#"908303.files/image001.gif">
Тест Грейнджера выявил наличие зависимости
доходности бразильских облигаций от доли нерезидентов в базе инвесторов на 5%
уровне значимости.
Granger causality Wald tests
+------------------------------------------------------------------+
| Equation Excluded |
chi2 dfProb> chi2 |
|--------------------------------------+---------------------------|
| yearsyieldynonresidentsmar~e |6.5914
2 0.037 |
+------------------------------------------------------------------+
Источник:
расчеты
автора
Россия
Данные относительно доли участия иностранного
капитала в общем объеме выпущенных государственных облигаций доступны на сайте
ЦБ РФ и включают месячные наблюдения с 2012 года. До этого времени статистика
доли нерезидентов среди держателей ОФЗ не велась отчасти в связи с тем, что
доля их участия была незначительной. Данное явление связано с ограничениями на
многие операции для нерезидентов на внутреннем рынке, отрицательной реальной
доходностью ОФЗ в период с 2002 года, низкой ликвидностью и высокой
волатильностью российского рынка.
График 2. Динамика доли нерезидентов и доходности
ОФЗ на российском рынке
Для того, чтобы доказать наличие зависимости
доходности облигаций от изменений доли нерезидентов был проведен тест
Грейнджера.На 15%уровне значимости выявлена зависимость доходности от доли нерезидентов.
GrangercausalityWaldtests
+------------------------------------------------------------------+
| Equation Excluded |
chi2 dfProb> chi2 |
|--------------------------------------+---------------------------|
| yearsyieldynonresidentsmar~e |
8.9841 2 0.011 |
+------------------------------------------------------------------+
Источник:
расчеты
автора
Индия
Статистика по структуре держателей индийских
государственных облигаций публикуется на сайте Резервного Банка Индии. Данные
публикуются ежеквартально начиная с первого квартала 2007 года. Среди всех
типов инвесторов наиболее значительная доля коммерческих банков, в то время как
доля нерезидентов очень мала на протяжении всего периода наблюдения. Данное
явление связано с законодательными ограничениями, обязывающими банки вкладывать
в государственные облигации, а так же с ограничениями для иностранных
инвесторов.
График 3. Динамика доли нерезидентов и
доходности индийских государственных облигаций
Тест Грейнджера показал на 25% уровне значимости
наличие зависимости доходности государственных облигаций от доли нерезидентов.
GrangercausalityWaldtests
+------------------------------------------------------------------+
| Equation Excluded |
chi2 dfProb> chi2 |
| yearsyieldynonresidentsmar~e |2.9519
2 0.229 |
Источник: расчеты автора
Методология
В качестве зависимой переменной была выбрана
доходность 10тилетних казначейских облигаций. Выбор данного типа облигаций
продиктован несколькими факторами. Во-первых, данные собранные по странам,
относятся именно к держателям данного типа ценных бумаг, и это основная
причина. Для некоторых стран (в частности для Индии) так же представлены данные
по двухмесячным казначейским облигациям, однако на таких краткосрочных
инструментов ранее не проводились исследования влияния структуры инвесторов.
Во-вторых, данных по краткосрочным инструментам меньше, да и многие
макроэкономические индикаторы (например, рост ВВП) публикуются не чаще, чем раз
в квартал. Так, предполагается что рамках данного исследования эффект всех
объясняющих переменных наиболее явно будет выражен в доходности долгосрочных
государственных ценных бумаг.
Отталкиваясь от доступных данных по структуре
инвесторов и выбора объясняемой переменной, переходим к выбору набора
объясняющих переменных. Структура инвесторов будет представлена в форме доли
облигаций в обращении, находящихся на отчетную дату в собственности
нерезидентов (обозначим как FIот foreigninvestment).
Далее набор объясняющих переменных был подобран
на основании эмпирических исследований, приведенных в обзоре литературы. В
частности, исследование Родионовой покрывает большое количество показателей для
стран настоящей выборки. Так, для исследования выбраны показатели, которые по
результатам исследования оказались значимы для рассматриваемых стран. К таким
показателям относятся следующие факторы:
Ставка рефинансирования ЦБ (CBRate)
Индекс Потребительских Цен (CPI)
Рост ВВП (в процентах к аналогичному кварталу
предыдущего года, GDP_Growth)
Сальдо государственного бюджета (GDeficit)
Ставка рефинансирования отражает монетарную
политику ЦБ. Так, установленная Центральным Банков на определенном уровне
ставка влияет на все ставки по кредитам банковского сектора, а в месте с тем и
на ценообразование других долговых инструментов, в частности облигаций.
Ожидается, что эффект от ставки рефинансирования будет положительным и
значимым.
Индекс потребительских цен отражает инфляционные
ожидания. В модели регрессии использовался прирост индекса потребительских цен
относительно аналогичного квартала предыдущего года. Ожидаемый эффект
инфляционных ожиданий так же положителен, поскольку высокая инфляция
свидетельствует о нестабильности экономики, что повышает премию за риск. Кроме
того рост доходности связан с обесцениванием активов.
Рост ВВП отражает уровень развития экономики
страны. При высоком экономическом росте правительство становится более надежным
заемщиком, что позволяет снизить доходность по облигациям. С другой стороны,
высокие темпы роста ВВП могу спровоцировать рост инфляции, что будет гасить
эффект. В данном случае инфляция учитывается отдельно с помощью индекса
потребительских цен, поэтому ожидаемый эффект данного фактора положительный.
Сальдо государственного бюджета - переменная,
использованная в абсолютных величинах. Сальдо отражает фискальную позицию
страны, или риск дефолта, что отражается на риске. Кроме того, дефицит бюджета
показывает потребность государства в заемных средствах. Так, ожидается
отрицательный эффект, то есть чем ниже сальдо - тем выше доходность облигаций.
Таблица2. Описательная статистика
основных переменных.
Источник: расчеты автора
Variable
|
Mean
|
Std.
Dev.
|
Min
|
Max
|
|
|
|
|
|
FI
|
.1287411
|
.0878528
|
.0088
|
.278
|
Yield10y
|
.0970125
|
.0216533
|
.0685
|
.15815
|
CPI
|
.0802277
|
.0290959
|
.0429
|
.1692
|
GDP_Growth
|
.0242963
|
.0378503
|
-.06
|
.075
|
GDeficit
|
-6.78e+09
|
1.64e+10
|
-8.88e+10
|
1.79e+10
|
CBRate
|
.3814063
|
2.044413
|
.0675
|
14.25
|
Описательная статистика данных представлена в
таблице 2.Кроме того, была рассмотрена корреляция между переменными, чтобы
оценить целесообразность анализа в целом (таблица 3). Далее рассмотрим
возможные спецификации модели. Первой была опробована сквозная регрессия
(приложение I).
Таблица 3. Коэффициенты корреляции
Источник: расчеты автора
|
Yield10y
|
CPI
|
GDP_Growth
|
FI
|
GDeficit
|
CBRate
|
Yield10y
|
1.0000
|
|
|
|
|
|
CPI
|
0.2581
|
1.0000
|
|
|
|
|
GDP_Growth
|
-0.6656
|
-0.4177
|
1.0000
|
|
|
|
FI
|
0.0846
|
-0.7888
|
1.0000
|
|
|
GDeficit
|
0.0415
|
0.0631
|
0.2062
|
-0.3958
|
1.0000
|
|
CBRate
|
-0.1226
|
0.1852
|
0.1363
|
-0.1888
|
0.0918
|
1.0000
|
Модель сквозной регрессии описывается уравнением
1:
(1)
Где индексы iхарактеризуют страны, а индексы
tвремя.
Так же были рассмотрены модели с фиксированными
и случайными эффектами, поскольку сквозная регрессия предполагает одинаковые
зависимости для всех стран, однако предполагается обратное, так как
исследование Родионовой показало различный характер зависимости рассматриваемых
переменных для стран.
Модель сквозной регрессии с фиксированным
эффектом и со случайным эффектом описываются уравнениями 2 и 3 соответственно.
(2)
, где (3)
Данные были преобразованы в сбалансированную
панель, тестировались модели со случайными и фиксированными эффектами
(Приложения II-III). Так же были проведены тесты на обоснованность
преобразования данных в панель.Для сравнения модели сквозной регрессии и модели
со случайными эффектами был проведен тест Бройша-Пагана (Приложение IV).
Полученное значения P-value позволяют сделать вывод о том, что модель со
случайными эффектами лучше описывает данные, чем простая сквозная регрессия.
Также был проведен тест Вальда (Приложение II) для сравнения модели
фиксированными эффектами и сквозной регрессии. Значение P-value показывает
преимущество модели с фиксированными эффектами. Для сравнения модели с
фиксированными случайными эффектами был проведен тест Хаусмана, и полученное
P-value показывает, что лучше всего данные описывает модель с фиксированными
эффектами.
Таблица 4. Результаты тестов на сравнение
моделей
Источник: расчеты автора
Название
теста
|
P-value
|
Тест
Бройша-Пагана
|
1.0000
|
Тест
Вальда
|
1.0000
|
Тест
Хаусмана
|
0.0000
|
Несмотря на результаты тестов, большинство
коэффициентов в модели с фиксированными эффектами оказались незначимыми, поэтому
рассмотрим спецификацию модели с лагом. Такой подход представляется логичным не
только по причине необходимости оптимизировать организацию данных, но и
теоретически обоснован. Поскольку в базовой спецификации рассматривается
модель, в которой доходность зависит от структуры инвесторов в тот же период,
возможно добавление лагов улучшит объясняющую силу модели. Данное предположение
можно объяснить тем, что участники рынка не могут реагировать мгновенно на
информацию о структуре инвесторов, поэтому спрос может измениться только в
следующем периоде, а вместе с ним и доходность.В большинстве исследований по
данной тематике так же использовались модели с лаговыми переменными,
характеризующими структуру инвесторов, что является дополнительной причиной
проверить спецификацию с лагами.
Так же, чтобы избавиться от искажения данных и
учесть гетероскедастичность, была опробована модель Арелеллано-Бонда с
робастными оценками (Приложение VI). В отличие от предыдущих моделей, в которых
применялись оценки МНК, в модели Ареллано-Бонда используется обобщённый метод
моментов. Модель с лагами, полученная таким методом оказалась эффективной, а
коэффициенты значимы. Тест Саргана на валидность инструментов указал на то, что
объясняющие переменные не сверх идентифицируемы и валидны. Таким образом,
модель Ареллано-Бонда выбрана как итоговая спецификация модели.
Для итоговой спецификации модели тестировалась
гипотеза о значимости коэффициента при доле нерезидентов среди держателей
государственных облигаций.
Глава 3. Результаты
В результате выбрана модель Ареллано-Бонда с
робастными оценками.Данная модель хорошо описывает панельные данные, позволяет
получить эффективные робастные оценки коэффициентов обобщенным методом
моментов.
ТестГрейнджера показал наличие зависимости
доходности облигаций от доли нерезидентов на 25% уровне значимости для всех
стран. В итоговой спецификации модели коэффициент доли инвесторов значим.
Итоговая спецификация модели:
Где индексы I характеризуют страны, а индексы t
период времени.
Таблица 5. Коэффициенты регрессии
Источник: расчеты автора
consti
|
.01534
|
Yield10yit-1
|
.6167631
|
FIit
|
.0594093
|
FIit-2
|
.0174858
|
CPIit
|
.1311429
|
GDP_Growthit
|
-.1788672
|
GDP_Growthit-1
|
.1684286
|
GDeficitit-1
|
-2.86e-13
|
CBRateit
|
-.0006605
|
Доля нерезидентов оказалась значимой, как
предполагалось, более того, полученные коэффициенты оказались положительными.
Прирост доли участия иностранного капитала не оказывает отрицательного эффекта
на доходность, так как на данный момент доля нерезидентов среди инвесторов на
рассматриваемых рынках очень мала. Если сравнить с результатами по развитым
странам, эффект окажется противоположным. Так происходит из-за того, что
развивающиеся рынки сейчас находятся только на этапе либерализации, иностранные
инвесторы сравнительно недавно получили доступ к рынку внутреннего долга и их
доля очень мала. В то время как при высокой доле иностранного капитала начинает
расти зависимость государственного бюджета и риск, при небольшом количестве
инвесторов нерезидентов их приход на рынок только повышает спрос и ликвидность.
Что касается остальных коэффициентов,
неожиданные результаты показали коэффициенты ставки рефинансирования ЦБ и роста
ВВП без лага. Отрицательный знак роста ВВП можно объяснить тем, что такой
индикатор экономического роста не сразу отражается в динамике, а с задержкой.
Так, коэффициент прироста ВВП с лагом оказался положительным. Что касается
ставки рефинансирования, эффект хоть и отрицательный, но незначительный. Такой
эффект можно объяснить тем, что высокие процентные ставки, установленные ЦБ
отрицательно влияют на ликвидность рынка заемного капитала, что снижает спрос и
доходность инструментов.
Заключение
В последние годы в связи с либерализацией рынков
внутреннего долга развивающихся стран участие роль иностранного капитала
возрастает. Для развивающихся рынков приход нерезидентов означает повышение
базы инвесторов и ликвидности рынка, что приводит к росту доходности
инструментов.
В данной работе был показан эффект роста доли
нерезидентов в базе инвесторов для рынков государственных облигаций Бразилии,
России и Индии. Для описания данных была построена модель Ареллано-Бонда.
Коэффициенты для доли инвесторов с лагом и без оказались положительными и
значимыми, что подтверждает выдвинутую гипотезу.
В противовес полученным результатам стоит
отметить, что на развитых рынках исследования дали противоположные результаты,
то есть снижение доходности при росте доли нерезидентов. Данное наблюдение
подчеркивает разницу специфики развивающихся и развитых рынков. В том время как
на развитых рынках доля иностранного капитала сравнительно велика, на
развивающихся рынках доступ нерезидентов на рынок внутреннего долга появился относительно
недавно и ограничен законодательно. Так, можно сделать вывод, что доля
нерезидентов при низких значениях оказывает положительное влияние на динамику
доходности, но с ростом начинает оказывать отрицательный эффект на доходность
облигаций.
Список литературы
Буренин
А.Н. Рынок ценных бумаг и производных финансовых инструментов// Учебное
пособие. - Федеративная Книготорговая Компания. - 1998.
Andritzky
J. R., Government Bonds and Their Investors: What Are the Facts and Do They
Matter? // International Monetary Fund Working Paper. June 2012. WP/12/158. -
29 p. T., Jotikasthira Ch., Lundblad Ch., Ramadorai T., Does the Ownership
Structure of Government Debt Matter? Evidence from Munis // Does the Ownership
Structure of Government Debt Matter? Evidence from Munis, Municipal Finance
Conference, March 2015B. M., Roley V.V., Investors’ Portfolio Behavior Under
Alternative Models of Long-Term Interest Rate Expectations: Unitary, Rational,
or Autoregressive // Econometrica, Vol. 47, No. 6 (November, 1979)Rougier Au.,
Developed countries: who holds public debt? // Econote, №16 April 2013. - 12
p.Iain, How much can governments borrow? Financialization and emerging markets
government borrowing capacity // Review of International Political Economy 18:2
May 2011: 141-167L., Zhang Y. S., Real Money Investors and Sovereign Bond
Yields // International Monetary Fund Working Paper. November 2013. WP/13/254.
- 23 p.
Jasienė
M., Paskevicius A., Astrauskaitė L., Bond Market Analysis: the main
constraints in the research of 21st century //
Business, management and education, 2013, 11(2): 224-240M. S., Okimoto T.,
Dynamics of international integration of government securities’ markets //
Journal of Banking & Finance 35 (2011) 142-154U., Domestic and external
public debt in developing countries // UNCTAD Discussion Paper, No. 188 March
2008M., Yasuda A., Zhang L. Supply uncertainty of the bond investor base and
the leverage of the firm// Journal of Financial Economics. - Working paper.
-2013S., Pisani-Ferry J., Who’s afraid of sovereign bonds? // Bruegel Policy
contribution. - 2012/02
Статьи
отечественных авторов:
Левандо
Д. В. Микроструктура фондового рынка и внешние эффекты // Вестник ФА №4’99,
1999
Яковлев
Я., Демкин А., Рублевые корпоративные облигации: что получат иностранные
инвесторы? // Депозитариум № 2 (132) 2014
Прочие
источники:
Родионова
А. В., Факторы формирования доходности государственных ценных бумаг в странах
БРИКС: дис. ... канд. экон. наук : 08.00.10. − Москва, 2014. − 296
с.
Родионова
А. В., Факторы формирования доходности государственных ценных бумаг в странах
БРИКС: автореф. дис. ... канд. экон. наук : 08.00.10. − Москва, 2014. −
26 с.
Федерального
закона от 28.12.2002 N 185-ФЗ, часть третья в ред.
Приложение I. Сквозная регрессия
Source
|
SS
|
df
|
MS
|
Numberofobs
= 48
|
|
|
|
|
F(
5, 42) = 8.57
|
Model
|
.011129889
|
5
|
.002225978
|
Prob>
F = 0.0000
|
Residual
|
.010906838
|
42
|
.000259687
|
R-squared
= 0.5051
|
|
|
|
|
Adj
R-squared = 0.4461
|
Total
|
.022036727
|
47
|
.000468867
|
Root
MSE = .01611
|
Yield10y
|
Coef.
|
Std.
Err.
|
t
|
P>t
|
[95%
Conf.
|
Interval]
|
|
|
|
|
|
|
|
FI
|
-.0751505
|
.0518081
|
-1.45
|
0.154
|
-.1797035
|
.0294025
|
CPI
|
-.0957855
|
.1018199
|
-0.94
|
0.352
|
-.3012665
|
.1096955
|
GDP_Growth
|
-.5623301
|
.1257704
|
-4.47
|
0.000
|
-.8161449
|
-.3085152
|
GDeficit
|
1.78e-13
|
1.59e-13
|
1.12
|
0.269
|
-1.42e-13
|
4.98e-13
|
CBRate
|
-.0003686
|
-0.31
|
0.761
|
-.0028011
|
.0020639
|
_cons
|
.1293805
|
.0149764
|
8.64
|
0.000
|
.0991568
|
.1596041
|
Приложение II.Модель с фиксированным
индивидуальным эффектом
Fixed-effects (within) regression Number of
obs = 48variable: country Number of
groups = 3
sq: within = 0.4957 Obs per group:
min = 16= 0.1721 avg = 16.0=
0.3349 max = 16
(5,40) = 7.86(u_i, Xb) =
-0.0322 Prob> F = 0.0000
-----------------------------------------------------------------------------y
| Coef. Std. Err. t P>|t| [95% Conf. Interval]
------------+----------------------------------------------------------------
FI | .0210403 .0482846 0.44 0.665
-.0765465 .1186272
CPI | .2510611 .0998362 2.51 0.016
.0492846 .4528376_Growth | -.180587 .1212461 -1.49 0.144
-.4256346 .0644605| 7.79e-14 1.18e-13 0.66 0.513 -1.61e-13
3.16e-13| -.0010338 .0008938 -1.16 0.254 -.0028402 .0007727
_cons | .0794717 .0137225 5.79 0.000
.0517375 .1072059
------------+----------------------------------------------------------------_u|
.01680631_e | .0118608| .6675291 (fraction of variance due to u_i)
-----------------------------------------------------------------------------test
that all u_i=0: F(2, 40) = 18.77 Prob> F = 0.0000
Тест Вальда показывает, что модель со случайными
эффектами лучше описывает данные, чем простая сквозная регрессия.
Приложение III.Модель со случайным
индивидуальным эффектом
Random-effects GLS regression Number of
obs = 48variable: country Number of groups
= 3
sq: within = 0.3369 Obs per group:
min = 16= 0.7297 avg = 16.0=
0.5051 max = 16
Wald
chi2(4) = .(u_i, X) = 0 (assumed) Prob>
chi2 = .
-----------------------------------------------------------------------------y
| Coef. Std. Err. z P>|z| [95% Conf. Interval]
------------+----------------------------------------------------------------
FI | -.0751505 .0518081 -1.45 0.147
-.1766926 .0263916
CPI | -.0957855 .1018199 -0.94 0.347
-.2953489 .1037779_Growth| -.5623301 .1257704 -4.47 0.000
-.8088354 -.3158247| 1.78e-13 1.59e-13 1.12 0.263 -1.33e-13
4.89e-13| -.0003686 .0012054 -0.31 0.760 -.0027311 .0019938
_cons | .1293805 .0149764 8.64 0.000
.1000272 .1587337
------------+----------------------------------------------------------------_u
| 0_e | .0118608| 0 (fraction of variance due to u_i)
------------------------------------------------------------------------------
Приложение IV.Тест Бройша-Пагана на сравнение
моделей
Breusch and Pagan Lagrangian multiplier test for random
effects
y[country,t] = Xb + u[country] + e[country,t]
Estimated results:
| Varsd = sqrt(Var)
---------+-----------------------------
Yield10y | .0005068 .0225116|
.0001382 .0117573| 0 0
Test: Var(u) = 02(01) = 0.00
Prob>chibar2 = 1.0000
Модель со случайными эффектами лучше описывает
данные, чем сквозная регрессия.
Приложение V.Тест Хаусмана на сравнение моделей
hausman re1 fe1
: the rank of the differenced variance matrix (4) does not
equal the numbercoefficients being tested (5); be sure this is what you expect,
ormay be problems computing the test. Examine the output of yourfor anything
unexpected and possibly consider scaling yourso that the coefficients are on a
similar scale.
---- Coefficients ----
| (b) (B) (b-B)
sqrt(diag(V_b-V_B))
| refe Difference S.E.
------------+----------------------------------------------------------------
FI | -.0751505 .0210403
-.0961908 .0187797
CPI | -.0957855 .2510611
-.3468466 .0200008_Growth | -.5623301 -.180587
-.381743 .03343| 1.78e-13 7.79e-14 9.99e-14 1.06e-13|
-.0003686 -.0010338 .0006651 .0008087
-----------------------------------------------------------------------------
b = consistent under Ho and Ha;
obtained from xtreg
B = inconsistent under Ha, efficient under Ho;
obtained from xtreg
Test: Ho: difference in coefficients not systematic
(4) = (b-B)'[(V_b-V_B)^(-1)](b-B)
= 52.26>chi2 = 0.0000
(V_b-V_B is not positive definite)
Модель с фиксированными эффектами лучше
описывает данные, чем модель со случайными эффектами.
ПриложениеVI.
МодельАрелано-Бонда
Arellano-Bond dynamic panel-data estimation Number of
obs = 39variable: country Number of
groups = 3variable: timeper group: min = 13=
13= 13
of instruments = 40 Wald chi2(2)
= 86.15> chi2 = 0.0000step results
(Std. Err. adjusted for
clustering on country)
-----------------------------------------------------------------------------
| Robusty | Coef. Std.
Err. z P>|z| [95% Conf. Interval]
------------+----------------------------------------------------------------
Yield10y |
L1. | .6167631 .0948605 6.50 0.000
.4308399 .8026862
FI |
--. | .0594093 .0162899 3.65 0.000
.0274817 .0913369
L2. | .0174858 .0188781 0.93 0.354 -.0195146
.0544863
|
CPI | .1311429 .0327149 4.01 0.000
.0670228 .1952629
|_Growth |
--. | -.1788672 .0381301 -4.69 0.000
-.2536009 -.1041336
L1. | .1684286 .0498787 3.38 0.001
.0706681 .2661891
||
L1. | -2.86e-13 9.19e-14 -3.11 0.002
-4.66e-13 -1.06e-13
|
CBRate| -.0006605 .0001426 -4.63 0.000
-.0009399 -.0003811
_cons | .015347 .0067185 2.28 0.022
.0021789 .0285151
-----------------------------------------------------------------------------for
differenced equation
GMM-type: L(2/.).Yield10y
Standard: D.FI L2D.FI D.CPI
D.GDP_GrowthLD.GDP_GrowthLD.GDeficit.CBRate L.CPI L.GDP_GrowthGDeficit FIfor
level equation
Standard: _cons
Тест Саргана на валидность инструментов
Sargan test of overidentifying restrictions
H0: overidentifying restrictions are valid
(31) = 32.23319>chi2 = 0.4055
Похожие работы на - Влияние структуры инвесторов на ценообразование государственных облигаций развивающихся стран
|