Правительство Российской Федерации Федеральное государственное автономное образовательное учреждение высшего профессионального образования
advertisement
Правительство Российской Федерации Федеральное государственное автономное образовательное учреждение высшего профессионального образования «Национальный исследовательский университет "Высшая школа экономики"» Факультет экономики (Санкт-Петербург) Кафедра экономической теории ВЫПУСКНАЯ КВАЛИЦИКАЦИОННАЯ РАБОТА На тему: «Экономический анализ неэффективности финансовых рынков в постсоветской России» Студентка группы №143 Кожевникова Е.А. Руководитель ВКР Доцент, к.э.н. Розмаинский И.В. Санкт-Петербург, 2014 ОГЛАВЛЕНИЕ ВВЕДЕНИЕ.......................................................................................................... 3 ГЛАВА 1. О ФОНДОВОМ РЫНКЕ, ДОМОХОЗЯЙСТВАХ И ИХ ВЗАИМОДЕЙСТВИИ ........................................................................................ 6 1.1. Формирование фондового рынка России ............................................. 6 1.2. Взаимодействие домохозяйств и финансовых рынков ....................... 8 1.3. Выводы по главе .................................................................................... 10 ГЛАВА 2. ОСОБЕННОСТИ ПОВЕДЕНИЯ РОССИЙСКИХ ДОМОХОЗЯЙСТВ НА ФОНДОВОМ РЫНКЕ ............................................. 11 2.1. Первостепенные факторы, влияющие на поведение домохозяйств ..... 11 2.2. Уровень риска домохозяйств .................................................................... 12 2.3. Дополнительные факторы, влияющие на портфельный выбор ............ 14 2.4. Выводы по главе ........................................................................................ 17 ГЛАВА 3. ПОСТРОЕНИЕ ЭКОНОМЕТРИЧЕСКОЙ МОДЕЛИ. ВЫЯВЛЕНИЕ ДОЛИ СБЕРЕЖЕНИЙ ЦЕННЫХ БУМАГ РОССИЙСКИХ ДОМОХОЗЯЙСТВ............................................................................................ 19 3.1. Описание данных ....................................................................................... 19 3.2. Статистический анализ и обработка данных...................................... 20 3.3. Построение модели ............................................................................... 23 ЗАКЛЮЧЕНИЕ ................................................................................................. 40 СПИСОК ЛИТЕРАТУРЫ ................................................................................ 42 2 ВВЕДЕНИЕ Долгосрочный экономический рост является одной из главных макроэкономических целей для любой страны. Обеспечением его являются инвестиции в различные секторы экономики. Накопления же домашних хозяйств являются важнейшим источником ресурсов положительных изменений в экономике государства. Структура сбережений домохозяйств описывает степень их заинтересованности в реализации инвестиционного потенциала страны. В России имеется проблема хранения большого объема сбережений в виде наличных денег. Это происходит на фоне того, что экономика страны нуждается в инвестиционных ресурсах. Целью дипломного исследования является анализ поведения домашних хозяйств в современной России, а именно выявление характеристик типичных домохозяйств и их готовность вкладывать свои сбережения в ценные бумаги. Для достижения поставленной цели необходимо выполнить следующие задачи: 1. Собрать данные о способах вложениях и факторах, влияющих на выбор домохозяйств в распределении своих сбережений. 2. Найти наилучшую регрессионную модель, объясняющую популярность/непопулярность вложения сбережений в ценные бумаги. 3. Выявить долю сбережений, которую домохозяйства готовы трансформировать в ценные бумаги. 4. Проанализировать, какие факторы являются существенными для домохозяйств, которые предпочитают вкладывать свои накопленные средства в ценные бумаги. В данной работе представляется гипотеза, что главной проблемой поведения домохозяйств, которое неблагоприятно влияет на экономику страны, является не недостаток ресурсов, а внутренние удерживающие факторы. Они недостаточно уверены в себе, в своих знаниях. Также 3 решающими оказываются факторы, связанные с природой самого государства. В процессе исследования будут использоваться такие методы и приемы, как анализ и синтез информации, аналогия и методы сравнения и обобщения, эконометрическое моделирование и статистические группировки. Для практической реализации выше перечисленных методов использовались такие программные приложения, как "MS Excel" и "Stata". Объектом исследования являются современные домохозяйства России, которые являются потенциальными вкладчиками в ценные бумаги в ближайшие несколько десятилетий. Предметом исследования является портфельный выбор домашних хозяйств, а именно доля их сбережений, которая будет потрачена на ценные бумаги в общем объеме сбережений. Новизна данной работы заключается в том, что исследования в области изменения портфельного выбора России практически отсутствуют. Кроме того, подобного рода исследования направлены именно на анализ особенностей экономического роста, циклического развития экономики. То есть выявляются закономерности макроэкономических процессов, но зачастую главное внимание сконцентрировано не на поведении домохозяйств в трансформации своих сбережений в инвестиции. Проведенные опросы и полученная модель поможет раскрыть новые закономерности в решениях современных домохозяйств о распределении накопленных средств. Через анализ анкеты также возможно выявить будущее предопределение фондового рынка России. Работа состоит из трех частей. Первая содержит в себе особенности формирования фондового рынка России, проблемы его становления, как последствия неблагоприятных событий 1990-х годов. Вторая часть посвящена особенностям поведения домохозяйств. В этом разделе будут выявлены внешние и внутренние причины, благодаря которым население России не готово оставлять часть дохода в виде сбережений для покупки 4 ценных бумаг. Факторы, влияющие на выбор домохозяйств, будут являться основой для модели следующей части работы. Третий раздел предполагает разработку и улучшение эконометрической модели, с помощью которой можно объяснить, в чем причины непопулярности ценных бумаг среди населения, какие факторы оказывают большее влияние, на что государство в первую очередь необходимо обратить внимание и какие программы по решению данной проблемы можно предпринять. 5 ГЛАВА 1. О ФОНДОВОМ РЫНКЕ, ДОМОХОЗЯЙСТВАХ И ИХ ВЗАИМОДЕЙСТВИИ 1.1. Формирование фондового рынка России Российский фондовый рынок имеет свои особенности, поэтому прежде чем рассуждать о поведении домохозяйств, необходимо понять, как он возник, как проходил процесс его становления. В данной главе повествуется о том, что послужило основой формирования взглядов российского населения на формирование сбережений и их управление. Начало 1980-х годов можно охарактеризовать снижением эффективности государственной экономики и роли труда в общественном производстве. Доля поступления денежных средств из официальных источников была уменьшена. По данным центра по изучению общественной политики в начале 1990-х годов свыше 72% российских домохозяйств занимались выращиванием продуктов питания, причем больше для личного потребления. Таким образом, домохозяйства не преследовали цели сбережения. То есть их доход не был использован в качестве источника финансирования капиталовложений. На накопленные средства они предпочитали делать покупки дорогостоящих товаров длительного пользования. Формирование фондового рынка России можно разделить на три этапа: 1. В 1990-1992 годах были сформированы предпосылки для будущего развития. То есть образовались фондовые биржи, рынок акций коммерческих предприятий. Кризис прежней системы хозяйствования и начавшиеся кардинальные экономические и социальные реформы потребовали перемены моделей жизнедеятельности, отказа от стереотипов норм и ценностей. Рынок минимизирует потери времени домашним хозяйством, связанные с поиском дефицитных товаров. Обычные кредитные организации были заменены Московской межбанковской валютной биржей (ММВБ). Именно она 6 обладала правами на реализацию большего количества коммерческих сделок на современном рынке. 2. Второй этап (1993-1994 гг.) очень тесно связан с процветанием рынка ваучеров. Государством было выпущено огромное количество чеков. Люди меняли их на акции предприятий и продавали на биржах. Таким образом, за небольшой промежуток времени был сформирован фондовый рынок, но нельзя сказать, что он был направлен на улучшение производства или привлечение средств вкладчиков для конкретных целей организаций. 3. Последний этап охватывает формирование уже нового фондового рынка, где происходила торговля ценных бумаг главных акционерных обществ России. Современный рынок РТС появился уже в 1995 году, на котором можно проследить динамику изменения курсов валют. Заметим, что в отличие от высокоразвитых стран отечественный фондовый рынок начал сформировываться лишь в 1990-е годы. Конечно же, до этого времени существовали и действовали акционерные общества, государственные облигации и фондовая биржа, но характер прежнего рынка смело можно называть спекулятивным. Большинство операций осуществлялось не на биржах, а бумаги покупались только с целью будущей перепродажи с накруткой. На примере других стран нельзя не заметить, что развитие экономики было тесно связано с рынком ценных бумаг. В России эта связь не прослеживалась. В таких странах с рыночной экономикой, как Япония, Германия, США, государство контролирует все коммерческие структуры, эмитирующие ценные бумаги, чтобы те, в свою очередь предоставляли полную информацию о себе (Neelakantan,2008). В России же, хоть уже и существуют определенные требования со стороны контролирующих органов, этот порядок все равно не выполняется должным образом. Отсюда следует вывод, что фондовый рынок нашей страны можно охарактеризовать, как непрозрачный, с неполной и неточной информацией. При недостаточности знаний о компаниях, выпускающие ценные бумаги инвесторы не могут быть 7 абсолютно уверенны, что выбор фондовых ценностей является обоснованным, и что вообще существует какой-то смысл вкладывать деньги. 1.2. Взаимодействие домохозяйств и финансовых рынков Поведение домохозяйств имеет большое значение для экономического роста. Своими действиями домашние хозяйства способны создать базу для финансирования основного капитала и технического прогресса. Эта ситуация должна быть подвержена анализу, потому что в нашей стране существует негативная тенденция в данной сфере и она тесно связана именно с поведенческими характеристиками российских домохозяйств. Согласно неоклассической теории, домашние хозяйства (Нуреев, 2001): 1) принимают самостоятельные решения относительно своих выгод и издержек, не подвергаясь при этом влиянию окружающих; 2) не обращают внимания на рекламу, предлагаемую различными эмитентами ценных бумаг; 3) осуществляют портфельный выбор в пользу финансовых активов, а не только наличных денег и иностранной валюты. Эти условия являются оптимальными для того, чтобы ценные бумаги наиболее доходных эмитентов стали превалировать на финансовом рынке. В обратном случае на финансовом рынке доминируют компании мошенников, которые в скором будущем «прогорят», и владельцы которых станут банкротами. Если следовать логике институционального подхода, такие случаи не являются редкостью. Проблема заключается в том, что финансовые рынки характеризуются сложностью информации, а также неопределенностью будущих событий. То есть прибыльность активов, которые на нем обращаются, нельзя точно спрогнозировать или предугадать, например, посредством вероятностных распределений. В развитых странах эта проблема решена через жесткое государственное регулирование, даже непрофессиональные участники рынка ценных бумаг застрахованы от 8 различных неблагоприятных аспектов. Дело в том, что существуют положения, согласно которым деятельность ведется в рамках определенных правил игры, которые были выработаны органами государственной власти. Не смотря на это, домохозяйства все же не ограждены от возможности падения биржевых котировок и не всегда оптимально действуют при принятии решений. Например, ориентируются на знания и выбор других людей, не учитывая собственные интересы. При таком массовом поведении домохозяйства, как участники фондового рынка становятся свидетелями биржевых кризисов, которые и являются следствием поведения толпы. Ведь упадок рынка ценных бумаг может произойти и за один день, как например в 1987 и 1929 годах в США. Такие кризисы могут воздействовать на экономическую активность и привести к уменьшению потребления (через эффект богатства) и инвестиций (через коэффициент Тобина и сокращение инвестиций). В след за массовой покупкой в 1990-х годах акций сомнительных эмитентов последовали падения «финансовых пирамид». В то время не существовало преград ведения нечестной деятельности компаний, поэтому зачастую население покупало активы «дутых» предприятий, опять же ориентируясь скорей на среднее мнение, а не оптимальный выбор. Как следствие, доверие домохозяйств было подорвано, поэтому, согласно многочисленным исследованиям, портфельный выбор домохозяйств заключается в хранении сбережений в виде наличности, валюты и вкладов с Сбербанке. Такое предпочтение портфеля домохозяйств не сопровождается развитием фондового рынка России, которое должно происходить при переходной экономике. То есть существует противоречие, суть которого в том, что при переходе к рыночной экономике портфельный выбор домохозяйств сужается так, что ликвидные активы становятся самым популярным способом хранения сбережений. Причины этому следует искать 9 в устоявшемся традиционном поведении домашних хозяйств, которое не способствует ни техническому прогрессу, ни экономическому росту. 1.3. Выводы по главе Существует проблема недофинансирования различных проектов, у которых есть все шансы поднять технологии на новый уровень. После распада СССР уменьшение доли государственных инвестиций не повлекло за собой реализацию инвестиционных возможностей частных лиц. Значимое влияние на развитие фондового рынка России влияет приобретенное и устоявшееся поведение домохозяйств, которое зависит от множества факторов. В данном исследовании сделан акцент именно на внутренние скрытые причины, которые кроются в психологии домохозяйств и их представлениях о текущей инвестиционной и политической ситуации в стране. Еще одним препятствием на пути совершенствования российского фондового рынка является отсутствие определенного порядка со стороны контролирующих органов. Потенциальные вкладчики не застрахованы должным образом, чтобы быть уверенными в своем выборе относительно вкладов сбережений в ценные бумаги. 10 ГЛАВА 2. ОСОБЕННОСТИ ПОВЕДЕНИЯ РОССИЙСКИХ ДОМОХОЗЯЙСТВ НА ФОНДОВОМ РЫНКЕ 2.1. Первостепенные факторы, влияющие на поведение домохозяйств В данной главе будут рассмотрены различные факторы, которые влияют на портфельный выбор домохозяйств. Также будут определены характеристики и особенности поведения российских домашних хозяйств, которые необходимо выявить для построения регрессии со значимыми переменными в практической части работы. Первостепенными факторами при распределении дохода на рынке ценных бумаг являются: прибыльность конкретного типа акции, степень риска каждого отдельного субъекта, а также его отношение к вероятности потерять часть сбережений в результате риска и транзакционные издержки, связанные с выплатой комиссионных при недостаточном уровне дохода от дивидендов. Вероятность получения определенной суммы денег от приобретения ценной бумаги возможно двумя способами: историческим и прогнозным. Первый подразумевает под собой наблюдение за повторяющимися явлениями и оценка совершения определенных событий в будущем на основе их результатов. Второй представляет собой более обоснованные выводы относительно доходности ценных бумаг с помощью инвестиционных расчетов. Безусловно, опыт вложения в ценные бумаги может играть существенную роль, причем как положительную, так и отрицательную. В первом случае, домохозяйства могут считать себя опытными вкладчиками на основании того, что имели успех в получении дохода от ценных бумаг в прошлом. Или наоборот, как большая часть населения в 1990-е годы потеряли свои накопления. В этом случае опыт инвестирования будет иметь отрицательный эффект на выбор доли сбережений, которую домохозяйства готовы вложить в ценные бумаги. 11 2.2. Уровень риска домохозяйств По уровню риска домохозяйства можно разделить на три группы.[2] Первую группу составляют те, кто считают, что их благосостояние никак не меняется при одинаковом росте дохода и степени риска. Ко второй группе относятся скорей расположенные к риску домохозяйства. Причем они могут допустить в своем портфеле такие активы, где уровень доходности непропорционально меняется с уровнем риска, то есть при его возрастании увеличение поступлений негарантированно. Третья группа совсем не расположена к риску, даже если доходность портфеля меняется быстрее, чем его риск. В России большинство людей можно отнести к последней группе, которая выступает за снижение риска. Но не только наши домохозяйства имеют такую особенность, именно поэтому страховые компании так популярны по всему миру. В исследовании домохозяйствам самим предлагается оценить, насколько они рискованны. Соотношение доходности и риска акций, включенных в портфель домохозяйства можно проиллюстрировать следующим графиком. r K E N F L Рис.1 H C σ Источник: Тарасевич Л.С., Гребенников П.И., Леусский А.И. Макроэкономика: Учебник. — 6 е изд., испр. и доп. — М.: Высшее образование, 2006. Рис.1 Соотношение доходности и риска акций 12 Представим, что на рынке имеется 3 акции, причем ожидаемая доходность и риск третьей на рисунке 1 представлены точкой F. Дуга CE показывает такую область, где выбор первых двух акций является эффективным (без учета существования 3-ей акции). А теперь попробуем построить такую кривую, которая бы характеризовала оптимальный выбор с учетом третьей акции. Возьмем точку С, которая, как мы видим, имеет наименьшую степень риска и акцию F, соединив их в одном портфеле. Область эффективных значений этого портфеля отражается кривой CHLF, которая для инвестора является лучшей, ведь риск стал меньше. Свойства функции r таковы, что из дуг NL и NK можно составить портфели, где кривая будет проходить выше, получается, что самой наилучшей областью выбора инвестора является CHNKL. Из вышеприведенных утверждений следует, что для большинства россиян кривая оптимального выбора портфеля будет смещена в сторону уменьшения риска при включении в него дополнительных ценных бумаг. Также следует заметить, что состав портфеля, который прежде был эффективным, может перестать быть таковым, после принятия хоть одного дополнительного рискового актива. То есть, изменив структуру портфеля, добавив в него некоторые рисковые ценные бумаги, предсказанная доходность и риск становятся лучше, чем прежде. Как известно, если акции, выбранные инвестором, являются некоррелированными между собой, возможно получение безрискового портфеля. Но в действительности, многие акции имеют положительную корреляцию, поэтому при диверсификации портфеля, риск снижается, но до определенного уровня. Такой недиверсифицируемый риск можно объяснить некоторыми явлениями, которые происходят в результате изменений в мировом хозяйстве, то есть он не зависит от взаимовлияния акций в портфеле. 13 2.3. Дополнительные факторы, влияющие на портфельный выбор В 2005 году был проведен опрос среди жителей Ростовской области на тему использования своих денежных средств.[3] Выяснилось, что большинство участников этого социологического опроса предрасположены к инвестированию денежных средств в недвижимость. Инвестирование в образование и развитие детей – второй по популярности ответ (36%). Далее идет удовлетворение потребительских потребностей, а именно покупка товаров длительного пользования. Также домохозяйства беспокоятся о своем здоровье, поэтому вклады в страхование и откладывание «про запас» занимают четвертое место. Вложение средств в акции и банки не получили особого внимания со стороны ростовских домашних хозяйств. Мало кто на тот момент имел цель получения сверх доходов. Очевидно, что домохозяйства озадачены скорей разрешением социальных и жилищных вопросов, а не грамотным, а самое главное прибыльным инвестированием. На сегодняшний день ситуация могла существенно измениться, поэтому необходимо собрать данные и проанализировать их на примере домохозяйств различных регионов. Что касается формы сбережений, то половина респондентов на тот момент отдавала свое предпочтение наличным деньгам, как рублевым, так и валютным. Кроме того, 20% населения диверсифицировало свои сбережения между несколькими валютами. Исследование, которое служит примером данной работе, подразделяло сбережения на следующие формы: -наличные рубли, -наличная валюта, -вклады в Сбербанке, -вклады в коммерческих банках, -акции, ценные бумаги, -вклады в негосударственные пенсионные фонды, ПИФы, -золото, антиквариат, картины. 14 Проведенное исследование показало, что домохозяйства среднего класса больше используют банк, как платежную структуру, а не для того, чтобы осуществлять кредитно-депозитные услуги. Например, популярными являются услуги по проведению коммунальных платежей, обмен валюты, обслуживание карт, перевод денег. Достаточное количество домохозяйств (50%), относящихся к среднему классу, заинтересованы в открытии депозитных счетов. Но, по их мнению, предоставляемые банками депозиты не совсем то, что им нужно; в большинстве случаев они не соответствуют той доходности и срокам, на которые они рассчитывают. В 2005 году на недостаточную доходность ссылались 27% ростовских домохозяйств, участвовавших в исследовании. Кроме того, доля тех, кто не доверяет банку оказалась равной 39%, а тех, кого не устраивает политическая ситуация в стране – 36%. На выбор способа вложения отдельных домохозяйств особенно влияет институциональная среда в стране. Она состоит из разного рода правил, которые образуют основу для производства, потребления, обмена ограниченных благ. Институциональная среда служит для снижения неопределенности в согласованных действиях домохозяйств. В 1990-х годах в России наблюдалось институциональное неравновесие, которое, естественно, повлияло на поведение российских домохозяйств. Из-за того, что старые институты рухнули, а новые еще не были созданы, ситуация в стране была непредсказуемой. Возникли некоторые затруднения в предположениях субъектов о действиях друг друга, притупилась реакция на экономическую обстановку вообще. С того времени, главным двигателем в решениях домохозяйств являлся такой феномен, как инвестиционная близорукость. [4] Кроме того, при крайней неопределенности многие семьи опасаются прибегать к активным действиям на финансовом рынке, поэтому либо не предпринимают их, либо приобретают рискованные ценные бумаги. Ни то ни другое не способно повысить эффективность этих рынков. Чтобы оценить, на что ориентируются 15 именно современные домохозяйства, нам предстоит выяснить, как они относятся к долгосрочной перспективе получения денег и насколько оценивают надежность рынка ценных бумаг. Проблемным моментом для домохозяйств 1990-х годов является и то, что рынок ценных бумаг для них был новым инструментом вложения денег. Нехватка знаний и опыта провоцировали принятие нерациональных решений. Существует ли такая проблема сегодня, можно узнать, благодаря опросу. Домохозяйствам представлена возможность самостоятельно оценить свои знания о финансовых институтах и способах вложения по 5-ти бальной шкале. Конечно же, существовавшая советская власть отбила все стимулы к личной экономической независимости. Самостоятельное принятие решение не было свойственно большинству российскому населению, что сейчас, возможно, сказывается на выборе домохозяйств 40-50 лет. Необходимо узнать, насколько россияне независимы в своих предпочтениях и ожиданиях сейчас, готовы ли они брать на себя различные обязательства. Также в анкету стоит включить вопросы относительно формирования решений на основе самостоятельно обработанной информации. То есть способны ли приложить какие-то усилия ради получения отличных от других предпочтений. Так как была выдвинута гипотеза о том, что домохозяйства России не зачастую не уверены в себе, в своих силах, что является проблемой неоптимального поведения домохозяйств на финансовых рынках. Данный факт будет подвергнут проверке с помощью опроса. Существует интересное исследование, которое проводилось на основе данных SCF (the Survey of Consumer Finance), где респондентов не спрашивали прямо: оптимистичны они или нет, а задавали вопросы, долго ли они собираются прожить. (Puri, 2007) Затем сравнивали ответы с демографическими особенностями и стилем жизни опрошенных людей. В данной работе необходимо различать отношение людей к повседневным событиям жизни и к финансовому вопросу. То есть, если люди считают, что 16 проживут длинную и счастливую жизнь и довольно оптимистично настроены по поводу своего будущего состояния здоровья, это не значит, что они также оптимистичны в финансовом плане. Они могут предположить, что если в стране кризис, влекущий за собой разорение многих компаний, вряд ли стоит вкладывать свои сбережения в акции. Это утверждение скорее относится к неопытным обычным среднестатистическим российским домохозяйствам. Конечно, существует определенная группа инвесторов, которые зарабатывают большие деньги на кризисных рынках, но зачастую они являются профессиональными игроками и мастерами своего дела. В данном исследовании оптимизм рассмотрен с точки зрения ожиданий домохозяйств относительно экономического развития нашей страны. Затем эти же домохозяйства были опрошены относительно распределения своих сбережений и их вложений. 2.4. Выводы по главе Таким образом, главными составляющими критериями, которые, возможно влияют на портфельный выбор домохозяйств, являются: -доход, -дополнительный заработок, -уровень риска, -способность принимать самостоятельные решения, -инвестиционный климат, -оптимизм, -привычки, -оценка своих знаний, -вера в себя и свои силы, -оценка политической ситуации в стране, -доверие государству. 17 В следующей главе представлена необходимая информация для описания поведения современных домохозяйств и представлена оценка их готовности принимать участие в развитии фондового российского рынка. 18 ГЛАВА 3. ПОСТРОЕНИЕ ЭКОНОМЕТРИЧЕСКОЙ МОДЕЛИ. ВЫЯВЛЕНИЕ ДОЛИ СБЕРЕЖЕНИЙ ЦЕННЫХ БУМАГ РОССИЙСКИХ ДОМОХОЗЯЙСТВ. 3.1. Описание данных Для анализа портфельного выбора российских домохозяйств был проведен опрос с февраля по май 2014 года. Было собрано 585 наблюдений и рассмотрено 11 параметров, влияющих на то, будут ли домохозяйства рассматривать возможность вложения своих средств в финансовые активы. Таблица 1 Описание и кодировка переменных 1 income доход (тыс.рублей в месяц) 2 add_in дополнительный заработок (тыс. рублей в месяц) 3 risk уровень риска (0 или 1) 4 others способность принимать самостоятельные решения (0 или 1) 5 climate инвестиционный климат (по шкале от 1 до 5) 6 optimism оптимизм (0 или 1) 7 habits привычки (0 или 1) 8 know оценка своих знаний (по шкале от 1 до 5) 9 self вера в себя и свои силы (0 или 1) 10 policy оценка политической ситуации в стране (0 или 1) 11 state доверие государству (0 или 1) 12 stock доля сбережений, которая тратится на ценные бумаги Так как для построения регрессионной модели был применен статистический пакет «Stata», названия параметров были сокращены. Для лучшего анализа необходимым условием является использование не более 8значных переменных. «Income» и «add_income» являются количественными переменными. По 5-ти бальной шкале были оценены инвестиционный климат («climate») и знания («know») домохозяйств о существующих 19 финансовых институтах. Такие бинарные переменные, как уровень риска («risk»), вера в свои силы («self») предполагали домохозяйствам охарактеризовать себя самостоятельно. Особенностью опроса является то, что анкета не предполагает проверку каких-либо экономических знаний или скрытого отношения к политической ситуации в стране. Зачастую случается так, что человек обладает достаточным количеством знаний, но его нерешительность препятствуют их использованию. В этом случае он не станет участником фондового рынка, и его информированность теряет значимость. Поэтому все респонденты сами оценивали свои характеристики в отношении таких тем, как зависимость от мнения окружающих, разделение традиционных взглядов, доверие государству. Для анкетирования была использована программа Google Docs. Распространение опросов происходило через социальную сеть «В Контакте». В исследовании принимали участия домохозяйства различных возрастных категорий и уровня жизни. 3.2. Статистический анализ и обработка данных Прежде чем приступить к построению модели, необходимо знать, какого рода домохозяйства принимали участие в опросе. Коэффициент вариации доходов рассматриваемых домохозяйств равен 35,4%, совокупность доходов находится на грани неоднородности (можно считать однородной). Минимальный доход составляет 25 тысяч рублей в месяц, максимальный – 126 тысяч рублей в месяц. Среднее значение равняется 61,7 тысяч рублей в месяц. Таблица 2 Основные статистики (описательный анализ) Variable | Obs Mean Std. Dev. Min Max -------------+-------------------------------------------------------stock | 585 4.147009 6.91625 0 20 income | 585 61.70427 21.85185 25 126 add_income | 585 6.111111 2.588759 2 15 20 Таблица 2. Продолжение experience | 585 .2871795 .4528333 0 1 state_conf~e | 585 .2324786 .422774 0 1 -------------+-------------------------------------------------------inv_climate | 585 1.521368 .8520552 1 4 others | 585 .7316239 .4434936 0 1 optimism | 585 .3076923 .4619334 0 1 habits | 585 .7641026 .4249217 0 1 self_confi~e | 585 .3128205 .4640387 0 1 -------------+-------------------------------------------------------political | 585 .2222222 .4160955 0 1 knowledge | 585 3.176068 .5864698 2 5 risk | 585 .2769231 .4478611 0 1 Таблица 3 Зависимость доли сбережений, которая тратится на ценные бумаги, от дохода Source | SS df MS Number of obs = -------+-----------------------------Model | 21166.783 1 21166.783 Residual | 6768.57427 583 11.6099044 F( ---------+-----------------------------Total | 27935.3573 584 47.8345159 1, 585 583) = 1823.17 Prob > F = 0.0000 R-squared = 0.7577 Adj R-squared = 0.7573 Root MSE 3.4073 = ----------------------------------------------------------------------------stock | Coef. Std. Err. t P>|t| [95% Conf. Interval] -------------+--------------------------------------------------------------income | .2755072 .0064524 42.70 0.000 .2628344 .2881799 cons | -12.85296 .4223279 -30.43 0.000 -13.68243 -12.02349 С помощью формальных тестов можно проверить модель на выбросы, если будут очевидные выбросы, их необходимо будет удалить. Таблица 4 Формальные тесты на нормальность распределения Shapiro-Francia W' test for normal data Variable | Obs W' V' z Prob>z ---------+------------------------------------stock | 585 0.98125 7.767 4.427 0.00001 21 Таблица 4. Продолжение Shapiro-Wilk W test for normal data Variable | Obs W V z Prob>z ---------+-------------------------------------------------stock | 585 0.96533 13.439 6.289 0.00000 Skewness/Kurtosis tests for Normality Variable | Obs Pr(Skewness) Pr(Kurtosis) adj chi2(2) Prob>chi2 ---------+------------------------------------------------------stock | 585 0.0000 0.6394 . 0.0000 Все три теста на нормальность позволяют отвергнуть нулевую гипотезу о нормальности распределения. Теперь проанализируем взаимосвязи переменных. Для этого построим корреляционную матрицы между количественными переменными. Таблица 5 Матрица корреляций между количественными переменными income add_in stock climate income 1.0000 add_in -0.0050* 1.0000 stock 0.6745* -0.0366 1.000 climate 0.6856* -0.0566* 0.5927* 1.000 know 0.5768* 0.0311* 0.5831* 0.5132* know 1.000 Исходя из корреляционной матрицы, можно сделать вывод, что существует положительная корреляция между такими переменными, как инвестиционный климат и доход. Чтобы избежать в дальнейшем мультиколлинеарность, лучше не включать в уравнение регрессии факторы, сильно коррелированные с другими. Не смотря на то, что связь между 22 факторами тесная, она не близка к максимальной, поэтому переменную «climate» оставим в уравнении регрессии. Таким образом, проанализировав собранные данные, можно сделать вывод, что выбросов не так много, проблема мультиколлинеарности возникнуть не должна, если переменные в регрессионную модель будут включены правильно. 3.3. Построение модели Ориентируясь на результаты предварительного анализа и экономических соображений, была построена базовая регрессионная модель по данным, собранным в феврале-мае 2014. Зависимой переменной обозначается та доля дохода, которую домохозяйства готовы потратить на ценные бумаги, а регрессорами выступают различные факторы, влияющие на выбор величины этой доли. Были использованы все переменные, представленные в начале исследования. Таблица 6 Регрессионная модель 1 (включающая все факторы) Source | SS df MS ------------+-----------------------------Model | 26611.2974 12 2217.60812 Residual | 1324.05983 572 2.31478992 ------------+-----------------------------Total | 27935.3573 584 47.8345159 Number of obs = F( 12, 572) Prob > F R-squared Adj R-squared Root MSE 585 = 958.02 = 0.0000 = 0.9526 = 0.9516 = 1.5214 ----------------------------------------------------------------------------stocks | Coef. Std. Err. t P>|t| [95% Conf. Interval] ------------+---------------------------------------------------------------income | .0425174 .0065989 6.44 0.000 .0295564 .0554784 add_in | -.0056518 .0250109 -0.23 0.821 -.0547762 .0434725 exper | 2.397124 .5324957 4.50 0.000 1.351239 3.44301 state | 2.366781 .4325718 5.47 0.000 1.517158 3.216404 climate | 2.014515 .1822465 11.05 0.000 1.656561 2.372469 others | -.263546 .4181941 -0.63 0.529 -1.084929 .5578374 optimism | -1.288754 .4348625 -2.96 0.003 -2.142876 -.4346322 habits | -1.393191 .4495943 -3.10 0.002 -2.276248 -.510134 self | -.9497277 .4170799 -2.28 0.023 -1.768923 -.1305328 policy | 3.548011 .4231871 8.38 0.000 2.71682 4.379201 know | .4931492 .1785044 2.76 0.006 .1425452 .8437531 risk | 2.364792 .6039261 3.92 0.000 1.178609 3.550975 _cons | -3.804005 .8901447 -4.27 0.000 -5.552356 -2.055654 На основе этих факторов была построена следующая регрессия: 23 Stocks=3.804005+0.0425174*income-0.0056518*add_in+2.397124*exper +2.366781*state+2.014515*climate+2.014515*climate-1.288754*optimism1.393191*habits+3.548011*policy +0.4931492*know +2.364792*risk (1) Переменные add_in, others, представленные в регрессии (1), в дальнейшем не будут использоваться, так как они не такие значимые, как остальные. В модели (1) факторами, имеющими большее влияние, оказались: -опыт инвестирования, -оценка инвестиционного климата в стране, -оценка политической ситуации в стране, -рискованность, -доверие государству. Другие факторы не так сильно влияют на формирование доли от дохода, которая пойдет на ценные бумаги. Исключив незначимые переменные, была построена новая модель. Таблица 7 Регрессионная модель 2 (с исключением нескольких переменных) Source| SS df MS --------+-----------------------------Model| 26599.1346 9 2955.45941 Residual| 1336.22262 575 2.32386543 --------+-----------------------------Total| 27935.3573 584 47.8345159 Number of obs F( 9, 575) Prob > F R-squared Adj R-squared Root MSE = 585 = 1271.79 = 0.0000 = 0.9522 = 0.9514 = 1.5244 ----------------------------------------------------------------------stocks | Coef. Std. Err. t P>|t| [95% Conf. Interval] Income | .0387465 .0063986 6.06 0.000 .026179 .0513141 exper | 2.148045 .5063593 4.24 0.000 1.153506 3.142585 state | 2.529902 .4243047 5.96 0.000 1.696526 3.363278 climate | 2.0274 .180948 11.20 0.000 1.672 2.382799 optimism | -1.324986 .425596 -3.11 0.002 -2.160898 -.4890739 habits | -1.257482 .4457915 -2.82 0.005 -2.13306 -.3819039 policy | 3.723149 .4009707 9.29 0.000 2.935603 4.510695 know | .4678355 .1769787 2.64 0.008 .120232 .8154391 risk | 1.961562 .5704371 3.44 0.001 .8411672 3.081956 _cons | -4.021174 .7111506 -5.65 0.000 -5.417944 -2.624404 Новая модель без значимых переменных выглядит следующим образом: 24 Stocks= -4.021174 +0.0387465*income +2.148045*exper +2.529902*state +2.0274*climate-1.324986*optimism-1.257482*habits +3.723149*policy +0.4678355*know+1.961562*risk (2) Построив базовую модель, проверим ее на наличии выбросов с помощью разнообразных тестов. Если есть большие выбросы, то коэффициенты регрессий, построенных с учетом выбросов и без них, будут сильно отличаться друга от друга. В итоге, из-за наличия выбросов, мы исказим основные закономерности. Поэтому явные выбросы стоит удалить. Таблица 8 Выявление выбросов на основе Studentized residuals: . list id rstud stocks income exp state climate optimism habits policy know risk if abs(rstud)>2.5 Пока не будем удалять выбросы, а рассмотрим все тесты. Таблица 9 Выявление выбросов на основе расстояния Кука predict cooksd, cooksd . count if cooksd>1 0 Оказалось, что нет критических выбросов, для которых расстояние Кука превышает 1. Но если использовать эмпирическое правило и считать выбросами наблюдения, для которых Cook’s distance>4/n, удалять нужно 38 наблюдений: Таблица 10 Выявление выбросов на основе расстояния Кука (эмпирическое правило) . count if (cooksd>4/585) 38 Согласно же показателю DFITS необходимо удалить 16 наблюдений, что не так существенно для 585 наблюдений. 25 Таблица 11 Выявление выбросов на основе показателя DFITS . predict dfits, dfits . count if dfits>2*sqrt(8/585) 16 Для выявления наблюдений, которые могут искажать оценки отдельных коэффициентов регрессии, следует рассчитать показатели dfbeta для коэффициентов перед каждой из объясняющих переменных. Таблица 12 Выявление выбросов, искажающих отдельные оценки коэффициентов . list id _dfbeta_2 if _dfbeta_2>2/sqrt(585) 24. 123. 222. 320. 418. 513. +----------------+ | id _dfbe~_2 | |----------------| | 24 .2567899 | | 123 .1113937 | | 222 .2567899 | | 320 .1113937 | | 418 .2567899 | |----------------| | 513 .1113937 | +----------------+ . . list id _dfbeta_5 if _dfbeta_5>2/sqrt(585) +----------------+ | id _dfbe~_5 | |----------------| 62. | 62 .1151937 | 124.| 124 .0933014 | 259.| 259 .1151937 | 321.| 321 .0933014 | 454.| 454 .1151937 | |----------------| 514.| 514 .0933014 | +----------------+ Рассчитав данные показатели для каждого регрессора, выявили, что выбросов не так много, и пока можно их не удалять. Окончательный список выбросов сформируем таким образом, чтобы он включал только наблюдения, признанные выбросами по всем трем критериям. 26 Таблица 13 Выбросы по 3-м критериям . list id (abs(rstud)>2.5) 1. 4. 183. 199. 202. 379. 396. 399. 572. 581. if (dfits>2*sqrt(8/585)) & (cooksd>4/585) & +-----+ | id | |-----| | 1 | | 4 | | 183 | | 199 | | 202 | |-----| | 379 | | 396 | | 399 | | 572 | | 581 | Проверим, сильно ли изменятся оценки коэффициентов без этих наблюдений. (1) модель – базовая, а (2) – это модель без выбросов. Таблица 14 . > cooksd<=4/585) & abs(rstud)<=2.5 Source | SS df MS ---------+-----------------------------Model | 25622.5834 9 2846.95371 Residual | 389.65789 537 .725619908 ---------+-----------------------------Total | 26012.2413 546 47.6414676 Number of obs F( 9, 537) Prob > F R-squared Adj R-squared Root MSE = 547 = 3923.48 = 0.0000 = 0.9850 = 0.9848 = .85183 -------------------------------------------------------------------------stocks | Coef. Std. Err. t P>|t| [95% Conf. Interval] ---------+---------------------------------------------------------------income | .02069 .0037559 5.51 0.000 .013312 .0280681 exper | 2.774632 .3995394 6.94 0.000 1.98978 3.559484 state | 3.223497 .2836077 11.37 0.000 2.666381 3.780614 climate | 1.482393 .1134247 13.07 0.000 1.259582 1.705203 optimism | -.5285961 .2539175 -2.08 0.038 -1.02739 -.0298027 habits | -1.494645 .3053773 -4.89 0.000 -2.094526 -.8947646 policy | 4.923997 .2380393 20.69 0.000 4.456394 5.391599 know | .5711205 .1056516 5.41 0.000 .3635793 .7786617 risk | .8801191 .4160697 2.12 0.035 .0627954 1.697443 _cons | -2.733773 .4380722 -6.24 0.000 -3.594318 -1.873227 27 На основании полученных данных была выведена следующая регрессия: Stocks=-2.733773+0.02069*income+2.774632*exper +3.223497*state+1.482393*climate-0.5285961*optimism -1.494645*habits +4.923997*policy+0.5711205*know +0.8801191*risk (3) Проверим, сильно ли изменились значения коэффициентов без некоторых наблюдений. В таблице (15) коэффициенты модели без выбросов обозначаются, как coef(2), а коэффициенты базовой модели – coef(1). Таблица 15 Сравнение коэффициентов базовой модели и модели без выбросов coef(2) coef(1) income 0.02069 0.0387465 exper 2.774632 2.148045 state 3.223497 2.529901 climate 1.482393 2.0274 optimism -0,53 -1,32 habits -1,49 -1,26 policy 4.923997 3.723149 know 0.5711205 0.4678355 risk 0.8801191 1.961562 -2,73 -4,02 _cons Знаки регрессоров остались прежними, но величины коэффициентов, как видно из таблицы, изменились. Уровень дохода теперь оказывает меньшее влияние, а вот такие факторы, как доверие государству, оценка политической ситуации в стране, оценка своих знаний теперь стали решающими. Для наилучшей спецификации модели удалим эти подозрительные наблюдения, которые были признанными выбросами по трем критериям: 28 dfits, cooksd и rstud. Тогда базовая регрессионная модель будет выглядеть следующим образом: Stocks=-2.733773+0.02069*income+2.774632*exper+3.223497*state +1.482393*climate-0.5285961*optimism-1.494645*habits+4.923997*policy +0.5711205*know+0.8801191*risk (4) Теперь коэффициент детерминации равен 0,985 (0,9522) и все переменные значимы на 5% уровне значимости. Необходимо провести диагностику этой модели. Таблица 16 Shapiro-Francia W' test for normal data Variable | Obs W' V' z Prob>z ---------+--------------------------------------------------e | 585 0.79465 85.049 9.036 0.00001 Shapiro-Wilk W test for normal data Variable | Obs W V z Prob>z ---------+-------------------------------------------------e | 585 0.79852 78.093 10.549 0.00000 Skewness/Kurtosis tests for Normality Variable| Obs Pr(Skewness) Pr(Kurtosis) adj chi2(2) Prob>chi2 ----------+------------------------------------------------------stock | 585 0.0000 0.0000 . 0.0000 Все тесты также показали, что распределение остатков не является нормальным. Таким образом, можно сделать вывод, что спецификация выбрана неверно и/или имеет место гетероскедастичность. Теперь перейдем к формальным тестам на функциональную форму и гетероскедастичность. Таблица 17 Тест Бреуша-Пагана . hettest Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance Variables: fitted values of stocks chi2(1) = 399.34 Prob > chi2 = 0.0000 29 . . 30ottest, rhs Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance Таблица 17. Продолжение Variables: income exper state climate optimism habits policy know risk chi2(9) = 441.36 Prob > chi2 = 0.0000 Таблица 18 Тест Уайта . imtest, white White's test for Ho: homoskedasticity against Ha: unrestricted heteroskedasticity chi2(30) = 323.78 Prob > chi2 = 0.0000 Cameron & Trivedi's decomposition of IM-test Source | chi2 df Heteroskedasticity | 323.78 30 0.0000 p Skewness | 51.23 9 0.0000 Kurtosis | 43.90 1 0.0000 Total | 418.91 40 0.0000 Оба теста: и тест Бреуша-Пагана, и тест Уайта указывают на наличие гетероскедастичности (p-value<0,05). Существует несколько методов борьбы с гетероскедастичностью: использование робастных ошибок, изменение спецификации, взвешенный МНК. Если рассматривать функциональную форму, то проведем linktest и Ramsey RESET-test. Таблица 19 Linktest 30 Source | SS df MS ---------+-----------------------------Model | 25678.4467 2 12839.2234 Residual | 333.794575 544 .613592968 ---------+-----------------------------Total | 26012.2413 546 47.6414676 Number of obs = 547 F( 2, 544) =20924.66 Prob > F = 0.0000 R-squared = 0.9872 Adj R-squared = 0.9871 Root MSE = .78332 ----------------------------------------------------------------------------stocks | Coef. Std. Err. t P>|t| [95% Conf. Interval] ---------+---------------------------------------------------------_hat | .7474562 .0269161 27.77 0.000 .694584 .8003285 _hatsq | .0148231 .0015535 9.54 0.000 .0117715 .0178748 _cons | .0500982 .0386469 1.30 0.195 -.0258171 .1260136 Таблица 20 Ramsey Test Ho: model has no omitted variables F(3, 534) = 136.68 Prob > F = 0.0000 Гипотеза о том, что квадрат, куб и четвертая степень предсказанных значений незначимы, не отвергается. Cледовательно, функциональная форма выбрана правильно. При построении таблицы парных корреляция из регрессии были удалены переменные оптимизм и привычки, так как оптимизм был коррелирован с опытом, а привычки с несколькими переменными. Таблица 21 Матрица корреляции 31 stocks income exper state climate policy know -------+--------------------------------------------------------------stocks | 1.0000 income | 0.8705 1.0000 exper | 0.8963 0.8129 1.0000 state | 0.9206 0.7939 0.8671 1.0000 climate | 0.9232 0.8289 0.8273 0.8703 1.0000 policy | 0.9145 0.8046 0.8149 0.8544 0.8415 1.0000 know | 0.7615 0.7563 0.7249 0.7117 0.7412 0.6674 1.0000 risk | 0.9150 0.8222 0.9497 0.8893 0.8370 0.8637 0.7202 . pwcorr income exper state climate policy know risk income exper state climate policy know risk --------+--------------------------------------------------------------income | 1.0000 exper | 0.6234 1.0000 state | 0.7939 0.8671 1.0000 climate | 0.2534 0.3526 0.5465 1.0000 policy | 0.3347 0.4645 0.6756 0.5676 1.0000 know | 0.4762 0.3748 0.4891 0.7412 0.6674 1.0000 risk | 0.5265 0.4926 0.3867 0.2847 0.4762 0.7202 1.0000 Мультиколлинеарность не выявлена, так как все VIF<5. Это означает, что наши объясняющие переменные не дублируют друг друга по смыслу, а измеряют разные, более или менее независимые аспекты. Проведя оценку базовой модели, можно сказать, что спецификация модели является удачной, и нет проблемы мультиколлинеарности, но существует проблема гетероскедастичности и распределение остатков не нормальное. В следующем разделе мы попытаемся устранить данные проблемы. Таблица 22 Логлинейная модель 32 . gen lnstocks=ln(stocks) (411 missing values generated) . reg lnstocks income exper state climate policy know risk Source | SS df MS -------------+-----------------------------Model | 25.7323649 7 3.67605212 Residual | 3.69214094 166 .022241813 -------------+-----------------------------Total | 29.4245058 173 .170083849 Number of obs F( 7, 166) Prob > F R-squared Adj R-squared Root MSE = = = = = = 174 165.28 0.0000 0.8745 0.8692 .14914 -----------------------------------------------------------------------------lnstocks | Coef. Std. Err. t P>|t| [95% Conf. Interval] -------------+---------------------------------------------------------------income | .0087229 .0013638 6.40 0.000 .0060303 .0114156 exper | -.3019988 .0641328 -4.71 0.000 -.4286198 -.1753777 state | .4114181 .0401273 10.25 0.000 .3321925 .4906437 climate | .1408625 .0230856 6.10 0.000 .0952834 .1864416 policy | .2778912 .037711 7.37 0.000 .2034363 .3523462 know | -.0639654 .0285027 -2.24 0.026 -.1202399 -.0076909 risk | -.2105358 .0619962 -3.40 0.001 -.3329385 -.0881332 _cons | 1.613083 .0976151 16.52 0.000 1.420356 1.80581 -----------------------------------------------------------------------------. gen stocks_naive_hat=exp(lnstocks_hat) . reg stocks stocks_naive_hat, noconstant Source | SS df MS -------------+-----------------------------Model | 22807.2046 1 22807.2046 Residual | 15188.7954 584 26.0082113 -------------+-----------------------------Total | 37996 585 64.9504274 Number of obs F( 1, 584) Prob > F R-squared Adj R-squared Root MSE = = = = = = 585 876.92 0.0000 0.6003 0.5996 5.0998 -----------------------------------------------------------------------------stocks | Coef. Std. Err. t P>|t| [95% Conf. Interval] -------------+---------------------------------------------------------------stocks_nai~t | .6147764 .0207604 29.61 0.000 .5740022 .6555506 -----------------------------------------------------------------------------. predict stocks_hat (option xb assumed; fitted values) Можно попробовать изменить функциональную форму модели. Базовая модель была линейная, а третья модель будет логлинейной (log-linear). Можно также рассмотреть также модели с добавлением квадрата регрессора или куба, но это сложнее интерпретировать. Таблица 23 Сравнение коэффициентов 3-х моделей coef(2) coef(1) ln_stocks income 0.02069 0.038746 0.0338615 exper 2.774632 2.14804 1.816237 state 3.223497 2.529901 3.198085 33 climate 1.482393 2.0274 1.881893 policy 4.923997 3.723149 4.278034 know 0.5711205 0.467835 0.4039867 risk 0.8801191 1.961562 1.351987 -2,73 -4,02 _cons -4,7285 У первых двух моделей одинаковая зависимая переменная, а третья зависимая переменная отличается от них. Первые 2 модели можно сравнить между собой на основе R2-adjusted и информационных критериев, а третью модель с ними нельзя сравнивать, так как у них разные TSS. Если сравнивать 1 и 2 модель по информационным критериям и по R2adjusted, то вторая модель, однозначно, лучше, чем первая. AIC и BIC меньше, а R2-adjusted больше, следовательно, отдаем предпочтение второй модели. Так как в третьей модели у нас ln_stock, нам надо предсказать stock, чтобы сравнить с предыдущими моделями. Для этого: 1. Создаем предсказанное значение логарифма цены планшета под названием ln_stock . predict ln_stock_hat 2. Делаем наивное предсказание Y путем возведения числа e в степень, равную предсказанному логарифму цены . gen stock_naive_hat=exp(ln_stock_hat) 3. Строим регрессию (без константы) для получения правильного предсказания . reg stock stock_naive_hat, noconstant *4. Предсказание по этой регрессии и есть правильное предсказание stock . predict stock_hat После получения предсказания можно оценить псевдо R2 модели. Таблица 24 Оценка псевдо R2модели 34 . corr stocks stocks_hat (obs=585) | stocks st~s_hat -------------+-----------------stocks | 1.0000 stocks_hat | 0.9204 1.0000 R2pseudo =corr2(avprice_april, avprice_april_hat) R2pseudo =0,909 И далее этот R2 можно использовать для нахождения R2-adjusted. adj. R2=1-(1- R2)* adj. R2=0,9026 Теперь проведем несколько тестов, чтобы выбрать основную модель между 2-ой и 3-ей моделями. Таблица 25 Формальные тесты на нормальность распределения Shapiro-Francia W' test for normal data Variable | Obs W' V' z Prob>z ---------+-------------------------------------------------e | 585 0.79380 85.401 9.044 0.00001 Shapiro-Wilk W test for normal data Variable | Obs W V z Prob>z ---------+-------------------------------------------------e | 585 0.79764 78.437 10.560 0.00000 Все тесты также показывают, что распределение остатков не является нормальным. Теперь перейдем к формальным тестам на функциональную форму и гетероскедастичность. Таблица 25 Формальные тесты на функциональную форму . hettest, rhs Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance Variables: stocks_naive_hat income exper state climate policy risk know chi2(8) Prob > chi2 = = 263.35 0.0000 . imtest, white White's test for Ho: homoskedasticity against Ha: unrestricted heteroskedasticity 35 chi2(33) Prob > chi2 = = 102.57 0.0000 Cameron & Trivedi's decomposition of IM-test --------------------------------------------------Source | chi2 df p ---------------------+----------------------------Heteroskedasticity | 102.57 33 0.0000 Skewness | 25.23 8 0.0014 Kurtosis | 8.41 1 0.0037 ---------------------+----------------------------Total | 136.20 42 0.0000 . linktest Source | SS df MS -------------+-----------------------------Model | 26600.137 2 13300.0685 Residual | 1335.22029 582 2.29419294 -------------+-----------------------------Total | 27935.3573 584 47.8345159 Number of obs F( 2, 582) Prob > F R-squared Adj R-squared Root MSE = 585 = 5797.28 = 0.0000 = 0.9522 = 0.9520 = 1.5147 -----------------------------------------------------------------------------stocks | Coef. Std. Err. t P>|t| [95% Conf. Interval] -------------+---------------------------------------------------------------_hat | .8397595 .0430926 19.49 0.000 .7551236 .9243954 _hatsq | .0096415 .0025318 3.81 0.000 .0046689 .0146141 _cons | .0608553 .0752475 0.81 0.419 -.0869344 .208645 -----------------------------------------------------------------------------. . ovtest Ramsey RESET test using powers of the fitted values of stocks Ho: model has no omitted variables F(3, 573) = 40.69 Prob > F = 0.0000 Формально, проблемы со спецификацией есть, так как Ramsey RESETtest выявил ошибку спецификации, причем этот тест более строгий, чем linktest. Также следует проверить нашу модель на мультиколлинеарность. Мультиколлинеарность не выявлена, так как все VIF<5. Это означает, что наши объясняющие переменные не дублируют друг друга по смыслу, а измеряют разные, более или менее независимые аспекты. Следующим шагом будет диагностика третьей модели. Из графиков, полученных с помощью «Stata»можно заметить, что распределение остатков очень близко к нормальному. На графике квантиль – квантиль отчетливо видно, что точки лежат близко к прямой, следовательно, распределение остатков слабо отличается от нормального. Удостоверимся в этом с помощью тестов: 36 Таблица 26 .sfrancia e Shapiro-Francia W' test for normal data Variable | Obs W' V' z Prob>z -------------+-------------------------------------------------e | 585 0.98993 1.398 0.705 0.24055 .swilk e Shapiro-Wilk W test for normal data Variable | Obs W V z Prob>z -------------+-------------------------------------------------e | 585 0.98896 1.416 0.794 0.21372 .sktest e Skewness/Kurtosis tests for Normality ------- joint -----Variable | Obs Pr(Skewness) Pr(Kurtosis) adj chi2(2) Prob>chi2 e 585 0.6393 2.50 0.2871 0.1343 Все тесты указывают на то, что распределение остатков является нормальным. Теперь перейдем к формальным тестам на гетероскедастичность. Таблица 27 Формальные тесты на гетероскедастичность . imtest, white White's test for Ho: homoskedasticity against Ha: unrestricted heteroskedasticity chi2(64) = 66.90 Таблица 27. Продолжение Prob > chi2 = 0.3779 Cameron & Trivedi's decomposition of IM-test --------------------------------------------------Source | chi2 df p ---------------------+----------------------------Heteroskedasticity | 66.90 64 0.3779 Skewness | 13.09 11 0.2874 Kurtosis | 0.09 1 0.7654 ---------------------+----------------------------Total | 80.08 76 0.3524 --------------------------------------------------- Оба теста: и тест Бреуша-Пагана, и тест Уайта указывают на отсутствие гетероскедастичности. Если рассматривать функциональную форму, то проведем linktest и Ramsey RESET-test. 37 Исходя из подробного анализа моделей, можно сделать сравнительную таблицу по основным критериям. Таблица 28 Сравнение 3-х возможных моделей Нормальность остатков Гомоскедастичность Базовая модель(1) - Модель без выбросов(2) + Логлинейная модель(3) + + Отсутствие мультиколлинеарности Функциональная форма R2-adj + + 0.9526 + 0.9850 + 0.9522 Как мы решили ранее, выбирать будем между моделями 2 и 3. Вероятно, за основную возьмем логлинейную модель (3), так как по результатам эконометрических тестов она оказалась лучше модели (2). А что касается функциональной формы, то и (2) и (3) модели не очень удачны. Так как основная модель является не линейной, то изменяется интерпретация оценок коэффициентов. Теперь оценки коэффициентов показывают, насколько процентов изменится доля дохода на ценные бумаги при изменении соответствующей переменной на единицу. Если какой-либо регрессор β (не фиктивный) увеличивается на 1, то зависимая переменная увеличивается на (еβ-1)*100%. При малых β (0,2<β<0,2) зависимая переменная увеличивается примерно на β*100%. Поскольку |β|≥0,2, важно использовать именно точную формулу. В таблице 4 представлена подробная интерпретация каждого коэффициента итоговой модели. Таблица 29 Интерпретация коэффициентов итоговой модели 38 Значение Переменная коэффициента income 0.0338615 exper 0.1816237 state 0.3198085 climate 0.1881893 policy 0.4278034 know 0.04039867 risk 0.351987 Полученная модель (3) свидетельствует о том, что: -при увеличении дохода на 1 тыс. рублей, доля вложения денежных средств в акции возрастает на 3,4%, -если у домохозяйства раньше имелся опыт инвестирования, то доля вложенных средств в акции увеличивается на 18,2%, -если домохозяйство доверяет государству (31,9%), -если инвестиционный климат позволяет думать о благоприятной тенденции (18,8%), -если политическая ситуация устраивает домохозяйство (42,7%), -с увеличением оценки своих знаний о финансовых активах и способах вложениях, доля увеличивается на 4%, -если домохозяйство оценивает себя, как рискованное, то доля вложенных в акции средств будет больше на 35%. 39 ЗАКЛЮЧЕНИЕ Проведенное исследование позволяет узнать, как различия в характеристиках домашних хозяйств России влияют на портфельный выбор, а именно на то, какую долю сбережений они предпочитают вкладывать в ценные бумаги в настоящий момент. Подтвердилась гипотеза о том, что домохозяйства сильно зависимы от того, как они оценивают инвестиционный климат и политическую ситуацию в стране. Также если потенциальный участник фондового рынка считает себя рискованным, то доля содержание ценных бумаг в его портфеле увеличивается на 35%. Очень важным и является тот факт, имел ли место опыт инвестирования по проведения опроса. Если домохозяйство раньше сталкивалось с приобретением ценных бумаг, то их доля в текущем портфеле увеличится на 18,2%. Это довольно необычный результат. Ведь считается, что наученные в 1990-х годах горьким опытом домохозяйства не одобряют участие в фондовом рынке. Кроме того, что они боятся столкнуться с фиктивными компаниями, потерять время и деньги. Доверять государству или нет – дело каждого, но доля сбережений, которая пойдет на ценные бумаги увеличивается на 31,9%, если население России будет питать доверие к своей стране и ее финансовым институтам. Долгое время считалось, что главной причиной, по которой домохозяйства не хотят вступать в отношения с фондовым рынком является их низкая заработная плата. Однако полученные результаты свидетельствует о том, что с увеличением дохода на 1 тыс. рублей в месяц, доля ценных бумаг в портфеле увеличится лишь на 3,4%. Невлиятельными оказались такие факторы, как дополнительный заработок, ориентация на мнение других людей, оптимизм и следование привычкам или традициям прошлых лет. Возможно, в других странах данные показатели имеют значимое влияние на поведение домохозяйств на финансовых рынках, но в России они пока не существенны. 40 Настоящее положение домашних хозяйств, как известно, является показателем национальной экономики государства. Но необходимо принимать во внимание и то, что государственная политика способна изменить отношение людей к распределению своих сбережений и повысить уровень благосостояния семей. Не смотря на то, что государственные органы не имеют права осуществлять контроль над ведением финансов домашних хозяйств, они могут улучшить их положение путем введения меньших налоговых ставок или большей социальной помощи. На данном временном этапе семьи готовы активно участвовать в усовершенствовании фондового рынка, но существенная преграда, которая мешает на пути к беспрепятственному и быстрому развитию финансового сектора страны – это нехватка влияния государства. Поэтому российскому правительству необходимо принять ряд мер для подкрепления доверия домохозяйств, а так же для стабильности их благосостояния. 41 СПИСОК ЛИТЕРАТУРЫ 1. Нуреев, Р.М. Постсоветский институционализм. – Ростов-на-Дону: Власть и бизнес, 2006. – 257 с. 2. Богданова И.Н. Поведение экономических субъектов в классических концепциях и трактовках [электронный ресурс]. URL:http://www.giabonline.ru/files/Data/2008/11/12_Bogdanova.pdf (дата обращения: 07.03.2014). 3. Попов М.А. Активизация инвестиционных процессов в системе государственного регулирования экономики [электронный ресурс]. URL:http://www.dissercat.com/content/aktivizatsiya-investitsionnykh-protsessovv-sisteme-gosudarstvennogo-regulirovaniya-ekonomik (дата обращения: 05.02.2014). 4. Rozmainsky I.V. Dynamics of financial markets in the transition economies in the 1990s and new critique of the big bang policy: heterodox approach.Економічний вісник Донбасу № 4 (22), 2010. 5. Kézdi G., Willis R.J. Stock market expectations and portfolio choice of American households . Work in progress . // 2008. 6. Lyons A., Nelson C. Household Bargaining and Portfolio Choice ∗ // 2008. № December. С. 1–27. 7. Votano J., Parham M., Hall L. Towards an exlanation of households portfolio choice heterogeneity // Chemistry & …. 2004. № April. 8. Zabel E. Consumer choice, portfolio decisions, and transactional costs, Econometrica, 1973, 41, 321-335; Goldsmith D. Transaction costs and the theory of portfolio selection, Journal of finance, 1976, 31, 1127-1139. 9. Feldstein M. Personal taxation and portfolio composition: an econometric analysys. // Econometrica, 1976, 44, 631-650. 10. Tarek A. Hassan, Thomas M. Mertens The Social Cost of Near-Rational Investment [website]. URL: http://www.nber.org/papers/w17027 (дата обращения: 02.03.2014). 11. Manevich V. Portfolio Choice in the Russian Economy and Monetary Authorities Policy in 2007—2009 [website]. 42 (дата URL:http://econpapers.repec.org/article/nosvoprec/2010-03-2.htm обращения: 08.04.2014). 12. Jawad M. Addoum Household Portfolio Choice and Retirement [website]. URL:http://www.duke.edu/~jma41/Research/JawadAddoum_JMP_Nov2011.pdf (дата обращения: 03.04.2014). 13. Michael K. Berkowitz, Jiaping Qiu, A further look at household portfolio choice and health status [website]. URL:http://www.business.mcmaster.ca/finance/jiaping/paper/healthportfolio.pdf (дата обращения: 01.03.2014). 14. Dimitris Christelis, Tullio Jappelli, Mario Padula Health Risk, Financial Information and Social Interactions: the Portfolio Choice of European Elderly Households [website]. URL:http://www.csef.it/1st_C6/cjp_June16.pdf (дата обращения: 24.02.2014). 15. Manju Puri, David T. Robinson Optimism and economic choice [website]. URL:http://faculty.fuqua.duke.edu/~mpuri/papers/puri_robinson_jfe.pdf (дата обращения: 16.03.2014). 16. Stephanie Curcuru, John Heaton, Deborah Lucas Damien Moore Heterogeneity and Portfolio Choice: Theory and Evidence [website]. URL:http://faculty.chicagobooth.edu/john.heaton/teaching/35907/handbook12.pdf (дата обращения: 18.04.2014). 16. Urvi Neelakantan, Angela Lyons, Carl Nelson Household Bargaining and Portfolio Choice [website]. URL:http://www.aeaweb.org/assa/2009/retrieve.php?pdfid=458 (дата обращения: 12.03.2014). 17. Annette Vissing-Jorgensen Towards and explanation of household portfolio choice heterogeneity: nonfinancial income and participation cost structures [website]. URL:http://www.nber.org/papers/w8884.pdf (дата обращения: 02.02.2014). 18. B. Douglas Bernheim, Daniel M. Garrett The effects of financial education in the workplace: evidence from a survey of households [website]. URL: 43 http://www.pfeef.org/research/fle/Evidence-from-a-Survey-of-Households.pdf (дата обращения: 11.02.2014). 19. Stephen G. Dimmock Loss-Aversion and Household Portfolio Choice [website]. URL:http://www.aeaweb.org/assa/2009/retrieve.php?pdfid=458 (дата обращения: 24.03.2014). 20. Ravi Jagannathan Narayana R. Kocherlakota Why Should Older People Invest Less in Stocks Than Younger URL:http://minneapolisfed.org/Research/qr/qr2032.pdf People? (дата [website]. обращения: 12.03.2014). 44