CC BY
88
Финансовый менеджмент
УДК 336.64
ВЛИЯНИЕ МАКРОЭКОНОМИЧЕСКИХ ФАКТОРОВ НА РЫНОК СЛИЯНИЙ И ПОГЛОЩЕНИЙ В ЭНЕРГЕТИЧЕСКОЙ ОТРАСЛИ В РОССИИ НА ОСНОВЕ ПРИМЕНЕНИЯ ТЕСТА ГРЭЙНДЖЕРА
НА КАУЗАЛЬНОСТЬ*
е.а. Федорова,
доктор экономических наук, профессор кафедры финансового менеджмента E-mail: [email protected] Финансовый университет при Правительстве российской Федерации
е.и. Изотова,
дирекция по управлению рисками оАо «Альфа-Банк» E-mail: [email protected]
В статье рассматривается влияние различных макроэкономических факторов на рынок слияний и поглощений в энергетическом секторе Российской Федерации. Оценивается их воздействие на активность на рынке слияний и поглощений, измеряемое с помощью двух индикаторов - среднемесячного количества и среднемесячной стоимости сделок, и на эффективность сделок, определяемую на основе метода кумулятивной избыточной доходности. Данная эффективность рассчитывается как кумулятивная избыточная доходность на пятидневном и пятнадцатидневном интервале.
Были проанализированы помесячные данные по сделкам и макроэкономическим факторам с января 2010 г. по декабрь 2013 г. Предложены три гипотезы: о влиянии на рынок слияний и поглощений финансового рынка (фондового и валютного), цен
* Статья подготовлена по результатам исследований, выполненных за счет бюджетных средств по Государственному заданию Финансового университета, 2014 г.
на энергоресурсы (нефть и газ), общего состояния рынка электроэнергетики.
С точки зрения методологии в исследовании использовались следующие методы: модель GARCH для расчета волатильности, фильтр Ходрика-Пре-скотта для выделения тренда и тест Гоэйнджера на каузальность для выделения взаимосвязей между макроэкономическими показателями и параметрами сделок слияний и поглощений. Кроме того, с помощью теста Грейнджера оценивалось влияние макроэкономических факторов на различных лагах от 1 до 10.
В ходе изучения временных рядов с помощью теста на каузальность все три выдвинутые гипотезы подтвердились. Доказано влияние курса рубля к доллару, индекса ММВБ, цен на нефть и газ, а также цен на электроэнергию, генерации и потребления электроэнергии на рынок слияния и поглощения в целом и на эффективность подобных сделок. Исследование отличает отраслевая направленность, его результаты обладают как теоретической, так и практической ценностью. Полученные выводы, а
также предложенные рекомендации будут полезны при организации сделок слияния и поглощения в секторе энергетики.
Ключевые слова: слияния и поглощения, кумулятивная избыточная доходность, CAR, энергетика, каузальность, тест Гоэйнджера
Анализ динамики рынка слияний и поглощений в России показывает, что число и общая стоимость таких сделок в целом растут. Поэтому повышается актуальность изучения особенностей подобных процессов. Вкладом авторов в многочисленные исследования слияний и поглощений является рассмотрение такого рода сделок в российском секторе энергетики.
Роль топливно-энергетического комплекса и энергетики в Российской Федерации значительна. В настоящее время, по данным экспертов США1, Россия занимает третье место в мире по добыче нефти и второе место по добыче газа. По доказанным резервам газа на 01.01.2013 РФ находилась на первом месте в мире (47,800 млрд м3), а по запасам нефти -на восьмом месте (80 млрд баррелей). Тем не менее недавно были обнародованы заявления Минприроды России, в соответствии с которыми запасы нефти в нашей стране составляют более 180 млрд баррелей:
- категории ФИС1 - 17,8 млрд т (112 млрд баррелей);
- категории С2 - 10,9 млрд т (68,6 млрд баррелей)
По объему выработки электроэнергии Россия занимает четвертое место в мире (после Китая, США и ЕС). Тенденции развития сектора энергетики предполагают рост активности сделок слияния и поглощения. Кроме того, подобные сделки представляют особый интерес для исследования, так как в отличие от сделок других отраслей реагируют на фундаментальные изменения в экономике.
При исследовании влияния макроэкономических факторов на слияния и поглощения в энергетическом секторе был выдвинут ряд гипотез.
Гипотеза 1. На активность на рынке слияний и поглощений, среднюю стоимость сделок и их эффективность влияет общее состояние финансового рынка. Некоторые исследователи полагают, что энергетика оказывает влияние на фондовые рынки (Jones and Kaul) [5]. По мнению авторов, более общие экономические факторы могут оказывать воздействие на процесс принятия финансовых решений в
1 См. URL: https://www.cia.gov.
энергетической отрасли (речь идет о проведении сделок реструктуризации). Влияние макроэкономических, экономических, политических и др. факторов отмечали многие ученые. К примеру, Wu Changqi, Xie Ningling [2] утверждали, что сделки слияния и поглощения зависят от внешней среды, т.е. от таких факторов, как рост экономики, степени конкуренции в стране компании-покупателя, политические и экономические изменения в стране компании-цели. Некоторые исследователи подчеркивают важность неэкономических факторов - политических, правовых и т.д. (Liu Yan, Liu Ming) [10]. Кроме того, российские исследователи (например, Д. Русаков) признают, что состояние рынка не играет большой роли. Ведь если одна компания осуществляет приобретение другой компании при благоприятной рыночной конъюнктуре, а через некоторое время после завершения сделки рыночная ситуация меняется и приводит к снижению стоимости компаний данной отрасли, то это чревато переплатой за компанию-мишень. Синергетический эффект в данном случае будет недостижим [1].
Авторы исследуют влияние состояния фондовых и валютных рынков на активность, стоимость и эффективность сделок слияний и поглощений. В качестве показателей общего состояния фондовых рынков были выбраны индекс ММВБ, индекс ММВБ электроэнергетики и нефтегазовой отрасли. А показателем, характеризующим состояние валютного рынка, - курс рубля к доллару. Кроме того, было проанализировано влияние волатильности данных показателей, рассчитанной по модели GARCH, на сделки слияний и поглощений. Klaus Mohn и ВеМ Misund [6] утверждают, что неопределенность на финансовом рынке в целом негативно влияет на инвестиции и сделки слияний и поглощения. Авторы проверили данную гипотезу на сделках российских компаний сектора энергетики.
Гипотеза 2. На активность на рынке слияний и поглощений, среднюю стоимость сделок и их эффективность оказывают влияние цены на энергоресурсы, а именно - на нефть, газ и волатильность цен. Некоторые исследователи доказывают связь сделок слияний и поглощений с состоянием отрасли и рынка в целом. Например, J.F. Weston [9] подчеркивает, что активность на рынке слияний и поглощений повышается в отраслях, характеризующихся ослаблением регулирования государства, значительной зависимостью от цен на нефть и структурными изменениями. Кроме того, отдельные экономисты считают, что одним из основных мотивов слияний и поглощений в секторе энергетики является приобретение запасов
нефти и газа. Ferguson и Popkin [4] полагают, что рыночная стоимость компании-цели должна быть равна рыночной стоимости ее запасов. Исследователи отмечают, что покупатели готовы платить более высокие премии за компании-цели, так как запасы нефти обеспечивают компании налоговые послабления и тем самым увеличивают ее стоимость. Другие эксперты полагают, что компании стремятся приобрести запасы нефти и газа, так как они генерируют стоимость в долгосрочной перспекгивефопкег) [3].
Цены на нефть и газ долгое время демонстрировали устойчивую тенденцию к росту. Поэтому предполагалось, что стоимость запасов нефти и газа, приобретаемых в результате слияний и поглощений, в долгосрочной перспективе вырастет, а с ней и стоимость компании в целом. В связи с этим можно сделать вывод, что на сделки слияния и поглощения оказывают влияние запасы нефти и газа (следовательно, и цены на них). Это подтверждается в работе Sadorsky [7]. Ученые считают, что компании более склонны заключать сделки слияний и поглощений при высоких ценах на нефть и газ, так как это влечет за собой более высокие цены на их акции, денежные потоки и отдачу на инвестиции (Donker) [3]. Кроме того, Weston [9] утверждает, что нестабильные цены на нефть подстегивают сделки слияний и поглощений за счет того, что в ситуации неопределенности повышается важность таких мотивов слияний и поглощений, как получение экономии от масштаба, расширение рынка и т.д. Специалисты подчеркивают, что нестабильность цены на нефть влияет на управленческую стратегию и политику компаний. Klaus Mohn и ВеМ Misund [6] уверены, что в отличие от нестабильности на финансовых рынках волатильность цены на нефть оказывает значительное положительное влияние на инвестиции и на сделки реструктуризации. Данная гипотеза недостаточно исследована на примере российских компаний, поэтому, по мнению авторов, ее анализ достаточно уместен.
Гипотеза 3. На активность на рынке слияний и поглощений, среднюю стоимость сделок и их эффективность оказывают влияние состояние рынка электроэнергетики (генерация и потребление), а также цена и спрос на оптовом рынке. Как уже упоминалось, на сделки слияния и поглощения влияют резервы нефти и газы, а также цены на данные энергоресурсы. Однако после либерализации некоторых рынков энергетики (например, европейского) компании несколько изменили свою бизнес-стратегию. Они теперь заинтересованы в объединении газодобывающих и
энергетических компаний. Эта тенденция освещается в работе Stefano Verde [8]. Исследователь приходит к выводу, что слияния между такими компаниями вызвано желанием энергетических концернов обезопасить поставки сырья и желанием газодобывающих предприятий выйти на рынок электроэнергетики. Либерализация рынка электроэнергетики стимулирует рост сделок слияния и поглощения, так как в результате неопределенности и рисков, связанных с постройкой собственной инфраструктуры, компании сектора энергетики предпочитают покупать другие компании. Российский рынок элекроэнергетики был либерализован в 2010 г., поэтому авторы использовали данные за 2011-2013 гг. для исследования релевантности данной гипотезы для российского рынка.
При проведении исследования был проанализирован ряд макроэкономических факторов в целях проверки выдвинутых гипотез. Помимо прочего, рассматривалось влияние различных показателей на эффективность сделок слияния и поглощения. Для оценки эффективности использовался общепринятый метод избыточной доходности. Также рассматривалось отклонение рыночной доходности покупателя от доходности рыночного индекса соответствующего фондового рынка. Большинство компаний-покупателей, ставших предметом исследования, торгуются на ММВБ2, поэтому в качестве «нормальной» доходности был использован индекс ММВБ. Однако, если ценные бумаги компаний-покупателей (например, глобальные депозитарные расписки) торговались на других биржах, в качестве ожидаемой доходности использовался индекс соответствующего фондового рынка (например, Лондонской фондовой биржи и Стокгольмской фондовой биржи). Кумулятивная избыточная доходность была рассчитана для двух интервалов: (-2; +2) и (-10; +2), где 0 - это дата официального объявления о сделке.
Накопленная избыточная доходность (CAAR) в рамках данного исследования рассчитывалась следующим образом:
а) расчет доходности акций компании-покупателя (индекса) на каждый день в интервале наблюдения:
R = 100% (р - рм) / Pt_v где Pt - цена закрытия торгов по акции или цена закрытия индекса в день T; Pt1 - цена закрытия торгов по акции или цена закрытия индекса в день T-1;
2 См/URL: http://moex.ru.
s
б) расчет избыточной доходности акций компании-покупателя на каждый день в интервале наблюдения:
CAR = (R - IR), где R. - дневная доходность компании в день t; IR. - дневная доходность соответствующего индекса в день t;
в) расчет накопленной избыточной доходности за интервал наблюдения:
CCAR = И CAR..
1
В целях установления взаимосвязи исследуемых показателей и количества, стоимости и эффективности, измеряемой путем кумулятивной избыточной доходности, был использован тест Грейн-джера. Причинно-следственный тест Грейнджера позволяет определить динамику взаимодействия (в частности, направление причинно-следственных связей между изучаемыми показателями).
Сущность теста Грэйнджера на каузальность заключается в следующем: переменная x является каузальной по отношению к переменной у (обозначается x—^у), если при прочих равных условиях значения y могут быть лучше предсказаны с использованием прошлых значений x, чем без них. Иначе говоря, должны выполняться одновременно два условия:
1) переменная х должна вно сить значимый вклад в прогноз у;
2) переменная у не должна вносить значимый вклад в прогноз х.
Если каждая из этих двух переменных дает значимый вклад в прогноз другой, то скорее всего существует третья переменная z, влияющая на обе переменные.
Нулевая гипотеза «х не влияет на у» заключается в одновременном равенстве нулю всех коэффициентов р. Для ее тестирования применяется обычный F-тест. Альтернативная гипотеза «у не влияет на х» тестируется аналогично, только необходимо поменять местами х и у. Чтобы прийти к заключению, что «х влияет на у», необходимо, чтобы гипотеза «х не влияет на у» была отвергнута, а гипотеза «у не влияет на х» принята.
Если обе гипотезы отвергаются, то между рассматриваемыми переменными существует взаимосвязь, т.е. х-^у. Если же нулевые гипотезы не отвергаются, то каузальная связь между переменными отсутствует. Кроме того, необходимо отметить, что тест Грэйнджера является очень чувствительным к количеству лагов m в уравнении регрессии, поэтому целесообразно проделать данный тест для разных значений параметра m.
Объектом исследования являются завершенные сделки за период с 01.01.2010 по 31.12.2013, представленные в базе данных Bloomberg. В качестве источников котировок акций были использованы такие ресурсы, как информационный портал finam. ru3, официальный сайт Московской биржи moex. ru, а также информационное агентство Bloomberg. Кроме того, в данном исследовании использовались данные по некоторым макроэкономическим показателям. Эти показатели (ежедневные цены на нефть марки Brent, цены на газ, котировки индекса ММВБ и отраслевых индексов ММВБ нефтегазовой и энергетической отрасли) были взяты с информационного портала finam.ru. Данные о ежедневном курсе рубля к доллару были получены с официального сайта Банка России. Кроме того, были использованы данные Росстата4 об индексах цен производства и распределения электроэнергии, газа и воды по Российской Федерации в 1998-2013 гг., индексах предпринимательской уверенности (в процентах) организаций по добыче полезных ископаемых и организаций, осуществляющих производство и распределение электроэнергии, газа и воды (без малых предприятий). Для проведения анализа были рассчитаны среднемесячные значения показателей, а по некоторым макроэкономическим показателям -условная волатильность (с использованием модели GARCH), а также тренд (с использованием фильтра Ходрика-Прескотта).
Первым этапом исследования данных гипотез стал отбор показателей. Краткое описание макроэкономических показателей, предположительно влияющих на активность, стоимость и эффективность сделок слияний и поглощений, приведено в табл. 1-4. Все значения факторов были взяты за период с 01.01.2010 по 31.12.2013 в связи с тем, что именно с 2010 г. рынок электроэнергетики в России был либерализован. Такая выборка данных позволила исследовать все три гипотезы. Выборка насчитывает 48 наблюдений (среднемесячные данные за 4 года).
Среди зависимых переменных были выбраны показатели, отраженные в табл. 1. При этом следует отметить, что активность рынка слияний и поглощений измеряется в нашем исследовании такими показателями, как количество сделок и средняя стоимость сделок.
Факторы, которые использовались для проверки гипотезы 1, приведены в табл. 2. В таблице
3 См. URL: http://www.finam.ru.
4 См. URL: http://www.gks.ru.
Финансовый менеджмент - 6
Таблица 1
Зависимые переменные
Переменные Описание
Количество сделок Среднемесячное количество сделок
Стоимость сделок Средняя стоимость сделок за соответствующий месяц
CAR (-2; +2) Среднемесячная кумулятивная доходность за период (-2; +2)
CAR (-2; +2) Среднемесячная кумулятивная доходность за период (-10; +2)
Таблица 2 Показатели состояния финансового рынка
Переменные Описание
MICEX Среднемесячное значение индекса ММВБ
MICEXPWR Среднемесячное значение отраслевого индекса ММВБ в электроэнергетике
MICEXO&G Среднемесячное значение отраслевого индекса ММВБ в нефтегазовой отрасли
GARCH (MICEX) Среднемесячная волатильность индекса ММВБ, рассчитанная по модели GARCH
GARCH (MICEXO&G) Среднемесячная волатильность отраслевого индекса ММВБ в нефтегазовой отрасли, рассчитанная по модели GARCH
GARCH (MICEXPWR) Среднемесячная волатильность отраслевого индекса ММВБ в электроэнергетике, рассчитанная по модели GARCH
USD/RUB Среднемесячный курс доллара к рублю, установленный Банком России
GARCH (USD/ RUB) Среднемесячная волатильность курса доллара к рублю, установленного Банком России
TREND (USD/ RUB) Временной ряд курса доллара к рублю, установленного Банком России, сглаженный с помощью фильтра Ходрика-Прескотта
зафиксированы показатели, с помощью которых исследовалась гипотеза о влиянии состояния финансового рынка на сделки слияния и поглощения. При этом в рамках финансового рынка изучались показатели фондового и валютных рынков.
Показатели, которые используются в целях исследования гипотезы 2, иллюстрирует табл. 3.
Факторы, отобранные для исследования гипотезы 5, представлены в табл. 4.
С помощью теста Грэйнджера на каузальность были исследованы причинно-следственные связи между зависимыми переменными и независимыми переменными. В табл. 1-4 приведены только те результаты, которые относятся к влиянию макроэкономических факторов на зависимые переменные, а именно - на количество сделок, их среднюю
Таблица 3
Показатели, иллюстрирующие динамики и волатильность цен на нефть и газ
Показатель Описание
Brent Среднемесячная цена на нефть марки Brent долл./баррель
Brent (Р0-Р1) Изменение цены на нефть марки Brent за 1 мес. (базовый период - месяц объявления о сделке)
Brent (Р0-Р2) Изменение цены на нефть марки Brent за 2 мес. (базовый период - месяц объявления о сделке)
GARCH(Brent) Среднемесячная волатильность цены на нефть марки Brent, рассчитанная по модели GARCH
TREND(Brent) Временной ряд цены на нефть марки Brent, сглаженный с помощью фильтра Ходрика-Прескотта
Gas Среднемесячная цена за природный газ, долл./тыс. м3
Gas (Р0-Р1) Изменение цены на природный газ за 1 мес. (базовый период - месяц объявления о сделке)
Gas (Р0-Р2) Изменение цены на природный газ за 2 мес. (базовый период - месяц объявления о сделке)
GARCH(Gas) Среднемесячная волатильность цены на природный газ, рассчитанная по модели GARCH
TREND(Gas) Временной ряд цены на природный газ, сглаженный с помощью фильтра Ходрика-Прескотта
Таблица 4 Показатели состояния рынка электроэнергетики
Переменные Описание
Индекс цен Индекс цен производства и распределения электроэнергии, газа и воды по Российской Федерации в 1998-2013 гг.
Индекс уверенности 1 Индекс предпринимательской уверенности (в процентах) организаций по добыче полезных ископаемых (без малых предприятий)
Индекс уверенности 2 Индекс предпринимательской уверенности (в процентах) организаций, осуществляющих производство и распределение электроэнергии, газа и воды (без малых предприятий)
Потребление Среднемесячное потребление электроэнергии на территории РФ, МВт-ч.
Генерация Среднемесячная генерация электроэнергии на территории РФ, МВт-ч.
Генерация, план Среднемесячная плановая генерация электроэнергии на территории РФ, МВт-ч.
Окончание табл. 4
Переменные Описание
Потребление, план Среднемесячное плановое потребление электроэнергии на территории РФ, МВт-ч.
Цена (Европа) Цена на электроэнергию в регионе Европа и Урал, руб./МВт-ч.
Спрос (Европа) Спрос на электроэнергию (рынок на сутки вперед) в регионе Европа и Урал, МВт-ч.
Цена (Сибирь) Цена на электроэнергию в регионе Сибирь, руб./МВт-ч.
Спрос (Сибирь) Спрос (рынок на сутки вперед) в регионе Сибирь, МВт-ч.
GARCH/ Цена (Европа) Среднемесячная волатильность цены на электроэнергию в регионе Европа и Урал, рассчитанная по модели GARCH
GARCH / Цена (Сибирь) Среднемесячная волатильность цены на электроэнергию в регионе Сибирь, рассчитанная по модели GARCH
TREND / Цена (Европа) Временной ряд цены на электроэнергию в регионе Европа и Урал, сглаженный с помощью фильтра Ходрика-Прескотта
TREND / Цена (Сибирь) Временной ряд цены на электроэнергию в регионе Сибирь, сглаженный с помощью фильтра Ходрика-Прескотта
стоимость и эффективность. Эффективность в данном случае измерялась как среднемесячная кумулятивная избыточная доходность, рассчитанная для двух периодов: 5-дневного периода (-2; +2) и 15-дневного периода (-10; +2)
Основной целью проведения теста Грэйнджера на каузальность было стремление выявить, с каким лагом соответствующие макроэкономические показатели влияют на показатели активности, стоимости и эффективности сделок слияния и поглощения. В ходе теста были рассмотрены лаги от 1 до 10 мес. Некоторые результаты данного теста представлены в табл. 5 и разбиты по трем исследуемым гипотезам.
Результаты теста Грэйнджера подтверждают выдвинутые гипотезы. Рассмотрим результаты по гипотезе 1. В целом влияние рынка прослеживается на всех лагах, кроме лага 1, что вполне объяснимо, так как на то, чтобы среагировать на изменения на финансовом рынке, компаниям необходимо время. Что касается валютных рынков, курс доллара к рублю показывает устойчивую тенденцию влияния на среднюю стоимость сделок после 8 мес., т.е. на восьмом, девятом и десятом лагах. Кроме того, он начинает влиять и на количество сделок после 9 мес. Сглаженный временной ряд курса доллара к рублю также значительно влияет на стоимость
(лаги 2, 8, 9, 10) и количество сделок (лаги 6 и 7). Данные результаты вполне объяснимы, так как доллар является для российского рынка ключевой валютой и имеет особое значение для сектора энергетики. Практически все контракты с зарубежными партнерами по поставке нефти, газа и электроэнергии российские компании заключают в долларах. Поэтому логично, что изменение курса доллара к рублю стимулирует активность сделок слияния и поглощения и их среднюю стоимость. Кроме того, курс доллара к рублю влияет на CAR (-10; +2) через 2 мес., а сглаженный ряд оказывает влияние на CAR (-10; +2) через 3 мес. и на CAR (-2; +2) через 5 мес. Следовательно, показатели эффективности сделок реагируют на изменение курса рубля быстрее. На взгляд авторов, это связано с тем, что избыточная доходность отражает реакцию рынка в целом, а не отдельных компаний, совершающих сделки. Из этого можно сделать очевидный вывод, что рынок реагирует на изменения курса быстрее.
Помимо этого, было проанализировано влияние волатильности курса доллара к рублю на сделки. Во-латильность курса начинает оказывать устойчивое влияние на среднюю стоимость сделок через 4 мес. (лаги 4-10). Кроме того, она оказывает влияние на эффективность за 5-дневный период через 8 мес. и на 17-дневный период через 10 мес. Очевидно, что нестабильность на валютном рынке устойчиво влияет на сделки слияния и поглощения.
Что касается взаимосвязи сделок слияния и поглощения и фондового рынка, то проведенный тест подтверждает наличие такой взаимосвязи. Однако она не такая тесная, как связь с валютным рынком. Было установлено, что волатильность индекса ММВБ оказывает устойчивое влияние на эффективность сделок, а именно на избыточную доходность за 17-дневный период через 2-6 мес. после сделки. Несомненно, что нестабильность на фондовом рынке, показателем которой является волатильность индекса ММВБ, сказывается на ожиданиях инвесторов от сделки.
Перейдем к рассмотрению факторов, иллюстрирующих гипотезу 2. Тест Грэйнджера выявил устойчивое влияние цены на нефть марки Brent, сглаженного ряда цены на нефть, а также изменения цены на нефть за 1 и 2 мес. после полугодичного ожидания. Анализ показателя изменения цены на нефть за 1 мес. и за 2 мес. показывает, насколько инвесторы чувствительны в амплитуде колебаний среднемесячных значений. Изменение цены на
Таблица 5
Результаты теста Грэйнджера на каузальность
Гипотеза Количество лагов
1 2 3 4 5
1. Влияние Нет влияния RUB/USD -> CAR(-10; +2). TREND (USD/RUB) -> GARCH (MICEX) -> TREND (USD/RUB) -> CAR(-2; +2).
финансовых GARCH (MICEX) -> CAR(-10; +2). CAR(-10; +2). GARCH (USD/RUB) -> Стоимость.
рынков CAR(-10; +2). TREND (USD/RUB) -> Стоимость GARCH (MICEX) -> CAR(-10; +2) GARCH (USD/RUB) -> Стоимость GARCH (MICEX) -> CAR(-10; +2)
2. Влияние Нет влияния Brent —> CAR (-10;+2). Brent -> CAR(-10; +2). Нет влияния GARCH (Brent) -> CAR(-10; +2)
цены на Brent (P0-P1) -> CAR (-10; Brent (P0-P1 ) -> CAR (-10;
нефть, газ и +2). +2)
их волатиль- Brent (P0-P2) -> CAR(-10;
ности +2)
Нет влияния Gas -> CAR(-2; +2). TREND (Gas) -> Стоимость TREND (Gas) -> CAR (-10;+2) Gas —> Стоимость. Gas (PO-Pl) -> Стоимость. Gas (P0-P1) -> CAR(-2; +2). Gas (P0-P1) -> CAR(-10; +2) Нет влияния
3. Влияние Индекс уверенности Индекс цен —> Стоимость Индекс цен —> Стоимость. Индекс цен —> Стоимость. Нет влияния
состояния 2 —> CAR (-10;+2). Индекс уверенности 2 —> TREND / Цена (Европа) ->
рынка элект- Индекс уверенности Количество. CAR (-10; +2)
роэнергетики 2 —> Стоимость. Цена (Сибирь) —> Количество. TREND (Цена/Европа) —> Стоимость TREND / Цена (Европа) -> CAR (-2; +2) Цена (Европа) —> Стоимость
1. Влияние TREND(USD/RUB) TREND(USD/RUB)^ RUB/USD -> Стоимость. RUB/USD -> Стоимость. RUB/USD -> Стоимость.
финансового —> Количество. Количество. GARCH (USD/RUB) -> RUB/USD -> Количество. RUB/USD -> Количество.
рынка GARCH (USD/RUB) GARCH(USDZRUB)^ Стоимость. GARCH (USD/RUB) -> Сто- GARCH (USD/RUB) -> Стоимость.
—> Стоимость. Стоимость GARCH (USD/RUB) -> имость. GARCH (USD/RUB) -> CAR (-10;
GARCH (MICEX) -> CAR(-2; +2). TREND (USD/RUB) -> Сто- +2).
CAR(-10; +2) TREND (USD/RUB) -> Стоимость имость TREND (USD/RUB) -> Стоимость
2. Влияние Brent (Р0-Р2) -> Brent —> Стоимость. Brent(PO-Pl) —> Стоимость. Brent (PO-Pl) —> Стоимость. Brent (P0-P1) —> Стоимость.
цены на Стоимость Brent (Р0-Р2) —> Стоимость Brent (P0-P2) —> Стоимость Brent (Р0-Р2) —> Стоимость. Brent (P0-P2) —> Стоимость.
нефть, газ и TREND (Brent) -> Стоимость TREND (Brent) -> Стоимость.
их волатиль- TREND (Brent) -> CAR(-10; +2)
ности Нет влияния TREND (Gas) -> CAR (-10; +2) GARCH (Gas) -> Стоимость Нет влияния TREND (Gas) -> CAR (-2; +2)
3. Влияние Нет влияния Нет влияния Индекс уверенности 2 —> Индекс цен —> Количество. Индекс цен —> Количество.
состояния CAR (-10;+2). Цена (Сибирь) —> Стоимость. Генерация —> Стоимость.
рынка элект- TREND / Цена (Европа) -> TREND / Цена (Европа) -> Цена (Европа) -^Количество.
роэнергетики Количество Количество TREND / Цена (Европа) —> Количество
нефть также влияет на эффективность сделок через более короткий промежуток времени - через 2-3 мес. (CAR быстрее реагирует на изменения). Волатильность цены на нефть, т.е. нестабильность на сырьевом рынке, оказалась значима для эффективности сделок на лаге 5.
Что касается цены на газ, этот показатель тоже значим. Однако степень его влияния несколько ниже, чем нефти. Тем не менее, благодаря развитию научно-технического прогресса, возможности использования газа расширяются. Цена на газ, изменение цены на газ за 2 мес., а также сглаженный тренд влияют на стоимость сделок на лаге 2 и 4. Более устойчивое влияние цена, изменения и тренд цены оказывают на эффективность сделок (лаги 2, 3, 4, 7, 10). Кроме того, волатильность цены на газ, т.е. нестабильность, как и волатильность цены на нефть, оказалась значима чуть позже - через 8 мес. Такие результаты исследования гипотезы 4 вполне объяснимы, так как нефть и газ являются определяющим ресурсом для всей отрасли энергетики: как для добывающих компаний, так и для генерирующих.
Рассмотрим показатели, характеризующие гипотезу 3. На среднюю стоимость сделок устойчивое влияние оказывает индекс цен на электроэнергию через 2 мес. Кроме того, на стоимость воздействуют такие факторы, как индекс уверенности и сглаженный ряд цены на электроэнергию в регионе Европа и Урал на лаге 1, цена на электроэнергию в регионе Европа и Урал (лаг 4), цена на электроэнергию в регионе Сибирь (лаг 9) и генерация электроэнергии (лаг 10). Такое влияние цен на электроэнергию на стоимость сделок вполне объяснимо, так как активы в секторе энергетики зачастую приобретаются для выработки электроэнергии (вертикальные и горизонтальные сделки). На активность на рынке слияний и поглощений в энергетике влияет цена на электроэнергию в регионе Сибирь (лаг 1), сглаженный ряд цены на электроэнергию в регионе Европа и Урал (лаги 8, 9, 10) и сама цена на электроэнергию в регионе Европа и Урал (лаг 10), индекс уверенности (лаг 3), индекс цен (лаги 9 и 10). Кроме того, было установлено влияние таких факторов, как индекс уверенности и сглаженного ряда цены на электроэнергию в регионе Европа и Урал на лагах 1 и 8 и лагах 3 и 4 соответственно. Таким образом, нельзя отрицать значительного влияния показателей, харак-
теризующих состояние рынка электроэнергетики, на все аспекты слияний и поглощений.
Выдвинутая гипотеза 3 также подтверждается. Проведенный тест Грэйнджера на каузальность выявил значительное влияние цен на электроэнергию, а также их волатильности на активность, стоимость и эффективность сделок слияния и поглощения.
Несмотря на то, что результаты разнонаправ-лены и вопрос требует дальнейшего изучения, на взгляд авторов, можно выделить тенденцию, предполагающую, что рост цен на электроэнергию, генерация и спрос положительно влияют на сделки слияния и поглощения.
Список литературы
1. Русаков Д. Трансграничные слияния и поглощения // Вестник Института экономики РАН. 2008. № 4. С.376-386.
2. Changqi W., NinglingX. Determinants of Cross-Border Merger & Acquisition Performance of Chinese Enterprises. Procedia Social and Behavioral Sciences. 2010. № 2. P. 6896-6905.
3. Donker H. Purchasing reserves and commodity market timing as takeover motives in the oil and gas industry. Energy Economics. 2013. № 37. P. 167-181.
4. Ferguson R., Popkin P. Pulling rabbits out of hats in the oil business-and elsewhere // Fin. Anal. J. 1982. № 38. Р. 24-27.
5. Jones C.M., Kaul G. Oil and the stock markets // J. Finance. 1996. № 51. Р. 463-491.
6. Mohn K., MisundB. Investment and uncertainty in the international oil and gas industry // Energy Economics. 2009. № 31. Р. 240-248.
7. Sadorsky P. Time-varying risk premium in petroleum futures prices // Energy Economics. 2002. № 24. Р. 539-556.
8. Verde S. Everybody merges with somebody - The wave of M&As in the energy industry and the EU merger policy // Energy Policy. 2008. № 36. Р. 1125-1133.
9. Weston J.F., Johnson B.A., Siu J.A. Mergers and restructuring in the world oil industry // J. Energy Finan. Dev. 1999. № 4. Р. 149-183.
10. Yan L., Ming L. The Analysis on Non-Economic Influencing Factors in Transnational Mergers Made by Chinese Energy Firms Based on ESP Paradigm // Energy Procedia. 2011. № 5. Р. 69-73.
Finance and credit Financial management
ISSN 2311-8709 (Online) ISSN 2071-4688 (Print)
INFLUENCE OF MACROECONOMIC FACTORS ON M&A MARKET OF THE RUSSIAN ENERGY INDUSTRY BASED ON THE GRANGER CAUSALITY TEST
Elena A. FEDOROVA, Elena I. IZOTOVA
Abstract
The article deals with the influence of various macroeconomic factors on the mergers and acquisitions market of the energy sector of the Russian Federation . The authors assess their impact on transactions in the M&A market, which is measured by two indicators, i.e. average monthly quantity and average monthly cost of transactions, and on efficiency of transactions, which is defined under the cumulative abnormal return (CAR) method. The authors calculate the efficiency as a cumulative abnormal return at five-day and fifteen-day intervals The authors analyzed monthly data on transactions and macroeconomic factors from January, 2010 to December, 2013 and offered three hypotheses. Namely, about influence of financial markets (equity market and money market), prices for energy resources (oil and gas), and the general condition of the power industry market on the M&A market. The authors used the following methods in the research: the GARCH model to calculate volatility, the Hodrick-Prescott filter to identify the trend, and the Granger causality test to identify interrelations between macroeconomic indicators and parameters of M&A transactions. In addition, the authors assessed the influence of macroeconomic factors using the Granger causality test at various lags from 1 to 10. Studying the time series under the causality test method, the authors confirmed the three hypotheses . They proved the influence of ruble to dollar exchange rate, MICEX index, prices for oil and gas, as well as prices for electricity and electricity generation and consumption on the market of mergers and acquisitions on the whole and on efficiency of such transactions in particular The characteristic feature of the research is its industry-specific focus. The research results have both theoretical and practical values . The obtained conclusions and proposed recommendations can be useful in arranging merger and acquisition transactions in the energy sector
Keywords: M&A, cumulative, excess, profitability, CAR, cumulative abnormal return, power engineering, causality, Granger causality test
References
1. Rusakov D. Transgranichnye sliyaniya i poglosh-cheniya [Cross-border mergers and acquisitions]. Vestnik Instituta ekonomiki RAN - Bulletin of Institute of Economics of RAS, 2008, no. 4, pp. 376-386.
2. Changqi W., Ningling X. Determinants of Cross-Border Merger & Acquisition Performance of Chinese Enterprises. Procedia Social and Behavioral Sciences, 2010, no. 2, pp. 6896-6905.
3. Donker H. Purchasing reserves and commodity market timing as takeover motives in the oil and gas industry Energy Economics, 2013, no. 37, pp. 167-181.
4. Ferguson R., Popkin P. Pulling rabbits out of hats in the oil business-and elsewhere. Fin. Anal. J., 1982, no. 38, pp. 24-27.
5. Jones C.M., Kaul G. Oil and the stock markets. Journal of Finance, 1996, no. 51, pp. 463-491.
6. Mohn K., Misund B. Investment and uncertainty in the international oil and gas industry . Energy Economics, 2009, no. 31, pp. 240-248.
7. Sadorsky P. Time-varying risk premium in petroleum futures prices . Energy Economics, 2002, no. 24, pp. 539-556.
8. Verde S. Everybody merges with somebody - the wave of M&As in the energy industry and the EU merger policy. Energy Policy, 2008, no. 36, pp. 1125-1133.
9. Weston J.F., Johnson B.A., Siu J.A. Mergers and restructuring in the world oil industry J. Energy Finan. Dev., 1999, no. 4, pp. 149-183.
10. Yan L., Ming L. The Analysis on Non-Economic Influencing Factors in Transnational Mergers Made by Chinese Energy Firms Based on ESP Paradigm. Energy Procedia, 2011, no. 5, pp. 69-73.
Elena A. FEDOROVA
Financial University under Government of Russian Federation, Moscow, Russian Federation ecolena@mail . ru
Elena I. IZOTOVA
OAO Alfa-Bank, Moscow, Russian Federation izotova . elena . mglu@yandex . ru
Acknowledgments
The article is supported by the results of the State-funded research under the State job to the Financial University under the Government of the Russian Federation for 2014.
