Диссертация (1138003), страница 17
Текст из файла (страница 17)
Далееопределяется знак коэффициента при этом показателе, полученный врезультате тестирования регрессии. В итоге возможны четыре вариантаформирования фильтра:1. Результаты тестирования регрессии показали, что коэффициентM/B положительно и значимо связан с интеллектуальнымдрайвером стоимости, представленным дамми-переменной. В этом100случае показатель M/Bравногоединице.будет выше при значении драйвера,Поэтомукомпаниистакимзначениемпоказателя при сравнительно невысоком M/B имеют большийпотенциалростастоимости.«интеллектуальногофильтра»Врамкахследуетпримененияотобратькомпании,имеющие драйвер стоимости, равный единице.2.
Результаты тестирования регрессии показали, что коэффициентM/B отрицательно и значимо связан с интеллектуальнымдрайвером стоимости, представленным дамми-переменной. В этомслучае, наоборот, нулевое значение интеллектуального драйверастоимости в компании будет приводить к высокому показателюM/B. В рамках применения «интеллектуального фильтра» следуетотобрать компании, имеющие прокси-показатель, равный нулю.3.
Результаты тестирования регрессии показали, что коэффициентM/Bположительноизначимосвязансколичественнойпеременной ИК. В этом случае более высокое значениеинтеллектуальногодрайверакоэффициента M/B. Поэтомустоимостиприводиткростукомпании с высоким значениемпоказателя при сравнительно невысоком M/B имеют большийпотенциал роста стоимости. В качестве границы отсеченияколичественного показателя ИК предлагается использовать егомедиану, рассчитанную по рассматриваемой выборке компаний. Врамкахотобратьприменениякомпании,«интеллектуальногоимеющиефильтра»следуетинтеллектуальныйдрайверстоимости, который выше его медианного значения.4. Результаты тестирования регрессии показали, что коэффициентM/B отрицательно и значимо связан с количественной переменнойИК. Компании с низким значением показателя при сравнительноневысоком M/B имеют больший потенциал роста стоимости.
Врамкахприменения«интеллектуальногофильтра»следует101отобратькомпании,имеющиеменьшийинтеллектуальныйдрайвер стоимости, нежели чем медианное значение выборки.Несмотря на то, что в алгоритме (Рис. 3.2.) заложена возможностьполученияотрицательнойзависимостимеждуинтеллектуальнымдрайвером стоимости и коэффициентом M/B, такой результат являетсянетипичным, поскольку в эмпирических работах подчеркивается, чтоверное использование ИК приводит к росту рыночной капитализации[Zeghal, Maaloul, 2010; Orens et al., 2009; Youndt et al., 2004]. Поэтомупри получении подобного результата необходимо проанализировать егона наличие экономической логики, и лишь в случае наличияобъективного объяснения причин формировать на основе такого проксипоказателя «интеллектуальный фильтр».2.
Определение реализованности потенциала роста стоимости.Согласнопроанализированнойлитературе,высокиезначенияинтеллектуальных драйверов стоимости свидетельствуют о наличиипотенциаларостарыночнойпривлекательнымидлякапитализации.инвестораТемявляютсянеменее,компанииснереализованным потенциалом роста. Он может быть определен на базепоказателя M/B. Поэтому перед процедурой отбора акции поинвестиционнойпривлекательностинарассматриваемойвыборкибытьпоказателюM/B.ВдолжныкачествеграницыбазеИКкомпаниипроранжированыотсеченияпопредлагаетсяиспользовать медианное значения показателя по рассматриваемойвыборке.
Таким образом, выборка была поделена на две части:недооцененные компании и переоцененные. При применении методаинвестором деление может быть иным. Однако, в данном случае переднами стояла задача доказать то, что ИК позволяет определять компании,имеющиепотенциалроста,аненайтинаилучшийвариантформирования портфеля/набора ценных бумаг. Выбор медианы, а не102среднего значения был обусловлен тем, что данный показательпозволяет нивелировать влияние выбросов выборки.3. Формирование набора ценных бумаг.
На следующем этапе врезультате применения системы «интеллектуальных фильтров» ксовокупности компаний формируется набор, состоящий из ценныхбумагкомпаний,обладающихпотенциаломростарыночнойкапитализации. В настоящей работе ценные бумаги входили в набор содинаковымивесами,распределениявесовпосколькуирассмотрениеформированиеоптимальногопортфеляявляетсясамостоятельной исследовательской задачей.4. Тестирование инвестиционной привлекательности портфеля.Согласно трейдинговому определению Грэнжера и Тиммерманна[Granger,Timmermann,2004]рынокэффективенотносительноинформационного набора Ωt, технологий поиска St, и предсказывающихмоделей Mt, если невозможно получить экономическую прибыль, торгуяна основе сигналов, произведенных от моделей прогнозов в Mt,определенныхвиспользованиеминформационномтехнологийнаборепоискаSt.ΩtиотобранныхСтратегиисактивногоинвестирования базируются на предположении о том, что фондовыерынкинесуществуютявляютсяполностьюнедооцененныеиэффективными,переоцененныесоответственноценныебумаги,определить которые можно, в том числе, с помощью новых технологийпоиска.
Поэтому предлагаемый способ ранжирования компаний на базеинтеллектуальногокапиталаотноситсякстратегииактивногоинвестирования.На третьем этапе применения алгоритма доходность портфелейанализировалась с помощью показателя TSR (total shareholder return,общаядоходностьсобственника).Показательиспользуетсякаккраткосрочный индикатор изменения положения собственника иучитывает два ключевых рычага максимизации выгод акционеров:103дивиденды и рост стоимости акции.
TSR рассчитывается как суммадивидендной доходности и доходности прироста капитала:TSR=Div/P0+(P1-P0)/ P0, гдеDiv – сумма дивидендов, направляемых владельцам собственногокапитала по результатам года;P1, P0 – рыночная капитализация в начале и конце годасоответственно.Отметим, что доходность находилась как результат от держаниянабораакцийзаопределенныйсреднеарифметическогомоментзначениявремени.доходностизаОпределениепериоднеиспользовалось, поскольку подобный метод приводит к искажениямреальной ситуации [Теплова, Гальперин, 2012].Однако определение одной доходности не позволит выбратьправильный объект инвестирования. Инвестор ориентируется также нариск ценных бумаг. В качестве измерителя риска испольуетсяпоказатель волитильности их цен, выраженный в виде стандартногоотклонения доходности акций. Поэтому на базе показателя TSRнаходился коэффициент Шарпа, который рассчитывается следующимобразом [Sharpe, 1966]:SE (r r f )Var (r r f ), гдеr – доходность набора акций, найденная с использованиемдневных доходностей акций.
Находилась средняя дневная доходность запериод (с помощью деления накопленной за период доходности накорень количества дней в периоде);rf–доходность,доходностьвальтернативногокачествекоторойвложенияиспользовалась(безрисковаядоходностьгосударственных ценных бумаг США, переведенная в валюту страны спомощью паритета процентных ставок);104Var – дисперсия набора акций, найденная с использованиемдневных значений доходности.Наконец, для доказательства способности предложенного методаотбирать привлекательные для инвестирования компании проводитсясравнениекоэффициентаШарпасформированногонаборасбенчмарками.
В качестве них были выбраны индекс MSCI Europe инабор, сформированный из акций компаний выборки с показателем M/Bнижевыборочноймедианы, однакоимеющихнизкоезначениеинтеллектуальных драйверов стоимости (далее в работе он будет назван«MB-набор»). Такой набор включает в себя компании с потенциаломроста, который не обусловлен наличием ИК. Рассмотрим каждый извыбранных бенчмарков подробнее.MSCI Europe представляет собой фондовый индекс развитогорынка капитала Европы. Индекс был разработан и в начтоящее времярассчитывается инвестиционной компанией «Morgan Stanley CapitalInternational». Определение индекса происходит на базе цен акций стакрупных компаний Европы, взвешенных по показателю free-float икапитализации. Вложение в индекс является традиционной стратегиейинвесторов-рискофилов, поскольку позволяет получать средний порынку результат и снизить волатильность отдельных акций за счетдиверсификации.
Сравнение с MSCI Europe позволит определить,являются ли результаты набора акций, сформированного с помощьюпредложенного алгоритма, лучше среднерыночных.Вторым бенчмарком является набор, сформированный из акцийкомпаний выборки с показателем M/B ниже выборочной медианы,однакоимеющихнизкоезначениеинтеллектуальныхдрайверовстоимости. Сравнение с таким набором необходимо, для того, чтобыубедиться в том, что причиной роста коэффициента Шарпа набораакций, отобранных в соответствии с предложенным методом, являетсяименно ИК, а не низкое значение коэффициента M/B.105Подводя итог, отметим, что предложенный метод ранжированияакций, как и планировалось, базируется на показателе M/B иинтеллектуальном капитале и может быть применен с использованиемобщедоступных данных. Метод может применяться не только внешнимиинвесторами,номенеджментомкоммерческихорганизацийдлядиагностирования положения компании на рынке ценных бумаг.На следующем этапе планируется апробировать предложенныйметод ранжирования акций на выборке, состоящей из компанийВеликобритании, Германии, Франции, Италии, Испании.3.2.Эмпирический анализ интеллектуальных драйверовстоимостиДляпримененияразработанногоалгоритма,позволяющегосформировать систему «интеллектуальных фильтров», необходимопровести регрессионный анализ с целью отбора интеллектуальныхдрайверов стоимости.
В дальнейшем полученные показатели будутиспользованы для построения фильтров в соответствии с алгоритмом,описанным в параграфе 3.1.3.2.1. Выдвижение гипотезы и описание переменных эмпирическогоисследованияДля проведения эконометрического исследования сформулированаследующая гипотеза:Гипотеза H0: Соотношение между рыночной и балансовойстоимостью компании на развитых финансовых рынках зависит отчеловеческого, отношенческого и структурного капиталов.Верификациявыдвинутой гипотезыдоказывает способностьпоказателей ИК объяснять динамику коэффициента M/B.
Кроме того,результаты тестирования гипотезы позволят выявить интеллектуальныедрайверы стоимости, которые будут использованы для отбора компанийс потенциалом роста рыночной капитализации.106Для определения количества и качества неосязаемых ресурсовкомпании в предыдущей главе был описан алгоритм нахожденияинтеллектуальных драйверов стоимости. Интеллектуальный капиталразбивался на компоненты, такие, как человеческий, отношенческий иструктурный капитал.
Для каждого компонента во второй главеисследования в результате анализа существующих эмпирическихисследований был сформирован набор показателей, которые могут бытьопределены на базе открытых источников, например, на официальныхсайтахкомпаний.ВТаблице3.1перечисленыагрегированныепоказатели, выделенные в результате обзора литературы, а такжеопределенные на их основе переменные исследования c пояснениемспособа расчета.Таблица 3.1.Прокси-показатели интеллектуального капитала и методикаих расчета*ВидИнтеллектуальныйкапитала драйвер стоимостиЗаработная платаЧеловеческий(HC)Прибыль насотрудникаХарактеристикиСовета директоровПеременнаяисследования и еекодификацияМетодика расчетаСуммарная годоваяДоля заработной платы заработная плата,в издержкахподеленная на сумму(ih_wages_share)годовых издержеккомпанииПрибыль компании,Прибыль нарассчитанная за год,сотрудникаподеленная на общее(ih_e_per_emp)количество сотрудниковкомпании на конец годаЕсли более трети членовСовета Директоровимели ученую степень иболее 5 лет опытаруководства даннойКвалификация Совета компанией, показателюдиректоровприсваивалось значение(ih_board_qf)«2».
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
