Библиографическое описание:

Никитина Л. А., Родина И. Н., Царькова Е. С. Информационные аспекты финансовой грамотности индивидуального инвестора на фондовом рынке России [Текст] // Актуальные вопросы экономики и управления: материалы междунар. науч. конф. (г. Москва, апрель 2011 г.).Т. I. — М.: РИОР, 2011. — С. 155-157.


Современный фондовый рынок в России сравнительно молод, его зарождение происходило в начале 90-х годов. Он относится к категории развивающихся рынков, для которых характерна высокая доходность, но, как правило, и более высокая степень риска. В последние годы на российском рынке ценных бумаг произошел ряд позитивных изменений: повысилась ликвидность рынка и информационная прозрачность эмитентов, укрепилась законодательная база, наработаны новые механизмы защиты прав инвесторов.

Конечно, количество граждан, которые самостоятельно инвестируют свои сбережения на фондовом рынке, пока ничтожно мало по сравнению с развитыми странами, такими, например, как США, где инвестициями на фондовом рынке занимаются около 60 % (по другим оценкам более 70%) домохозяйств страны (у нас пока лишь 0,5%). Развитие российского рынка во многом определяется развитием индивидуального инвестирования, поэтому разработка рекомендаций по формированию стратегии управления индивидуальным инвестированием на фондовом рынке актуальна и практически значима. Финансовый рынок менее привлекателен, т.к. доходы по вкладам не покрывают даже инфляцию, поэтому частные инвесторы обращаются на фондовый рынок.

Данная работа посвящена анализу зависимости акций компаний базовых отраслей российской экономики от различного рода факторов. Для исследования взяты акции компаний следующих отраслей: связь и телекоммуникации, торговля, черная металлургия, нефтегазовая отрасль, банки и финансовые институты. Из каждой отрасли рассматривалось по 5-6 компаний, акции которых наиболее активно торгуются на биржах России - ММВБ и РТС (приложение 1).

На практике существует два метода анализа фондового рынка: технический и фундаментальный. Фундаментальный анализ — термин для обозначения ряда методов прогнозирования рыночной (биржевой) стоимости компании, основанных на анализе финансовых и производственных показателей её деятельности. Фундаментальный анализ используется инвесторами для оценки стоимости компании (или её акций), которая отражает состояние дел в компании, рентабельность её деятельности. При этом анализу подвергаются финансовые показатели компании: выручка, чистая прибыль, чистая стоимость компании, обязательства, денежный поток, величина выплачиваемых дивидендов и производственные показатели компании.

Технический анализ ценных бумаг – это тщательный анализ динамических показателей изменения цен на фондовых или валютных рынках. В настоящее время методы технического анализа ценных бумаг можно разделить на две самостоятельные группы:

- аналитические методы технического анализа ценных бумаг – это методы математической аппроксимации базисных временных рядов. Математическая аппроксимация, значит приближенное математическое выражение. Применение математической аппроксимации временных рядов является важным методом прогнозирования поведения фондового рынка;

- графические методы технического анализа ценных бумаг – позволяют сделать анализ закономерностей движения цен при помощи использования графиков. Графический анализ является классическим методом технического анализа ценных бумаг, т. к. он является одним из первых методов, который до сих имеет большое количество сторонников.

На самом деле технический анализ ценных бумаг не изучает и не выявляет причины динамического изменения цен. Технический анализ ценных бумаг следит за тем, в каком направлении движется цена т.к. частный инвестор не всегда обладает информацией о финансовом состоянии эмитентов акций. Если такая динамика будет интерпретирована верно, то прибыль будет гарантированной (например, в 2010 г. на бирже РТС максимальная доходность для частного инвестора составила более 8000 % [3]).

В этом случае главным фактором остаётся время, т. к. вовремя остановленная торговая позиция будет гарантировать финансовый доход. Всё это выглядит довольно просто: если цена достигла нижнего предела – необходимо незамедлительно покупать, а если произошёл скачок цены до верхнего предела, то следует продавать свои акции или ценные бумаги.

На первом этапе работы построены модели парной линейной регрессии между значениями цен закрытия акций компаний различных отраслей (см. Приложение 1) и следующими факторами: индекс ММВБ, индекс РТС, цены на нефть , курс доллара США. Анализ был проведен для 18 наблюдений (период с 24.08.2010 по 22.09.2010).

Результаты расчетов показали, что наиболее сильная корреляция для акций компаний нефтегазового сектора наблюдается со значениями индексов ММВБ и РТС (коэффициенты детерминации выше 80%). А такие факторы, как курс доллара США, цены на нефть оказывают меньшее влияние на изменение результативных показателей.

Похожая ситуация наблюдается и в банковском секторе. Коэффициент детерминации в некоторых моделях превышают 94% («Сбербанк» и «ВТБ»).

Для отрасли черной металлургии также наблюдается наибольшая связь с названными индексами, о чем свидетельствуют значения коэффициента детерминации, выше 80% («Северсталь»).

Цены акций компаний отрасли связи и телекоммуникации, а также отрасли торговли из всех рассмотренных факторов наиболее тесно коррелируют с индексом ММВБ, однако в отличие от рассмотренных выше отраслей качество моделей ниже, если судить по значениям коэффициента детерминации. (Для компании отрасли связи «МТС» R2=75%, для представителя отрасли торговли «Дикси» - 76%).

Высокая корреляция цен акций компаний рассмотренных отраслей с индексом ММВБ свидетельствует о том, что индивидуальному инвестору при формировании стратегии действия на фондовом рынке следует обращать особое внимание на динамику этого показателя.

Чтобы найти связь между показателями цен акций и факторами, очищенную от влияния времени, были вычислен ряды остатков для зависимых и независимых переменных и построены уравнения регрессии по полученным остаткам. Для вычисления остатков были построены тренды показателей и получены значения этих показателей по уравнению тренда. После вычитания из исходного значения переменной на конкретную дату ее значения по тренду были получены остатки.

В результате процедуры устранения ложной корреляции коэффициенты корреляции и детерминации для построенных моделей снизились.

Если рассматривать исходные уравнения регрессии между ценами акций компаний рассмотренных отраслей и индексом ММВБ и уравнения после очистки переменных от влияния тенденции, то разность коэффициентов корреляции составила от 0,2 до 0,7. Снижение коэффициента корреляции свидетельствует о наличии фиктивной связи. Это говорит о том, что в дальнейшем в модель множественной регрессии необходимо будет включит переменную t как показатель времени.

Далее в нашей работе используется только индекс ММВБ в качестве объясняющей переменной, поскольку показатели тесноты связи и качества уравнения регрессии с другими факторами ниже.

Чтобы определить скорость, с которой цены акций реагируют на изменение курса индекса ММВБ, мы выявили зависимость котировок акций от индекса ММВБ на предшествующую дату. Расчеты показали, что для некоторых компаний, например банковского и нефтегазового сектора качество моделей ухудшилось или осталось практически неизменным. Таким образом, изменение индекса ММВБ практически сразу находит отражение в ценах акций анализируемых компаний.

Для того чтобы разработать более подробные рекомендации для индивидуальных инвесторов, нами были построены модели множественной регрессии (была выбрана линейная форма модели, поскольку проверка подтвердила линейность связи).

Поскольку одним из условий построения модели множественной регрессии является независимость действия факторов, то для отбора объясняющих показателей необходимо их проверить на коллинеарность. Была построена матрица парных коэффициентов корреляции, которая показала, что такие факторы, как ММВБ, РТС и цены на нефть дублируют друг друга. Поэтому при построении множественной регрессии мы учитывали только индекс ММВБ. Включение фактора t в уравнение регрессии для компаний нефтяного сектора и сектора связи и телекоммуникаций приводит к увеличению коэффициента детерминации, поэтому его включение в модель целесообразно, чего нельзя сказать про банковский сектор и торговлю, для которых включение в модель фактора t не особо существенно. Что же касается черной металлургии, то помимо фактора t можно включить в качестве объясняющей переменной курс доллара США.

Таким образом, наиболее привлекательными для частного индивидуального инвестора являются акции компаний, курс которых задается рынком, т.е. связан с индексом ММВБ, т.к. информация о его динамике доступна такому инвестору. Основная рекомендация по результатам исследования заключается в следующем: проводить сделки по покупке и продаже акций нефтяного и банковского сектора как наиболее связанных с индексом ММВБ.


Литература:
  1. Биржа РТС - http://www.rts.ru/;

  2. Инвестиционная компания ITinvest - http://www.itinvest.ru/analytics_new/;

  3. Конкурс «Лучший частный инвестор 2010» - http://investor.rts.ru/;

  4. Практикум по эконометрике: Учебное пособие/ И.И. Елисеева, С.В. Курышева, Н.М. Гордиенко и др.; под ред. И.И.Елисеевой- М.: Финансы и статистака, 2003;

  5. Эконометрика : Учебное пособие под ред. И.И. Елисеевой.-М.: Финансы и статистика, 2003;

  6. Электронный ресурс «Анализ рынка» - http://analizrynka.ru/;

  7. Электронный ресурс «ИнвестФонд»- http://stocks.investfunds.ru/stocks/7/.



ПРИЛОЖЕНИЕ 1

  1. Связь и телекоммуникации:

  1. «Центртелеком»;

  2. «Волгателеком»;

  3. «Уралсвязьинформ»;

  4. «МТС»;

  5. «Таттелеком»;

  6. «Сибирьтелеком».

  1. Торговля:

  1. «Сеть аптек 36,6»;

  2. «Золото Якутии»;

  3. «Магнит»;

  4. «Дикси»;

  5. «Седьмой континент»;

  6. «ГУМ».

  1. Черная металлургия:

  1. «Северсталь»;

  2. «Автоваз».

  1. Нефтегазовая отрасль:

  1. «ЛУКОЙЛ»;

  2. «Нефтяная компания «Роснефть»;

  3. «Сургутнефтегаз»;

  4. «Транснефть»;

  5. «Новатэк»;

  6. «Татнефть».

  1. Банки и финансовые институты:

  1. «Банк Возрождение»;

  2. «Банк Москвы»;

  3. «Банк Санкт-Петербурга»;

  4. «ВТБ»;

  5. «Сбербанк».


Обсуждение

Социальные комментарии Cackle