Диссертация (1138744), страница 17

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 17)

Тем не менее для получения робастныхрезультатов в рамках панельного анализа оцениваются три видарегрессий:сквозная(pooled),регрессиясдетерминированнымиэффектами (fixed effect), регрессия со случайными эффектами (randomeffect). При выборе наилучшей модели необходимо определить наиболееподходящую спецификацию: сквозную, модель с фиксированными илислучайными эффектами. Сквозная модель тем не менее не способнаотразить влияние неуловимых характеристик, свойственным компаниям,таких как значимость издержек финансовой неустойчивости, либоотраслевые характеристики [Booth et al., 2001], так как не учитываетиндивидуальных эффектов компаний. Получаемые таким образомоценки в условиях несбалансированности панели не являются ниэффективными, ни несмещенными.

В случае использования модели сфиксированными эффектами влияние упущенных переменных можетбыть учтено за счет изменяющегося коэффициента при свободномчлене. Однако и оценки, полученные посредством построения моделей сфиксированными эффектами, могут быть смещенными. В итоге дляполучения робастных результатов в работе протестированы все тримодели и проверены на предмет спецификации, наиболее адекватноописывающей данные с помощью тестов (F-теста, тестов Хаусмана иБрейша-Пагана).Полученныекоэффициентыпридетерминантахитоговых регрессий задействованы для расчета целевой СК и106инкорпорированы в уравнение (10).

Использование в исследованиипанельных данных позволяет получить более эффективные оценкипараметровмодели.Однаконаличиепостоянныхвовремениненаблюдаемых индивидуальных эффектов приводит к тому, что оценкипараметров динамической модели, полученные с помощью методанаименьших квадратов, оказываются несостоятельными. Причинойнесостоятельности являетсяналичие корреляциимежду лаговойпеременной Lit 1 и случайной ошибкой  it , которая включает в себяненаблюдаемые индивидуальные эффекты:  it   i  uit , где  i–ненаблюдаемые индивидуальные эффекты. При этом следует отметить,что наличие корреляции между лаговой переменной и случайнойошибкой не зависит от природы индивидуальных эффектов, то есть независит от того, являются ли индивидуальные эффекты случайными илидетерминированными.При последующем анализе динамической модели получитьсостоятельные оценки параметров динамической регрессионной моделипозволяет метод М.

Ареллано и С. Бонда [Arellano, Bond,1991], сутькоторого заключается в нахождении оценок с помощью обобщенногометода моментов путем перехода к первым разностям для исключенияненаблюдаемых индивидуальных эффектов. Метод М. Ареллано и С.Бонда позволяет справиться с данной проблемой несостоятельныхоценок при анализе модели с фиксированными эффектами, однако привысоких значениях параметра  оцененные коэффициенты оказываютсясмещенными,чтосвязаносхарактеристикамииспользуемыхинструментов [Blundell, Bond, 1998]. Для решения данной проблемы былразработан модифицированный метод Р. Бланделла-С.

Бонда [Blundell,Bond, 1998; Lemmon et al., 2008; Hovakimian, 2011]. В данном107диссертационном исследовании модель оценивалась двумя способамидля выявления устойчивых результатов.Для тестирования гипотез, анализирующих страновые различия вполитикефинансированиякомпаний,фиктивныепеременные,отвечающие за каждую из стран БРИК и за страны ВЕ, вводились как наэтапе тестирования детерминант целевой долговой нагрузки, так и наэтапе тестирования динамической компромиссной модели.Анализ детерминант скорости приспособления проводился путемраздельного включения детерминант ввиду того, что по построениюмодели одновременное включение нескольких переменных значимосокращает степени свободы за счет увеличения количества переменныхв модели, а также для исключения проблемы коррелированностимакроэкономических параметров.Заключительныйэтапанализадинамическоймоделиподразумевает анализ влияния кризисных данных на политикуфинансирования компаний на развивающихся рынках капитала.

Дляпроведения данного анализа в первую очередь были проверены назначимость дамми-переменные, отвечающие за 2007, 2008 и 2009 годы(при анализе целевой СК, факторов агентской концепции, скоростиприспособления в динамической модели). Ввиду того, что в зависимостиот страны, влияние кризиса начало оказывать влияние на внутренниерешения компаний либо в 2007, либо в 2008 году, была провереназначимость дамми-переменных на каждый из 2007-2009 годов. Былопроверено также, остаются ли компании верны политике динамическоговыбора СК, определенной до кризиса, в кризисный период посредствомразбиения выборки на два временных периода и сравнения получаемыхрезультатов.Анализ оптимального диапазона СК проводился в несколькоэтапов по методологии, предложенной Э.

Дадли [Dudley, 2007]. Для108анализа изменений СК, вводятся показатели долговой нагрузки довыпуска и после (pre issue leverage и post issue leverage соответственно),при этом разница между данными показателями расценивается какизменение долговой нагрузки.(12)(13)–(14)В качестве зависимой переменной используется индикатор yi,рассчитываемый исходя из бухгалтерских показателей размера долговойнагрузки. Эта величина принимает значение 1, если разница междудолговой нагрузкой до и после довыпуска больше q, значение –1, еслиэта разница меньше –q. Если модуль изменения не превышает q, тоyi = 0.

В данном исследовании уровень q был установлен на значении5%.Детерминанты, определяющиеоптимальногодиапазона,верхние ипредставленынижние границынаборомтрадиционныхпараметров СК. При определении показателя долговой нагрузки черезпараметр z, формируется следующая система:DebtAssets(15)zDebt1  z Equity(16)zВкачествепоказателяzвданномисследованиибылииспользованы рассчитанные ранее показатели TDR, TDRA0, L i  z i  Liy i   1, z i  Li1, z i  L i(17)109Авторские функции Э. Дадли f1 и f2 позволяют смоделироватьверхнюю ( Li ) и нижнюю границы ( Li ) оптимального диапазона долговойнагрузки.Li  f1 ( x1i ,  0 ,  i ) e x1i  0   i1 e(18)x1i  0   i e x1i 0  ie x2 i 0 iLi  f 2 ( x1i , x2i ,  0 ,  0, i , i )  min, 1  e x1i 0  i 1  e x2 i 0 i(19)где вектор (εi, ηi) имеет двумерное нормальное распределение.

Крометого, автор делает предположение о независимости εi, ηi,, утверждая, чтокорреляция более реалистична, но существенно затрудняет расчеты.Частично проблема в модели решается тем, что f2 задается как минимумот двух экспоненциальных функций, что позволяет учесть корреляциюмежду границами. Переменные x1i, x2i являются векторами регрессоров,описанных выше. В силу особенностей формирования функций f1 и f2,диапазон значений дляиограничивается нулем и единицей. Этосоответствует тому, что уровень долгой нагрузки должен находитьсямежду 0 и 1, а нижняя граница меньше или равна верхней.Для оценки модели рассчитываются вероятности попаданияиндикатора изменения долговой нагрузки yi в каждое из возможныхсостояний (-1, 0, 1).

Оценивание осуществляется нелинейным методомнаименьших квадратов (non linear least squares, NLLS). Подробнееметодология Э. Дадли представлена в Приложении 6.1103.4. Анализ результатов тестирования и проверка результатовна устойчивость3.4.1. Результаты анализа формирования структуры капитала наразвивающихся рынках капиталаРезультаты дескриптивного анализа уровня долговой нагрузкиРезультаты дескриптивного анализа уровня долговой нагрузкиприведены в Приложении 7.

Анализ выборки позволил выявитьследующие ключевые межстрановые сходства и различия.Компаниям Словении, Турции, Польши, Румынии, Эстонии иХорватии свойственны показатели, близкие к средним значениям посовокупной выборке. Остальные страны Восточной Европы такжепоказывают близкие значения, однако демонстрируют и небольшиеотклонения. Так, в Болгарии, несмотря на средние показатели долговойнагрузки, близкие к средним значениям по совокупной выборке (TDR –22%; TDRA – 49%; MTDR – 23%), уровень долговой нагрузки вменьшей степени варьируется внутри страны (ни один из показателейсовокупной долговой нагрузки не достигает 100%).

Компаниям Чехиисвойственны более низкие показатели долговой нагрузки: средниепоказатели TDR – 13,5%; TDRA – 41%; MTDR – 16,8%. Аналогичныетенденции демонстрируют компании Литвы и Латвии. В Венгриипоказатели долгосрочной долговой нагрузки совпадают со средними посовокупной выборке, в то время как краткосрочные показатели ниже.Компаниям Бразилии свойственны более высокие показателидолгосрочнойдолговойнагрузкипринезначительноменьшихпоказателях краткосрочного заемного капитала. При этом практическиотсутствуют компании, не прибегающиек заемному капиталу.Компании Бразилии демонстрируют средневыборочные показатели111краткосрочных показателей, однако долгосрочные показатели значимовыше.Обратная ситуация характерна для Китая, где компании в большейчасти финансируются за счет краткосрочных источников при большейдоли компаний с отсутствующим заемным капиталом.

Похожуюкартину демонстрирует долговая нагрузка украинских компаний.Компании России привлекают заемный капитал в объеме,примерно совпадающем со средними показателями по совокупнойвыборке,однакоданныйкапиталраспределенпоровнумеждукраткосрочными и долгосрочными источниками.Уже на данном этапе дескриптивного анализа выявлены общиечерты для Восточной Европы и значимые различия в параметрахзаемного финансирования стран БРИК.Анализ выборки до и после активной фазы кризиса показалидентичные тенденции в изменениях долговой нагрузки в странах БРИКи Восточной Европы. В 2008 году в странах БРИК наблюдалосьувеличение всех показателей долговой нагрузки, при этом наиболеезначительные изменения относятся к рыночным показателям.

Начиная с2009года,показателидолговойнагрузкиначалипостепенновозвращаться к докризисным уровням, однако к концу 2010 годапоказатели на основе балансовых стоимостей остаются несколько вышедокризисных. При этом рыночные показатели долговой нагрузки,наоборот, к концу 2010 года стали значительно ниже докризисных, чтосвязано с большой волатильностью финансовых рынков группы странБРИК и ростом их котировок к концу 2010 года. Динамика показателейдо и после кризиса компаний Восточной Европы аналогична описаннойвыше за исключением рыночных показателей, которые в случае странВосточной Европы до сих пор не достигли докризисного уровня, чтоможет быть объяснено волнениями, связанными с будущим еврозоны.112Результаты выявления детерминант целевого уровня долговой нагрузкиНа первом этапе эконометрического анализа формирования СК наразвивающихся финансовых рынках были протестированы гипотезы,относящиеся к страновым различиям в формировании соотношениясобственногоизаемногокапиталов.Проведенныенапримерепоказателя совокупного уровня долговой нагрузки и традиционныхдетерминант тесты Чоу позволили заключить, что объединение в однувыборку компаний, принадлежащих к странам БРИК и ВосточнойЕвропе, невозможно.

Характеристики

Список файлов диссертации