История возникновения рейтинговых агентств, деятельность "большой тройки". Методология присвоения рейтинга, структура шкалы. Эффективность рынка и модели ценообразования, их сравнительная характеристика и анализ оптимальности. Принципы апгрейда.
Особое внимание рейтинговые агентства привлекли после финансового кризиса 2008-2009 гг. Агентства подверглись шквалу критики изза присвоения высокого рейтинга надежности низкокачественным ипотечным облигациям, закрывая глаза на реальное качество пула активов и потенциальные мошенничества, связанные с кредитами без соответствующих документов. Бум рынка недвижимости и фондового рынка ослепил участников рынка: от инвесторов и ипотечных заемщиков до профессиональных участников, в том числе рейтинговых агентств, чья цель была в увеличении количества сделок и получению комиссионных. Доверие к рейтинговым агентствам как поставщику информации по кредитоспособности и надежности эмитента со стороны инвесторов было подорвано. В связи с этим рейтинговые агентства, их роль в мировой экономике и влияние на финансовые рынки представляют особый общественный интерес, и эта тема стала предметом данной работы. В частности, работа мотивирована поиском ответа на вопрос влияет ли информация, поставляемая рейтинговыми агентствами, на рынки капитала, в данном случае, на доходности рынка акций.На графиках ниже представлены средние по всем фирмам выборки показатели AR и CAR для «чистых» апгрейдов за каждый день event-window. Значения CAR для различных интервалов и соответствующие пи-вэлью для «чистых» апгрейдов. Значения CAR для различных интервалов и соответствующие пи-вэлью для положительных watchlist-прогнозов На нем отмечается рост доходностей акций, однако значимость данного интервала подтвердилась только в рамках одной модели и нельзя уверенно сделать вывод о значимости каких-либо эффектов от положительных watchlist-прогнозов для цен акций компаний, что, впрочем, не противоречит существующей литературе. Значения CAR для различных интервалов и соответствующие пи-вэлью для апгрейдов после позитивных watchlist-прогнозовПо итогам проведенного анализа были получены результаты для шести видов рейтинговых событий, при этом эффекты их влияния на цены акций в некоторых случаях оказались нетривиальными. Кроссекционный анализ позволяет сделать выводы о степени и векторе влияния корпоративных показателей на доходности акций в ивент-окне с достаточной долей уверенности только для одного интервала в ситуации с даунгрейдами Однако, детальное изучение всех отдельных типов рейтинговых событий оказалось более информативным.
Введение
рейтинговый рынок ценообразование акция
Особое внимание рейтинговые агентства привлекли после финансового кризиса 2008-2009 гг. Агентства подверглись шквалу критики изза присвоения высокого рейтинга надежности низкокачественным ипотечным облигациям, закрывая глаза на реальное качество пула активов и потенциальные мошенничества, связанные с кредитами без соответствующих документов. Бум рынка недвижимости и фондового рынка ослепил участников рынка: от инвесторов и ипотечных заемщиков до профессиональных участников, в том числе рейтинговых агентств, чья цель была в увеличении количества сделок и получению комиссионных. Доверие к рейтинговым агентствам как поставщику информации по кредитоспособности и надежности эмитента со стороны инвесторов было подорвано. В связи с этим рейтинговые агентства, их роль в мировой экономике и влияние на финансовые рынки представляют особый общественный интерес, и эта тема стала предметом данной работы. В частности, работа мотивирована поиском ответа на вопрос влияет ли информация, поставляемая рейтинговыми агентствами, на рынки капитала, в данном случае, на доходности рынка акций.
В рамках данного исследования предметом изучения выступали рейтинговые события и их влияние на рыночные показатели компаний. Под рейтинговыми события подразумеваются анонсы рейтинговых агентств, в которых они повышают или понижают рейтинг компаний или дают позитивный или негативный прогноз. В роли рыночных индикаторов выступали доходности акций компаний, входящих в индекс S&P 500, включающий в себя порядка 500 наиболее капитализированных и ликвидных компаний США. Данные для рейтингов, корпоративных показателей и дневных цен акций были собраны по данным информационной базы Bloomberg за период с начала 2009 по март 2016 гг.
В качестве основных инструментов для анализа влияния кредитных событий на доходности американских акций были использованы классическая однофакторная модель CAPM и трехфакторная модель, предложенная Fama & French в 1993 году. Рыночные факторы для моделей были использованы из библиотеки Френча.
Существует достаточно большое количество работ на тему изучения влияния рейтинговых событий на рыночные показатели, однако каждое из них содержит уникальный набор данных и используемых инструментов. Кроме того, тенденции, отмеченные одними авторами, не подтверждаются другими или меняются со временем, что делает каждое индивидуальное исследование источником новой информации и поводом пересмотра сложившихся взглядов на данную тему. Специфика взаимодействия рынка ценных бумаг и рейтингов, составляемых агентствами, требует постоянного обновления имеющейся информации, чтобы финансисты учитывали последние тренды на рынке. Кроме того, до сих пор не было выявлено какой-либо единой универсальной концепции взаимосвязи рейтингов и котировок, что делает эту проблему актуальной и по сей день. Задачей данной работы является получение новых или подтверждение старых предпосылок с использованием подхода изучения событий или event-study.
Во второй главе работы приведен обзор литературы по рассматриваемой теме, позволяющий проследить универсальные элементы общеприменимой методологии и уточнить индивидуальные различия статей в плане используемой методологии и выбору параметров, полученных выводов, а также широты области исследования по изучаемой тематике. В третьей главе описываются используемые данные и методология. В четвертой главе представлены полученные результаты проведенного анализа, подкрепленные соответствующими графиками и таблицами, и сделаны выводы на основе полученных результатов. Пятая глава завершает работу.
Вывод
3.1 Апгрейды
На графиках ниже представлены средние по всем фирмам выборки показатели AR и CAR для «чистых» апгрейдов за каждый день event-window.
Рис. 2. AR для «чистых» апгрейдов
Для CAR:
Рис. 3. CAR для «чистых» апгрейдов
Как видно по графику CAR, в период [-6; -4] отмечается наибольший рост кумулятивных abnormal-доходностей, который затем сменяется падением показателей. Вероятно, информация, содержащаяся в апгрейде, была учтена в цене акций, и падение их цен связано с корректировкой данной переоценки со стороны инвесторов. Мы протестировали значимость показателя CAR для различных интервалов из event-window. Гипотезой H0 было равенство нулю показателя CAR. Ниже представлена таблица с результатами. Здесь и далее жирным шрифтом в таблицах выделены пи-вэлью, при которых отвергается гипотеза H0 на 10% уровне значимости.
Таблица 3. Значения CAR для различных интервалов и соответствующие пи-вэлью для «чистых» апгрейдов.
CAPM CAR -0,017 0,022 -0,035 -0,015 -0,043 -0,031 0,053
P-value 0,731 0,373 0,236 0,372 0,262 0,415 0,161
FF CAR -0,022 0,016 -0,036 -0,019 -0,033 -0,040 0,047
P-value 0,661 0,481 0,212 0,252 0,367 0,308 0,195
Как видно из таблицы, ни на одном из интервалов нельзя отвергнуть гипотезу H0. Причиной этому могут служить весьма низкие значения показателя AR для апгрейдов.
4.2 Позитивные watchlist-прогнозы
Рассмотрим аналогичные графики для позитивных watchlist-прогнозов. Для AR:
Рис. 4. AR для положительных watchlist-прогнозов
Для CAR:
Рис. 5. CAR для положительных watchlist-прогнозов
В данном случае наблюдается значительный рост CAR, который затем сменяется падением показателей после нулевого дня.
Таблица 4. Значения CAR для различных интервалов и соответствующие пи-вэлью для положительных watchlist-прогнозов
CAPM CAR -0,139 0,364 0,051 0,068 -0,310 0,347 0,371
P-value 0,544 0,441 0,906 0,936 0,301 0,341 0,099
FF CAR -0,094 0,250 0,115 -0,148 -0,281 0,432 0,282
P-value 0,683 0,578 0,789 0,862 0,322 0,226 0,161
Для позитивных watchlist-прогнозов на 10% уровне значимости отвергалась гипотеза H0 для интервала [-6; -4] в модели CAPM. На нем отмечается рост доходностей акций, однако значимость данного интервала подтвердилась только в рамках одной модели и нельзя уверенно сделать вывод о значимости каких-либо эффектов от положительных watchlist-прогнозов для цен акций компаний, что, впрочем, не противоречит существующей литературе.
4.3 Апгрейды, которым предшествовал позитивный watchlist-прогноз
Ниже представлены графики для повышений рейтинга, которые произошли после того, как компания была занесена в watchlist с позитивным прогнозом.
Рис 6. AR для апгрейдов после позитивных watchlist-прогнозов
Наибольшее значение AR приходится на день -1.
Рис. 7. CAR для апгрейдов после позитивных watchlist-прогнозов
Как видно, для повышений рейтинга, которым предшествовал положительный прогноз, характерна значительно большая величина CAR и более уверенный рост доходности акций. Рассмотрим значимость интервалов.
Таблица 5. Значения CAR для различных интервалов и соответствующие пи-вэлью для апгрейдов после позитивных watchlist-прогнозов
CAPM CAR 0,603 0,673 0,466 1,092 0,035 0,575 0,306
P-value 0,038 0,082 0,244 0,143 0,916 0,056 0,180
FF CAR 0,631 0,880 0,472 1,313 0,000 0,631 0,385
P-value 0,022 0,025 0,226 0,069 1,000 0,036 0,086
Результаты в данном случае отличаются от других апгрейд-событий. Так, значительна большая часть интервалов оказалась значимой для обеих моделей. Таким образом, можно сделать вывод, что повышения рейтингов после позитивных watchlist-прогнозов связаны со значительной положительной рыночной реакцией, выраженной в росте цен акций компаний. При этом, наиболее значимым является интервал [-1; 1], что является индикатором того, что рынок видит «новостное» содержание в данном событии, т.е. интерпретирует информацию, передаваемую в апгрейдах после позитивных watchlist-прогнозов как недоступную публично ранее. Подобного вывода не было в рассмотренных статьях, что может указывать на необходимость отдельной идентификации данного класса событий.
4.4 Даунгрейды
Рассмотрим аналогичные графики для даунгрейдов. Для AR:
Рис. 8. AR для «чистых» даунгрейдов
Для CAR:
Рис. 9. CAR для «чистых» даунгрейдов
Ниже представлена таблица с тестированием значимости интервалов: Таблица 6. Значения CAR для различных интервалов и соответствующие пи-вэлью для «чистых» даунгрейдов
CAPM CAR 0,184 0,694 1,228 2,717 0,832 0,396 1,604
P-value 0,571 0,150 0,007 0,000 0,017 0,263 0,003
FF CAR 0,179 0,315 0,820 2,014 0,572 0,250 1,103
P-value 0,591 0,479 0,062 0,005 0,099 0,478 0,023
Несколько тестируемых интервалов оказались значимыми. Любопытно, что согласно полученным данным, понижение рейтинга компаний связано с ростом доходности их акций в рамках event-window, что идет вразрез с ранее полученными выводами. Более того, доля компаний, показывающих положительные доходности в течение event window, превышает 80%, что также указывает на устойчивость и значимость результата. Возможно, такие результаты связаны с тем, что рынок реагирует в противоположном направлении относительно рейтингового события в спекулятивных целях. Как было отмечено ранее, выборка состояла из крупных фирм, входящих в индекс S&P 500, подавляющее большинство которых имеет рейтинг инвестиционного уровня. Таким образом, понижение рейтинга может интерпретироваться инвесторами и спекулянтами как событие, не представляющее серьезной угрозы для компании или как реакция рейтинговых агентств на ухудшение общей ситуации на рынке. В свою очередь, рыночные контрагенты могут иметь инициативу извлечения дополнительной прибыли на покупке акций компаний, получивших даунгрейд, предполагая, что цена на них упадет, что в конечном счете имеет противоположный эффект. В дальнейшем исследовании планируется более детально изучить факторы, которые привели к понижению рейтинга, возможно, они уже учтены в ценах акций и в течение event-window наблюдается коррекция путем реверсии к среднему.
3.5 Негативные watchlist-прогнозы
Рассмотрим аналогичный набор графиков для watchlist-ивентов. График анормальных доходностей:
Рис. 10. AR для watchlist-даунгрейдов
Для кумулятивных abnormal доходностей:
Рис. 11. CAR для watchlist-даунгрейдов
Также таблица с тестом значимости интервалов: Таблица 7. Значения CAR для различных интервалов и соответствующие пи-вэлью для watchlist-даунгрейдов
При рассмотрении графиков видно, что период [-2; 2] связан с резким падением цен акций, однако его значимость подтверждается только для модели CAPM. Следует отметить, что реакция инвесторов на негативный watchlist отрицательна, что выражается в негативных доходностях акций в течение event window. Данный вывод не выбивается из сонмы эмпирических исследований и подтверждает наше предположение о том, что занесение в watchlist носит более неожиданный эффект для инвесторов, нежели снижение или повышение непосредственно самого кредитного рейтинга, которое ожидаемо и уже отражено в рыночных ценах.
3.6 Даунгрейды после негативных watchlist-прогнозов
Последним рассматриваемым типом событий являются даунгрейды с предшествующим им негативным прогнозом. График AR:
Рис. 12. AR для даунгрейдов после негативных watchlist-прогнозов
Для CAR:
Рис. 13. CAR для даунгрейдов после негативных watchlist-прогнозов
Таблица значимости интервалов: Таблица 8. Значения CAR для различных интервалов и соответствующие пи-вэлью для даунгрейдов после негативных watchlist-прогнозов
CAPM CAR -0,028 -0,118 -0,394 -0,117 -0,004 -0,393 -0,527
P-value 0,929 0,766 0,299 0,836 0,989 0,184 0,042
FF CAR -0,099 -0,163 -0,340 -0,509 -0,048 -0,294 -0,410
P-value 0,746 0,683 0,385 0,467 0,866 0,323 0,081
В данном случае интервал [-5; -2] оказался значимым для обеих моделей и был связан с отрицательной доходностью. Таким образом, инвесторы реагируют до непосредственного события. При этом модуль CAR для значимого интервала для этого типа событий меньше, чем для негативных watchlist-прогнозов. Иными словами, инвесторы реагируют на негативные новости, однако часть «новостной» составляющей такие даунгрейды уже учтена в реакции на занесение компании в негативный watchlist ранее.
Следует отметить, что для всех видов событий доходности, полученные двумя разными моделями, достаточно слабо отличались. Таким образом, хотя модель Fama & French предположительно обладает более высокой объясняющей силой, CAPM очень близка к ней по итоговым результатам и более проста в использовании.
3.7 Кросс - секционный анализ
Ниже представлены результаты кроссекционного анализа. Еще раз отметим, что в качестве независимых переменных выступали показатели CAR для компаний в рамках статистически значимых интервалов (см. выше), а объясняющими переменными - показатели размера, леверидж и рыночная капитализация / балансовая стоимость Market cap/BV для этих фирм. Жирным шрифтом отмечены коэффициенты, значимые на уровне значимости 10%.
Таблица 9. Кросс-секционный анализ для даунгрейдов
Переменная [-3; 3] [-10; 10] [0; 3] [-5; -2]
Константа 7,990 8,206 8,812 12,379
0,107 0,352 0,044 0,052
Размер -0,655 -0,585 -0,845 -1,023
0,187 0,507 0,054 0,108
Market cap./BV 0,276 0,254 0,401 0,142
0,093 0,384 0,006 0,495
Leverage -0,122 -0,079 -0,167 -0,024
0,033 0,435 0,001 0,745
Наблюдений 80 80 80 80
R-квадрат 0,108 0,023 0,233 0,038
F-статистика 3,078 0,592 7,677 0,997
Как видно, значимые коэффициенты отличаются в зависимости от рассматриваемого интервала. Наибольшее их число приходится на интервал [0; 3], который также имеет наибольшую величину R-квадрата. Влияние кредитного события на анормальную доходность усиливается в зависимости от размера компании, левериджа и фактора переоцененности / недооцененности компании. Любопытно отметить, что при объясняющих переменных таких как размер компании и леверидж стоит отрицательный знак, что указывает на тот факт, что небольшие компание с более низким уровнем долговой нагрузки склонны иметь более высокое значение анормальной доходности, что согласуется с ранее полученными выводами. Рассмотрим следующую регрессию:
Таблица 10. Кросс-секционный анализ для даунгрейдов после негативных watchlist-прогнозов
Переменная [0; 3]
Константа 0,381
0,867
Размер 0,015
0,945
Market cap./BV -0,177
0,036
Leverage 0,032
0,498
Наблюдений 77
R-квадрат 0,062
F-статистика 1,622
Для показателя CAR в случае даунгрейдов после негативных прогнозов единственным значимым коэффициентом оказалось отношение Market cap./BV, причем с отрицательным знаком в противовес «чистым» даунгрейдам. Такое поведение коэффициентов, представляется, однако, возможным, т.к., как было рассмотрено ранее, графики доходностей для «чистых» и «предсказанных» даунгрейдов также ведут себя по-разному. Таким образом, результаты еще раз подеркивают, что рассматриваемые события, имея схожую природу, могут значительно отличаться друг от друга в качественном плане. Рассмотрим регрессию для позитивных watchlist-прогнозов.
Таблица 11. Кросс-секционный анализ для позитивных watchlist-прогнозов
Переменная [-6; -4]
Константа -0,102
0,970
Размер 0,010
0,970
Market cap./BV 0,085
0,496
Leverage 0,112
0,318
Наблюдений 57
R-квадрат 0,021
F-статистика 0,383
Для watchlist-прогнозов не было выявлено значимых коэффициентов, регрессия в целом имеет низкое значение F-статистики и R-квадрат. Наконец, перейдем к рассмотрению апгрейдов, произошедших после положительных watchlist-прогнозов. Таблица представлена ниже.
Таблица 12. Кросс-секционный анализ для апгрейдов после позитивных watchlist-прогнозов
Для апгрейдов, которым предшествовал позитивный прогноз одна регрессия оказалось значимой и имеющей значимые коэффициенты. Так, на интервале [-10; -3] Доходность компаний отрицательно зависит от коэффициента их переоцененности и положительно от уровня их левериджа. Знаки коэффициентов в данном случае противоположны наблюдаемым, например, в случае даунгрейда. Таким образом, для различных рейтинговых ивентов аналогичные факторы оказывают разнонаправленное влияние на доходности акций.
Результаты, полученные в данной главе, указывают на то, что рейтинговые события могут значительно различаться между собой в плане наблюдаемых эффектов. Это еще раз подчеркивает необходимость индивидуального рассмотрения каждого, и, возможно, диверсификации методов их изучения. Полученные результаты частично подтверждаются существующей литературой. Расходящиеся выводы, с одной стороны, могут указывать на проблемы выборки, с другой - на новую информацию, выведенную в ходе исследования, и требуют дальнейшего более детального рассмотрения, тем самым задавая возможный вектор для следующих статей в данной области.По итогам проведенного анализа были получены результаты для шести видов рейтинговых событий, при этом эффекты их влияния на цены акций в некоторых случаях оказались нетривиальными. Кроссекционный анализ позволяет сделать выводы о степени и векторе влияния корпоративных показателей на доходности акций в ивент-окне с достаточной долей уверенности только для одного интервала в ситуации с даунгрейдами Однако, детальное изучение всех отдельных типов рейтинговых событий оказалось более информативным. Так, понижения и повышения рейтингов были связаны с положительной и отрицательной кумулятивной abnormal-доходностью в рамках event-окна. Тем не менее, данные результаты могу служить индикатором того, что «чистые» рейтинговые события малоинформативны и уже отражены в ценах, при них происходит корректировка доходности в обратном по отношению к вектору ивента направлении. С другой стороны, watchlist-прогнозы являются более информативными для рынка и связаны с ожидаемым знаком показателя CAR, однако значимость временного интервала была подтверждена только для позитивных watchlist-прогнозов. Однако наиболее любопытный вывод связан с анализом апгрейдов и даунгрейдов, которым предшествовало занесение компании в положительный или отрицательных watchlist. Так, интервалы для этих типов событий оказались значимыми и связанными с относительно высокими показателями накопленной abnormal-доходности. В существующий на сегодняшний день литературе не было обнаружено подобного вывода, и это может служить сигналом того, что такой сравнительно новый инструмент как watchlist-прогнозы на сегодняшний день является более информативным и влиятельным для рынка акций.
Список литературы
1. Adam Creighton, Luke Gower, Anthony Richards The impact of rating changes in Australian financial markets // Pacific-Basin Finance Journal 15 (2007), P. 1-17
2. Alexander Hopland. The Credit Rating Puzzle: A study on the relationship between equity returns and corporate credit ratings in the US stock market // Master Thesis in Financial Economics, Norwegian School of Economics (2014), P. 1-70
3. Christina E. Bannier, Christian W. Hirsch The economic function of credit rating agencies - What does the watchlist tell us? // Journal of Banking and Finance 34 (2010), P. 3037-3049
4. Doron Avramov, Tarun Chordia, Gergana Jostova, Alexander Philipov. Credit Ratings and The Cross-Section of Stock Returns.
5. Edward Jones, Quentin Mulet-Marquis. The Stock Market Reaction to Changes to Credit Ratings of US-Listed Banks // Centre for Finance and Investment Discussion Paper Series (2013), P. 1-43
6. Eugene F. Fama, Kenneth R. French. Common risk factors in the returns on stocks and bonds // Journal of Financial Economics 33 (1993) P. 3-56
7. Jeremy C. Goh, Louis H. Ederington. Cross-Sectional Variation in the Stock Market Reaction to Bond Rating Changes // The Quarterly Review of Econimics and Finance, Vol. 39, No. 1 (1999), P. 101-112
8. Kam C. Chan, Stephan C. Norrbin, Pikki Lai. Are stock and bond prices collinear in the long run? // International Review of Economics and Finance, 6 (2) (1997), P. 193-201
9. Koresh Galil, Gil Soffer. Good news, bad news and rating announcements: An empirical investigation // Journal of Banking and Finance 35 (2001), P. 3101-3119
10. Lars Norden, Martin Weber. Informational efficiency of credit default swap and stock markets: The impact of credit rating announcements // Journal of Banking & Finance 28, (2004), P. 2813-2843
11. M.A.J Timmermans. Credit rating changes and the effect on stock prices // Master Thesis Finance, Tilburg University, P. 1-49
12. Michiko Miyamoto. Event Study of Credit Rating Announcement in the Tokyo Stock Market // Journal of Economics, Business and Management, Vol. 4, No. 2, (2016), P. 138-143
13. Miroslav Mateev. The Effect of Sovereign Credit Rating Announcements on Emerging Bond and Stock Markets: New Evidences // Oxford Journal: An International Journal of Business & Economics, 7 (1) (2012), P. 28-41
14. Philippe Jorion, Zhu Liu, Charles Shi. Informational effects of regulation FD: evidence from rating agencies // Journal of Financial Economics 76 (2005), P. 309-330
15. Philippe Raimburg Rating Agencies and Financial Regulation: Thirty Years of Academic Research // Bankers, Markets & Investors №123 (2013), P. 54-61
16. Reint Gropp и Anthony Richards Rating Agency Actions and the Pricing of Debt and Equity of European Banks: What Can We Infer About Private Sector Monitoring of Bank Soundness? // European Central Bank Work Paper No.76, (2001), P. 1-36
17. Robert Brooks, Robert W. Faff, David Hillier, Koseph Hillier. The national market impact of sovereignrating changes // Journal of Banking & Finance 28 (2004), P. 233-250
18. S.V.D. Nageswara Rao, Sreejith U. Impact of Credit Ratings (Upgrade and Downgrade) on Stock Prices in India // Proceedings of 23rd International Business Research Conference (2013)
19. Sang Lyong Joo, Stephen Pruitt Corporate bond ratings changes and economic instability: Evidence from the Korean financial crisis // Economics Letters 90 (2006), P. 12-20
20. Yan He, Junbo Wang, K.C. John Wei Do bond rating changes affect the information asymmetry of stock trading? // Journal of Empirical Finance 18 (2011), P. 103-116
Размещено на .ru
Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность своей работы
