1 требует отсутствие линейной
и нелинейной зависимостей. DW3, наконец, допускает лишь отсутствие
линейной зависимости.
В-четвертых, заметно расхождение мнений в выборе длительности
периодов исследования. В то время как некоторые тестирует гипотезу
слабой эффективности на периоде одного торгового дня, другие считают,
что данная гипотеза является несостоятельной на периоде в 4 года из-за его
краткости. Также непонятно мнение некоторых исследователей, а именно в
работе Лимитовского (Лимитовский, 2005), что слабая эффективность
рынка характерна для развивающихся стран, в то время как в разделе 1.2
данной
главы
были
отмечены
в
зарубежных
исследованиях
противоположные суждения.
32
Наконец, отчетливо заметно использование технического анализа в
исследованиях, где зачастую поддерживается мнение о неэффективности
рынка, а именно получения сверхрыночной доходности на российском
рынке.
33
Глава 2. Анализ формы эффективности
российского рынка акций
2.1 Методология
Цель данного исследования состоит в том, чтобы определить форму
эффективности российского рынка акций. Таким образом, согласно
классификации форм эффективности (Fama, 1970), структуру исследования
можно разделить на три этапа, задачей каждого из которых состоит
тестирование гипотез о соответствующей форме эффективности:
1 этап: тестирование слабой формы эффективности рынка;
2 этап: тестирование средней эффективности рынка;
3 этап: тестирование сильной эффективности рынка.
Особенность определения формы эффективности рынка заключается в
том, что тестирование необходимо начинать с первого этапа. Если на
первом
этапе
гипотеза
о
слабой
эффективности
отвергается,
то
необходимость в тестировании двух остальных форм отпадает.
Ввиду того, что особый интерес данного исследования вызвало
тестирование гипотезы сегментированной эффективности А. Тетеревой
(Тетерева, 2009), то было решено в первом этапе проверять две группы
тестов слабой формы эффективности.
Первая группа тестов направлена на проверку эффективности
российского рынка в целом. В качестве данных служат ежедневные
34
значения одного из основных индексов Московской Биржи – индекс РТС
(RTSI).
Вторая
группа
связана
с
определением
сегментированной
эффективности Бечева, которое гласит, что если рынок состоит
из k сегментов, то он может считаться эффективным в слабой форме, если
каждый из k сегментов рынка является эффективным (Bechev, 2004). Здесь
в качестве данных используются ежедневные значения следующих девяти
отраслевых индексов РТС сегментов российского рынка: нефти и газа
(RTSog), электроэнергетики (RTSeu), телекоммуникаций (RTStl), металлов
и добычи (RTSmm), машиностроения (RTSin), банков и финансов (RTSfn),
потребительских товаров и торговли (RTScr), химического производства
(RTSch), транспорта (RTStn). Отраслевые индексы представляют из себя
«ценовые взвешенные по рыночной капитализации индексы наиболее
ликвидных акций российских эмитентов, экономическая деятельность
которых относится к соответствующим секторам экономики, допущенных
к обращению в ЗАО "Фондовая биржа ММВБ" и включенных в базу расчета
индекса Широкого рынка»4. Таким образом, для каждого индекса будет
проводиться тестирование на слабую эффективность. Идея состоит в том,
что российский рынок акций признается эффективным в слабой форме, если
все сегменты рынка оказываются эффективными в слабой форме.
Перед
тем,
как
описывать
инструменты
анализа
в
данном
исследовании, важно определиться с периодом времени, на котором будет
тестироваться гипотеза о слабой эффективности. Как уже было упомянуто
ранее, в практике тестирования слабой формы эффективности рынков нет
принципиального критерия выбора длительности периода. Исследователи,
в зависимости от собственных целей, тестировали эффективность на
различных по длительности промежутках времени, вплоть до длительности
равной одному дню (Алёхин, 2004). В контексте опыта российских
4
Московская биржа [Офиц. сайт]. URL: http://moex.com/ru/index/RTStn/ (дата обращения: 16.05.2015).
35
исследований, было решено исследовать период с 11.01.2009 г. по
14.05.2015 г. Такое решение связано с тем, что, во-первых, А. Тетеревой
была уже протестирована гипотеза сегментированной эффективности с
2000 по 2009 годы, а, во-вторых, время с 2009 по 2015 можно концептуально
охарактеризовать как «кризисный период российской экономики». Вопервых, в начале данного периода происходит влияние всемирного кризиса
на российский рынок акций, во-вторых, в конце периода обозначен
очередной «кризис» экономики страны. Более того, чтобы разделить
возможные эффекты друг от друга, было решено проверить эффективность
рынка на двух дополнительных отрезках времени: 11.01.2009—30.12.2011 и
11.01.2012—14.05.2015. Таким образом, появляется возможность сравнить
результаты эффективности российского рынка акций между двумя
отрезками времени, а также с результатами исследования Тетеревой.
В качестве инструмента анализа эффективности рынка был выбран
статистический анализ, так как определение слабой эффективности требует,
чтобы цены, а в частности значения индекса РТС, следовали процессу
случайного блуждания, и именно статистический анализ способен этот
процесс протестировать. Для того, чтобы было возможно сравнить
полученные результаты, с результатами исследования А. Тетеревой, было
решено использовать аналогичные параметрические тесты: ADF тест на
наличие стационарности данных и тест Бройша-Годфри на наличие
автокорреляции.
Совокупность
этих
тестов
проверяет
гипотезу о
соответствии данных модели RW1 из классификации Кэмпбелла, Ло и
МакКинли (Campbell, Lo, and MacKinlay, 1997), которая является очень
строгой моделью случайного блуждания оригинальной концепции слабой
формы эффективности, описанной Ю. Фамой (Fama, 1970), и с большой
вероятностью отвергается. Действительно, в работе Тетеревой она была
отвергнута, ввиду того, что ADF тест указал на отсутствие стационарности
временных рядов, поэтому, чтобы пользоваться следующим тестом Бройша36
Годфри, данные приводили в стационарную форму. К сожалению, второй
тест может подтвердить лишь отсутствие линейной зависимости, что
соответствует наиболее слабой модели RW3. Поэтому, в настоящем
исследовании было принято решение использовать не только указанные
параметрические тесты, но и непараметрический тест серий (runs test),
который учитывает и нелинейную зависимость. Его использование
позволит протестировать соответствие более строгой модели RW2,
требующей как линейную, так и нелинейную независимости остатков, что
позволит получить более точный результат.
Тест серий замечателен тем, что, в отличие от автокорреляционного
анализа, не требует определенных распределений остатков или других
условий
для
успешного
его
проведения.
Серией
(run)
является
последовательность изменений цены акции в одинаковом направлении.
Например, «+ – – – + 0 + +» показывает, что цена изменилась 8 раз, при этом
количество серий равно 5. В данном случае «+» - это увеличении цены
акции, «–» - это уменьшение цены, «0» - цена акции не менялась.
Интерпретация результатов теста серий заключается в том, что если
количество серий слишком мало или слишком велико по отношению
к ожидаемому, то случайный процесс наблюдаемых данных отсутствует,
т. е. существует наличие автокорреляции.
Если в ряде данных не наблюдается моментов, когда 𝑝𝑡−1 = 𝑝𝑡 , то есть,
когда нет знака «0», а есть только «+» и «–», то можно воспользоваться
тестом
серий
Вальда-Вольфовица.
Тогда
оценивается
статистика
и проверяется нулевая гипотеза:
𝑍=
𝑅−𝐸(𝑅)
√𝑉𝑎𝑟(𝑅)
̴ 𝑁(0; 1);
(2.1)
Н0: АС=0 (Автокорреляции нет);
37
где
𝐸(𝑅) =
2𝑛+ 𝑛−
𝑁
+ 1;
𝑉𝑎𝑟(𝑅) =
2𝑛+ 𝑛− (2𝑛+ 𝑛− −𝑁)
𝑁2 (𝑁−1)
;
N
–
количество
наблюдений; 𝑛− - количество случаев понижения цены; 𝑛+ - количество
случаев повышения цены, R – количество серий.
В случае, если появляются случаи с когда 𝑝𝑡−1 = 𝑝𝑡 , то:
𝐸(𝑅) =
𝑉𝑎𝑟(𝑅) =
𝑁(𝑁+1)−∑3𝑖=1 𝑛𝑖2
𝑁
+ 1;
∑3𝑖=1 𝑛𝑖2 (∑3𝑖=1 𝑛𝑖2 +𝑁(𝑁+1))−2𝑁 ∑3𝑖=1 𝑛𝑖2
𝑁2 (𝑁−1)
(2.2)
;
(2.3)
где 𝑛𝑖 - количество изменений соответствующего знака (+, –, 0).
Для большого числа наблюдений нулевая гипотеза не отвергается,
если полученное значение Z-критерия не выходит за пределы критических
значений ±1,96 для 5% уровня значимости.
ADF тест или, другими словами, расширенный тест Дики-Фуллера
является тестом на наличие единичного корня во временном ряду
авторегрессии более чем первого порядка, что является признаком
отсутствия стационарности рядов.
Для начала необходимо построить регрессионное уравнение порядка q:
𝑞
𝛥𝑝𝑡 = 𝛼0 + 𝛿𝑝𝑡−1 + 𝛼1 𝑡 + ∑𝑖=1 𝜑𝑖 𝛥𝑝𝑡−𝑖 + 𝜀𝑡 ,
(2.4)
где 𝑝𝑡 – значение цены на рынке в момент времени t, 𝛥𝑝𝑡 = 𝑝𝑡 − 𝑝𝑡−1 ,
𝛼0 – константа, q – порядок лага, t – тренд, 𝛼1 – расчетный коэффициент
тренда, 𝜀 – белый шум. Если константа 𝛿=0, то нулеваягипотеза H0 о
стационарности ряда отвергается.
В
большинстве
исследований
для
выявления
автокорреляции
прибегают к расчету статистики Дарбина-Уотсона. В данном исследовании,
38
в целях сопоставления результатов с исследованием А. Тетеревой, было
решено использовать статистику Бройша-Годфри:
𝐵𝐺 = (𝑛 − 𝑝)𝑅2 ̴ 𝜒𝑝2 ,
(2.5)
где 𝑝 = 2 − это число лагов, принятое в настоящем исследовании, n –
число наблюдений.
𝑅2 – коэффициент детерминации, получаемый при оценивании
модели
𝑒𝑡 = 𝛽0 + 𝛽1 𝐼𝑡−1 + λ1 𝑒𝑡−1 + λ2 𝑒𝑡−2 + 𝜐𝑡 , 𝑡 = 1, . . . , 𝑛;
(2.6)
где 𝑒1 ,…,𝑒𝑛 – остатки, полученные при оценивании основной модели
наблюдений 𝐼𝑡 = 𝜇 + 𝑏𝐼𝑡−1 + 𝑒𝑡 или 𝐼𝑡 = 𝑏𝐼𝑡−1 + 𝑒𝑡 , в зависимости от
значимости константы 𝜇.
В рамках модели (1) оценивается нулевая гипотеза об отсутствии
автокорреляции:
Н0: λ1 = λ2 = 0 (𝑅2 = 0).
Если данная гипотеза не отвергается, то при большом количестве
наблюдений n статистика
к
распределению
гипотеза отвергается
полученное 𝐵𝐺
критерия
хи-квадрат
при
имеет
с2
заданном
превышает
распределение,
степенями
уровне
свободы.
значимости
критическое значение,
равное
близкое
Нулевая
α,
если
квантили
уровня 1- α указанного распределения.
2.2 Результаты
1.
Тестирование
слабой
формы
эффективности
рынка
на основе индекса РТС (2009-2015). В контексте тестирования слабой
формы было решено осуществить проверку трех основных нулевых
гипотез:
39
H0: Данные по индексу РТС соответсвуют модели RW1;
H0: Данные по индексу РТС соответсвуют модели RW2;
H0: Данные по индексу РТС соответсвуют модели RW3.
Первым делом был проведен ADF тест, который показал, что ряд
значений индекса не стационарен и содержит тренд. Тем самым гипотеза
H0(RW1) о соответствии значений индекса модели RW1 отвергается, так как
она требует, чтобы остатки были одинаково распределенными случайными
величинами. По причине того, что регрессионные модели можно строить
только на стационарных рядах, для анализа были рассчитаны разности
логарифмов значений индекса РТС.
Полученное
уравнение
регрессии
имеет
следующую
форму:
𝐼𝑡 = 0,00029 + 0,097 ∗ 𝐼𝑡−1 + 𝑒𝑡 . Значение P-value для константы равно
0,57, что означает, что она статистически незначима на 5% уровне
значимости, и для анализа будет использоваться модель без константы:
𝐼𝑡 = 0,097 ∗ 𝐼𝑡−1 + 𝑒𝑡 .
Для проверки автокорреляции в модели далее проводится тест
Бройша-Годдфри до второго лага. Значение статистики равно 2,39, что не
превышает критических начений 5,99 для 5% уровня значимости. Это
значит, что гипотеза об отсутствии автокорреляции не отвергается, как и не
отвергается гипотеза Н0(RW3) о следовании значений индекса случайному
блужданию.
Для проверки гипотезы Н0(RW2), был проведен тест серий.
Вычисленная статистика 𝑍̃(расч. ) = 1,71 меньше критического значения
1,96 на уровне значимости 5%, что говорит о том, что гипотеза об отсутсвии
автокорреляции не отвергается, следовательно гипотеза Н0(RW2) также не
отвергается.
40
Таким образом статистические тесты позволяют утверждать о том,
что российский рынок акций эффективен в слабой форме, с ценами,
следующими модели RW2.
Несмотря на положительный результат, расчетная статистика в тесте
серий оказалась близка к критической, поэтому было принято решение
разделить исследуемый период на два отрезка времени – 2009-2011 гг. и
2012-2015 гг. и снова применить тесты серий Бройша-Годфри.
Таблица 1. Результаты теста серий
Период
|Z(расч.)|
|Z(крит.)|
Количество серий
2009-2015 гг.
2009-2011 гг.
2012-2015 гг.*
1,71
0,06
2,23
1,96
1,96
1,96
760(755;833**)
372 (344;397)
389 (392; 449)
* Гипотеза отвергается на 5% уровне значимости
**Интервал допустимого количества серий для 5% значимости 𝐸(𝑅) ± 1,96 ∗ √𝑉𝑎𝑟(𝑅)
Таблица 2. Результаты теста Бройша-Годфри
Период
Уравнение регрессии 𝜒 2 (расч.)
2009-2015 гг. 𝐼𝑡 = 0,097 ∗ 𝐼𝑡−1 + 𝑒𝑡
2009-2011 гг. 𝐼𝑡 = 0,136 ∗ 𝐼𝑡−1 + 𝑒𝑡
2012-2015 гг.* 𝐼𝑡 = 0,049 ∗ 𝐼𝑡−1 + 𝑒𝑡
2,39
0,528
5,026
𝜒 2 (крит.)
P-value
5,99
5,99
5,99
0,302
0,767
0,081
Таблица 3. Соответствие цен рынка модели случайного блуждания
Период
RW1
RW2
RW3
2009-2015 гг.
2009-2011 гг.
2012-2015 гг.
нет
нет
нет
да
да
нет
да
да
да
Результаты
тестов
для
периода
Слабая форма
эффективности
да
да
нет
2012-2015
оказались
противоречивыми, где тест серий указал на присутствие нелинейной
41
зависимости, в то время как автокорреляционный тест отвергнул линейную
зависимость.
В настоящем исследовании было принято решение признавать рынок
эффективным в слабой форме, если выполняются обе гипотезы Н0(RW2)
и Н0(RW3). Таким образом, на протяжении периодов 2009-2015
и 2009-2011 российский рынок акций являлся эффективным в слабой форме,
в то время как в период 2012-2015 эффективность отсутсвует.
Тестирование
гипотезы
сегментированной
эффективности
рынка (2009-2015). В контексте данного тестирования нулевая гипотеза
сформулирована следующим образом:
H0: Все сегменты российского рынка, выраженные в отраслевых
индексах РТС, слабо эффективны.
При
проведении
ADF
теста
ряды
всех
индексов
оказались
нестационарными. Поэтому для дальнейшего анализа рассчитывались
разности натуральных логарифмов значений индексов.
Аналогично первой части исследования было решено тестировать
индексы по трем периодам: 2009-2015, 2019-2011, 2012-2015. Для каждого
ряда значений трех периодов отраслевых индексов были построены
уравнения регрессии, в каждом из которых константа оказывалась
незначимой, поэтому модели были специфицированы.
Порядок проверки слабой формы эффективности каждого сегмента
рынка также аналогичен порядку первой части исследования. Тестируются
две гипотезы:
H0: Данные по отраслевому индексу соответсвуют модели RW2;
H0: Данные по отраслевому индексу соответсвуют модели RW3.
Отрасль рынка считается эффективной в слабой форме, если не
отвергаются обе нулевые гипотезы.
42
Таблица 4. Результаты теста Бройша-Годфри по отраслевым индексам
Индекс
Нефть и газ
Электроэнергетика
Телекоммуникации
Металлы и добыча
Машиностроение
Банки и финансы
Потребительские товары
и розничная торговля
Химия и нефтехимия
Транспорт
Индекс
Нефть и газ
Электроэнергетика
Телекоммуникации
Металлы и добыча
Машиностроение
Банки и финансы
Потребительские товары
и розничная торговля
Химия и нефтехимия
Транспорт
Индекс
Нефть и газ
Электроэнергетика
Телекоммуникации
Металлы и добыча
Машиностроение
Банки и финансы
Потребительские товары
и розничная торговля
Химия и нефтехимия
Транспорт
2009-2015 гг.
Уравнение регрессии
𝐼𝑡 = 0,071 ∗ 𝐼𝑡−1 + 𝑒𝑡
𝐼𝑡 = 0,153 ∗ 𝐼𝑡−1 + 𝑒𝑡
𝐼𝑡 = 0,17 ∗ 𝐼𝑡−1 + 𝑒𝑡
𝐼𝑡 = 0,135 ∗ 𝐼𝑡−1 + 𝑒𝑡
𝐼𝑡 = 0,047 ∗ 𝐼𝑡−1 + 𝑒𝑡
𝐼𝑡 = 0,14 ∗ 𝐼𝑡−1 + 𝑒𝑡
𝐼𝑡 = 0,164 ∗ 𝐼𝑡−1 + 𝑒𝑡
𝐼𝑡 = −0,011 ∗ 𝐼𝑡−1 + 𝑒𝑡
𝐼𝑡 = 0,022 ∗ 𝐼𝑡−1 + 𝑒𝑡
2009-2011 гг.
Уравнение регрессии
𝐼𝑡 = 0,085 ∗ 𝐼𝑡−1 + 𝑒𝑡
𝐼𝑡 = 0,273 ∗ 𝐼𝑡−1 + 𝑒𝑡
𝐼𝑡 = 0,23 ∗ 𝐼𝑡−1 + 𝑒𝑡
𝐼𝑡 = 0,282 ∗ 𝐼𝑡−1 + 𝑒𝑡
𝐼𝑡 = 0,053 ∗ 𝐼𝑡−1 + 𝑒𝑡
𝐼𝑡 = 0,223 ∗ 𝐼𝑡−1 + 𝑒𝑡
𝐼𝑡 = 0,257 ∗ 𝐼𝑡−1 + 𝑒𝑡
𝐼𝑡 = −0,012 ∗ 𝐼𝑡−1 + 𝑒𝑡
𝐼𝑡 = 0,048 ∗ 𝐼𝑡−1 + 𝑒𝑡
2012-2015 гг.
Уравнение регрессии
𝐼𝑡 = 0,051 ∗ 𝐼𝑡−1 + 𝑒𝑡
𝐼𝑡 = 0,081 ∗ 𝐼𝑡−1 + 𝑒𝑡
𝐼𝑡 = 0,139 ∗ 𝐼𝑡−1 + 𝑒𝑡
𝐼𝑡 = −0,019 ∗ 𝐼𝑡−1 + 𝑒𝑡
𝐼𝑡 = 0,042 ∗ 𝐼𝑡−1 + 𝑒𝑡
𝐼𝑡 = 0,085 ∗ 𝐼𝑡−1 + 𝑒𝑡
𝐼𝑡 = 0,109 ∗ 𝐼𝑡−1 + 𝑒𝑡
𝐼𝑡 = −0,009 ∗ 𝐼𝑡−1 + 𝑒𝑡
𝐼𝑡 = 0,018 ∗ 𝐼𝑡−1 + 𝑒𝑡
𝜒2
(расч.)
1,709
3,075
0,933
0,651
6,318*
2,562
3,063
𝜒2
(крит.)
5,99
5,99
5,99
5,99
5,99
5,99
5,99
Pvalue
0,425
0,214
0,626
0,722
0,042
0,277
0,216
3,759
6,794*
5,99
5,99
0,152
0,033
𝜒2
(расч.)
0,08
0,739
3,75
3,651
25,14*
2,49
11,13*
P𝜒2
(крит.) value
5,99
0,96
5,99
0,690
5,99
0,153
5,99
0,149
5,99
→0
5,99
0,248
5,99
0,0038
4,13
4,74
5,99
5,99
0,126
0,09
𝜒2
(расч.)
3,380
1,7
5,18
12,6*
0,98
10,54*
5,11
𝜒2
(крит.)
5,99
5,99
5,99
5,99
5,99
5,99
5,99
Pvalue
0,184
0,426
0,07
0,002
0,61
0,005
0,077
1,14
7,24*
5,99
5,99
0,563
0,023
* Гипотеза отвергается на 5% уровне значимости
43
Таблица 5. Результаты теста серий по отраслевым индексам
2009-2015 гг.
Индекс
|Z(расч.)|
|Z(крит.)|
Нефть и газ
Электроэнергетика
Телекоммуникации
Металлы и добыча
Машиностроение
Банки и финансы
Потребительские товары
и розничная торговля
Химия и нефтехимия
Транспорт
1,154
4,86*
1,19
3,19*
6,16*
2,6*
1,96
1,96
1,96
1,96
1,96
1,96
Количество
серий
772 (755;834)
698 (755;834)
730 (715;789)
730 (754;832)
662 (744;821)
742 (754;832)
5,28*
1,96
688 (754;832)
0,059
1,15
2009-2011 гг.
1,96
1,96
792 (754;832)
818 (755;834)
Индекс
|Z(расч.)|
|Z(крит.)|
Нефть и газ
Электроэнергетика
Телекоммуникации
Металлы и добыча
Машиностроение
Банки и финансы
Потребительские товары
и розничная торговля
Химия и нефтехимия
Транспорт
0,278
3,9*
0,19
3,51*
7,07*
1,7
1,96
1,96
1,96
1,96
1,96
1,96
Количество
серий
378 (347;400)
317 (343;396)
330 (304; 351)
324 (345;398)
265 (331;382)
348 (345;398)
5,04*
1,96
300 (341;393)
0,14
0,84
2012-2015 гг.
1,96
1,96
369 (343;396)
385 (343;396)
Индекс
|Z(расч.)|
|Z(крит.)|
Нефть и газ
Электроэнергетика
Телекоммуникации
Металлы и добыча
Машиностроение
Банки и финансы
Потребительские товары
и розничная торговля
Химия и нефтехимия
Транспорт
1,81
2,57*
1,51
0,99
1,6
1,8
1,96
1,96
1,96
1,96
1,96
1,96
Количество
серий
395 (392;449)
381 (389;446)
400 (393; 450)
407 (393; 449)
397 (392; 450)
395 (393; 449)
2,2*
1,96
389 (392; 449)
0,1
0,87
1,96
1,96
423 (393; 449)
433 (393; 450)
* Гипотеза отвергается на 5% уровне значимости
44
Таблица 6. Соответствие цен рынка модели случайного блуждания
Слабая форма
эффективности
сегмента рынка
2009- 2009- 20122015 2011 2015
да
да
да
нет
нет
нет
да
да
да
нет
нет
нет
нет
нет
да
нет
да
нет
Период
20092015
20092011
20122015
Нефть и газ
Электроэнергетика
Телекоммуникации
Металлы и добыча
Машиностроение
Банки и финансы
Потребительские товары
и розничная торговля
Химия и нефтехимия
Транспорт
RW2
RW3
RW2
RW3
нет
RW3
RW2
RW3
RW2
RW3
нет
RW2
RW2
RW3
RW2
нет
RW2
нет
RW3
нет
RW3
нет
нет
нет
RW2
RW2
RW2
нет
RW2
нет
Слабая форма
эффективности всего
рынка
да
нет
да
да
да
нет
нет
нет
нет
По результатам второй группы тестов нулевая гипотеза о слабой
эффективности всех отраслевых индексов отвергается на всех трех
исследуемых
периодах.
Таким
образом,
согласно
определению
сегментированной эффективности рынка Бечева, российский рынок акций
не является эффективным. Данная концепция о сегментированной
эффективности также интересна тем, что дает возможность исследовать
сами сегменты рынка акций, разделенные по отраслевому критерию.
В периоде 2009-2015, согласно критериям настоящего исследования,
эффективны в слабой форме только три сегмента рынка:
1) Нефть и газ;
2) Телекоммуникации;
3) Химия и нефтехимия.
45
В аналогичном исследовании А.Тетеревой за 2000-2009 гг., были
признаны эффективными в слабой форме на 5% уровне значимости
сегменты:
1) Нефть и газ;
2) Металлы и добыча;
3) Электроэнергетика;
4) Финансы.
Совпадение в эффективности между двумя периодами есть только на
рынке нефти и газа. За таким расхождением результатов кроются как
минимум
две
причины.
Во-первых,
критерий
принятия
слабой
эффективности на рынке данного исследования отличается от критерия
коллеги. C точки зрения настоящего исследования, Тетерева путем
параметрического теста проверяла гипотезу о соответствии цен модели
RW3. Однако в настоящую работу был добавлен непараметрический тест
серий, который проверяет гипотезу о соответствии данных модели
случайного блуждания RW2. Данная модель является более строгой, чем
RW3. Более того, оказывается и в период 2009-2015 сегменты металлов и
добычи, электроэнергетики и финансов сохранили соответствие модели
RW3.
Во-вторых,
эффективными
некоторые
по
сегменты
сравнению
с
рынка
периодом
действительно
2000-2009.
стали
Сегменты
телекоммуникаций и химии и нефтехимии в периоде 2000-2009 не были
признаны эффективными, в то время как в 2009-2015 периоде они были
признаны эффективными в слабой форме, причем с учетом строгого
критерия RW2.
Интересные результаты наблюдаются при разделении периода 20092015 на два более коротких (первого 2009-2011 и второго 2012-2015) при
анализе второй группы тестов:
46
 Сегменты рынка «транспорт», и «банки и финансы» оказались
неэффективными в слабой форме во втором периоде, в то время как в
первом периоде были признаны эффективными в слабой форме;
сегмент
«машиностроение»,
наоборот,
в
первом
периоде
неэффективен в слабой форме, а во втором эффективен;
 Вышеупомянутые
феномены
были
сопряжены
с
тем,
что
параметрический и непараметрический тесты дали противоречивые
результаты.
А
именно,
тест
Бройша-Годфри
указал
на
автокорреляцию, в то время как тест серий не указал на зависимость
между наблюдениями. Ввиду того, что очевидных причин такого
противоречия предположить не удалось, было бы логично в данном
случае
использовать
дополнительные
статистические
тесты,
например, модели семейства GARCH или R/S-анализ, для более
подробного изучения проблемы;
 Сегменты
«нефть
и
газ»,
«телекоммуникации»,
«химия
и
нефтехимия» показывают своеобразную «стабильность во времени»
слабой эффективности. Результаты об эффективности сегментов в
слабой форме совпадают как между тестами, так и во всех трех
периодах.
 Сегмент
«электроэнергетика»
показывает
«стабильную»
неэффективность в слабой форме. Во всех трех периодах гипотеза об
эффективности в слабой форме была отвергнута. При этом результаты
содержат очередное противоречие между параметрическим и
непараметрическим тестами, где тест Бройша-Годфри не нашел
зависимости, а тест серий нашел. Однако такое противоречие можно
объяснить тем, что параметрические тесты не способны выявить
нелинейную зависимость, если такая существует, в то время как
непараметрические способны.
 Интересно отметить, что количество эффективных сегментов
различно в двух отрезках времени: в первом периоде их
47
насчитывается пять, во втором – четыре. Характерная особенность
заключается в том, что только те сегменты рынка, которые
эффективны в обоих отрезках времени, являются эффективными во
всем периоде 2009-2015.
 Данный анализ указывает на сегменты рынка, на которых инвестор
предположительно
может
получить
сверхприбыль.
Например,
наиболее развитая и важная отрасль нефти и газа является
эффективной в слабой форме и в ней невозможно использовать
технический анализ, чтобы получить прибыль. Однако вторая по
величине отрасль оказывается неэффективной в слабой форме в 20122015, поэтому на ней возможно не только получать сверхприбыль при
инвестировании, но и возможно осуществлять более крупные сделки.
Наибольший интерес данного исследования заключается в результатах
первой части исследования. А именно в том, что, даже несмотря на то, что
российский рынок акций был признан эффективным в слабой форме в
периоде 2009-2015, эффективность была отвергнута в периоде 2012-2015.
Данный результат наводит на несколько умозаключений:
 Во-первых, это говорит о том, что выбор длительности периода
исследования имеет значение. Более того, выбор длительности
изучаемого периода имеет концептуальное значение. Дело в том, что
если буквально следовать определению слабой формы эффективности
рынка, то нынешние цены, содержат в себе информацию о всех
предыдущих ценах, поэтому невозможно предсказать движение цены,
чтобы получить сверхприбыль. Таким образом, формально для
расчета слабой эффективности рынка необходимо брать значения
индекса с 1995 года, так как это и есть вся история цен. С другой
стороны, технический анализ используют зачастую на более коротких
периодах, и если на данном периоде существует взаимозависимость
цен,
то
вместе
с
этим
появляется
возможность
получать
48
сверхприбыль, что говорит о том, что слабая эффективность рынка
отсутствует.
 Во-вторых, неэффективность рынка в слабой форме в более позднем
периоде может служить признаком институциональных изменений в
экономике страны или ее финансовом секторе. Учитывая недавние
неблагоприятные политические и экономические события, включая
экономические санкции, направленные на Россию со стороны
мировой общественности, и снижение цен на нефть вместе со
снижением курса рубля, есть причина полагать, что неэффективность
в слабой форме рынка акций может быть с этим связана.
 Наиболее крупным сегментом российского рынка акций является
отрасль нефти и газа, так как доля нефтегазовых компаний в расчете
индекса РТС составляет более 50%5. В обоих периодах рынок нефти
и газа остается эффективным в слабой форме. Значительную долю в
индексе занимают акции компаний финансового сектора с долей
более 17%6. В периоде 2009-2011 данный сегмент отражал слабую
эффективность, однако во втором периоде оказался неэффективным в
слабой форме. Если попытаться объяснить результаты группы первых
тестов результатами второй группы тестов, то, возможно, именно
изменение в форме эффективности в финансовом сегменте рынка в
периоде 2012-2015 привело к тому, что «слабая» эффективность
рынка в целом была признана статистически значима.
 В-третьих, стоит отметить, что если в данном исследовании
использовался бы только параметрический тест Бройша-Годфри, то
российский рынок во втором периоде был бы признан эффективным
в слабой форме, наряду с некоторыми сегментами рынка. Это
приводит к выводу о том, что параметрическая статистика вряд ли
является
5
6
достаточной
для
точного
тестирования
гипотезы
http://moex.com/ru/index/RTSI/constituents/
http://moex.com/ru/index/RTSI/constituents/
49
эффективности рынка. Также противоречия между результатами
теста
серий
и
Бройша-Годфри
побуждает
использовать
дополнительные тесты, например, KPSS и PP. Более того, полученный
результат о эффективности рынка во втором периоде является точным
лишь в рамках данного исследования. В реальной жизни такой
результат означает возможность того, что, используя технический
анализ, инвестор способен получить сверхприбыль во втором
периоде.
Следовательно,
данное
исследование
побуждает
к
использованию на данном периоде элементов технического анализа в
дальнейшем для получения более точного результата. Наконец, в
целях
проверки
слабой
эффективности
рынка,
интересным
дополнением к исследованию может послужить тестирование
эффективности в модели GARCH-M, с помощью которой возможно
проследить динамическую природу изменений эффективности рынка
во времени.
 В-четвертых, стоит отметить, что первый период, содержащий в себе
кризисный 2009 год оказался эффективным в слабой форме, несмотря
на резкие и значительные изменения;
 Наконец, необходимость исследования средней, а тем более сильной
формы эффективности, ставится под сомнение и не проводится в
данном исследовании.
50
Заключение
Настоящим
исследованием
было
выявлено,
что
концепция
информационной эффективности находится в постоянном развитии
с момента ее формального создания Сэмюэльсоном и Фамой в 60–70-х
годах, переживая постоянный поток критики и приспосабливаясь к
изменяющимся условиям. По причине таких изменений на данный момент
существует уже три определения информационной эффективности, где
первым из них является определение эффективности Ю. Фамы. Три формы
эффективности рынка, предложенные им, достигли всеобщей популярности
среди исследователей. Были проведены и проводятся до сих пор сотни, если
не тысячи тестирований и анализов формы эффективности рынков.
Изучение работ исследователей показывает, что в то время как рынки
развитых стран признаны эффективными не только в слабой форме, но и в
полусильной, большинство рынков развивающихся стран оказываются
неэффективными хотя бы в слабой форме.
Изучение работ исследований российского рынка, показало, что
большинством работ российский рынок акций был признан эффективным
в слабой форме с 2000 года. Несмотря на это до сих пор ведутся дискуссии
о несостоятельности гипотезы, в частности со стороны приверженцев
технического анализа, доказывающих неэффективность российского рынка
в слабой форме. Это поднимает проблему использования теоретической
базы, так как, доказывая эффективность или неэффективность рынка,
необходимо определиться какой из существующих формулировок ГЭР
исследование будет оперировать. В зависимости от этого методы
тестирования
и результаты могут показать различные результаты.
51
В контексте настоящего исследования было решено использовать
формулировку оригинальной ГЭР, ввиду того, что тема данного
исследования
посвящена
анализу
формы
эффективности
рынка,
три варианта которой были описаны именно в рамках этой теории. Таким
образом
при
тестировании
эффективности
были
использованы
статистические методы, позволяющие проверить соответствие изучаемых
данных модели случайного блуждания.
Более того, впервые за историю тестирования слабой формы
эффективности российского рынка была учтена классификация моделей
случайного блуждания различной строгости, принятая Кэмпбеллом, Ло
и МакКинли. Ее использование позволило разобраться, в каких случаях
используются те или иные статистические тесты, а также показало, что
от выбора критерия модели случайного блуждания результаты о слабой
эффективности рынка могут значительно различаться.
Настоящее исследование отличилось также тем, что эффективность
российского рынка оценивалась в период, идущий сразу после начала
мирового финансового кризиса с 2009 по 2015 годы, более того, период
исследования был разделен на более короткие (с 2009 по 2011 и с 2012 по
2015) и эффективности российского рынка рассматривались во всех трех
отрезках времени.
Дополнительно,
вместе
с
тестированием
гипотезы
о
слабой
эффективности, была протестирована гипотеза о сегментированной
эффективности рынка, которая позволила более детально и строго изучить
форму эффективности рынка, посредством тестирования отраслевых
индексов РТС, представляющие сегменты российского рынка акций.
Данный подход позволил сравнить результаты проверки гипотезы
сегментированной эффективности российского рынка с 2000 по 2009 годы,
проведенный А. Тетеревой.
52
Тестирование слабой формы эффективности российского рынка было
разделено на две части. В первой части проводилось классическое
тестирование рынка, методика которого используется наиболее часто.
А именно, проводилась проверка слабой эффективности рынка с помощью
параметрических и непараметрических тестов на основе значений индекса
РТС. Результаты показали, что российский рынок акций эффективен
в слабой форме в периоды с 2009 по 2015 гг. и с 2009 по 2012 гг., однако не
был признан эффективным в слабой форме в период с 2012 по 2015 гг.
Во второй части проводилось тестирование сегментированной
гипотезы российского рынка на основе значений отраслевых индексов РТС.
Тестирование показало, что проверка российского рынка акций на слабую
форму эффективности дала отрицательный результат как в период 20092015 гг., так и в периоды 2009-2011 гг. и 2012-2015 гг., так как не все
сегменты рынка были признаны эффективными в слабой форме. Это
противоречит результатам тестов в первой части исследования на периоде
2009-2015 гг., где рынок был признан эффективным в слабой форме, что
может быть объяснено тем, что доля акций "неэффективной" отрасли,
входящая в состав индекса РТС настолько мала, что эффективность в слабой
форме при тестировании оказывается статистически значимой. Такие
нюансы указывают на неоднозначность результатов, полученных при
статистическом анализе, который имеет большую популярность среди
исследований подобной тематики.
Неоднозначность итогов, полученных с помощью параметрических и
непараметрических тестов говорит о том, что их использование
недостаточно для точного определения эффективности рынка. Это
побуждает дальнейшие исследования к более подробному изучению именно
слабой
эффективности
российского
рынка,
используя
как
новые
дополнительные статистические методы, например, модели семейства
GARCH, такие как EGARCH или GARCH-M, дающие возможность
53
проследить за изменениями эффективности рынка во времени, если таковые
существуют на самом деле, так и элементы технического анализа, которые
позволят более реалистично подойти к изучаемому вопросу и сравнить.
Важно отметить, что обычно с 2000-х при анализе формы эффективности
российского рынка статистические тесты не отвергали его слабую
эффективность. В настоящем исследовании статистический анализ на
периоде 2012-2015 гг. указал впервые со времен исследования российского
рынка акций периода 90-х с применением аналогичных инструментов на его
несоответствие слабой форме эффективности.
Есть вероятность того, что несоответствие российского рынка акций
слабой форме эффективности в период с 2012-2015 гг. вызвана некоторыми
экономическими, в том числе институциональными изменениями в
экономике страны. Если данную проблему рассмотреть с точки зрения
отраслевых сегментов, то отвержение гипотезы о слабой эффективности
рынка может быть вызвана несоответствием слабой форме эффективности
наиболее важных и крупных сегментов российского рынка акций, в
частности финансовой отрасли за 2012-2015 гг.
Важно отметить, что полученное в настоящем исследовании
отвержение гипотезы о слабой эффективности российского рынка не
говорит непосредственно о его неэффективности. Более того, отвержение
гипотезы о слабой эффективности рынка в соответствии с теорией
эффективного рынка дает право полагать, что российский рынок акций не
соответствует средней и сильной формам эффективности. Однако, не
смотря на эти заключения, само исследование нуждается в дальнейшем
совершенствовании в части его методологии и/или исходной информации.
54
Список использованной литературы:
1. Абрамов А. Формирование и развитие рынка ценных бумаг
инвестиционных фондов. Дис. … канд. эконом. наук: 08.00.10
Абрамов Александр Евгеньевич; Академия бюджета и казначейства.
– М.: 2013. – 197 с.
2. Алехин Б. Случайное блуждание цен на бирже / Б. Алехин //
Фондовый рынок. – 2004. – № 12 (14). – С. 12–14.
3. Алифанова Е. Об эффективности российского фондового рынка
[Текст] / Е. Алифанова // Рынок ценных бумаг. – 2008. – №1.
– С. 65 – 69.
4. Анатольев С. Тестирование на предсказуемость / С. Анатольев //
Квантиль. – 2006. – №1. – С. 39—42.
5. Архипов
В.М.
Предпосылки
введения
количественных
мер
эффективности для ГЭР / Архипов В.М., Захаров И.Ю., Науменко
В.В., Смирнов С.Н.: Препринт WP16/2007/05. — М.: ГУ ВШЭ, 2007.
— 40 c.
6. Атаманчукова А. Эмпирическая оценка эффективности российского
фондового рынка на основе анализа показателей индекса ММВБ с
1997 по 2010 гг./А. В. Атаманчукова, Л. О. Жаргалон // Бизнесобразование как инструмент устойчивого развития экономики:
материалы науч.- практ. конф, 2012. – С.21-27.
7. Ботвинник А. Применение модификации фильтра Калмана при оценке
динамической модели с GARCH-M-эффектами для тестирования
российского
фондового
рынка
на
эволюционирующую
эффективность / А. Ботвинник, Д. Козырев // Финансы и бизнес.
- 2008. - № 1. – С. 111–128.
8. Буклемишев О. В., Малютин М. С. Анализ информационной
эффективности российского фондового рынка // Экономика и
математические методы. 1998. Т. 34, вып. 3. С. 77—90.
55
9. Герко А. Эффективность финансовых рынков: статистический и
трейдинговый подходы / А. А. Герко. — М., 2003. — 26 с.
10.Дарушин И,А., Львова Н.А. Оценка эффективности российского
финансового рынка непараметрическим методом // Финансы и
кредит. – 2014. - № 48(624). – С. 14-24.
11.Каваленя Л. Эффективен ли российский фондовый рынок хотя бы в
слабой форме? // Научно-исследовательский финансовый институт.
Финансовый журнал – 2010. - №4. – С. 15-24.
12.Казенных И.В. Гипотеза эффективности рынка и ее применение при
инвестировании в ПИФ // Аваль инвестиции и инновации. – 2008.
-№2. – С.80-87.
13.Лимитовский М. Эффективен ли российский рынок акций? [Текст] /
М. Лимитовский, С. Нуреев // Рынок цен. бумаг. - 2005. - № 8. - С. 4446.
14.Малюгин В. Рынок ценных бумаг: Количественные методы анализа:
Учеб. пособие. – М.: Дело, 2003. – 320 с.
15.Наливайский В. Исследование степени эффективности российского
фондового рынка / В. Наливайский, И. Иванченко // Рынок ценных
бумаг. - 2004. - № 15. - С. 46-48.
16.Наливайский В. Ю., Алифанова Е. Н., Алексакис Х. К вопросу
сравнительного анализа развивающихся фондовых рынков Греции и
России. Этюды переходной экономики: Сборник научных отчетов.
РГУ. – Ростов-на-Дону:1998.
17.Некрасова И. В. Определение степени эффективности российского
фондового рынка на современном этапе функционирования [Текст] /
И. В. Некрасова // Вопросы регулирования экономики. — 2010. — Т.
1, № 2. — С. 5–16.
18.Окулов В. Л. Исследование эффективности российского рынка акций:
реакция рын- ка на публикацию прогнозов аналитиков // Вестн. С.Петерб. ун-та. Сер. Менеджмент. 2010. С. 3–22.
56
19.Рунион Р. Справочник по непараметрической статистике /Р. Рунион.
— М.: Финансы и статистика, 1982. — 198 с.
20.Салтыков С. К вопросу о неэффективности российского рынка акций
// РЦБ. – 1998. – № 16.
21.Тетерева А.А Информационная эффективность на российском рынке
акций: тестирование гипотезы сегментированной эффективности //
Сборник лучших выпускных работ — 2009 [Текст] / Гос. ун-т —
Высшая школа экономики, ф-т экономики; науч. ред. К. А. Букин. —
М.: Изд. дом Гос. ун-та — Высшей школы экономики, 2009. — С. 331348.
22.Salman A., Khalid M., Testing Semi-strong Form Efficiency of Stock
Market [with Comments] // The Pakistan Development Review. 2002. Vol.
40. No. 4. P. 651-674.
23.Anatolyev S. A ten-year retrospection of the behavior of Russian stock
returns. Bank of Finland Institute for Economies in Transition (BOFIT).
Discussion Papers, 2005, no. 9.
24.Bechev I. Segmented Market Efficiency Hypothesis. Available at SSRN.
2004.
25.Blake D. Financial Market Analysis. London: McGraw-Hill Book
Company, pp. 241-48. 1990.
26.Campbell, J. Y., A. W. Lo, and A. C. MacKinlay, 1997, The Econometrics
of Financial Markets, Princeton University Press, Princeton.
27.Dacorogna M., Muller U., Olsen R., Pictet O. Defining Efficiency in
Heterogeneous Markets // Quantitative Finance. 2001. Vol. 2. No. 1. P.
198—201.
28.Fama E. Efficient Capital Markets: A Review of Theory and Empirical
Work // Journal of Finance. 1970. Vol. 25. No. 2. P. 383—417.
29.Fama E. Efficient Capital Markets: II // Journal of Finance, 1991. Vol. 46.
No. 5. P. 1575—1617.
57
30.Granger C., Timmermann A. Efficient Market Hypothesis and 20.
Forecasting. International Journal of Forecasting, Volume 20, Issue 1,
January— March 2004, P. 15—27.
31.Gupta R. Weak Form Efficiency of India Stock Market With Reference to
BSE // IMPACT: International Journal of Research in Business
Management. 2014. Vol. 2. No. 9. P. 15—20.
32.Gupta R., Basu P. Weak Form Efficiency in Indian Stock Markets //
International Business & Economics Research Journal. 2007. Vol. 6. No.
3. P. 57—64.
33.Gupta R., Yang J. Testing Weak form Efficiency in the Indian Capital
Market // International Research Journal of Finance and Economics. 2011.
No. 75. P. 108—119.
34.Hall, S., and Urga, G. (2002). Testing for Ongoing Efficiency in the
Russian Stock Market 1970-1999 // Mimeo, City University Business
School. 2002.
35.Har Wai Mun, Lenan Sundaran, Ong Sze Yin. Leverage Effect and Market
Efficiency of Kuala Lumpur Composite Index // International Journal of
Business
and
Management.
2008.
Vol.
3.
No. 4. P. 138—144.
36.Hassan K., Al-Sultan W., Al-Saleem J. Stock Market Efficiency in the Gulf
Cooperation Council Countries (GCC) — The Case of Kuwait Stock
Exchange // Scientific Journal of Administrative Development. 2003. Vol.
1. No. 1. P. 1—21.
37.Jensen M., Some Anomalous Evidence Regarding Market Efficiency //
Journal of Financial Economics. 1978. Vol. 6. Nos. 2/3. P. 95—101.
38.Milieska G. The Evaluation of the Lithuanian Stock Market with the
Weakform Market Efficiency Hypothesis // Bachelor Dissertation.
Available at SSRN. 2004.
58
39.60Mobarek A., Keasey K. Weak-Form Market Efficiency of an Emerging
Market: Evidence from Dhaka Stock Market of Bangladesh. Available at
SSRN. 2004.
40.Risso W. The Informational Efficiency: The Emerging Markets Versus the
Developed Markets. Available at SSRN. 2007.
41.Samuelson, P. (1965). Proof that Properly Anticipated Prices Fluctuate
Randomly. Industrial Management Review. Spring 6, 41-49
42.Wortington A., Higgs H. Weak-form Market Efficiency in European
Emerging and Developed Stock Markets. Available at SSRN. 2003а.
43.Wortington A., Higgs H. Tests of Random Walk and Market Efficiency in
Latin American Stock Markets: An Empirical Note. Available at SSRN.
2003b.
Электронные ресурсы:
1. Московская биржа [Электронный ресурс]. – Режим доступа:
http://moex.com/
2. Sewell M. History of the efficient market hypothesis // Research note
RN/11/04:
UCL.
2011.
–14p.
Available
from:
http://www.cs.ucl.ac.uk/fileadmin/UCLCS/research/Research_Notes/RN_11_04.pdf.
59