Диссертация (1138685), страница 22
Текст из файла (страница 22)
Показатели распределения коэффициентов вариации дивидендов и чистойприбыли.ОтчетностьИсключенынулевыедивиденды*Смешанная***********Показательĉv (D)ĉv (E)ĉv (D)ĉv (E)ĉv (D)ĉv (E)ĉv (D)ĉv (E)ĉv (D)ĉv (E)ĉv (D)ĉv (E)СреднееМедианаСтандартноеотклонениеЧислонаблюденийнет0,68410,59600,430950Смешаннаянет0,78760,60700,645750Смешаннаяда0,61000,57840,357450Смешаннаяда0,73530,56210,636350МСФОнет0,68650,58700,404839МСФОнет0,84810,67360,705839МСФОда0,61220,57440,319739МСФОда0,79790,59390,695839РСБУнет0,68410,59600,430950РСБУнет0,80850,57770,951850РСБУда0,61000,57840,357450РСБУда0,73710,56390,849550Итак, исходя из проведенного предварительно анализа, можно ожидать, чтороссийские компании, принимая решение о дивидендах, ориентируются, в первуюочередь, на чистую прибыль и не стремятся сгладить траекторию дивидендов.1213.2.3.
Методология эконометрического тестированияДля формального эмпирического тестирования используется оригинальнаямодель Линтнера: Dit i 1i Eit 2i Di (t 1) uit . Говорить о применимостимодели можно, если полученные на ее основе оценки PR и SOA находятся вдиапазоне (0;1). Кроме того, модель может быть признана адекватной имеющимсяданным, только если оцененный PR сопоставим с фактически наблюдаемым повыборке.Добавление в регрессию прибыли предыдущего периода, по-видимому,смысла не имеет ввиду проведенных предварительных расчетов, а также и безтого скромного размера выборки.
В работе Fama and Babiak (1968) отмечается,чтовключениелаговойприбыливедеткнебольшомуулучшениюпредсказательной силы регрессии, однако ухудшает оценки SOA и PR. При этомпредварительная оценка влияния лаговой прибыли на дивиденды дает всеоснования ожидать ее значимость, в то время как анализ данных российскихкомпаний дает противоположный результат.К эмпирической оценке коэффициентов модели Линтнера существуетнесколько подходов. 1) Метод, используемый в оригинальном исследовании, атакже в Fama and Babiak (1968) и Dewenter and Warther (1998), заключается впостроении регрессий по каждой компании в отдельности и последующемусреднении коэффициентов.
2) В работе Fama and French (2002) предложеннесколько иной подход: для каждого года строятся cross-section регрессии последеления суммарных дивидендов и прибыли по каждой компании на величинуактивов, и усредняются полученные результаты. Такая методика позволяетдобавлять в регрессию различные контрольные переменные. 3) В большинствесовременных работ по развивающимся рынкам [Adaoglu, 2000; Al-Najjar, 2009;Pandey, 2003; Short, Zhang and Keasey, 2002] для преодоления проблемы короткихвременныхрядовиспользуетсяпанельныйанализданных.Однакопримечательно, что ни в одной из указанных работ не оговаривается,производится ли какая-либо нормировка данных. Если нет, то включение врегрессии абсолютных величин совершенно разного порядка неизбежно приведет122к сильной гетероскедастичности, делающей полученные оценки неадекватными.4) Последний метод заключается в построении одной регрессии по временномуряду агрегированных прибылей и дивидендов [например, Chemmanur et al., 2010].Сразу можно отметить, что четвертый метод вряд ли может бытьиспользован на имеющихся данных ввиду значительного изменения количестванаблюдаемых компаний от года к году, а также ввиду короткого временного ряда.В процессе расчетов было выявлено, что cross-section регрессии также не могутиспользоваться для тестирования модели Линтнера на российском рынке, так какразброс отношения дивидендов к активам в каждой из семи годовых подвыборокслишком велик, и распределение этого показателя далеко от нормальности.
Дажеудаление около 25% наблюдений с экстремальными значениями той или инойпеременной не дает возможности построить регрессию, не страдающую от оченьсильной гетероскедастичности. Такие регрессии демонстрируют псевдо-значимыекоэффициенты при дивиденде предыдущего периода из-за различий в уровневыплат. Так, например, если существует компания, платящая высокие дивидендыпо отношению к активам (в среднем 15%), при этом абсолютно не сглаживающаядивиденды (то есть, она может выплатить в виде дивидендов случайно от 5% до25% активов), и несколько компаний платящих низкие дивиденды (около 1%), тоcross-section регрессия выявит ложную значимость дивиденда предыдущегопериода.
Изменение функциональной формы уравнения (например, заменапеременных на их натуральные логарифмы) могло бы помочь решить проблему,но такой подход чреват утерей экономического смысла модели. По-видимому, дляпостроения cross-section регрессий требуется выборка, состоящая, как минимум,из нескольких сотен компаний, распределение показателей в которой будетблизко к нормальному.Основным для исследования выбран первый метод.
По временному рядуданных каждой из имеющихся в выборке компаний строится МНК регрессия,рассчитываютсярезультатов.незначимостистандартныеЕдинственногохарактеристикиправильногокоэффициентов,распределенияметодапо-видимому,проверкинет.Вполученныхгипотезыосуществующих123исследованияхсаналогичнойметодикойприводятсялишьпоказателираспределения t-статистики. Усреднение p-value из индивидуальных регрессийвероятнее всего приведет к искажению результатов, как минимум из-завозможной значимости коэффициентов со знаком, обратным ожидаемому.Представляется, что можно проверять гипотезу о незначимости коэффициентов,используя медианную t-статистику и среднее число наблюдений во временномряду при расчете степеней свободы.
Кроме того, существует метод использованияt-статистики среднего (t(Mn)), предложенный в Fama and MacBeth (1973) иприменяющийся, например, в Fama and French (2002) для межвременногоусреднения данных cross-section регрессий. Для расчета этой статистикииспользуются лишь полученные оценки коэффициентов в индивидуальныхрегрессиях: t (Mn) ( ) / N, где N – число индивидуальных регрессий. Однакосходный способ, по-видимому, не подходит для усреднения результатоврегрессий, построенных по временным рядам данных российского рынка. Ведьоригинальный метод применяется только для межвременного усреднения и непредполагает очень сильных колебаний в значениях коэффициентов междугодами. Число же наблюдаемых российских компаний невелико, их дивидендныеполитики достаточно сильно различаются, как следствие, значение t(Mn)становитсяоченьчувствительнымквключениюилиисключениюизрассмотрения той или иной компании.
Таким образом, для расчета усредненногоp-value будет использоваться только медианная t-статистика. Для проверкиустойчивости результатов строится четыре регрессии: до и после исключения извыборки случаев нулевых дивидендов, а также со свободным членом и без него.Панельный анализ данных рассматривается в качестве вспомогательногометода и служит для дополнительной проверки результатов регрессий повременным рядам. Для смягчения обозначенной ранее проблемы существующихисследований, следуя методике Fama and French (2002) для cross-sectionрегрессий, все переменные разделены на величину активов на акцию, кроме того,удалены наблюдения с 7,5% наименьшими и наибольшими значениями каждой из124трех переменных.
Однако, несмотря на это, как будет показано в разделе,посвященному эмпирическим результатам, проблема гетероскедастичностисохраняется, хотя и стоит не так остро. Это объясняется тем, что учетиндивидуальных эффектов не приводит к тому, что компании с разным уровнемвыплат и прибыли имеют равное значение для определения коэффициентоврегрессий. Поскольку они оцениваются методом наименьших квадратов, большийвес придается наблюдениям с большими абсолютными значениями той или инойпеременной. И для данных, далеких от нормальности, это приводит к снижениюкачества построенных регрессий.3.2.4. Результаты регрессийУсредненные результаты построенных регрессий для I варианта построениявыборки сведены в Таблицу 10. Регрессиям по временным рядам соответствуютМодели 1-4, панельному анализу – Модель 5. Аналогичные показатели длявыборок с использованием отдельно отчетностей по МСФО и РСБУ приведены вПриложении 16.
Ввиду существенного разброса результатов между компаниями,выводы о применимости модели к российскому рынку имеет смысл делать,исходя только из медианных, а не средних значений. Следует заметить, что pvalue, приведенные для Моделей 1-4, рассчитываются на основе медианной tстатистики и средней длины временного ряда.125Таблица 10. Усредненные результаты регрессий для выборки со смешанной отчетностью.МодельМодель 1 (до удалениянулевых дивидендов, сосвободным членом)Модель 2 (до удалениянулевых дивидендов, безсвободного члена)Модель 3 (после удалениянулевых дивидендов, сосвободным членом)Модель 4 (после удалениянулевых дивидендов, безсвободного члена)Модель 5 (сфиксированнымэффектом по компаниям,после деления всехпеременных на активы наакцию и удаленияэкстремальных значений)Показательраспределения поиндивидуальнымрегрессиямNNR2adj наблюд компенийанийСреднееМедианаСтанд.
отклон.СреднееМедианаСтанд. отклон.СреднееМедианаСтанд. отклон.СреднееМедианаСтанд. отклон.0,4740,6670,5590,5480,6320,2360,5130,8120,5700,5580,6210,197-0,75262875028750271502715020447Nвременногорядаβ1β2t(β1)t(β2)5,7461,125,7461,125,4261,215,4261,210,2730,1150,6360,2160,1350,2880,2670,1110,7310,1840,1350,4610,0320,0781,3370,2530,2651,5730,0460,0931,9350,4360,2652,78311,192,5653,064,613,135,6311,022,4753,144,752,995,94-5,570,2346,171,371,132,96-5,340,2846,231,501,193,06-0,155-0,1147,09-1,41p-value p-value(β1)(β2)0,0510,8290,0260,3090,0570,7890,0310,2880,0000,161SOAPR0,9690,9221,3370,7470,7351,5730,9550,9071,9350,5640,7352,7830,3310,1420,9000,2960,2380,2560,3380,1420,8770,3060,2400,2571,1140,139Первое, на что стоит обратить внимание, это значимость коэффициентов.Почти во всех моделях β1 оказывается значим (на 5-10% уровне значимости дляМоделей 1-4 и на 1% – для Модели 5), в то время как β2 почти везде незначим.Исключения составляют регрессии со свободным членом по выборке сиспользованием отчетности по РСБУ (β1 незначим) и панельная регрессия повыборке с отчетностью МСФО (β2 значим на 1% уровне).
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
