» » » КАЧЕСТВО ПРОГНОЗОВ КОТИРОВОК ЦЕННЫХ БУМАГ В РОССИИ

КАЧЕСТВО ПРОГНОЗОВ КОТИРОВОК ЦЕННЫХ БУМАГ В РОССИИ

БАХШИ КОСТАНДЯН 
МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ИМ. М.В.ЛОМОНОСОВА, ЭКОНОМИЧЕСКИЙ ФАКУЛЬТЕТ

Аннотация: Данная статья посвящена дальнейшему изучению феномена неспособности финансовых аналитиков качественно прогнозировать будущие котировки ценных бумаг. Этот феномен анализируется на примере фондового рынка России за 2010-2013 годы.

Ключевые слова: фондовый рынок, прогноз, котировки, ценные бумаги, акции
JEL Classification: G24

KOSTANDYAN, BAKHSHI (2014) "QUALITY OF STOCK RECOMMENDATIONS IN RUSSIA". Journal of Russian Review (ISSN 2313-1578), VOL. (0), 14-21.


1. Цель работы

Основной задачей финансового аналитика, одной из ключевых фигур на рынке ценных бумаг, является исследование конъюнктуры финансовых рынков и составление аналитических обзоров, на основе которых они предоставляют прогнозы котировок ценных бумаг. Большинство инвесторов склонны прислушиваться к таким прогнозам, так как экспертная оценка позволяет в некоторой мере внести определенность относительно будущего состояния рынка ценных бумаг и осуществлять успешную инвестиционную деятельность. Но вопрос точности таких прогнозов остается открытым, поэтому автор выбрал целью данного исследования перепроверку на свежем массиве данных широко известного тезиса о неспособности финансовых аналитиков генерировать правильные прогнозы будущих котировок ценных бумаг.


2. Обзор литературы

В целях обзора литературы автор провел поиск научных статей по теме исследования отдельно среди русскоязычных и англоязычных работ. Русскоязычный поиск был проведен на сайте электронной библиотеки РИНЦ (elibrary.ru), англоязычный поиск – на сайте международной библиотеки Social Science Research Network (ssrn.com). Временной горизонт поиска работ был ограничен периодом между 2010 и 2013 годами.

Для поиска на сайте РИНЦ автор использовал следующие ключевые слова: прогнозы аналитиков, прогнозирующая способность, прогнозы котировок ценных бумаг. Поисковая система сайта выдала 362 статьи, из которых путем отбора по заглавию и аннотации было выбрано 10 для изучения. Из их числа только 5 было в свободном доступе. Из их числа предварительное изучение текста статей вынудило отсеять 5 работ, как не соответствующих тематике или не несущих в себе полезной для целей авторского исследования информации. В итоге автор не отобрал для включения в раздел своей работы «2. Обзор литературы» ни одной статьи.

Для поиска на сайте SSRN автор использовал следующие ключевые слова: analysts' forecasts, stock recommendations. Поисковая система сайта выдала 1263 статьи, из которых путем отбора по заглавию и аннотации было выбрано 29 для изучения. Из их числа только 10 было в свободном доступе. Из их числа предварительное изучение текста статей вынудило отсеять 7 работ, как не соответствующих тематике или не несущих в себе полезной для целей авторского исследования информации. В итоге автор отобрал для включения в раздел «2. Обзор литературы» 3 статьи.

В первой работе, которая называется «Do Financial Analysts’ Forecasts About Market Quatations Prove To Be Correct? Evidence From Russia» (Medvedeva K., 2011), рассматривается точность 2783 прогнозов относительно 9 российских компаний-эмитентов за период с 1 января 2004 года по 15 апреля 2011 года.

В качестве метода исследования автор данной работы выбрал рассмотрение усредненных значений прогнозов различных аналитических центров. Анализ проводится относительно самих рекомендаций (продавать, сокращать, держать, накапливать, покупать) и относительно реальной и прогнозируемой целевой стоимости акции. Автор сравнивал цены акции предыдущего и текущего дня, на основе чего делал выводы.

Полагаю, что рассмотрение консенсусных значений является логичным, так как это позволяет получить наиболее объективную оценку относительно рекомендаций. Однако сравнение реальной рыночной стоимости акций на дату рекомендации и реальной рыночной стоимости акций на следующий день является не очень точным, так как между одной рекомендацией и другой есть определенный промежуток времени, в течение которого цены акций могут измениться в любые стороны.

Автор данной работы делает вывод о «примитивном желании «продать» оптимизм клиенту» со стороны финансовых аналитиков. Этот вывод основывается на том факте, что за длительный период не было ни одной рекомендации «продавать», а рекомендация «сокращать» встречалась непропорционально мало – всего в 2% случаев.

В следующей работе «How well do analysts predict stock prices? Evidence from Russia» (Penikas H., Proskurin S., 2013) рассматриваются возможные факторы, которые влияют на точность прогнозов аналитиков. В данной работе было проанализировано 1572 рекомендации 134 аналитиков, работающих в России, и всемирных инвестиционных банков в периоде с 1 января 2012 года по 1 декабря 2012 года. В качестве факторов, влияющих на них, рассматриваются количество рекомендаций одного инвестиционного банка, день публикации рекомендации, пол финансового аналитика и отрасль, для которой делается прогноз.

Метод исследования в данной работе был следующим. Авторы открывали позицию в акциях сразу после появления рекомендаций. Они открывали длинную позицию, если рекомендация была «покупать», и короткую позицию, если рекомендация была «продавать». Начальная сумма средств, вкладываемых в каждые акции, составила 1000 единиц валюты, в которой продается акция в зависимости от фондовой биржи. Авторы полностью израсходовали 1000 единиц валюты на каждую акцию независимо от ее текущей цены. Например, если аналитик 17 января предложил рекомендацию покупать Gazprom ADR по текущей цене 11.44$ на LSE, они тратили 1000 единиц валюты на покупку 87.41 акции. Затем после некоторого времени они осуществляли обратную сделку, закрывая позицию. Чтобы определить горизонт, на котором осуществлялась обратная сделка, авторы варьировали дни от 1 до 120.

В данной работе проанализировано большое количество рекомендаций за маленький период времени (1 год). Исследование проведено по 10 наиболее значимым отраслям, что охватывает практически весь спектр российской экономики и создает наиболее достоверную и полную картину в выявлении качественности прогнозов.

Авторы сводят критерии, по которым решается, свершился ли прогноз или оказался ошибочным, фактически к следующему: проиграл ли инвестор от сделки, использовав рекомендацию, или выиграл. Если проиграл, то прогноз считается ошибочным, если выиграл, то качественным. Данный подход позволяет выявить общую тенденцию, абстрагируясь от второстепенных процессов, которые сильно усложняют исследование. Однако данная модель не позволяет рассматривать долгосрочную перспективу. Такие рекомендации, как «накапливать» и «сокращать», использовав которые инвестор может в долгосрочном периоде получить прибыль, в данной модели были исключены. Исследование выявило, что 56,8% рекомендаций экспертов «покупать» и «продавать» акции российских компаний принесли инвесторам прибыль.

В работе “Are Stock Recommendations Useful?” (Stanislawek I., 2013) также исследуется способность прогнозирования финансовых аналитиков на основе 3 миллионов прогнозов по MSCI World Index за 10 лет с 2003 по 2012 годы. Отмечается наличие большого количества позитивных рекомендаций (49%) и маленького количества негативных прогнозов (12%). В итоге автор приходит к выводу о том, что полностью доверять прогнозам нельзя, так как существует большое влияние субъективных факторов, но принимать их во внимание и использовать в качестве дополнительного компонента своей стратегии инвестирования стоит.


3. Метод исследования

В данном исследовании было проанализировано 1417 рекомендаций относительно стоимости акций 9 российских компаний (голубые фишки) на фондовом рынке:

  1. ВТБ (VTB)
  2. Вымпелком (VIP)
  3. Газпром (GAZP)
  4. Лукойл (LKOH)
  5. МТС (MBT)
  6. Норильский никель (GMKN)
  7. Роснефть (ROSN)
  8. Сбербанк (SBER)
  9. Сургутнефтегаз (SNGS)

В процессе исследования проводилось два вида анализа: вертикальный и горизонтальный.

1. Вертикальный анализ: сбываются ли рекомендации «покупать», «накапливать», «держать», «сокращать» и «продавать» или нет?

Была выбрана следующая стратегия для решения, является ли рекомендация верной или нет. Сравнивались реальная рыночная цена акции на дату рекомендации и реальная рыночная цена акции на дату следующей рекомендации. Данный подход был выбран из следующих соображений: предположим, что инвестор полностью полагается на рекомендации аналитиков и не совершает сделок самостоятельно. Тогда данная модель имеет смысл, так как наш инвестор на момент следующей рекомендации будет знать, оправдалась ли предыдущая рекомендация аналитика, и сможет вынести решение, стоит ли прислушиваться к этим рекомендациям в дальнейшем.

Для таких рекомендаций, как «покупать» и «продавать» вывод делался следующим образом. Если реальная цена акции на дату следующей рекомендации была выше, чем реальная цена на дату предыдущей рекомендации, то прогноз «покупать» считался верным, если же цена уменьшилась, то прогноз «покупать» считался ошибочным. Если реальная цена акции на дату следующей рекомендации была ниже, чем реальная цена на дату предыдущей рекомендации, то прогноз «продавать» считался верным, если же цена увеличилась, то прогноз «продавать» считался ошибочным.

Для таких прогнозов, как «сокращать», «держать», «накапливать», использовался уровень допустимого отклонения от стоимости реальной цены акции на дату рекомендации в 5%.

2. Горизонтальный анализ: на какую величину отклоняется реальная котировка акции от прогнозируемой?

Смысл данного анализа заключается в том, чтобы определить, насколько точной была прогнозируемая цена акций. На основе отклонений реальной цены акции на дату следующей рекомендации от прогнозируемой цены акции при предыдущей рекомендации делались выводы о точности прогнозов.

В процессе исследования применялась следующая гипотеза: чем эффективнее изучаемый фондовый рынок, тем выше должно быть значение ошибки прогнозов финансовых аналитиков относительно стоимости ценных бумаг и, соответственно, тем менее манипулятивны будут данные бумаги.


4. Источники информации

В данном исследовании источником финансовой информации – реальная стоимость акций на дату публикации рекомендации, прогнозы предполагаемой стоимости акций – является база данных российской медиагруппы «РосБизнесКонсалтинг» (quote.rbc.ru).

В качестве прогнозов автор брал консенсусные значения, позволяющие оценить мнение рынка относительно той или иной бумаги в целом. Данные значения составлялись на основе рекомендаций известных зарубежных и российских финансовых институтов, таких, как:

  1.  Barclays Capital
  2. Citigroup Investment Research
  3. Credit Suisse First Boston
  4. Deutsche Bank
  5. Goldman Sachs
  6. JP Morgan
  7. Raiffeisen RESEARCH
  8. Sberbank Investment Research
  9. Альфа-Банк
  10. ВТБ Капитал
  11. Газпромбанк
  12. Уралсиб Кэпитал
  13. Финнам

В качестве периода исследования был выбран посткризисный период: 1.01.2010 – 31.12.2013.


5. Выводы

  1. Средняя доля ошибок, которые совершают аналитики, прогнозируя котировки, 48,6%. Это значение, полагаю, является недостаточно высоким, что свидетельствует о том, что цены акций на российском фондовом рынке могут быть подвержены манипулятивным воздействиям.
  2. Акции, котировки которых являются в сравнении с другими ценными бумагами наименее прогнозируемыми (как в вертикальном, так и в горизонтальном анализе), это акции компании «МТС» (Приложение Рис.5 и Рис.6). Доля ошибки рекомендаций для данной компании-эмитента составила 57%, а прогнозируемая цена отклоняется от реальной в среднем на 52%. Эти результаты дают повод предполагать, что акции компания МТС являются наименее манипулятивными среди ценных бумаг российских эмитентов.
  3. Акции компании «Норильский никель» и «ВТБ» имеют самую низкую долю ошибки в вертикальном анализе, 43% и 34% соответственно, и самое низкое отклонение цен от прогнозируемых в горизонтальном анализе, 18% и 25% (Приложение Рис.5 и Рис.6). На основе относительно низкой доли ошибки и относительно высокой точности прогноза цен можно сделать вывод, что котировки бумаг данных эмитентов наиболее подвержены манипулятивному воздействию.
  4. Также в процессе исследования был замечен следующий интересный факт. На протяжении всего периода анализа с 1 января 2010 года по 31 декабря 2013 года не было ни одной рекомендации «сокращать» или «продавать» ни для одной компании. Кроме того, наибольшее количество прогнозов – 45% от всего числа прогнозов – было «покупать». Исходя из этого, можно сделать вывод, что эксперты сознательно игнорируют возможные снижения цен и намеренно акцентируют внимание потенциальных инвесторов на позитивных перспективах роста цен (Приложение Рис.1). Этот вывод подтверждает и тот факт, что 98% от общего числа прогнозируемых цен было с отклонением в большую сторону (Приложение Рис.7).
    Вышесказанное согласуется с выводами работы Кристины Медведевой (2011), в которой рассматриваются прогнозы котировок акций тех же компаний, что и в данной статье, за период с 1 января 2004 года по 15 апреля 2011 года, а выводы совпадают с выводами данной работы, в которой рассматривается промежуток с 1 января 2010 года по 31 декабря 2013 года.
  5. Соответственно, можно констатировать факт, что за последние 10 лет не было ни одного прогноза «продавать» и была ничтожная доля прогнозов «сокращать» по сравнению с 80% от общего числа прогнозов рекомендаций «накапливать» и «покупать». Данный вывод охватывает достаточно большой период, по которому можно судить о мотивации финансовых аналитиков: слепая вера в бесконечный рост котировок «голубых» фишек или, что представляется более правдоподобным, примитивное стремление привлечь в отрасль как можно большие новых клиентов за счет «продажи оптимизма». Таким образом, можно утверждать, что института финансовых аналитиков, как такового, в России не существует.


6. Литература

  1. Ireneus Stanislawek Are Stock Recommendations Useful? // 1741 Asset Management Research Note Series 4/2012. Available at: http://ssrn.com/abstract=2182731
  2. Medvedeva K. Do Financial Analysts’ Forecasts About Market Quatations Prove to Be Correct? Evidence from Russia. Available at: http://ssrn.com/abstract=1866370
  3. Penikas H., Proskurin S. How Well Do Analysts Predict Stock Prices? Evidence from Russia // Higher School of Economics Research Paper No. WP BRP 18/FE/2013. Available at: http://ssrn.com/abstract=2337416

 

7. Приложения

 

скачать dle 10.2 Авто Тюнинг кузова