Анализ инвестиционной привлекательности развивающихся

Анализ инвестиционной привлекательности развивающихся рынков
корпоративных облигаций
Теплова Т.В., доктор экономических наук, профессор кафедры фондового рынка и
рынка инвестиций факультета экономики НИУ «Высшая школа экономики», руководитель
проектно-учебной лаборатории анализа финансовых рынков факультета экономики НИУ
«Высшая школа экономики». Е-mail: tamarateplova@mtu-net.ru
Соколова Т.В., кандидат физико-математических наук, аналитик проектно-учебной
лаборатории анализа финансовых рынков факультета экономики НИУ «Высшая школа
экономики». E-mail: sokol-t@yandex.ru
Введение
Работа на заемном капитале остается одной из ключевых экономических идей,
которая обеспечивала рост и удовлетворяла интересы бенефициаров - как компаний, так и
стран - в течение уже более 50 лет. Быстрорастущие национальные рынки корпоративных
облигаций являются важным источником фондирования для эмитентов из развивающихся
стран. Тенденция к росту объемов выпуска корпоративных облигаций в национальной
валюте и в виде еврооблигаций усилилась после ряда последних событий на глобальном
рынке капитала: 1) бегство от риска после катаклизмов глобального финансового кризиса
2008-2009 гг., способствовавшего сокращению банковского кредитования и сужению
спектра сложных финансовых инструментов, а также в связи с 2) кризисом государственного
долга в Еврозоне, побудившего инвесторов искать альтернативные рынки для вложения
денежных средств, диверсифицировать страновые и валютные риски, 3) с политикой
монетарного смягчения, проводимого ФРС США, что привело к падению ставок на
государственные бумаги. Глобальных инвесторов привлекают национальные рынки
корпоративных облигаций сравнительно высокими ставками доходности, возможностью
участия в более быстром экономическом росте развивающихся стран, наметившимся
улучшением кредитных рейтингов эмитентов.
В
настоящей
работе
статистически
проверяются
гипотезы,
касающиеся:
1) значительного роста сегмента корпоративных облигаций развивающихся стран по
сравнению с докризисным периодом, 2) увеличения доли выпуска корпоративных
облигаций, номинированных в национальной валюте, 3) повышения разнообразия условий
выпуска займов. Осуществляется сопоставление тенденций, складывающихся на российском
рынке заемного капитала и на других облигационных рынках развивающихся стран (Турции,
Польши, Мексики, Бразилии, Индии, Кореи, Китая, Сингапура, Гонконга) в период 20062013 гг.
Для рублевых корпоративных облигаций эконометрическими методами выявлены
финансовые и нефинансовые факторы, определяющие уровни доходности к погашению.
Сопоставлены индикаторы кредитного риска, выявлены специфические индикаторы по
отраслям и лучший индикатор долга (ND/EBITDA).
1. Анализ
тенденций,
складывающихся
на
облигационных
рынках
развивающихся стран
На всех рассматриваемых облигационных рынках развивающихся стран, кроме
Бразилии, в период с 2006 по 2013 г. выросли объемы размещенных корпоративных
облигаций, номинированных в национальной валюте, к ВВП (Рис. 1). Наиболее
значительный рост (в два и более раз по отношению к ВВП) продемонстрировали рынки
стран, где изначально объем размещенных облигаций к ВВП был крайне низок (менее 5%) –
Польша, Турция, Китай, Мексика и Россия. Наиболее развитым по данному показателю
является рынок Кореи (в 2013 г. объем корпоративных облигаций в национальной валюте
составил 50,4% ВВП), российский внутренний облигационный рынок (2013 г. – 7,6% ВВП)
отстает от рынков БРИКС (15%-23% ВВП в 2013 г.).
Рис. 1. Динамика объема размещенных корпоративных облигаций, номинированных в
национальной валюте, к ВВП1
Источник данных: базы Bloomberg, Cbonds, World Bank, расчеты авторов
Примечание: Здесь и далее в расчетах учитывались корпоративные, государственные и/или
муниципальные облигации, размещенные на биржевом и внебиржевом рынках, с датой размещения до 31.12 и
датой погашения после 31.12 соответствующего года. Исключены из расчетов аннулированные размещения.
1
Здесь и далее в качестве значения ВВП за 2013 г. взято прогнозное значение IMF.
Кроме того, в 2006-2013 гг. для большинства внутренних рынков развивающихся
стран (включая Россию) был характерен опережающий темп роста сегмента корпоративных
облигаций по сравнению с сегментом государственных и муниципальных облигаций (Рис. 2).
В наибольшей степени (в 4 и более раз) доля корпоративных облигаций на внутреннем
рынке выросла в странах, где она была изначально низка (Китай, Польша, Турция).
Рис. 2. Доля корпоративных облигаций в общем объеме размещенных на внутреннем
рынке облигаций (включая государственные, субфедеральные и муниципальные)
Источник данных: базы Bloomberg, Cbonds, расчеты авторов
Во всех рассматриваемых странах, кроме Бразилии, в 2006-2013 гг. увеличился и
средний объем выпуска корпоративных облигаций, номинированных в национальной валюте
(Рис. 3). Наиболее существенный рост наблюдался в России и Польше (в 2,6 раза)ь.
Рис. 3. Средний объем выпуска корпоративных облигаций, номинированных в национальной
валюте
Источник данных: базы Bloomberg, Cbonds, расчеты авторов
По абсолютным объемам корпоративных облигаций, размещенных на внутреннем
рынках, в конце 2013 г. лидировал рынок Китая ($2033 млрд.) 2, далее следовали рынки
Кореи, Бразилии и Индии ($604, 445 и 274 млрд. соответственно). Объем рынка рублевых
корпоративных облигаций на декабрь 2013 г. составлял $160 млрд.
Для всех рассмотренных стран наибольшую долю (от 38% до 80%) в общем объеме
корпоративных облигаций, номинированных в национальной валюте,, занимают облигации
компаний финансового сектора (Рис. 4). В России среди 344 эмитентов – 176 банков и
финансовых институтов, крупнейшими заемщиками являются ВЭБ и ВТБ (по состоянию на
февраль 2014 г. объем привлеченных ими облигационных займов, размещенных на МБ
составляет $5,1 и $3,9 млрд. соответственно).
Рис. 4. Доля облигаций, выпущенных финансовыми организациями, в общем объеме
корпоративных облигаций, размещенных на внутреннем рынке (2013 г.)
Источник данных: базы Bloomberg, Cbonds, World Bank, расчеты авторов
Объемы
рынков
корпоративных
еврооблигаций
развивающихся
стран
(за
исключением Сингапура) также выросли к ВВП в 2006-2013 гг. (Рис. 5), но для большинства
стран темпы роста сегмента корпоративных еврооблигаций были ниже, чем темпы роста
сегмента корпоративных облигаций, номинированных в национальной валюте. В настоящее
время наиболее развитыми рынками корпоративных еврооблигаций являются рынки
Гонконга и Сингапура, объем российского рынка корпоративных еврооблигаций к ВВП
(2013 г. - 9%) больше, чем в Индии и в Китае (2013 г. - 3-5% ВВП). Для всех
рассматриваемых стран, кроме Польши, доля еврооблигаций, номинированных в долларах,
составляет от 79% (Гонконг) до 97% (Турция).
2
По данным базы Bloomberg, cbonds.
Рис. 5. Динамика объема размещенных корпоративных еврооблигаций к ВВП
Источник данных: базы Bloomberg, Cbonds, World Bank, расчеты авторов
Таким образом, гипотеза о росте объемов размещений корпоративных облигаций (как
в национальной, так и в иностранной валюте) по сравнению с докризисным периодом
подтверждается для большинства рассмотренных стран. Наиболее значительный темп роста
сегмента корпоративных облигаций продемонстрировали Турция, Польша и Китай. Самыми
развитыми рынками корпоративных облигаций и в докризисный период (2006-2007 гг.), и в
настоящее время являются рынки Гонконга, Кореи, Сингапура, которые значительно
опережают Россию (в 2013 г. общий объем размещенных корпоративных облигаций к ВВП
составлял 70% для Гонконга и Кореи, 46% для Сингапура, 17% для России).
Далее в нашей работе была проверена гипотеза о росте доли облигаций,
номинированных в национальной валюте, в общем объеме выпущенных корпоративных
облигаций (Рис. 6) в посткризисный период. Из Рис. 6 видно, что для многих стран (Россия,
Корея, Бразилия, Мексика, Китай) максимальное значение доли облигаций в национальной
валюте среди общего объема размещенных облигаций было достигнуто в период
финансового кризиса 2008-2009 гг.
В целом за период 2006-2013 гг. наибольший рост доли корпоративных облигаций,
номинированных в национальной валюте, в общем объеме корпоративных облигаций (Рис.
6), наблюдался в Польше и в Турции (в 5-6 раз), в ряде стран данный показатель оставался
практически постоянным (Корея, Индия, Гонконг), в Бразилии, напротив, среди
размещенных выпусков значительно выросла доля еврооблигаций. Для российского рынка
был характерен умеренный рост (с 28% до 38%) доли облигаций, номинированных в
национальной валюте, в общем объеме корпоративных облигаций (суммарный объем
корпоративных облигаций пересчитан в доллары США, по курсу на дату выпуска).
Рис. 6. Динамика доли корпоративных облигаций в национальной валюте в общем объеме
размещенных корпоративных облигаций (в национальной и иностранной валютах)
Источник данных: базы Bloomberg, Cbonds, расчеты авторов
В период 2006-2013 гг. для большинства рассмотренных стран (кроме Бразилии)
возрос как объем новых размещений корпоративных облигаций, номинированных в
национальной валюте, к ВВП, так и соотношение объема размещенных корпоративных
облигаций, номинированных в национальной валюте, к объему новых размещений (см. Табл.
1). В частности, для российского рынка был характерен практически непрерывный рост
объемов размещений. В 2012-2013 гг. российские эмитенты поставили рекорд по
заимствованиям как за последние 5 лет, так и за период с 2002 по 2007 гг., что можно
объяснить
снижением
разности
между
доходностью
привлечения
высококлассных
заемщиков и ОФЗ (спред корпоративного дефолта): к концу 2012 г. спред составлял 120-200
базисных пунктов, на февраль 2014 г. – 80-150 базисных пунктов (доходность по двухлетним
ОФЗ находилась на уровне 6,4% и 6,8% соответственно).
Таблица 1. Динамика новых размещений корпоративных облигаций, номинированных
в национальной валюте (2006-2013 гг.)
Страна
Номинальный
объем, $млрд.
% от ВВП
Общий объем размещенных
корпоративных облигаций в
национальной валюте к объему
новых размещений в
национальной валюте
2006
2013
1,7
2,9
Россия
2006
18,8
2013
55,5
2006
1,9%
2013
2,6%
Турция
0,2
32,3
0,03%
3,9%
1,0
0,7
Польша
0,3
3,0
0,1%
0,6%
3,7
7,4
167,6
200,2
17,6%
16,7%
2,0
3,0
Корея
Страна
Номинальный
объем, $млрд.
% от ВВП
Общий объем размещенных
корпоративных облигаций в
национальной валюте к объему
новых размещений в
национальной валюте
2006
2013
4,5
5,5
Индия
2006
8,1
2013
19,1
2006
2,2%
2013
2,9%
Бразилия
26,1
36,4
2,4%
1,7%
18,8
12,2
Сингапур
3,3
9,8
2,4%
3,4%
5,4
6,1
Мексика
12,6
31,8
1,3%
2,4%
3,0
3,2
Гонконг
5,0
7,5
2,6%
2,7%
3,3
3,5
Китай
61,6
790,9
2,3%
8,9%
1,9
2,6
Источник данных: базы Bloomberg, Cbonds, World Bank, расчеты авторов
Если рассматривать динамику новых размещений корпоративных облигаций в
национальной валюте по отношению ко всему объему новых размещений в 2006-2013 гг.
(Рис. 7), то для всех стран максимальное значение данного показателя было достигнуто в
период
финансового кризиса 2008–2009
гг., что
можно объяснить
сокращением
международного банковского кредитования, а для целого ряда стран – падением курса
национальной валюты по отношению к доллару США. В настоящей работе оценена
значимость коэффициентов корреляции между изменением курса национальной валюты к
доллару США и долей новых размещений корпоративных облигаций в национальной валюте
среди всех новых размещений для годовых и квартальных периодов за 2006-2013 гг. В
случае рассмотрения годовых периодов для Турции, Кореи, Мексики коэффициенты
корреляции оказались значимы с 10% уровнем, а для России, Польши и Индии – с уровнем
значимости 11-12%. В случае рассмотрения квартальных периодов для Турции, Индии,
Бразилии, Кореи, Польши коэффициенты корреляции оказались значимы с 5% уровнем.
Таким образом, для указанных стран можно говорить о достоверности гипотезы о том, что
падение курса национальной валюты влечет за собой увеличение доли займов в
национальной валюте (т.к. для эмитентов снижается стоимость заимствований), и наоборот.
В качестве иллюстрации можно привести Табл. 2, где показано соответствие между
падением курса рубля и ростом доли рублевых облигаций в 2012-2014 гг.
Для Сингапура, Гонконга, Китая, где курс национальной валюты в 2006-2013 гг. либо
почти непрерывно укреплялся по отношению к доллару США, либо незначительно
колебался вокруг равновесного уровня, данная гипотеза не подтвердилась.
Рис. 7. Динамика новых размещений корпоративных облигаций в национальной валюте в
общем объеме новых размещений корпоративных облигаций
Источник данных: базы Bloomberg, Cbonds, расчеты авторов
Таблица 2. Взаимосвязь между падением курса национальной валюты и ростом доли
облигаций, номинированных в национальной валюте, для российского рынка
2012
Показатель
Доля рублевых облигаций
в суммарном объеме новых
размещений
корпоративных облигаций
Изменение курса рубля к
доллару США
IV
кв.
2014
01.0115.02
64%
100%
I
кв.
II
кв.
III
кв.
IV
кв.
74%
43%
28%
44%
41%
36%
67%
3,8%
2,1%
-1,7%
-5,3%
1,4% -1,7%
9,8% -9,5%
I
кв.
2013
II
III
кв.
кв.
-8,9%
Источник данных: cbonds, расчеты авторов
Наконец, в настоящей работе проверена гипотеза об увеличении разнообразия
условий выпуска корпоративных облигаций (как в национальной, так и в иностранной
валюте). Прежде всего, для посткризисного периода характерно привлечение займов в
нестандартных валютах: например, в Китае с 2011 г. появились облигационные займы,
номинированные
в
австралийских
долларах,
фунтах
стерлингов,
японских
йенах,
тайваньских долларах, в Индии – в китайских юанях, гонконгских долларах, турецких лирах,
мексиканских песо, в России – в китайских юанях, турецких лирах, австралийских долларах,
чешских кронах. Следует отметить, что объем новых выпусков, номинированных в валютах,
отличных от национальных, долларов и евро, остается сравнительно небольшим (Рис. 8): так
в 2013 г. только для Сингапура и Гонконга доля новых размещений в других валютах
составляла 17% и 23%, для остальных стран данный показатель не превышал 5%.
Рис. 8. Доля новых размещений корпоративных облигационных займов в зависимости от
валюты, 2013 г.
Источник данных: базы Bloomberg, Cbonds, расчеты авторов
В посткризисный период получили развитие облигации с купонными выплатами,
зависящими от движения различных финансовых активов и макроиндикаторов. Например, в
2012-2013 гг. на российском рынке выпущены облигации с купоном, зависящим от ставки
рефинансирования ЦБ РФ (облигации АИЖК), от инфляции (РЖД), от индекса
потребительских цен (Газпром, Главная дорога, РЖД, ФСК ЕЭС), от индекса ММВБ (ВТБ
Капитал Финанс, Росбанк), от ставки прямого РЕПО с ЦБ РФ (РЖД). Для зарубежных
рынков характерна аналогичная тенденция, так, на бразильском рынке увеличилось
количество облигаций с купоном, зависящим от бразильской межбанковской депозитной
ставки3 (264 выпуска за 2013 г.), на польском рынке в 2013 г. выпущено 149 облигационных
займов с купоном, зависящим от варшавской межбанковской ставки4.
В 2012-2013 гг. эмитенты демонстрировали и другие оригинальные условия
размещения займов. Например, на российском рынке в 2012 г. были выпущены
конвертируемые в GDR облигации («Северсталь» на $475 млн.); «длинные облигации» (7-10
летние еврооблигации «Газпрома», «РЖД», ФСК), бессрочные облигации («вечный
евробонд» VTB perpet).
В то же время, доля займов с плавающей ставкой и конвертируемых займов в общем
объеме размещенных облигаций (номинированных в национальной и иностранной валютах)
для большинства стран в 2012-2013 гг. снизилась по сравнению с докризисными значениями
2006 г. (Табл. 3). Доля субординированных займов увеличилась для России, Польши, Кореи,
Индии, Мексики и Гонконга. Доля ипотечных займов возросла только в России и Мексике.
3
BZDIOVRA (Brazil Interbank Deposit Rate).
4
WIB (Warsaw Interbank Offered Rate).
Таким образом, гипотеза о повышении разнообразия условий выпуска корпоративных
займов подтверждена лишь частично (в отношении валют займов и условий купонных
выплат).
Таблица 3. Доля займов с плавающей ставкой, конвертируемых, субординированных,
ипотечных
займов
в
общем
объеме
размещенных
корпоративных
облигаций
(номинированных как в национальной валюте, так и в иностранных валютах)
Страна
Доля займов с
плавающей
ставкой
Доля конвертируемых
облигаций
2006
2006
2013
2013
Доля субординированных
займов
2006
2013
Доля
ипотечных
займов
2006
2013
Россия
7,1%
4,2%
0,6%
0,8%
1,8%
7,4%
0,1%
1,7%
Турция
32,9%
7,8%
0,7%
0,1%
13,2%
12,8%
0,0%
0,0%
Польша
26,2%
28,8%
0,2%
0,5%
0,0%
4,0%
0,3%
0,0%
Корея
7,3%
7,2%
4,6%
1,0%
6,2%
8,3%
0,1%
0,0%
Индия
6,4%
0,8%
10,5%
2,5%
17,4%
19,5%
0,4%
0,0%
Бразилия
16,4%
27,5%
0,9%
1,1%
45,3%
38,5%
0,0%
0,0%
Сингапур
14,0%
11,6%
6,6%
7,7%
27,6%
23,2%
0,6%
0,0%
Мексика
21,4%
14,8%
1,7%
1,1%
1,7%
5,5%
0,9%
1,5%
Гонконг
9,2%
6,0%
13,6%
8,0%
4,0%
8,7%
0,2%
0,0%
12,1%
2,7%
6,7%
2,4%
16,0%
9,9%
0,0%
0,0%
Китай
Источник данных: базы Bloomberg, cbonds, расчеты авторов
Доля корпоративных облигаций, не включенных ни в один биржевой листинг,
снизилась во всех странах в период с 2006 по 2013 г. По данным базы Bloomberg, на декабрь
2013 г. доля таких займов составляла для России лишь 4% от общего объема размещенных
корпоративных облигаций, в Индии, Бразилии и Китае – 3%, 12% и 6% соответственно. Доля
биржевых сделок с корпоративными рублевыми облигациями в суммарном объеме торгов в
2011-2012 гг превышала 80%.
Из 976 обращающихся на февраль 2014 г. выпусков рублевых корпоративных
облигаций, 540 выпускам присвоен рейтинг от агентств Fitch Ratings, Standard&Poor’s,
Moody’s по международной шкале в национальной валюте. Из них 50% выпусков имеет
рейтинг не ниже инвестиционного (ВВВ- и выше по шкалам Fitch Ratings, Standard&Poor’s,
Baa3 и выше по шкале Moody’s), 24% выпусков присвоен рейтинг от ВВ- до BB+ по шкале
Fitch Ratings, Standard&Poor’s (или Ba3-Ba1 по шкале Moody’s), 26% выпусков – рейтинг от
В- до В+ (B3-B1 по шкале Moody’s). Что касается рынка российских корпоративных
еврооблигаций, то 420 выпускам присвоен рейтинг по международной шкале в иностранной
валюте
от
ведущих
еврооблигаций
по
рейтинговых
рейтингам
агентств.
аналогично
Распределение
рассмотренному
количества
выше
для
выпусков
рублевых
корпоративных облигаций: 52% выпусков присвоен рейтинг не ниже ВВВ-, 26% – рейтинг от
ВВ- до ВВ+, 21% – рейтинг от В+ до В- (по шкале Fitch Ratings, Standard&Poor’s или
эквивалент по шкале Moody’s).
В период с 2008 по 2014 гг. существенно расширился Ломбардный список ценных
бумаг, принимаемых в качестве обеспечения по операциям РЕПО и ломбардного
кредитования с Банком России. Меры по расширению Ломбардного списка в период кризиса
были направлены на повышение ликвидности банковского сектора. Если по состоянию на
01.01.2008, в Ломбардный список входило 92 выпуска российских корпоративных
облигаций, размещенных 40 эмитентами, то по состоянию на 29.01.2014 – 572 выпуска,
размещенных 169 эмитентами.
Общий уровень доходности инвестирования в корпоративные еврооблигации рынков
развивающихся стран в целом можно оценить по индексу EMCB5 (Табл. 4), в рублевые
облигации – по индексу MICEX CBI TR. В период 2009-2013 гг. данные индексы показали
среднегодовую доходность на уровне 14% и 11,5% годовых соответственно. Для сравнения,
за указанный период индексы фондового рынка MICEX (Россия), BOVESPA (Бразилия), BSE
Sensex (Индия), Shangai Composite (Китай) показали среднюю доходность на уровне 26,9%,
11,5%, 19,6% и 3,0% соответственно.
Таблица
4.
Доходность
некоторых
индексов
корпоративных
облигаций
развивающихся стран в посткризисный период (%)
Индекс
2009
2010
2011
2012
2013
2009–2013
EMCB
39,65
11,44
3,84
15,80
-0,51
14,04
MICEX CBI TR
21,52
13,31
5,63
8,57
8,62
11,53
Источник: cbonds, finam.ru, расчеты авторов
На основе вышесказанного можно сделать вывод о том, что для большинства
облигационных рынков рассмотренных стран (внутренних и внешних) в посткризисный
период характерны: значительный рост объемов заимствований, опережающий рост
сегмента корпоративных облигаций по сравнению с сегментом государственных и
субфедеральных облигаций, относительно высокие уровни доходности инвестирования.
Противоположная ситуация складывалась в последние годы на акционерном рынке
капитала. Объем первичных размещений в мире, по данным базы Thomson Reuters, в 2012 г.
EMCB (BofA Merrill Lynch Emerging Markets Corporate Plus Index) – композитный индекс, в который входят
номинированные в долларах США и евро облигации эмитентов из развивающихся стран.
5
упал до уровней, лишь немного превышающих объемы в кризисные 2008 и 2009 гг., а в
странах BRIC - до самого низкого за последние девять лет уровня. И в РФ, и в мире
преобладали вторичные размещения.
В 2013 г. акционерные рынки развитых и развивающихся стран демонстрировали
разнонаправленную динамику: если для первых был характерен высокий рост индексов
(например, индекс S&P 500 вырос на 27%), то для последних – стагнация или падение (по
итогам 2013 г. рост индекса ММВБ составил лишь 0,6%, а индекс РТС снизился на 8,6% изза падения курса рубля к доллару). Это было обусловлено как сокращением стимулирующих
программ ФРС, так и негативными ожиданиями глобальных инвесторов относительно
возможности развивающихся экономик демонстрировать стабильно высокие темпы роста в
будущем. Следует отметить, что в 2013 г. несмотря на ожидаемые низкие темпы роста (1,51,7%) финансовый рынок РФ на фоне рынков других развивающихся стран оставался
относительно устойчивым: так, в 2013 г. курс рубля к доллару снизился лишь на 7%, а курс
индийской рупии и бразильского реала упал на 11-13% (по данным Bloomberg). С учетом
валютных рисков (ослабления рубля и ряда других национальных валют развивающихся
стран к доллару и евро), в настоящее время для инвесторов рынки еврооблигаций
представляются
более
инвестиционно
привлекательным,
чем
внутренние
рынки
развивающихся стран.
2. Детерминанты доходности рублевых корпоративных облигаций вторичного
рынка. Эконометрическое исследование
Для выявления детерминант эффективной доходности облигаций (как доходности к
погашению рублевых корпоративных облигаций (YTM)), обращаемых на Московской
бирже, в рамках исследования рассматривалась многофакторная регрессионная модель вида:
YTM it  b1  Size it  b2  Fin
Risk it  b3  NonFin Risk it  Dummy Industry   it
где фактор Fin Risk представляет собой набор финансовых показателей (в итоговую
модель попал один или несколько финансовых показателей), а фактор NonFin Risk – набор
нефинансовых
показателей,
компании-эмитента
характеризующих
(например,
концентрацию
качество
корпоративного
управления
акционерного
капитала,
присутствие
тестировалось
несколько
гипотез
государства в капитале и т.п.).
На
шестилетнем
отрезке
(2007-2012)
на
статистическую значимость различий в уровнях котируемых рублевых облигационных
займов:
1. Различие в ставках может быть объяснено размером компании-эмитента (выручкой);
2. Различие в ставках может быть объяснено характеристиками котируемых выпусков
(например, дюрацией, объемом котируемого займа);
3. Долговая нагрузка и показатели финансового состояния объясняют различие ставок,
различна
объяснительная
сила
разных
показателей
финансового
риска
(сопоставлялись по объяснительной способности такие индикаторы, как коэффициент
чистого долга по аналитическим показателям EBIT и EBITDA; коэффициент
покрытия процентов; соотношение долгосрочных заимствований и собственного
капитала,
кредитный
рейтинг),
важны
показатели
прибыльности
(например,
соотношение операционной прибыли и выручки);
4. Значимы нефинансовые факторы в объяснении различий ставок по облигациям,
например, велика роль структуры акционерного капитала (прежде всего доли
государства в акционерном капитале компании, концентрации акционерного
капитала);
5. Набор факторов, объясняющих различие ставок зависит как от отраслевой
принадлежности, так и от стадии делового цикла.
Анализ строился на панельных данных. Последовательно, через программу Eviews
анализировались зависимости: 1) по панели из всех компаний; 2) по панели компаний
каждой отрасли в отдельности.
Доходность к погашению (оферте) по компании фиксировалась следующим образом:
рассматривалась средняя эффективная доходность облигации в период с 15 апреля по 15 мая
года, следующего за годом с наличием финансовой отчетности компании. Выбранный
период является периодом публикации годовой отчетности, что позволяет учесть влияние на
YTM финансовых показателей, фиксирующих состояние компании на декабрь предыдущего
года.
Расчет показателей кредитного риска производился на основе опубликованной
компаниями финансовой отчетности. При наличии отчетности по международным
стандартам - ей отдавалось предпочтение. Для проверки значимости кредитных рейтингов
для ранжирования российских эмитентов облигаций по риску дефолта использовались
оценки кредитного рейтинга эмитентов от следующих агентств: Standard & Poor's, Fitch
Ratings, Moody's Investors Service и Национального рейтингового агентства.6
Для анализа детерминант эффективной доходности рублевых корпоративных
облигаций были выбраны компании следующих отраслей: машиностроение, нефтегазовая
отрасль, пищевая промышленность и АПК, ритейлеры, черная металлургия, энергетика.
Условием включения отрасли в анализ являлось наличие нескольких компаний-эмитентов
6
Источники данных: сайты компаний, ресурс cbonds.ru
(не менее 4-х). Сведения о выборке компаний, вошедших в анализ доходности облигаций,
приведены в Табл. 5.
Таблица 5. Выборка компаний-эмитентов облигаций
Год
2007
2008
2009
2010
2011
2012
машиностроение
нефтегазовая
отрасль
13
10
10
8
7
10
6
7
7
8
9
10
Компаний по отраслям
пищевая
ритейлеры
промышлен
-ность и
АПК
18
29
8
10
9
9
7
7
6
4
6
7
черная
металлургия
энергетика
4
4
7
8
9
7
18
17
16
16
15
18
В Приложении 5 приведены средние и медианные значения некоторых финансовых и
нефинансовых показателей деятельности эмитентов (Net Debt/EBITDA, выручка, доля
государства
в структуре собственности, доля
оффшорных компаний, индикаторы
прозрачности и информационной независимости VanDijk) по состоянию на декабрь 2012 гг,
а также ключевые характеристики облигационных займов (доходность к погашению,
дюрация, ликвидность) за апрель-май 2013 гг.
Используемый метод анализа и выбор объясняющих переменных
Используемый нами метод анализа - панельная регрессия с фиксированными
эффектами по периодам. Выбор спецификации модели определялся тем, что модель со
случайными эффектами возможна, если эти эффекты не коррелированны с объясняющими
переменными (что может быть верно, лишь для регрессий, в которые включены переменные,
слабо меняющиеся по годам, например, дамми отрасли или доля государства в акционерном
капитале). Для остальных же регрессий зависимость части объясняющих переменных от
года, по сути, очевидна, поэтому мы сочли бессмысленным проводить тест Хаусмана для
каждой регрессии в отдельности. Этот тест приведен в Приложении 1 для первой значимой
регрессии исключительно для иллюстрации нашего правильного выбора. Стоит отметить,
что здесь и далее мы не обращали внимание на высокий R 2. Его величина объясняется в
первую очередь тем, что наибольшие различия ставок YTM наблюдаются между
различными годами, а не между различными компаниями в один год. Различия во времени в
модели отражаются фиксированными эффектами, которые никакой предсказательной силы
не имеют и служат в первую очередь для того, чтобы можно было корректно выявить
влияние других рассматриваемых переменных.
Поиск адекватной регрессионной зависимости производился следующим образом: 1)
из всех переменных была выделена группа "общих" или "контрольных" переменных,
отражающих какие-то общие черты компаний или выпусков облигаций (LN_Dur,
TradingVol_IssueVol, LN_Sales, gov, maj, maj3, IssueVol_sales, а также отраслевые дамми для
общей панели). Оставшиеся переменные рассматривались как "специфические", так как они
отражают долговую нагрузку компании (NetDebt_EBIT, NetDebt_EBITDA, EBIT_Interest,
EBITDA_Interest, LD_E, EBIT_Sales, k_std, Rating). 2)тестировались различные комбинации
только из "контрольных" переменных и выявлялась регрессия с максимальным числом
переменных с условием, что все коэффициенты в ней значимы на 10% уровне. 3) строились
регрессии с полученным набором "контрольных" переменных и одной "специфической".
Изначально переменная «соотношение объема выпуска облигации к выручке» (IssueVol_sales
) была отнесена ко второй группе переменных, но расчеты показали, что корректнее ее
отнести к "контрольным", поскольку она хорошо сочетается с другими объясняющими
переменными. Кроме того, и с экономической точки зрения эта переменная отличается от
рассмотренных в работе показателей долговой нагрузки. Ввиду большого числа тестов
использовалась только одна «специфическая» переменная характеристик выпуска - дюрация,
точнее ее логарифм - (LN (Дюрация)).
По отобранным переменным построены корреляционные матрицы за весь период
анализа и по отдельным годам. Из анализа корреляционных матриц можно сделать два
основных вывода: 1) переменные концентрации акционерного капитала maj и maj3 нельзя
использовать в одной регрессии, 2) переменная кредитного рейтинга (Rating) может быть
использована только в парной регрессии из-за сильной корреляции с большинством других
объясняющих финансовых переменных и малого числа наблюдений присвоенных кредитных
рейтингов (это подтвердили и дальнейшие расчеты - при добавлении переменной Rating к
другим объясняющим переменным резко меняются коэффициенты при переменных и их
статистическая значимость ( t-статистики)).
Эконометрический анализ эффективной доходности и выводы по тестируемым
гипотезам
По общей панели всех облигационных выпусков (296 точек) с "контрольными"
переменными были оценены две регрессии (учитывались все отраслевые дамми и только
значимые объясняющие переменные, см. Приложение 2), в которых выявлена значимость
размера выручки компаний-эмитентов и доли государства. Как вариант, мы принимали
приемлемой регрессию без доли государства, поскольку при добавлении некоторых
переменных из группы "специфических", значимость доли государства терялась.
Из "специфических" переменных в полученные регрессии по общей панели могут
быть добавлены следующие финансовые переменные: NetDebt_EBIT, NetDebt_EBITDA,
LD_E. Отметим, что переменные NetDebt_EBITDA и LD_E делают незначимой долю
государства
в
объяснении
различий
эффективной
доходности
(YTM)
российских
корпоративных облигаций. В регрессии с показателем NetDebt_EBIT, коэффициент при gov
остается значимым, но показатели R2adj регрессий с долей государства и без нее почти не
отличаются. Таким образом, по общей панели рассматриваемых выпусков можно сделать
следующие выводы:
- Размер доходности к погашению (YTM) зависит от отрасли, в которой работает
компания. Наблюдаются 3 группы отраслей с приблизительно равными уровнями
эффективной доходности (доходности к погашению) вторичного рынка облигаций. Самая
низкая доходность к погашению характерна для энергетической отрасли. Средняя
доходность присуща нефтегазовым, машиностроительным компаниям и компаниям черной
металлургии (при прочих равных на 2-2,5 п.п. выше, чем в энергетике). Самая высокая
доходность к погашению у облигаций пищевых компаний и в АПК, а также у ритейлеров
(выше еще на 1-1,5п.п). Описанные закономерности получены при учете влияния доли
государства в капитале компаний, их размера (по объему продаж) и долговой нагрузке. При
исключении доли государства из регрессии отраслевые различия усиливаются.
- Доля государства в капитале компании снижает доходность к погашению и отчасти
объясняет межотраслевые различия. Тем не менее, данная переменная становится
незначимой или слабо значимой при корректном учете долговой нагрузки компанийэмитентов облигаций.
- Чем больше размер компании (по объему продаж), тем ниже доходность к
погашению. Данная зависимость самая сильная из наблюдаемых. Коэффициент при Ln(Sales)
приблизительно равен -0,01. Таким образом, при увеличении Ln(Sales) на единицу YTM
сократится приблизительно на 1 п.п. при прочих равных. Увеличение Ln(Sales) на единицу это увеличение выручки в приблизительно 2,72 раза. Таким образом, увеличение объема
продаж в 2,72 раза приводит к снижению YTM на 1 п.п..
- Чем выше долговая нагрузка (приемлемы такие индикаторы нагрузки, как Net
Debt/EBIT, Net Debt/EBITDA, LD/E), тем выше доходность к погашению (YTM).
Наибольшей объясняющей силой обладает коэффициент чистого долга по операционной
прибыли до вычета амортизации (Net Debt/EBITDA). Вывод о наибольшей значимости
индикатора Net Debt/EBITDA делается нами по величине t-статистики соответствующего
коэффициента (для Net Debt/EBIT статистика приблизительно равна 1,75, для Net
Debt/EBITDA - 3, для LD/E - 2,5).
- Все прочие переменные в множественной регрессии незначимы.
Отраслевые особенности детерминант эффективной доходности
Рассмотрение отраслевых панельных данных дает следующие результаты:
Для рублевых облигаций пищевых компаний и агропромышленных комплексов (44
наблюдения) среди "контрольных" переменных на 10% уровне не значима ни одна (размер
компании и доля государства не определяют различие уровня ставок); 2) из "специфических"
переменных
значимы
следующие
финансовые
показатели
долговой
нагрузки:
NetDebt_EBITDA, EBIT_Interest, EBITDA_Interest, LD_E. Ниже приведены регрессионные
оценки только для коэффициента чистого долга.
Total panel (unbalanced) observations: 44
Variable
Coefficien
t
Std. Error
t-Statistic
Prob.
C
0.129321 0.016678
7.754017
0.0000
NETDEBT_EBITDA0.006752 0.003018
2.237669
0.0312
Effects Specification
Period fixed (dummy variables)
R-squared
0.692875
Mean dependent var 0.160536
Adjusted R-squared 0.652464
S.D. dependent var
0.102856
S.E. of regression
0.060636
Akaike info criterion -2.641733
Sum squared resid
0.139715
Schwarz criterion
Log likelihood
64.11813
Hannan-Quinn criter. -2.551506
F-statistic
17.14565
Durbin-Watson stat
Prob(F-statistic)
0.000000
-2.398435
1.552913
Таким образом, мы делаем вывод, что чем выше долговая нагрузка по Net
Debt/EBITDA, EBIT/Interest, EBITDA/Interest, LD/E тем выше доходность к погашению.
Наибольшей объясняющей силой для выявления различий в доходности вторичного
рублевого рынка облигаций пищевых компаний и агропромышленных комплексов обладает
показатель долгосрочного финансового рычага (LD/E).
Для ритейлеров (56 наблюдений) среди "контрольных" переменных на 10% уровне
значимы Ln_Sales и IssueVol_Sales (но только в отдельных регрессиях, будучи включенными
в общую регрессию, эти переменные становятся незначимы). Из "специфических"
переменных значимы NetDebt_EBIT и NetDebt_EBITDA, при этом они делают незначимыми
обе контрольные переменные. Также получена значимая регрессия с маржой операционной
прибыли (EBIT_Sales) и с соотношением объема выпуска к выручке (IssueVol_Sales), при
этом показатель EBIT_Sales в отдельности абсолютно незначим (p-value = 0,986). В
регрессии с одновременным включением характеристик обращаемого выпуска и долговой
нагрузки (IssueVol_Sales, EBIT_Sales, NetDebt_EBIT) оказываются незначимыми все три
переменные. Таким образом, размер ритейлера-эмитента облигации снижает доходность к
погашению, а отношение объема эмиссии к продажам увеличивает, но обе переменные
становятся незначимыми при учете переменных долговой нагрузки, указанных выше. Чем
выше маржа прибыли (рентабельность продаж по операционной прибыли), тем ниже
доходность к погашению, но только при учете отношения объема эмиссии к размеру
компании-эмитента (к размеру выручки).
Для нефтяных компаний (37 наблюдений) среди "контрольных" переменных получена
регрессия со значимыми «контрольными» переменными размера выручки и величины займа
(ISSUEVOL_SALES).
Из
"специфических"
переменных
в
данную
регрессию
(30
наблюдений) могут быть добавлены такие показатели долговой нагрузки, как: NetDebt_EBIT,
NetDebt_EBITDA, EBIT_Interest, EBITDA_Interest. Для нефтяных компаний получен
неожиданный результат: более крупные (по объему продаж) компании демонстрируют
большую доходность к погашению. Чем больше объем выпуска облигаций по отношению к
продажам, тем выше доходность к погашению. Среди показателей долговой нагрузки
наибольшей объясняющей силой обладает показатель EBITDA/Interest (который в регрессии
по всей панели отраслей оказался незначим). Переменная кредитного рейтинга, которая
тестировалась только в парной регрессии, также незначима. Отдельно стоит обратить
внимание на то, что для нефтяных компаний переменная качества корпоративного
управления «доля государства в капитале» не объясняет различия в ставках доходности (в
отличие от других отраслей и от общей выборки).
Для компаний энергетики (самая большая подвыборка – 74 наблюдения) среди
"контрольных" получена регрессия со значимыми переменными доли государства и
дюрацией:
Total panel (unbalanced) observations: 74
Variable
Coefficient Std. Error
t-Statistic
Prob.
C
0.099336 0.002719
36.53704
0.0000
LN_DUR
0.006655 0.002808
2.370159
0.0207
GOV
-0.014001 0.006352
-2.204027 0.0310
Effects Specification
Period fixed (dummy variables)
R-squared
0.824648
Mean dependent var 0.095595
Adjusted R-squared 0.808944
S.D. dependent var
0.035254
S.E. of regression
0.015410
Akaike info criterion -5.417841
Sum squared resid
0.015909
Schwarz criterion
Log likelihood
207.4601
Hannan-Quinn criter. -5.330898
F-statistic
52.51460
Durbin-Watson stat
Prob(F-statistic)
0.000000
-5.199889
0.603876
Из "специфических" переменных в данную регрессию могут быть добавлены
следующие индикаторы долговой нагрузки: NetDebt_EBIT, NetDebt_EBITDA, EBIT_Interest.
Однако стоит отметить, что добавление первых двух из них приводит к потере
статистической значимости переменной «доли государства» (gov). Таким образом, для
компаний энергетики можно выявить следующие закономерности:
1) Облигации компаний, займы которых имеют в среднем большую дюрацию,
демонстрируют более высокую доходность к погашению.
2) Присутствие государства в капитале компании несколько снижает доходность к
погашению, но влияние не ярко выраженное.
3) Чем выше долговая нагрузка (все индикаторы Net Debt/EBIT, Net Debt/EBITDA,
EBIT/Interest приемлемы по отдельности в регрессии), тем выше доходность к
погашению. Среди них наибольшей объясняющей силой обладает коэффициент
покрытия процентов - EBIT/Interest.
4) Кредитный рейтинг компаний не позволяет объяснить различия в доходностях
облигаций разных эмитентов.
Для
машиностроительных
компаний
(43
наблюдения)
среди
"контрольных"
переменных значимы доля государства и относительная величина облигационного займа
(ISSUEVOL_SALES). Ни одна из "специфических" переменных не может быть добавлена к
данной регрессии для повышения ее статистических характеристик. Причем регрессий с
"почти" значимыми переменными также не наблюдается. Таким образом, если строить
регрессию только по машиностроительным компаниям можно выявить следующие
закономерности: 1) присутствие государства в капитале компании заметно снижает
доходность к погашению, 2) чем больше соотношение объема выпуска облигаций по
отношению к выручке (продажам), тем выше доходность к погашению. Примечательна
статистическая незначимость в регрессии всех показателей долговой нагрузки.
Заключение
В статье проведен анализ тенденций, складывающихся на глобальном и российском
акционерном и облигационных рынках в посткризисный период. Если 2012-2013 гг. были
«рынком эмитентов», позволяющими привлекать относительно дешевые деньги, то к 2014 г
рост доходности на облигационном рынке и диверсификация долговых инструментов
формирует новые возможности для инвесторов. Для российских эмитентов корпоративных
облигаций и еврооблигаций 2012-2013 г. были успешными: объемы заимствований росли
опережающими темпами (по сравнению с государственными бумагами), для рынка была
характерна высокая активность размещений (хотя в 2013 г. рост развитых фондовых рынков
формировал тенденцию оттока капитала с развивающихся – и акционерных, и долговых). С
учетом валютных рисков (ослабления валют многих развивающихся стран к доллару), в
настоящее
время
рынки
еврооблигаций
представляются
более
инвестиционно
привлекательными, чем внутренние облигационные рынки развивающихся стран.
В результате анализа вторичного рынка рублевых корпоративных облигаций и
сопоставления с исследованиями на первичном рынке мы пришли к выводу, что доходность
вторичного рынка определяется специфическим набором финансовых и нефинансовых
показателей компании-эмитента, а также такими характеристиками облигационного
выпуска, как размер (в соотношении с выручкой компании) и дюрация. Включение
показателей в набор объясняющих переменных зависит как от отрасли (выделены три
группы отраслей с различными уровнями эффективной доходности: самая низкая доходность
к погашению наблюдается по компаниям энергетической отрасли, средняя доходность
присуща нефтегазовым, машиностроительным компаниям и компаниям черной металлургии
(при прочих равных на 2-2,5 п.п. выше, чем в энергетике), а самая высокая доходность к
погашению у облигаций пищевых компаний, АПК, ритейлеров (выше еще на 1-1,5п.п)), так и
от стадии делового цикла. Кредитный рейтинг присвоен только небольшому числу рублевых
облигаций, небольшому числу их эмитентов и объяснить различия в наблюдаемых ставках
доходности к погашению рейтинг не в состоянии. Риск корпоративного дефолта, находящий
отражение в эффективной ставке доходности по облигациям, может диагностироваться по
ряду финансовых коэффициентов, из которых лидирует по объясняющей силе коэффициент
чистого долга по показателю EBITDA. В объяснении различий доходности значим также
такой нефинансовый показатель, как присутствие государства в капитале компаний (чем
больше доля государства, тем относительно ниже доходность облигаций). Отраслевые
особенности вносят специфику в набор значимых показателей, на которые инвесторам
следует обращать внимание при сопоставлении облигаций по риску и доходности. Так, для
ритейлеров значимыми факторами являются объем выручки (чем больше размер эмитента,
тем дешевле обращаемые на бирже выпуски облигаций) и объем выпуска облигации, но
этими характеристиками можно пренебречь, если сопоставить конкурирующих ритейлеров
российского рынка по такому показателю долговой нагрузки, как NetDebt_EBITDA и по
рентабельности операционной прибыли (EBIT_Sales). Для машиностроительных компаний с
объективно более высокой долговой нагрузкой значимым фактором является присутствие
государства в капитале компании-эмитенте.
Приложение 1. Тестируемые переменные и их обозначения
Industry
Отрасль, как дамми-переменная
LN_Dur
LN (Дюрация), логарифм дюрации рассматриваемого выпуска
Торговая активность облигации как среднедневной объем
TradingVol_IssueVol торгов облигационного выпуска к объему займа
LN_Sales
LN (Sales), логарифм годовой выручки
gov
Доля государства в акционерном капитале
maj
Доля самого крупного мажоритария
maj3
Суммарная доля 3-х крупнейших собственников
NetDebt_EBIT
Коэффициент чистого долга = Net Debt/EBIT
NetDebt_EBITDA
Коэффициент чистого долга = Net Debt/EBITDA
EBIT_Interest
Коэффициент покрытия процентов = EBIT/Interest
EBITDA_Interest
Коэффициент покрытия процентов = EBITDA/Interest
LD_E
Финансовый рычаг = LD/E
EBIT_Sales
Маржа операционной прибыли = EBIT/Sales
k_std
Коэффициент краткосрочного чистого долга как доля чистого
краткосрочного долга в общей величине платных обязательств
(ShortTerm Debt - Cash and Equivalents) / (ShortTerm Debt +
LongTerm Debt))
IssueVol_sales
Объем
эмиссии
рассматриваемого
облигационного
выпуска/Выручка соответствующего года для выборки
Rating
Кредитный рейтинг (числовой эквивалент)
Приложение 2 Тест Хаусмана для обоснования выбора регрессии с фиксированными
эффектами по периодам:
Correlated Random Effects - Hausman Test
Equation: EQ14_ISSVOLSALES
Test period random effects
Test Summary
Chi-Sq.
Statistic
Period random
303.739823 4
Chi-Sq. d.f. Prob.
0.0000
Приложение 3 Выявление двух контрольных значимых переменных: размера и
доли государства
Total panel (unbalanced) observations: 296
Variable
Coefficien
t
Std. Error
t-Statistic
Prob.
C
0.327194 0.039336
8.317818
0.0000
DUMMY_ENERGY -0.027662 0.007231
-3.825196 0.0002
DUMMY_FOOD
0.015656 0.009555
1.638549
0.1024
DUMMY_RETAIL 0.013907 0.008588
1.619275
0.1065
LN_SALES
-0.011399 0.002135
-5.339506 0.0000
GOV
-0.022183 0.012024
-1.844961 0.0661
Effects Specification
Period fixed (dummy variables)
R-squared
0.569734
Mean dependent var 0.121874
Adjusted R-squared 0.556194
S.D. dependent var
0.070707
S.E. of regression
0.047104
Akaike info criterion -3.239717
Sum squared resid
0.634574
Schwarz criterion
Log likelihood
489.4781
Hannan-Quinn criter. -3.189800
F-statistic
42.07838
Durbin-Watson stat
Prob(F-statistic)
0.000000
-3.115043
2.227197
Total panel (unbalanced) observations: 296
Variable
Coefficient Std. Error t-Statistic
Prob.
C
0.310733 0.047014 6.609404
0.0000
DUMMY_ENERGY -0.024354 0.010390 -2.344083 0.0198
DUMMY_MACHINE 0.007409 0.011872 0.624062
0.5331
DUMMY_IRON
-0.001493 0.011766 -0.126889 0.8991
DUMMY_FOOD
0.019332 0.013022 1.484589
0.1388
DUMMY_RETAIL
0.017009 0.011835 1.437185
0.1518
LN_SALES
-0.010610 0.002406 -4.410595 0.0000
GOV
-0.024405 0.012659 -1.927874 0.0549
Effects Specification
Period fixed (dummy variables)
R-squared
0.570666
Mean dependent var 0.121874
Adjusted R-squared 0.554037
S.D. dependent var
0.070707
S.E. of regression
0.047218
Akaike info criterion -3.228372
Sum squared resid
0.633199
Schwarz criterion
Log likelihood
489.7991
Hannan-Quinn criter. -3.168472
F-statistic
34.31730
Durbin-Watson stat
Prob(F-statistic)
0.000000
-3.078763
2.231354
Приложение 4. Введение переменных из группы «специфических». Значимость
долговой нагрузки
Total panel (unbalanced) observations: 259
Variable
Coefficien
t
Std. Error
t-Statistic
Prob.
C
0.286430 0.047866
5.983987
0.0000
DUMMY_ENERGY -0.021073 0.008483
-2.484070 0.0137
DUMMY_FOOD
0.015388 0.009990
1.540269
0.1248
DUMMY_RETAIL 0.015367 0.008999
1.707656
0.0890
LN_SALES
-0.009827 0.002500
-3.931139 0.0001
GOV
-0.020178 0.013197
-1.528989 0.1275
NETDEBT_EBITDA0.004003 0.001351
2.962047
0.0034
Effects Specification
Period fixed (dummy variables)
R-squared
0.612951
Mean dependent var 0.122317
Adjusted R-squared 0.597344
S.D. dependent var
0.073760
S.E. of regression
0.046805
Akaike info criterion -3.244123
Sum squared resid
0.543289
Schwarz criterion
Log likelihood
431.1139
Hannan-Quinn criter. -3.183387
F-statistic
39.27450
Durbin-Watson stat
Prob(F-statistic)
0.000000
-3.093061
1.953866
Total panel (unbalanced) observations: 259
Variable
Coefficien
t
Std. Error
t-Statistic
Prob.
C
0.283959 0.047967
5.919880
0.0000
DUMMY_ENERGY -0.023998 0.008287
-2.895832 0.0041
DUMMY_FOOD
0.018358 0.009826
1.868324
0.0629
DUMMY_RETAIL 0.018461 0.008792
2.099741
0.0368
LN_SALES
-3.946603 0.0001
-0.009891 0.002506
NETDEBT_EBITDA0.004131 0.001353
3.053886
0.0025
Effects Specification
Period fixed (dummy variables)
R-squared
0.609302
Mean dependent var 0.122317
Adjusted R-squared 0.595180
S.D. dependent var
0.073760
S.E. of regression
0.046930
Akaike info criterion -3.242462
Sum squared resid
0.548410
Schwarz criterion
Log likelihood
429.8989
Hannan-Quinn criter. -3.187248
F-statistic
43.14676
Durbin-Watson stat
Prob(F-statistic)
0.000000
-3.105133
1.953732
Total panel (unbalanced) observations: 271
Variable
Coefficien
t
Std. Error
t-Statistic
Prob.
C
0.288335 0.043526
6.624412
0.0000
DUMMY_ENERGY -0.019135 0.007554
-2.533198 0.0119
DUMMY_FOOD
0.014507 0.009617
1.508370
0.1327
DUMMY_RETAIL 0.018482 0.008752
2.111703
0.0357
LN_SALES
-0.009911 0.002291
-4.326514 0.0000
GOV
-0.015334 0.011604
-1.321425 0.1875
LD_E
0.008942 0.003560
2.512095
0.0126
Effects Specification
Period fixed (dummy variables)
R-squared
0.583405
Mean dependent var 0.118122
Adjusted R-squared 0.567382
S.D. dependent var
0.067599
S.E. of regression
0.044462
Akaike info criterion -3.348604
Sum squared resid
0.513994
Schwarz criterion
Log likelihood
464.7359
Hannan-Quinn criter. -3.289899
-3.202393
F-statistic
36.41073
Prob(F-statistic)
0.000000
Durbin-Watson stat
1.982726
Приложение 5.
Таблица 1 Средние и медианные значения финансовых и нефинансовых показателей
деятельности эмитентов
Год
Средние
значения NetDebt
Ком- индикаторов VanDijk EBITDA
паний
прозрачности
/ Выручка,
млн.руб.
Прямая доля
Доля
оффшорных
государства в
компаний в
структуре
структуре
собственност
собственност
и
и
независисреднее
мости
медиа средн медиа средн медиан средн медиа
на
ее
на
ее
а
ее
на
D+
1,47
1,31
26 728 38 005 50% 61%
19%
0%
0,85
0,62
673
586
22%
0%
МАШИНОСТРОЕНИЕ
2012 10
40
НЕФТЕГАЗОВАЯ ОТРАСЛЬ
2012 10
79
D+
624
493
26% 16%
ПИЩЕВАЯ ПРОМЫШЛЕННОСТЬ И АГРОПРОМЫШЛЕННЫЙ КОМПЛЕКС
2012 6
35
D+
2,64
2,60
18 511 18 332 0%
0%
33%
24%
D+
1,87
1,43
92 676
113
877
2%
0%
14%
0%
C+
2,89
2,94
238
316
289
885
0%
0%
60%
72%
D+
1,91
1,61
73 583 68 243 39%
13%
3%
РИТЕЙЛЕРЫ
2012
7
30
ЧЕРНАЯ МЕТАЛЛУРГИЯ
2012
7
58
ЭНЕРГЕТИКА
2012
18
85
28%
Источники данных: бухгалтерская отчетность и ежеквартальные отчеты
эмитентов с сайтов компаний, из баз FIRA и СПАРК, база VanDijk, расчеты авторов.
Таблица 2 Ключевые характеристики облигационных займов
Доходность
Облигационных погашению, %
Год
выпусков
к
Дюрация, лет
Ликвидность: доля дней с
ненулевым
торговым
оборотом от общего числа
торговых дней за год
среднее медиана среднее медиана среднее
МАШИНОСТРОЕНИЕ
медиана
Доходность
Облигационных погашению, %
Год
выпусков
2013 18
к
Дюрация, лет
Ликвидность: доля дней с
ненулевым
торговым
оборотом от общего числа
торговых дней за год
среднее медиана среднее медиана среднее
медиана
9,02%
8,94%
0,71
0,53
0,43
0,41
7,75%
1,72
1,45
0,57
0,55
НЕФТЕГАЗОВАЯ ОТРАСЛЬ
2013 36
7,85%
ПИЩЕВАЯ ПРОМЫШЛЕННОСТЬ И АГРОПРОМЫШЛЕННЫЙ КОМПЛЕКС
2013 7
11,63% 12,01%
0,74
0,65
0,51
0,61
10,84% 10,35%
1,58
1,47
0,42
0,38
РИТЕЙЛЕРЫ
2013 16
ЧЕРНАЯ МЕТАЛЛУРГИЯ
2013 39
9,74%
8,71%
1,36
1,29
0,55
0,55
8,64%
8,38%
1,28
1,14
0,45
0,38
ЭНЕРГЕТИКА
2013 43
Источники данных: бухгалтерская отчетность и ежеквартальные отчеты
эмитентов с сайтов компаний, из баз FIRA и СПАРК, база VanDijk, расчеты авторов.