RefMag.ru - Оценка. Помощь в решении задач, тестов, практикумов, курсовых, аттеста­ционных

RefMag.ru - Помощь в решении в учебе

Заказать:
- заказать решение тестов и задач
- заказать помощь по курсовой
- заказать помощь по диплому
- заказать помощь по реферату

Репетитор оценщика

Готовые работы заочников

Тесты:

Задачи:

Примеры работ по оценке

Примеры курсовых работ
Примеры аттест­ационных работ
Учебные дисциплины
Литература
Заказ работ:




Экспертная и репетиторская помощь по решению тестов, задач, практикумов и всех других видов работ. Сергей.
тел. +7(495)795-74-78, [email protected], ,
,

Примеры выполненных работ: | контрольные | курсовые | дипломные | отзывы |




Методические материалы:

Список литературы по оценочной деятельности > Крупнейшие публичные нефтяные компании: влияние внешних и внутренних факторов на капитализацию

Крупнейшие публичные нефтяные компании: влияние внешних и внутренних факторов на капитализацию

Нуреев Р.М., Бусыгин Е.Г. Крупнейшие публичные нефтяные компании: влияние внешних и внутренних факторов на капитализацию // Финансы: теория и практика. 2019. Т. 23. № 5 (113). С. 87-100.

Скачать оригинал статьи

Фрагмент работы на тему "Крупнейшие публичные нефтяные компании: влияние внешних и внутренних факторов на капитализацию"

financetp.fa.ru 87 ОРИГИНАЛЬНАЯ СТАТЬЯ DOI: 10.26794/2587-5671-2019-23-5-87-100 УДК 665.6:658.14(045) JEL P18, L16, C10 Крупнейшие публичные нефтяные компании: влияние внешних и внутренних факторов на капитализацию Р.М. Нуреевa, Е.Г. Бусыгинb a Финансовый университет, Москва, Россия; a, b Высшая школа экономики, Москва, Россия a https://orcid.org/0000-0003-1407-2657; b https://orcid.org/0000-0002-9479-5275 АННОТАЦИЯ Оценка и поиск факторов, оказывающих влияние на капитализацию публичных нефтяных компаний, представляют большой интерес для исследователей. Рассмотрено влияние на стоимость акций нефтяных компаний различных внеш- них и внутренних факторов, включая: изменения стоимости нефти, движение фондовых индексов, колебания инфляции, финансовые и производственные показатели. Исследование включает построение моделей с расчетом стандартных ошибок по методу Дрисколла-Края на основе поквартальных данных по восьми крупнейшим публичным нефтяным компаниям, ведущим деятельность в upstream и downstream секторах, за период с I квартала 2006 г. по III квартал 2017 г. Впервые при построении модели по выявлению факторов, оказывающих влияние на рыночную капитализацию нефтяных компаний, использовались такие показатели, как суммарная добыча нефти странами ОПЕК, объем выбросов парниковых газов компаниями, суммарная доля акционерного капитала, принадлежащая крупнейшим институциональ- ным инвесторам. Одним из ключевых результатов является вывод о том, что квартальные объемы добычи оказались самым значимым фактором, оказывающим положительное влияние на стоимость нефтяных фирм. То есть инвесторы за- кладывают в стоимость акций компаний идею компенсации потерь от снижения стоимости нефти за счет увеличения ее добычи и продажи большего объема. При этом такие показатели производственной эффективности, как рентабельность в сегментах upstream и downstream теряют свое значение в зависимости от рассматриваемого периода. Ключевые слова: капитализация; нефтяная индустрия; добыча и переработка; фондовый рынок; внешние и внутрен- ние факторы Для цитирования: Нуреев Р.М., Бусыгин Е.Г. Крупнейшие публичные нефтяные компании: влияние внешних и вну- тренних факторов на капитализацию. Финансы: теория и практика. 2019;23(5):87-100. DOI: 10.26794/2587-5671- 2019-23-5-87-100 ORIGINAL PAPER Biggest Public Oil Companies: Impact of External and Internal Factors on Capitalization R.M. Nureeva, E.G.?Busyginb a Financial University, Moscow, Russia a, b Higher School of Economics, Moscow, Russia a https://orcid.org/0000-0003-1407-2657; b https://orcid.org/0000-0002-9479-5275 ABSTRACT Estimate and search for factors that influence the capitalization of public oil companies are of great interest to researchers. The impact of various external and internal factors on the value of oil companies’ stocks was considered. This includes changes in oil prices, stock market index movements, inflation fluctuations, financial and production indicators. The study includes building models with calculated standard errors by the Driscoll-Kraay method based on quarterly data for the eight biggest public oil companies operating in the upstream and downstream segments, from the first quarter of 2006 to the third quarter of 2017. Such indicators as total oil production by OPEC countries, greenhouse gas emissions by companies, and the sum of shareholder’s funds owned by large institutional investors were used for the first time when building the model to identify factors affecting the market capitalization of oil companies. One of the key results is the conclusion that quarterly production volumes turned out to be the most significant factor having a positive impact on the cost of oil firms. That is, investors are laying the idea of compensating for losses from lowering the cost of oil by increasing its production and selling a larger volume in the value of shares in companies. At the same time, such indicators of production efficiency as profitability in the upstream and downstream segments lose their significance depending on the period under consideration. Keywords: capitalization; oil industry; mining and processing; stock market; external and internal factors For citation: Nureev R.M., Busygin E.G.?Biggest public oil companies: Impact of external and internal factors on capitalization. Finance: Theory and Practice. 2019;23(5):87-100. DOI: 10.26794/2587-5671-2019-23-5-87-100 ФИНАНСОВЫЕ РЫНКИ И БАНКИ / FINANCIAL MARKETS AND BANKS © CC BY 4.0 88 ФИНАНСЫ: ТЕОРИЯ И ПРАКТИКА / FINANCE: THEORY AND PRACTICE ? Т. 23, № 5’2019 ВВЕДЕНИЕ Нефтяные компании как объекты инвестиций Объекты инвестирования представляют ценность для потенциальных выгодоприобретателей в том случае, если существуют перспективы дальней- шего роста их стоимости. Для оценки актива и его способности приносить инвестору дивиденды в будущем необходимо проведение комплексного анализа внешних и внутренних факторов, их вли- яния на выбранный объект, а также прогнозиро- вание будущих изменений и влекущих эти изме- нения событий. Нефтяные компании не являются исключениями из общей практики, хотя существу- ют особенности, присущие предприятиям данной отрасли, которые стоит учитывать при анализе. От этого, в том числе, зависит выбор подхода к оценке, выбираемого экспертом. Прежде чем переходить к техническим деталям исследования, определению факторов, влияющих на эффективность деятельности нефтяных компаний, стоит оценить инвестиционную привлекательность данной отрасли в долгосрочной перспективе. Ма- кроэкономический анализ нефтяной индустрии и ее перспектив позволит ответить на важный вопрос о целесообразности приобретения акций нефтяных компаний в принципиальном плане. С 1965 по 2015 г., т.е. за 50-летний период, стремительный рост мировой экономики привел к увеличению спроса на нефть в 2,8 раза: с 1524 до 4332 млн тонн1. Важно особо выделить рост совокуп- ного спроса стран Азиатского региона, который за тот же временной интервал увеличился более чем в 9 раз (со 163 до 1506 млн тонн), в то время как для Северной Америки этот показатель вырос в 2 раза (с 620 до 1042 млн тонн). Этот факт обусловлен стре- мительным развитием экономик стран азиатского региона. Это также подтверждает значительный рост доли объемов потребления нефти в данном регионе, который увеличился с 10% от общего ми- рового уровня в 1965 г. до 34,7% к 2015 г., а в 2017 г. составил 35,7%. По результатам прогнозных значений глобально- го спроса на нефть, представленных в отчетах ми- ровых аналитических центров, показатель объемов спроса составит 4916 млн тонн к 2040 г. (рис. 1), что выше соответствующего показателя в 2016 г. на 13%. Важно отметить, что, несмотря на различия про- гнозных значений объемов спроса на энергоресурсы, 1 Statistical review of world energy — all data. BP — 2017. URL: https://www.bp.com/en/global/corporate/energy-economics/ statistical-review-of-world-energy.html (дата обращения: 15.08.2018). представленных в аналитических отчетах разных агентств и организаций, они сходятся во мнении, что нефть продолжит удерживать лидирующие по- зиции в части потребляемых энергоресурсов на ближайшие десятилетия. Проанализировав текущие и прогнозируемые показатели о потреблении нефти, следует закономерный вывод — востребованность развития нефтяной отрасли не вызывает сомнений. Это, в свою очередь, подразумевает дальнейшее раз- витие нефтяного бизнеса и способность фирм этого сектора генерировать доходы для своих акционеров. При принятии оптимального инвестиционного решения участники фондового рынка руководст- вуются методами определения справедливой сто- имости публичных компаний. В рамках проведения такого анализа необходимо учитывать как мож- но большее количество факторов, которые могут оказывать влияние на цены акций и играть роль в формировании стоимости фирм и их дальнейшем развитии. В настоящее время вопросы оценки капи- тализации нефтяных компаний являются наиболее актуальными ввиду высокой ценовой волатильности на нефтяном рынке, начавшейся в 2014 г. Цены акций ряда крупных нефтяных компаний и стоимость фьючерсных контрактов нефти марки Brent на интервале с 2006 по 2017 г., представлен- ные на рис. 2, наглядно демонстрируют, что капи- тализация фирм следует за динамикой цены на энергоресурс, но наблюдаемое снижение не такое значительное, как цена нефти. За период с 2013 г. по 2015 г. цена на нефть упала на 60%, однако за то же время стоимость акций ExxonMobil, Chevron и Royal Dutch Shell снизилась на 23, 28 и 36% соответственно. В связи с проведенным анализом можно пред- положить, что у крупных нефтяных компаний су- ществует защитный механизм, благодаря которому происходит сглаживание негативного влияния сни- жающихся цен на нефть, результатом чего становит- ся сокращение потерь их капитализаций при небла- гоприятном развитии ситуации на рынке. Кроме того, можно отметить, что к концу 2017 г. стоимость акций нефтяной компании Chevron вернулась к значениям, зафиксированным в 2013 г., полностью компенси- ровав прошедшее снижение, начавшееся в 2013 г., при этом цена нефти не смогла восстановиться до своего предыдущего максимума. Одним из механизмов, защищающих капита- лизацию нефтяных компаний от снижения, можно назвать диверсификацию производственной дея- тельности на сегменты upstream и downstream. Ри- сунки 3 и 4 наглядно демонстрируют резкое падение операционной прибыли по сегменту upstream круп- нейших нефтяных компаний Exxon Mobil, Chevron, ФИНАНСОВЫЕ РЫНКИ И БАНКИ / FINANCIAL MARKETS AND BANKS financetp.fa.ru 89 3204 4707 4313 4967 4192 3732 3762 4140 4594 4428 4336 4836 4775 5366 4688 2016 2040 2040 2040 2040 Газ Уголь Нефть Рис. 1 / Fig. 1. Прогнозные значения мирового спроса на ископаемое топливо к 2040 г. по базовым сценариям (млн тонн нефтяного эквивалента) / Predicted values of global demand for fossil fuels by 2040 according to baseline scenarios (million tons of oil equivalent) Источник / Source: составлено авторами по данным из отчетов BP, МЭА, ОПЕК, ИНЭИ РАН [1] / compiled by the authors based on data from reports by BP, IEA, OPEC, INEI RAS [1]. Рис. 2 / Fig. 2. Цены акций некоторых публичных нефтяных компаний и нефти марки Brent в период с 2006 по 2017 г. (в долл. США) / Share prices of some public oil companies and Brent crude oil from 2006 to 2017 (in US dollars) Источник / Source: составлено авторами по данным базы Thomson Reuters Eikon / compiled by the authors based on on data from the Thomson Reuters Eikon database. 0,0 20,0 40,0 60,0 80,0 100,0 120,0 140,0 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 Brent Chevron ExxonMobil Royal Dutch Shell Р.М. Нуреев, Е.Г. Бусыгин 90 ФИНАНСЫ: ТЕОРИЯ И ПРАКТИКА / FINANCE: THEORY AND PRACTICE ? Т. 23, № 5’2019 ?5000 0 5000 10000 15000 20000 25000 30000 35000 40000 2010 2011 2012 2013 2014 2015 2016 2017 Exxon Mobil Chevron Total BP Рис. 3 / Fig. 3. Операционная прибыль нефтяных компаний по сегменту добычи с 2010 по 2017 г. (млн долл. США) / Operating profit of oil companies in the production segment from 2010 to 2017 (million US dollars) Источник / Source: составлено авторами по данным из годовых отчетов компаний / compiled by the authors according to data from annual reports of companies. Рис. 4 / Fig. 4. Операционная прибыль нефтяных компаний по сегменту переработки с 2010 по 2017 г. (млн долл. США) / Operating profit of oil companies in the refining segment from 2010 to 2017 (million US dollars) Источник / Source: составлено авторами по данным из годовых отчетов компаний / compiled by the authors according to data from annual reports of companies. ?4000 ?2000 0 2000 4000 6000 8000 10000 12000 14000 2010 2011 2012 2013 2014 2015 2016 2017 Exxon Mobil Chevron Total BP ФИНАНСОВЫЕ РЫНКИ И БАНКИ / FINANCIAL MARKETS AND BANKS financetp.fa.ru 91 BP и Total в 2014–2015 гг., когда цены на нефть зна- чительно снизились, тогда как показатель по сегмен- ту downstream продемонстрировал рост за тот же период. Исходя из представленных графиков видно, что операционная прибыль по сегменту переработки не подвержена влиянию изменений, происходящих на нефтяном рынке, что, в свою очередь, позволяет сделать предположение, что именно это послужило причиной того, что цены на акции компаний не сни- зились пропорционально падению цены на нефть. Необходимо более детально проанализировать факторы, от которых зависит развитие компаний нефтяной отрасли, что станет залогом к формиро- ванию более эффективных прогнозных моделей капитализаций нефтяных фирм. В рамках данной работы необходимо ответить на следующие вопросы: какие факторы определяют динамику цен акций? каким образом крупным нефтяным предприятиям удается нивелировать последствия снижающейся цены на нефть? ОБЗОР ИССЛЕДОВАНИЙ ПО ТЕМЕ Тема по оценке и поиску факторов, оказывающих влияние на капитализацию нефтяных компаний, представляет большой интерес для исследователей. Многие исследования посвящены воздействию внешних факторов на капитализацию нефтяных компаний, включая влияние изменения стоимос- ти нефти [2–6], движение фондовых индексов [4], колебания инфляции и индекс промышленного производства [7]. В рамках другой группы работ поведение цен на акции нефтяных компаний рассматривается не только исходя из внешних факторов, но в экономе- трические модели включены и внутренние факторы, такие как финансовые и производственные [8–10]. В работе [9] авторы используют более десяти не- зависимых переменных, которые характеризуют в большей степени финансовое состояние нефтяных компаний, и включают коэффициент капитальных затрат к выручке, коэффициент выплаты дивидендов, эффективность оборачиваемости фиксированных активов, коэффициент роста резервов и др. В про- веденном эмпирическом исследовании на выборке, в которую вошли годовые данные за пятилетний период с 2009 по 2013 г. 82 нефтяных компаний, ав- торы пришли к следующим выводам [9]: •? чем выше уровень выплачиваемых дивидендов, тем выше стоимость акций нефтяных компаний; •? рост рентабельности компаний стимулирует рост стоимости ценных бумаг; •? переменная капитальных затрат оказалась незначимой. Стоит отметить, что в рассматриваемом исследо- вании представлен достаточно небольшой времен- ной период, к тому же используются годовые, а не квартальные данные. Необходимо отметить, что с 2009 по 2013 г. цены на нефть пребывали в бычьем тренде, как и мировые фондовые рынки, что, несом- ненно, оказало немалое значение на рост стоимости котировок нефтяных компаний. В нашем исследовании мы рассмотрим более ши- рокий период: с 2006 по 2017 г. Будем использовать квартальные данные, что позволит нам, в том числе, проанализировать влияние включенных в модель факторов на стоимость акций нефтяных компаний в зависимости от восходящего / нисходящего тренда нефтяных цен. В работе [2] авторы предполагают, что нефтяные компании в будущем столкнутся с необходимостью вести свою производственную деятельность в соот- ветствии с общемировыми требованиями по сни- жению воздействия на окружающую среду в рамках климатической повестки, направленной против глобального потепления. При этом стоит отметить, что в самой работе никак данная гипотеза не дока- зывается. В работе [2] используется индивидуальный подход к оценке влияния факторов на стоимость компаний, что отличает эту работы от многих других. Но стоит отметить, что данный подход дал крайне низкие значения показателя R2 (самый высокий из приведенных оказался в регрессии по компании ENI, его значение составило 0,12) [2], что говорит не в пользу состоятельности полученных результатов. В рамках исследования [10] авторы выявили, что вне зависимости от того, к какой отрасли относится ресурсодобывающая компания,— выручка, цена на ископаемый ресурс и показатель EBITDA являют- ся основополагающими факторами, влияющими на стоимость ценных бумаг. Как и в предыдущих исследованиях, в работе не представлены макроэкономические факторы. Как и в статье [2], используется индивидуальный подход к компаниям — 4 компании из разных от- раслей, включая энергетику, что не дает целостного представления об отрасли, так как полученные ре- зультаты могут объясняться лидерским положением и масштабами деятельности взятых компаний (ка- питализация каждой компании превышает 25 млрд долл. США). В исследовании [11] авторы также анализируют влияние финансовых и производственных показа- телей на стоимость акций нефтяных компаний. Для проведения эмпирического анализа авторы собрали годовые панельные данные по 14 международным компаниям нефтегазового сектора за период с 1990 Р.М. Нуреев, Е.Г. Бусыгин 92 ФИНАНСЫ: ТЕОРИЯ И ПРАКТИКА / FINANCE: THEORY AND PRACTICE ? Т. 23, № 5’2019 по 2003 г. По результатам исследования значимое влияние на стоимость нефтяных компаний оказали цены на нефть, объемы производства нефти. В рамках данного исследования будет проведен анализ влияния как внешних, так и внутренних факторов на капитализацию нефтяных компаний, включая такие факторы, ранее не исследуемые в работах, как рентабельность по добыче и пере- работке, объемы добычи энергоресурса странами ОПЕК, суммарная доля акционерного капитала, принадлежащая крупнейшим институциональным инвесторам (первым 100 в списке собственников). Относительно исследований, посвященных ре- шениям стран ОПЕК по объемам добычи, стоит отметить, что они в основном посвящены выяв- лению связи между ними и ценой нефти, данный фактор не использовался ни в одной из вышепе- речисленных работ по изменению капитализаций нефтяных компаний. В рамках данного исследования проверим сле- дующие гипотезы: H1: диверсификация производственной деятель- ности нефтяными компаниями уменьшает негатив- ное воздействие снижающихся цен на нефтяном рынке, иначе говоря, рост показателей рентабель- ности в сегменте добычи и переработки оказывает положительное влияние на капитализацию нефтя- ных компаний; H2: рост коэффициента задолженности компаний ведет к снижению рыночной стоимости нефтяных компаний; H3: рост прибыли, приходящейся на акционер- ный капитал, ведет к росту капитализации нефтяных компаний; H4: увеличение цены нефти Brent оказывает положительное влияние на рыночную стоимость нефтяных компаний; H5: увеличение дивидендных выплат, приходя- щихся на акцию, положительно влияет на капита- лизацию; H6: геополитическая неопределенность и напря- женность, объемы выбросов парниковых газов, уро- вень производства нефти странами ОПЕК оказывают влияние на рыночную стоимость нефтяных фирм; H7: рост доли институциональных инвесторов и объем добычи нефти компанией в акционерном капитале компаний положительно влияют на ка- питализацию. ДАННЫЕ Для проведения регрессионного анализа мы со- брали поквартальные данные по восьми крупней- шим публичным нефтяным компаниям, ведущим деятельность в upstream и downstream секторах, исходя из рыночной капитализации (BP, Chevron, Exxon Mobil, Royal Dutch Shell, Total, Equinor, OMV, Imperial Oil) за период с I квартала 2006 г. по III квартал 2017 г. Выбранный период объясняет- ся тем, что по некоторым факторам, включенным в исследование, данные к моменту проведения ис- следования еще не появились. При подготовке данных были использованы сле- дующие электронные ресурсы: база Thomson Reuters Eikon, Yahoo! Finance, квартальные отчеты фирм (которые представлены на сайтах компаний, а так- же в базе SEC под названием EDGAR System) — для агрегирования финансовых и производственных показателей по нефтяным компаниям, а также ин- формации о доле институциональных инвесторов; Investing.com — данные о стоимости нефти марки Brent, Jodi Oil — данные по производству нефти ОПЕК. Также для сбора данных использовались и другие открытые интернет-источники. В табл. 1 представлена эндогенная и экзогенные переменные, которые будут использованы при фор- мировании моделей для проведения регрессионного анализа. МЕТОДОЛОГИЯ ИССЛЕДОВАНИЯ В рамках проведенного анализа уже существую- щих исследований была разработана следующая модель для эконометрического анализа: mit = ?0 + ?1external’it + ?2KPI’it + vit, где i = 1, 2,…; n; t = 1, 2,…T; vit = ui + eit; mit — зависимая переменная, в качестве которой выступает рыночная капитализация; external’it — вектор переменных, оказывающих внешнее воздействие на нефтяные компании, которые не в силах на них повлиять (включает OPECoilprod, GRI, WUI, BOWNERS, OILPrice); KPI’it — вектор переменных производственных и финансовых показателей компании (включает COP, GGEmissions, Debt_ratio, DivYield, ROE, Prof_up, Prof_down); uit — ненаблюдаемые индивидуальные эффекты, а eit — остаточное возмущение [12, c. 5]. Для снижения влияния выбросов в выборке, а так- же в целях приведения всех переменных к единому виду для обеспечения их сопоставимости была ис- пользована логистическая нормализация данных, которая проводилась по следующему алгоритму [13]: ( ) 1 , 1 exp Factortr Slope Factor Median = +? ? ? ? ? ? ? ФИНАНСОВЫЕ РЫНКИ И БАНКИ / FINANCIAL MARKETS AND BANKS financetp.fa.ru 93 Таблица 1 / Table 1 Зависимая и независимые переменные для проведения регрессионного анализа / Dependent and independent variables for regression analysis Название в модели / Name in the model Единицы измерения / Units of measure Краткая характеристика / Brief description Эндогенная переменная MarketCap Млн долл. Капитализация нефтяной компании. Для тех компаний, чья капитализация была выражена в национальной валюте, перевод в доллары осуществлялся по среднему курсу за соответствующий квартал* Экзогенные переменные OPECoilprod Тыс. тонн Показатель суммарной добычи нефти странами ОПЕК GRI Пункт Индекс геополитической напряженности. Индекс разработан Д. Калдаро и М. Яковьелло и основан на частоте встречаемости слов, связанных с геополитической напряженностью, в 11 ведущих международных газетах** WUI Пункт Индекс мировой неопределенности. Индекс разработан Х. Аширом, Н. Блумом, Д. Фурчери и основывается на частоте встречаемости слова «неопределенность» и различных его вариантов в квартальных страновых отчетах Economist Intelligence Unit (EIU)*** GGEmissions Тонн / Млн долл. Объем выбросов парниковых газов компанией, который приходится на 1 млн долл. выручки. Данные, представляемые компаниями по данному показателю, являются годовыми, поэтому в рамках данной работы мы придерживались принципа, что объемы выбросов равномерно распределены по кварталам в рамках каждого года. Bowners Доли Суммарная доля акционерного капитала, принадлежащая крупнейшим институциональным инвесторам (первым 100 в списке). Этот показатель позволит сделать вывод о том, насколько крупнейшие инвесторы фондового рынка заинтересованы в приобретении акций той или иной компании, и выявить тренды COP Баррелей Поквартальная добыча нефти компанией Debt_ratio % Коэффициент задолженности компании. Рассчитывается как отношение заемных средств к суммарным активам Prof_up % Рентабельность продаж по сегменту upstream, которая рассчитывается как отношение прибыли по сегменту добычи к выручке по соответствующему сегменту Prof_down % Рентабельность продаж по сегменту downstream, которая рассчитывается как отношение прибыли по сегменту переработки к выручке по соответствующему сегменту DivYield % Коэффициент выплаты дивидендов. Рассчитывается по следующей формуле: дивиденды на акцию / рыночная цена акции ROE % Коэффициент доходности акционерного капитала. Равен отношению чистой прибыли к акционерному капиталу OilPrice Долл. Стоимость нефти марки Brent Источник / Source: составлено авторами / compiled by the authors. * – использовались данные по курсам валют. URL: https://ru.investing.com/currencies (дата обращения: 28.08.2019). ** – более подробная информация о расчете представлена на электронном ресурсе. URL: http://www.policyuncertainty.com/gpr. html (дата обращения: 28.08.2019). *** – более подробная информация о  расчете представлена на электронном ресурсе. URL: http://www.policyuncertainty.com/ wui_quarterly.html (дата обращения: 28.08.2019). Р.М. Нуреев, Е.Г. Бусыгин 94 ФИНАНСЫ: ТЕОРИЯ И ПРАКТИКА / FINANCE: THEORY AND PRACTICE ? Т. 23, № 5’2019 где Factortr — трансформированное значение фак- тора, влияющего на капитализацию нефтяных компаний, и эндогенной переменной; Slope — коэффициент трансформации для зави- симой и независимых переменных; Median — медианное значение. Стоит отметить, что коэффициент трансформа- ции Slope находился по следующей формуле [13]: ( 95% ) 1 0,95  , 1 exp Slope Factor Median = +? ? ? ? ? ? ? где Factor95% — значение 95%-ного процентиля за- висимой и независимых переменных; Slope — коэффициент трансформации для зави- симой и независимых переменных; Median — медианное значение. Для учета автокорреляции и гетероскедастич- ности будет построена модель с расчетом стандар- тных ошибок по методу Дрисколла-Края. Модель с фиксированными эффектами со стандартными ошибками Дрисколла-Края выглядит следующим образом [14]:   , it it it z z ? =?+ z z где zit ? {yit, xit}, 1 1 , i i T i i it t t zT z ? = = ? 1 ( ) . i it i t z T z ? = ? ?? При этом функция зависимой переменной рас- считывается исходя из модели pooled OLS (pooled ordinary least squares): ' it, it it y x = +? ? ? ? где i = 1,…, N; t = 1,…, T, при этом yit — скаляр, xit — это (K + 1) ? 1 вектор независимых переменных, ? — это (K + 1) ? 1 вектор коэффициентов. Иначе говоря, данные могут быть записаны в сле- дующем общем виде: 11 1 21 1 12 ', N t T t NT =… … ? ? y yy y ? ? y 11 1 21 ' 1 12  . N t T t NT =… … ? ? ? ? X x xx x Оценки коэффициентов ? могут быть получены следующим образом: ? ( ) 1 ' . ? ? = X X Xy? Ошибки Дрисколла-Края для линейной модели можно записать в следующем виде: ? ( ) ? ( ) '  . it it it it it it h xx x ?= = ? y ? ? ? Подробное описание расчета стандартных оши- бок Дрисколла-Края для модели pooled OLS приве- дено в работе [14]. В работе Дрисколл и Край показали, что модифи- цированная стандартная непараметрическая оценка ковариационной матрицы временных рядов может оставаться эффективной, несмотря на межгрупповую и временную зависимость данных [14, 15]. АНАЛИЗ ДАННЫХ И ПОСТРОЕНИЕ МОДЕЛЕЙ По собранным данным была сформирована сба- лансированная выборка. Составим описательные статистики по рассматриваемым данным (табл. 2). Исходя из данных, приведенных в табл. 2, можно сделать следующие выводы: 1)? в выборке присутствуют компании крупной и средней капитализации, максимальное значе- ние по MarketCap, представленное в данных — 505 млрд долл., тогда как минимальное составляет 7,3 млрд долл.; 2)? Debt_ratio (коэффициент задолженности) в среднем по выборке составляет 0,56. Это озна- чает, что в среднем чуть более половины активов компаний (56% активов) сформированы за счет привлечения заемного капитала. Такой объем за- емных средств объясняется долгосрочными инве- стиционными проектами, которые характерны для нефтяной отрасли; 3)? среднее значение по фактору Prof_down почти в два раза меньше, чем по показателю Prof_up, стандартное отклонение по Prof_up со- ставляет 0,23, тогда как для Prof_down — 0,034. Это говорит о том, что рентабельность по сек- тору добычи обладает большей волатильностью и разбросом значений, чем для сектора перера- ботки, что включает большие риски по ведению деятельности исключительно в данном сегменте, но, как и следовало ожидать, среднее значение рентабельности по upstream выше, следователь- но — риск оправдан более высокой прибылью данного сектора. Проведенные преобразования в рамках нормали- зации данных уменьшили коэффициенты асимме- ФИНАНСОВЫЕ РЫНКИ И БАНКИ / FINANCIAL MARKETS AND BANKS financetp.fa.ru 95 трии и эксцесса (табл. 3), хотя и не смогли полностью их нивелировать. В рамках проведения эконометрического иссле- дования будут использоваться полученные в ходе логистической нормализации данные. С целью вы- явления связей между переменными была постро- ена корреляционная матрица (табл. 4). Поскольку распределения данных отличаются от нормального, был использован критерий ранговой корреляции Спирмена. Исходя из полученных данных, следуют следующие выводы: 1)? между зависимой переменной существуют значимая на 10%-ном уровне значимости корре- ляционная связь с переменными WUI, BOWNERS, COP, Debt_ratio, Prof_down, ROE и OILPrice; 2)? по шкале Чеддока высокая положительная связь существует между рыночной капитализа- цией нефтяных компаний и объемами поквар- тальной добычи нефти (коэффициент корреля- ции = 0,82 < 0,9); 3)? высокая отрицательная связь существует между рыночной капитализацией нефтяных ком- паний и коэффициентом задолженности (коэффи- циент корреляции = — 0,73); 4)? высоких связей между независимыми пере- менными не наблюдается, так как корреляционные коэффициенты при независимых переменных не превышают 0,6, на основании этого можно пред- положить, что мультиколлинеарность отсутствует. Следует отметить, что знаки при коэффициентах корреляции, представленные в табл. 4, соответствуют экономической логике и гипотезам, заявленным прежде. Интересно отметить, что рост добычи нефти странами ОПЕК, геополитическая напряженность и мировая неопределенность, объемы выбросов парниковых газов и коэффициент задолженности компаниями отрицательно влияют на капитализа- цию нефтяных компаний, остальные факторы имеют положительные знаки при коэффициентах. Другим моментом, заслуживающим внимания, является то, что связь между зависимой переменной и ценой не- фти — слабая (коэффициент корреляции = 0,09). При этом коэффициент корреляции является значимым на 10%-ном уровне, что в очередной раз ставит под сомнение бытующее мнение о том, что цена на нефть играет одну из важнейших ролей при формировании стоимости нефтяных компаний. Для проверки наличия автокорреляции и гетеро- скедастичности проведем соответствующие тесты, результаты которых представлены в табл. 5. Тест Песарана показал наличие межгрупповой корреляции, нулевая гипотеза о ее отсутствии не Таблица 2 / Table 2 Описательная статистика зависимой и независимых переменных в разрезе компаний, занимающихся добычей и переработкой / Descriptive statistics of dependent and independent variables by companies involved in mining and processing Variable Obs Mean Std. Dev. Min Max MarketCap 384 154235,4 109742 7333,205 505713,2 OPECoilprod 384 359103,3 19157,56 330504,5 401850 GRI 384 86,09145 31,53744 42,58954 189,9569 WUI 384 140,9283 40,05575 86,76926 250,476 GGEmissions 384 103,58 77,14108 37,585 633,5 BOWNERS 384 ,3120043 ,1182262 ,067782 ,645275 COP 384 1,35e + 08 7,05e + 07 1,22e + 07 6,52e + 08 Debt_ratio 384 ,5659287 ,0682635 ,4074319 ,6647185 Prof_up 384 ,3269277 ,2394137 –,7810881 ,6838232 Prof_down 384 ,0180773 ,0343744 –,3161234 ,1550507 DivYield 384 ,0115384 ,010989 0 ,0646358 ROE 384 ,0334323 ,0354467 –,181 ,142 OILPrice 384 80,81451 25,38886 36,77 126,3233 Источник / Source: составлено авторами / compiled by the authors. Р.М. Нуреев, Е.Г. Бусыгин 96 ФИНАНСЫ: ТЕОРИЯ И ПРАКТИКА / FINANCE: THEORY AND PRACTICE ? Т. 23, № 5’2019 подтвердилась [16, 17]. Результаты теста Вулдриджа, итоги которого представлены в табл. 5, свидетель- ствуют о сериальной корреляции [18]. Модифици- рованный тест Вальда показал наличие межгруп- повой гетероскедастичности в рассматриваемой модели [19]. В рамках данной работы используем модель панельных данных с фиксированными эффекта- ми с расчетом ошибок по методу Дрисколла-Края. В табл. 6 представлены результаты моделирования. В рамках проводимого исследования была построена (1) общая модель, (2) модель, включающая только внешние факторы, (3) — модель, включающая только внутренние факторы, а также модели с использова- нием данных до 2014 и после 2014 гг. (4) и (5). РЕЗУЛЬТАТЫ Как видно из табл. 6, в моделях (1), (2) и (4) коэф- фициент при переменной OPECoilprod имеет по- ложительный знак. Иными словами, увеличение добычи нефти странами ОПЕК ведет к росту капи- тализации нефтяных компаний, ведущих деятель- ность в сегментах добычи и переработки. Важно отметить, что знак при коэффициенте отличается в (4) и (5) моделях. Можно предположить, что до 2014 г. предложение энергоресурса росло в соот- ветствии с развитием мировой экономики в це- лом, что положительно отражалось на стоимости нефтяных компаний, но после 2014 г. предложение нефти превысило существующий уровень потреб- ления, знак при OPECoilprod изменился на проти- воположный. Переменные GRI и WUI оказались значимыми в общей модели, при этом коэффициент при индексе геополитической напряженности имеет положитель- ный знак в (1), (2), (4) и (5), тогда как индекс мировой неопределенности отрицателен, хотя в модели (5) знак поменялся на противоположный. Полученные результаты можно интерпретировать следующим образом: геополитическая напряженность в мире, включающая террористические атаки, войны, санк- ции, положительно влияет на рост капитализации нефтяных компаний, в том числе по той причине, что в центре таких событий оказывались страны — экспортеры нефти. Индекс мировой неопределен- ности касается в большей степени экономической Таблица 3 / Table 3 Показатели асимметрии и эксцесса зависимой и независимых переменных до и после логистической трансформации / Indicators of asymmetry and excess kurtosis of dependent and independent variables before and after logistic transformation № / No. Variable До нормализации / Before normalization После нормализации / After normalization Skew Kurt Skew Kurt 1 MarketCap ,96 3,51 ,36 2,12 2 OPECoilprod ,22 2,01 –,059 1,36 3 GRI 1,30 4,42 ,55 2,22 4 WUI ,79 3,13 ,22 1,63 5 GGEmissions 3,91 24,76 ,8 2,67 6 BOWNERS –,078 2,27 ,002 1,42 7 COP ,87 9,8 –,008 1,51 8 Debt_ratio –,67 2,51 –,053 1,42 9 Prof_up –1,44 5,84 –,009 1,3 10 Prof_down –2,74 29,27 –,079 2,35 11 DivYield 1,78 7,3 ,43 2,50 12 ROE –,81 7,1 ,024 1,78 13 OILPrice ,12 1,6 ,057 1,37 Источник / Source: составлено авторами / compiled by the authors. ФИНАНСОВЫЕ РЫНКИ И БАНКИ / FINANCIAL MARKETS AND BANKS financetp.fa.ru 97 Таблица 4 / Table 4 Корреляционная матрица (коэффициенты корреляции Спирмена) / Correlation matrix (Spearman’s correlation coefficients) MarketCap OPECoilprod GRI WUI GGEmissions BOWNERS COP Debt_ratio Prof_up Prof_down DivYield ROE MarketCap 1,0000 OPECoilprod –0,0015 1,0000 GRI –0,0063 0,3980* 1,0000 WUI –0,0920* 0,5270* 0,3413* 1,0000 GGEmissions –0,3499* 0,0014 0,2201* 0,0406 1,0000 BOWNERS 0,3940* 0,1222* 0,1302* 0,1388* –0,2584* 1,0000 COP 0,8196* –0,0197 0,0035 –0,0527 –0,3207* 0,4507* 1,0000 Debt_ratio –0,7389* –0,0492 –0,0301 –0,0783 0,1631* –0,4347* –0,5230* 1,0000 Prof_up 0,0329 –0,3145* –0,4474* –0,4543* 0,0495 –0,2465* –0,0531 0,0532 1,0000 Prof_down 0,0846* 0,1462* 0,2964* 0,2386* 0,2096* 0,1708* 0,1722* –0,0801 –0,2675* 1,0000 DivYield 0,0048 0,1095* 0,0840 0,1925* –0,2357* –0,0209 0,1018* –0,0242 –0,3410* –0,0405 1,0000 ROE 0,3508* –0,2681* –0,3258* –0,5209* –0,2211* –0,0241 0,2619* –0,1215* 0,5535* –0,0116 –0,3209* 1,0000 OILPrice 0,0986* –0,0825 –0,4869* –0,1566* –0,4095* –0,1380* –0,0551 –0,0442 0,5329* –0,3644* –0,1673* 0,4545* * — значимость ? 0,1. Источник / Source: составлено авторами / compiled by the authors. Таблица 5 / Table 5 Результаты проведенных тестов на наличие сериальной корреляции и гетероскедастичности / Test results on the presence of serial correlation and heteroskedasticity Тест Песарана / Pesaran test Тест Вулдриджа / Pesaran test Тест Вальда (модифицированный) / Wald test (modified) CD Pr F Prob>F chi2 Prob>chi2 4,7 0,0000 18,87 0,0034 463,34 0,0000 Источник / Source: составлено авторами / compiled by the authors. Таблица 6 / Table 6 Результаты построения регрессионных моделей с учетом стандартных ошибок Дискролла-Края / Results of building regression models considering the Discroll-Kraay standard errors 1 2 3 4**** 5**** OPECoilprod ,031* ,032 ,51** –,036* GRI ,084*** ,073*** ,86*** ,056 WUI –,05* –,11** –,001 ,059* GGEmissions ,08*** ,042* ,025*** ,022 BOWNERS ,056* ,05* ,11** –,062* COP ,066* ,059* ,089** ,16*** Debt_ratio ,023 –,003 ,038 –,022 Prof_up ,038* ,039* ,046* –,023* Prof_down –,022* –,023* –,002 –,061*** DivYield –,019* –,024* ,001 –,104*** ROE ,051** ,059* ,069** ,017 OILPrice ,06*** ,07*** ,051** ,147** _cons ,317*** ,457*** ,453*** ,130* ,460*** N 384 384 384 288 96 R 2 0,28 0,19 0,18 0,33 0,44 Prob>F 0,0002 0,0019 0,0013 0,0000 0,0000 Источник / Source: составлено авторами / compiled by the authors. * — значимо на 15%-ном уровне / significant at 15% level; ** — значимо на 5%-ном уровне / significant at 5% level; *** — значимо на 1%-ном уровне / significant at 1% level; **** — модели 4 и 5 построены по данным до 2014 г. и после 2014 г. со- ответственно / models 4 and 5 are constructed according to the data until 2014 and after 2014, respectively. Р.М. Нуреев, Е.Г. Бусыгин 98 ФИНАНСЫ: ТЕОРИЯ И ПРАКТИКА / FINANCE: THEORY AND PRACTICE ? Т. 23, № 5’2019 составляющей, поэтому отсутствие точного курса в мировой экономике негативно отражается на сто- имости компаний. Переменная GGEmissions имеет положительный знак при коэффициенте во всех моделях, в (5) фактор оказался незначимым на любом разумном уровне значимости. Данные результаты свидетельствуют о том, что пока компании не столкнулись с серьез- ными ограничениями на выбросы со стороны госу- дарств, поэтому рост выбросов парниковых газов, связанный с увеличением объема производства, положительно влияет на капитализацию компаний. Знак при BOWNERS положителен в (1), (2) и (4), т.е. увеличение суммарной доли акционерного капитала, принадлежащего 100 крупнейшим институциональ- ным инвесторам, положительно влияло на капита- лизацию компании. Стоит отметить, что в модели (5) знак при факторе получился отрицательным. Фактор Debt_ratio получился незначимым в ка- ждой из построенных моделей. Коэффициент при рентабельности продаж по сегменту upstream имеет положительный знак во всех моделях, кроме (5), при рентабельности продаж по сегменту downstream — отрицательный. Оба фактора оказались значимыми. В рамках общей модели можно интерпретировать полученные результаты следующим образом: при высокой цене на нефть более выгодно продавать сырую нефть, а не перерабатывать ее. Что касается отрицательных знаков при коэффициентах в модели (5), можно предположить, что инвесторы скептиче- ски смотрели на акции нефтяных компаний после 2014 г. и обращали внимание на абсолютные по- казатели выручки и прибыли, которые снижались. Важно отметить, что коэффициент при пере- менной DivYield оказался отрицательным во всех рассматриваемых моделях, кроме (4), где фактор оказался незначимым, т.е. до 2014 г. инвесторы не обращали внимания на коэффициент выплаты ди- видендов. При этом из полученных результатов следует, что после 2014 г. инвесторы стали отрица- тельно относиться к попыткам компаний удержать их за счет роста дивидендных доходов. Тот же вывод справедлив для общей модели. Коэффициенты при переменных ROE и OilPrice оказались положительными в каждой модели, иначе говоря, рост коэффициента доходности акционерно- го капитала и стоимости нефти ведут к увеличению капитализации нефтяных компаний. ВЫВОДЫ В ходе проведенного эконометрического исследо- вания выявлено влияние всех включенных в мо- дель факторов, за исключением коэффициента задолженности, на капитализацию нефтяных ком- паний. Получены следующие результаты в рамках проверки заявленных гипотез. Диверсификация производственной деятельности нефтяными компаниями действительно снижает негативное воздействие от падающих нефтяных цен. Рентабельность по сегменту upstream оказывает положительное влияние на изменение капитали- зации энергетических фирм, но стоит отметить, что в случае с долгосрочным снижением нефтяных цен, что можно было наблюдать после 2014 г., этот фактор был не основным ориентиром для инве- сторов в рамках принимаемых ими решений. Знак при коэффициенте оказался отрицательным, что не имеет экономической и логической интерпретации, кроме той, что инвесторы мало ориентируются на внутренние финансовые показатели нефтяных ком- паний в случае возникновения внешних шоков на нефтяном рынке, что может быть связано в какой-то степени с нерациональным поведением. Коэффициент задолженности нефтяных компа- ний оказался незначимым ни в одной из моделей, что может быть объяснено значительной долговой нагрузкой на каждую из входящих в выборку ком- паний в связи со спецификой ведения ими произ- водственной деятельности, что снижает привлека- тельность данного показателя для принятия инве- стиционного решения. Иначе говоря, инвесторы не обращают внимание на коэффициент задолженности, так как уверены, что рассматриваемые нами круп- нейшие нефтяные компании справятся со взятыми на себя обязательствами. Показатель рентабельности акционерного ка- питала оказался значимым. Он оказывает поло- жительное влияние на стоимость акций нефтяных компаний. При этом стоит отметить, что в модели с данными после 2014 г. он перестал быть значимым, что говорит в пользу предположения о нерациональ- ности инвесторов, изложенного ранее. Увеличение цены нефти марки Brent положи- тельно влияет на рыночную стоимость нефтяных компаний. Необходимо отметить интересный мо- мент — в случае построения модели по данным по- сле 2014 г. цена нефти осталась одним из немногих факторов, ведущих к росту капитализации нефтяных компаний. Неожиданным результатом стал знак при коэф- фициенте дивидендных выплат, который получил- ся отрицательным. Другими словами, инвесторы негативно относятся к повышению дивидендных выплат, что может объясняться желанием инве- сторов приобретать доли в компаниях, у которых есть перспективы роста. Увеличение коэффици- ФИНАНСОВЫЕ РЫНКИ И БАНКИ / FINANCIAL MARKETS AND BANKS financetp.fa.ru 99 ента дивидендных выплат свидетельствует о том, что лучший вариант для свободных денежных средств — распределение их между акционерами, а не инвестирование в перспективные проекты. Кроме того, рост рассматриваемого показателя на фоне значительной долговой нагрузки также может восприниматься негативно. Индексы геополитической напряженности и не- определенности, объемы выбросов парниковых газов, уровень производства нефти странами ОПЕК оказались значимыми в построенных моделях. Стоит отметить, что коэффициент при факторе выбросов парниковых газов оказался положительным, т.е. инвесторы пока не закладывают отрицательные ожидания относительно изменения капитализации нефтяных компаний, в контексте оказываемого ими влияния на окружающую среду. По итогам исследования выявлено, что рост доли институциональных инвесторов и объем добычи нефти компанией в ее акционерном капитале ока- зывают положительное влияние на акции нефтяных компаний в рамках общей модели. Можно предпо- ложить, что институциональные инвесторы ока- зывают влияние на рынок в рамках принимаемых решений, рост их доли в нефтяных компаниях ведет к увеличению капитализации. При этом реализация такого механизма удается в рамках бычьего тренда на рынке, включая рынок энергоресурсов, тогда как при медвежьем тренде данный механизм перестал работать (знак при коэффициенте фактора BOWNERS поменялся на отрицательный). Иначе говоря, не- смотря на увеличение доли в нефтяных компаниях 100 крупнейшими игроками — институциональными инвесторами, которые покупают акции, их влияние на рынке не так велико, чтобы развернуть акции в период общего снижения. Исходя из полученных результатов, можно сде- лать вывод, что квартальные объемы добычи явля- ются самым значимым фактором, оказывающим положительное влияние на стоимость нефтяных фирм. То есть можно предположить, что инвесторы закладывают в стоимость акций компаний идею компенсации потерь от снижения стоимости нефти за счет увеличения ее добычи и продажи большего объема нефти. Важно отметить следующее: цена на нефть ока- зывает большее влияние на стоимость нефтяных компаний во время снижения, чем в период роста [коэффициент при переменной OILPrice имеет по- чти самое высокое значение в модели (5), при этом он примерно в 3 раза больше значения при той же переменной модели (4)]. Этот вывод противоположен итогам исследования [4], где было показано наличие противоположного асимметричного эффекта влия- ния изменений цены на нефть и стоимости акций компаний: рост цен оказывал большее влияние, чем их снижение. Результат, полученный в [4], может объясняться превалирующим бычьим трендом как на фондовом рынке, так и на рынке энергоресурсов в рассматриваемый период. Авторы использовали данные по ценам акций 30 нефтяных компаний и стоимости нефти с 2 января 2004 по 31 декабря 2015 г. То же справедливо относительно противополож- ного результата, полученного для коэффициента дивидендных выплат. В работе [9] авторы делают вывод о его положительном влиянии на стоимость цен на акции нефтяных компаний. Но они рассма- тривали годовые данные по 82 нефтяным компаниям за пятилетний период с 2009 по 2013 г., когда рынок имел ярко выраженный восходящий тренд после кризиса 2008 г. В рамках развития исследования по оценке стоимости компаний, в том числе нефтяной от- расли, целесообразно провести анализ влияния рассматриваемых факторов не только на капитали- зацию нефтяных компаний, ведущих деятельность и в upstream и в downstream сегментах, но и фирм, осуществляющих производство только в одном из них. Это позволит в большей степени детализиро- вать и прояснить полученные выводы со стороны сегментарной принадлежности компаний. СПИСОК ИСТОЧНИКОВ / REFERENCES 1.? Макаров А.А., Григорьев Л.М., Митрова Т.А., ред. Прогноз развития энергетики мира и России 2016. М.: ИНЭИ РАН, АЦ при Правительстве РФ; 2016. 196 с. Makarov A.A., Grigor’ev L.M., Mitrova T.A., eds. Energy forecast for the world and Russia 2016. Moscow: ERIRAS, Analytical Center for the Government of RF; 2016. 196 p. (In Russ.). 2.? Lanza A., Manera M., Grasso M., Giovannini M. Long-run models of oil stock prices. Environmental Modelling & Software. 2005;20(11):1423–1430. DOI: 10.1016/j.envsoft.2004.09.022 3.? Chang C.L., McAleer M., Tansuchat R. Volatility spillovers between returns on crude oil futures and oil company stocks. 2009. URL: http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.1009.974&rep=rep1&type=pdf 4.? Sanusi M.S., Ahmad F. Modelling oil and gas stock returns using multi factor asset pricing model including oil price exposure. Finance Research Letters. 2016;18:89–99. DOI: 10.1016/j.frl.2016.04.005 Р.М. Нуреев, Е.Г. Бусыгин 100 ФИНАНСЫ: ТЕОРИЯ И ПРАКТИКА / FINANCE: THEORY AND PRACTICE ? Т. 23, № 5’2019 5.? Diaz E.M., de Gracia F.P. Oil price shocks and stock returns of oil and gas corporations. Finance Research Letters. 2017;20:75–80. DOI: 10.1016/j.frl.2016.09.010 6.? Kang W., de Gracia F.P., Ratti R.A. Oil price shocks, policy uncertainty, and stock returns of oil and gas corporations. Journal of International Money and Finance. 2017;70:344–359. DOI: 10.1016/j.jimonfin.2016.10.003 7.? Swaray R., Salisu A.A. A firm-level analysis of the upstream-downstream dichotomy in the oil-stock nexus. Global Finance Journal. 2018;37:199–218. DOI: 10.1016/j.gfj.2018.05.007 8.? Edwards K., Jackson J.D., Thompson H.L. A note on vertical integration and stock ratings of oil companies in the U.S. The Energy Journal. 2000;21(2):145–151. 9.? Bhaskaran K.R., Sukumaran S.K. An empirical study on the valuation of oil companies. OPEC Energy Review. 2016;40(1):91–108. DOI: 10.1111/opec.12064 10.? MacDiarmid J., Tholana T., Musingwini C. Analysis of key value drivers for major mining companies for the period 2006–2015. Resources Policy. 2018;56:16–30. DOI: 10.1016/j.resourpol.2017.09.008 11.? Osmundsen P., Asche F., Misund B., Mohn K. Valuation of international oil companies. The Energy Journal. 2006;27(3):49–64. 12.? Ратникова Т.А. Анализ панельных данных в пакете STATA. Методические указания к компьютерному практикуму по курсу «Эконометрический анализ панельных данных». М.: ГУ-ВШЭ; 2004. 39 с. Ratnikova T.A. Analysis of panel data in the STATA package. Guidelines for computer practical training on the course “Econometric analysis of panel data”. Moscow: HSE Publ.; 2004. 39 p. (In Russ.). 13.? Моргунов А.В. Моделирование вероятности дефолта инвестиционных проектов. Корпоративные финан- сы. 2016;10(1):23–45. DOI: 10.17323/j.jcfr.2073–0438.10.1.2016.23–45 Morgunov A.V. Modeling the probability of default of investment projects. Korporativnye finansy = Journal of Corporate Finance Research. 2016;10(1):23–45. (In Russ.). DOI: 10.17323/j.jcfr.2073–0438.10.1.2016.23–45 14.? Hoechle D. Robust standard errors for panel regressions with cross-sectional dependence. The Stata Journal. 2007;7(3):281–312. DOI: 10.1177/1536867X0700700301 15.? Driscoll J.C., Kraay A.C. Consistent covariance matrix estimation with spatially dependent panel data. The Review of Economics and Statistics. 1998;80(4):549–560. DOI: 10.1162/003465398557825 16.? Hashem Pesaran M. General diagnostic tests for cross section dependence in panels. IZA Discussion Paper. 2004;(1229). URL: http://ftp.iza.org/dp1240.pdf 17.? De Hoyos R.E., Sarafidis V. Testing for cross-sectional dependence in panel-data models. The Stata Journal. 2006;6(4):482–496. DOI: 10.1177/1536867X0600600403 18.? Wooldridge J.M.Econometric analysis of cross section and panel data. Cambridge, MA: The MIT Press; 2010. 1096 p. 19.? Baum C. F. Residual diagnostics for cross-section time series regression models. The Stata Journal. 2001;1(1):101–104. DOI: 10.1177/1536867X0100100108 Информация об авторах / About the authors Рустем Махмутович Нуреев — доктор экономических наук, профессор, Финансовый университет, Москва, Россия; Высшая школа экономики, Москва, Россия Rustem M. Nureev — Dr. Sci. (Econ.), Professor, Financial University, Moscow, Russia; Higher School of Economics, Moscow, Russia [email protected] Евгений Георгиевич Бусыгин — аспирант, Высшая школа экономики, Москва, Россия Evgenii G. Busygin — Postgraduate Student, Higher School of Economics, Moscow, Russia [email protected] Статья поступила в редакцию: 13.08.2019; после рецензирования: 27.08.2019; принята к публикации 30.08.2019. Авторы прочитали и одобрили окончательный вариант рукописи. The article was submitted on 13.08.2019; revised on 27.08.2019 and accepted for publication on 30.08.2019. The authors read and approved the final version of the manuscript. Р.М. Нуреев, Е.Г. Бусыгин

Похожие разделы

заказать диплом





© 2002 - 2020 RefMag.ru