CC BY
17УДК: 330:338.2
ОЦЕНКА И ПРОГНОЗИРОВАНИЕ ЦЕН АКЦИЙ ПАО ПИК В РОССИИ ПОД ВЛИЯНИЕМ ФАКТОРОВ
Князев К.Д., студент Финансовый университет при Правительстве Российской Федерации, Москва
e-mail: 205750@edu.fa.ru Невежин В. П., к.т.н., профессор - научный руководитель Финансовый университет при Правительстве Российской Федерации, Москва
e-mail: vpnevezhin@fa.ru
Аннотация. Данная статья посвящена исследованию факторов, влияющих на цены акций компании ПИК на российском рынке. В работе проводится анализ технических факторов, которые могут влиять на изменения цен на акции компании. Недвижимость — одна из самый больших статей расходов среднестатистического человека как в России, так и во всем мире, также она является одной из самый спорных, именно поэтому проведение экономического анализа по выявления наиболее влияющих на цены недвижимости факторов становится сейчас наиболее актуальным. С этой целью были использованы эконометрические методы для их количественного определения, а именно в ходе исследования автором проводятся различные тесты, например: тест Дарбина-Уотсона, тест Голдфелда-Квандта, F-тест, t-тест, также проверка на мультиколлинеарность и корреляционный анализ. Результаты исследования позволяют сделать выводы о том, какие факторы оказывают наибольшее влияние на изменение цен на акции ПИК, а также о том, как эти факторы взаимодействуют между собой. Полученные результаты могут быть полезными для инвесторов и трейдеров, которые интересуются инвестиционной привлекательностью компании ПИК и желают принимать обоснованные инвестиционные решения.
Ключевые слова: Недвижимость, эконометрическая модель, волатильность цен, ПИК, Компания ПИК, ипотека, корреляционный анализ, мультиколлинеарность, гетероскедастичность.
STIMATION AND FORECASTING OF THE SHARE PRICES OF PJSC PIK IN RUSSIA UNDER THE INFLUENCE OF FACTORS
Knyazev K.D., student Financial University under the Government of the Russian Federation, Moscow
e-mail: 205750@edu.fa.ru
Nevezhin V. P., Candidate of technical sciences, professor - scientific adviser Financial University under the Government of the Russian Federation, Moscow
e-mail: vpnevezhin@fa.ru
Abstract. This article is devoted to the study offactors affecting the prices of PIK shares on the Russian market. The paper analyzes the technical factors that can influence changes in the company's stock prices. Real estate is one of the biggest items of expenditure of the average person both in Russia and around the world, it is also one of the most controversial, which is why conducting an economic analysis to identify the factors that most affect real estate prices is becoming the most relevant now. For this purpose, econometric methods were used to quantify them, namely, during the study, the author conducts various tests, for example: Darbin-Watson test, Goldfeld-Quandt test, F-test, t-test, also multicollinearity test and correlation analysis. The results of the study allow us to draw conclusions about which factors have the greatest impact on the change in the prices of PIK shares, as well as how these factors interact with each other. The results obtained can be useful for investors and traders who are interested in the investment attractiveness of PIK and want to make informed investment decisions.
Keywords: Real estate, econometric model, standard of living, price volatility, PIK group, PIK company, mortgage, correlation analysis, multicollinearity, heteroscedasticity.
ВВЕДЕНИЕ рынок недвижимости прошел несколько этапов
Рынок недвижимости является одним из развития. Одним из факторов, влияющих на самых важных секторов экономики России. Этот рынок недвижимости является инфляция, так как сегмент не только обеспечивает жильем повышение цен на продукты питания, а также на население страны, но и является важной материалы и услуги, необходимые для составляющей экономического роста строительства, могут повысить цены на
национального бюджета. В последние годы недвижимость и снизить спрос на новые жилье.
Также рынок недвижимости в России сильно
зависит от ситуации в экономике в целом. Если экономический кризис, то цены на недвижимость могут снижаться, а спрос на жилье - ослабевать. Наконец, рынок недвижимости является источником дохода для многих граждан России. Многие вкладывают свои сбережения в недвижимость в надежде на получение выгоды в виде арендной платы или прибыли от продажи в будущем. Таким образом, рынок недвижимости оставляет значительный след в экономической деятельности России и является одним из ключевых секторов страны.
В нынешних реалиях покупка квартиры является насущным вопросом почти для каждого совершеннолетнего человека из этого факта вытекает актуальность моего исследования, так как компания ПИК в свою очередь является крупнейшей в России компанией в сфере недвижимости, значительно превосходящая конкурентов по объему текущего строительства и ввода жилья. У анализируемой компании хорошее соотношение цена — качество, которое безусловно зависит от их положений на рынке, таким образом, своим исследованием, я хочу выяснить, какие внешние факторы могут в большей мере повлиять на волатильность котировок акций данной компании и донести это как до покупателей жилья, чтоб они могли спланировать свой бюджет и примерно рассчитать сумму своих будущих издержек, так и до государства, чтоб оно задумалось о регулировании льготной ипотеки, так как цены на
Таблица 1. Исходные д
недвижимость с каждым годом неумолимо растут, а возможность ее покупать — нет.
АНАЛИЗ ЭКОНОМЕТРИЧЕСКОЙ МОДЕЛИ
В данной дестабилизирующей для экономики страны ситуации нашему государству важно предоставить наиболее благоприятные условия для покупателей недвижимости, дабы поддержать строительные отрасли, сейчас разберемся какие факторы, помимо ввода льготной ипотеки могут позитивно влиять на эту ситуацию.
Данное исследование было направлено на оценку устойчивости Компании ПИК в нынешних санкционных реалиях и определение перспективы изменения на рынке долевых ценных бумаг. Поэтому, в исследовании предстояло выяснить, какие из перечисленных факторов оказывают наибольшее влияние в сфере волатильности котировок акций.
В качестве объясняющих факторов были выбрано 6 наиболее значимых, на наш взгляд, фактора:
Х1 - средневзвешенная ставка по ипотечным кредитам в России, %;
Х2 - индекс Московской Биржи;
Х3 - валютная пара евро/доллар;
Х4 - количество выданных ипотечных кредитов в месяц, тыс. штук;
Х5 - уровень инфляции;
Х6 - фьючерс на медь.
[ые для эконометрической модели
№ Месяц У Х1 Х2 Х3 Х4 Х5 Х6
1 Декабрь 611,60 7,56 2043,71 0,986 137 13.67 3,4293
2 Октябрь 558,70 8,42 1957,31 0,9799 122 14.30 3,4125
3 Сентябрь 765,80 8,68 2400,08 1,0057 92 15.09 3,5190
4 Август 771,00 8,73 2213,81 1,0218 65 15.90 3,5750
5 Июль 730,10 8,85 2204,85 1,0482 37 17.11 3,7100
6 Июнь 542,90 9,05 2355,75 1,0733 49 17.83 4,2990
• ♦ ♦
30 Май 383,90 9,79 2734,83 1,1098 97 3.10 2,4345
На основании выбранных факторов, была специфицирована следующая множественная линейная эконометрическая модель:
у = а,0 + а\Х\ + агХг + аэХэ + 04X4+05X5 + авХв + и
В ходе анализа множественной регрессии
была проведена одна из важнейших проверок в ходе которой факторы, которые ее не прошли, должны быть немедленно исключены, так как в противном случае это может привести к неверному общему результату исследования (Невежин, 2023). Речь идет о проверке на
мультиколлинеарность объясняющих
переменных на основе VIF (фактора инфляции дисперсии)
Результат данной проверки показал, что у всех переменных значение меньше 10, исходя из этого можно смело заявить, что в линейной множественной модели мы оставляем переменные все переменные: Х1, X2, Х3, X4, X5, Х6.
Далее был рассчитан коэффициент корреляции (Табл. 2), показывающий зависимость каждого фактора с результативным показателем, дабы произвести анализ вектора и матрицы коэффициентов корреляции.
Таблица 2. Коэффициенты корреляции
0,5444
Ro 0,7967
0,2806
0,2807
-0,0493
0,6266
На основе Таблицы 2 мы составили матрицу, а также рассчитали критические значения (гкрит=0,462; Fкрит=3,35). Полученное значение Гкрит впоследствии сравнили с Я и выяснили, что согласно данного метода в качестве основных показателей (значащих факторов), влияющие на волатильность котировок акций Компании ПИК, выбираются: Х1 - средневзвешенная ставка по ипотечным кредитам в России, %, Х2 - индекс Московской Биржи; Х6 - фьючерс на медь.
Из этого следует, что для эконометрической модели набор
существующих показателей множественной линейной регрессии существенен (Невежин, 2023), как итог в дальнейшем они могут использоваться для анализа в качестве объясняющих переменных.
Конечная эконометрическая модель будет иметь вид:
у = а0 + а1х1 + а2х2 + а6х6 + и Для проверки полученной регрессия на статистическую значимость был проведен F-тест, по результатам которого ^мод(35,47) > Fкрит(3,35).) мы делаем вывод, что полученная множественная линейная регрессия
статистически значима.
Безусловно еще одна проверка является неотъемлемой в данном анализе - проверка параметров на качество и адекватность. Это можно определить через определение нижних и верхних границ (Табл. 3).
Таблица 3. Верхние и нижние границы параметров
Aa0 384,51 a0- -1044,21 a0+ -275,19
Aa2 0,10 a2- 0,18 a2+ 0,38
Aa6 104,00 a6- 45,90 a6+ 253,89
Эти параметры следует признать адекватными, так как при сравнении значений ai с вычисленными для них интервалами видно, что интервалы для параметров не переходят через значение ноль. [10, С. 146].
Также, неотъемлемой частью исследования выступает проверка регрессионной модели на отсутствие автокорреляции остатков, другими словами, отсутствие связи у случайных отклонений от отклонений во всех остальных наблюдениях, дабы считать ее качественной. В этом нам может помочь тест Дарбина-Уотсона. Можно сказать, что наличие данного свойства является гарантом того, что корреляция между отклонениями соседних факторов отсутствует. [9, С. 266-270]
Сначала значение статистики Дарбина-Уотсона (Э^ попала в интервал от 0 до 1,07(ёь), что свидетельствовало нам о присутствии автокорреляции случайны возмущений, но благодаря процедуре Кохрана-Оркатта данную проблему удалось устранить и в дальнейшем DW попало в интервал от 1,34^и) до 2,66 (4-ёи), что в свою очередь указывает на отсутствие автокорреляции случайных возмущений. Случайные остатки рассматриваемой модели независимые, так как Cov(Ui,Uj) = 0.
Очередным этапом анализа был тест Голдфелда-Квандта (GQ), который показал, что остатки множественной регрессионной модели гомоскедастичны. GQ (1,577) < Fкрит (3,787) и GQ-1 (0,634) < FKриT (3,787)
Для подтверждения вышесказанного проведем визуальный анализ (рис 1.)
400 200
*
й 0 и
о
-200 -400
Переменная XI График остатков
>
♦ ♦
10
Переменная X 1
12
400 200
*
¡¡5 0
и
О
-200 -400
Переменная XI График остатков
.1 И 1 .1 1 1
.....1111 & & $ «ь* О)," О)! II 0)1 0>ч 3" А 111 ■ 111 су
Переменная X 1
Переменная X2 График остатков
400 200
*
й 0 и
О
-200 -400
^ ♦
-1-1-1-1-^ ж I-♦-^г I-1
500,00 1 000,001 500,002 000,002 500,003 000,003 500,004 000,004 500,00
Переменная X 2
400 200
*
й 0 и
° л -200
г
-400
Переменная X2 График остатков
лК Л^ ^ & ¿У ^ ¿г & 1Р ¿У Л?
V .V ЯГ <Ь "Г V «о5 «5° Л
V 1 V V ?> Ь ?) ?> V V -Ъ г V V
Переменная X 2
0
8
Переменная Х3 График остатков
0
и
О
-400
♦♦♦ ♦ ♦
♦ ♦
1,000 ♦ 2,000 3,000 ♦ 4,000 5,000 ♦ ♦
Переменная X 3
Переменная Х3 График остатков
400
-400
Переменная Х 3
Рис. 1. Графики (диаграммы и гистограммы) о гомоскедастичности остатков множественной регрессионной
модели
Исходя из визуального анализа становится понятно, что мы не ошиблись, на графиках нет каких-либо отклонений, что свидетельствует о гомоскедастичности.
Тем самым подтверждается статистическая гипотеза о равенстве дисперсий случайных остатков в наблюдаемых уравнениях Н0: Уаг(щ) = Уаг(и2).
Предпоследним этапом нашего анализа послужит расчет средней ошибки аппроксимации, чтобы подтвердить адекватность регрессионной модели. Нормативное значение данного показателя колеблется от 15 до 20 процентов, в нашем случае он составил 15,7%, что входит в норматив, а посему и подтверждает, что в среднем оцененные значения объясняемой переменной отклоняются от фактических на 15,7%, что является допустимым значением.
Завершающая проверка на адекватность нужна для более полного анализа и
используем для этого контролирующую выборку (Табл. 4.)
Таблица 4. Показатели оценённого показателя у, ^рит, верхней и нижней границы
ЛУ29=у0 150,05
луз0=у1 195,81
Ырит 2,060
УЛ29 - -60,29
УЛ29+ 360,40
Ул30 - -19,63
Улзо+ 411,25
Исходя из таблицы 5, можно сделать вывод, что полученная модель адекватна и ее можно применять для последующих расчетов значений у, так как значение у29 = 150,05 попадает в интервал [-60,29; 360,40], а значение у30=195,81 попадает в интервал [-19,63; 411,25].
3. ЗАКЛЮЧЕНИЕ
В ходе проведенного исследования были проанализированы факторы, влияющие на волатильность котировок Компании ПИК,
которая является ведущей на рынке в своей отрасли. Все произведенные тесты и проверки позволили определить и построить адекватную и качественную множественную регрессионную модель.
Корреляционный анализ показал, что наиболее статистически значимыми для модели являются такие факторы, как средневзвешенная ставка по ипотечным кредитам в России, %, индекс Московской Биржи и фьючерс на медь.
Однако наиболее тесная связь относительно волатильности котировок акций Компании ПИК (фактор Y) выявлена у фьючерса на медь (фактор Хб).
Из этого следует, что главной задачей в стабилизации ситуации в отрасли строительства для государства это различного рода субсидирование, связанное с закупкой медных кабелей, что в свою очередь может поспособствовать к снижению цен на недвижимость.
Результаты данного исследования могут быть применены для определения социальной политики государства, а также для формирования программ государственной поддержки организаций, тесно связанных со строительной промышленностью. Также, это безусловно будет полезной информацией для инвесторов и трейдеров, которые желают принимать взвешенные и обоснованные решения.
Список используемых источников
[1] Валютная пара евро к доллару [Электронный ресурс]. URL:
https://ru.investing.com/currencies/eur-usd (дата
обращения 27.12.2022)
[2] Индекс Московской Биржи [Электронный ресурс]. URL: https://ruinvestingcom/indices/mcx (дата обращения 27.12.2022)
[3] Количество выданных ипотечных кредитов в месяц, тыс. штук [Электронный ресурс]. URL: https://frankrg.com/data-
hub/category/mortgage/chart/29460 (дата обращения 27.12.2022)
[4] Невежин, В. П. Практическая эконометрика в кейсах: учебное пособие / В.П. Невежин, Ю.В. Невежин. — Москва: ФОРУМ: ИНФРА-М, 2023.
— 317 с. + Доп. материалы [Электронный ресурс].
— (Высшее образование: Бакалавриат). — DOI 10.12737/20052. - ISBN 978-5-8199-0742-9. - Текст: электронный. - URL: https ://znanium. com/catalog/product/1894387
[5] Средневзвешенная ставка по ипотечным кредитам в России, % [Электронный ресурс]. URL: https://frankrg.com/data-
hub/category/mortgage/chart/29497; (дата
обращения 27.12.2022)
[6] Уровень инфляции [Электронный ресурс]. URL: https://уровень-инфляции.рф/таблицы-инфляции (дата обращения 27.12.2022)
[7] Фьючерс на медь [Электронный ресурс]. URL: https://ru.investing.com/commodities/copper-historical-data (дата обращения 27.12.2022)
[8] Цена акций группы ПИК [Электронный ресурс]. URL: https://ruinvestingcom/equities/pik_rts-historical-data (дата обращения 27.12.2022)
[9] Bogomolov A.I., Nevezhin V.P., Chagovets L.O. Using Econometric Modeling in Likelihood Assessing of Investment Activity Risks // 2018 IEEE First International Conference on System Analysis & Intelligent Computing (SAIC). IEEE, 08-12 October 2018, p. 266-270.
[10] Bogomolov A.I., Nevezhin V.P., Zvyagintseva E.P. Random Event and Probability in Mathematical Modeling of Economic Processes // Proceedings, International Scientific Conference "Far East Con" (ISCFEC 2018), Part of series: Advances in Economics, Business and Management Research, Publication Date, January 2019, p. 146.
V V
