Факторы, определяющие ликвидность облигаций: анализ российского рынка Текст научной статьи по специальности «Экономика и бизнес»

ФАКТОРЫ, ОПРЕДЕЛЯЮЩИЕ ЛИКВИДНОСТЬ ОБЛИГАЦИЙ: АНАЛИЗ РОССИЙСКОГО РЫНКА

Аннотация. В данной работе изучается объем торгов и ликвидность корпоративных облигаций российских эмитентов по данным 95 облигаций за период с июня 2012 г. по ноябрь 2014 г. Наши данные позволяют изучить влияние характеристик эмитента и рынка на ликвидность соответствующих облигаций, а также проверить результаты предыдущих авторов (Edith Hotchkiss с соавт., 2002; Alexander, 2000) для российского рынка.

Ключевые слова. Рынок облигаций, ликвидность облигаций, тобит модель, анализ панельных данных.

Belov A.S.

FACTORS DETERMINING THE LIQUIDITY OF BONDS: ANALYSIS OF THE RUSSIAN MARKET

Abstract. In this paper I study the trading volume and liquidity of corporate bonds of Russian companies according to 95 bonds for the period from June 2012 to November 2014. Our data allow us to examine the impact of the various characteristics of the issuer and the market on liquidity of the respective bonds and also check the results of previous authors (Edith Hotchkiss et al., 2002; Alexander, 2000) for the Russian market.

Keywords. Bonds market, liquidity of bonds, tobit-model, panel data analysis.

Ликвидность - одна из трех ключевых характеристик любого финансового актива, в том числе облигации. O'Hara (1995) определяет ликвидность как способность торговаться быстро с низкими издержками [16]. Неверная оценка ликвидности приобретаемого актива может привести к дополнительным издержкам в будущем или значительно повысить риск по сделке. В связи с этим, участники финансовых рынков и ученые постоянно пытаются определить факторы, оказывающие ключевое влияние на ликвидность финансовых инструментов.

На самом деле, вопрос изучения ликвидности начинается не с определения факторов, а с определения показателя ликвидности. В работах Sarig и Warga (1989), Blume и соавт. (1991), Crabbe и Turner (1995) в качестве прокси ликвидности бумаг использовался спрэд доходности или объем эмиссии [17; 2; 6]. Но недостаток данных не дает никакой возможности определить прямое влияние размера эмиссии на ликвидность облигаций. В работах Stoll (1989), Ho и Stoll (1981) утверждается, что ликвидность зависит от стоимости бумаг у дилера [20; 10]. Кроме того низкая ликвидность вызывает следующие последствия: высокий bid-ask спрэд и низкий объем торгов. Но высокое значение спрэда может следовать не только из показателя ликвидности, а также быть компенсацией дилеру за иные риски и расходы. Кроме того, Kamara (1994) высказывался о том, что существует риск неблагоприятного изменения цены в период проведения сделки [14]. Он напрямую зависит и от ликвидности и времени проведения сделки. Следовательно, высокий объем торгов снижает риск неблагоприятного изменения цены и времени сделки.

ГРНТИ 06.73.35 © Белов А.С., 2016

Антон Сергеевич Белов - аспирант кафедры финансовых рынков и финансового менеджмента НИУ ВШЭ (г. Санкт-Петербург).

Контактные данные для связи с автором: 196634, Санкт-Петербург, пос. Шушары, Колпинское шоссе, 34, 1, 274 (Russia, St. Petersburg, Shushary, Kolpinskoe sh., 34, 1, 274). Тел.: 8 (981) 804 05 18. E-mail: abelov@eu.spb.ru.

У объема торгов, как показателя ликвидности, существует определенная критика. Во-первых, Madhavan и Cheng (1997) утверждают, что объем крупных сделок лучше, чем общий объем торгов, позволяет рассчитывать ликвидность актива [15]. Но, как показывают некоторые расчеты, корреляция между объемом торгов по крупным, средним, мелким сделкам и общему объему торгов близка к единице [13]. Во-вторых, если еще раз посмотреть на определение ликвидности O'Hara, которое мы берем за основу, то мы увидим, что объем торгов не совсем соответствует этому определению. Объем торгов не включает в себя расходы, которые несут участники сделки. В-третьих, некоторые авторы считают, что изменению ликвидности способствует не изменение объема торгов, а спекулятивные соображения участников рынка, которые рождаются из различного восприятии новостей этого рынка [9]. Чтобы учесть спекулятивные влияния на ликвидность в расчетах, в состав переменных нами включен кредитный риск и изменение доходности по рыночным показателям, что соответствует результатам Hotchkiss и соавт. (2002).

В качестве анализируемых данных были взяты недельные данные, где зависимой переменной будет являться объем торгов за неделю по отношению к сумме эмиссии. Так как часто торги за неделю не проводились ни разу по конкретной облигации, то выборка имеет множество нулей. Поэтому пришлось рассчитать тобит модель, которая объясняет изменения в еженедельных объемах торгов. Также автор рассчитал предельные эффекты по различным переменным, которые покажут размер влияния факторов на изменение ликвидности. Не все факторы, которые оказывают существенное влияние на облигации зарубежных эмитентов и описаны в статьях иностранных авторов, оказались значимы в рамках российского рынка.

В модели использованы следующие параметры:

• размер эмиссии. Объем активов должен иметь значимое положительное влияние на ликвидность облигаций, так как дилер при большом объеме эмиссии несет меньшие затраты на управление таким объемом активов [10; 20];

• возраст облигаций. Warga (1992) утверждает, что чем дольше облигации обращаются на рынке, тем большее их количество оседает в пассивных портфелях и не обращается на рынке [21]. Следовательно, показатель ликвидности должен снижаться. Эти предположения уже не раз были подтверждены в различных исследованиях [11; 17; 18; 21];

• кредитный риск. На первый взгляд, кажется, что большая ликвидность свойственна безрисковым облигациям, но это не так. Облигации с большим кредитным риском больше подвержены спекуляциям, а, следовательно, по ним чаще происходят сделки. В исследовании Alexander (2000) было обнаружено, что увеличение риска по высокодоходным облигациям ведет к увеличению их ликвидности [1];

• волатильность облигаций. Harris и Raviv (1993) выдвинули гипотезу о том, что объем торгов облигациями положительно зависит от скачков доходности по ним, так как волатильность рождает спекуляцию, откуда и происходит увеличение объема торгов [9]. Однако, Hotchkiss и соавт. (2002) выявили, что торговля облигациями снижается при увеличении волатильности [13];

• наличие акций в публичном обращении. В нашей выборке есть два типа компаний: те, акции которых прошли листинг и торгуются в открытом доступе, и те, акции которых отсутствуют на публичном рынке. Как следствие, инвесторы имеют гораздо больше информации о первом типе компаний, чем о втором. Поэтому можно предположить, что объем торгов облигациями компаний первого типа будет выше, так как у инвесторов будет меньше издержек неблагоприятного отбора [13];

• состояние фондового рынка. Шоки на фондовом рынке должны подвигать инвесторов на переформирование своего инвестиционного портфеля. В результате объем торгов облигациями должен возрастать. Но по этому поводу в литературе есть два противоположных мнения: Gallant и соавт. (1992) наблюдали положительную корреляцию между волатильность рынка и ликвидностью облигаций [8]. Chordia и соавт. (2000), Engle и Lange (1997) придерживаются иной точки зрения [4; 7];

• встроенные в облигации опции. В некоторых облигациях предусмотрены такие опции, как право досрочного гашения (putable) и право досрочного выкупа (callable). Первая опция защищает инвестора, так как дает возможность погасить облигацию в определенный(-е) момент(-ы) времени по оговоренной в проспекте эмиссии цене. Вторая - эмитента, так как дает право выкупить облигацию по аналогичным условиям. Такие опции должны увеличивать ликвидность облигаций, так как

в первом случае снижается цена на облигации, а во втором снижается риск от неблагоприятного движения ключевой ставки; • сфера деятельности. Данный фактор добавлен из соображений того, что торговля облигациями компаний из различных сфер может различаться.

В своем исследовании мы использовали данные по 95 облигациям 33 российских эмитентов за период с 20 июня 2013 года по 22 ноября 2015 года. Для дневных данных по всей выборке существует ряд проблем: во-первых, торги по облигациям проводятся крайне нерегулярно, поэтому количество нулей составляло порядка 80%; во-вторых, в выборку вошли выходные и праздничные дни, что создает немало проблем при расчете доходностей (в том числе не учитывается gap). Для решения данных проблем дневные данные были агрегированы в недельные.

Большая часть данных была взята из базы Bloomberg. К ним относятся все данные по облигациям, акциям и их эмитентам. Данные по рыночным индексам ММВБ и РТС были взяты из базы данных Московской Биржи. Возраст облигаций в годах AgeBond рассчитывался исходя из даты эмиссии облигации следующим образом:

. D . _ (дата на день расчета—дата эмиссии)

9е оп = 365 .

Переменной BondVal был обозначен объем торгов облигациями за неделю относительно размера эмиссии. Считается этот параметр следующим образом:

J-. ,,, , Объем торгов за неделю

BondVal =-.

Сумма эмиссии

Кроме того, были использованы следующие параметры: AmOutst -размер эмиссии облигаций в рублях; BondRet - недельная доходность облигаций в процентах за неделю (в уравнении регрессии используются абсолютные значения BondRet, так как нас интересовало не движение цены облигации, а ее волатильность); Callable - логическая переменная (если Callable = 1, то эмитент имеет право при оговоренных условиях отозвать облигацию); Putable - логическая переменная (если Putable = 1, то инвестор имеет право при оговоренных условиях продать облигацию эмитенту); RTS - недельная доходность индекса РТС (RTSI); MICEXind - недельная доходность индекса ММВБ (MICEX).MICEX фондовый индекс, основной индикатор российского фондового рынка.

Расчет RTSI и MICEX производится на основе 50 ликвидных акций крупнейших и динамично развивающихся российских эмитентов, виды экономической деятельности которых относятся к основным секторам экономики, представленным в ЗАО «Фондовая биржа ММВБ». Они имеют единую базу расчета, но MICEX рассчитывается в рублях, а RTSI - в долларах США. Доходности всех индексов включены в регрессионное уравнение в абсолютном значении и отражают волатильность фондового рынка.

Обозначение Rating в модели - это значение кредитного рейтинга для облигаций, которое отражает кредитный риск по ним; значения кредитного рейтинга присвоены компанией S&P. Maturity - это количество лет, оставшееся до погашения облигации. Чем выше значение данной переменной, тем выше риск изменения доходности из-за изменения процентной ставки. EqRet - недельная доходность акций компании-эмитента. В уравнение она включена также в абсолютном выражении. Eq - логическая переменная (Eq = 1, если компания имеет акции в публичном обращении).

В отличие от рынка акций, на рынке облигаций торги происходят нерегулярно. Поэтому в нашей выборке наблюдается 27% нулей. То есть в 27% случаев за неделю не было продано ни одной облигации. Следовательно, зависимая переменная является цензурированной слева и большое количество наблюдений равно нулю. Оценки с применением метода наименьших квадратов для моделей с цензурированием в общем случае несостоятельны. Поэтому было решено использовать Тобит модель. Модель имеет следующий вид:

У*н = ß*it + vitvit = Щ + £it,

Ун = У It if У it > 0 , Ун = 0 if y*t< 0 ,

где y - зависимая переменная (матрица ixj для каждого момента времени t); X - набор независимых переменных, каждая из которых имеет размерность аналогично y; u, - случайный индивидуальный эффект; £it - остаточное возмущение; ß - набор коэффициентов.

Мы вводим случайный индивидуальный эффект, так как облигации могут сильно отличаться ненаблюдаемыми свойствами, такими как уровень квалификации дилера, размещающего облигации на рынке, способ размещения (с полным выкупом, частичным или без принятия дилером ответственности за результаты размещения) и т.д. Для оценки модели используется метод максимального правдоподобия. Оценки этого метода состоятельны, асимптотически эффективны и асимптотически нормальны. Функция правдоподобия имеет вид:

= nyit=0 ф nyit>0 V

где Ф - функция стандартного нормального распределения, ф - функция плотности стандартного нормального распределения.

Полученные оценки позволяют судить о значимости тех или иных факторов, а также положительной или отрицательной зависимости между зависимой и независимой переменной. Однако не позволяют определить величину влияния фактора на зависимую переменную. Для данных целей будет рассчитан средний предельный эффект. Полученные коэффициенты позволят сказать намного больше о влиянии переменных на ликвидность облигаций и позволят определить влияние на вероятность того, что торги произойдут. Также были проведены расчеты LRT-теста, который проверяет, отличается ли результат линейной регрессии от результата панельных данных.

В нашей работе представлено две спецификации модели: в одну включены все возможные факторы, во вторую лишь те, которые оказались значимы. Из первой модели были исключены следующие факторы: размер эмиссии, сфера деятельности фирмы, количество лет до погашения, а также индекс ММВБ. Трудно объяснить такие результаты, так как теоретически они должны быть значимы, и даже были значимы в исследованиях, на которые автор ссылался выше и на которых строил собственную методику анализа.

Был проведен LRT-тест на сравнение Тобит модели со случайным эффектом для панельных данных и для pool модели. Нулевая гипотеза теста состоит в том, что модель панельных данных ничем не отличается от pool, и проверяет, являются ли индивидуальные эффекты незначимыми. Для всех построенных моделей нулевая гипотеза о равенстве индивидуальных эффектов нулю отвергается, что говорит о наличии и значимости таких эффектов.

Индекс ММВБ не имеет сильного влияния, так как облигация - это классический инструмент консервативной стратегии и защиты от движения рынка. Если учесть, что волатильность российского фондового рынка всегда достаточно высока и что выбор облигаций с высоким кредитным рейтингом невелик, то можно предположить, что объем облигаций в крупных инвестиционных портфелях остается стабильным и редко пересматривается. Остальное же трудно объяснить чем-то, кроме специфики рынка.

Если говорить о значимых переменных, то в их список вошли: возраст облигации, опции Putable и Callable, кредитный рейтинг, логическая переменная Eq (торгуются/не торгуются акции на открытом рынке), волатильности облигации и индекса RTS. Таким образом, получены следующие результаты:

• AgeBond. Возраст облигации, как и предполагалось выше, имеет существенное отрицательное влияние на объем торгов. Это подтверждает гипотезу о том, что часть облигаций с течением времени все больше оседает в неактивных портфелях. Если говорить о предельных эффектах, то можно говорить о том, что с каждым годом объем торгов снижается в среднем на 22%, а вероятность того, что торги произойдут, - на 6,7%;

• Callable. Включение в облигацию права на досрочный отзыв со стороны эмитента, как и предполагалось, увеличивает объем торгов. Если такая опция предусмотрена, то объем торгов возрастает на 47%, а вероятность торгов - на 14%;

• Putable. Аналогичное влияние имеет и опция на досрочное гашение. Если такая опция включена в проспект эмиссии, то объем торгов в среднем по данной облигации должен увеличиться на 34%, а вероятность торгов - на 10%;

• Rating. Кредитный рейтинг также подтвердил теоретические предпосылки, описанные выше. Рейтинг имеет значительное негативное влияние на ликвидность облигации. При увеличении рейтинга объем торговли по облигациям снижается на 9,7%, а вероятность торгов - на 2,9%;

• Eq. Результат по данной переменной соответствует выдвинутой гипотезе о том, что инвесторы с большей охотой осуществляют сделки с компаниями, чьи акции представлены на бирже. Лис-

тинг акций компании существенно увеличивает ликвидность ее облигаций, а именно увеличивает объем торгов на 24,5% и вероятность - на 7,4%;

• AbsBRet. Волатильность цен на облигации компании, согласно нашим предположениям, должна стимулировать торговлю по ним и увеличивать объем торгов. Но существуют исследования, согласно которым это правило не выполняется [13]. В нашем случае, для российского рынка гипотеза не была отвергнута. Волатильность облигаций имеет существенное влияние на их ликвидность. Изменение доходности на 1% приводит к увеличению объемов торгов на 8,4%, а вероятности - на 2,5%;

• AbsRTS. Согласно нашим предположениям, шоки на рынке способствуют увеличению торговли облигациями. Наша гипотеза не нашла своего подтверждения в результатах модели. Согласно расчетам, волатильность индекса RTS имеет существенное отрицательное воздействие на объем торгов. При изменении доходности индекса на 1%, объем торгов снижается на 1,3%, при этом вероятность того, что за неделю будет продана хотя бы одна облигация, снизится на 0,4%. Данные результаты были получены не только в рамках авторского исследования, но также Hotchkiss, Warga, Jostova (2002), Chordia, Roll, Subrahmanyam (2000), Engle и Lange (1997). Такой результат может быть связан с тем, что при увеличении волатильности рынка инвесторы стараются удержать облигации, как актив с гарантированной доходностью, и переждать таким образом «бурю». Необходимо отметить, что существенным оказался индекс, выраженный в долларовом эквиваленте. Автор полагает, что это связано в большей степени с тем, что инвесторы на российском рынке зачастую являются нерезидентами, а резиденты привыкли учитывать в своих решениях курс валюты. Таким образом, в данном исследовании сделана попытка представить репрезентативные результаты по факторам, влияющим на торговлю и ликвидность корпоративных облигаций. Работа основана на выборке из 95 облигаций 33 компаний за период с 20 июня 2013 года по 22 ноября 2015 года, причем агрегированной по неделям со среды до среды. Анализ показал, что в 27% случаев торги по облигациям не проводятся ни разу за всю неделю. В противном случае средний объем сделок за неделю составляет всего лишь 2% от суммы эмиссии.

Построив тобит модель для цензурированной переменной, автор выяснил, что инвесторы больше склоны торговать облигациями компаний, чьи акции прошли листинг на бирже и имеют дополнительные опции, такие как callable и putable. К тому же, росту объема торгов способствует увеличение волатильности облигаций и их кредитного риска. С другой стороны, инвесторы снижает свою активность на российском рынке облигаций при увеличении волатильности индекса RTS. Также следует отметить, что чем дольше облигации обращаются на рынке, тем меньше объем сделок по ним.

Установленные в данном исследовании закономерности влияния различных факторов на торговлю облигациями имеют, по мнению автора, важное практическое значение. Для фондов, эмитирующих индексы неликвидных облигаций, анализ ликвидности имеет огромное значение для отслеживания точности и издержек. Для фондов с активной стратегией большое значение имеет информация по ликвидным облигациям для проведения оперативных и обоснованных сделок. Также это важно для организаторов торгов, которые могут отслеживать эффективность существующих торговых систем и вносить в них необходимые изменения.

ЛИТЕРАТУРА

1. Alexander G., Edwards A., Ferri M. The determinants of the trading volume of high yield corporate bonds // Journal of Financial Markets. 2000. № 3. Р. 177-204.

2. Blume M., Keim D., Patel S. Returns and volatility of low-grade bonds 1977-1981 // Journal of Finance. 1991. № 46. Р. 49-74.

3. Chordia T., Roll R., Subrahmanyam A. Market liquidity and trading activity // Journal of Finance. 2001. № 56 (2). Р. 501-530.

4. Chordia T., Roll R., Subrahmanyam A. Commonality in liquidity // Journal of Financial Economics. 2000. № 56. Р. 3-28.

5. Chordia T., Subrahmanyam A., Anshuman R. Trading activity and expected stock returns // Journal of Financial Economics. 2001. № 59. Р. 3-32.

6. Crabbe L., Turner C. Does the Liquidity of a Debt Issue Increase with Its Size? Evidence from the Corporate Bond and Medium-Term Note Markets // Journal of Finance. 1995. № 50. Р. 1719-1734.

112

Eenoe A. C.

7. Engle R., Lange J. Measuring, forecasting, and explaining time-varying liquidity in the stock market / Working paper; University of California; San Diego; Department of Economics. 1997.

8. GallantR., Rossi P., Tauchen G. Stock prices and volume // Review of Financial Studies. 1992. № 5. P. 199-242.

9. HarrisM., RavivA. Differences of opinion make a horse race // Review of Financial studies. 1993. № 6. P. 473-506.

10. Ho T., Stoll H. Optimal dealer pricing under transactions and return uncertainty // Journal of Financial Economics. 1981. № 9. P. 47-73.

11. Hong G., Warga A. An empirical study of bond market transactions // Financial Analysts Journal. 2000. № 56 (2). P. 32-46.

12. Hotchkiss E., Ronen T. The informational efficiency of the corporate bond market: an intraday analysis / Working paper; Boston College and Rutgers University. 1999.

13. Hotchkiss E., Warga A., Jostova G. Determinants of Corporate Bond Trading: A Comprehensive Analysis. 2002.

14. Kamara A. Liquidity, taxes, and short-term treasury yields // Journal of Financial and Quantitative Analysis. 1994. № 29 (3). P. 403-417.

15. Madhavan A., Cheng M. In search of liquidity: block trades in the upstairs and downstairs markets // Review of Financial Studies. 1997. № 10 (1). P. 175-203.

16. O'HaraM. Market Microstructure Theory. Cambridge, MA: Blackwell Publishers, 1995.

17. Sarig O., Warga A. Bond price data and bond market liquidity // Journal of Financial and Quantitative Analysis. 1989. № 24. P. 367-378.

18. Schultz P. Corporate bond trading costs: A peak behind the curtain // Journal of Finance. 2001. № 56. P. 677-698.

19. Shane H. Comovements of low-grade debt and equity returns of highly leveraged firms // Journal of Fixed Income. 1994. № 3. P. 79-89.

20. Stoll H. Inferring the components of the bid-ask spread: Theory and empirical tests // Journal of Finance. 1989. № 44. P. 115-134.

21. Warga A. Bond returns, liquidity, and missing data // Journal of Financial and Quantitative Analysis. 1992. № 27 (4). P. 605-617.

22. Warga A. A fixed income data base: Manuscript / University of Houston, College of Business Administration. 1998.