Вы находитесь на странице: 1из 43

П Федеральное государственное

НАПРАВЛЕНИЕ 38.03.01 ЭКОНОМИКА

Группа ЭО-15-02 Кафедра микроэкономики

Допустить к защите
заведующий кафедрой
микроэкономики

___________________ М.И.Левин

«____» _______________20_ г.

бюджетное образовательное учреждение высшего образования


«РОССИЙСКАЯ АКАДЕМИЯ НАРОДНОГО ХОЗЯЙСТВА и
ГОСУДАРСТВЕННОЙ СЛУЖБЫ
при Президенте Российской Федерации»

ИНСТИТУТ ЭКОНОМИКИ, МАТЕМАТИКИ И


ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ

ЭКОНОМИЧЕСКИЙ ФАКУЛЬТЕТ

ВЫПУСКНАЯ КВАЛИФИКАЦИОННАЯ РАБОТА

Анализ отраслевой стратегии инвестирования


на российском рынке акций

студент-бакалавр
Петров Илья Николаевич / / /
(подпись) (дата)
научный руководитель выпускной
квалификационной работы
к.э.н., доцент Абрамов Александр Евгеньевич / / /
(подпись) (дата)

МОСКВА
2019 г.
2

Оглавление
Введение .....................................................................................................................................3
1 Теоретические основы отраслевого инвестирования..............................................................5
1.1 Деловые цикли экономики и отраслевая стратегия.......................................................5
1.2 Определение поворотных точек российской экономики............................................10
1.3 Макроэкономические показатели и рынок акций........................................................12

2 Описание данных и методологии исследования...................................................................17


2.1 Исследуемые компании..................................................................................................17
2.2 Макроэкономические факторы......................................................................................18
2.3 Поворотные точки российской экономики...................................................................20
2.4 Методология модели.......................................................................................................22

3 Результаты оценивание моделей.............................................................................................24


3.1 Оценка акций компаний оборонительных отраслей....................................................24
3.2 Оценка акций компаний циклических отраслей..........................................................27
3.3 Оценка отраслевых индексов.........................................................................................31

Заключение...................................................................................................................................41
Список литературы......................................................................................................................42
Приложение..................................................................................................................................43
3

Введение

В финансовом мире инвесторы ищут способ увеличить свой доход при помощи
различных стратегий инвестирования. Не так давно в мире финансов появилась новая
идея стратегии инвестирования. Данная стратегия связана с отраслевой ротацией
портфеля в зависимости от делового цикла экономики. Это связано, во-первых, с тем, что
в мире происходит процесс глобализации. Таким примером может послужить Еврозона,
которая объединила множество стран с различными ресурсами. Второе, это появления
транснациональных компаний, которые стали зависеть от экономических конъюнктур не
одной страны, а ряда стран, в которых есть присутствие данных компаний. Третье,
недавние исследования показали, что отраслевой эффект в доходностях активов стал
сильно влиять в начале 21 века. В связи с этим появились новые стратегии у
инвестиционных компаний, связанных с отраслевой стратегией. Так, например, в 2004
году компания Меррил Линч выпустили отчет, раскрывающий идею «инвестиционных
часов», которые помогают инвестору определить в какой момент времени какие ценные
бумаги держать в своем портфели.
Сама по себе отраслевая диверсификация предполагает деление отраслей на
оборонительные отрасли и циклические отрасли. Основное различие их заключается в
том, что циклическая отрасль сильно зависит от экономических колебаний в стране. То
есть во время экономического подъема стоимость ценных бумаг циклических компаний
будет значительно расти, когда в экономический спад, наоборот, ценные бумаги будут
сильно недооценены. В свою очередь, ценные бумаги оборонительных компаний в
течении всего экономического цикла должны вести себя стабильно и их доходность как во
время экономического подъема, так и во время экономического спада страны подвержена
меньшим колебанием. В связи с этим существует стратегия, которая предполагает
ротацию данных отраслей во время делового цикла экономики. Во время экономического
подъема в портфеле должны преобладать акции компаний из циклических отраслей для
получения сверх доходности, а во время экономического спада портфель должен состоять
из акций компаний оборонительных отраслей, чтобы уменьшить вероятность понести
потери.
Актуальность работы заключается в том, что данная стратегия редко
рассматривалась на рынке акций России и интересно было бы посмотреть, как ведут себя
отрасли в данной экономике. Также интерес заключается в изучении зависимости
отраслей от общих макроэкономических показателей, которые могут описать направление
делового цикла экономики. В связи с тем, что российская экономика является
4

развивающейся интересно изучить отрасли, которые согласно существующим теориям


являются оборонительными и циклическими.
Цель работы заключается в исследовании поведении отраслевой доходности
российских акций относительно существующих макроэкономических факторов, а также
определить фактическое поведение этих доходностей в моменты экономических стадий
делового цикла. Для того, чтобы выполнить данные задачи были предприняты следующие
шаги:
1) Изучение литературы, в которой описывали поведение макроэкономических
показателей в течении делового цикла экономики для того, чтобы понять, какие
макроэкономические параметры могут влиять на доходность циклических
компаний. А также изучить литературу, связанную с определением поворотных
точек российской экономики для определения экономический стадий;
2) Сформулировать относительно изученной литературы основные гипотезы
относительно отраслевых доходностей;
3) Провести первичную обработку полученных данных;
4) На основе эконометрического анализа понять силу влияния тех или иных
макроэкономических параметров на отраслевые доходности российской
экономики;
5) Проанализировать фактические доходности отраслей компании и попытаться
определить из этого эффективность отраслевой стратегии, основанных на
циклических и оборонительных отраслях экономики.
Первая глава работы посвящена рассмотрению научным исследованиям, связанных
с данной тематикой. А именно обзору публикаций инвестиционных компаний, в которых
предложены отраслевые стратегии инвестирования, основанные на деловом цикле
экономики, обзору работ, описывающих экономические циклы в российской экономике,
рассмотрению исследований, в которых описываются влияния различных
макроэкономических показателей на стоимость или доходность акций и фондовых
индексов. Во второй главе предоставляется теоретическое описание исследованию, также
будут сформулированы гипотезы относительно макроэкономических факторов, а также
методика исследования. В третьей главе будут сформулированы основные выводы,
которые будут получены в ходе эконометрического анализа отраслей, а также
фактического анализа прошедших доходностей отраслей России.
5

1 Теоретические основы отраслевого инвестирования

Как было сказано выше стратегия отраслевой ротации в зависимости от деловых


циклов экономики появилась относительно недавно. Появлению данной стратегии стало
обнаружение того, что отраслевой эффект стал не менее важным, чем страновой эффект,
что обнаружили несколько авторов. Авторы Шон Бака, Брайан Габр, Ричард Вайсс (Sean
P. Baca, Brian L. Garbe & Richard A. Weiss. The Rise of Sector Effects in Major Equity
Markets, Financial Analysts Journal. 2000.) обнаружили, что в конце 20 века страновой
эффект перестал доминировать надо отраслевым эффектов в объяснении доходностей
акций крупнейших 7 стран мира. Они также отметили, что большие экономики становятся
все более интегрированными между собой и диверсификация по отраслям становится все
более эффективней. Авторы Кэйт Филактис, Личуан Ксиа (Phylaktis K., Xia L. The
changing roles of industry and country effects in the global equity markets. 2006) также
проведя статистический анализ, включавший в себя 50 отраслевых групп и 34 стран,
определили, что с 1991 года по 2001 наблюдались изменения влияния эффекта на
доходность международных активов. Таким образом, отраслевой эффект стал почти таким
же сильным, как и страновой эффект. Одно из важных заключений выдвинутыми
авторами является то, что отраслевая диверсификация была эффективнее в более развитых
странах, таких как странах Европа, Северная Америки, тогда как в развивающихся
странах латинской Америки и страны азиатско-тихоокеанского региона все еще
эффективнее была бы диверсификация ценных бумаг между странами. Основными
фактами почему отраслевое инвестирование стало эффективно являлись появление
транснациональных компаний, интеграция стран, чей объем международной торговли
вырос в большое количество раз за последнее время. Все эти факты привели к появлению
различных отраслевых стратегий, одна из которых связана с деловыми циклами экономик.

1.1 Деловые цикли экономики и отраслевая стратегия.

Основной идеей отраслевой ротации в зависимости от деловых циклов экономики


является существования циклических и оборонительных отраслей, которые в свою
очередь и диверсифицируется в зависимости этих деловых циклом экономики. Для
определение данных экономических циклов используются макроэкономические
показатели, которые выступают в роли индикаторов, характеризующих изменение
экономической конъюнктуры.
6

Одной из работ, в которых авторы предлагают практическое применение данной


стратегии, является работа Тревор Грихэмома и Михаэля Гарнетта, бывших сотрудников
Меррил Линч. В ежегодном инвестиционном отчете (Greetham, Harnett, Investment Clock:
Merrill Lynch. 2004) исследователи предложили использование, так называемых,
«инвестиционных часов». Инвестиционные часы – это достаточно понятный способ
привязки активов и отраслей стратегии к экономическому циклу. Эти часы разбивают
экономический цикл на четыре основные фазы, определенные направление трендом
экономического рост и направлением инфляции.
Авторы данной работы утверждают, что, обнаружив именно долгосрочную связь
между макроэкономических фактором и активом, а также определив правильно
поворотные точки экономического роста, инвестор сможет получить выгоду. Но если
инвестор будет опираться на краткосрочные отклонения, то высока вероятность, что игрок
рынка может ошибиться. Примером данного ошибочного определения поворотных точек
является пузырь «доткомов», когда инвесторы среагировали на рост в цене новых
технологичных компаний в 1999 году и купили их себе в портфель, но в начале 2000 года
акции новых компаний, достигнув пика, рухнули, тем самым опустошив большое
количество карманов инвесторов.
Важно отметить, что сотрудники инвестиционного банка в определении делового
цикла определенным образом определяют тренд экономического роста, то есть оценивают
разрыв выпуска экономики.
Исследователи определили поведения макроэкономических факторов
относительного делового цикла экономики и поделили цикл на четыре стадии:
1) Рецессия. Данный этап отличается слабым ростом ВВП, падением цен на сырьевые
товары, падением реальных доходов населения, снижением ключевых ставок
центральным банком страны для того, что простимулировать экономику и вернуть
ее экономический рост на потенциальный уровень.
2) Восстановление. Рост ВВП постепенно увеличивается. Но в данный период
инфляция все равно продолжает падать из-за того, что экономические запасы до
сих пор не использовались и циклический рост является слишком сильным.
Товарно-материальные запасы оказываются на низком уровни, в связи с
увлечением объемов продаж. Данный период экономики является самым
привлекательным для классов активов акций.
3) Перегрев. Эта фаза экономического цикла выделяется замедлением роста
промышленного производства, потому что производственные мощности отраслей
достигли предела. Такая же тенденция наблюдается и в темпе роста ВВП. В
7

следствии этого начинает расти уровень цен. Следствием этого является


немедленная реакция центрального банка и повышение процентных ставок.
4) Стагфляция. После резкого повышения цен, процентных ставок рост ВВП
замедляется и располагается ниже тренда, но инфляция продолжает расти. Уровень
промышленного производства падает, но зарплаты и уровень цен растут. Данный
этап прерывается, когда безработица достигает определенного большого значения.
Определив фазы циклов, Тревор также определил какие акции компаний разных
отраслей в какую из фаз покупать. Таким образом, когда наблюдается экономический
рост, то следует покупать в портфель акции циклических компаний. На момент 2004 года
таковыми являлись отрасли технологий и металлов. А когда наблюдался экономический
спад, то следовало покупать акции оборонительных отраслей. Также авторами было более
детально определено, как ведут себя отрасли в зависимости от макроэкономических
показателей. Так отрасль второстепенных товаров и услуг показывают достаточно
высокую доходность, когда процентные ставки и уровень инфляции понижаются. В свою
очередь отрасль нефти и газа показывают хорошую доходность, когда, инфляция и цены
на нефть растут. Финансовый сектор показывает высокую доходность, когда экономика
переходит в фазу восстановления, а акции промышленных предприятий имеют хорошие
показатели, когда центральный банк поднимает процентные ставки. Также автор отметил,
что акции компаний телекоммуникаций в 2004 году вели себя как циклические компании
и показывали высокую доходность одновременно с дефляционным периодом, когда
сектор энергетики имеет достаточно высокую доходность во время стагфляции. Данные
выводы авторы перенесли на инвестиционные часы, которые показывают связь
макроэкономических показателей с отраслями экономики. Также важно отметить, что
авторы подтверждают данные наблюдения статистическими тестами.
Следующей работой, которая подтверждает возможность ротации отраслей через
деловой цикл экономики, является ежегодный отчет инвестиционной компании Фиделити
(Emsbo-Mattingly, Hofshire D., Litvak A., Lund-Wilde J., The Business Cycle Approach to
Equity Sector Investing: Market Research, 2017), где они также определяют фазы экономики
и определяют отрасли, которые себя ведут наилучшим образом в каждый момент
экономического цикла. Основываясь на данных с 1962 года по 2016 год, авторы
утверждают, что деловые циклы экономики можно также разделить на четыре фазы,
только эти фазы имеют другие названия: ранняя стадия, средняя фаза, поздняя стада и
рецессия. А также утверждают, что в данные фазы сверхдоходность показывают
определенные сектора экономики относительно построенного самим Фиделити
бенчмарком.
8

Основными показателями, приведенными в работе, были средняя геометрическая


доходность по всем фазами делового цикла, частота превышения отраслевой доходности,
построенного исследователями бенчмарка по всем фазам цикла. Данные метрики
помогают определить закономерности под разным углом. Так, например, частота
превышение отраслевой доходности бенчмарка в фазе делового цикла помогает понять,
какая отрасль с большей долей вероятности покажет наибольшую доходность в фазе,
которая наступит только в будущем. Средняя геометрическая доходность отрасли по
одной фазе за весь период анализируемой экономики имеет недостаток, который
выражается, что отрасль могла иметь очень большую сверхдоходность в одной из
рассчитываемых, когда в остальные аналогичные фазы отрасль не имела этой сильной
избыточной доходности относительно бенчмарка.
Ранняя стадия экономического цикла аналогично стадии восстановления в
рассмотренной выше работе, только к определению данного цикла добавлен еще фактор
уровня выданных кредитов, который в данной фазе имеет тенденцию увеличиваться. В
данной фазе исторически в среднем лучше бенчмарка оказались отрасли второстепенных
товаров и услуг (Consumer Discretionary), недвижимости, девелопмента (Real Estate),
отрасль промышленного производства (Industrials), финансовый сектор (Financials),
отрасль информационных технологий (Information Technology). Из них в отрасль
второстепенных товаров и услуг в каждой из существующих в ранних фазах делового
цикла показала доходность выше бенчмарка, отрасль недвижимости лишь в 70%, а
отрасль промышленного производства в 90% ранних циклов имела доходность выше
бенчмарка, когда отрасль информационных технологий лишь 60% от общего периоды
ранних фаз делового цикла оказалась выше американского рынка акций. Остальные
отрасли имели показывали доходности выше рынка акций Америки менее стабильно.
Средняя фаза отмечается самой большой продолжительностью по времени. Данная
фаза экономики отмечается более умеренным экономическим ростом, который
наблюдается на всем периоде делового цикла экономики, рост кредитования еще больше
увеличивается, запасы товарно-материальные запасы субъектов и их продажи растут.
Отрасли информационных технологий (Information Technology) и энергетики (Energy) в
среднем оказались лучше бенчмарка за общий период средней фазы цикла. Но ни одна из
отраслей не была стабильна больше 60% раз во всех средних фазах делового цикла
экономики: отрасли информационные технологии (Information Technology) и энергетики
(Energy) оказались в 45% и 55% выше рынка акций Америки на протяжении всех средних
фаз делового цикла экономики.
9

Поздняя фаза цикла экономики аналогична фазе перегрева в работе Грихэма и


Гарнетта. В данную фазу экономики статистические расчет инвестиционной компании
показали, что доходность бенчмарка показали акции следующих отраслей: энергетики
(Energy), здравоохранения (Health Care), отрасль, производящая различные материалы из
сырья (Materials), отрасль товаров первой необходимости (Consumer Staples). Интересно
заметить, что все отрасли вели себя во время данной фазы достаточно стабильно и выше,
чем в 70% средних фаз показали доходность выше рыночной.
Фаза рецессии аналогична той же фазе, рассмотренной в предыдущей работе. В
данный период среднюю положительную доходность показали отрасли оборонительных
компаний: отрасль товаров первой необходимости (Consumer Staples), отрасль
коммунальных предприятий (Utilities), отрасль телекоммуникаций (Telecommunication),
отрасль здравоохранения (Health Care). Также важно отметить, что именно эти отрасли
больше, чем в 70% рецессивных фаз показали доходность бенчмарка.
Интересным получился результат у Альберта Парулиана и Субъяко Сокарно
(Ambarita A. P. et al. Sector Rotation Investment Strategy in Indonesia Stock Exchange. 2013),
которые попытались применить отраслевую ротацию, основанного на деловом цикле, на
рынке Индонезии на период с 2005 года по 2012 год. Исследователи поделили
экономический цикл на три фазы с помощью трех показателей: ВВП Индонезии, Мировой
ВВП, уровень инфляции в Индонезии. С помощью данных трех показателей авторы
определили стадию рецессии, как одновременно отрицательный рост глобального ВВП и
индонезийского ВВП, а также очень высокий уровень инфляции, составляющий больше
3%, раннюю стадию экономики характеризуется слабым ростом глобального ВВП от 0%
до 3%, положительным роста ВВП, слабым или средним уровнем инфляции, позднюю
стадию делового цикла экономики, авторы определили как стадию с высоки темпом роста
глобального ВВП, позитивным ростом ВВП Индонезии и средним или высоким уровнем
инфляции. Собрав три портфеля из самых ликвидных акций, входящий в состав фондовой
биржи Джакарты, авторы получили один портфель, состоящий из акций компаний
потребительских товаров и услуг и энергетики, второй портфель состоял из отраслей
недвижимости, финансов и промышленности, третий портфель состоял из
агропромышленной отрасли, добычи нефти, угля, и отрасли розничной торговли. В итоге
ротация данных портфелей привела к увеличению их стартового капитала в 16 раз за 7
лет, в то время, когда рыночный индекс Джакарты вырос всего лишь в 4 раза.
Но также есть и исследования, которые опровергают эффективность данной
стратегии. Джеффри Стэнгл, Бэн Якобсен, Нуттават Висалтаначоти (Stangl J., Jacobsen B.,
Visaltanachoti N. Sector rotation over business-cycles. 2009) в своей работе проверяли
10

отраслевую стратегию инвестирования, основываясь на стадию делового цикла


экономики. Авторы использовали исторические данные с 1948 года по 2007 год, в
котором использовали поворотные точки Национального Бюро Экономических
Исследований (NBER) существовавшие для рынка Америки. Разбив существующие
поворотные точки на 5 поворотных точек, которые делились на ранний, средний и
поздний экономический подъем, ранний и поздний экономический спад, авторы
проанализировали 49 портфелей, каждый из которых представляет собой отдельную
отрасль. В результате эконометрических исследований, применение различных моделей с
разными факторами не привели авторов к подтверждению о наличии явной избыточной
доходности от ротации отраслей. Единственная возможная ротация, принесшая
избыточную доходность 7% в год, составляла следующие портфели:
 в ранний экономический подъем: рыночный портфель;
 в средний экономический подъем: отрасли фармацевтики;
 в поздний экономический подъем: отрасли добычи нефти, угля и табачных
изделий;
 в ранний экономический спад: отрасли продуктов питания, энергетики
развлечения, производства грузовых контейнеров;
 в поздний экономический спад: отрасли табачных изделий, продуктов питания
и личных услуг.

1.2 Определение поворотных точек российской экономики

Авторы предыдущих статей, казалось бы, указали на некоторые методы


определение экономических стадии в стране с помощью определения направления
макроэкономических показателей. Но в жизни макроэкономические показатели редко себя
ведут полностью синхронно. Определению поворотных точек в экономике посвящено
много литературы, как зарубежной, так и отечественной. Одна из работ, где авторы с
помощью различных эконометрических подходов определяют поворотные точки,
касающейся российской экономики является работа исследователей из Высшей Школы
Экономики (Смирнов С. В., Кондрашов Н. В., Петроневич А. В. Поворотные точки
российского экономического цикла, 1981–2015 гг. 2015). В своей статье авторы пытаются
определить поворотные точки российских экономических циклов, начиная с 1980 года до
середины 2015 года.
Авторы заявляют о существования трех способах определить пики и впадины
экономического цикла. Первый способ – это опираться на датировку уважаемых
11

комитетов, которые занимаются определением этих самых датировок. К этим комитетам


относятся Национальное бюро экономических исследований из США, Центр изучения
экономической политики из Европы и Комитет по датировке циклических поворотных
точек, который находится в Бразилии. Вторым способом является использование идеи
Бернса и Митчелла, утверждающие, что циклические изменения одновременно влияют на
экономические сектора экономики. А следовательно, основываясь на временных рядах,
можно было определить закономерности и с определенной точностью определить в какой
момент наблюдался пик экономики, а в какой впадина. Но авторы сразу отмечают, что
такой подход возможен только при наличии полных и качественных данных. Это
означает, что такой способ стало возможно использовать относительно недавно. И третий
способ – это определение поворотных точек с помощью индикаторов, которые
называются эталонными. В теории данные индикаторы должны одновременно менять
направление и сигнализировать о изменении поведении экономического цикла. Авторы в
своем исследовании использовали именно третий способ, обосновывая своя такой подход
в связи с тем, что он является единственным возможным. Также авторы отмечают
сложность анализа российского делового цикла, которая заключается в том, что если взять
для анализа российских поворотных точек синхронные индикаторы, которые обычно
берутся в других странах: общая численность занятых в несельскохозяйственном секторе,
реальные доходы населения, индекс промышленного производства и продажи
промышленной продукции – не являются синхронными в российской экономике. Такое
различие обусловлено особенностями российской экономики. Так, например, когда в
США во время кризиса компании сокращают производство, кадровый состав, в следствии
чего доходны экономических субъектов резко падают. А в России, как утверждают
авторы, наоборот, предприятия не увольняют сотрудников, а скорее сокращают
номинальную заработную плату. Также во время экономического спада наблюдается
резкое ослабления национальной валюты. В следствии существующих особенностей
синхронные показатели не ведут себя синхронно для российской экономики. Авторы
предлагают для более правильного определения поворотных точек использовать
показатели, которые получены на основе объемов производства в натуральном
выражении: индексы промышленного производства, индексы выпуска продукции и услуг
базовыми отраслями.
В связи с тем, что авторы поставили цель определить поворотные точки с 1980
года, набор данных составлял не один показатель, а совокупность схожих показателей,
которые они находили в разных источниках. Путем применения 3-ех методов для
определения поворотных точек: определение локального максимума и минимума,
12

непараметрическими методами из работ других исследователей, методом переключение


марковскими цепями -, авторы определили следующие пики и впадины экономического
цикла России и СССР, которые можно увидеть в таблице 1.1.
Важно также отметить, что существует научно-исследовательский институт
экономических циклов, который также определяет поворотные точки различных стран
мира, в том числе, России. Составленные поворотные точки данной организацией также
совпадают с поворотными точками, полученные российскими авторами в своей работе
для российской экономики. Данная организация обновляет свои поворотные точки на
ежегодной основе.

Таблица 1.1 – Поворотные точки российской экономики

Дата Пик/Впадина
Январь 1989 Пик
Ноября 1996 Впадина
Ноябрь 1997 Пик
Сентябрь 1998 Впадина
Май 2008 Пик
Май 2009 Впадина
Декабрь 2014 Пик
Источник: Смирнова С.В., Кондрашова Н.В., Петроневича А.В. «Поворотные точки российского
экономического цикла 1981-2015 гг.»

1.3 Макроэкономические показатели и рынок акций.

Так как поворотные точки известны, то интересно было бы понять, как


макроэкономические показатели себя ведут относительно различных рыночных индексов.
На тему поведения макроэкономических показателей относительно различный акций и
фондовых показателей существует достаточно множество работ. Одна из которых
принадлежит исследователям из Российской Академии Народного Хозяйства и
Государственной Службы при Президенте Российской Федерации (Зямалова В.,
Турунцева М., Ульяненко Я., Макроэкономические Факторы Динамики Фондового Рынка
РФ. 2013). В своей работе авторы преследовали идею определить макроэкономические
факторы, которые должны описывать поведение финансовых рынков России.
Описываемыми рыночными индексами в работе оказались РТС и ММВБ, для
которых применяли различные регрессионные модели для выявления взаимосвязей с
макроэкономическими показателями. Макроэкономический набор объясняемых
13

переменных включал в себя среднемесячную ставку процентам по кредитам,


среднемесячную ставку MIACR, индекс потребительских цен, денежный агрегат М2,
среднемесячную цену на нефть марки Brent, валютный курс пары рубль/доллар,
зарубежный индекс MSCI World. Выборка проводилась с 1999 года по 2011 и включала в
себя один кризис. Также исследуемые временные ряды разделили на докризисный период
до второй половины 2008 года и посткризисный период после второй половины 2008 года,
так как полагается возможность изменения трендовой динамики всех
макроэкономических рядов. Проведя различные методики исследования с помощью
множественной линейной регрессии, модели ARCH, модели GARCH, авторы пришли к
следующим выводам относительного макроэкономических факторов:
1) Финансовый индекс и индекс MSCI имеют положительную связь. Это означает, что
в работе индекс представлял собой информацию о развитых странах. А развитые
страны, возможно, влияют на рынки развивающихся стран с помощью торговли.
2) Полученная положительная связь между денежным агрегатом и фондовыми
индексами объясняется как шоковый показатель, который переносит монетарные
шоки спроса на цены.
3) Положительная связь фондового индекса московской биржи и курса валют
свидетельствует о возможном эффекте, который говорит о том, что при ослаблении
рубля улучшается конкурентоспособность экономики страны. Одна из причин
повышения конкурентоспособности выражается в том, что отрасли, занимающиеся
больше экспортом, становятся привлекательными для зарубежных инвесторов.
4) Связь между нефтью и индексов РТС, ММВБ положительна, и она объясняется
тем, что нефть на протяжении долгого времени является экспортным продуктом, а
также является самым экспортным продуктом.
5) Инфляция неоднозначно показала себя и нельзя точно сказать, как себя ведут
фондовые индексы относительно. Неоднозначность выражается в том, что в двух
выборках коэффициент инфляции имел различные знаки, хотя предполагалось, что
инфляция должна негативно влиять на ММВБ и РТС. Предпосылкой этому
являлось то, что при повышении инфляции случалось истощений
высокорискованных активов в активы с низким уровнем риска. А также повышение
инфляции являлось одной из основных причин для повышения процентных ставок
Центральным Банком России.
6) Процентные ставки предполагали отрицательную связь с фондовыми индексами.
Но получилось так, что гипотеза об этой связи не отвергалась лишь на втором
периоде выборки.
14

7) Один из важных выводов, оказался тот, что при оценивании влиянии


макроэкономических показателей на индексы ММВБ и РТС, наименьшее влияние
на индексы оказал уровень инфляции.
Данное исследование показало какие параметры могут влиять на фондовые
индексы. Полученные выводы можно также интерпретировать относительно отраслей,
ведь большинство показателей являются характеристиками экономической ситуации в
стране.
Гэн, Лии, Йонд и Жэнг (Gan, Lee, Yong and Zhang, 2006)) исследуют связь между
ценами на акции и макроэкономическими переменными для Новой Зеландии.
Исследуемыми переменными являются долгосрочная и краткосрочная процентная ставка,
уровень инфляции, обменный курс, ВВП, денежная масса и внутренняя розничная цена
нефти. Их результаты показывают, что в Новой Зеландии существует долгосрочная связь
между ценами на акции и макроэкономическими переменными. Тем не менее, тест
причинности по Грейнджеру показывает, что новозеландская фондовая биржа не является
хорошим индикатором макроэкономических переменных в Новой Зеландии, однако этот
результат не согласуется с другими исследованиями. Авторы приходят к выводу, что это
связано с тем, что отношение капитализации к ВВП очень мало в случае Новой Зеландии,
поэтому любое влияние на рынок капитала также низкое. Влияние уровня инфляции на
цены акций оказалось отрицательным для данного исследования, однако влияние
денежной массы оказалось отрицательным, поскольку предложение денег в Новой
Зеландии зависит от иностранных инвесторов, поэтому, когда процентная ставка высока
по сравнению с в других странах инвесторы хотели бы хранить свои деньги в банках, а не
участвовать в рискованных инвестициях, с другой стороны, когда процентная ставка
низкая, они могут предпочесть инвестировать в другие рынки, поэтому в случае Новой
Зеландии влияние предложение денег всегда отрицательно.
Греческие исследователи Манолис, Стелиос, Маркулис, Анджелос (Kavussanos M.
G., Marcoulis S. N., Arkoulis A. G. Macroeconomic factors and interna-tional industry returns.
2002) изучали влияние макроэкономических показателей относительно различных
отраслей. В своей работе авторы рассматривали 38 международных отраслей за период с
1987 года по 1997 год. Авторов интересовало поведение международных отраслей, так как
инвестор может заработать не только менять отрасли внутри страны, но и рассматривать
отрасли других стран, как привлекательные возможности для инвестиций. Основные
макроэкономические показатели, которые используются для анализа доходности
отраслей, следующие:
 изменение в цене нефти;
15

 обменный курс валют;


 рост индекса промышленного производства;
 мера кредитного риска;
 изменение мирового темпа инфляции.
Как отмечают авторы, наиболее интересный вклад исследования заключается в
том, что одни и те, же показатели по-разному ведут себя в разных отраслях экономики.
Рассматривая аналогичные работы, исследователи решили использовать модель
арбитражного ценообразования, так как она позволяет учитывать не только рыночный
риск относительно CAPM, а множество других рисков, которые в данном исследовании
представляют собой макроэкономические показатели. Авторы работы объясняют, что
макроэкономические факторы влияют на будущие потоки дивидендов и ставку
дисконтирования в результате чего также влияют и на доходность акций. С помощью
модели ARIMA авторы отчистили макроэкономические переменные от ожидаемых
изменениях и оставили, так называемые, инновационные компоненты для объяснения
изменения отраслевых международных доходностях. Дальше в своей работе авторы
используют «неожидаемый» эффект, так как инновации предполагаются
непредсказуемыми величинами. Используя обычную OLS оценку для многофакторной
модели, которая представляет собой регрессию доходности отрасли на инновации
макроэкономических переменных, перечисленных выше. Результатами исследования
были следующие выводы.
Энергетическая отрасль положительно зависела от «неожидаемого» изменения цен
на нефть и объясняется это тем, что рост цены на нефть возвращает большую доходность
для энергетических компаний. А для отрасли авиаперевозок, наоборот, цены на нефть
влияли отрицательно, так как горючее является их основным видом затрат.
«Неожидаемое» изменение курса валют также имела различную зависимость в
разных отраслях. Эмпирическое исследование авторов показало, что некоторым отраслям
ослабевание курса доллара приносило доходность. Таким примером отраслей может
служить или отрасль еды, или отрасль домашних продуктов, или отрасль коммунальных
услуг. А отрасль для которых ослабление курса являлось негативным шоком являлись
отрасли текстиля, сырых материалов и швейная промышленность.
Месячный мировой индекс промышленного производства выявляется
положительно зависимым и значимым только для трех отраслей. Из теории обычно
следует, что рост данного индекса сигнализирует о росте экономики, что в следствии
увеличивает доходность компаний. Положительно зависимым оказались промышленное
производство, машиностроение, отрасль изготовления металла и отрасль инженерии.
16

Влияние «неожиданной» инфляцией несет неоднозначный характер, который был


значим для 8 отраслей, из которых 3 имеют негативную зависимость. Эти три отрасли
включали в себя отрасли бизнеса и государственных услуг, отрасль коммунальных услуг
и отрасль электронных компонент. Остальные 5 отраслей, имели положительную
зависимость с неожидаемой инфляцией, что удивило авторов, потому что большое
количество экономических исследований утверждает, что инфляция чаще негативно
зависит от доходности акций. Отраслями, которые положительно зависели от инфляции,
оказались отрасль производства бумаги и продуктов из дерева, отрасль обработки и
нахождения золота, отрасль цветных металлов.
Добавление макроэкономических факторов к параметру избыточной доходности от
безрискового актива не сильно улучшало объясняющую силу R2.
Следовательно, основными выводами этой работы является, что один и тот же
экономический фактор может по-разному отражать зависимость относительно разных
отраслей экономики.
17

2 Описание данных и методологии исследования

В данной работе рассматривается эффективность отраслевой стратегии,


основанной на деловом цикле экономики. Примеры предыдущих работ показали, что
определение отраслей в инвестиционном портфеле в определенный момент времени
зависит от макроэкономической ситуации в стране, и что инвесторы должны опираться на
такие показатели, как рост ВВП, индекс промышленного производства, товарно-
материальные запасы, процентные ставки, объем кредитования населения, уровень
ежемесячной заработной платы и другие макроэкономические показатели. Следовательно,
циклические отрасли, которые зависят от колебаний экономического цикла, также
должны сильно зависеть от макроэкономических показателей, когда доходности
оборонительных отраслей должны быть менее чувствительными к изменению
экономической ситуации в стране, а также макроэкономических показателей. Для
выявление циклических и оборонительных отраслей будет выполнено исследование,
состоящие из нескольких шагов. На первом шаге рассматривается описываемая модель.
На втором шаге будут отобраны компании российских отраслей, которые составляют
большую часть рыночной капитализации своей отрасли. На третьем этапе будут отобраны
макроэкономические параметры, которые предположительно могут характеризовать
экономическую конъюнктуру страны, а также, основываясь на рассмотренной литературе,
будет предположительно определены гипотезы относительно влияния
макроэкономических параметров. Четвертым этапом будет отбор поворотных точек
российской экономики для определение экономических спадов и подъемов. Пятыми и
заключительным этапом исследования будет являться рассмотрение полученных
эконометрических оценок и проведение ретроспективного анализа доходностей отраслей
для выявления, определенных закономерностей.

2.1 Исследуемые компании

Для выполнения исследования были взято по 4 компании из каждой отрасли


российской экономики с наибольшей рыночной капитализацией. Взято лишь 4 компании
только потому, что на российском рынке не очень качественные данные по большому
количество средних и малых компаний. В то время как большие компании
представляющую большую долю рынка, от 70% и выше, по рыночной капитализации
обычно имеют качественные данные, которые не имеют определенных пропусков и
18

выбросов, а также других особенностей. Предполагается, что оставшиеся компании не


несут весомой значимости.
Отрасли в российской экономике были поделены в соответствии глобальному
стандарту классификатора отраслей с помощью терминала Bloomberg. В итоге было
получено 11 отраслей. Также именно компании MSCI было определено какие отрасли
входят в группу оборонительных, а какие в группу циклических отраслей. Список
итоговых отраслей, разделенных на циклические и оборонительные, можно увидеть в
приложении А.

2.2 Макроэкономические факторы

В исследовании рассматриваются месячные макроэкономические факторы,


которые могут описать отрасль относительно его поведения экономических циклов на
основе рассмотренной выше литературе. Также сформулированы гипотезы относительно
данных макроэкономических показателей. Ожидается, что циклические отрасли должны в
большей степени зависеть от макроэкономических факторов.
Таким образом, в состав объясняющих переменных вошли следующие фактор:
1) Индекс промышленного производства – является аппроксимацией темпа роста
ВВП страны. Данный индекс отражает динамику промышленного производства.
Ожидается, что во время экономического подъема наблюдается рост индекса
промышленного производства, а во время спада, наоборот, уменьшение. Также
должна себя вести и доходность циклических компаний.
2) Процентное изменение уровня безработицы – данный показатель характеризует
экономическую конъюнктуру рынка. Во временя экономического подъема
экономики уровень безработицы уменьшается, а во время экономического спада,
наоборот, повышается. Таким образом ожидается отрицательная зависимость
относительно компаний, принадлежащих циклическим отраслям.
3) Процентное изменение курс валют пары Рубль/Доллар. Из работы российских
исследователей было выявлено, что ослабление рубля приводит к положительной
связи с индексом МосБиржи. Это объясняется возможным усилением активностью
экспортных отраслей. Данный фактор может быть положительно связан с такими
отраслями, как отрасль сырья и материалов (Materials). То есть теми, кто имеет
достаточно большой доход вне нашей страны. Остальные отрасли возможно будут,
наоборот, иметь отрицательный эффект.
19

4) Процентное изменение денежного агрегата М2 – ожидается, что данная связь


положительно влияет компании в целом. Больше это может быть связано с тем, что
при изменении денежной массы, выявляются шоки спроса.
5) Процентное изменение цены на нефть марки Brent – данный показатель является
циклической компонентной, которая предполагает положительное влияние на
отрасли российской экономики. Это связано потому, что нефть сильно связана с
экспортом, где нефть является почти основной компонентой.
6) Дамми-переменная на экономические спады – это переменная должна
характеризовать отрасли, которые имеют сильно положительную или сильно
отрицательную доходность во время экономического спада. Во время
экономических спадов, циклические отрасли подвержены серьезным колебанием,
которое часто выражено в уменьшении доходности. Следовательно, данная
переменная должна быть значима и иметь отрицательный знак к циклическим
отраслям и, наоборот, к оборонительным.
7) Процентное изменение MIACR, MIACR – это приближенная процентная ставка
банка России и должна повторять ее динамику. Она должна отображать денежно-
кредитную политику центрального банка. Данная ставка взята как циклический
индикатор. Во время экономического подъема, данный индикатор имеет
тенденцию к снижению, когда во время экономического спада, наоборот. Это
объясняется тем, что во время рецессии центральный банк пытается приостановить
перегрев экономики и для этого повышает процентные ставки. У данного
показателя есть небольшой нюанс. Сама ключевая ставка появилась только в 2013
году. Следовательно, до этого времени данный приближенный показатель был
более волатилен и не совсем понятен.
8) Процентное изменение номинальной ежемесячной заработной платы – заработная
плата также является одним из показателей экономического состояния в стране.
Когда в экономике наблюдается экономический подъем, то заработные платы
должны расти, а в экономический спад, наоборот. Хотя, с другой стороны,
повышении заработных плат ведет к снижению прибылей компаний, что может
отрицательно влиять на доходность акции.
9) Процентное изменение средний процентной ставки по всем кредитам – это
показатель отражает отрицательную зависимость от доходности акций для
циклических компаний. Это заключается в том, что когда процентные ставки
находятся на низком уровне, то это способствует развитию предприятий, которые
могут заимствовать дешевле и увеличивать свою прибыль, что на прямую влияет
20

на стоимость акций компаний. Также это влияет и на доходы населения. Все это
может описывать также доходность отраслей компаний, которые зависят от
кредитования. Так, например, отрасль второстепенных товаров и услуг (Consumer
Discretionary)
10) Темп изменения индекса потребительских цен как инфляция. Если основываться на
литературе, рассмотренной в работе Турунцевой, Замяловой, Ульяненко, то важно
отметить, что устойчивой зависимости из литературы найдено не было. Было
приведено множестве примеров, где инфляция имела различные эффекты:
положительно влияла на доходность акций, отрицательно влияла на доходность
акций и вообще не влияла стоимость и доходность акций. Но основным
предположением, которое в итоге выдвигалось в качестве гипотезы – это то, что
инфляция негативно влияет на динамику акций России. Повышение инфляции
приводит к тому, что инвесторы выводят свои активы в более безопасные, считая
инфляцию, как одну меру риска.

2.3 Поворотные точки российской экономики

Поворотные точки российской экономики были собраны на сайте некоммерческой


организации, занимающейся исследованием деловых циклов в мире. Российские
поворотные точки некоммерческой организации совпадают с исследованиями российских
авторов, но важно сделать интересное замечание. Если предполагать, что смена
направления ВВП, индекса промышленного производства – это есть изменение делового
цикла, то если посмотреть на график индекса промышленного производства и другие
макроэкономические показатели, можно заметить, что многие из них показывают изгибы
в разные моменты времени. Так, например, можно рассмотреть рисунки индекса
промышленного производства, безработицы и процентной ставки MIACR (см. рисунки
2.1, 2.2, 2.3).
21

График уровня безработицы


10 9.4

8
5.9
6 4.8
5.4
4
2
0
4/19/2001 1/14/2004 10/10/2006 7/6/2009 4/1/2012 12/27/2014 9/22/2017 6/18/2020

Уровень безработицы

Рисунок 2.1 – График уровня безработицы


Источник данных: РОССТАТ

Индекс промышленного производства


2.50
2.01 1.98
2.00
1.65
1.50 1.39

1.00

0.50

0.00
4/19/2001 1/14/2004 10/10/2006 7/6/2009 4/1/2012 12/27/2014 9/22/2017 6/18/2020

Индекс промышленного производства

Рисунок 2.2 – График темпа роста индекса промышленного производства


Источник данных: РОССТАТ

Денежный агрегат - М2
50000
45000
40000
35000 30868.31
30013.79
30000
25000
20000
14134.54
15000 11515.33
10000
5000
0
4/19/2001 1/14/2004 10/10/2006 7/6/2009 4/1/2012 12/27/2014 9/22/2017 6/18/2020

Денежный агрегат - М2

Рисунок 2.3 – График темпа роста денежного агрегата М2


Источник данных: РОССТАТ
22

На рисунках отмечены минимумы и максимумы рядов, и предположительные


изменения в направлении трендов, которые были определены визуальном методом.
Видно, что некоторые определенные поворотные точки на макроэкономических
показателях, движение которых характеризует изменение экономической конъюнктуры,
не совпадают полностью с поворотными точками, которые определили российских
ученых и некоммерческая организация, изучающая деловые циклы различных стран.
Данное наблюдение уже затрагивалось российскими авторами, поэтому отдадим
предпочтение поворотным точкам, которые были определены исследователями.

2.4 Методология модели

Модель арбитражного ценообразования расширяет возможности CAPM,


предполагая, что ценная бумага может быть чувствительна не только к одному типа не
диверсифицированному рыночному риску, но и еще нескольким факторам. Более того,
согласно теории, долгосрочная доходность ценной бумаги напрямую связана с её
чувствительностью - её бетами; то есть к изменениям определенных макроэкономических
переменных. Предполагается, что эффект макроэкономических факторов влияет на цену
акции через ценообразование самой стоимости акции. Таким образом можно использовать
данную модель для описания отраслевых доходностей и акций компаний отраслей с
помощью макроэкономических показателей.
Была построена следующая модель:

Rit −r ft =α + β 1∗RiskPrem t + β 2∗ER t + β3∗M 2t + β 4∗Wages t + β 5∗Oil t + ¿


+ β 6∗Loans Rate t + β 7∗Loanst + β 8∗IPP t + β 9∗Unemp t +¿
(
+ β 10∗MIACRt + β 11∗DammieRecessiont + ε t , (2.1)
где Rit – доходность акций компаний из отраслей, либо доходность самой отрасли;
r ft – месячная безрисковая ставка процента; 1
ER – месячное процентное изменения курса валют пары рубль/доллар;
Wages – месячное процентное изменение уровня ежемесячной зарплаты в России;
M2 – месячное процентное изменение денежного агрегата М2;
Oil – месячное процентное изменение цена на нефть марки Brent;
Loans – месячное процентное изменение объема выданных кредитов населению
страны;
CPI – месячное изменение индекса потребительских цен;
Loans Rate – месячное процентное изменение средней ставки кредитования
физических лиц;
23

Unemp – месячное процентное изменение уровня безработицы;


IPP – месячный индекс промышленного производства;
MIACR – месячной процентное изменение среднемесячной ставки межбанковского
кредитования.
Основные факторы отбирались путем отбора значимых коэффициентов и
сравнения моделей байесовским информационным критерием.
Рассмотренные ряды являются месячными, поэтому некоторые из которых
предполагают сезонность были скорректированы на сезонность с помощью X-12 ARIMA.
Также была рассмотрена матрица корреляций, которая представлена в таблице 2.1 для
того, чтобы избежать возможной мультиколлинеарности. Более подробное обозначение
пронумерованных переменных можно увидеть в приложении Б.
Таблица 2.1 – матрица корреляций макроэкономических факторов

Loans Rate
RiskPrem

MIACR
Unemp
Wages
Loans

CPI
IPP

M2

Oil
ER

IPP 1.00
Loans 0.13 1.00
CPI -0.08 0.13 1.00
Wages 0.25 0.28 0.08 1.00
ER -0.03 0.50 0.02 -0.11 1.00
M2 0.19 0.17 0.04 0.31 -0.31 1.00
Unemp -0.18 -0.05 -0.05 -0.16 0.11 -0.21 1.00
Risk
0.04 0.00 -0.07 -0.09 0.05 0.11 -0.06 1.00
Prem
Oil 0.24 -0.19 -0.13 0.05 -0.45 0.22 -0.06 0.08 1.00
MIAC
0.00 0.10 -0.01 0.01 0.03 0.02 -0.07 -0.18 -0.12 1.00
R
Loans
-0.29 0.06 0.08 -0.05 0.15 -0.08 0.05 0.07 -0.22 -0.04 1.00
Rate

Видно, что все рассмотренные показатели не сильно коррелируют друг с другом и


никого не следует исключать.
24

3 Результаты оценивание моделей

Используя исследуемые макроэкономические факторы были построены регрессии


на компании из разных отраслей и отрасли, где доходность была посчитана, как
средневзвешенная доходность, взвешенная на рыночную капитализацию. Выборка для
отраслей и компаний отличалась друг от друга из-за того, что компании появлялись в
разные этапы времени. Так, самая ранняя дата начала выборки январь 2003, так как
именно с этого периода существовала безрисковая трёхмесячная ставка ОФЗ для
российского рынка, что позволило бы оценить итоговую модель.

3.1 Оценка акций компаний оборонительных отраслей

Рассмотрение начинается с акций компаний оборонительных отраслей. От данных


компаний ожидается маленькая зависимость от рыночного коэффициента, а также
маленькое увеличение R2 по отношению к обычной CAPM модели.
В таблице 2.2 находятся результаты OLS оценки регрессии (2.1) компании из
отрасли нефти и газа.
Таблица 2.2 – OLS оценки компаний отрасли нефти и газа

Лукоил Новатек РосНефть Газпром


Constant 0.99* -0.59 0.21 -1.07*
Risk Prem 0.89*** 0.98*** 0.95*** 0.99***
M2 -0.41*
Wages 0.47’
Oil -0.08*
Unemp -0.25*
R2 0.68 0.70 0.57 0.70
R2CAPM 0.66 0.70 0.57 0.68

Из полученных оценок видно, что почти каждая компания имеет риск фри равной 1
кроме компании Лукоил, что может отражать данную отрасль, как устойчивую к
циклическим колебаниям.
Отрасль здравоохранения относительно новая для российского рынка, одна первая
компания на рынке акций существует лишь с 2010 года. Следовательно, эти компании
пропустили кризис 2008-2009 годов. Результаты регрессионного анализа для отрасли
здравоохранения можно увидеть в таблице 2.3.
25

Таблица 2.3 – OLS оценки компаний отрасли здравоохранения

Протек ФармСинтез Институт Стволовых Клеток ДИОД


Constant 0.44 -1.93’ -1.70** -2.14*
Risk Prem 0.81*** 0.43’ 0.76*** 0.40*
Loans -1.40*
DammieRecession 5.45* 5.47*
IPP 1.45’
R2 0.16 0.05 0.12 0.04
R2CAPM 0.09 0.02 0.09 0.04

Из оценок коэффициентов можно получить, что все коэффициенты отражающий


рыночный риск существенно ниже единицы. Следовательно, акция достаточно устойчива
относительно рыночных колебаний, что и подтверждает статус отрасли, как
оборонительная. Также стоит отметить коэффициент при DammieRecession, который
показывает, что во время кризиса, компания имеет в среднем положительную доходность.
Также хочется отметить, что в совокупности значимыми объясняющими переменными
оказались только процентное изменение кредита и индекс промышленного производства,
что говорит о том, что данная отрасль слабо зависит на взятом промежутке времени от
макроэкономических показателей.
Оценки компаний отрасли потребительских товаров и услуг можно увидеть в
таблице 2.4.

Таблица 2.4 – OLS оценки компаний отрасли потребительских товаров и услуг

Магнит Группа Черкизово Белуга Групп Аптека 36*6


Constant 1.24 2.01 -2.16 -2.89’
Risk Prem 1.05*** 1.01*** 1.08*** 1.83 ***
IPP 1.98*
MIACR -0.33** -0.21*
M2 2.23*
R2 0.38 0.22 0.28 0.32
R2CAPM 0.38 0.18 0.19 0.32

В данной отрасли все компании оказались значимы с риск фаrтором Risk Prem и
все коэффициенты больше 1. Наибольшее значение рыночного риска имеет компания
Аптека 36*6, так как ее коэффициент близок к 2, а не как у остальных колеблется около 1.
Следовательно, если судить по среднему коэффициенту, то можно сделать вывод о том,
26

что данная отрасль менее устойчива по отношению к предыдущим отраслям и не совсем


подтверждает свой статус отрасли, как оборонительная. Важно отметить, что компании
Магнит и Аптека 36*6 не зависели значимо от макроэкономических показателей, когда
остальные компании включали себя макропоказатели такие как индекс промышленного
производства, денежный агрегат М2, ставка MIACR, которые зависят таким же образом,
который предполагает теория.
Результаты OLS оценок компаний из отрасли энергетики можно наблюдать в
таблице 2.5.
Таблица 2.5 – OLS оценки компаний энергетической отрасли

Интер РАО РусГидро ФСК ЕЭС МосЭнерго


В
Constant 2.39’ -0.89 3.82 1.45
Risk Prem 1.13*** 1.09*** 1.18*** 0.96***
IPP -1.63** -4.31***
CPI 0.61’
M2 -1.85*
MIACR -0.35***
ER 1.04*
Oil 0.30’
Loans -2.94* -0.85*
2
R 0.33 0.41 0.38 0.42
R2CAPM 0.29 0.35 0.19 0.39

данном секторе экономики превалируют компании, занимающиеся производством и


продажей энергии. Три из четырех компаний имеет высокие рыночные беты, то есть
данная отрасль более чувствительна к рыночным изменениям. Но важно отметить, что
некоторые показатели не вели себя предполагаемым образом, так, например, денежный
агрегат М2 предполагал положительную связь по отношению к объясняемой переменной,
но в регрессии с ФСК ЕЭС он имел отрицательный знак. Также интересно отметить, что
темп роста промышленного производства также отрицательно коррелирует с
доходностями акций РусГидро и ФСК ЕЭС, хотя в теории предполагалась положительная
связь между акциями и индексом промышленного производства, остальные показатели. А
также увеличение объемов кредитования также имели отрицательный эффект, но, в
теории, предполагалось другое.
27

3.2 Оценка акций компаний циклических отраслей

На данном этапе будут представлены оценки циклических компаний. Ожидается


достаточно весомый R2, а также высокие беты рядом с коэффициентом рыночной риск-
премии.
В таблице 2.6 можно увидеть оценки регрессии (2.1) компаний из отрасли сырья и
материалов.
Отрасль промышленного производства в теории должны была быть менее
устойчива к рыночному показателю, чем компании оборонительный отраслей, но
интересным оказалось, что средняя по отрасли рыночная бета оказалась более устойчива к
рыночным колебаниям, например, чем отрасль потребительских товаров и услуг, 0.61 и
1.23 соответственно.
Таблица 2.6 – OLS оценки компаний отрасли сырья и материалов

Северсталь Алроса Новолипецкий металл Норникель


Constant 0.19 3.55* 0.62 0.75
Risk Prem 1.09*** 0.97*** 1.07 *** 1.09***
ER 0.41*
IPP 0.98*
MIACR 0.44***
CPI -1.46*
M2 -3.00*
R2 0.41 0.29 0.39 0.55
R2CAPM 0.39 0.11 0.39 0.55

В отрасли сырья и материалов средняя рыночная бета равна 1.05, что также показывает,
что не диверсифицируемый риск отрасли такой же как у рынка в целом, что характерно
для отрасли, которая является цикличной. Стоит, также отметить, что компании
Новолипецкий металл и Норникель не коррелируют с макроэкономическими
показателями, когда Алроса показали обоснованные теорией зависимости относительно
курса валют и индекса промышленного производства, когда компания Алроса имела
противоположную зависимость относительно ставки MIACR и денежного агрегата М2,
хотя связь относительно индекса потребительских цен теоретическая связь.
Результаты OLS оценок компаний из отрасли промышленного производства можно
увидеть в таблице 2.7.
28

Таблица 2.7 – OLS оценки компаний отрасли промышленного производства

ОАК НМТ Аэрофлот ТрансКонтейнер


Constant -1.42 -0.31 -0.51 0.06
Risk Prem 0.68** 0.83*** 0.59*** 0.34’
DammieRecession 10.96** 5.46*
Oil -0.31’
MIACR -0.17*
M2 0.083’
Loans Rates -0.50* -0.41*
IPP -1.57*
R2 0.19 0.26 0.15 0.06
R2CAPM 0.07 0.18 0.13 0.01

Таблица 2.8 – OLS оценки компаний отрасли финансов

Сбербанк ВТБ Возрождение Росбанк


Constant -0.82 -2.35* -1.82 -0.60
Risk Prem 1.25*** 0.95*** 1.02*** 0.2’
DammieRecession 3.72*
ER 0.38*
MIACR -0.11*
M2 1.47*** 1.30* 1.53*
Loans -0.72**
IPP -1.41**
Unemp -0.61*
R2 0.64 0.36 0.27 0.11
R2CAPM 0.59 0.33 0.24 0.03

Отобранные компании финансового сектора состоит из 4 банков, средний риск Risk


Prem, которого равна 0.86, что также указывает на то, что данные компании в целом
достаточной устойчивы к колебаниям фондового индекса московской биржи. Интересно
заметить, что это также не соответствует определению циклической отрасли. Также важно
отметить, что из теории следовало бы ожидать, что в период рецессии акции Сбербанка
должны были бы быть менее доходны, но коэффициент при DammieRecession утверждает
обратное. Также почти все макроэкономические факторы подтверждают теоретическое
обоснование, кроме показателя индекса промышленного производства у Росбанка, где
данный показатель имеет отрицательный коэффициент.
Результаты оценок регрессии компаний информационных технологий можно
увидеть в таблице 2.9.
29

Таблица 2.9 - OLS оценки компаний отрасли информационных технологий

Донской завод
Армада Морион Левенгук
радиодеталей
Constant -2.93’ 0.51 1.04 -0.67
Risk Prem 1.31*** 0.58’ 0.41 -0.52
Wages 2.17*
MIACR -0.28**
IPP 0.98*
R2 0.30 0.04 0.01 0.02
R2CAPM 0.25 0.04 0.01 0.02

В данной отрасли интересно компании, что оказались наименее зависимы от


фондового показателя московской биржи, так, например, компании Морион и Левенгук не
имеют незначимые коэффициенты относительно риск фактора Risk Prem, а у компании
Донской завод радиодеталей значим лишь на 10% уровне значимости. Но также интересно
заметить, что компания Армада согласуется с предположенными предпосылками
относительно макроэкономических переменных: оценки при переменных WAGES, IPP
имеют положительные значения, а изменение ставки MICAR имеет отрицательное
влияние. Также акции данной компании наиболее чувствительны к изменениям
рыночного индекса: бета равна 1.31 и значима на 1% уровне значимости. Это может быть
обосновано тем, что это отрасль относительно новая и ведет себя по другим принципам
нежели уже устоявшиеся компании из других отраслей.
Результаты оценок регрессии компаний отрасли второстепенных товаров и услуг
можно увидеть в таблице 2.10.
В данной отрасли компании показывают неоднозначный характер. Компании
Группа ПИК, Мвидео и Соллерс имеют оценку коэффициента рыночного риск больше 1,
средний показатель этих трех компаний равен 1.16, что означает несильную устойчивость
относительно фондового индекса московской биржи и характеризует данные компании
как циклические. Но вышесказанное нельзя отнести к компании ГАЗ, бета который равна
всего лишь 0.73, что характеризует компанию, как устойчивую фондового рынка акций
России. Важно также отметить, что у доходности акций компаний Мвидео имеет
отрицательную зависимость относительно изменений объемов потребительских кредитов,
что не поддается теоретическому обоснованию, а также акции компании Соллерс имеют
противоположную зависимость от уровня изменения средней заработной платы, что также
не соответствует теории, указанной выше.
30

Таблица 2.10 – OLS оценки компаний отрасли второстепенных товаров и услуг

Группа ПИК МВИДЕО ГАЗ Соллерс 1

Constant -0.17 2.75* -2.41’ -0.17


Risk Prem 1.22*** 1.10*** 0.73** 1.17***
Wages 2.4* -0.54’
Loans -1.16*
IPP 2.42** В
Oil 0.28*
2
R 0.31 0.44 0.10 0.37
R2CAPM 0.26 0.41 0.05 0.34

таблице 2.11 можно увидеть результаты OLS оценки регрессий отдельных компаний
отрасли коммуникационных услуг.

Таблица 2.11 – OLS оценки регрессии компании отрасли коммуникационных услуг.

Яндекс Мегафон МТС Росстелеком


Constant 1.94 -0.13 -0.29 -1.10
Risk Prem 1.23*** 0.58** 0.86*** 0.53***
Wages 0.86’
Loans -2.11
IPP -1.39*
2
R 0.33 0.18 0.51 0.13
R2CAPM 0.18 0.13 0.51 0.12

Компании Мегафон, МТС, Ростелеком имеют рыночные беты сильно ниже


единицы, что не характеризует их циклические отрасли. Также стоит отметить, что
добавление макроэкономических факторов добавило очень мало значимой силы этим
трем компаниям. Компания Яндекс соответствует циклической компании по критерию
рыночной беты.
Результаты OLS оценок регрессии отрасли недвижимости и девелопмента можно
увидеть в таблице 2.12.
Таблица 2.12 – OLS оценки регрессии компаний отрасли недвижимости и
девелопмента

Центр
ЛСР Групп Галс Девелопмент ОПИН Международной
Торговли
Constant 1.25 0.16 -0.95 -0.86
Risk Prem 1.29*** 1.35*** 0.72** 0.02
31

Oil 0.25’
Loans -1.44*
IPP 1.93* 2.07
ER -0.47*
MIACR -0.27*
Loans Rate -0.79
R2 0.45 0.41 0.19 0.0002
R2CAPM 0.35 0.35 0.074 0.0002

В данную отрасль попали компании, занимающейся девелопментом и продажей


недвижимости по разным направлениям. В данную отрасль входит всего 6 компаний из
которой были отобраны только 4. Можно заметить, что центр международной торговли не
имеет никакой связи относительно фондового рынка, когда остальные компании также не
показывают одинаковой зависимости относительной риск-фактора Risk Prem. Компании
ЛСР Групп, Галс Девелопмент имеют рыночную бету выше 1 и их можно считать более
волатильными относительно изменений фондового рынка, когда рыночный риск фактор
Опин равен 0.72, что не может характеризовать ее как циклическую компанию. В целом
средняя оценка рыночного риск фактора по значимым коэффициентам в данной отрасли
равна 1.12, что говорит о том, что данная отрасль может считаться как циклическая, так
как ее рыночный риск больше 1.

3.3 Оценка отраслевых индексов

В связи с тем, что общей закономерности по компаниям внутри отрасли не было


выявлено, было принято решение построить, основываясь на этих компаниях построить
отраслевые индексы, взвешенные по рыночной капитализации. Данный метод позволит в
общем целом рассмотреть, как ведут себя отрасли. Рассматриваемы переменные в
качестве объясняемые использовались те же самые. Результаты данного метода можно
увидеть ниже в таблице 2.13.
Таблица 2.13 – OLS оценки регрессии отраслевых индексов
Consumer

Information
Consumer

Communication
Health Care

Real Estate
Industrials
Financials

Services
Material
Utilities
Energy

Фактор\
Отрасль
Staples

Discretionary

Тип
Technologies

Оборонительные Циклические
отрасли
Constant -0.56’ -0.71 0.89 0.77 -0.96 1.64 0.59 -1.09 0.13 0.08 -0.71
32

Risk 0.89 0.69 0.80 1.05 1.11 1.21 0.65 1.23 0.98 0.45 0.69
Prem *** *** *** *** *** *** *** *** *** *** ***
1.35
M2
***
Wages 0.36* 1.85* 0.21*
Loans -0.95’ 0.02* -0.82* -0.95’

-0.27
MIACR -0.04’
***

Loans
-0.19’
Rate
IPP -0.88* 0.41’ 1.67** 0.65* -0.39*
Oil -0.10*
ER -0.16’
Dammie
Recessio 5.91* 3.45* 3.87*
n
R2 0.78 0.17 0.25 0.45 0.63 0.44 0.26 0.36 0.58 0.36 0.17
R2CAPM 0.78 0.10 0.23 0.43 0.59 0.40 0.24 0.31 0.57 0.32 0.11

По результатам регрессионного анализа было выявлено, что некоторая связь


макроэкономических показателей и построенных отраслевых индексов существовала, в
некоторых случая неоднозначна. Так, например, в отрасли здравоохранения почему-то
рост ежемесячной заработной платы влияет отрицательно на доходность отрасли, хотя из
теоретической предпосылки должно было следовать другое. Также интересно увидеть, что
в отрасли энергетики (Utilities) и в отрасли коммуникационных услуг (Communication
Services) индекс промышленного производства находится в отрицательной связи, хотя
предполагалось, что когда в экономике наблюдается экономический подъем, который
может выражаться в увеличении темпа роста индекса промышленного производства, то и
акции компаний также должны расти в доходности по отношение к предыдущему
значению. Не подтверждается предположение о том, что рост потребительских кредитов
должен иметь положительную связь с фондовыми индексами, так как увеличение
потребительских кредитов предполагает уверенность в экономическом состоянии, что
способствует развитию экономической конъюнктуры, так дальше эти денежные массы
инвестируются. В целом, неоднозначные факторы для отраслей наблюдались и других
авторов, которые были рассмотрены в предыдущей главе.
Также интересно отметить, что добавление макроэкономических факторов привело
к максимальному увеличению R2 на 7%, в остальных случаях вклад макропоказателей
колебался в среднем от 2% до 4%. В список отраслей, чья рыночная бета оказалась сильно
выше 1, попали отрасли второстепенных товаров и услуг (Consumer Discretionary),
информационных технологий (Information Technologies), финансов (Financials), что может
характеризовать их как циклические отрасли, которые чувствительны к изменению
33

фондового рынка, который в свою очередь реагирует на экономическое состояние страны


в целом. Отрасли, в которых рыночная бета оказалась достаточно ниже 1, оказались
здравоохранения (Health Care), энергетики (Utilities), промышленного производства
(Industrials), коммуникационных услуг (Communication Services), недвижимости и
девелопмента (Real Etate). Из вышеперечисленных под соответствие циклических и
оборонительных отраслей, опираясь на рыночную бету, попали оборонительные отрасли
здравоохранения, энергетики и циклические отрасли информационных технологий,
финансов, второстепенных товаров и услуг. Остальные же компании показали оценку
рыночного риска близкой к единице, что соответствует тому, что их не
диверсифицированные риски равны рыночным. Интересно наблюдать, что дамми
переменная, характеризующая экономический спад, оказалась значима и положительна
для трех отраслей: отрасль здравоохранения, отрасль промышленного производства и
финансов. Данный коэффициент означает, что в период рецессии доходность отраслей
была больше на процент равный коэффициенту. Проверить это можно, взглянув на
ретроспективный анализ, проведенный в следующем подразделе.
Задача этой части исследования была выявить основные зависимости отраслей
экономики от макроэкономических факторов. Как можно заметить в среднем на отрасль
оказался значимо только два макроэкономических индикатора. Этому может служить
много причин. Например, как обсуждалось в обзоре литературы выше, многие
макроэкономические показатели Америки являются почти синхронными, что не могли
сказать исследователи относительно российской экономики. Синхронность можно назвать
показателем развитости рынка. Данный факт смещает возможную зависимость
параметров, в следствии чего связь между большим количеством макроэкономическими
показателями с отраслевыми индексами не обнаруживается.
Также ожидалось, что для оборонительных отраслей количество переменных
объясняющих доходность отраслей должно было бы быть существенно меньше, чем у
циклических отраслей. Но как мы видим, в среднем 1-2 фактора объясняют любую
отрасль.
Интересно что для каждой отрасли не было ни одного идентичного совпадения
объясняющих макропоказателей, что может говорить о том, что все отрасли имеют
разную зависимость от макроэкономических факторов, что подчеркивает то, что для
каждую отрасль экономики надо рассматривать как отдельное целое и проводить над ним
исследование.
Также важно отметить, что компании по отдельности из отрасли также часто
объяснялись разными параметрами, но можно и проследить было некоторую
34

закономерность, которая переходила и на общеотраслевой индекс. Так, денежный агрегат


М2 в финансовом секторе отдельно проявил одинаково положительную зависимость
относительно доходностей компаний и также проявился в общеотраслевом индексе.
Можно сказать, что банки достаточно зависимы от монетарной политики, что, можно
сказать, очевидно.
Следующим шагом для определения оборонительных и циклических компаний
является рассмотрение распределение оценки рыночного риск фактора бета во времени.
Для этой задачи были построены графики 3-ех летних бет для каждой отрасли. На рисунке
3.1 можно увидеть распределение отраслей, которые, по мнению MSCI считаются
оборонительными.

Распределение рыночной β для оборонительных отраслей


1.5
1.3
1.1
0.9
0.7
0.5
0.3
0.1
-0.1
-0.3

Utilities Consumer Staples Health Care Energy

Рисунок 3.1 – График распределение рыночной беты для оборонительных отраслей

Опираясь на полученные значения оценки рыночного риска оборонительных


отраслей можно увидеть, что во времени рыночная бета принимала разные значения. Так,
например, отрасль потребительских товаров и услуг в период с июня 2009 года по декабрь
2012 года была сильно чувствительная к колебаниям фондового рынка России. А в
следующие периоды экономики чувствительность сильно падала. Самой стабильной
отраслью, которая сохраняла определенную стабильную чувствительность к колебаниям
рынка – это отрасль нефти и газа, хотя в последние годы ее рыночная бета также упала.
Результаты оценок трехлетних рыночных бет для циклических отраслей можно
увидеть на рисунке 3.2 и рисунке 3.3.
35
2
1.8
1.6
1.4
1.2
1
0.8
0.6
0.4
0.2
0

Industrials Materials
Communication Services Consumer Discretionary

Рисунок 3.2 – Распределение рыночной беты для циклических отраслей


2.5

1.5

0.5

Financials Information Technology

Рисунок 3.2 – Распределения речной беты циклических отраслей


Поведение циклических бет не совсем логично представляется для некоторых
копаний. Отраслевые коммуникации на протяжении долго времени имели маленькую бету
до июля 2016 года, а потом ее значение было близко к 1. Также можно увидеть, что другие
отрасли также во времени имели разную чувствительность к рынку и по этой причине их
принадлежность к отрасли также затруднительно. Стабильной циклической отраслью
оказался финансовый сектор, который на всем промежутке времени колебался около и
выше 1.
Так как в предыдущем подразделе не было выявлено четкого разделения отраслей
на оборонительные и циклические по рыночным бетам и по изменениям объясняемой
силой, когда предполагалось, что все оборонительные отрасли будут зависеть от
рыночной премии меньше, чем отрасли циклических, а также, что добавление
макроэкономических параметров сильнее объяснит зависимость именно циклическим
36

отраслей, так как именно они должны чувствовать экономические колебания, то


интересно посмотреть также ретроспективный анализ, который предполагает подсчет
общего прироста доходностей в целом за периоды экономического спада и подъема. Как
указывалось выше, периоды экономических стадий в России делятся на пять под
периодов, из которых два являются экономическим спадом, а три экономическим
подъемом. Разбиение экономических стадий был взято с сайта научно-исследовательского
центра экономических циклов (ERCI). Экономические стадии для выбранного периода
выглядят следующим образом:
 с 01/2003 по 05/2008 наблюдался экономический подъем;
 с 06/2008 по 05/2009 наблюдался экономический спад;
 с 06/2009 по 12/2014 наблюдался экономический подъем;
 с 01/2015 по 05/2016 наблюдался экономический спад;
 с 06/2018 по настоящее время наблюдается экономический подъем.
Таким образом у нас было составлен пять периодов для каждого типа отраслей, где
были сравнены такие характеристики, как темп роста за период отрасли и портфеля в
целом, стандартное отклонение. Также последним были приведены темпы приростов
отраслей, МосБиржи, а также средневзвешенный темп прироста за весь период по
оборонительному и циклическому портфелю и темп роста средневзвешенных портфелей.
Итоговые значения были сравнены с доходностью рыночного показателя МосБиржи. При
построении портфеля по типу отрасли также взвешивались по суммарной рыночной
капитализации отрасли.
В первый период, который являлся экономическим подъемом, можно наблюдать
результаты из таблицы 2.14.
В данный период в среднем циклические отрасли должны были быть выше
рыночного индекса, но мы видим, что большинство из них далеко от темпа роста
МосБиржи. Единственной отраслью, которая превалировала в период экономического
подъема над индексом МосБиржи является отрасль финансов, её средняя доходность
оказалось равной 10.41, следовательно, если бы существовал, средневзвешенный
портфель из выбранных акций, то можно было бы увеличить свой капитал в 10 раз.
Таблица 2.14 – Показатели доходности отраслей 2003-2008 гг.
Consumer

Consumer

Information

Communication
Health Care

МосБиржа
Real Estate
Industrials
Financials
Среднее

Среднее
Material
Utilities
Energy

Staples

Discretionary

Technologies

Services
37

Темп роста Тип отрасли


Оборонительные Циклические

4.54 - 3.29 1.36 4.83 10.41 2.29 5.77 1.18 1.77 2.38 0.72 5.95 6.04
Стандартное
отклонение

0.08 - 0.12 0.11 0.07 0.10 0.09 0.09 0.06 0.09 0.05 0.07 0.06 0.07

Результаты периода 06/2008-05/2008 можно увидеть в таблице 2.15.


В первый рецессивный период оборонительной отрасли только энергетики и
потребительских товаров и услуг отраслей показали темп роста больше рыночного
показателя. Но важно также отметить их очень большое стандартное отклонение, которое
характеризует их, как достаточно волатильные отрасли.
В период второго экономического подъема прошедшего с 06/2006 года по 12/2014
года были результаты, которые можно увидеть в таблице 2.16.
В данный период можно наблюдать, что наибольшую доходность по всем отраслям
показала оборонительная отрасль потребительских товаров и услуг, когда в остальных
трех оборонительных отраслях наблюдался сильный спад. Интересно заметить, что
отрасль второстепенных товаров и услуг. Также важно отметить, что в данный период
средневзвешенный портфель оказался больше рыночного, что и должно происходить во
время экономического подъема. Хотя стандартное отклонение среднего циклического
портфеля больше, чем рыночный, но всего лишь на 2%.

Таблица 2.15 – Показатели доходности отраслей 2008-2009 гг.


Consumer
Consumer

Information

Communication
Health Care

МосБиржа
Real Estate
Industrials
Financials
Среднее

Среднее
Material
Utilities
Energy

Staples

Discretionary
Темп роста Тип отрасли

Technologies

Services

Оборонительные Циклические

0.51 - 0.73 0.85 0.56 0.52 0.17 0.84 0.16 0.41 0.92 0.74 0.57 0.58
38

Стандартное
отклонение
0.16 - 0.33 0.26 0.16 0.26 0.38 0.21 0.48 0.22 0.08 0.25 0.19 0.18

Таблица 2.16 – Показатели доходности отраслей 2009-2014 гг.

Consumer

Consumer

Information

Communication
Health Care

МосБиржа
Real Estate
Industrials
Financials

Среднее
Среднее

Material
Utilities
Energy

Staples

Discretionary
Темп роста Тип отрасли

Technologies

Services
Оборонительные Циклические

0.68 0.19 0.31 5.99 0.75 1.17 3.14 0.57 0.47 1.57 0.68 1.18 1.32 1.24

0.06 0.11 0.09 0.09 0.06 0.08 0.12 0.07 0.13 0.07 0.06 0.10 0.07 0.05
Стандартное
отклонение

Результаты второго периода рецессии длившегося с 12/2014 по 05/2016 можно


увидеть в таблице 2.17. В данный период также не наблюдается того, что все четыре
отрасли из оборонительного портфеля показывают доходность выше доходности индекса
МосБиржи. Только отрасли здравоохранения и энергетики показали доходность выше
рыночной. Также в циклическом портфеле выше рыночной оказались темп роста
доходности у отраслей финансового сектора и сектора промышленного производства.
Интересно заметить, что стандартные отклонения у всех отраслей, которые показали
доходность выше доходности индекса МосБиржи, оказались больше, чем стандартное
отклонение рыночного индекса.
Таблица 2.17 – Показатели доходности отраслей 2014-2016 гг.
Consumer

Information

Communication
Consumer
Health Care

МосБиржа
Real Estate
Industrials
Financials
Среднее

Среднее
Material
Utilities
Energy

Staples

Discretionary

Technologies
Тип отрасли

Services

Оборонительные Циклические
39

Темп роста
1.04 2.17 1.79 0.85 1.06 1.67 1.34 3.22 1.15 1.02 1.07 1.24 1.32 1.36

Стандартное
отклонение
0.06 0.09 0.09 0.06 0.06 0.08 0.06 0.09 0.11 0.10 0.05 0.09 0.06 0.06

Результаты последнего экономического периода можно увидеть в таблице 2.18.


Таблица 2.18 – Показатели доходности отраслей 2016-2019 гг.
Consumer

Consumer

Information

Communication
Health Care

МосБиржа
Real Estate
Industrials
Financials

Среднее
Среднее

Material
Utilities
Energy

Staples

Discretionary

Technologies
Тип отрасли

Services
Оборонительные Циклические
Стандартное Темп роста

4.54 0.69 1.16 0.42 1.09 1.16 1.15 1.53 1.19 1.24 0.93 0.84 1.21 1.33

0.08 0.11 0.06 0.08 0.02 0.07 0.04 0.05 0.06 0.04 0.04 0.05 0.04 0.03
отклонение

Результаты последнего периода также удивляют, наибольшую доходность показала


оборонительная отрасль нефти и газа, доходность которой увеличилась в 4.54. Остальные
компании в оборонительной отрасли показали доходность ниже рыночного индекса. В
свою очередь доходности циклических отраслей также вели себя достаточно удивительно.
Только одна из циклических отраслей показала доходность выше рыночной, этой
отраслью оказалась отрасль промышленного производства. Её темп роста за данный
период составил 1.53, хотя стандартное отклонение нельзя назвать большим.
Подытоживая, можно сказать, что за все период из существующих отраслей, как
оборонительные, проявили себя два из двух экономических спадов отрасль энергетики, и
один раз из возможных отрасль здравоохранения. Парадоксально, но отрасль
промышленного производства, которая относится к циклической отрасли во время двух
кризисов показала доходность выше рыночной. Отрасль нефти и газа ни в одном из
40

экономических спадов не показала доходность выше рыночной, что говорит против


статуса оборонительной отрасли. Отрасль потребительских услуг, которая тоже относится
к оборонительным отраслям. Из циклического портфеля ни одна компания не показала
устойчивого роста, который оказался бы больше, чем рыночный в каждый из периодов
экономического подъема страны.
41

Заключение

Российская экономика является на данный момент развивающейся экономикой,


поэтому теоретически сложно было ожидать полностью удовлетворительных результатов.
По этой причине сложно выявить тенденции отраслевых эффекта в нашей стране.
Несмотря на это анализ позволил выявить ряд отраслей, которые отличаются некоторыми
особенностями.
Так, например, 2 отрасли из оборонительного сектора показали доходность выше
рыночной в каждый из возможных экономических спадов. Этими отраслями оказались
отрасль здравоохранения и отрасль энергетики. Также интересным оказалось, что отрасль
промышленного производства вела себя также как оборонительная отрасль и показывала
доходность в экономические спады выше рыночной. Отрасль здравоохранения также
попадала в список прибыльных отраслей в экономический спад в отчете Фиделити.
Также было обнаружено, что разные отрасли по-разному реагируют на
макроэкономические параметры, такие же закономерности и наблюдались в работах
других исследователей. Более того, внутри отрасли компании макроэкономические
показатели влияют по-разному на доходность акции компании и только в финансовом
секторе проглядывалась стабильная связь с денежным агрегатом М2 и тремя банками.
В целом, макроэкономические показатели не повысили на много способность
модели объяснять отраслевые средневзвешенные доходности.
Важно заметить, что за периоды с 2003 года наблюдалось, что стандартное
отклонение доходностей во всех отраслях уменьшалось, что может сигнализировать о
том, что рынок становится более устойчивым. И может быть в будущем, стратегия
оборонительных и циклических отраслей будет
Подытоживая, можно сказать, что на российском рынке отраслевая ротация не
эффективна, но имеет свои проблески и особенности, которые выразились в трех
вышеперечисленных отраслях экономики. Также можно отметить, что исходя из данных
отрасли в целом стали менее волатильные, что в будущем должно вселить уверенность
инвесторов и привлечь их капиталы.
42

Список литературы

1. Зямалова В., Турунцева М., Ульяненко Я., Макроэкономические Факторы


Динамики Фондового Рынка РФ (Macroeconomic Factors of the Russian Stock Market
Dynamics) //Available at SSRN 2360818. – 2013.
2. Смирнов С. В., Кондрашов Н. В., Петроневич А. В. Поворотные точки российского
экономического цикла, 1981–2015 гг //Экономический журнал Высшей школы
экономики. – 2015. – V. 19. – №. 4.
3. Baca S. P., Garbe B. L., Weiss R. A. The rise of sector effects in major equity markets
//Financial Analysts Journal. – 2000. – V. 56. – №. 5. – p. 34-40.
4. Emsbo-Mattingly, Hofshire D., Litvak A., Lund-Wilde J., The Business Cycle Approach
to Equity Sector Investing: Market Research, 2017;
5. Gan C. et al. Macroeconomic variables and stock market interactions: New Zealand
evidence //Investment management and financial innovations. – 2006. – V. 3. – №. 4. – p.
89-101.
6. Greetham T., Hartnett H. The Investment Clock Special Report# 1: Making Money From
Macro //Merrill Lynch. – 2004.;
7. Kavussanos M. G., Marcoulis S. N., Arkoulis A. G. Macroeconomic factors and
international industry returns //Applied Financial Economics. – 2002. – V. 12. – №. 12. –
p. 923-931.
8. Ambarita A. P. et al. Sector Rotation Investment Strategy in Indonesia Stock
Exchange //handbook on. – 2013. – V. 1.
9. Phylaktis K., Xia L. The changing roles of industry and country effects in the global
equity markets //The European Journal of Finance. – 2006. – V. 12. – №. 8. – p. 627-648.
10. Stangl J., Jacobsen B., Visaltanachoti N. Sector rotation over business-cycles //Massey
University. – 2009.
43

Приложение

Таблица – Разбиение отраслей на циклические и оборонительные

Оборонительные отрасли Циклические отрасли


Отрасль второстепенных товаров и услуг
Отрасль энергетики (Utilities)
(Consumer Discretionary)
Отрасль промышленного производства
Отрасль здравоохранения (Health Care)
(Industrials)
Отрасль потребительских товаров и Отрасль недвижимости и девелопмента
услуг (Consumer Staples) (Real Estate)
Отрасль нефти, газа, угля (Energy) Отрасль финансов (Financials)
Отрасль информационных технологий
(Information Technology)
Отрасль сырья и материалов (Materials)
Отрасль коммуникационных услуг
(Communication Services)