НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ УНИВЕРСИТЕТ – ВЫСШАЯ ШКОЛА ЭКОНОМИКИ Международный институт экономики и финансов МАГИСТЕРСКАЯ ДИССЕРТАЦИЯ «Как выплаты дивидендов влияют на стоимость акций компаний в странах БРИК» Москва 2011 1 Оглавление Введение ........................................................................................................................................ 3 Глава 1. О дивидендах ................................................................................................................. 5 1.1 Что такое дивиденды? Дивидендная политика компаний ........................................... 5 1.2 Теории дивидендов .......................................................................................................... 6 Глава 2. Экономики развивающихся стран ........................................................................... 8 Глава 3. Модель ......................................................................................................................... 11 3.1 Описание выборки.......................................................................................................... 11 3.2 Описание переменных ................................................................................................... 12 3.3 Модель ............................................................................................................................. 14 Заключение ................................................................................................................................. 38 Список использованной литературы .................................................................................... 39 Приложения ................................................................................................................................ 44 Приложение № 1 .......................................................................................................................... 44 Приложение № 2 .......................................................................................................................... 49 Приложение № 3 .......................................................................................................................... 51 Приложение № 4 .......................................................................................................................... 53 Приложение № 5 .......................................................................................................................... 57 Приложение № 6 .......................................................................................................................... 59 Приложение № 7 .......................................................................................................................... 63 Приложение № 8 .......................................................................................................................... 65 2 Введение. Мы живем в мире ограниченной информации, где каждый пытается получить выгоду на основании тех данных, которыми он располагает. Феномен асимметрии информации в настоящее время присутствует почти во всех сферах экономической деятельности. В контексте выбранной мной темы, асимметрия информации проявляется в неравенстве возможностей менеджера и инвесторов правильно оценить состояние фирмы. Менеджер, понимает, какие у компании есть текущие и потенциальные проблемы, есть ли возможности для роста и как фирма их использует, а также подает инвесторам сигналы о качестве работы фирмы, иначе рынок может оценить ее стоимость не так, как на это рассчитывали владельцы и сами менеджеры компании. В качестве примера можно привести уровень дивидендных выплат, который служит сигналом для существующих акционеров и потенциальных инвесторов. Необходимо отметить, что такие платежи – смешанный сигнал, потому что инвесторы могут воспринимать рост дивидендных выплат как показатель того, что фирма растет и может позволить себе распределить чистую прибыль между акционерами, не опасаясь возможности в будущем не справиться с объемами задолженности перед держателями облигаций. С другой стороны, дивидендные выплаты могут восприниматься как отрицательный сигнал, в этом случае цены на акции будут падать. В данной работе будет рассмотрена литература по основным теориям дивидендов и по исследованиям на тему наличия сверхдоходности при объявлении дивидендов, а также будет проведен анализ реакции рынков стран БРИК при объявлении годового объема дивидендов в денежном эквиваленте. Данное исследование можно воспринимать как дополнение к уже существующему набору статей по дивидендным политикам компании. На текущий момент не существует работ, которые бы проводили совместный анализ зависимости избыточной доходности по акции и изменением в уровне дивиденда в странах БРИК. Кроме этого, в работе оценивается эффект неожиданной части новой дивидендной выплаты, которую рынок не смог предсказать на основе доступной информации. Структура дипломной работы выглядит следующим образом. Глава I содержит общую информацию по дивидендной политике компаний, порядку отчисления средств, идущих на выплаты дивидендов, обзор основных теорий, рассматривающих, как дивидендная политика влияет на оценку стоимости компании. 3 Глава II содержит обзор текущей экономической ситуации в странах БРИК. Глава III включает в себя обзор и оценку модели, описывающей зависимость между сверхдоходностью и изменением в уровне выплачиваемых дивидендов, а также других объясняющих переменных, таких как размер компании, индустрия, доходность по активам, коэффициент ликвидности, коэффициент “заёмного капитала к активам”. 4 Глава 1. 1.1 Что такое дивиденды? Дивидендная политика компании Дивиденды - это часть чистой прибыли компании, которая распределяется между акционерами пропорционально числу и категории принадлежащих им акций. Совет директоров компании должен одобрить сумму и дату выплаты дивидендов. Существуют три основные даты, связанные с платежами: дата объявления дивидендов, дата закрытия реестра и дата выплаты, а также два основных способа выплаты дивидендов: денежный и неденежный. Денежные потоки, генерируемые фирмой, принадлежат ее акционерам, поэтому решение оставлять ли прибыль в компании или выплатить ее в качестве дивидендов зависит от того, есть ли у фирмы возможность реинвестировать средства так, чтобы получить доход, больший, чем тот, который могли бы получить инвесторы, вкладываясь в активы с тем же уровнем риска. Несмотря на то, что теоретически существует несколько способов выплатить дивиденды, большинство эмпирических исследований показало, что менеджер каждой фирмы в этом плане придерживается собственной политики. Одним из наиболее известных исследований в этой области является исследование Джона Линтнера1, опубликованное в 1956 году. Он исследовал 28 американских компаний, которые осуществляли выплаты дивидендов в период с 1947 по 1953 год. В результате проделанной работы автор приходит к выводу, что существуют четыре основных факта, характеризующих политику компаний в области дивидендных выплат. Целевой уровень выплат дивидендов варьируется от 20 до 80 процентов, данный уровень выплат пропорционален долгосрочному уровню выручки компании, менеджеры больше сконцентрированы на изменениях в уровне дивидендов, нежели на их фактическом уровне, выплаты дивидендов по возможности сглаживаются, и менеджеры стараются не менять их уровень в течение длительного периода. 1 Lintner J., 1956, “Distribution of incomes of corporations among dividends , retained earnings and taxes”, The American Economic Review, Vol. 46, No. 2, Papers and Proceedings of the Sixty-eighth Annual Meeting of the American Economic Association, pp. 97-113 5 1.2 Теории дивидендов. Чтобы понять как выплата дивидендов или, наоборот, отмена выплат влияет на цену акций компании, необходимо рассмотреть несколько теорий, которые изучают зависимость между ценой и дивидендами. В качестве первой теории (так называемой «теории независимости дивидендов»), необходимо рассмотреть идею Модильяни и Миллера2, которые предполагали, что политика выплат дивидендов, как и структура капитала, не влияют на стоимость компании. С начала шестидесятых годов идут бурные дебаты относительно правдивости данной теории и разработка альтернативных подходов к оценке влияния дивидендных выплат на цену акции. «Клиентская теория дивидендов» гласит о том, что инвесторы предпочитают определенные компании в зависимости от реализуемой ими дивидендной политики. Данная теория также связывает налоговые предпочтения инвесторов с последующим выбором компаний для инвестирования. «Сигнальная теория дивидендов» базируется на нарушении предположения о совершенной информации. Её основная предпосылка состоит в том, что объявление об изменении дивидендных выплат положительно коррелировано с реакцией рынка. Одними из первых об информационной составляющей дивидендов заговорили Линтнер в своей работе 1956 года (Lintner, 1956), а также Модильяни и Миллер в исследовании 1961 года3. Эмпирически выводы Линтнера подтверждаются многими исследованиями, например Fama и Babiak 4(1968 год), Petit (19725, 19766 год), DeAngelo, DeAngelo и Skinner (19927 год), Healu и Palepu8 (1988 год) и другими. Modigliani, F., Merton H. M., 1959, “The cost of capital, corporation finance, and the theory of investment: Reply”, American Economic Review 49, 655-669 3 Miller М., Modigliani F., 1961, “Dividend Policy, Growth and the Valuation of Shares”, Journ. Business, pp. 411433 4 Fama, E. F., and Babiak H., 1968, “Dividend policy: An empirical analysis”, Journal of the American Statistical Association 63, 1132-1161 5 Pettit, R., 1972, “Dividend Announcements, Security Performance, and Capital Market Efficiency”, The Journal of Finance 27 (5), 993-1007 6 Pettit, R., 1976, “The Impact of Dividends and Earnings Announcements: A Reconciliation”, The Journal of Business 49 (1), 86-96 7 DeAngelo, H., DeAngelo L., and Skinner D.G., 1992, “Dividends and losses”, Journal of Finance 47, 1837-1863 8 Healu P.M., Palepu K.G., 1988. “Earnings Information Conveyed by Dividend Initiations and Omissions.” Journal of Financial Economics 21, 149 – 175 2 6 «Агентская теория дивидендов» основывается на работе Jensen и Meckling9. В данной теории дивиденды позволяют разрешить существующий конфликт между акционерами и управлением компании, если служат средством снижения агентских издержек (или издержек поручительства). В таком случае выплаты дивидендов будут производиться даже в том случае, если налог на дивиденды выше, чем налог на увеличение стоимости акций. Все вышеперечисленные теории позволяют прийти к выводу о том, что дивиденды являются не просто положительным, а скорее смешанным сигналом, поэтому говорить о единственно правильной связи между уровнем дивидендного дохода и получением избыточной доходности (abnormal return) было бы не совсем корректно. Meckling M.H., Jensen M.C., 1976, “Theory of the Firm: Managerial Behavior, Agency Costs and Ownership Structure” 9 7 Глава 2. Экономики развивающихся стран Для данного исследования были выбраны страны БРИК. На данном этапе развития экономической сферы выбор данных стран для подобного анализа представляется достаточно актуальным. За последние два десятилетия либеральные реформы в этих четырех странах существенно облегчили выход национальных компаний на мировые рынки капитала. Согласно оценке компании Standard & Poor’s10 Бразилия и Индия имеют рейтинг BBB-, рейтинг России – BBB, в то время как рейтинг Китая AA-. Описание рейтингов отражено в Приложении № 1, Таблице № 1. Судя по рейтингам, присвоенным данным странам, можно сделать вывод о том, что все четыре страны – эмитенты инвестиционного уровня, что предполагает рост экономической значимости. Макроэкономические характеристики стран отражены в Приложении № 1, Таблицах 2 – 8. Итак, уровень интереса к данным рынкам растет по причине высоких темпов развития, а также в связи с растущим уровнем интеграции в мировую экономическую среду. Вкладывая средства в эти страны, инвесторы заинтересованы в получении высоких прибылей, а поскольку дивиденды являются одним из важнейших источников денежных потоков, то анализ дивидендной политики, принятой в каждой отдельной стране, необходим для построения корректной стратегии работы на рынке. Еще одной причиной заинтересованности в развивающихся странах является их отличие от экономик развитых стран. Именно поэтому было бы интересно проанализировать, схожи ли дивидендные политики и реакция на объявление дивидендов. Итак, каким же образом выплачиваются дивиденды в странах БРИК, и как реагирует рынок на эти выплаты? Чтобы ответить на этот вопрос, необходимо знать правовую сторону дивидендных выплат в каждой стране, а также рассмотреть различные исследования, проведенные на рынках стран БРИК. 10 http://www.standardandpoors.com/ratings/sovereigns/ratings-list/en/us?sectorName=Governments&subSectorCode=39 8 Бразилия. В Бразилии компаниям разрешено выплачивать дивиденды двумя основными способами: через общее собрание акционеров (Shareholder’s General Meeting) и через собрание совета директоров (Board of Director’s Meeting)11. Россия. В России небольшой опыт выплаты дивидендов. Данная ситуация объясняется в большей степени политической историей страны, поскольку до проведения приватизации в начале 90-х годов, компании находились в собственности государства и дивиденды соответственно не выплачивались. В 2002 – 2003 году ситуация начала меняться. Многие публичные компании задумались об улучшении своего корпоративного имиджа, что позволяло привлекать новые инвестиции, а также увеличить рыночную капитализацию и положить начало ее дальнейшему росту. С этой целью они начали выплачивать дивиденды, которые по своим объемам были сопоставимы с прибылью. До 2006 года дивидендные выплаты в основном производились только “голубыми фишками”. Но в самом 2006 году были произведены выплаты и компаниями так называемого “второго эшелона”, например Новатэк объявил о выделении 15% чистой прибыли на выплату дивидендов. Таким образом, у российских компаний нет стабильной политики дивидендных выплат, что становится отчетливо видно при первичной оценке данных. Индия. В Индии компании должны удовлетворять нескольким требованиям, прежде чем начать выплачивать дивиденды. Во-первых, дивидендные выплаты могут быть произведены лишь из текущей прибыли или из накопленной прибыли за прошлые годы, но только после того, как компания выделит часть прибыли на амортизацию основных средств. Во-вторых, дивиденды не могут быть выплачены из капитала компании и выплачиваются только наличными. Также, если уровень дивидендов больше чем 10 % от капитала компании, то фирма должны перечислить определенную часть от прибыли компании в резервы до непосредственной выплаты акционерам. Procianoy J. L., Verdi R.S., 2009, “Dividend Clientele, New Insights, And New Questions: The Brazilian Case”, RAE-eletrônica, v. 8, n. 1, Art. 1 11 9 Китай. Рынок Китая характеризуется большим количеством компаний, плотно контролируемых государством, при этом те компании, которые хотят получить внешнее финансирование, обязаны раскрывать историю дивидендных выплат. Итак, в разных странах приняты разные дивидендные политики в силу разных правовых баз, законодательств, исторически сложившихся традиций или же своеобразных корпоративных культур. Именно поэтому было бы интересно посмотреть на реакции рынков на объявления дивидендов в каждой из этих четырех стран, чтобы понять, настолько ли эти отличия принципиальны, чтобы вызвать разную реакцию или же, несмотря на определенные отличия, инвесторы относятся к объявлениям о выплате дивидендов одинаково. 10 Глава 3. 3.1 Описание выборки В выборку войдут данные по четырем странам за семь лет, начиная с 2003 года и заканчивая 2009. Выборка производилась с учетом определенных условий. 1. В 2007 году по информации, содержащейся в базе данных Reuters, наибольшее количество компаний на основных биржах стран БРИК прошло процедуру первичного размещения (IPO). Именно по этой причине 2007 год был выбран в качестве базового при определении списка анализируемых компаний; 2. В данной выборке рассматривались дивиденды в денежном эквиваленте, указанные в базе данных Bloomberg под заголовком “Regular Cash”, а также случаи невыплат дивидендов компаниями по определенным причинам после даты объявления о выплате под заголовком “Omitted”; 3. Компания не должна была объявлять уровень прибыли (earnings level) в течение 5 дней до и после объявления дивидендов. Таким образом, сокращается шум, возникающий при объявлении дивиденда и контролируется “чистый” эффект объявления. Анализируемая выборка представляет собой несбалансированные панельные данные, в связи с тем, что компании начинали торговаться и покидали биржу в разное время. По итогам обработки данных во всех четырех странах получено следующее количество компаний для двух отдельных регрессий, речь о которых пойдет чуть позже в секции 3.3. Причиной разного количества компаний является доступность данных по объясняющим переменным для второй регрессии, анализирующей избыточную доходность по акции в момент объявления дивиденда. Количество Количество компаний,1ая компаний,2ая Страна регрессия регрессия Бразилия 266 203 Россия 235 150 Индия 966 775 Китай 613 613 Кроме этого необходимо понять насколько дивидендная политика компаний и ожидания инвесторов отличаются между индустриями. Для этого анализируется разбивка компаний по индустриям в каждой стране. Распределение компаний по индустриям, а также 11 описание каждой индустрии приведено в Приложении № 2 Таблицах № 9 – 13, где красным выделена наиболее часто встречающаяся индустрия (исключается из анализа с целью избежать ловушки фиктивных переменных). 3.2 Описание переменных 1. Дивиденд на акцию (“dps”): Дивиденд в денежном эквиваленте Количество акций в обращении Используются две переменные – “dps_curr” и “dps_prev”, где “dps_curr” – объявленный уровень дивиденда, “dps_prev” – уровень дивиденда, объявленный в предыдущем году; 2. Рентабельность активов (“ROA”): Чистая прибыль ( убыток) дивиденд по привилегированным акциям Активы Кроме самой переменной будет оценено влияние изменения рентабельности активов (“delta_ROA”) на уровень дивидендной выплаты; 3. Коэффициент ликвидности (“Curr_ratio”): Краткосрочные активы Краткосрочные пассивы Данная переменная служит в качестве прокси для измерения ликвидности компании. Кроме самой переменной будет оценено влияние изменения в коэффициенте ликвидности (“delta_curr_ratio”) на уровень дивидендной выплаты; 4. Избыточная доходность (“excess return”) - сверхдоходность для фирмы j за период владения акцией, - доходность по акции за один день - доходность по рыночному индексу. 12 В качестве рыночного индекса были использованы: индекс фондовой биржи Сан-Паулу для Бразилии, индекс РТС для России, индекс Бомбейской фондовой биржи для Индии и индекс Шанхайской биржи для Китая. Для анализа были выбраны два окна: (-3; +3) и (0; +1). При оценке сверхдоходности были получены две зависимые переменные: “excess_0_1” и “excess_3_3”. При подсчете зависимой переменной необходимо знать точную дату объявления дивиденда. Она определяется как день, указанный в базе данных информационного агентства Bloomberg, под заголовком «день объявления» (declared date); 5. Изменение в уровне дивидендной выплаты (“delta_dps”) Div Div 1 Div 0 P0 , где P0 – цена акции на день объявления дивиденда 6. Размер компании (“size”) В качестве прокси для размера компании используется логарифм балансовой стоимости активов. 7. Коэффициент “заёмного капитала к активам” (“debt to assets”) Краткосрочные Займы Долгосрочные Займы Общая Стоимость Активов 8. Фиктивные переменные, отвечающие за принадлежность к определенной индустрии: 13 3.3 Модель Основной целью работы является проверка сигнальной теории дивидендов для стран БРИК. Чтобы понять, как рынок реагирует на изменение в уровне дивидендов, и объяснить причины такой реакции, было бы интересно разделить вышеупомянутые изменения на две части: ожидаемую рынком и неожиданную. Для этого необходимо понять какую дивидендную политику ожидают инвесторы на основе финансовых показателей, раскрываемых компанией. Для анализа ожиданий инвесторов были использованы пять объясняющих переменных: рентабельность активов компании (“ROA”), изменение рентабельности (“delta_ROA”), ликвидность компании (“curr_ratio”) и изменение ликвидности (“delta_curr_ratio”), а также уровень дивидендных выплат в предыдущем году (“dps_prev”). Подобный выбор переменных объясняется несколькими исследованиями в области оценки представлений инвесторов относительно будущего дивиденда и факторов, от которых зависит решение компании. В частности, одним из таких исследований является работа Narada и Nguyen12 2005 года. На данном этапе предполагается, что инвесторы могут частично предсказать объем дивиденда за прошлый финансовый год, основываясь на отчетности компании, доступной на дату объявления дивиденда. При этом есть часть, которую инвестор не может предсказать и именно она должна быть значима для объяснения избыточной доходности, возникающей при объявлении дивиденда, так как является своеобразным “сюрпризом” для рынка. Таким образом, первая модель для оценки выглядит следующим образом: I. DPSt=α+β1*DPSt-1+β2*ROAt-1+β3*ΔROA(t-2)-(t-1)+β4*CurrentRatiot-1+β5*ΔCurrentRatio(t-2)-(t-1)+εt Существует значительное количество исследований, использующих линейные модели (множественные регрессии, линейные модели со случайными или фиксированными эффектами) для оценки дивидендных выплат. Таким образом, авторы подобных статей предполагают, что все значения зависимой и объясняющих переменных известны для всей выборки. В данном случае можно с уверенностью говорить, что это не так, поскольку выборка цензурирована снизу, а зависимая переменная не наблюдаема для определенного 12 Narada, K., Nguyen, P., 2005, “Dividend Change Context and Signaling Efficiency in Japan”, Graduate School of International Accounting, Chuo University, Honmura - cho 42-8, Ichigaya Shinjuku, Tokyo 162-8473, Japan; 14 количества компаний, торгующихся на биржах. Некоторые фирмы вообще не производят дивидендные выплаты своим акционерам, хотя информация по остальным объясняющим переменным доступна. Таким образом, для таких компаний мы не наблюдаем зависимую и независимую переменные. Данная регрессия оценивается при помощи модели Тобит, поскольку она подходит для анализа цензурированных выборок (так называемых “угловых решений” (“corner solution response”)), позволяя учесть основную характеристику зависимой и независимой переменной. Решение о выплате дивиденда это своего рода бинарный выбор: либо выплатить положительную сумму, либо не выплатить вообще (то есть это наблюдение с нулевым значением). На развивающихся рынках большинство компаний не придерживается стабильной дивидендной политики, что наиболее ярко проявляется для рынков Бразилии и России и становится ясно уже на этапе предварительной обработки данных. Поскольку дивиденды не могут принимать отрицательные значения, то использование МНК для данной модели некорректно. Стандартное уравнение для модели Тобит представляет собой следующее выражение13: , где yi* - латентная зависимая переменная, наблюдаемая для значение больше нуля и цензурированная для всех остальных наблюдений (то есть для отрицательных и нулевых). Более формально это выглядит следующим образом60: , где yi – цензурированная переменная. Вектор коэффициентов β будет оценен в процессе анализа регрессии, єi – ошибки, распределение которых предполагается нормальным и независимым друг от друга (normally independently distributed), . Если оценивать подобное уравнение при помощи МНК и цензурировать или обрезать выборку, получатся несостоятельные коэффициенты. МНК либо переоценивает константу в регрессии и недооценивает наклон, либо наоборот. Таким образом, анализируется следующая система: Поскольку линейный подход был признан несостоятельным, для оценки будет использоваться метод максимального правдоподобия, поскольку его результаты признаны Wooldridge, J., 2002, “Econometric Analysis of Cross Section and Panel Data”, MIT Press, Cambridge, Massachusetts 13 15 состоятельными и асимптотически нормальными14. В данном случае наблюдения делятся на две части. Не цензурированные наблюдения, для которых метод максимального правдоподобия ведет себя так же, как и линейная модель и цензурированные наблюдения, для которых неизвестно конкретное значение yi* и используется вероятность того, что наблюдение фактически будет цензурировано. Итак, логарифмическая функция правдоподобия для цензурированных и не цензурированных наблюдений выглядит следующим образом15: , где φ(.) и φ(.) это функция распределения вероятности и накопительная функция распределения соответственно. Стандартная модель Тобит не используется для оценки цензурированных панельных данных, поскольку не позволяет учитывать ненаблюдаемую неоднородность. Таким образом, необходимо принимать во внимание фиксированные и случайные эффекты, характерные для подобных данных. Существующая литература утверждает, что оценить фиксированные эффекты при помощи модели Тобит невозможно, поскольку не существует состоятельной статистики, способной описать результаты оценки. По этой причине в данной работе рассматривается только модель со случайными эффектами. Формально она выглядит следующим образом62: , где αi – ненаблюдаемый эффект, характерный для каждой отдельной фирмы. Предполагается, что этот эффект не коррелирован с регрессорами и нормально распределен: . Для оценки используется метод максимального правдоподобия в статистическом пакете Stata 10. Сначала проводится оценки модели для каждой отдельной страны. Целью оценки является получение остатков, которые интерпретируются, как необъясненная инвесторами часть нового дивиденда. Чтобы получить более точные оценки стандартных отклонений регрессоров и оценить смещение используется процедура бутстрапа, в частности одна из ее разновидностей: jackknife. Этот метод систематически пересчитывает оценку данной статистики, отбрасывая одно или несколько наблюдений одновременно из каждой группы. В случае с панельными данными используется так называемый “delete – 1 jacknife”, 14 Greene W.H., 2003, Econometric Analysis, Pearson Education, New Jersey Al- Kuwari, D., 2009, “Determinants of the Dividend Policy in Emerging Stock Exchanges: The Case of GCC Countries”, Global Economy & Finance Journal, Vol. 2 No. 2. Pp. 38 - 63 15 16 который отбрасывает одно наблюдение внутри каждого кластера/компании. В данной процедуре происходит количество пересчетов равное количеству кластеров в выборке. Смещение и новая оценка статистики подсчитываются из новых выборок. Бутстрап и jacknife используются как приближения друг друга, но бутстрап выдает разные значения при каждом новом запуске процедуры, в то время, как jacknife выдает одинаковый результат при каждом новом повторении. По этой причине, jackknife чаще используется в научной литературе, поскольку его результаты легко проверяются. В то время как бутстрап рекомендуется для оценки распределения, jacknife чаще используется именно для оценки стандартных отклонений. Процедура повторяется для каждой из стран БРИК по порядку и затем оценивается совместная выборка. В тексте работы будет приведен пример для России. Основные выкладки для остальных стран доступны в Приложении № 3 Таблицах № 14 – 17 для Бразилии, Индии, Китая и совместной выборки соответственно. Tobit model, Russia (1) Tobit dps_curr dps_prev 0.0727* (0.0352) roa 0.0165*** (0.0042) cur_ratio -0.0001 (0.0003) delta_roa 0.0012 (0.0068) delta_cur_~o 0.0003 (0.0004) _cons 0.0099*** (0.0012) sigma_u _cons sigma_e _cons N 0.0105*** (0.0028) 0.0195*** (0.0049) 954 Standard errors in parentheses * p<0.05, ** p<0.01, *** p<0.001 Таким образом, мы видим, что для определения нового дивиденда на российском рынке значимы уровень предыдущей выплаты и уровень рентабельности компании. При этом знаки являются ожидаемыми. Остальные переменные: ликвидность компании, изменение в ликвидности компании и изменение рентабельности являются незначимыми, что можно объяснить довольно большим лагом между принятием решения о текущем уровне дивиденда и изменением показателей компании по сравнению с ситуацией двухгодичной давности. Данный факт характерен для развивающихся рынков, решение о текущих 17 выплатах основывается на самой последней информации, а не на анализе изменения показателей. Поскольку коэффициенты в Тобит модели нельзя интерпретировать аналогично коэффициентам в МНК, необходимо рассмотреть предельные эффекты каждого регрессора на зависимую переменную для цензурированных наблюдений (то есть для всех компаний, вошедших в выборку) и предельные эффекты регрессора на не цензурированную зависимую переменную (то есть только те наблюдения, когда компания выплачивала дивиденд). По этой причине будут проанализированы предельные эффекты для четырех стран и совместной выборки. Россия: Не цензурированные наблюдения: variable dy/dx dps_prev roa cur_ra~o delta_~a delta_~o .0361511 .0081935 -.0000719 .0005871 .0001261 Std. Err. .0183 .00209 .00013 .0034 .00019 z 1.98 3.91 -0.57 0.17 0.65 P>|z| [ 0.048 0.000 0.568 0.863 0.513 .000289 .004091 -.000319 -.00607 -.000251 95% C.I. P>|z| [ 0.047 0.000 0.568 0.863 0.513 .000676 .005818 -.000452 -.008612 -.000357 ] .072013 .012296 .000175 .007244 .000504 X .013032 .093512 2.08644 -.03203 -.229176 Цензурированные наблюдения: variable dy/dx dps_prev roa cur_ra~o delta_~a delta_~o .0512971 .0116263 -.000102 .0008331 .000179 Std. Err. .02583 .00296 .00018 .00482 .00027 z 1.99 3.92 -0.57 0.17 0.65 95% C.I. ] .101918 .017435 .000248 .010278 .000715 X .013032 .093512 2.08644 -.03203 -.229176 Знаки предельных эффектов совпадают со знаками начальной регрессии. Основываясь на данных распечатках, можно сделать вывод о том, что при увеличении предыдущего дивиденда на 1 $, уровень текущих дивидендов будет меньше затронут в фирмах, которые всегда выплачивают дивиденды (не цензурированные), нежели у всех фирм, включенных в выборку (цензурированные). Тот же самый результат наблюдается и в случае с увеличением рентабельности компании. Для Бразилии были получены незначимые результаты для основных объясняющих переменных, что позволяет сделать вывод о том, что инвесторы не принимают во внимание прибыльность, ликвидность компании, а также уровень предыдущего дивиденда при попытке предсказать уровень будущего дивиденда. При этом остатки данной регрессии также были извлечены, с целью проверить их влияние на избыточную доходность, возникающую при объявлении дивиденда. Таким образом, соблюдается аналогичный подход при оценке регрессии во всех четырех странах. 18 При анализе индийского рынка были получены знаки предельных эффектов, совпадающие со знаками начальной регрессии Тобит модели. Ликвидность компании и изменение данного показателя также незначимы для Индии, как и для России. При этом переменная, отвечающая за изменение рентабельности компании значима, что говорит о большем желании индийских инвесторов анализировать предыдущую рыночную ситуацию. При увеличении предыдущего уровня дивиденда на 1 $, уровень выплат в компаниях, всегда выплачивающих дивиденды, затрагивается меньше, чем у всех фирм выборки. В случае с китайскими компаниями результаты идентичны результатам, полученным для Индии. Предыдущий дивиденд и рентабельность компании также оказываются значимыми с более слабо выраженным эффектом для компаний, выплачивающих дивиденды (не цензурированные наблюдения). Кроме этого изменение в рентабельности компании также влияет на текущий уровень выплат, поэтому на данном этапе анализа можно предположить, что инвесторы в Индии и Китае более опытны и тщательней оценивают обстановку. Анализ совместной выборки показывает, что уровень предыдущей выплаты значим для объяснения текущего уровня дивиденда. Результат аналогичен результатам, полученным для каждой из стран в отдельности; эффект менее выражен для компаний, выплачивающих дивиденды (не цензурированные наблюдения) При этом остальные переменные: рентабельность компании, изменение в рентабельности, ликвидность и изменение ликвидности компании оказываются незначимы на 5 % уровне. Таким образом, наблюдается положительная значимая зависимость между уровнем дивидендных выплат и прибыльностью компании (доходностью по активам) на рынках России, Индии и Китая. Данный результат соотносится с результатом, полученным Ai – Kuwari в своей работе, анализирующей данную зависимость для стран Совета Сотрудничества арабских государств Персидского залива. Данное исследование представляет дополнительный интерес, поскольку рассматривает такие же развивающиеся страны, как и страны БРИК. Кроме вышеописанной работы, подобный результат был подтвержден в статье Al – Malkawi16 для рынка Иордании. Автор констатирует, что дивидендная политика компаний на развивающихся рынках зависит от уровня выручки, полученной компании в этом же году, то есть модель сглаживания дивидендов, предложенная Линтнером, несостоятельна в развивающихся странах. Также Al – Malkawi H.-A. N., 2007, “Determinants of Corporate Dividend Policy in Jordan: An application of the Tobit model”, Journal of Economic & Administrative Sciences, vol. 23, № 2, pp. 44- 70 16 19 положительная зависимость между прибыльностью компании и уровнем дивидендных выплат была доказана в работах Jensen et al.17, Hans et al. (1999) и многих других. Таким образом, для каждой отдельной страны и совместной выборки были получены остатки регрессии. Теперь необходимо проанализировать, как данные остатки (то есть не предсказанная инвесторами часть текущего дивиденда) связаны с избыточной доходностью, возникающей при объявлении дивиденда. Для анализа используются две регрессии: II. a) excess_0_1/_3_3=α+β1*Resids+β2*Size+β3*Debt_to_Asset+β4*basicmaterials+…+βt*Utilities+ εt , где ER – избыточная доходность по акции Resids – остатки из Тобит модели Переменные: basic materials….utilities – фиктивные переменные, отвечающие за принадлежность компании к определенной индустрии. II. б) excess_0_1/_3_3=α+β1*delta_dps+β2*Size+β3*Debt_to_Asset+β4*basicmaterials+…+βt*Utilities+ εt , где ER – избыточная доходность по акции delta_dps – изменение в уровне дивиденда Переменные: basic materials….utilities – фиктивные переменные, отвечающие за принадлежность компании к определенной индустрии. Таким образом, я получаю две основные объясняющие переменные: остатки (необъясненная часть) и изменение в уровне дивиденда, которое включает в себя и ожидаемую часть и неожиданную. На данном этапе предполагается, что в данных регрессиях остатки должны быть значимыми (кроме Бразилии, поскольку для бразильских компаний данные остатки были изначально получены из регрессии с незначимыми объясняющими переменными), то есть для определения избыточной доходности основную роль играет именно та часть, которую инвесторы не смогли предсказать, основываясь на финансовых показателях. Анализировать регрессию, одновременно использующую обе переменные в качестве объясняющих, было бы некорректно, поскольку изменение в уровне дивиденда теоретически содержит в себе необъясненную инвесторами часть, что может привести к проблемам мультиколлинеарности. Таким образом, проверяются следующие гипотезы: Jensen R.S., Solberg D.P., Zorn S., 1992, “Simultaneous Determination of Insider Ownership, Debt and Dividend Policies ”, The Journal of Financial and Quantitative Analysis, Vol. 27, № 2, pp. 247 - 263 17 20 1) Для объяснения избыточной доходности, возникающей при объявлении дивиденда, значима лишь та часть нового дивиденда, которую инвесторам не удалось предсказать на основе информации, имеющейся к моменту объявления (то есть остатки, полученные после оценки модели Тобит); 2) Для объяснения избыточной доходности значимы размер компании и коэффициент “заемного капитала к активам компании”. При использовании МНК для панельных данных необходимо проверить три базовых спецификации, чтобы выбрать наиболее подходящий вариант оценки модели. 1) Объединенная модель панельных данных (“pooled OLS”) предполагает неизменную константу и коэффициенты при объясняющих переменных. Таким образом, данная модель не учитывает панельную структуру данных, не различая между временными эффектами и эффектами, присущими каждой отдельной компании. Такая модель работает на однородных выборках, в которых объекты не отличаются ни основными, ни временными характеристиками. При анализе объединенной модели для России получаем следующие результаты (статистические выкладки для Бразилии, Индии, Китая и объединенной выборки для обоих окон приведены в Приложении № 4, Таблицах № 18 - 21): Pooled OLS method, narrow and wide windows, Russia (1) OLS_Res_0_1 resids (2) OLS_D_DPS_~1 25.1626* (11.0476) (3) OLS_Res_3_3 (4) OLS_D_DPS_~3 25.5772* (11.1489) size -0.2508** (0.0860) -0.2343** (0.0861) -0.2519** (0.0868) -0.2353** (0.0869) debt_to_as~s 0.3756 (0.5144) 0.2121 (0.5118) 0.3394 (0.5191) 0.1723 (0.5165) basicmater~s -0.2125 (0.2449) -0.2321 (0.2458) -0.2066 (0.2471) -0.2264 (0.2481) consumerse~s -0.1334 (0.5841) -0.1800 (0.5865) -0.1567 (0.5895) -0.2046 (0.5919) healthcare -0.1227 (0.3619) -0.1571 (0.3634) -0.1415 (0.3652) -0.1771 (0.3668) industrials 0.7844** (0.2500) 0.7892** (0.2511) 0.7760** (0.2522) 0.7811** (0.2534) oilgas -0.4100 (0.9834) -0.4502 (0.9877) -0.4062 (0.9924) -0.4476 (0.9968) technology -0.0519 (0.4130) -0.0666 (0.4149) -0.0746 (0.4168) -0.0899 (0.4187) delta_dps _cons N 0.3288 (1.3330) 0.8569* (0.4361) 588 1.1914** (0.4124) 588 0.2852 (1.3453) 0.8729* (0.4400) 588 1.2140** (0.4162) 588 Standard errors in parentheses * p<0.05, ** p<0.01, *** p<0.001 Регрессии (1) и (3) – анализ зависимости избыточной доходности от необъясненной части дивиденда на узком и широком окнах; регрессии (2) и (4) – анализ зависимости 21 избыточной доходности от изменения в уровне дивидендных выплат на узком и широком окнах. Остатки оказываются значимы на узком окне только для России. На широком окне значимость остатков возникает также на рынке Китая. При этом они все равно незначимы для остальных стран БРИК и для объединенной выборки. Изменение в уровне дивиденда незначимо для всех стран и объединенной выборки, как для широкого, так и для узкого окна. Таким образом, объединенной модели не удается эффективно отразить зависимость между избыточной доходностью и набором регрессоров, что вполне ожидаемо, поскольку она не учитывает, что выборка составлена из разных компаний с индивидуальными характеристиками. 2) Модель панельных данных с фиксированными эффектами (“fixed effect model”) предполагает наличие индивидуальных характеристик каждой компании. В данной модели используются два основных предположения: ошибки регрессии не связаны между собой и не связаны с регрессорами. В процессе оценки происходит удаление индивидуальных характеристик, при помощи процедуры перехода к средним по времени величинам (“demeaning”). В такой спецификации модели становится невозможным оценить фиктивные переменные, потому что среднее значение для таких переменных – 1 и при переходе к среднему значение всей переменной будет нулевым, а значит МНК применять некорректно. 3) Модель панельных данных со случайными эффектами (“random effects model”) предполагает, что индивидуальные отличия носят случайный характер. Ошибки состоят из двух частей: индивидуальной характеристики, не меняющейся с течением времени, и остаточной компоненты, которая предполагается некоррелированной во времени. Фактически ошибки все же коррелированны во времени; причиной чего являются индивидуальные эффекты. Модель предполагает, что остаточная и индивидуальная компоненты не зависят друг от друга, в таком случае оценки константы и вектора коэффициентов являются несмещенными и состоятельными. Тем не менее, сама структура ошибок предполагает наличие автокорреляции (ее не будет только в том случае, если σ2α = 0). В этом случае оценки МНК не корректны, поэтому используя обобщенный метод наименьших квадратов (“Generalized Least Squares”) можно получить более эффективные оценки. Чтобы понять какая из моделей лучше, на практике используется тест Хаусмана. 22 В модели со случайными эффектами предполагается, что индивидуальные эффекты не коррелированны с остальными регрессорами. Таким образом, проверяется нулевая гипотеза: Cov (αi, xjt)=0 (оценка модели со случайными эффектами состоятельна и эффективна). На менее формальном уровне тест Хаусмана тестирует нулевую гипотезу об одинаковой эффективности оценок, полученных из модели со случайными эффектами и из модели с фиксированными эффектами. На данном этапе ожидается, что тест Хаусмана не позволит отвергнуть нулевую гипотезу об одинаковой эффективности оценок, полученных при помощи каждой из моделей. В результате выполнения данного теста Хаусмана (Приложение № 5, Таблица № 22 содержит результаты для России, аналогичные выкладки были получены для других стран и объединенной выборки) для стран БРИК в отдельности и для совместной выборки нулевая гипотеза действительно не отвергается. Таким образом, возможно использование как модели с фиксированными эффектами, так и модели со случайными эффектами. Данный выбор зависит от типа анализируемых компаний и типа объясняющих переменных. Поскольку выборка представляет собой набор компаний из разных индустрий, индивидуальные эффекты могут носить случайный характер. Кроме этого индустриальные фиктивные переменные используются в анализе в качестве регрессоров. Модель с фиксированными эффектами не позволит оценить эффект индустрии, именно поэтому было принято решение использовать модель со случайными эффектами, как для уравнения, оценивающего влияние необъясненной части нового дивиденда на избыточную доходность, так для уравнения, анализирующего эффект изменения в уровне дивиденда. Кроме теста Хаусмана был проведен тест Бройша – Пагана (для узкого окна в России и широкого окна для России и Китая (Приложение № 5, Таблица № 23)), который позволяет выбрать между объединенной моделью панельных данных и моделью со случайными эффектами. Данный анализ проводился для спецификации, рассматривающей зависимость избыточной доходности от необъясненной части нового дивиденда, поскольку она оказалась значимой в объединенной модели панельных данных. Нулевая гипотеза для этого теста предполагает, что нет разницы между отдельными компаниями, то есть структура панельных данных не имеет значения. Достигаемый уровень значимости (p- value) для обеих стран показывает, что нулевая гипотеза отвергается на любом уровне значимости, то есть модель со случайными эффектами является более точной спецификацией. 23 Таким образом, с данного момента анализ будет проводиться с использованием модели со случайными эффектами. Предполагается наличие гетероскедастичности и автокорреляции первого порядка (наблюдения в выборке неоднородны), поэтому необходимо провести дополнительную коррекцию модели с целью учесть подобные несферические возмущения (non – spherical disturbances). При условии гомоскедастичности дисперсия стандартных ошибок одинакова для всех переменных. Если ошибки не коррелированны друг с другом, выполняется условие отсутствия автокорреляции. При наличии гетероскедастичности оценки, полученные при помощи МНК, остаются несмещенными и состоятельными, но больше не являются наилучшими линейными несмещенными (BLUE) оценками. При этом стандартные отклонения подсчитываются неверно, таким образом, все статистики, на которых основаны выводы по модели, также подсчитываются с ошибкой. В несбалансированных панельных данных, как в данном случае, гетероскедастичность возникает вследствие разного количества наблюдений для каждой компании. Одним из способов коррекции гетероскедастичности является обобщенный метод наименьших квадратов (“GLS”). Данный метод позволяет также учитывать наличие автокорреляции. Кроме обобщенного метода наименьших квадратов для коррекции несферических возмущений можно использовать робастную оценку асимптотической матрицы ковариаций (путем использования ошибок Ньюи - Веста или ошибок Вайта). По теореме Айткена оценка вектора коэффициентов при использовании обобщенного метода наименьших квадратов имеет наименьшую матрицу ковариаций. При этом на практике изначально матрица ковариаций неизвестна. То есть необходимо получить оценку данной матрицы, а затем использовать ее для оценки вектора коэффициентов. При таком анализе будет получена наилучшая линейная несмещенная оценка вектора коэффициентов (BLUE estimator). Для этих целей используется доступный обобщенный метод наименьших квадратов (“Feasible Generalized Least Squares”). Данный метод предполагает, что матрица ковариаций зависит от конечного числа параметров θ. Оценка вектора коэффициентов проводится при помощи двухшаговой процедуры. В первую очередь вычисляется МНК оценка вектора коэффициентов и остатки. На основе этих данных оценивается вектор θ, который позволяет оценить матрицу ковариаций, и новый вектор коэффициентов. Доступный обобщенный метод наименьших квадратов позволяет сделать коррекцию на автокорреляцию первого порядка, характерную для каждого отдельного кластера/компании. Коррекция на автокорреляцию, одинаковую для всех точек внутри выборки не подходит на логическом уровне и не дает значимых результатов при ее 24 практическом применении. Кроме этого, данные корректируются на наличие гетероскедастичности. Применение доступного обобщенного метода наименьших квадратов дает следующие результаты (здесь представлены результаты для России; результаты для остальных стран и обобщенной выборки - Приложение № 6, Таблицы № 24 - 27). Потребительские товары не включаются в анализ для России, поскольку в российской выборке это наиболее часто встречающаяся индустрия: FGLS method, narrow and wide windows, Russia (1) FGLS_Res_0_1 (2) FGLS_D_Dps~1 (3) FGLS_Res_3_3 (4) FGLS_D_Dps~3 resids 19.2462*** (1.0107) size -0.1748*** (0.0123) -0.1188*** (0.0212) -0.1177*** (0.0143) -0.1241*** (0.0193) debt_to_as~s 0.2900*** (0.0275) 0.1757** (0.0634) 0.1975*** (0.0495) 0.2914*** (0.0612) basicmater~s -0.2494*** (0.0446) -0.1283** (0.0489) -0.1880*** (0.0290) -0.1131** (0.0346) consumerse~s -0.1587*** (0.0453) -0.0796 (0.0666) -0.2185*** (0.0411) -0.0539 (0.0580) healthcare -0.2095*** (0.0523) -0.0449 (0.0668) -0.2532*** (0.0377) -0.1178 (0.0783) industrials -0.0097 (0.1770) 0.3150 (0.1702) -0.0216 (0.1887) 0.3513* (0.1647) oilgas -0.3806*** (0.0524) -0.2239** (0.0836) -0.3306*** (0.0547) -0.2103* (0.0961) technology -0.1666 (0.1057) -0.0302 (0.1350) -0.2128 (0.1216) 0.0279 (0.1440) delta_dps _cons N 12.6336*** (1.7007) 0.1590 (0.2236) 0.6618*** (0.0530) 569 0.5754*** (0.1089) 569 0.1225 (0.2536) 0.5318*** (0.0540) 569 0.5553*** (0.1113) 569 Standard errors in parentheses * p<0.05, ** p<0.01, *** p<0.001 18 Регрессии (1) и (3) – анализ зависимости избыточной доходности от необъясненной части дивиденда на узком и широком окне; регрессии (2) и (4) – анализ зависимости избыточной доходности от изменения в уровне дивидендных выплат на узком и широком окне. Таким образом, необъясненная часть дивиденда является значимой при оценке возникающей избыточной доходности. При этом знак данной переменной ожидаем, и означает, что чем больше часть дивиденда, которую инвесторам не удалось объяснить, тем выше должна быть избыточная доходность по акции. В регрессии с остатками переменная, отвечающая за размер компании, отрицательно связана со сверхдоходностью, что возможно объяснить эффектом “маленькой капитализации”, инвесторы реагируют на Для второй регрессии анализируется меньшее количество кластеров/компаний, чем было заявлено изначально (то есть 131 компания вместо 150), поскольку использование доступного метода наименьших квадратов предполагает отбрасывание кластеров/компаний c единственным наблюдением/годом. В данном случае было отброшено 19 наблюдений: (note: 19 observations dropped because only 1 obs in group) 18 25 объявление дивиденда маленькими компаниями сильней, чем при объявлении выплаты более крупными игроками. Зависимость коэффициента “заемного капитала к активам”, как и ожидалось, положительная. Чем больше уровень долга в компании, тем больше должна быть сверхдоходность по акции, как премия за риск. Если компания объявляет дивиденды, то появляется вероятность не справиться со всеми прочими долговыми обязательствами. При этом для российского рынка значим эффект индустрии, незначимыми оказались лишь индустриальный и технологический сектора, что позволяет предположить информационные утечки в этих индустриях до объявления дивиденда. Проверка совместной гипотезы на равенство нулю коэффициентов при фиктивных индустриальных переменных показывает, что данная гипотеза несостоятельна и для российского рынка значим эффект индустрии. Изменение дивиденда, которое включает в себя как объясненную, так и необъясненную части новой выплаты, оказывается незначимо на российском рынке. То есть необъясненная часть внутри данной переменной значима, в то время как переменная целиком незначима. Данный факт позволяет предположить, что объясненная часть незначима для российского рынка и ее незначимость гораздо сильней, что перекрывает эффект необъясненной части. Таким образом, инвесторы могут предсказать и ожидают довольно значительную часть новой дивидендной выплаты, и именно эта часть уже не играет роли для объяснения избыточной доходности. Изменение основной объясняющей переменной не влияет на значимость и знаки коэффициентов при переменных, отвечающих за размер компании и за отношение заемного капитала к активам. При этом эффект индустрии становится незначим, то есть инвесторы ожидают новый уровень дивидендной выплаты применительно к конкретной индустрии, а эффект неожиданности, учтенный остатками регрессии, как раз не позволяет дифференцировать между секторами, к которым относятся компании. При оценке регрессий для бразильских компаний была исключена фиктивная переменная, отвечающая за сектор потребительских товаров, так как, аналогично российскому рынку, это наиболее часто встречающийся сектор. Результаты находятся в Приложении № 6, Таблице № 24. Остатки оказываются незначимыми как на узком, так и на широком окне (то есть необъясненная часть нового дивиденда не играет роли на данном рынке). Данный факт не является неожиданным, поскольку остатки были получены из регрессии с незначимыми коэффициентами у основных объясняющих переменных. Таким образом, было бы логично ожидать, что изменение дивиденда должно оказывать значимое влияние на 26 избыточную доходность хотя бы на одном из окон. Анализ узкого окна (0;+1) подтверждает данное предположение: изменение дивиденда оказывается значимым и положительно коррелированно с избыточной доходностью. Рост дивидендных выплат приводит к положительной избыточной доходности, в то время как их сокращение – к отрицательной. Увеличение дивиденда на 1 % приведет к росту избыточной доходности на 0,0025 %. Данный результат подтверждает сигнальную теорию дивидендов. При этом изменение дивиденда оказывается незначимо на более широком окне, что можно интерпретировать как свидетельство отсутствия утечек информации до объявления дивиденда. Кроме изменения дивиденда, для объяснения избыточной доходности на узком окне, значим размер компании, при этом для Бразилии, как и для России, характерен эффект “меленькой капитализации”. Избыточная доходность по акции выше для маленьких компаний. При этом на узком окне коэффициент “заемного капитала к активам” оказывается незначим. Вполне вероятно, что в момент объявления дивиденда и на следующий день рынок успевает обработать только часть информации (то есть само изменение в уровне дивиденда и размер компании, которая дивиденд объявила). Размер компании и уровень долга по отношению к активам оказываются значимы на широком окне, и знаки регрессии ожидаемы (работает эффект “маленькой капитализации” и уровень долга по отношению к активам положительно коррелирован с избыточной доходностью). Таким образом, в течение двух последующих дней рынок начинает соотносить новую информацию о дивидендной выплате с остальной информацией о компании (в данном случае это информация о соотношении долга и активов). При анализе рынка Индии так же, как и Бразилии и России, был исключен сектор потребительских товаров, с целью избежать ловушки фиктивных переменных. Результаты находятся в Приложении № 6, Таблице № 25. Анализ реакции индийских инвесторов дает следующие результаты. При анализе узкого окна (0; +1) необъясненная часть дивиденда (то есть остатки) оказывается незначима, при этом, она значима на широком окне (-3;+3) и отрицательно связана с избыточной доходностью. Данный результат отличается от того, что было получено раньше для других стран и поэтому требует дополнительного исследования. Для этого имеет смысл проанализировать несколько дополнительных окон, чтобы понять, на каком моменте остатки теряют значимость для индийского рынка. Было проведено вычисление избыточной доходности для трех вспомогательных окон: (-3,0), (-3;1) и (-1;1). 27 FGLS model, additional windows, India (1) FGLS_Res_3_0 (2) FGLS_Res_3_1 (3) FGLS_Res_1_1 (4) FGLS_Res_0_1 resids 0.2230 (0.1164) 0.0835 (0.1079) 0.0641 (0.1032) 0.0393 (0.0958) -0.2448*** (0.0582) size -0.0605*** (0.0046) -0.0632*** (0.0036) -0.0661*** (0.0040) -0.0828*** (0.0033) -0.0662*** (0.0045) debt_to_as~s 0.5746*** (0.0447) 0.5504*** (0.0498) 0.6784*** (0.0436) 0.7415*** (0.0300) 0.7090*** (0.0483) N 2851 2851 (5) FGLS_Res_3_3 2851 2851 2851 (3) FGLS_D_Dps~1 (4) FGLS_D_Dps~1 (5) FGLS_D_Dps~3 Standard errors in parentheses * p<0.05, ** p<0.01, *** p<0.001 19 FGLS model, additional windows, India (1) FGLS_D_Dps~0 (2) FGLS_D_Dps~1 delta_dps 6.4246*** (0.2068) 10.4746*** (0.0590) 8.4551*** (0.1633) 6.0501*** (0.1783) 8.5703*** (0.1302) size -0.0646*** (0.0034) -0.0767*** (0.0030) -0.0716*** (0.0027) -0.0833*** (0.0024) -0.0588*** (0.0007) debt_to_as~s 0.8141*** (0.0288) 1.2471*** (0.0151) 1.0268*** (0.0241) 0.9366*** (0.0135) 1.4324*** (0.0077) N 2851 2851 2851 2851 2851 Standard errors in parentheses * p<0.05, ** p<0.01, *** p<0.001 Коэффициент необъясненной части нового дивиденда для окна (-3;0) значим на 10 % уровне65, в то время коэффициенты для окон (-3;1), (-1;1) и (0;+1) не значимы даже на этом уровне. Таким образом, можно сделать вывод об утечке информации на индийском рынке до даты объявления дивиденда. Знак коэффициента на окне (-3;0) является ожидаемым, то есть чем больше необъясненная часть нового дивиденда, тем выше избыточная доходность по данной акции. При этом на окне (-3;3) знак является неожиданным. Для того, что понять, на каком моменте данная переменная становится значимой, оценка была произведена для окон (0;3) и (1;3). FGLS method, new additional windows, India (1) FGLS_Res_0_3 (2) FGLS_Res_1_3 resids -0.0948 (0.0942) -0.0017* (0.0007) size -0.0417*** (0.0044) -0.0008*** (0.0000) debt_to_as~s 0.5039*** (0.0382) -0.0061*** (0.0003) N 2851 2851 Standard errors in parentheses * p<0.05, ** p<0.01, *** p<0.001 Таким образом, необъясненная часть дивиденда значима до объявления дивиденда с ожидаемым знаком, а также становится значима через день после объявления дивиденда, когда рынок начинает обрабатывать информацию. Зависимость между этой переменной и избыточной доходностью отрицательна, то есть чем больше была необъясненная инвесторами часть, тем меньше будет избыточная доходность по данной акции. Коэффициент для окна (-3;0) значим на 10 % уровне, достигаемый уровень значимости = 0,055. Подробная выкладка для этого окна приведена в Приложении № 6, Таблица № 25 19 28 К моменту объявления дивиденда рынок успевает скорректировать цены с учетом неожиданной части нового дивиденда и в день официального уведомления о выплате для объяснения избыточной доходности значимой остается только часть, которую инвесторы ожидали от компании. При этом данная ожидаемая часть значима на всех окнах, проанализированных для Индии. Возможно, при оценке необъясненной части нового дивиденда были пропущены объясняющие переменные, которые имеют большее значение для индийских инвесторов, нежели рентабельность компании и ее ликвидность. Именно поэтому вторая регрессия, анализирующая избыточную доходность, показывает значимость ожидаемой части дивиденда для объяснения сверхдоходности по акции на любом из анализируемых окон. При изменении дивиденда на 1% избыточная доходность будет расти на 6, 05 % и 8, 57 % на узком и широком окне соответственно. Размер компании также негативно коррелирован с избыточной доходностью, то есть на индийском рынке, как и в России и Бразилии, также имеет место эффект «маленькой капитализации». Коэффициент “заемного капитала к активам компании” положительно коррелирован с избыточной доходностью компании, то есть объявление дивиденда воспринимается инвесторами, как новость, добавляющую рискованности компании. Перспектива необходимости выплачивать дополнительные средства, кроме платежей по долговым обязательствам, может оказаться нагрузкой для компании и поставить ее на грань банкротства. В связи с этим инвесторы требуют дополнительной премии за риск и с объявлением дивиденда избыточная доходность растет. Проверка совместной гипотезы на равенство нулю коэффициентов при индустриальных фиктивных переменных позволяет отвергнуть нулевую гипотезу и сделать вывод о наличии индустриального эффекта на рынке Индии. При этом компании, оперирующие в разных секторах, не реагируют на объявление дивиденда одинаково, например, если компания работает в индустриальном секторе, то при объявлении о выплате избыточная доходность растет. Если компания относится к сектору медицинских услуг, то там, наоборот, сверхдоходность сокращается при объявлении о выплате. Таким образом, результаты, полученные для рынка Индии соответствуют результатам, полученным в статьях Ramachandran, Packkirisamy20 и Pani21. Во второй статье автор делит выборку на несколько отдельный индустрий и анализирует влияние набора объясняющих переменных на стоимость компании в каждой отдельной индустрии. Выбранные Ramachandran A., Packkirisamy V., 2010, “The Impact of Firm Size on Dividend Behaviour: A Study with Reference to Corporate Firms across Industries in India”, Managing Global Transitions 8 (1), pp. 49 - 78 21 Pani U., 2008, “Dividend Policy and Stock Price Behavior in Indian Corporate Sector: A Panel Data Approach” 20 29 индустрии включают в себя: “Electricity”, “Food and Beverages”, “Non – Metallic”, “Other Services”, “Textile”, “Mining”. Автор не описывает какие именно компании относятся к данным секторам, поэтому проследить точное соответствие результатов, полученных в данной работе, результатам статьи представляется невозможным. По этой причине можно сопоставить результаты только той части статьи, которая анализирует совместную выборку. Автор также отмечает отрицательную зависимость между размером компании и ее стоимостью при объявлении дивиденда. При этом также отмечается отрицательная зависимость между уровнем долга компании и ее стоимостью при объявлении дивиденда. Данный результат не стоит рассматривать, как противоположный тому, что получено в данной работе, поскольку автор статьи оценивает не избыточную доходность в качестве зависимой переменной, а стоимость компании, как отношение цен. При таком подходе не анализируется общее поведение рынка (то есть не рассматривается изменение цены относительно рыночного индекса), что может являться немаловажным упущением. При анализе рынка Китая была исключена фиктивная переменная, отвечающая за принадлежность компании к индустриальному сектору, как наиболее часто встречающемуся. Результаты находятся в Приложении № 6, Таблице № 26. Анализ регрессии для китайских компаний частично напоминает результаты, полученные для российских компаний. Необъясненная часть дивиденда оказывается значимой, как на узком, так и на широком окнах. Изменение в уровне дивидендных выплат оказывается незначимым, что позволяет говорить о выполняющихся ожиданиях инвесторов на данном рынке. Инвесторам удается частично предсказать уровень нового дивиденда, основываясь на данных, доступных к моменту объявления. Таким образом, на избыточную доходность влияет только часть, которую инвесторам не удалось предсказать. Интересной отличительной чертой китайского рынка становится влияние размера компании на сверхдоходность по акции. Если для России, Бразилии и Индии был характерен эффект “маленькой капитализации”, то в случае Китая все наоборот. На объявление дивиденда крупными компаниями рынок реагирует сильней, чем на объявление дивиденда более мелкими фирмами. Коэффициент “заемного капитала к активам компании” отрицательно коррелирован с избыточной доходностью, что является второй отличительной чертой китайского рынка. То есть если данное отношение увеличивается, то избыточная доходность при объявлении дивиденда сокращается и, наоборот, при сокращении отношения долга к активам избыточная доходность увеличивается. Таким образом, можно сделать вывод, что китайские инвесторы не воспринимают уровень долга, как показатель рискованности 30 компании. Для Китая характерны низкие процентные ставки по кредитам, поэтому компании ведут стабильную дивидендную политику и могут в любой момент профинансировать свои потенциальные выплаты за счет недорогих кредитов. Тестирование совместной гипотезы на равенство нулю коэффициентов при фиктивных переменных доказывает ее несостоятельность. Таким образом, можно сделать вывод о значимости эффекта индустрии для данного рынка. Данный результат соотносится с результатом, полученным в статье Chen et al. (2007) и Li, Duan22. Авторы констатируют положительную корреляцию между избыточной доходностью, возникающей при объявлении дивиденда и размером компании, который измеряется так же, как и в данной работе: логарифм балансовой стоимости активов. Во второй статье для своего анализа авторы выбирают только те акции, которые доступны для зарубежных инвесторов, поскольку результаты такой выборки не будут страдать от ошибок в отчетности. Такие компании должны предоставлять отчетность, как на основе китайских стандартов, так и на основе международных стандартов (IAS, GAAP), поэтому возникновение сверхдоходности для них будет объясняться более точно, нежели для компаний, открытых только для китайских инвесторов. Авторы также констатируют положительную зависимость между размером компании и сверхдоходностью, возникающей при объявлении дивиденда. Кроме анализа зависимостей для каждой отдельной страны было бы интересно проанализировать совместную выборку и посмотреть меняются ли зависимости при объединении стран БРИК. Результаты данного анализа находятся в Приложении № 6, Таблице № 27. При анализе была исключена фиктивная переменная, отвечающая за принадлежность компании к индустриальному сектору, поскольку в совместной выборке он является наиболее часто встречающимся. Регрессия, анализирующая влияние необъясненной части нового дивиденда на избыточную доходность, возникающую при объявлении, показывает значимость данной переменной на узком и широком окне. Данной зависимости следовало ожидать, поскольку подобный эффект наблюдался на трех из четырех рынков: Бразилии, России и Китая. Знак данной переменной также является ожидаемым и означает, что с ростом необъясненной инвесторами части нового дивиденда избыточная доходность будет расти и, наоборот, сокращаться при уменьшении неожиданной части. Li X.-M., Duan X.,2010, “Firm Characteristics, Stock returns and Structural change: A Panel Data Analysis of China’s Investable Companies” 22 31 При анализе зависимости между изменением уровня дивидендной выплаты и избыточной доходностью была получена ожидаемая значимая положительная зависимость для широкого окна, и положительная, но незначимая зависимость для узкого окна. Таким образом, для совместной выборки были также оценены дополнительные окна: (-3;0), (-3;1) и (-1;1), как для зависимости между остатками и избыточной доходностью, так и для зависимости между изменением в уровне дивидендов и избыточной доходностью. FGLS method, additional windows, Pooled Sample (1) FGLS_Res_3_0 (2) FGLS_Res_3_1 (3) FGLS_Res_1_1 (4) FGLS_Res_0_1 (5) FGLS_Res_3_3 resids 2.0336*** (0.0239) 1.9977*** (0.0330) 2.0250*** (0.0252) 1.8901*** (0.0133) 2.2847*** (0.0167) size -0.0942*** (0.0004) -0.0772*** (0.0013) -0.0615*** (0.0011) -0.0880*** (0.0007) -0.0847*** (0.0006) debt_to_as~t 0.4346*** (0.0072) 0.4592*** (0.0051) 0.4277*** (0.0070) 0.3692*** (0.0052) 0.4772*** (0.0023) N 7118 7118 7118 7118 7118 Standard errors in parentheses * p<0.05, ** p<0.01, *** p<0.001 Регрессия (1) – окно (-3;0), регрессия (2) - окно (-3;1), регрессия (3) - окно (-1;1), регрессия (4) - окно (0;1), регрессия (5) - окно (-3;3) . При анализе необъясненной части дивидендов на окне (-3;0) и на всех последующих окнах отмечается значимый коэффициент при основной объясняющей переменной. Таким образом, можно сделать вывод об утечке информации до объявления дивиденда. FGLS method, additional windows, Pooled Sample (1) FGLS_D_Dps~0 (2) FGLS_D_Dps~1 (3) FGLS_D_Dps~1 (4) FGLS_D_Dps~1 (5) FGLS_D_Dps~3 delta_dps 0.0000 (0.0002) 0.0005* (0.0002) 0.0008*** (0.0002) 0.0001 (0.0003) 0.0003*** (0.0000) size -0.0801*** (0.0010) -0.0824*** (0.0010) -0.0932*** (0.0006) -0.0821*** (0.0013) -0.0849*** (0.0008) debt_to_as~t 0.4337*** (0.0051) 0.4727*** (0.0021) 0.4536*** (0.0050) 0.3064*** (0.0067) 0.4075*** (0.0072) N 7118 7118 7118 7118 7118 Standard errors in parentheses * p<0.05, ** p<0.01, *** p<0.001 Кроме этого, можно проанализировать регрессию, в которой основной объясняющей переменной выступает изменение в уровне дивидендных выплат. Данная переменная оказывается незначима на окне (-3,0), но при этом оказывается значима на окне (-1;1), что позволяет предположить утечки информации за день до официального объявления дивиденда. Рынки успевают обработать данную информацию и скорректировать цены так, что на узком окне (0;+1) эффект изменения дивиденда оказывается незначим. Эффект “маленькой капитализации” для Бразилии, России и Индии перетягивает на себя обратный эффект, характерный для китайского рынка. Таким образом, для совместной выборки также характерна обратная зависимость между избыточной доходностью и размером компании, объявляющей дивиденд. 32 Кроме этого для совместной выборки также наблюдается положительная зависимость между коэффициентом отношения долга к активам компании и сверхдоходностью. Данного эффекта также можно было ожидать, поскольку он характерен для Бразилии, России и Индии, которые занимают большую часть совместной выборки. Проверка гипотезы о совместной незначимости фиктивных переменных, отвечающих за принадлежность к определенной индустрии, позволяет отвергнуть данное предположение и констатировать значимость эффекта индустрии для совместной выборки. Итак, предыдущий анализ стран БРИК и совместной выборки не позволяет отвергнуть гипотезу о значимости необъясненной части нового дивиденда при объяснении избыточной доходности на рынках России, Индии и Китая. При этом данная переменная оказывается незначима для рынка Бразилии, что говорит о другом восприятии дивидендных выплат в этой стране. В Бразилии значимым оказывается изменение в уровне дивидендной выплаты, что включает в себя как ожидаемую инвесторами часть, так и неожиданную. В Индии переменная, отвечающая за изменение дивиденда, также оказывается значима и на широком и на узком окне, что говорит о возможном наличии других переменных, которые являются значимыми в регрессии оценки нового уровня дивиденда, но при этом не были включены в анализ. В этом случае изменение дивиденда, которое включает в себя и неожиданную и ожидаемую части, может отражать эти значимые, но опущенные переменные. Размер компании и коэффициент “заемного капитала к активам компании” оказываются значимыми для всех стран и объединенной выборки. Данный факт говорит о том, что инвесторы оценивают факт объявления дивиденда в контексте финансового положения данной фирмы, то есть их интересует и задолженность компании (соответственно риск обанкротиться при выплате дивиденда), и размер компании (то, насколько легко компания сможет в случае проблем найти финансирование на внешних рынках). На данном этапе было бы интересно провести проверку результатов анализа на прочность (robustness check). Для этого было оценено несколько дополнительных регрессий. В первую очередь, из анализа была исключена Бразилия, поскольку результаты оценки модели Тобит оказались незначимы, но при этом остатки все равно были включены в оценку совместной выборки. Возможно, что результаты несколько изменится, если проанализировать выборку без Бразилии. Результаты данного анализа содержатся в Приложении № 7, Таблице № 28. Необъясненная часть нового дивиденда остается значимой, а изменение в уровне дивиденда значимо на широком окне. Контрольные переменные (размер компании и 33 коэффициент “заемного капитала к активам компании”) не меняют знака и остаются значимыми для узкого и широкого окна. Проверка гипотезы о совместном равенстве нулю коэффициентов при фиктивных индустриальных переменных (то есть предположение о незначимости эффекта индустрии) позволяет отвергнуть данное предположение и констатировать наличие эффекта индустрии. Таким образом, исключение Бразилии из выборки не меняет основных выводов модели. Кроме этого, была сделана следующая проверка: в регрессию оценивающую зависимость между избыточной доходностью и необъясненной частью нового дивиденда была добавлена фиктивная переменная, отвечающая за увеличение/неизменность/сокращение дивидендной выплаты. На каждом из окон (0;+1) и (-3;+3) были оценены две регрессии: 1) Регрессия, включающая в себя переменную, отвечающую за увеличение дивидендной выплаты (increase_dummy). Она равна единице, если это увеличение дивиденда и нулю, если это константа или сокращение дивидендной выплаты; 2) Регрессия, включающая в себя переменную, отвечающую за сокращение дивидендной выплаты (decrease_dummy). Она равна единице, если это сокращение дивиденда и нулю, если это константа или увеличение дивидендной выплаты. Данные фиктивные переменные дублируют друг друга, но, тем не менее, подобный анализ необходим, поскольку возможно, что на данных рынках природа подобных изменений асимметрична, то есть менеджмент фирмы с большей неохотой раскрывает плохие новости о компании через сокращение дивидендов, чем торопится подавать положительный сигнал через увеличение дивидендной выплаты. Приложении № 7, Таблица № 29 содержит анализ данной регрессии для совместной выборки. Регрессии (1) и (3) – анализ зависимости между избыточной доходностью и необъясненной частью нового дивиденда с использованием переменной, отвечающей за рост дивидендной выплаты на окне (0;+1) и (-3;+3) соответственно. Регрессии (1) и (3) – анализ зависимости между избыточной доходностью и необъясненной частью нового дивиденда с использованием переменной, отвечающей за сокращение дивидендной выплаты на окне (0;+1) и (-3;+3) соответственно. Таким образом, можно отметить, что значимость основной объясняющей переменной не меняется, также как и значимость и знаки контрольных переменных. Обе фиктивные переменные оказываются значимыми и знаки коэффициентов ожидаемы. Если компания объявляет увеличение дивидендной выплаты – избыточная доходность оказывается больше на 8 % на узком окне и на 13 % на широком окне. 34 Если компания, наоборот, объявляет сокращение дивидендной выплаты, то избыточная доходность оказывает меньше на 6% и 10% на узком и широком окне соответственно. Данные результаты также служат подтверждением сигнальной гипотезы дивидендов. Результаты, полученные в данной работе, необходимо сравнить с результатами других работ, проведенных на развитых и развивающихся рынках. На текущий момент не существует работ (по крайней мере, известных автору), в которых проводится совместный анализ реакции инвесторов на проводимую компаниями дивидендную политику в странах БРИК. Большинство исследований сфокусировано на анализе данной тематики в развитых странах, таких как США, Япония, Греция и т.д. Тем не менее, существуют работы, рассматривающие реакции на других развивающихся рынках. В качестве примера можно рассмотреть работу Adelegan23 2009 года, рассматривающую нигерийский рынок. Автор рассматривает реакцию рынка на объявление дивиденда в период с 1990 по 1999 год, на нескольких окнах: (-3;+3), (-21;+21) и (-61;+61). Кроме анализа узких окон, были проанализированы долгосрочные реакции рынка с использованием окна (-365;365). В статье подтверждается сигнальная теория дивидендов, что не отличается ни от результатов данной дипломной работы, ни от результатов, полученных исследователями для развитых стран. Чтобы понять, есть ли какие – то другие отличия в дивидендной политике и реакции инвесторов, характерные только для развитых стран, необходимо провести небольшой сравнительный анализ статей, рассматривающих эту тематику. На данном этапе можно предположить, что разными будут зависимости между избыточной доходностью и другими контрольными переменными, использовавшимися при анализе, поскольку это и будет означать разный уровень асимметрии информации на рынках развитых и развивающихся стран. В данном контексте представляет интерес статья Kaestner и Liu24, в которой рассматривается реакция инвесторов на объявление дивиденда компаниями, торгующимися на Нью-Йоркской бирже. Авторы приходят к выводу, что рынок воспринимает дивиденды, как надежный источник информации о будущих перспективах компании. В их работе выявлена положительная зависимость между избыточной доходностью и размером выплаченного дивиденда, то есть чем выше выплата, тем Adelegan O. J., 2009, “Price Reactions to Dividends Announcements on the Nigerian Stock Market”, African Economic Research Consortsium, Nairobi 24 Kaestner R., Liu F. – Y., 1998, “New Evidence on the Information Content of Dividend Announcement”, The Quarterly Review of Economics and Finance, Vol. 38, № 2, pp. 251 - 274 23 35 сильней рынок реагирует на данное событие (тем выше сверхдоходность по акции). Кроме этого авторы говорят о положительной зависимости между избыточной доходностью, возникающей при объявлении дивиденда, и размером компании. Данное утверждение обратно результату, полученному в данной работе для рынков Бразилии, России и Индии. Это является одним вышеупомянутых из рынках, подтверждений поскольку наличия рынки асимметрии США информации характеризуется на высокой эффективностью и меньшей асимметрией информации. Это означает, что рынок может корректно оценить маленькие компании, получив для них необходимые финансовые показатели, таким образом, реакция при объявлении дивиденда будет сильней для более крупных компаний. На развивающихся рынках ситуация получается прямо противоположной: информации по более мелким компаниям меньше и она, возможно, менее надежна, что становится причиной отрицательной зависимости между размером компании и избыточной доходностью по акции. Для рынка Китая была получена положительная зависимость между двумя этими показателями, таким образом, можно констатировать, что асимметрия информации на данном рынке меньше, чем на рынках Бразилии, России и Индии. Также можно рассмотреть результаты, полученные Kato et al25. для японского рынка. Авторы подтверждают сигнальную теорию дивидендов, констатируя положительную зависимость между избыточной доходностью и изменением в уровне дивидендной выплаты, то есть сокращение выплат приводит к падению избыточной доходности и наоборот. Кроме этого, авторами была отмечена отрицательная зависимость между размером компании и сверхдоходностью по акции. На этапе построения гипотез, авторы предполагают, что между этими переменными может быть как положительная, так и отрицательная связь, в зависимости от того, с какой целью компания проводит дивидендную политику. Как уже отмечалось, рынок имеет больше информации по крупным компаниям, нежели по маленьким. Таким образом, если выплаты дивидендов проводятся с целью подать рынку сигнал о денежных потоках фирмы, то зависимость будет отрицательная. Если же дивидендная политика – средство борьбы с излишними инвестициями (overinvestment), то зависимость будет положительная. Крупные компании - более устоявшиеся и зрелые, имеют гораздо больше свободных средств в обращении и могут позволить себе избыточное вложение капитала. В этом случае, инвесторы будут положительно реагировать на объявление дивиденда крупными корпорациями. 25 Kato K.K., Loewenstein U., Tsay W., 2002, “Pacific – Basin Finance Journal”, 10, pp. 443 - 473 36 Авторами отмечена отрицательная зависимость между избыточной доходностью и размером компании. Таким образом, дивидендная политика в Японии проводится с целью сигнализировать рынку перспективы денежных потоков. Зависимость между избыточной доходностью и размером компании, полученная для Японии, соотносится с результатом анализа рынков Бразилии, России и Индии в данной работе. То есть компании этих стран сигнализируют именно перспективы будущих денежных потоков, в то время как китайские компании проводят дивидендную политику с целью избежать избыточных вложений капитала. Отрицательная зависимость между размером компании и избыточной доходностью также отмечена в работе Dasilas и Leventis (2011) для рынка Греции. Данная работа также является подтверждением сигнальной теории дивидендов. Таким образом, можно сделать вывод, что реакция инвесторов отличается на рынках по причине разной дивидендной политики, проводимой компаниями в разных странах. Например, компании в США и Китае скорее используют дивидендную политику, как способ избежать избыточного инвестирования средств, что позволяет наблюдать положительную зависимость между размером компании и избыточной доходностью, возникающей при объявлении дивиденда. Противоположная зависимость наблюдается на рынках Бразилии, Греции, Индии, России и Японии. Таким образом, причина не в том, что страна является развитой или развивающейся, а, скорее, в дивидендной политике, которой придерживается большая часть компаний на данном рынке. 37 Заключение. Целью данной дипломной работы было проанализировать реакцию рынков стран БРИК на объявление дивиденда и, в частности, на изменение в уровне данной выплаты. Подобный анализ не раз проводился в развитых странах и на разных временных отрезках. При этом существует мало работ, которые бы рассматривали объявление о выплате и реакцию инвесторов на рынках развивающихся стран. Большинство исследований на эту тему оценивает лишь факторы, влияющие на сам факт выплаты, но при этом не анализирует, что в дальнейшем происходит с ценой акции. Тем не менее, данный анализ представляет немалый интерес, поскольку рынки стран БРИК развиваются, уровень иностранных инвестиций растет и в ближайшем будущем четкое понимание основ дивидендной политики станет полезным навыком при выборе стратегии работы на данных рынках. Для стран БРИК характерна высокая степень асимметрии информации. Данная проблема наиболее серьезно затрагивает российский рынок. Именно по этой причине необходим дополнительный анализ восприятия инвесторами информации о дивидендных выплатах. В дипломной работе были рассмотрены две основные гипотезы: 1) Для объяснения избыточной доходности, возникающей при объявлении дивиденда, значима лишь та часть, которую инвесторам не удалось предсказать на основе информации, имеющейся к моменту объявления (то есть остатки, полученные после оценки модели Тобит); 2) Для объяснения избыточной доходности значимы размер компании и коэффициент “заемного капитала к активам компании”. В результате оценки обе гипотезы были подтверждены для России, Индии, Китая и совместной выборки. Выводы, сделанные автором в данной работе, соотносятся с результатами, полученными другими исследователями для развитых и развивающихся стран. При этом нельзя сказать, что есть четкое деление результатов между данными группами, скорее различия возникают из-за цели, с которой проводится дивидендная политика в той или иной стране. На этом этапе существует задел для будущего дополнительного исследования, в частности, более подробный анализ дивидендной политики в Бразилии, с целью получить более точную оценку неожиданной части дивидендной выплаты. 38 Список использованной литературы. 1. Пирогов Н., Волкова Н., “Дивидендная политика компаний на развивающихся рынках”, Электронный журнал Корпоративные финансы, выпуск # 4(12) 2009; 2. Adelegan O. J., “Price Reactions to Dividends Announcements on the Nigerian Stock Market”, African Economic Research Consortsium, Nairobi, 2009; 3. Aharony, J. and Swary I., “Quarterly Dividend and Earnings Announcements and Stockholder’ Returns: An Empirical Analysis”, Journal of Finance, 35, pp. 1-12, 1980; 4. Aivazian V., Booth L., Cleary S., “Cross – Sectional Analysis of Dividend Policy in Eight Emerging Countries”, 2000; 5. Al- Kuwari, D.,“Determinants of the Dividend Policy in Emerging Stock Exchanges: The Case of GCC Countries”, Global Economy & Finance Journal, Vol. 2 No. 2. Pp. 38 – 63, 2009; 6. Al – Malkawi H.-A. N.,“Determinants of Corporate Dividend Policy in Jordan: An application of the Tobit model”, Journal of Economic & Administrative Sciences, vol. 23, № 2, pp. 44- 70, 2007; 7. Allen F., Bernardo A., Welch I.,“A Theory of Dividends Based on Tax Clienteles”, UCLAAnderson working paper № 13-98, 1998; 8. Asquith P., Mullins D.,“The Impact of Initiating Dividend Payments on Shareholders Wealth”, Journal of Business, vol. 56, pp. 77-96, 1983; 9. Benartzi, S., Michaely R., and Thaler R. H., “Do Changes in Dividends Signal the Future or the Past?” Journal of Finance, 52, 1007-1034, 1997; 10. Bhat, R. and I.M. Pandey I.M.,“Dividend Decision: A Study of Managers’ Perceptions”, Decision, Vol. 21, No.s 1 & 2, 1994; 11. Boulton T.J., Braga – Alves M.V., Shastri K.,“Payout Policy in Brazil: Dividends versus Interest on Equity”, College of Business Administration, Marquette University, 2011; 12. Brealey R. A., Myers S. C., “Principles of Corporate Finance, 7th edition”, 2003; 13. Brickley, J.,“Shareholder wealth, information signaling and the specially designated dividend: An empirical study”, Journal of Financial Economics 12, 187–209, 1983; 14. Bhattacharya S., “Imperfect Information, Dividend Policy, and "The Bird in the Hand" Fallacy”, The Bell Journal of Economics, Vol. 10, № 1, pp. 259-270, 1979; 15. Charest, G., “Dividend information, stock returns and market efficiency–II”, Journal of Financial Economics, 6, 297-330, 1978; 16. Chen D., Nieh C., Chen C., Tang W., “The Announcement Effect of Cash Dividend Changes on Share Prices: An Empirical Analysis of China”, 2007; 39 17. Chowdhury R.H., Maung M., Zhang W., “Information Content of Dividends: Evidence from China‟s Local and Cross-Listed Firms”; 18. Christie W. G., “Dividend Yield and Expected returns. The Zero – Dividend Puzzle”, Journal of Financial Economics 28, pp. 95 – 125, 1990; 19. Dasilas A., Leventis S., “Stock Market Reaction to Dividend Announcements: Evidence from the Greek Stock Market”, International Review of Economics and Finance, 302 – 311, 2011; 20. Dempsey S. J., Laber G., Rozeff M.S., “Dividend policies in practice: is there an industry effect?”; 21. Dewenter K. L. and Warther V.A., “Dividends, Asymmetric Information, and Agency Conflicts: Evidence from a Comparison of the Dividend Policies of Japanese and U.S. Firms”, The Journal of Finance, Vol. 53, No. 3, pp. 879-904, 1998; 22. DeAngelo, H., DeAngelo L., and Skinner D.G., “Dividends and losses”, Journal of Finance 47, 1837-1863, 1992; 23. Easterbrook F.H., “Two Agency Costs of Dividends”, The American Economic Review, Vol. 74, № 4, pp. 650-659, Published by: American Economic Association, 1984; 24. Fama, E. F., and Babiak H., “Dividend policy: An empirical analysis”, Journal of the American Statistical Association 63, 1132-1161, 1968; 25. Fama E. F., French Kenneth R., “Disappearing Dividends: Changing Firms Characteristics or Lower Propensity to Pay?”, Journal of Financial Economics 60, pp. 3 – 43, 2001; 26. Glen J., “Dividend Policy and Behavior in Emerging Markets”, IFC Discussion Paper № 26, 1995; 27. Goyal Amit and Ivo Welch, Predicting the Equity Premium with Dividend Ratios, Management Science, Vol. 49, No. 5 (May, 2003), pp. 639-654; 28. Greene W.H., Econometric Analysis, Pearson Education, New Jersey, 2003; 29. Han K. C., Lee S. H., Suk D. Y., “Institutional Shareholders and Dividends”, Journal of Financial and Strategic Decisions, Volume 12, Number 1, 1999; 30. He X., Mingsheng L., Shi J., Twite G., “Determinants of Dividend Policy in Chinese Firms: Cash versus Stock Dividends”, 2009; 31. Heck J., Investment analysis and portfolio management strategies, Managerial Finance, Vol. 32, No. 6, 2006; 32. Healu P.M., Palepu K.G.,“Earnings Information Conveyed by Dividend Initiations and Omissions.” Journal of Financial Economics 21, 149 – 175, 1988; 40 33. Jensen R.S., Solberg D.P., Zorn S.,“Simultaneous Determination of Insider Ownership, Debt and Dividend Policies ”, The Journal of Financial and Quantitative Analysis, Vol. 27, № 2, pp. 247 – 263, 1992; 34. Jin Z., “On the differential market reaction to dividend initiations”, The Quarterly Review of Economics and Finance 40, pp. 263-277, 2000; 35. Kaestner R.,Liu F. - Y., “New Evidence on the Information Content of Dividend Announcement”, The Quarterly Review of Economics and Finance, Vol. 38, № 2, pp. 251 – 274, 1998; 36. Kato K.K., Loewenstein U., Tsay W., “Pacific – Basin Finance Journal”, 10, pp. 443 – 473, 2002; 37. Kennon J., “All About Dividends. Declaration, Ex-Dividend Date, Cash and Property Dividends”. www.about.com; 38. Kim, B. S., Maddala G.S., “Estimation and Specification Analysis of Models of Dividend Behavior Based on Censored Panel Data”, Empirical Economics 17, pp. 111- 124, 1992; 39. Lee C., Xiao X., “Cash Dividends in China: Liquidating, Expropriation and Earnings Management”, Tulane University Working Paper, New Orleans, 2003; 40. Li X.-M., Duan X., “Firm Characteristics, Stock returns and Structural change: A Panel Data Analysis of China’s Investable Companies”, 2010; 41. Lie E., “Operating Performance Following Dividend Decreases and Omissions”, Journal of Corporate Finance, 12, 27-53, 2005; 42. Lintner J., “Distribution of incomes of corporations among dividends , retained earnings and taxes”, The American Economic Review, Vol. 46, No. 2, Papers and Proceedings of the Sixty-eighth Annual Meeting of the American Economic Association, pp. 97-113, 1956; 43. Meckling M. H., Jensen M. C., “Theory of the Firm: Managerial Behavior, Agency Costs and Ownership Structure”, 1976; 44. Michaely R., Thaler R. H., Womack K. L., “Price Reactions to Dividend Initiations and Omissions: Overreaction of Drift?,” NBER Working Papers 4778, National Bureau of Economic Research, Inc.; 45. Miller M. H. and Rock K., “Dividend Policy under Asymmetric Information”, The Journal of Finance, Vol. 40, No. 4, pp. 1031-1051, 1985; 46. Miller М., Modigliani F., “Dividend Policy, Growth and the Valuation of Shares”, Journ. Business, pp. 411-433, 1961; 47. Milonas N. T., Travlos N. G., “The Ex – Dividend Day Stock Price Behavior in the Athens Stock Exchange”, 2001; 41 48. Milonas N., Travlos N., Xiao J.Z., Tan C.,, “The Ex-Dividend Day Stock Price Behavior in the Chinese Stock Market”, 2002; 49. Mishra, C. and Narender V., “Dividend Policies of SoEs in India – An Analysis”, Finance India, Vol. X, No. 3, pp. 633-645, 1996; 50. Modigliani F., and Merton H. M., “The cost of capital, corporation finance, and the theory of investment: Reply”, American Economic Review 49, 655-669, 1959; 51. Narada, K., Nguyen, P., “Dividend Change Context and Signaling Efficiency in Japan”, Graduate School of International Accounting, Chuo University, Honmura - cho 42-8, Ichigaya Shinjuku, Tokyo 162-8473, Japan, 2005; 52. Nissim, D., “Discussion – Reactions to Dividend Changes Conditional on Earnings Quality”; 53. Nissim D. and Ziv A., “Dividend Changes and Future Profitability”, Journal of Finance, 56, pp. 2111-2133, 2001; 54. Pani U., “Dividend Policy and Stock Price Behavior in Indian Corporate Sector: A Panel Data Approach”, 2008; 55. Pettit R., “Dividend Announcements, Security Performance, and Capital Market Efficiency”, The Journal of Finance 27 (5), 993-1007, 1972; 56. Pettit R., “The Impact of Dividends and Earnings Announcements: A Reconciliation”, The Journal of Business 49 (1), 86-96, 1976; 57. Procianoy J. L., Verdi R.S., “Dividend Clientele, New Insights, And New Questions: The Brazilian Case”, RAE-eletrônica, v. 8, n. 1, Art. 1, 2009; 58. Ramachandran A., Packkirisamy V., “The Impact of Firm Size on Dividend Behaviour: A Study with Reference to Corporate Firms across Industries in India”, Managing Global Transitions 8 (1), pp. 49 – 78, 2010; 59. Reddy, Y., Rath S. “Disappearing Dividends in Emerging Markets? Evidence from India”, Emerging Markets Finance and Trade, 41, 6, pp. 58—82, 2005; 60. Ross S. A., “The Determination of Financial Structure: the Incentive Signaling Approach”, The Bell Journal of Economics, Vol. 8, № 1, pp. 23-40, 1977; 61. Rozeff, M., “Growth, beta and agency costs as determinants of dividend payout ratio”, Journal of Financial Research 5, pp. 249—59, 1982; 62. Rozeff M. S., “Dividend yields are equity risk premiums”, Journal of Portfolio Management, 1984; 63. Ryan P.A., Besley S., Lee H.W., “An Empirical Analysis of Reactions to Dividend Policy Changes for NASDAQ firms”, 2000; 42 64. Sant R., Cowan A. R., “Do Dividends Signal Earnings? The Case of Omitted Dividends”, Journal of Banking & Finance 18, pp. 1113 – 1133, 1994; 65. Saravanakumar S., “Dividend announcement effect on Indian bourses” http://www.articlesbase.com/investing-articles/dividend-announcement-effect-on-indianbourses-1327633.html; 66. Spenсe Michael A., «Competitive and Optimal Responses to Signals: Analysis of Efficiency and Distribution”, Journal of Economic Theory, 1974; 67. Taneem S., Yuce A., “The information content of dividend announcements: an Investigation of Indian Stock Market”; 68. Taranto M. A., “Capital Structure and Market Reactions to Dividend Initiation”, 2002; 69. Venkatesh P.C., “The Impact of Dividend Initiation on the Information Content of Earnings Announcements and Returns Volatility”, Journal of Business. 1989; 70. Wooldridge, J., “Econometric Analysis of Cross Section and Panel Data”, MIT Press, Cambridge, Massachusetts. 2002 43 Приложение № 1. Общее описание экономической конъюнктуры стран БРИК Таблица № 1 Рейтинг Описание АА- Very strong capacity to meet financial commitments Adequate capacity to meet financial commitments, BBB but more subject to adverse economic conditions ВВВ- Considered lowest investment grade by market participants Таблица № 2 Источник: Worldbank Иностранные инвестиции, доллары США Страна Бразилия Россия Индия Китай 2005 2006 2007 2008 2009 15,066,291,735 12,885,807,500 18,782,215,423 29,701,427,100 34,584,901,025 45,058,156,304 75,002,416,000 25,948,579,800 36,750,625,000 7,606,425,242 20,335,947,448 41,315,303,447 34,577,177,468 79,126,731,413 78,094,665,751 147,791,063,822 78,192,727,413 55,073,197,800 25,127,155,852 138,413,185,203 Таблица № 3 Источник: Worldbank Рыночная капитализация, доллары США Страна Бразилия Россия Индия Китай 2005 2006 2007 2008 2009 474,646,880,000 711,099,910,000 1,370,376,600,000 589,384,021,012 1,167,334,984,012 548,579,050,000 1,057,188,806,606 1,503,010,900,000 397,183,000,000 861,424,359,114 553,074,005,800 818,878,670,000 1,819,100,600,000 645,477,832,512 1,179,235,081,612 780,762,720,000 2,426,325,822,800 6,226,305,290,000 2,793,612,600,029 5,007,646,096,891 Таблица № 4 Источник: Worldbank Страна Бразилия Россия Индия Китай 2005 Уровень инфляции, % 2006 2007 2008 2009 6.9 4.2 3.6 5.7 4.9 12.7 9.7 9.0 14.1 11.7 4.2 5.8 6.4 8.4 10.9 1.8 1.5 4.8 5.9 -0.7 44 Таблица № 5 Бразилия Источник: Worldbank Бразилия Страна Реальная Год\показатель процентная ставка, % 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 1999 2000 2001 2002 66.34 47.71 44.64 47.33 46.92 43.40 44.93 42.07 35.75 37.11 38.04 66.34 47.71 44.64 47.33 ВВП, ($ США) 586 863 191 444.69 644 701 831 101.39 553 582 178 386.19 504 221 228 974.04 552 469 288 267.79 663 760 000 000.00 882 185 291 700.90 1 088 917 279 411.76 1 365 982 651 542.37 1 637 924 123 771.28 1 573 408 702 181.80 586 863 191 444.69 644 701 831 101.39 553 582 178 386.19 504 221 228 974.04 Рын. Капитализация (% от ВВП) 38.84 35.08 33.64 24.55 42.46 49.77 53.80 65.30 100.32 35.97 74.26 38.84 35.08 33.64 24.55 Рын. капитализация ($ США) 227 962 358 500.00 226 152 460 000.00 186 237 780 000.00 123 807 260 000.00 234 560 040 000.00 330 346 580 000.00 474 646 880 000.00 711 099 910 000.00 1 370 376 600 000.00 589 384 021 012.01 1 167 334 984 012.16 227 962 358 500.00 226 152 460 000.00 186 237 780 000.00 123 807 260 000.00 Внутренний кредит банковского сектора (% от ВВП) 73.79 74.63 76.43 78.29 77.50 75.75 81.47 105.49 113.72 117.85 73.79 74.63 76.43 78.29 45 Таблица № 6 Россия Источник: Worldbank Россия Страна Реальная Год\показатель процентная ставка, % 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 1999 2000 2001 2002 -18.95 -9.63 1.22 0.07 -0.82 -7.25 -7.16 -4.40 -3.78 -4.90 12.67 -18.95 -9.63 1.22 0.07 ВВП, ($ США) 195 905 767 668.56 259 708 496 267.33 306 602 673 980.12 345 110 438 693.57 430 347 770 733.15 591 016 690 742.94 764 000 901 160.58 989 930 542 278.69 1 299 705 764 824.48 1 666 950 777 927.25 1 231 892 982 496.53 195 905 767 668.56 259 708 496 267.33 306 602 673 980.12 345 110 438 693.57 Рын. Капитализация (% от ВВП) 36.86 14.99 24.85 35.95 53.49 45.28 71.75 106.85 115.61 23.82 69.99 36.86 14.99 24.85 35.95 Рын. капитализация ($ США) 72 205 097 600.00 38 921 830 000.00 76 197 970 000.00 124 197 830 000.00 230 785 730 000.00 267 957 350 000.00 548 579 050 000.00 1 057 188 806 605.76 1 503 010 900 000.00 397 183 000 000.00 861 424 359 113.93 72 205 097 600.00 38 921 830 000.00 76 197 970 000.00 124 197 830 000.00 Внутренний кредит банковского сектора (% от ВВП) 33.33 24.67 23.08 24.83 26.53 24.91 20.63 24.49 27.57 26.03 33.33 24.67 23.08 24.83 46 Таблица № 7 Индия Источник: Worldbank Индия Страна Реальная Год\показатель процентная ставка, % 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 1999 2000 2001 2002 8.42 8.47 8.79 7.82 7.63 2.13 5.79 5.28 7.28 5.72 8.05 66.34 47.71 44.64 47.33 ВВП, ($ США) 450 476 199 267.53 460 182 031 503.10 477 848 859 030.57 507 189 954 396.40 599 461 389 810.15 720 909 019 090.48 837 195 221 372.12 949 191 665 617.02 1 232 816 230 558.82 1 214 212 287 485.42 1 310 170 500 357.30 586 863 191 444.69 644 701 831 101.39 553 582 178 386.19 504 221 228 974.04 Рын. Капитализация (% от ВВП) 40.98 32.18 23.10 25.83 46.56 53.80 66.06 86.27 147.56 53.16 90.01 38.84 35.08 33.64 24.55 Рын. капитализация ($ США) 184 604 584 400.00 148 063 830 000.00 110 395 690 000.00 131 010 920 000.00 279 092 830 000.00 387 851 160 000.00 553 074 005 800.00 818 878 670 000.00 1 819 100 600 000.00 645 477 832 512.32 1 179 235 081 612.47 227 962 358 500.00 226 152 460 000.00 186 237 780 000.00 123 807 260 000.00 Внутренний кредит банковского сектора (% от ВВП) 49.24 53.02 54.65 58.86 57.44 57.64 58.16 61.03 61.29 68.35 72.92 73.79 74.63 76.43 78.29 47 Таблица № 8 Китай Источник: Worldbank Китай Страна Реальная Год\показатель процентная ставка, % 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 1999 2000 2001 2002 7.20 3.71 3.72 4.70 2.63 -1.25 1.59 2.25 -0.12 -2.31 4.19 7.20 3.71 3.72 4.70 ВВП, ($ США) 1 083 277 930 359.88 1 198 480 321 713.00 1 324 804 848 409.43 1 453 827 687 613.08 1 640 959 264 366.29 1 931 643 872 027.84 2 256 902 969 137.08 2 712 950 560 614.04 3 494 055 865 921.79 4 521 826 899 540.68 4 985 461 200 585.65 1 083 277 930 359.88 1 198 480 321 713.00 1 324 804 848 409.43 1 453 827 687 613.08 Рын. Капитализация (% от ВВП) 30.53 48.48 39.55 31.85 41.51 33.12 34.59 89.31 177.61 61.63 100.46 30.53 48.48 39.55 31.85 Рын. капитализация ($ США) 330 703 429 000.00 580 990 890 000.00 523 951 510 000.00 463 079 980 000.00 681 203 680 000.00 639 764 550 000.00 780 762 720 000.00 2 426 325 822 800.00 6 226 305 290 000.00 2 793 612 600 029.31 5 007 646 096 891.29 330 703 429 000.00 580 990 890 000.00 523 951 510 000.00 463 079 980 000.00 Внутренний кредит банковского сектора (% от ВВП) 119.33 119.67 123.00 143.46 151.88 140.37 134.30 133.48 127.78 120.80 145.25 119.33 119.67 123.00 143.46 48 Приложение № 2 Описание индустриальных секторов Таблица № 9 Описание индустрий Индустрия Basic Materials Consumer Goods Consumer Services Financials Health Care Industrials Oil & Gas Technology Telecommunications Utilities Сектор Basic Resources Chemicals Automobiles & Parts Food & Beverage Personal & Household Goods Media Retail Travel & Leisure Banks Financial Services Insurance Real Estate Health Care Construction & Materials Industrial Goods & Services Oil & Gas Technology Telecommunications Utilities Таблица № 10 Бразилия Индустрия Basic Materials Consumer Goods Consumer Services Financials Health Care Industrials Oil & Gas Technology Telecommunications Utilities Total Количество компаний 27 48 15 24 5 32 1 6 9 36 203 49 Таблица № 11 Россия Индустрия Basic Materials Consumer Goods Consumer Services Health Care Industrials Oil & Gas Technology Total Количество компаний 32 61 5 12 30 1 9 150 Таблица № 12 Индия Индустрия Basic Materials Consumer Goods Consumer Services Financials Health Care Industrials Oil & Gas Technology Telecommunications Utilities Total Количество компаний 133 207 42 24 60 204 21 69 3 12 775 Таблица № 13 Китай Индустрия Basic Materials Consumer Goods Consumer Services Financials Health Care Industrials Oil & Gas Technology Telecommunications Utilities Total Количество компаний 114 106 61 47 49 161 3 32 2 38 613 50 Приложение № 3 Предельные эффекты для модели Тобит Таблица № 14 Бразилия: Не цензурированные наблюдения: variable dy/dx dps_prev roa cur_ra~o delta_~a delta_~o -.0212642 .1597226 .0270649 .0151124 -.0159381 Std. Err. .05517 .20731 .04234 .04908 .02294 z -0.39 0.77 0.64 0.31 -0.69 P>|z| [ 0.700 0.441 0.523 0.758 0.487 -.129401 -.246596 -.055911 -.081075 -.060894 95% C.I. ] .086872 .566041 .11004 .1113 .029018 X .338238 -.026989 1.68912 -.006503 .029258 Цензурированные наблюдения: variable dy/dx dps_prev roa cur_ra~o delta_~a delta_~o -.0299262 .2247861 .0380899 .0212685 -.0224305 Std. Err. .07764 .29147 .05961 .06907 .03228 z -0.39 0.77 0.64 0.31 -0.69 P>|z| [ 95% C.I. 0.700 0.441 0.523 0.758 0.487 -.182106 -.346476 -.078736 -.114101 -.085695 ] .122253 .796048 .154916 .156638 .040834 X .338238 -.026989 1.68912 -.006503 .029258 Таблица № 15 Индия: Не цензурированные наблюдения: variable dy/dx dps_prev roa cur_ra~o delta_~a delta_~o .2219672 .0192959 -.0005289 -.0118971 -.0000993 Std. Err. .01357 .00302 .00028 .0027 .00025 z 16.35 6.38 -1.88 -4.41 -0.40 P>|z| [ 95% C.I. ] 0.000 0.000 0.060 0.000 0.687 .195366 .248568 .01337 .025222 -.001079 .000022 -.017181 -.006614 -.000583 .000384 P>|z| [ 0.000 0.000 0.060 0.000 0.687 .277557 .352822 .018987 .035813 -.001533 .000031 -.024395 -.009392 -.000827 .000545 X .050175 .166067 2.21611 -.016901 -.048985 Цензурированные наблюдения: variable dy/dx dps_prev roa cur_ra~o delta_~a delta_~o .3151898 .0273999 -.000751 -.0168937 -.0001411 Std. Err. .0192 .00429 .0004 .00383 .00035 z 16.42 6.38 -1.88 -4.41 -0.40 95% C.I. ] X .050175 .166067 2.21611 -.016901 -.048985 51 Таблица № 16 Китай: Не цензурированные наблюдения: variable dy/dx dps_curr roa cur_ra~o delta_~a delta_~o .0430677 .0750708 -.0000388 -.0287095 .00007 Std. Err. .01334 .01585 .00016 .00788 .00012 z 3.23 4.74 -0.24 -3.64 0.56 P>|z| [ 95% C.I. ] 0.001 0.000 0.807 0.000 0.575 .016914 .069221 .044008 .106133 -.000349 .000272 -.044162 -.013257 -.000175 .000315 P>|z| [ 0.001 0.000 0.807 0.000 0.575 .02354 .096746 .061498 .148171 -.000488 .00038 -.061702 -.018483 -.000244 .00044 X .02212 .038204 1.565 -.003904 -.128955 Цензурированные наблюдения: variable dy/dx dps_curr roa cur_ra~o delta_~a delta_~o .0601431 .1048348 -.0000541 -.0400922 .0000978 Std. Err. .01868 .02211 .00022 .01103 .00017 z 3.22 4.74 -0.24 -3.64 0.56 95% C.I. ] X .02212 .038204 1.565 -.003904 -.128955 Таблица № 17 Объединенная выборка: Не цензурированные наблюдения: variable dy/dx dps_prev roa cur_ra~o delta_~a delta_~o .0105434 .0016978 .0028071 .0072592 -.0006176 Std. Err. .00329 .0158 .00164 .0121 .00142 z 3.21 0.11 1.71 0.60 -0.43 P>|z| [ 95% C.I. 0.001 0.914 0.087 0.548 0.664 .004103 -.029262 -.000403 -.016453 -.003408 P>|z| [ 0.001 0.914 0.087 0.548 0.664 .005766 -.041123 -.000567 -.023122 -.004789 ] .016984 .032657 .006017 .030971 .002173 X .081193 .115155 1.89555 -.012086 -.059556 Цензурированные наблюдения: variable dy/dx dps_prev roa cur_ra~o delta_~a delta_~o .0148172 .002386 .0039449 .0102017 -.0008679 Std. Err. .00462 .0222 .0023 .017 .002 z 3.21 0.11 1.71 0.60 -0.43 95% C.I. ] .023869 .045895 .008457 .043525 .003053 X .081193 .115155 1.89555 -.012086 -.059556 52 Приложение № 4 Объединенная модель для МНК на панельных данных. Таблица № 18 Pooled OLS method, narrow and wide windows, Brazil (1) OLS_Res_0_1 (2) OLS_D_DPS_~1 (3) OLS_Res_3_3 (4) OLS_D_DPS_~3 -0.0097 (0.0736) resids 0.0035 (0.0534) size -0.0263*** (0.0056) -0.0258*** (0.0056) -0.0256*** (0.0077) -0.0255*** (0.0077) debt_to_as~t -0.0069 (0.0567) -0.0117 (0.0558) 0.0357 (0.0781) 0.0365 (0.0770) basicmater~s 0.0485 (0.0281) 0.0479 (0.0280) -0.0372 (0.0386) -0.0375 (0.0386) consumerse~s 0.0672 (0.0352) 0.0666 (0.0352) 0.0427 (0.0485) 0.0428 (0.0485) financials 0.0592 (0.0374) 0.0582 (0.0373) -0.0478 (0.0515) -0.0486 (0.0514) healthcare 0.3594*** (0.0882) 0.3594*** (0.0879) 0.5229*** (0.1214) 0.5218*** (0.1212) industrials 0.0213 (0.0276) 0.0179 (0.0276) -0.0881* (0.0380) -0.0887* (0.0381) oilgas 0.1579 (0.1058) 0.1551 (0.1056) 0.0668 (0.1456) 0.0665 (0.1456) technology -0.0647 (0.0654) -0.0651 (0.0653) -0.0154 (0.0900) -0.0152 (0.0900) telecommun~s 0.0672 (0.0425) 0.0656 (0.0422) -0.0156 (0.0585) -0.0149 (0.0581) utilities 0.1092*** (0.0288) 0.1081*** (0.0286) 0.0301 (0.0396) 0.0304 (0.0394) _cons N 0.0007 (0.0024) 0.0027 (0.0017) delta_dps 0.1490*** (0.0428) 808 0.1493*** (0.0357) 808 0.2142*** (0.0589) 808 0.2096*** (0.0492) 808 Standard errors in parentheses * p<0.05, ** p<0.01, *** p<0.001 53 Таблица № 19 Pooled OLS method, narrow and wide windows, India (1) OLS_Res_0_1 (2) OLS_D_DPS_~1 (3) OLS_Res_3_3 (4) OLS_D_DPS_~3 resids 0.1598 (4.0333) size -0.0917 (0.1566) -0.0803 (0.1554) -0.0924 (0.1867) -0.0790 (0.1853) debt_to_as~s 0.9771 (1.2758) 0.9694 (1.2243) 1.1299 (1.5209) 1.1184 (1.4596) basicmater~s -0.0145 (0.6912) -0.0287 (0.6905) -0.0139 (0.8240) -0.0307 (0.8232) consumerse~s -0.0810 (1.1498) -0.0599 (1.1457) -0.0733 (1.3708) -0.0494 (1.3659) financials 0.3738 (1.6170) 0.3819 (1.6163) 0.4430 (1.9277) 0.4524 (1.9270) healthcare -0.0665 (0.8747) -0.0479 (0.8743) -0.0663 (1.0429) -0.0445 (1.0424) industrials 0.3039 (0.6256) 0.2988 (0.6251) 0.3196 (0.7459) 0.3134 (0.7452) oilgas 0.1568 (1.3244) 0.1720 (1.3239) 0.1649 (1.5790) 0.1826 (1.5784) technology 2.5027** (0.9073) 2.5186** (0.9006) 3.0131** (1.0817) 3.0308** (1.0738) telecommun~s 0.2675 (3.6069) 0.2663 (3.6018) 0.2821 (4.3001) 0.2796 (4.2941) utilities 0.0739 (2.2015) 0.0747 (2.2003) 0.0892 (2.6246) 0.0899 (2.6233) delta_dps _cons N 0.2134 (4.8085) 8.8666 (6.3024) 10.3068 (7.5138) 0.3021 (0.9337) 0.2166 (0.9047) 0.2595 (1.1131) 0.1617 (1.0785) 2987 2987 2987 2987 Standard errors in parentheses * p<0.05, ** p<0.01, *** p<0.001 54 Таблица № 20 Pooled OLS method, narrow and wide windows, China (1) OLS_Res_0_1 (2) OLS_D_DPS_~1 (3) OLS_Res_3_3 (4) OLS_D_DPS_~3 resids 0.2617 (0.1913) size 0.0013 (0.0012) 0.0018 (0.0011) 0.0006 (0.0021) 0.0030 (0.0020) debt_to_as~t -0.0040 (0.0074) -0.0074 (0.0069) -0.0122 (0.0129) -0.0295* (0.0122) basicmater~s -0.0107** (0.0034) -0.0101** (0.0033) -0.0079 (0.0059) -0.0049 (0.0059) consumergo~s -0.0012 (0.0034) -0.0014 (0.0034) -0.0037 (0.0059) -0.0048 (0.0059) consumerse~s -0.0082* (0.0040) -0.0084* (0.0040) -0.0036 (0.0071) -0.0045 (0.0071) financials -0.0002 (0.0045) -0.0007 (0.0045) -0.0002 (0.0078) -0.0030 (0.0078) healthcare -0.0077 (0.0044) -0.0073 (0.0044) -0.0155* (0.0077) -0.0137 (0.0077) oilgas -0.0129 (0.0179) -0.0110 (0.0179) -0.0184 (0.0314) -0.0093 (0.0314) technology -0.0050 (0.0054) -0.0054 (0.0054) -0.0078 (0.0094) -0.0096 (0.0094) telecommun~s -0.0100 (0.0190) -0.0126 (0.0189) -0.0289 (0.0334) -0.0428 (0.0333) utilities -0.0062 (0.0048) -0.0063 (0.0048) -0.0043 (0.0084) -0.0046 (0.0084) delta_dps _cons N 1.3021*** (0.3354) -0.0001 (0.0002) 0.0001 (0.0004) -0.0087 (0.0073) -0.0049 (0.0068) -0.0168 (0.0128) 0.0027 (0.0119) 2937 2937 2937 2937 Standard errors in parentheses * p<0.05, ** p<0.01, *** p<0.001 55 Таблица № 21 Pooled OLS method, narrow and wide windows, Pooled Sample (1) OLS_Res_0_1 (2) OLS_D_DPS_~1 (3) OLS_Res_3_3 (4) OLS_D_DPS_~3 resids 2.0658 (1.8073) size -0.0863 (0.0664) -0.0878 (0.0664) -0.0861 (0.0791) -0.0878 (0.0791) debt_to_as~t 0.4342 (0.5256) 0.4143 (0.5255) 0.4781 (0.6261) 0.4565 (0.6259) basicmater~s -0.2017 (0.2858) -0.1989 (0.2859) -0.2032 (0.3405) -0.2002 (0.3405) consumergo~s -0.1635 (0.2656) -0.1642 (0.2656) -0.1579 (0.3164) -0.1586 (0.3164) consumerse~s -0.2142 (0.3934) -0.2247 (0.3933) -0.2056 (0.4686) -0.2170 (0.4685) financials -0.1066 (0.4619) -0.1168 (0.4619) -0.1029 (0.5502) -0.1141 (0.5502) healthcare -0.2316 (0.3823) -0.2260 (0.3823) -0.2347 (0.4554) -0.2285 (0.4554) oilgas -0.0381 (0.7353) -0.0212 (0.7352) -0.0385 (0.8758) -0.0200 (0.8757) technology 1.2082** (0.4126) 1.2229** (0.4125) 1.4925** (0.4915) 1.5086** (0.4913) telecommun~s 0.0619 (0.9767) 0.0140 (0.9759) 0.0526 (1.1634) 0.0002 (1.1624) utilities -0.1059 (0.4546) -0.1223 (0.4544) -0.1097 (0.5415) -0.1277 (0.5413) delta_dps _cons N 2.2632 (2.1527) 0.0008 (0.0251) 0.0005 (0.0299) 0.4311 (0.4362) 0.6130 (0.4061) 0.4090 (0.5195) 0.6083 (0.4838) 7320 7320 7320 7320 Standard errors in parentheses * p<0.05, ** p<0.01, *** p<0.001 . 56 Приложение № 5 Тесты Хаусмана и Бройша – Пагана. Таблица № 22 (Тест Хаусмана, Россия, окно (0;+1))26 Coefficients (b) (B) fixed . resids 18.55606 20.92121 (b-B) Difference sqrt(diag(V_b-V_B)) S.E. -2.365159 3.130907 b = consistent under Ho and Ha; obtained from xtreg B = inconsistent under Ha, efficient under Ho; obtained from xtreg Test: Ho: difference in coefficients not systematic chi2(1) = (b-B)'[(V_b-V_B)^(-1)](b-B) = 0.57 Prob>chi2 = 0.4500 Coefficients (b) (B) fixed . delta_dps 4.534784 5.68791 (b-B) Difference sqrt(diag(V_b-V_B)) S.E. -1.153126 1.676083 b = consistent under Ho and Ha; obtained from xtreg B = inconsistent under Ha, efficient under Ho; obtained from xtreg Test: Ho: difference in coefficients not systematic chi2(1) = (b-B)'[(V_b-V_B)^(-1)](b-B) = 0.47 Prob>chi2 = 0.4915 Таблица № 23 (Тест Бройша – Пагана)27 Россия, окно (0;+1) Breusch and Pagan Lagrangian multiplier test for random effects excess_0_1[company,t] = Xb + u[company] + e[company,t] Estimated results: Var exces~0_1 e u Test: 4.866236 3.067196 2.160291 sd = sqrt(Var) 2.205955 1.751341 1.469793 Var(u) = 0 chi2(1) = Prob > chi2 = 80.13 0.0000 Россия, окно (-3;+3) Breusch and Pagan Lagrangian multiplier test for random effects excess_3_3[company,t] = Xb + u[company] + e[company,t] Estimated results: Var excess_~3 e u Test: 4.952603 3.110648 2.203215 sd = sqrt(Var) 2.225444 1.763703 1.484323 Var(u) = 0 chi2(1) = Prob > chi2 = 80.81 0.0000 H0: Модель с фиксированными и случайными эффектами одинаково эффективна для оценки данных. Результат аналогичен для остальных стран и объединенной выборки, как для окна (0;+1), так и для окна (-3;+3). 27 H0: панельная структура данных не имеет значения; объединенный МНК дает более эффективные результаты. 26 57 Китай, окно (-3;+3) Breusch and Pagan Lagrangian multiplier test for random effects excess_3_3[company,t] = Xb + u[company] + e[company,t] Estimated results: Var excess_~3 e u Test: .0106853 .0108009 .0000645 sd = sqrt(Var) .1033698 .1039276 .0080321 Var(u) = 0 chi2(1) = Prob > chi2 = 3.88 0.0489 58 Приложение № 6 Доступный обобщенный метод наименьших квадратов. Таблица № 24 FGLS method, narrow and wide windows, Brazil (1) FGLS_Res_0_1 (2) FGLS_D_Dps~1 (3) FGLS_Res_3_3 (4) FGLS_D_Dps~3 0.0029 (0.0075) resids 0.0067 (0.0096) size -0.0249*** (0.0007) -0.0240*** (0.0010) -0.0270*** (0.0008) -0.0263*** (0.0007) debt_to_as~t -0.0022 (0.0101) -0.0001 (0.0090) 0.0472*** (0.0098) 0.0416*** (0.0103) basicmater~s 0.0510*** (0.0047) 0.0531*** (0.0042) -0.0220*** (0.0050) -0.0183*** (0.0054) consumerse~s 0.0620*** (0.0091) 0.0647*** (0.0086) 0.0261 (0.0136) 0.0291* (0.0139) financials 0.0672*** (0.0036) 0.0691*** (0.0032) -0.0300*** (0.0038) -0.0269*** (0.0042) healthcare 0.4860*** (0.0443) 0.5209*** (0.0665) 0.0138 (0.2000) 0.0185 (0.2004) industrials 0.0187*** (0.0032) 0.0164*** (0.0016) -0.0881*** (0.0033) -0.0856*** (0.0041) oilgas 0.1468*** (0.0154) 0.1461*** (0.0152) 0.0763*** (0.0168) 0.0768*** (0.0165) technology -0.0716*** (0.0043) -0.0651*** (0.0064) -0.0105 (0.0070) -0.0076 (0.0068) telecommun~s 0.0753*** (0.0072) 0.0766*** (0.0073) -0.0199* (0.0087) -0.0174* (0.0088) utilities 0.0994*** (0.0060) 0.1008*** (0.0055) 0.0358*** (0.0047) 0.0406*** (0.0048) _cons N 0.0010 (0.0011) 0.0025* (0.0011) delta_dps 0.1391*** (0.0022) 772 0.1325*** (0.0068) 772 0.2134*** (0.0046) 772 0.2079*** (0.0034) 772 Standard errors in parentheses * p<0.05, ** p<0.01, *** p<0.001 59 Таблица № 25 FGLS method, narrow and wide windows, India (1) FGLS_Res_0_1 (2) FGLS_D_Dps~1 (3) FGLS_Res_3_3 (4) FGLS_D_Dps~3 resids 0.0393 (0.0958) -0.2448*** (0.0582) size -0.0828*** (0.0033) -0.0833*** (0.0024) -0.0662*** (0.0045) -0.0588*** (0.0007) debt_to_as~s 0.7415*** (0.0300) 0.9366*** (0.0135) 0.7090*** (0.0483) 1.4324*** (0.0077) basicmater~s 0.0776** (0.0262) 0.0368*** (0.0099) -0.0054 (0.0178) 0.0127*** (0.0032) consumerse~s 0.0214 (0.0252) -0.0176 (0.0111) -0.0536*** (0.0157) 0.0572*** (0.0033) financials 0.4154* (0.1817) 0.4688** (0.1747) 0.2051 (0.1920) 0.3057 (0.1609) healthcare 0.0402 (0.0275) -0.0097 (0.0104) -0.0034 (0.0157) -0.0326*** (0.0092) industrials 0.2442*** (0.0278) 0.2077*** (0.0211) 0.2059*** (0.0212) 0.4654*** (0.0042) oilgas 0.2168*** (0.0251) 0.2365*** (0.0285) 0.1542*** (0.0177) 0.2089*** (0.0206) technology 0.7942 (2.9063) 0.9609 (2.9078) 0.9345 (7.6702) 2.0460 (6.8068) telecommun~s 0.3530*** (0.0586) 0.1376* (0.0594) 0.2039** (0.0724) 0.2060* (0.1032) utilities 0.1520*** (0.0462) 0.1735*** (0.0359) 0.0643 (0.0805) 0.1330*** (0.0342) delta_dps _cons N 6.0501*** (0.1783) 0.2222*** (0.0291) 0.2193*** (0.0142) 2851 8.5703*** (0.1302) 0.2250*** (0.0181) 2851 -0.0513*** (0.0050) 2851 2851 Standard errors in parentheses * p<0.05, ** p<0.01, *** p<0.001 . Cross-sectional time-series FGLS regression Coefficients: Panels: Correlation: generalized least squares heteroskedastic panel-specific AR(1) Estimated covariances = Estimated autocorrelations = Estimated coefficients = excess_3_0 Coef. resids size debt_to_as~s basicmater~s consumerse~s financials healthcare industrials oilgas technology telecommun~s utilities _cons .2229657 -.0605295 .5745813 .0110177 -.0175073 .2327124 -.0159346 .1559869 .1341553 .7160846 .0386555 .0669995 .1762111 639 639 13 Std. Err. .1163525 .0046497 .0447293 .0144247 .0148574 .2153445 .0170692 .0251357 .0484829 5.848537 .099855 .0652415 .0192217 Number of obs Number of groups Obs per group: min avg max Wald chi2(12) Prob > chi2 z 1.92 -13.02 12.85 0.76 -1.18 1.08 -0.93 6.21 2.77 0.12 0.39 1.03 9.17 P>|z| 0.055 0.000 0.000 0.445 0.239 0.280 0.351 0.000 0.006 0.903 0.699 0.304 0.000 = = = = = = = 2851 639 2 4.461659 6 283.73 0.0000 [95% Conf. Interval] -.005081 -.0696428 .4869134 -.0172541 -.0466273 -.1893549 -.0493895 .1067218 .0391305 -10.74684 -.1570567 -.0608715 .1385372 .4510123 -.0514162 .6622491 .0392895 .0116127 .6547798 .0175204 .205252 .22918 12.17901 .2343676 .1948705 .213885 60 Таблица № 26 FGLS method, narrow and wide windows, China (1) FGLS_Res_0_1 (2) FGLS_D_Dps~1 (3) FGLS_Res_3_3 (4) FGLS_D_Dps~3 resids 0.2420*** (0.0162) size 0.0012*** (0.0002) 0.0017*** (0.0002) 0.0008*** (0.0001) 0.0032*** (0.0002) debt_to_as~t -0.0101*** (0.0010) -0.0142*** (0.0007) -0.0137*** (0.0009) -0.0316*** (0.0009) basicmater~s -0.0092*** (0.0004) -0.0083*** (0.0004) -0.0073*** (0.0003) -0.0048*** (0.0007) consumergo~s 0.0004 (0.0004) 0.0003 (0.0003) -0.0031*** (0.0003) -0.0046*** (0.0007) consumerse~s -0.0062*** (0.0005) -0.0070*** (0.0004) -0.0032* (0.0013) -0.0050*** (0.0009) financials 0.0008 (0.0014) 0.0005 (0.0014) -0.0015* (0.0007) -0.0048*** (0.0008) healthcare -0.0077*** (0.0011) -0.0065*** (0.0005) -0.0153*** (0.0015) -0.0118*** (0.0024) oilgas -0.0024 (0.0286) -0.0001 (0.0289) -0.0303 (0.0170) -0.0243 (0.0193) technology -0.0019* (0.0009) -0.0016 (0.0013) -0.0004 (0.0026) -0.0051 (0.0033) telecommun~s -0.0090 (0.0108) -0.0116 (0.0109) -0.0293* (0.0118) -0.0431*** (0.0116) utilities -0.0026* (0.0013) -0.0028* (0.0012) -0.0038*** (0.0006) -0.0045*** (0.0008) delta_dps _cons N 1.2887*** (0.0113) -0.0001 (0.0001) -0.0067*** (0.0011) 2926 -0.0031** (0.0011) 2926 -0.0001 (0.0001) -0.0176*** (0.0005) 2926 0.0025* (0.0011) 2926 Standard errors in parentheses * p<0.05, ** p<0.01, *** p<0.001 61 Таблица № 27 FGLS method, narrow and wide windows, Pooled Sample (1) FGLS_Res_0_1 (2) FGLS_D_Dps~1 (3) FGLS_Res_3_3 (4) FGLS_D_Dps~3 resids 1.8901*** (0.0133) size -0.0880*** (0.0007) -0.0821*** (0.0013) -0.0847*** (0.0006) -0.0849*** (0.0008) debt_to_as~t 0.3692*** (0.0052) 0.3064*** (0.0067) 0.4772*** (0.0023) 0.4075*** (0.0072) basicmater~s -0.0764*** (0.0119) -0.1810*** (0.0065) -0.1219*** (0.0077) -0.1134*** (0.0084) consumergo~s -0.0329** (0.0119) -0.1889*** (0.0102) -0.0921*** (0.0073) -0.0935*** (0.0083) consumerse~s -0.1107*** (0.0120) -0.2276*** (0.0074) -0.1245*** (0.0079) -0.1405*** (0.0078) financials 0.0281* (0.0119) -0.1097*** (0.0063) -0.0326*** (0.0070) -0.0399*** (0.0078) healthcare -0.1230*** (0.0120) -0.2416*** (0.0072) -0.1538*** (0.0085) -0.1537*** (0.0082) oilgas 0.0668* (0.0305) -0.0177 (0.0211) 0.0354 (0.0232) 0.0621** (0.0225) technology 0.2428 (1.3738) 0.1875 (1.3979) 0.2551 (0.7633) 0.2748 (0.7899) telecommun~s 0.1707*** (0.0155) 0.0001 (0.0094) 0.1017*** (0.0217) 0.0761*** (0.0100) utilities 0.0294* (0.0136) -0.1047*** (0.0084) -0.0451*** (0.0070) -0.0619*** (0.0080) delta_dps _cons N 2.2847*** (0.0167) 0.0001 (0.0003) 0.3613*** (0.0128) 7118 0.6083*** (0.0107) 7118 0.0003*** (0.0000) 0.3246*** (0.0097) 7118 0.5270*** (0.0091) 7118 Standard errors in parentheses * p<0.05, ** p<0.01, *** p<0.001 62 Приложение № 7 Проверка на устойчивость модели Таблица № 28 Robustness check, FGLS method, narrow and wide windows, Pooled Sample without Brazil (1) FGLS_Res_0_1 (2) FGLS_Delta~1 (3) FGLS_Res_3_3 (4) FGLS_Delta~3 resids 7.7343*** (0.0960) size -0.0639*** (0.0018) -0.0990*** (0.0013) -0.0922*** (0.0007) -0.0847*** (0.0015) debt_to_as~t 0.3837*** (0.0095) 0.3417*** (0.0076) 0.6869*** (0.0031) 0.4305*** (0.0063) basicmater~s -0.0991*** (0.0097) -0.1417*** (0.0102) -0.1843*** (0.0062) -0.1066*** (0.0078) consumergo~s -0.0502*** (0.0112) -0.1710*** (0.0155) -0.1332*** (0.0083) -0.0952*** (0.0086) consumerse~s -0.0762*** (0.0101) -0.2145*** (0.0107) -0.1349*** (0.0064) -0.1519*** (0.0069) financials 0.0240* (0.0111) -0.0532*** (0.0099) -0.0387*** (0.0103) -0.0440*** (0.0091) healthcare -0.1750*** (0.0099) -0.2182*** (0.0107) -0.2105*** (0.0063) -0.1385*** (0.0078) oilgas -0.0541 (0.0418) 0.0124 (0.0274) -0.0341 (0.0332) 0.0456 (0.0246) technology 0.2755 (1.1042) 0.1742 (1.2284) 0.0878 (0.4615) 0.3030 (0.5874) telecommun~s 0.1315*** (0.0362) 0.0753*** (0.0111) 0.1209* (0.0481) 0.0511*** (0.0122) utilities -0.0626*** (0.0103) -0.1544*** (0.0099) -0.1318*** (0.0107) -0.1203*** (0.0101) delta_dps _cons N 8.5390*** (0.1157) 0.0001 (0.0003) -0.2593*** (0.0156) 6346 0.6559*** (0.0135) 6346 0.0012*** (0.0003) -0.1918*** (0.0105) 6346 0.5044*** (0.0123) 6346 Standard errors in parentheses * p<0.05, ** p<0.01, *** p<0.001 63 Таблица № 29 Robustness check with increase/decrease dummies, Pooled Sample (1) FGLS_Res_0_1 (2) FGLS_Res_0~e (3) FGLS_Res_3_3 (4) FGLS_Res_3~e resids 1.4383*** (0.0268) 1.0596*** (0.0545) 2.0778*** (0.0239) 1.5594*** (0.0520) size -0.0481*** (0.0008) -0.0378*** (0.0013) -0.0892*** (0.0006) -0.0785*** (0.0011) debt_to_as~t 0.2331*** (0.0043) 0.1984*** (0.0075) 0.4666*** (0.0044) 0.4853*** (0.0042) basicmater~s -0.1710*** (0.0042) -0.1484*** (0.0052) -0.2057*** (0.0010) -0.1820*** (0.0039) consumergo~s -0.1270*** (0.0042) -0.1154*** (0.0058) -0.0900*** (0.0035) -0.1348*** (0.0053) consumerse~s -0.1669*** (0.0044) -0.1503*** (0.0056) -0.1360*** (0.0036) -0.1544*** (0.0051) financials -0.0993*** (0.0046) -0.1112*** (0.0051) -0.0514*** (0.0056) -0.0423*** (0.0044) healthcare -0.1988*** (0.0043) -0.1751*** (0.0056) -0.1754*** (0.0035) -0.2018*** (0.0043) oilgas -0.0671** (0.0211) -0.0504* (0.0241) 0.0492** (0.0184) 0.0087 (0.0189) technology 0.0570 (1.0345) 0.0727 (1.0758) 0.0863 (0.4810) 1.0190 (0.5205) telecommun~s -0.0244* (0.0102) -0.0257* (0.0120) 0.1436*** (0.0134) 0.0641*** (0.0129) utilities -0.1173*** (0.0064) -0.1150*** (0.0060) -0.0199*** (0.0052) -0.0605*** (0.0048) increase_d~y 0.0887*** (0.0020) decrease_d~y _cons N 0.1336*** (0.0023) -0.0577*** (0.0022) 0.2352*** (0.0056) 7118 0.2475*** (0.0105) 7118 -0.0999*** (0.0023) 0.3042*** (0.0068) 7118 0.4177*** (0.0077) 7118 Standard errors in parentheses * p<0.05, ** p<0.01, *** p<0.001 . 64 Приложение № 8 График № 1 Динамика индекса РТС Источник: www.yandex.ru График № 2 Реальная процентная ставка, % Источник: Worldbank Расчеты автора 65 График № 3 Внутренние кредиты, предоставленные банковским сектором, % от ВВП Источник: Worldbank Расчеты автора 66 График № 4 Дивиденды/активы компании Коэффициент выплаты дивидендов Источник: Пирогов Н., Волкова Н. График № 5 Дивиденды/активы компании Коэффициент выплаты дивидендов Источник: Пирогов Н., Волкова Н. 67