Выбор спецификации модели - Информационная значимость рекомендаций аналитиков

Единственная работа (Погожева, 2013) [4], посвященная информационной значимости рекомендаций на российском рынке, ограничилась исследованием лишь краткосрочной реакции котировок на пересмотры. Основной проблемой, с которой столкнулся автор данной работы, стало пересечение событийных окон, а также попадание в событийное окно прочих информационных событий, что сделало невозможным анализ поведения цен акций на более продолжительных промежутках времени.

В рамках настоящей работы реализуется программный алгоритм, позволяющий избавиться от наблюдений, событийные окна которых пересекаются. Кроме того, чтобы снизить влияние на результат прочих событий, были удалены пересмотры, вышедшие за день до и в течение 5 дней после публикации годовой финансовой отчетности. Таким образом, теперь основным ограничением использования широкого событийного окна стало то, что после фильтрации событий остается достаточно мало наблюдений, что делает результаты менее устойчивыми и надежными.

Для определения максимальной ширины событийного окна, при которой остается приемлемое для анализа количество наблюдений, была построена гистограмма, отражающая распределение величины интервала между пересмотрами рекомендаций (рисунок 4).

Рисунок 4

Из представленного распределения можно сделать вывод, что при использовании событийного окна, шириной более 100 дней, останется крайне мало наблюдений. Поэтому для оценки долгосрочного воздействия пересмотров на котировки было принято решение использовать событийное окно, длиной в 66 дней (5 дней до и 60 дней после пересмотра рекомендации), при котором остается 137 наблюдений. Включение в событийное окно периода до пересмотра рекомендации обусловлено наличием определенной прогнозируемости данного типа событий.

Кроме того, для оценки краткосрочного воздействия пересмотров рекомендаций на котировки целесообразно рассмотреть более узкое событийное окно. Преимущество использования более узкого событийного окна заключается в том, что в него попадает меньшее количество прочих информационных событий, способных исказить результат. Кроме того, в этом случае реже встречается пересечение событийных окон, а значит даже после удаления рекомендаций, событийные окна которых пересекаются, количество наблюдений снизится незначительно.

Поэтому в рамках данной работы дополнительно будет рассмотрено окно, длиной в 11 дней (5 дней до и 5 дней после события).

В этом случае после работы программы, удаляющей ненужные наблюдения, остается 616 пересмотров: 306 - на повышение и 310 - на понижение.

Относительно выбора модели для оценки "нормальной" доходности стоит отметить, что Brown S. J. и Warner J. B. в работах [13] и [14] показали, что даже простейшая модель со средним приемлема для проведения событийного анализа, а результаты при использовании более сложных многофакторных моделей незначительно отличаются от результатов, полученных в модели со средним и в однофакторной модели CAPM. С учетом этого факта, для расчета "нормальной" доходности в данной работе использовалась рыночная модель CAPM с переменным во времени бета-коэффициентом. Расчет бета-коэффициента производился регрессионным методом на основе дневных данных по котировкам за 3-х месячный прогнозный период, предшествующий окну событий. Таким образом, бета-коэффициент рассчитывался для каждого пересмотра рекомендации в отдельности. Для поправки "сырого" бета была использована корректировка Блюма.

Похожие статьи




Выбор спецификации модели - Информационная значимость рекомендаций аналитиков

Предыдущая | Следующая