Диссертация (1152227), страница 19

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

Текст из файла (страница 19)

США, руб. за 1 долл. США (υ30=0,09);x34 – количество торгуемых акций на российском фондовом рынке, ед.(υ34=0,07);x35 – количество торгуемых эмитентов на российском фондовом рынке, ед.(υ35=0,07);x51 – число преступлений, совершенных в сфере экономики, ед. (υ51=0,08).На основе метода анализа матрицы коэффициентов корреляции [122]были выявлены функционально- и слабосвязанные регрессоры по отношению к эндогенным переменным. Для этого для заданного уровня значимостиα=0,1 и для k=44 степеней свободы согласно выражению (2.12):r *(t  , n  2 ) 2(t  , n  2 ) 2  k(2.12)было рассчитано критическое значение коэффициента корреляции, равноеr *  0,2404 .

Далее из множества потенциальных объясняющих переменных*были исключены переменные, которые удовлетворяют неравенству ryi x j  r( i  1,3, j  1,46 ), поскольку они несущественно коррелируют с эндогеннымипеременными (таблица 2.8).Таблица 2.8 – Экзогенные переменные, исключенные из дальнейшего анализа интеграционной активностиy1 – стоимость конфликтных активовy2 – количество сделок слияний ипоглощенийx6, x14, x22, x25, x32, x33, x38,x1, x12-15, x17, x19, x22, x24-25, x32-33,y3 – стоимостный объемрынка слияний и поглощенийx6, x12, x14, x17, x19-20, x22, x25,x46, x48, x53x36-45, x47-50, x53x32-33, x38, x41-50, x53Поскольку в реальной действительности планирование и проведениетипичной интеграционной сделки занимают не один месяц, в некоторыхслучаях логично предположить влияние не самих переменных, а их лагов.103I этап.

Построение модели показателя y1 – стоимость конфликтныхактивов. После построения частной автокорреляционной функции быланайдена первая лаговая переменная для y1: y1t-1, так как r(y1t,y1t-1)==max(r(y1t,y1t-τ))=0,823 (рисунок 2.8).Рисунок 2.8 – Частная автокорреляционная функция для y1 – стоимость конфликтных активовС помощью функции «кросс-корреляция» были найдены лаговые переменные на основе экзогенных переменных. Величина лага τ для переменной xj была найдена из условия r(y1t,xjt-τ)=max(r(y1t,xjt-τ)), варьируя τ от 0 до12. Например, лаг для x1 – объем ВВП составляет 8 месяцев (рисунок 2.9).Аналогично были найдены лаги для остальных, участвующих в анализе, экзогенных переменных xj.Исследование матрицы парных коэффициентов корреляции позволиловыявить высокую мультиколлинеарность участвующих в анализе 36 эндогенных переменных.

Применение подхода по максимизации прогностической силы регрессионных моделей, с помощью которых можно восстановитьзначения всего набора 36 показателей (по max R2), позволил выявить, чторедуцированный набор показателей может содержать 15 эндогенных переменных.104Рисунок 2.9 – Кросс-корреляционная функция для y1 – стоимость конфликтных активов и x1 – объем ВВППри этом повторный анализ матрицы парных коэффициентов корреляции 15 оставшихся признаков вновь показал наличие мультиколлинеарности. С целью сохранения количества эндогенных переменных для дальнейшей экономической интерпретации был использован переход к ортогональной системе координат [28]. При этом в настоящее время используют несколько методов определения числа главных компонент [76, 150]:для проведения исследования главные компоненты должны объяс-нять не менее 70% суммарной дисперсии изучаемого процесса;согласно критерию Кайзера необходимо выбрать для исследованиялишь те главные компоненты, собственные значения которых не менееединицы;согласно критерию Кеттеля для анализа необходимо использоватьграфик собственных значений – рисунок «каменистых осыпей».В результате реализации метода главных компонент (МГК) с последующим ортогональным вращением [128] были выделены пять обобщенныхфакторов, объясняющих 79,47% суммарной дисперсии.

Уравнение регрессиидля y1 – стоимость конфликтных активов, построенное на основе индивидуальных значений обобщенных факторов f1-f5, имеет вид:ŷ1t  0 ,53 f 1  0 ,61 f 2  0 ,24 f 3  0 ,33 f 4  0 ,23 f 5(9,13)(-10,30)(4,18)105(5,59)(3,44).Все коэффициенты регрессии в уравнении значимы на уровне α=0,05.Параметры полученного уравнения показывают его статистическую адекватность: Fнабл.

 Fкр . при α=0,05, найденного по таблице F-распределения; коэффициент детерминации R 2  0,8304 (значит, 83,04% вариации показателяy1 объясняется факторами, включенными в модель). Стандартная ошибка составила 0,41.На основе матрицы факторных нагрузок, характеризующей теснотусвязи между признаками и главными компонентами, а также матрицы собственных векторов по исходным переменным уравнение регрессии приметвид:ŷ1,t  0,15  0,26y1,t 1  0,09x 1,t 8  0,03x 4,t 9  0,21x 24,t 5  0,23x 26,t 2  0,18x 29,t 3  0,02x 36,t 8  0,15x 37,t 7  0,02x 44,t 5  0,05x 45,t 5  0,14x 47,t 8  0,11x 50,t 6  0,08x 54,t , где _ R 2  0,83, Fнабл.

 49,98, ŝ  0,42;Вопрос о возможности применения построенной модели в целях анализа и прогнозирования явления может быть решен только после проверкиадекватности, т.е. соответствия модели исследуемому процессу. При оценкеадекватности уравнения регрессии одним из главных является нормальностьполученных остатков и их взаимная независимость [83]. Согласно графикуостатков на нормальной вероятностной шкале (рисунок 2.10) видно, что полученные остатки модели достаточно неплохо ложатся на прямую, что говорит о нормальности остатков.Для исследования на наличие автокорреляции в остатках был использован асимптотический критерий серий Бреуша – Годфри, который основанна идеи, что если имеется корреляция между соседними наблюдениями, тоестественно ожидать, что в уравнении (2.13) коэффициент ρ окажется значимо отличающимся от нуля [77].et   t  et 1 , t  1,50 ,где et – остатки регрессионного уравнения.106(2.13)Рисунок 2.10 – Нормальный вероятностный график остатковдля y1 – стоимость конфликтных активовСогласно имеющимся данным коэффициент ρ=0,025.

Он не значимоотличается от 0, следовательно, автокорреляция в остатках отсутствует. Таким образом, все рассмотренные характеристики модели говорят об ее адекватности исследуемому процессу.II этап. Построение модели показателя y2 – количество интеграционных сделок. В ходе предварительного анализа был выявлен значительныйразброс в значениях переменной y2 (коэффициент вариации ν=51,99%), чтосвидетельствует о неоднородности значений признака.Проведенный анализ позволил выявить, что, начиная с момента времени t*=69 (сентябрь 2008 г.) происходит структурное изменение характерадинамики изучаемого показателя. Данный момент времени характеризуетсяначалом финансово-экономического кризиса в РФ.

Мотивы слияний и поглощений покупателей и продавцов различаются в периоды экономическогороста от интеграционных мотивов в период финансово-экономического кризиса, что не может влиять на интеграционную активность холдинговыхструктур. Зарубежные исследования находят подтверждение данному обоснованию1. В условиях финансово-экономического кризиса интеграционныеНапример, Yagil J. Mergers and macro-economic factors// Review of financial economics. 1996.Vol.5, No.2. P.181-190.1107мотивы формируются под воздействием несбалансированности спроса ипредложения на рынке M&A.Если при стабильности и росте национальной экономики основныемотивы интеграционной активности связаны с возможностью достижениясинергетических эффектов и обеспечения определенных темпов роста бизнеса, то в период нестабильности экономики доминирующими мотивамистановятся финансовые и инвестиционные мотивы.

На первый план выходятмотивы снижения риска банкротства и сокращения кредиторской задолженности, а для покупателей становится диверсификация бизнеса, налоговыельготы и возможность использования снижения рыночной цены активов.В эконометрике разработано несколько формализованных тестов, которые позволяют определить наличие структурного сдвига в имеющихсяданных.

Для принятия решения по нашей гипотезе были применен тест Чоу[83]. Так как Fнабл.=43,48> >Fкр.(0,05;3;116)=2,68, то результаты показывают,что структурный сдвиг происходит в сентябре 2008 г. Поэтому исходнуюсовокупность целесообразно разбить на две части с точки зрения улучшениякачества модели относительно момента времени t*=69.Далее была определена первая лаговая переменная для y2: y2t-1, так какr(y2t,y2t-1)=max(r(y2t,y2t-τ))=0,657 (приложение 3, рис. П3.1).

С помощью функции «кросс-корреляция» были найдены лаговые переменные на основе экзогенных переменных. Например, лаг для x7 – дефицит/профицит консолидированного федерального бюджета составляет 7 месяцев (приложение 3,рис. П3.2). Аналогично были найдены лаги для остальных участвующих ванализе экзогенных переменных xj. При этом лаг расчетного значения показателя ŷ1t равен 1.Анализ матрицы парных коэффициентов корреляции показал высокуюмультиколлинеарность независимых переменных. Подход по максимизациипрогностической силы регрессионных моделей позволил выявить, что редуцированный набор показателей может содержать 6 эндогенных переменных:x10, x16, x18, x20, x31, x54.108Для использования всей совокупности наблюдений в модель количественного объема рынка слияний и поглощений была включена фиктивная переменная ut, которая принимает значения 1 для всех t  t * и значения 0 дляt  t * , т.е.1,t  t*u, г де _ t*  69.*0 ,t  tДискретный характер зависимой переменной дает основание предполагать, что линейные модели, связывающие количество сделок слияний ипоглощений с уровнями сопровождающих их факторов, будут не совсемадекватны реальным данным из-за того, что расчетные значения ŷ 2 t могутпринимать как целые, так и дробные значения.

Характеристики

Список файлов диссертации