CC BY
82Влияние санкций на детерминанты стоимости акций российских компаний
Галкин Андрей Сергеевич,
исследователь Центра прикладных финансовых исследований, кафедра финансов и кредита, МГУ имени М.В. Ломоносова, andregalkin1@gmail.com
Гуров Илья Николаевич,
к.э.н., кафедра финансов и кредита, МГУ имени М.В. Ломоносова, ingurov@mail.ru
Студников Сергей Сергеевич,
старший преподаватель, кафедра финансов и кредита, МГУ имени М.В. Ломоносова, serge.studnikov@gmail.com
Основная цель статьи - определить влияние санкций на детерминанты стоимости акций российских компаний. Исследование основывается на данных за 2012-2017 гг. по динамике доходностей 40 наиболее ликвидных акций российских компаний, а также по динамике значений индекса полной доходности ММВБ, кривой бескупонной доходности ОФЗ, цен на нефть и изменению ожиданий инвесторов относительно денежных потоков компаний. В статье показано, что даже с учетом падения цен на нефть, антироссийские санкции привели к статистически значимому изменению коэффициентов бета для большинства компаний, увеличению безрисковой ставки и премии за рыночный риск, а также снижению ожидаемых денежных потоков. В соответствии с моделью дисконтированных денежных потоков все эти факторы оказали влияние на изменение внутренней стоимости компаний.
Ключевые слова: санкции, оценка стоимости акций, внутренняя стоимость акций
Введение
Оказавшиеся под санкциями компании могут столкнуться со значительными трудностями финансового, коммерческого, технологического и репутационного характера, что окажет влияние на стоимость их акций. Начиная с апреля 2014 года антироссийские санкции перестали быть только лишь персональными (как это было, например, в случае списка Магнитского) и вышли на уровни компаний. В первую очередь страны-субъекты санкций (к ним относятся США, Канада, большинство стран Европы, Япония, Австралия и Новая Зеландия) были заинтересованы в ослаблении компаний с государственным участием. Экономические санкции на корпоративном уровне были направлены против нефтегазовых коопораций и их дочерних компаний, некоторых банков, а также государственных оборонных предприятий. Основные содержательные направления применяемых с 2014 года экономических санкций, затронувших российские компании, включают в себя запрещение экспорта в Россию оборудования и технологий нефтедобычи и нефтепереработки, запрет зарубежным инвесторам осуществления совместных проектов с российскими компаниями, ограничение доступа к внешним кредитам банков, а также арест и замораживание счетов лиц, связанных с управлением российскими компаниями.
Обзор литературы
В экономической литературе имеется большое количество научных работ [1], посвященных анализу влияния санкций на экономику в целом, темпы роста ВВП в среднесрочной и долгосрочной перспективе. Ряд авторов исследовали влияние санкций на состояние российской экономики с 2014 года по текущее время. В исследованиях были проведены количественные оценки влияния различных факторов (санкции, падение цен на нефть, ошибки в управлении экономикой) на снижение темпов роста российской экономики [2]. В ряде работ рассматривалось влияние санкций на отдельные рынки, в частности, было показано, что санкции не привели к нарушению устойчивости рынка труда и изменению его основных структурных и институциональных особенностей [3]. В то же время, в современной российской экономической литературе не представлено исследований влияния санкций на детерминанты стоимости компаний. Решению этой проблемы посвящено настоящее исследование.
Описание выборки и методики исследования
Исследование проводилось на основании данных по российским публичным компаниям за 2012-2017 гг. В выборку вошли 40 российских публичных компаний, сгруппированных в 10 отраслей (перечень компаний см. в Таблице 1). В отношении 11 компаний из представленной выборки были введены санкции, еще в от-
X X
о
го А с.
X
го т
о
2 О
м о
ношении 10 компаний появлялись слухи о введении санкций (но санкции введены не были). В отношении оставшихся 19 компаний санкции не ожидались и не были введены.
Таблица 1
Санкции в отношении компании
Отрасль Компания за период исследования (20122017 гг.)
Газпром Есть, первое введение - 12 сентября 2014
Роснефть Есть, первое введение - 16 июля 2014
Нефть и газ Лукойл Есть, первое введение - 12 сентября 2014
Новатэк Есть, первое введение - 16 июля 2014
Газпром Нефть Есть, первое введение - 12 сентября 2014
Татнефть Нет, первые слухи - конец 2017
Сургутнефтегаз Есть, первое введение - 12 сентября 2014
Норникель Нет, первые слухи - конец 2017
НЛМК Есть, европейские пошлины в середине 2016
Металлы Северсталь Нет, первые слухи - конец 2017
и горная Мечел Нет, первые слухи - конец 2017
добыча Полюс Нет, первые слухи - конец 2017
Распадская Нет
ММК Есть, европейские пошлины в середине 2016
Транспорт Аэрофлот Нет, первые слухи - конец 2017
НМТП Нет
Ютэйр Нет
Сбербанк Есть, первое введение - 12 сентября 2014
Банки ВТБ Есть, первое введение - 29 июля
2014
БСП Нет
Магнит Нет
Ритейл М.Видео Нет
Дикси Нет
Химия и Фосагро Нет
нефте- Уралкалий Нет
химия Акрон Нет
ФСК ЕЭС Нет
Электро- Русгидро Нет
энерге- Мосэнерго Нет
тика Интер РАО Нет
Россети Нет
Машиностроение Автоваз Нет, первые слухи - конец 2017
Камаз Нет, первые слухи - конец 2017
Соллерс Нет, первые слухи - конец 2017
Группа ПИК Нет, первые слухи - конец 2017
Строи- Группа ЛСР Нет
тельство Мостотрест Есть, первое введение - 1 сентября 2016
Теле- МТС Нет
комму- Ростелеком Нет
никации Мегафон Нет
в себя такие информационные сигналы, как официальные объявления введения новых экономических санкций и слухи о возможном применении ограничений такого рода. Через определенное время после введения санкций экономика может подстроиться под них, а инвесторы могут приспособиться к поступлению информационных сигналов о санкциях, в связи с чем может возникнуть «эффект привыкания» к санкциям, в результате которого реакция инвесторов (особенно в части восприятия рисков) изменится относительно периода начала санкций. В связи с этим в исследовании был выделен период «привыкания к санкциям» (2016-2017 гг). Также в периоды «начало санкций» и «привыкание к санкциям» отличался информационный фон. По данным РИА Новости за двухлетний период 2014-2015 гг. различными странами было объявлено о введении экономических санкций против российских компаний и лиц, связанных с российскими компаниями, примерно 130 раз. В то же время, за двухлетний период 2016-2017 гг. различными странами в отношении российских компаний и физических лиц были использованы экономические санкции, большинство из которых ввела Украина, примерно 40 раз. Наряду с официальными объявлениями о санкциях, количество информационных сигналов другого характера, например, слухов о введении санкций, соответственно снижалось в 2016 и 2017 годах. Для исключения неточностей при проведении расчетов рассматривался также и объединенный период «во время санкций» (с 2014 по 2017 гг.).
Выбор временных периодов подкрепляется релевантностью двухгодичного периода, так как в таком случае выборка содержит более 500 торговых дней. В связи с этим, за начало периода «до санкций» был выбран январь 2012 года (конкретно первая дата -03.01.2012). за конец периода - декабрь 2013 года (последняя дата - 30.12.2013), длился этот период 505 дней; период «начало санкций» длился с 06.01.2014 по 30.12.2015 (500 дней в выборке); период «привыкание к санкциям» длился с 04.01.2016 по 29.12.2017 (503 дня в выборке). Для исключения неточностей в некоторых частях исследования расчеты также проводились и для объединенных последних двух периодов: с 06.01.2014 по 29.12.2017 длительностью в 1003 дня.
3
<
т о х
X
Источник: официальный сайт Министерства финансов США (home.treasury.gov), новостные ресурсы
Для наиболее показательного отражения санкционно-го влияния на рыночную стоимость российских компаний исследуемый временной отрезок разделен на три приблизительно равных периода. В период «до санкций» (2012-2013 гг.) введение санкций не ожидалось инвесторами. Период «начало санкций» (2014-2015 гг.) включает
2012 | 2013 2014 | 2015 | 2016 | 2017
Период "до санкций" Период "во время санкций"
Период "начало санкций" Период "привыкание к санкциям"
Отсутствие предпосылок санкций, обстановка на Украине ещё не кажется опасной для власти, инвесторы не могут предсказать какие-либо политические решения, которые могут быть вызваны Майданом Обострение ситуации на Украине в начале 2014 года, введение первых санкций против российских должностных лиц и компаний после референдума в Крыму, последующее расширение санкций, замедление российской экономики Каждый новый информационный сигнал о санкциях похож на предыдущий, инвесторы меньше боятся расширения старых и введения новых санкций, ожидается восстановление российской экономики
Нет влияния санкций Пик влияния санкций Спад влияния санкций
Рисунок 1. Периоды исследования. Составлена авторами.
Появление информационных сигналов оказывает воздействие на стоимость компаний в соответствии с механизмом трансмиссии, приведенном на Рисунке 2.
Появление информационных сигналов, связанных с введением санкций 4
Темпы
роста
Без- Рыноч- Стоимость долга 4 Струк- Текущие экономи-
рисковая Коэффициент ная премия тура капита- финансовые ки и отрасли |
ставка бета 4 за риск ла показа- Темпы
4 4 4 тели4 роста денежных потоков |
Стоимость капитала и Ожидаемые денежные потоки 4
Изменение внутренней стоимости акций 4
Изменение рыночной стоимости акций
Рисунок 2. Трансмиссионный механизм влияния информационных сигналов, связанных с санкциями, на стоимость компаний. Составлено авторами.
Далее в настоящей статье представлены методы исследования, и проводится анализ влияния информационных сигналов о санкциях по каждому из каналов, указанных на Рисунке 2.
Учет влияния санкций на коэффициент бета
Рассмотрим изменение коэффициентов бета до-ходностей акций российских компаний. В исследуемый период на российские компании сильное влияние оказывало падение цен на нефть. Поэтому доходности исследуемых котировок содержат в себе как влияние описанных в первой главе информационных сигналов о санкциях, так и нефтяное влияние. Для релевантного отражения зависимости доходностей компаний от объявления санкций и учёта влияния санкций на коэффициент бета необходимо очистить этот коэффициент от влияния изменения нефтяных цен. Для очищения использовался инструментарий на основе модели сверхдоходности (CAR), в которой фактическую доходность акции можно представить как нормальную доходность (Kt) и сверхдоходность (ARt). Предварительно рыночный индекс МосБиржи, на основе которого формировался ряд сверхдоходностей, был очищен от влияния нефти с помощью разработанного инструментария. Исследование было проведено с помощью построения регрессии, отражающей зависимость доходности каждой компании от доходности очищенного от нефти индекса МосБиржи. Коэффициент при зависимой переменной и являлся очищенным от нефти коэффициентом бета для компании.
Процесс очищения коэффициента бета состоял из следующих этапов:
1. Вычисление доходности индекса МосБиржи:
„ _ Pr- Pr-J
Рг—1
где ттате - доходность индекса МосБиржи, %, pf -значение индекса МосБиржи в день t, - значение индекса МосБиржи в день t-1.
2. Вычисление нефтяного коэффициента бета тюх): который показывает реакцию доходности
индекса МосБиржи на изменение цены на нефть:
™r<wi
где cov(rbreilftrmoex) - ковариация доходностей нефти марки Brent и индекса МосБиржи за предыдущие 100 торговых дней, vfir(ig,rei}f) - дисперсия доходностей нефти марки Brent за предыдущие 100 торговых дней.
ft*
3. Вычисление нормальной доходности индекса МосБиржи (т^п,, тмх) на основе значений безрисковой ставки, изменений в доходности нефти марки Brent и нефтяного коэффициента бета:
,
где ?у - доходность безрисковой ставки.
4. Вычисление сверхдоходности {ratmtTTajaKI„.) на основе фактической доходности индекса МосБиржи и её нормальной доходности:
1Ct &1№ТШ_1№ Р КБ = ^ЖЙЯВ — ^WrmjWafSB"
Построение регрессии, отражающей зависимость доходности каждой компании (та№трая;у) от сверхдоходности (Tal?iivrin_mvexY
Таенщюяр = C&ttSt "Ь ^с!е-ст_то-ех ^ ^я^дега^яш«^
5. Вычисление коэффициента при переменной сверхдоходности, который является искомым значением очищенной бета для компании (^¡^„„и).
Таблица 2
Отрасль Компания Значен (очищ ия бета в разных периодах енный индекс МосБиржи)
До санкций Начало санкций Привыкание Во время санкций
Нефть и газ Газпром (с) 1,1 1,1 1,1 1,1
Роснефть (с) 0,8 0,9 t** 1,1 t** 1,0t**
Лукойл (с) 0,8 1,0 t** 1,2 t** 1,1 t**
Новатэк (с) 1,1 1,2 0,9 4** 1,1
Газпром Нефть (с) 0,6 0,6 0,5 0,5
Татнефть 1,2 1,1 1,4 t** 1,2
Сургутнефтегаз (с) 1,1 1,0 4** 0,9 0,9t**
Металлы и горная добыча Норникель 0,9 0,8 0,9 0,8
НЛМК (с) 1,3 0,8 4** 0,72 0,8 t**
Северсталь 1,3 0,8 4** 0,7 0,7 4**
Мечел 1,7 1 4** 1 1,4**
Полюс 0,6 0,4 0,0 4** 0,3 t**
Распадская 1,2 1,0 0,9 1,0
ММК (с) 1,2 0,8 4** 0,8 0,8 4**
Транспорт Аэрофлот 0,8 0,9 0,6 4** 0,8
НМТП 0,4 0,5 0,2 4** 0,4
Ютэйр 0,2 0,3 0,2 0,3
Банки Сбербанк (с) 1,2 1,3 1,5 t** 1,3 4**
ВТБ (с) 1,2 0,9 4** 0,9 0,8 4**
Банк СПБ 0,9 0,8 0,5 4** 0,7
Ритейл Магнит 0,8 1,0 t** 0,9 1,0
М.Видео 0,7 0,8 0,14** 0,6
Дикси 0,7 0,8 0,4 4** 0,7
Химия и нефтехимия Фосагро 0,5 0,5 0,4 0,5
Уралкалий 0,6 0,8 0,2 4** 0,6
Акрон 0,8 0,64** 0,3 4** 0,5 4**
Электроэнергетика ФСК ЕЭС 1,3 1,1 0,9 1,0 4**
Русгидро 1,2 0,9 4** 0,8 0,9 t**
Мосэнерго 0,9 0,7 4** 0,6 0,7 t**
Интер РАО 1,1 1,0 0,5 4** 0,8 4**
Россети 1,5 1,1 4** 1,1 1,1 4**
Машиностроение Автоваз 0,7 0,5 0,2 4** 0,4 4**
Камаз 0,5 0,6 0,3 4** 0,5
Соллерс 0,8 0,8 0,3 4** 0,6
Строительство и недвижимость Группа ПИК 0,3 0,5 t** 0,2 4** 0,4 t**
Группа ЛСР 1,0 0,8 4** 0,4 4** 0,6 4**
Мостотрест (с) 0,7 0,6 0,3 4** 0,5
Телекоммуникации МТС 0,7 1,2 t** 0,9 4** 1,1 t**
Ростелеком 0,8 0,8 0,6 4** 0,8
Мегафон 0,6 0,8 t** 0,5 4** 0,7
о сч о сч
РО
о ш m
X
3
<
m О X X
В нашем исследовании оценка коэффициента бета основана на основе дневных доходностей акций и рынка за 100 предыдущих торговых дней. Выбор периода в 100 дней обоснован тем, что развивающийся российский рынок акций (как и отдельные компании на нём) может изменяться на протяжении относительно коротких интервалов времени, поэтому использование периодов, равных году и больше, может дать коэффициент бета, имеющий мало общего с текущим положением дел с акциями компании. Статистическая значимость изменения коэффициентов бета определялась на основе Критерия Лапласа для гипотезы о равенстве двух средних. Динамика значений коэффициентов бета представлена в таблице 2.
Коэффициент бета ряда компаний существенно снижался и достигал значений, близких к нулю. По мнению авторов, эти оценки не следует рассматривать как истинные оценки коэффициента бета, так как они могут быть искажены, в частности, следствием низкой ликвидность акций этих компаний в рассматриваемый период.
Значимость проверялась по отношению к предыдущему временному периоду («начало санкций сравнивалось с периодом «до санкций», «привыкание к санкциям» с периодом «начало санкций» и т.п. (с) - санкци-онные компании. * - значимость изменений беты на 10% уровне значимости, ** - значимость изменений беты на 5% уровне значимости, *** - значимость изменений беты на 1% уровне значимости
Источник: рассчитано авторами
Из таблицы видно, что из 40 исследованных компаний лишь у 6 не зафиксировано ни одного статистически значимого изменения в бета-коэффициентах при переходе от одного периода к другому. Коэффициенты бета значимо менялись как у компаний, в отношении которых вводились санкции, так и у компаний, против которых адресные санкции не вводились.
Поскольку коэффициент бета измеряет уровень риска акций компании относительно рынка в целом, то при всех переходах между периодами имелись компании с увеличившимися и снизившимися коэффициентами бета. Статистически значимый рост коэффициента бета означает, что компания стала более рискованной относительно рынка. Статистически значимое снижение коэффициента бета означает, что компания стала менее рискованной относительно рынка; при этом если уровень рыночного риска при переходе между периодами повысился, то возможно и повышение общего риска компании при снижении коэффициента бета (совокупное влияние изменений беты и премии за рыночной риск рассмотрено далее).
У 19 компаний со значимым изменением бета с наступлением периода «привыкание к санкциям» этот коэффициент понизился. Эти компании стали менее рискованными относительно самых больших по капитализации компаний в выборке (у которых либо наблюдался значимый рост бета (Роснефть, Лукойл, Сбербанк), либо вообще не наблюдалось значимых изменений (Газпром, Газпром Нефть, Норникель)).
Учет влияния санкций на безрисковую ставку
В соответствии с предположениями авторов, введение санкций должно приводить к увеличению безрисковой ставки в связи с увеличением рисков в экономике. В период, приходящийся на начало введения санкций,
очевидно увеличение безрисковой ставки, однако сложно разделить влияние падения цен на нефть и введения санкций на динамику безрисковой ставки. В настоящем исследовании было принято решение проверить гипотезу о росте волатильности бизрисковой ставки, после очищения влияния цен на нефть. В случае, если очищенная от влияния динамики цен на нефть волатильность безрисковых ставок статистически увеличивалась в период объявления санкций и снижалась в период «привыкания к санкциям», то можно сделать вывод, что в соответствии с концепций «риск-доходность» безрисковая ставка должна увеличиваться в условиях введения санкций.
Процесс очищения безрисковой ставки состоял из следующих этапов:
1. Вычисление доходности безрисковой ставки:
,, _ Pn-Pn-J
где ту - доходность безрисковой ставки, - значение безрисковой ставки в день п, р11_1 - значение безрисковой ставки в день п-1.
2. Вычисление нефтяного коэффициента бета (Ptovntj), который показывает реакцию доходности безрисковой ставки на изменение цены нефти марки Brent:
PbreMJ ■
где ; Tf) - ковариация доходностей нефти
марки Brent и доходности безрисковой ставки за предыдущие 100 торговых дней, f.'Si(rtreHi.) - дисперсия доходностей нефти марки Brent за предыдущие 100 торговых дней.
3. Вычисление искусственного коэффициента альфа (а) на месте безрисковой ставки из стандартной модели САРМ:
® = • /.г;:.;fibrentf ^ ' Ь: •ent'
где тумлго™ - искусственный ряд доходностей, сформированный случайным образом, остальные обозначения как прежде.
4. Вычисление нормальной доходности безрисковой ставки (fntiririjr) на основе коэффициента альфа, изменений в доходности нефти марки Brent и нефтяного коэффициента бета:
T-ntn-m_f = ff + ftbreiit_f X i'&reuS"
5. Вычисление сверхдоходности (Tatfnifririj-) на основе фактической доходности безрисковой ставки и её нормальной доходности:
г,
= ту - Т,
6. Получение ежедневных значений очищенной от нефти безрисковой ставки при помощи значений сверхдоходности:
где гц - доходность безрисковой ставки, очищенная от влияния нефти, в торговый день п, -значение безрисковой ставки в торговый день п-1, гп - сверхдоходность безрисковой ставки в
день п.
В качестве репрезентативных показателей безрисковой ставки в настоящем исследовании были использованы бескупонные доходоности ОФЗ со сроком до погашения в 10, 15, 20 и 30 лет.
В 2014 г. очищенная от влияния цен на нефть волатильность безрисковой ставки статистически значимо возросла по сравнению с 2013 г., что позволяет сделать предположения, что и увеличение безрисковой
ставки в 2014 г. отчасти определялось и введенными санкциями. В 2016-2017 гг. наблюдается статистически значимое снижение очищенной от влияния цен на нефть волатильности безрисковой ставки, соответственно можно сделать вывод о наличии эффекта «привыкания к санкциям».
Таблица 3
Стандартные отклонения бескупонной доходности ОФЗ ' Лет до погашения ■ ■ ■ ■
Период «До санкций»
Период «Начало санкций»
Период «Привыкание
к санкциям»
2012
2013
2014
2015
2016
2017
10 15
0,0047 0,0043
0,0040 0,0041
0,0117 Î** 0,0092 Î**
0,0114 0,0086
0,0065 i** 0,0062 i**
0,0024 0,0021
Л
л
л
20 30
0,0038 0,0027
0,0040 0,0037
0,0082 Î** 0,0074 Î**
0,0070 0,0068
0,0060 0,0058
0,0016 0,0025
л
Значимость проверялась по отношению к предыдущему временному периоду («начало санкций сравнивалось с периодом «до санкций», «привыкание к санкциям» с периодом «начало санкций», «во время санкций» с периодом «до санкций». * - значимость на 10% уровне значимости, ** - значимость на 5% уровне значимости, *** - значимость на 1% уровне значимости Источник: рассчитано авторами
Учет влияния санкций на рыночную премию за риск
Стоимость акционерного капитала любой компании также зависит и от премии за рыночный риск (equity risk premia, ERP). В настоящем исследовании рассчитывался показатель ERP ex-ante (на основе ожиданий, а не исторических данных) по формуле:
ERP = ——Tf, р '
где - - обратная величина рыночного мультиплика-
р
тора -, который предварительно взвешивался по капи-
Е
тализации каждой компании в индексе МосБиржи (исключая данные по Сбербанку, ВТБ и Банку Санкт-Петербург); iy - значение бескупонной доходности 20-летних государственных облигаций на конец года. В таблице ниже представлены данные по изменению значений премии за рыночный риск.
Таблица 4
Период До санкций Начало санкций Привыкание к санкциям
Год 2012 2013 2014 2015 201S 2017
ERP 5,22% 6,66% 8,00% 9,55% 6,06% 5,52%
Источник: рассчитано авторами
Как и ожидалось, величина премии за риск инвестирования в акции на российском рынке с наступлением периода санкций увеличилась, поскольку на фоне экономической нестабильности повысилась величина не-диверсифицируемого риска для инвесторов. Премия за рыночный риск в периоде «привыкание к санкциям» уменьшилась и вернулась к значению периода «до санкций». Однако разделить влияние санкций и нефти, а также провести тесты на статистическую значимость изменений премии за рыночный риск не имелось возможности, так как необходимые для расчёта этой премии значения мультипликаторов Р/Е публикуются не-
достаточно часто. На основе динамики премии за рыночный риск и коэффициентов бета могут быть рассчитаны значения премии за рыночной риск для каждой компании.
Учет влияния санкций на стоимость долгового финансирования
Стоимость долгового финансирования определяется величиной безрисковой ставки, кредитно-дефолтным спредом, а также рядом премий за риск, которые могут отражать особенности структуры долгового инструмента. Как было показано ранее, величина безрисковой ставки статистически значимо увеличилась после объявления о санкциях.
Стоимость пятилетнего кредитно-дефолтного свопа, отражающего стоимость суверенного кредитного риска, поднялась со 170 базисных пунктов с введением санкций в начале 2014 года и превышала 300 б.п. в течение почти всего 2015 года. Резкий рост начался с июля 2014 года с момента введения секторальных санкций против России. Пиковые значения спред показывал в моменты рейтинговых шоков, то есть с января 2015 года после снижения суверенного рейтинга России агентствами Standard & Poor's (BB+), Moody's (Ba1) и Fitch (BBB-). В ряде исследования отмечалось, что кредитный риск рос на фоне колебаний на сырьевых и товарных рынках, а также из-за косвенного эффекта санкций отсутствует адекватная замена долгосрочным инвестициям с зарубежных рынков [4].
Интересна динамика спреда между индексом российских государственных еврооблигаций и индексом государственных еврооблигаций всех стран с развивающейся экономикой. После введения первых санкций в марте 2014 г. и до масштабного снижения цены нефти в августе и сентябре 2014 г. спред демонстрировал рост в 0,5-1 п.п. Таким образом, можно предположить, что это увеличение в данном периоде вызвано эффектом санкций. На пике значение спреда достигало примерно 3,8 п.п., но, помимо санкций, этот эффект стимулировался нефтяным и рейтинговым шоками.
Если оценивать динамику стоимости банковских кредитов для российских предприятий, то, по данным Банка России, в 1-3 кварталах 2015 г. средневзвешенные процентные ставки по валютным кредитам повысились в среднем на 1-1,5 п.п. (в абсолютном значении увеличение процентных выплат за 1-3 кварталы 2015 г. можно оценить в 0,6-0,9 млрд долл., или до 0,08% ВВП в 2015 г.), по рублевым - на 3-5 п.п.
Таким образом, можно сделать вывод, что рост стоимости финансирования не объясняется исключительно ростом цен на нефть и зависит от введенных санкций. Удорожание долга для каждой компании может зависеть от пересмотра ее финансового положения и кредитного рейтинга.
Учет влияния санкций на структуру капитала
В соответствии с теоремой Модильяни-Миллера с корпоративными налогами, изменение структуры капитала компании может приводить к изменению стоимости компании за счет эффекта налогового щита и потенциальных издержек банкротства. При пересмотре оценки акций компании в результате появления информационных сигналов о санкциях, необходимо учитывать ожидаемые изменения, касающиеся структуры капитала.
X X
о го А с.
X
го m
о
ю
2 О M
о
о сч о сч
о ш m
X
<
m О X X
Изменение структуры капитала компании вследствие введения санкций может зависеть от таких факторов, как финансовое положение, инвестиционные планы, принципы дивидендной политики. Также в результате резкого изменения валютных курсов возможно увеличение объема валютного долга, выраженного в рублях, что также может привести к изменению структуры капитала компании, не связанному с долговой политикой компаний.
Учет влияния санкций на ожидаемые денежные потоки компании
Применительно к периоду 2014-2017 гг. общий консенсус сводится к тому, что санкции наряду с падением цен на нефть оказывали негативное влияние на объем выпуска. Так, влияние санкций составляет от 0,6-0,7 п. п. в год в первые два года с момента введения санкций [5]. Также санкции могут негативно повлиять на долгосрочные темпы роста ВВП по причине ограничения доступа к технологиям и ограничением доступа к финансовым ресурсам. Однако, как было отмечено ранее, помимо макроэкономической конъюнктуры большое число факторов отказывает влияние на денежные потоки компании, что находится за границами настоящего исследования.
Заключение
В результате введения санкций возможно изменение стоимости капитала компании и ожидаемых денежных потоков. В настоящем исследовании было показано, что у 34 из 40 рассмотренных компаний статистически значимо изменялись коэффициенты бета в результате введения санкций. При этом у компаний, не попавших под санкции, как правило, имело место снижение беты (с некоторыми исключениями для нефтегазовой, строительной и телекоммуникационной отраслей). Для компаний, попавших под санкции, бета возрастала только в нефтегазовой отрасли, и снижалась в металлургической и банковской отраслях.
Также имело место статистически значимое увеличение безрисковой ставки и увеличение премии за рыночный риск вследствие введения санкций. Эти результаты получены с поправкой на влияние падения цен на нефть. Интересно, что эффект увеличения премии за рыночный риск в ряде случаев оказывался сильнее, чем снижение коэффициента бета. Так, в 2015 г. премия за рыночный риск для таких компаний как ММК, Акрон, Русгидро и Мосэнерго несколько возросла на фоне существенного падения коэффициентов бета этих компаний. Наряду с повышением безрисковой ставки это приводило к удорожанию стоимости акционерного капитала для компаний.
Что касается денежных потоков, то ожидания аналитиков относительно денежных потоков многих компаний, имеющих валютную выручку, были достаточно оптимистичными во время введения санкций. В частности, положительная доходность за период владения акций компаний нефтегазовой и металлургической отраслей в 2015 год связана с обесцениванием рубля.
Литература
1. Dreger C., Fidrmuc J., Kholodilin K. и Ulbricht D. Between the Hammer and the Anvil: The impact of economic sanctions and oil prices on Russia's ruble. Journal of Comparative Economics, т. 44, 2016.
2. Глазьев С.Ю., Архипова В.В. Оценка влияния санкций и других кризисных факторов на состояние российской экономики. Российский экономический журнал. №1. 2018.
3. Ахапкин Н.Ю. Динамика и структурные изменения российского рынка труда в условиях «войны санкций». Российский экономический журнал. №2. 2018.
4. Буклемишев О. Инвестиционная пауза в российской экономике и её преодоление. Журнал НЭА, № 1, pp. 160-167, 2016.
5. Синяков А., Ройтман А. и Селезнев С., «Динамика потенциального ВВП России после нефтяного шока: роль сильного изменения относительных цен и структурных жесткостей». Банк России, 2015.
6. Александров Д.Г. Влияние обменного курса доллара США и импортозависимости российской экономики на реальный уровень инфляции в России // Дайджест-финансы. 2016. № 4 (240). С. 2-10.
7. Матюнин Л.В., Александров Д.Г., Белотелова
H.П. Роль государства в регулировании инновационной деятельности в России // Ученые труды Российской академии адвокатуры и нотариата. 2013. № 2 (29). С. 91-94.
Impact of Sanctions on Determinants of Russian Companies'
Share Prices Galkin A.S., Gurov I.N., Studnikov S.S.
Lomonosov Moscow State University
The article focuses on the research of sanctions influence on the determinants of companies share prices. The study is based on data on the return dynamics of the 40 most liquid shares of Russian companies for 2012-2017 period, and also on data on market returns, changes in oil prices, interest rates and investors' expectations. The authors found out that even controlling for changes in oil prices sanction against Russia cause statistically significant change in beta for most of companies, raise in risk free rate and equity risk premia, decline in expected cash flows. Key words: economic sanctions, equity valuation, intristic value of equity
References
I. Dreger C., Fidrmuc J., Kholodilin K. and Ulbricht D. Between the
Hammer and the Anvil: The impact of economic sanctions and oil prices on Russia's ruble. Journal of Comparative Economics, vol. 44, 2016.
2. Glazyev S.Yu., Arkhipova VV Assessing the impact of sanctions
and other crisis factors on the state of the Russian economy. Russian economic journal. No. 1. 2018.
3. Akhapkin N.Yu. Dynamics and structural changes of the Russian labor market in the context of the "war of sanctions". Russian economic journal. No. 2. 2018.
4. Buklemishev O. Investment pause in the Russian economy and
its overcoming. NEA Journal, No. 1, pp. 160-167, 2016.
5. Sinyakov A., Roitman A. and Seleznev S., "Dynamics of Russia's potential GDP after the oil shock: the role of a strong change in relative prices and structural rigidity". Bank of Russia, 2015.
6. Alexandrov D.G. The influence of the exchange rate of the US
dollar and the import dependence of the Russian economy on the real inflation rate in Russia // Day-finance. 2016. No. 4 (240). S. 2-10.
7. Matyunin L.V., Aleksandrov D.G., Belotelova N.P. The role of
the state in the regulation of innovative activity in Russia // Scientific proceedings of the Russian Academy of Bar and Notaries. 2013. No. 2 (29). S. 91-94.
