Современные алгоритмы выявления рыночной неэффективности на примере рынка капитала США

Гипотеза эффективного рынка (efficient market hypothesis, EMH), несмотря на свое зарождение еще в 60-х годах XX века, и сегодня остается предметом активных дискуссий и исследований. EMH является

ГРНТИ 06.73.35

EDN FDINNI

Наталия Ильинична Козлова – аспирант кафедры финансов и кредита экономического факультета МГУ им. М.В. Ломоносова. ORCID 0000-0002-5752-576X

Ирина Владимировна Никитушкина – кандидат экономических наук, доцент кафедры финансов и кредита экономического факультета МГУ им. М.В. Ломоносова, декан экономического факультета МГУ-ППИ (Китай, г. Шэнь-чжэн). ORCID 0009-0008-1784-7554

Контактные данные для связи с авторами (Козлова Н.И.): 119991, Москва, Ленинские горы, д. 1, стр. 46 (Russia,

теоретическим фундаментом портфельной теории рынка (market portfolio theory, MPT), частным случаем гипотезы рациональных ожиданий, заложенным в основу инструментария формирования цен на рынках капитала [1, 2]. Согласно EMH, на рынках капитала невозможно получение аномальных доходностей. Однако результаты ряда исследований показывают, что на рынках капитала могут наблюдаться периоды, когда возникают возможности получения сверхдоходности, например, на определенных участках экономического цикла [3].

Американский рынок капитала, при этом, зачастую позиционируется в научной и бизнес литературе как эффективный, характеризующийся высокой ликвидностью, прозрачностью, развитостью. Так, согласно «Обзору рынков капитала от 2024 года» Ассоциации индустрии ценных бумаг и финансовых рынков, «рынок капитала США является крупнейшим мировым рынком капитала и остается наиболее ликвидным и наиболее эффективным рынком» мира [4]. По состоянию на 2023 год, рынок акционерного капитала США составляет 42,9% от 106,0 трлн долл. США капитализации глобального рынка капитала, или 45 трлн долл. США (см. рисунок).

Канада; 2,8%   Австралия; 1,6%

Великобритания;

• ^{3,1 %} Гонконг; 3,9%

Япония; 5,4%

Сингапур; 0,5%

Развивающиеся страны*; 8,7%

США; 42,9%

Развитые страны*; 9,5%

Китай;

10,4%

• *Страны за исключением уже приставленных стран на рисунке.

Рис . Капитализация глобальных рынков акционерного капитала в 2023 году

В «Прогнозе долгосрочного социально-экономического развития Российской Федерации на период до 2030 года», а также ряде исследований [5, 6] особо подчеркивается, что российская экономика продолжает зависеть от циклических процессов на рынках США и мировых рынках. В связи с этим, исследование американского рынка акционерного капитала, в частности, выявление на нем периодов рыночной неэффективности и анализ обусловивших их факторов является актуальной задачей.

Материалы и методы исследования

Для тестирования эффективности акционерного рынка капитала автор применил метод анализа событий (event studies) [7]. Данный метод является практическим применением модели оценки стоимости активов (the capital asset pricing model, CAPM) к данным компаний [1]. При этом, наличие на рынке капитала систематических продолжительных отклонений оценок фундаментальной и рыночной стоимостей является ключевым признаком невыполнения критериев применимости EMH, а именно: рациональности экономических агентов и полноты информационного множества.

Автор предлагает определить основными влияющими факторами на состояние рынка следующие индикаторы [8]: индикатор настроения инвесторов (k), отражающий степень поляризации мнений среди инвесторов в различных секторах рынка; индикатор степени фундаментального смещения (h), отражающий превалирующую денежно-кредитную политику. Необходимо протестировать следующие гипотезы:

• 1.    Гипотеза 1 предполагает систематическое наличие на рынке капитала статистически значимых аномалий, то есть отклонений оценок фундаментальной и рыночной стоимостей на рассматриваемом временном интервале;

• 2.    Гипотеза 2: рынок капитала может иметь изменчивые характеристики, то есть характеризоваться различными состояниями в зависимости от сочетания: настроений на рынке, определяемых фактором k, уровня ликвидности рынка, определяемого динамикой фактора h.

В случае наличия на рынке статистически значимых аномалий автор данного исследования считает необходимым перейти к проверке гипотезы 2, то есть:

• 1.    Определить предполагаемые состояния рынка капитала на определенных временных промежутках в зависимости от сочетания факторов k, h;

• 2.    Показать, что каждому состоянию рынка свойственна предполагаемая ключевая характеристика – определенный характер связи между влияющим событием и аномальным изменением доходности актива (таблица 1).

Таблица 1

Ожидаемая качественная оценка ключевой характеристики состояния рынка капитала – характера связи между влияющим событием и изменением доходности актива

Характеристика рынка капитала	Когерентный «бычий» рынок k (++), h (++)	Хаотичный рынок k (++), h (0)	Когерентный «медвежий» рынок k (++), h (- -)
Характер связи между позитивным влияющим событием и аномальным изменением доходности актива	прямая	наличие прямой и обратной	обратная
Характер связи между негативным влияющим событием и аномальным изменением доходности актива	обратная	наличие прямой и обратной	прямая

Каждое состояние рынка обладает рядом определенных характеристик (таблица 1). В качестве ключевой характеристики каждого состояния рынка автор предлагает рассматривать характер связи между событием и аномальным изменением доходности актива. Данная характеристика непосредственно отражает характер реакции рынка капитала на поступающую информацию (линейный или нелинейный), при этом событие определяет полноту информационного множества и является катализатором изменений в ожиданиях и оценках стоимости активов на рынке капитала. В рамках данного исследования позитивным событием определено положительное отклонение показателя прибыли на акцию (earnings per share, EPS) (positive surprise), негативным – неположительное отклонение EPS (non-positive surprise).

В целях проверки гипотезы 2 автор данной работы считает необходимым проверить ряд частных гипотез с учетом задаваемой автором характеристики относительно связи между событием и аномальным изменением доходности актива:

• 1.    Гипотеза 2.1: при высоком уровне фактора-базы k и нулевом уровне влияющего фактора h рынок находится в чистом хаотичном состоянии;

• 2.    Гипотеза 2.2: при высоком уровне фактора-базы k и стимулирующем уровне влияющего фактора h рынок находится в состоянии когерентного «бычьего» рынка;

• 3.    Гипотеза 2.3: при высоком уровне фактора-базы k и сдерживающем уровне влияющего фактора h рынок находится в состоянии когерентного «медвежьего» рынка.

Алгоритм предполагает последовательное выполнение пяти действий:

• 1.    Оценить уровень эффективности рынка посредством выявления аномалий;

• 2.    При наличии аномалий выбрать релевантные показатели, аппроксимирующие два ключевых фактора, определяющих тип состояния рынка: динамика показателя, определяющего ликвидность рынка и уровень группового мышления;

• 3.    При наличии аномалий определить коридор значений для выбранных на этапе 2 показателей, отражающих, с одной стороны, степень группового мышления на рынке (высокая, низкая), с другой стороны, тип денежно-кредитной политики, влияющей на ликвидность рынка (нулевой, стимулирующий, сдерживающий уровень);

• 4.    При наличии аномалий определить предполагаемое состояние рынка в зависимости от сочетания уровней влияющих факторов, определенных на предыдущих этапах, опираясь на информацию в таблице 1;

• 5.    При наличии аномалий в каждом из состояний рынка на анализируемом временном промежутке проверить соответствие ключевой характеристики ее ожидаемой качественной оценке, опираясь на информацию в таблице 1, при несоответствии – вернуться на этап 1 и уточнить алгоритмы проверки наличия аномалий на рынке.

Результаты исследования

Далее представлены результаты выполнения разработанного автором алгоритма применительно к данным рынка акционерного капитала США.

• 1.    По результатам выполнения первого этапа алгоритма (5% уровень статистической значимости):

• •    выявлены статистически значимые аномальные доходности на американском рынке акционерного

  капитала на временном промежутке с 13 января 1993 года по 27 марта 2024 года;

• •    на всем объеме анализируемых событий (49 786 наблюдений) выявлено 13 630 значимых на 5% уровне статистической значимости аномальных доходностей на дату события, то есть 27% совокупной выборки;

• •    на всем объеме анализируемых значимых (на 5% уровне) событий (13 630 наблюдений) наблюдается 6 308 негативных аномальных доходностей, то есть 46,3% совокупной выборки статистически значимых аномалий и, соответственно, 53,7% - позитивных аномальных доходностей;

• •    из 5 835 календарных дней, в которые компании объявляли финансовые результаты за весь анализируемый период, статистически значимые на 5% уровне аномальные доходности наблюдаются в 66,1 % случаях (3 857 дней) и приходятся на 375 кварталов;

• •    20,3% всех значимых аномалий приходится на события объявления финансовых результатов при результирующей отрицательной величине сюрприза (отклонения фактических (объявленных) EPS от ожидаемых EPS), 13 % - при нулевом сюрпризе и 66,8% - при положительном сюрпризе;

• •    на всем анализируемом временном интервале средние и суммарные значения значимых на 5% уровне аномальных доходностей при отрицательном среднем или суммарном отклонении фактиче-ских(объявленных) EPS от ожидаемых EPS представлены в таблице 2.

• 2.    По результатам выполнения второго этапа алгоритма автором определено следующее:

Таблица 2

Результаты выявления значимых аномальных доходностей на рынке капитала

[EPS – ожидаемый EPS] < 0	Среднее значение аномальных доходностей (среднее по всем 432 компаниям, объявившим неожиданные отрицательные результаты)	- 3,27 %
	Суммарное значение аномальных доходностей	- 9 033,95%
	Количество аномалий	2 762
[EPS – ожидаемый EPS] = 0	Среднее значение аномальных доходностей (среднее по всем 355 компаниям, объявившим нейтральные результаты)	- 1,12%
	Суммарное значение аномальных доходностей	- 1 976,61%
	Количество аномалий	1 769
[EPS – ожидаемый EPS] > 0	Среднее значение аномальных доходностей (среднее по всем 481 компаниям, объявившим позитивные результаты)	1,56%
	Суммарное значение аномальных доходностей	14 236,98%
	Количество аномалий	9 099

Можно видеть, что за весь рассматриваемый период рынок реагировал на позитивные неожиданные новости сильнее, чем на негативные (количество аномалий в 3,3 раза выше, чем при отрицательных результатах). Аномалии, значимые на 5% статистическом уровне, выявлены автором с 1993 по 2024 год, и присутствуют на рынке акционерного капитала США ежегодно и систематически, в связи с чем на первом этапе выполнения алгоритма автором не отвергается гипотеза относительно несостоятельности EMH для американского рынка капитала на рассмотренном временном интервале в 32 года.

• •    показателем, аппроксимирующим фактор h, направление денежно-кредитной политики, формирующей уровень ликвидности рынка, автором выбран показатель эффективной ставки по федеральным фондам (federal funds effective rate) [11];

• •    показателем, аппроксимирующим фактор k, уровень группового мышления, выбраны доли в эфирном времени ведущих новостных и бизнес-каналов США, которые занимают упоминания слов «финансовый кризис» (имеющиеся данные с 01 января 2017 года по 05 января 2024 года), «бычий рынок» и «медвежий рынок» (имеющиеся данные с 06 января 2009 года по 05 января 2024 года) [12], а также данные рейтинговых агентств Fitch, Moody’s, Standard&Poor’s относительно кредитного рейтинга США, используемые для аппроксимации уровня настроений на рынке, в том числе для анализа за период, на котором отсутствуют данные GDELT.

• 3.    На третьем этапе выполнения алгоритма автором определены следующие коридоры значений:

• •    фактору-базе k присвоен высокий уровень (k = ++), поскольку по результатам эмпирической проверки Гипотезы 1 на рынке наблюдаются статистически значимые аномальные доходности, а также высока доля упоминания в СМИ терминов «финансовый кризис», «бычий рынок», «медвежий рынок», периодически наблюдаются также понижения кредитных рейтингов (тем не менее остающихся на высоком уровне инвестиционной оценки);

• •    фактор h варьировался на протяжении анализируемого периода, автором был выбран пороговый уровень фактора h для проверки Гипотезы 2, равный медианному значению 1,9275%, таким образом, автором принято, что при значениях эффективной ставки по федеральным фондам (EFFR) ниже медианного значения 1,9275% осуществлялась стимулирующая денежно-кредитная политика (h = ++); при значениях EFFR выше медианного значения 1,9275% - осуществлялась сдерживающая денежно-кредитная политика (h= --); при значениях EFFR равных медианному значению - нейтральная денежно-кредитная политика (h = 0).

• 4.    На четвертом этапе выполнения алгоритма автором сформулированы следующие гипотезы:

• •    рынок акционерного капитала США обладает характеристиками когерентного рынка с игрой на повышение (когерентный «бычий» рынок) при значениях эффективной ставки по федеральным фондам (EFFR) меньше медианного значения, равного 1,9275% и при высоком уровне фактора-базы k (k(++), h(++));

• •    рынок акционерного капитала США обладает характеристиками когерентного рынка с игрой на понижение (когерентный «медвежий» рынок) при значениях эффективной ставки по федеральным фондам (EFFR) больше медианного значения, равного 1,9275% и при высоком уровне фактора-базы k (k(++), h(--));

• •    рынок акционерного капитала США обладает характеристиками хаотического рынка при значениях эффективной ставки по федеральным фондам (EFFR) равной медианному значению, равному 1,9275% и при высоком уровне фактора-базы k (k(++), h(0)).

• 5.    На пятом этапе выполнения алгоритма проверено соответствие ключевой характеристики ее ожидаемой качественной оценке, опираясь на информацию в таблице 1. Результаты проведенного исследования характеристик рынка представлены в таблице 3. Проведено сопоставление ключевой характеристики ее ожидаемой качественной оценке. Можно видеть, что на рынке акционерного капитала США наблюдаются периоды с варьирующимися характеристиками при определенных сочетаниях влияющих факторов h и k.

При стимулирующей денежно-кредитной политике и наблюдаемых высоких уровнях рыночных настроений, как при негативных, так и при позитивных событиях на рынке наблюдается позитивная статистически значимая медианная аномальная логарифмическая доходность (+ 0,09496% при позитивном событии и + 0,18254% при негативном событии), таким образом, можно наблюдать соответствие данных результатов характеристикам когерентного рынка с игрой на повышение.

Таблица 3

Сводные результаты выполнения Алгоритма на рынке акционерного капитала США

Характер новости (позитивный, негативный)	Медианная аномальная логарифмическая доходность,%	Характер связи между позитивным влияющим событием и аномальным изменением доходности	Годы, в которые рынок обладал указанными характеристиками, при соответствующем характере новостей
Потенциально высоколиквидный рынок, Когерентный «бычий» рынок EFFR < 1,9275%, h(++), k(++)
[EPS – ожидаемый EPS] ≥ 0	+ 0,09496	прямая	2002, 2003, 2009, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2020, 2021, 2022
[EPS – ожидаемый EPS] < 0	+ 0,18254	обратная	2004, 2010, 2011
Потенциально рынок с низким уровнем ликвидности, Когерентный «медвежий» рынок EFFR > 1,9275%, h(--), k(++)
[EPS – ожидаемый EPS] ≥ 0	- 0,03309	обратная	1992, 1993, 1994, 1995, 1998, 2000, 2001, 2005, 2007, 2019, 2023, 2024
[EPS – ожидаемый EPS] < 0	+ 1,19456	обратная	1996, 1997, 1999, 2006
Средний уровень ликвидности, Хаотичное состояние рынка EFFR = 1,9275%, h(0), k(++)
[EPS – ожидаемый EPS] < 0	+ 0,66422	обратная	2008

При сдерживающей денежно-кредитной политике и наблюдаемых высоких уровнях рыночных настроений при положительных событиях наблюдается негативная статистически значимая медианная аномальная логарифмическая доходность (- 0,03309%), что соответствует характеристике когерентного рынка с игрой на понижение.

При нейтральной денежно-кредитной политике наблюдается обратная связь между характером события и уровнем доходности, что соответствует хаотичному состоянию рынка капитала. Данное состояние наблюдалось в кризисный 2008 год, когда разразился кризис на финансовом рынке с резкими падениями цен активов и банкротствами крупных банков, предтечей которого стал ипотечный кризис 2007 года (период, называемый «великой рецессией»).

Программные методы работы с большими массивами данных (например, с использованием языка программирования Python) позволяют оперативно выявить годы, в которые наблюдались данные характеристики при соответствующем сочетании факторов k и h. Можно видеть, что когерентный «бычий» рынок акционерного капитала наблюдался в относительно спокойные годы, с сопутствующей высокой ликвидностью рынка или же приходился на периоды постепенного восстановления от предшествующих кризисных периодов. При этом кризисы рынка капитала США четко выявляются в результате проведенного анализа вариативных характеристик по предлагаемому автором алгоритму.

Так, на анализируемом периоде именно в период когерентного «медвежьего» рынка четко определяется мировой финансовый кризис 1998 года, кульминация кризиса 2000-2001 годов, связанного с обвалом дот-комов (dot-com bubble), ипотечный кризис 2007 года, имеющий начало еще в 2005 году, пан-демийный 2019 год. Более того, 2023 и текущий 2024 годы также определяются по характеристикам как рынок с игрой на понижение, что во многом может быть связано с начавшимся 19 января 2023 года кризисом лимита государственного долга и сопутствующим ему риском дефолта. Отметим, что текущие события также широко освещаются в СМИ с крайне негативным оттенком.

Заключение

Предлагаемый автором алгоритм применительно к анализу рынка акционерного капитала США на максимально имеющемся на дату исследования массиве исторических данных по максимальному набору крупнейших по капитализации компаний США из различных отраслевых сегментов показал наличие на рынке неэффективных состояний на 5% уровне статистической значимости. Соответственно, вариативные характеристики рынков капитала поддаются выявлению и зависят от сочетания влияющих факторов: настроений инвесторов и направления денежно-кредитной политики, определяющей ликвидность рынка.

Важно отметить, что современные программные методы и инструменты позволяют оперативно проводить глубокий анализ больших массивов разнородных финансовых и макроэкономических данных. Предложенный алгоритм обладает высокой степенью применимости и может способствовать повышению гибкости инвестиционных решений с учетом динамичного характера рынков капитала.