Event Analysis as a Testing Method of Market Efficiency

Современная теория финансов во многом опирается на гипотезу эффективного рынка. Согласно этой гипотезе, вся существенная информация немедленно и в полной мере отражается на котировках ценных бумаг. Fama (1965) определяет эффективный рынок как место, где «котировки ценных бумаг полностью отражают всю доступную информацию». Поскольку котировки ценных бумаг определяют распределение доходов на рынке, то вопрос того, является ли рынок эффективным, затрагивает интересы всех участников рынка, − начиная от инвесторов и эмитентов и заканчивая менеджерами и регуляторами. Таким образом, именно гипотеза эффективного рынка ставит перед исследователями вопрос: «Действительно ли поступающая на рынок информация отражается в котировках мгновенно и полностью?».

Разработка метода событийного анализа

Для ответа на вопрос об эффективности рынка был необходим инструментарий. В том же году, когда в работе Fama (1965) [4] была рассмотрена гипотеза эффективного рынка, Sharpe (1964) [8] и Lintner (1965) [7] предложили модель ценообразования активов (CAPM). Эта модель, наряду с гипотезой эффективного рынка, определила прогресс в области выделения доходности, специфичной для отдельного эмитента. Именно возможность использования такого компонента доходности позволила тестировать информационную значимость новостей о деятельности отдельной компании.

В 1969 году в работе Fama et al. (1969) [5] была предложена методология событийного анализа в области финансов в том виде, в котором она используется в современных исследованиях. В этой методологии применение модели ценообразования активов (CAPM) позволило оценить аномальную доходность, возникающую при возникновении какого-либо типа событий. Исследователи формируют вывод о том, что событие содержит новую для рынка информацию, по изменение уровня котировок или объема торгов в течение периода времени вокруг события (т.н. «окно события») − если изменение является существенным, то событие имеет информационную значимость для рынка и влияет на изменение существующих ожиданий. Таким образом, именно событийный анализ позволил ответить на вопрос о том, какое влияние на рынок оказывает выход новой информации, будь то сплит акций [5], публикация финансовой отчетности или изменение рекомендаций аналитиков [2, 3].

Проведение событийного анализа при выпуске рекомендаций

Основной принцип метода событийного анализа состоит в том, что доходность ценной бумаги должна быть равна «нормальной» доходности этой бумаги плюс «аномальная» доходность. Средняя нормальная доходность при этом определяется в течение периода, предшествующему окну событий, который называется прогнозный период. Аномальная доходность − это случайная величина. Таким образом:

где

− доходность ценной бумаги i в момент времени t,

− средняя нормальная доходность,

− случайная величина, характеризующая аномальную доходность.

Таким образом, метод событийного анализа предполагает расчет следующих параметров для оценки влияния рекомендаций на котировки акций российских эмитентов:

− Определение фактической доходности по акции для каждой даты, входящей в окно событий. Доходность по акции в течение одной торговой сессии можно определить как отношение цены закрытия в данный день к цене закрытия за предыдущий день минус единица. Однако для того, чтобы работать только с положительными значениями доходностей, а также для приведения котировок к большей сопоставимости (принимая во внимание то, что стоимость акций разных компаний может различаться в сотни и даже тысячи раз), в исследованиях обычно используется логнормальное распределение.

− Определение «нормальной доходности» для каждой даты, входящей в окно событий. Для расчета «нормальной доходности» чаще всего используется одна из двух следующих моделей: модель со средним либо рыночная модель описания поведения цены акции (в т.ч. рыночная модель CAPM). Помимо указанных двух моделей, ряд исследователей используют многофакторные модели, включая трехфакторную модель Фамы-Френча или четырехфакторную модель, в которых, помимо рыночной доходности, оценивается влияние таких факторов, как размер компаний, входящих в выборку, разницу в отношении балансовой стоимости активов к капитализации по компаниям, а также разницу в темпах роста компаний.

− Определение аномальной доходности (или сверхдоходности) для каждой даты, входящей в окно событий.

− Определение средней аномальной доходности по всем событиям выборки для каждой даты, входящей в окно событий.

− Определение кумулятивной аномальной доходности.

− Проверка корректности использования метода событийного анализа: анализ t-статистики, проверка нормальности распределения.

− Тестирование на устойчивость результатов. Такое тестирование позволяет подтвердить устойчивость результатов исследования к различным спецификациям модели. Для проверки результатов при изменении рекомендаций можно использовались следующие спецификации:

‑ изменение ширины окна событий;

‑ добавление и удаление факторов в модель;

‑ использование различных определений события;

‑ устранение перекрытия различных окон событий;

‑ проверку данных на различных биржах;

‑ проверку данных на протяжении различных временных подпериодов.

Особенности применения метода событийного анализа

В зависимости от типа рассматриваемых событий анализ может проводиться как в краткосрочном периоде (от нескольких минут до нескольких дней), так и в долгосрочном периоде (обычно от одного до пяти лет). В краткосрочном периоде ожидаемая доходность определяется относительно корректно. Ожидаемая доходность в течение дня (для фондового рынка США) составляет около 0,05%, поэтому ошибки в оценке доходности, связанные с ошибками в оценках риска, составляют менее 0,01−0,02% в день. Это небольшие цифры в сравнении с аномальной доходностью, которая обычно составляет 0,5% и более.

Для тестирования эффективности рынка при использовании метода событийного анализа оценивается влияние, скорость и несмещенность реакции рынка на события. На эффективном рынке изменение котировок будет мгновенным, а последующее движение цен будет не связано с направлением движения цен во время публикации события или до публикации. Для большинства типов событий рынок быстро реагирует в краткосрочном периоде. Однако в некоторых случаях реакция оказывается неполной и существует «дрейф» котировок в том же направлении, что и первоначальная реакция рынка. Это свидетельствует о нарушении гипотезы эффективности. Поэтому важной составляющей исследований с использованием метода событийного анализа является оценка долгосрочных эффектов изменения котировок (post-announcement drifts) после выхода финансовых новостей.

Важно отметить, что на достоверность результатов событийного анализа влияет то, являются ли события распределенными по времени (проблема класторинга), и не возникает ли одновременно сопутствующих событий, не учтенных в модели (проблема выхода сопутствующих новостей). Что касается класторинга, то в идеале событийные окна для одной компании не должны пересекаться между собой, иначе события нельзя будет считать полностью независимыми друг от друга.

Другим важным вопросом является выход сопутствующих новостных событий, не учтенных в модели. В первую очередь вызывают вопросы события, связанные с эмитентами, которые нередко сопровождают изменение рекомендаций. К числу значимых новостей нередко относят публикацию финансовой отчетности, дивидендные выплаты, новости о слияниях и поглощениях, конференц-звонки, прогнозы менеджмента и инсайдерскую торговлю. Помимо вышеперечисленных регулярных типов новостей встречаются разовые события, такие как изменения в составе руководства компании или объявления о выпуске нового продукта. Главным вопросом в данном контексте является то, насколько часто выход рекомендаций инвестиционных аналитиков сопровождается другими значимыми новостями в жизни компании, а также, какое влияние выход прочих новостей оказывает на значимость полученных результатов.

Выводы

Метод событийного анализа представляет собой надежный инструмент для тестирования гипотезы эффективности рынков на примере выхода рекомендаций по эмитентам от ведущих инвестиционных банков. Особенностями метода являются его высокая надежность при анализе краткосрочных эффектов выхода новостей и удобство применения. К сложностям метода относится необходимость корректно учитывать выход сопутствующих событий, которые могут оказывать влияние на котировки ценных бумаг компаний.