С. В. Шеремета / Вопросы экономики. 2020. № 2. С. 3 0 —58
части доходов бюджета на федеральном уровне и к изъятию части по
ступлений у регионов. С учетом структуры потребления в различных
регионах повышение основной ставки НДС с сохранением льготной
и нулевой ставок может сократить дифференциацию регионов по до
ходной базе: негативный эффект этой меры будет больше ощущаться
в финансово сильных субъектах с высокой долей в потреблении това
ров, облагаемых по основной ставке, а для бюджетов финансово сла
бых регионов эффект повышения ставки НДС будет незначительным.
Рост фискальной нагрузки по рентным налогам6, осуществляе
мый в рамках налогового маневра в нефтегазовой отрасли, увеличивает
объем нефтегазовых доходов ежегодно при тех же условиях торговли.
Текущие уровни рентной нагрузки в добывающем секторе позволяли
отрасли получать сверхприбыль, что приводило к процикличности
поступлений по налогу на прибыль и их чувствительности к внешней
конъюнктуре (рис. 14). Другими словами, повышение рентной нагрузки
имеет структурно положительный эффект, но уменьшает потенциаль
ную облагаемую базу по налогу на прибыль. Долгосрочные уровни
Процикличность собственных доходов региональных бюджетов
и поступлений по налогу на прибыль, 2005—2017 гг.
------ Urals (долл./барр.)
♦ Индекс цен всех мировых товаров МВФ (Commodity price index IMF, 2005 = 100)
—a— Индекс цен продовольственных товаров (Food commodity price index IMF, 2005 = 100)
—о —Индекс цен металлов (Metal commodity price index IMF, 2005 = 100)
■■О" Индекс цен энергоносителей (Energy&Fuel commodity price index IMF, 2005= 100)
Собственные доходы консолидированного бюджета субъектов РФ
(сезонно сглаженные и исчисленные в млрд долл., правая шкала)
— Поступления по налогу на прибыль в региональные бюджеты
(сезонно сглаженные и исчисленные в млрд долл., правая шкала)
Источники: ФК; Минфин; МВФ; расчеты автора.
Рис. 14
6 Маневр предполагает сокращение ставок экспортной пошлины до полного обнуления
в 2024 г. и повышение ставки Н Д П И . Поскольку Н Д П И облагается все добываемое сырье
(а пошлиной — только его вывозимая часть), а также за счет отмены льгот по Н Д П И для
бюджета маневр окажется не нейтральным, а положительным с позиции общих поступлений
в него. Минфин оценивает дополнительные поступления от маневра на уровне 1,3 —1,6 трлн руб.
в 2019—2024 гг. при устойчивых сырьевых ценах и доле поставок на экспорт.
51
С. В. Шеремета / Вопросы экономики. 2020. № 2. С. 3 0 —58
поступлений по нему при стабильном уровне сырьевых цен наиболее
чувствительны к повышению рентной нагрузки в добывающих и экс
портирующих регионах.
В отдельных регионах вводится новый рентный налог на допол
нительный доход (НДД), предполагающий перераспределение фис
кальной нагрузки с периода разработки сложных месторождений на
период стабильного получения прибыли (денежного потока) от добычи.
Включение в облагаемую базу собственных финансовых показате
лей компаний может стимулировать их к налоговой оптимизации, но
в целом данный налоговый режим выгоден для регионов в части по
вышения облагаемой прибыли компаний в начальные периоды. НДД
вводится на ряде сложных месторождений в республиках Коми и Саха
(Якутия), Тюменской и Иркутской областях, ХМАО, ЯНАО, НАО,
Красноярском крае.
Изъятие 3 п.п. ставки налога на прибыль федеральным центром
осуществляется в целях перераспределения. Эти средства будут рас
ходоваться не в тех регионах, где поступления были собраны.
Мы предлагаем при повышении фискальной нагрузки по рент
ным налогам (НДПИ и Н ДД) и НДС (централизации части доходов
бюджета на федеральном уровне) вернуть регионам 1—3 п.п. ставки
налога на прибыль (0,2 —0,7 трлн руб. в ценах 2018 г.), что позволит
не дестимулировать регионы, генерирующие основной объем поступле
ний по нему. Значительный эффект от этой меры будет ощущаться
в субъектах с высокой долей этого налога в доходах, а относитель
но слабые регионы получат дополнительные поступления. При этом
федеральный центр будет изымать больше ренты и получать НДС по
повышенной ставке, осуществляя национальные проекты на приори
тетных территориях.
Реализация национальных проектов в рамках Указа Президента
№ 204 от 07.05.2018 будет способствовать росту доходной базы и по
тенциала многих регионов (особенно труднодоступных и высоко
дотационных) и почти не требует софинансирования из бюджетов
субъектов РФ. Конечный позитивный эффект в 2019—2024 гг. может
быть ниже из-за возможного неисполнения соответствующих расходов
и переноса части ассигнований на более поздний срок. Максимальный
позитивный эффект возможен в труднодоступных субъектах с низкой
обеспеченностью инфраструктурой, а также в крупных агломерациях.
Долгосрочный тренд на увеличение демографической нагрузки на
трудоспособное население будет замедляться в рамках постепенного по
вышения возраста выхода на пенсию в 2019—2034 гг. Это частично раз
грузит расходную часть региональных бюджетов (сокращение социаль
ных обязательств) и повысит их доходную часть (уменьшение льгот
и преференций, рост потенциальной численности занятых). В текущий
период региональные власти планировали сохранить ряд имеющихся
льгот и обязательств в параметрах пенсионного возраста, действовав
ших до 2018 г., но в течение нескольких лет регионы могут привести
ряд публично-нормативных обязательств в соответствие с актуаль
ными пенсионными параметрами. Повышение пенсионного возраста
предполагает увеличение социально-пенсионного обеспечения (в части
52
С. В. Шеремета / Вопросы экономики. 2020. № 2. С. 3 0 —58
приведения его к уровням относительно средних зарплат и прожи
точного минимума в регионе), что будет профинансировано преиму
щественно федеральным центром. Перерасчет пенсий и социально
демографические меры по поддержке рождаемости в 2019—2022 гг.
позитивно скажутся на состоянии региональных бюджетов, поскольку
не потребуют от них дополнительных средств, но повысят распола
гаемые доходы, спрос и потребление населения в регионах. В целом
наибольший эффект могут получить регионы с высоким прожиточным
минимумом и высокой долей населения в возрасте 50 —60 лет, льгот
ными условиями по возрасту выхода на пенсию.
Отдельные меры Минфина применительно к фискальной полити
ке регионов повлияют на сбалансированность и устойчивость регио
нальных бюджетов. В части доходной политики регионов Минфин
планирует не переносить убытки прошлых лет в облагаемую базу по
налогу на прибыль, передать ряд акцизных поступлений (алкоголь,
нефтепродукты) с федерального уровня регионам, реализовать ряд
мер по повышению собираемости налогов (в основном имуществен
ных) и неналоговых доходов (в том числе администрирования за
долженности, штрафов и административных взысканий), провести
инвентаризацию налоговых льгот/преференций (заместив льготы по
налогу на прибыль инвестиционными налоговыми вычетами и уско
ренной амортизацией), ввести «налог на самозанятых», отменить налог
на движимое имущество организаций (заместив компенсирующими
трансфертами в объеме 0,2 трлн руб.). В части ассигнований регионов
Минфин планирует провести масштабную инвентаризацию и оптимиза
цию расходных обязательств, внедрив практику «модельного бюджета»
субъекта РФ 7 (с усилением привязки ассигнований к конкретным пара
метрам регионов), ужесточив политику предоставления трансфертов
регионам (с повышением их адресности) и переведя ряд ассигнований
на казначейское сопровождение.
В части контроля долговой устойчивости субъектов Минфин пред
полагает внедрить правила долговой/заемной политики, завершить
программу реструктуризации обязательств по бюджетным кредитам
и частично централизовать управление остатками регионов через еди
ный казначейский счет (ЕКС). Эти меры направлены на «обеление»
экономики, улучшение контроля за расходованием и использованием
бюджетных средств, усиление фискальной и долговой дисциплины,
постепенное движение субъектов в сторону большей финансовой само
стоятельности и обеспеченности расходных обязательств доходными
полномочиями.
Некоторые меры будут способствовать снижению экономической
и фискальной дифференциации регионов. Ценой их введения и реа
лизации в ближайшее время будут временное локальное ужесточение
фискальной политики на региональном уровне, усиление негативного
вклада фискальной политики регионов в динамику ВРП, поскольку
эти действия приведут к ограничению и возможному неисполнению
расходов и постепенному изъятию большего объема доходов, уси
7О подходах к формированию «модельного» бюджета субъектов РФ. Минфин, 2018.
53
С. В. Шеремета / Вопросы экономики. 2020. № 2. С. 30—58
лению фискального и налогового давления. Вводимые меры будут
содействовать активному погашению рыночного долга и ограничат за
имствования для соответствия предъявленным Минфином критериям,
что приведет к дальнейшей конвергенции доходности ОФ З и бумаг
регионов, к снижению ставок заимствований для регионов и повы
шению кредитного рейтинга и доверия инвесторов к региональным
эмитентам. Часть негативного эффекта от этих мер для субъектов РФ
будет компенсирована реализацией национальных проектов в области
инфраструктуры и развития человеческого капитала в 2019—2024 гг.
Это позволит сократить разрывы между регионами в инфраструктур
ном, институциональном и социальном плане, поскольку нацпроекты
сконцентрированы преимущественно в отстающих, труднодоступных
и высокодотационных регионах. Также Минфин планирует повы
сить прозрачность финансовых органов субъектов РФ, обязав их
публиковать Основные направления долговой политики региона на
трехлетний период.
Мы предлагаем ряд дополнительных мер в области фискальной
и долговой политики регионов. Очевидно, что для более равномерно
го распределения налоговых поступлений между регионами внутри
России компании должны иметь налоговую регистрацию в регионе
ведения хозяйственной деятельности, однако этот вопрос относится
скорее к институциональным факторам. Другой пакет институцио
нальных мер связан с постепенным развитием конкурентной среды,
с отраслевой диверсификацией, реструктуризацией моногородов и ло
кальных естественных монополий, приватизацией нерентабельных
региональных предприятий. При этом ассигнования социального ха
рактера и субсидии предприятиям и муниципалитетам должны стать
целевыми/адресными. В расходной политике регионам надо делать
акцент на демографическую и молодежную политику (адресная под
держка рождаемости, многодетных семей) и политику занятости и по
вышения квалификации, улучшение жилищных условий и адресное
финансирование в сфере экологии, здравоохранения и образования.
Это предполагает перераспределение в расходной части региональных
бюджетов средств с функциональных направлений (СМИ, культу
ра и кинематография, ассигнования на госаппарат и силовой блок,
отдельные статьи пенсионного обеспечения) в пользу образования,
здравоохранения, охраны окружающей среды, ЖКХ и региональной
экономики в конкретных сферах (молодежная политика и политика
рождаемости, повышение квалификации и переобучение работников,
решение экологических проблем).
В перспективе региональная долговая/ заемная политика должна
постепенно переходить к развитию рыночных инструментов заимст
вований для всех регионов со снятием ограничений на стоимость
привлечения. Действующее для большинства регионов ограничение
на стоимость заимствований уровнем «ключевая ставка + 1 п.п.»
временное и направлено на плавное прохождение периода кризисного
состояния регионов. В перспективе основная работа Банка России
и Минфина может сконцентрироваться на развитии биржевой инфра
структуры для расширения возможностей размещения бумаг и при
54
С. В. Шеремета / Вопросы экономики. 2020. № 2. С. 30—58
влечения кредитов регионами. Банк России может активнее содейст
вовать региональным властям в организации эмиссии новых выпусков
облигаций с плавающей ставкой, привязанной к инфляции, ключевой
ставке или индикативным рыночным ставкам (RUONIA, MosPrimeRate
и др.), с индексируемым по инфляции или амортизируемым номи
налом. ЦБ РФ может увеличить норматив вложений средств НПФ
в региональные бумаги и содействовать присвоению национальны
ми агентствами кредитных рейтингов региональным эмитентам. Это
будет способствовать не только развитию рынка региональных бу
маг, но и формированию полноценной кривой доходности для каж
дого региона, удлинению срока заимствований, увеличению объемов
эмиссии «длинных» бумаг с формированием доходности на дальнем
конце кривой — так, долгосрочные облигации субъектов могут стать
полноценным бенчмарком для формирования ставок по другим ин
струментам в рамках трансмиссии. С целью снижения рисков усло
вий заимствования и динамики долга из-за концентрации госбанков
и НПФ, кредитующих регионы, нужно диверсифицировать список
институциональных кредиторов регионов.
Минфину необходимо продолжить начатую весной 2018 г. дис
куссию между центральной властью и представителями ряда регио
нов с систематически профицитным бюджетом о перераспределении
финансовых ресурсов от регионов, локализующих основные поступ
ления по циклическим региональным доходам (в первую очередь на
логу на прибыль), и перейти к разработке механизма управления
остатками средств на счетах региональных бюджетов в банковской
системе. Чтобы не дестимулировать финансово сильные субъекты, фор
мирующие остатки за счет профицитов бюджетов, и дисциплинировать
финансово слабые субъекты, можно применять механизм наподобие
межбанковского денежного рынка, где субъекты напрямую взаимно
кредитуют друг друга на рыночных условиях. Альтернативой может
служить бесплатное принудительное перераспределение ресурсов через
ЕКС, однако широкая практика такого рода будет усиливать дисба
лансы бюджетной системы. В обоих случаях это позволит избежать
систематического отвлечения процентной маржи в пользу банков из-за
концентрации остатков у одних субъектов и спроса на долг у других.
Вероятное замедление роста рублевых цен на сырье в ближайшие
годы, рост нагрузки по рентным налогам и НДС, отмена «налога на
модернизацию» приведут к замедлению роста доходов региональных
бюджетов. Позитивный вклад в динамику доходов регионов внесут
передача акцизов, повышение в отдельных субъектах ставок налога на
имущество и общие меры по повышению собираемости налогов. Росту
поступлений также будут способствовать исполнение и поддержание
означенных в «майских указах» 2012 г. уровней занятости и ее рост
в результате повышения пенсионного возраста и реализации нацио
нальных проектов. Расходы будут плавно расти за счет увеличения
нагрузки по социальным обязательствам (в том числе из-за времен
ного сохранения параметров пенсионного возраста, действовавших до
2018 г.), исполнения «майских указов» и ежегодной индексации опла
ты труда госслужащих. Согласно утвержденному правительством РФ
55
С. В. Шеремета / Вопросы экономики. 2020. № 2. С. 30—58
Бюджетному прогнозу РФ на период до 2036 года8, учитывающему весь
комплекс осуществляемых с 2019 г. мер, дефицит региональных бюд
жетов будет незначительным — в пределах 0,1% ВВП. В этих условиях
долг субъектов РФ будет плавно расти в среднем на 0,2 —0,3 трлн руб.
ежегодно (до 2,9 трлн руб. на конец 2021 г.9), что предполагает отно
сительно устойчивый уровень долговой нагрузки на регионы.
Исторически Минфин склонен консервативно оценивать будущие
доходы бюджетной системы и бюджетов регионов. Фактически доходы
бюджетов субъектов РФ в 2010—2018 гг. в среднем на 3,7% превышали
актуальные прогнозные оценки, публикуемые в Основных направлениях
бюджетной политики на плановый период. Вместе с тем в 2011—2018 гг.
наблюдалось неисполнение расходов бюджета относительно плановых
значений, утвержденных в сводной бюджетной росписи (в среднем на
7,2% ежегодно). Даже при ожидаемом нейтральном исполнении бюд
жетов регионов с околонулевым сальдо финансовые власти фактически
могут проводить более жесткую бюджетную политику.
Заключение
Статистический и эконометрический анализ указывает на важ
ность учета социально-демографического фактора в формировании
доходов и расходов и необходимость мер по приведению расходных
обязательств регионов в соответствие с их доходными полномочиями.
Регионы прошли острую фазу долгового кризиса в 2014—2016 гг., пре
одолев ее при помощи фискальной консолидации с ужесточением бюд
жетной политики и делевериджа с активным погашением обязательств,
в том числе за счет бюджетных кредитов. Вместе с тем высокий разброс
между регионами по социально-экономическим параметрам и финан
совой устойчивости, а также системная несбалансированность регио
нальных бюджетов сохраняются, что объясняется социальными, инсти
туциональными, географическими и инфраструктурными факторами.
Ввиду этого требуется привести расходные обязательства регионов
в соответствие с их доходными возможностями и повысить фискаль
ную дисциплину. Ряд таких мер уже реализуется правительством
и предполагает сохранение в ближайшее время отрицательного вклада
в выпуск и инфляцию со стороны фискальной политики регионов.
Этот эффект может компенсироваться более мягкой федеральной
бюджетной политикой за счет корректировки «бюджетного правила»
(инфраструктурная надбавка к расходам в размере 0,5% ВВП еже
годно). Повышение ставки НДС, индексация акцизов и усиление фис
кальной нагрузки по рентным налогам централизуют часть доходов
бюджетной системы, что требует компенсации для регионов. Здесь
возможен возврат им федеральной части ставки налога на прибыль.
8Распоряжение Правительства РФ от 29.03.2019 №558-р «Об утверждении Бюджетного
прогноза РФ на период до 2036 года».
9Без учета задолженности муниципалитетов (на 01.11.2019 муниципальный долг состав
лял 0,36 трлн руб.).
56
С. В. Шеремета / Вопросы экономики. 2020. № 2. С. 30—58
Банк России может способствовать развитию рынка региональных
бумаг, изменив нормативы их приобретения в активы НПФ, совер
шенствуя инфраструктуру финансового рынка для внедрения регио
нами различных долговых инструментов (бумаг с плавающей ставкой
и индексируемым номиналом) и содействуя присвоению рейтингов
всем регионам. Также Банк России вместе с ФК может создать ме
ханизм управления кассовыми остатками регионов, что обеспечило
бы мобильное перераспределение средств от дефицитных субъектов
к профицитным с наименьшими издержками для бюджетной системы.
Применение методологий КОД и DSA позволяет оценить пороговые
уровни долговой нагрузки и необходимый уровень исполнения бюд
жетов для поддержания долга регионов на устойчивой траектории.
Использование данных подходов может быть в дальнейшем дополнено
за счет включения фактора залогов.
Список литературы / References
Бычкова М., Сорокина Т. (2017). Особенности прогнозирования и планирования до
ходов консолидированного бюджета субъекта РФ на основе региональной управ
ляющей модели Baikal Research Journal. Т. 8, N° 1. С. 6 —16. [Bychkova М.,
Sorokina Т. (2017). Features of forecasting and planning of income in consolidated
budget of the Russian Federation entity on the basis of regional operating model.
Baikal Research Journal, Vol. 8, No. 1, pp. 6 —16. (In Russian).] h ttp s ://d o i.o rg /
10.17150/2411-6262.2017.8(1).6
Гладковская E., Цало И., Тетеркина Л. (2017). Оценка финансовой устойчиво
сти региональных бюджетов в России: методика и алгоритм ее примене
ния Вопросы управления. № 6. С. 119 —131. [Gladkovskaya Е., Tsalo I.,
Teterkina L. (2017). Evaluation of financial sustainability of regional budgets
in Russia: Methodology and algorithm of its applications. Voprosy Upravleniya,
No. 6, pp. 119 —131. (In Russian).]
Климанов В. В., Казакова С. М., М ихайлова А. А. (2019). Ретроспективный ана
лиз устойчивости регионов России как социально-экономических систем
Вопросы экономики. N° 5. С. 46 —64. [Klimanov V. V., Kazakova S. М.,
Mikhailova А. А. (2019). Retrospective analysis of the resilience of Russian regions
as socio-economic systems. Voprosy Ekonomiki, No. 5, pp. 46 —64. (In Russian).]
https://doi.org/10.32609/0042-8736-2019-5-46-64
Ложечко A. (2017). Теоретические особенности управления доходами бюджетов
субъектов РФ в условиях экономической неопределенности Науковедение.
Т. 9, N° 4. С. 1—14. [Lozhechko А. (2017). Theoretical particularities of revenue
management of the regional budgets of the Russian Federation in terms of economic
uncertainty. Naukovedenie, Vol. 9, No. 4, pp. 1—14. (In Russian).]
Мильчаков M. (2016). Региональные бюджеты: формирование государственного
долга и финансирование расходов Финансовый журнал. N° 3. С. 6 6 —78.
[Milchakov М. (2016). Regional budgets: The forming of subfederal debt and fi
nancing of expences. Finansovyi Zhurnal, No. 3, pp. 66—78. (In Russian).]
Полтева Т., Кирюшкина A. (2016). К вопросу о методах оценки долговой устойчиво
сти субъектов РФ Карельский научный журнал. Т. 5, N° 4 (17). С. 168 —172.
[Polteva Т., Kiryuskina А. (2016). The question of methods of assessment of debt
sustainability of subjects of the Russian Federation. Karelskiy Nauchnyi Zhournal,
Vol. 5, No. 4 (17), pp. 168-172. (In Russian).]
Сугарова И. (2015). О дотационности регионального бюджета Финансы и кредит.
N° 17. С. 37—45. [Sugarova I. (2015). On a subsidized regional budget. Finansy
i Kredit, No. 17, pp. 37—45. (In Russian).]
57
С. В. Шеремета / Вопросы экономики. 2020. № 2. С. 30—58
Шеремета С., Могилат А. (2018). Анализ долговой нагрузки и кредита нефинансовому
сектору: оценки для России и межстрановые сопоставления Вопросы эконо
мики. № 5. С. 25 —48. [Sheremeta S., Mogilat А. (2018). Analysis of debt burden
and credit of corporate sector: Estimates for Russia and cross-country cases. Voprosy
Ekonom iki, No. 5, pp. 25 —48. (In Russian).] blips: doi.org 10.32609 0042-
8736-2018-5-25-48
Юрга В. (2012). Модельный подход в формировании сбалансированного бюджета
(экономические и экологические аспекты) Terra economicus. T. 10, N° 2.
Ч. 2. С. 6 8 —73. [Yurga V. (2012). Model approach to forming of balanced bud
get (economic and ecologic aspects). Terra Economicus, Vol. 10, No. 2, P art 2,
pp. 6 8 —73. (In Russian).]
Cassimon D., Essers D., Verbeke K. (2016). The IM F—WB debt sustainability framework:
Procedures, applications and critisims. BeFinD Policy Briefs, No. 3, University of
Namur, Department of Economics.
Drehmann М., Juselius M. (2012). Do debt service costs affect macroeconomic stability?
B IS Quarterly R eview , September, pp. 21 —35.
Di Bella G., Dynnikova O., Grigoli F. (2017). Fiscal federalism and regional performance.
IM F Working Papers, No. 2017 265. https://doi.org/10.5089/9781484330166.001
Vlasov S. (2013). Analysis of Russia’s fiscal sustainability under the new fiscal rules.
B O F IT Online, No. 9.
Russian regional finances analysis
and regional debt sustainability
Sergei V. Sheremeta
Author affiliation: Bank of Russia (Moscow, Russia). Email: [email protected]
Russian regions recovered financial stability in 2017—2019 due to high ruble
commodities prices, improving tax collection and conservative expenditures and
borrowings policy. Panel data analysis shows that social-demographic structure
of population is one of the key factors of regional budgets balance. Government
measures will contribute to sustainability of regional finances and reducing
interregional differences in debt sustainability, but provide negative impact of
regional fiscal policy on output dynamics in the coming years. Strengthening
of fiscal burden via federal taxes will diminish procyclicality of regional bud
gets revenues, but require a return of full profit tax rate on regional level for
compensating lost incomes. For improving borrowing conditions Bank of Russia
and regional governments must develop placement of bonds with floating rates,
indexed and amortized nominal.
Keywords: aggregate regional budget, regional debt, subfederal debt,
demographic burden, efficient rate, debt burden.
JEL: H7, Hll, H20, H30, H41, H50, H53, H55, H60, H61, H62, H63,
H68, R50, R51, R53, R58.
58
Вопросы экономики. 2020. № 2. С. 59 —85.
Voprosy Ekonomiki, 2020, No. 2, pp. 59 —85.
ФИНАНСОВАЯ ЭКОНОМИКА
«Загадка дивидендов»
и российский рынок акций
Часть 2*
А. Е. Абрамов1, А. Д. Радыгин1’2,
М. И. Чернова1, Р. М. Энтов1
1Российская академия народного хозяйства и государственной службы
при Президенте РФ (Москва, Россия)
2Институт экономической политики имени Е. Т. Гайдара (Москва, Россия)
В статье анализируются особенности дивидендной политики российских
компаний. В первой части был приведен обзор академической литературы
и текущих трендов. Во второй части работы рассматриваются результаты
анализа, основанного на выборке из 236 акционерных обществ. Стремление
компаний поддержать инвестиционную привлекательность своих акций
в обстановке значительного увеличения рисков и возросшей волатильности
способствовало росту дивидендных доходов. Вместе с тем увеличение рас
пределяемой прибыли в крупнейших компаниях с государственным учас
тием (КГУ) было в значительной мере обусловлено ростом напряженности
в сфере государственных финансов. Угроза нарастания бюджетного дефи
цита порождала процессы своеобразного частичного замещения налоговых
доходов поступлениями дивидендов от государственных компаний. В то же
время усиливались и факторы неопределенности при выборе общей страте
гии хозяйственных операций КГУ, в том числе при выборе долгосрочных
программ капиталовложений. Результаты статистико-экономических расчетов
могут свидетельствовать о том, что в частных компаниях, а также в КГУ,
Абрамов Александр Евгеньевич ([email protected]), к. э. и., завлаборато
рией анализа институтов и финансовых рынков Института прикладных эконо
мических исследований (ИПЭИ) РАНХиГС; Радыгин Александр Дмитриевич
(arad@ ranepa.ru), д. э. и., проф., директор Института экономики, математики
и информационных технологий (ЭМИТ) РАНХиГС, член совета директо
ров Института Гайдара; Чернова М ария Игоревна (chernova-mi@ ranepa.ru),
и. с. лаборатории анализа институтов и финансовых рынков ИПЭИ РАНХиГС;
Энтов Револьд М ихайлович (entov@ iep.ru), академик РАН, гл. и. с. Центра
макроэкономических исследований ИПЭИ РАНХиГС.
* Окончание. Начало см.: Вопросы экономики. 2020. № 1. С. 66 —92.
https://doi.org/10.32609/0042-8736-2020-2-59-85
© НП «Вопросы экономики», 2020
59
А. Е. Абрамов и др. Вопросы экономики. 2020. № 2. С. 59 —85
в которых государство имеет ограниченное влияние на дивидендную поли
тику, размеры дивидендных выплат в большей мере зависят от их рента
бельности, операционного потока и наличия перспективных инвестиционных
проектов. Изучение трендов показывает, что компании такого типа охотнее
следуют стратегии сглаживания дивидендов.
Ключевые слова: дивидендная политика, компании с государственным
участием, сглаживание дивидендов, государственная собственность.
JEL: D22, G30, G32, G35, G38, 016.
Введение
В первой части работы (Абрамов и др., 2020) приведен краткий
обзор академической литературы относительно целей и задач диви
дендной политики. Показана множественность гипотез, объясняющих
поведение компаний, как правило, в условиях развитых фондовых
рынков, чаще всего США.
Критический обзор дискуссии о роли дивидендов в корпоративном
секторе опирается на ряд классических статей, прежде всего на работу
Ф. Блэка (Black, 1976), сформулировавшего «загадку дивидендов»
и конфликт теоретических интерпретаций. «Загадочность» мотивов
выплаты дивидендов исходит из гипотезы иррелевантности дивиден
дов, которая была выдвинута в работе М. Миллера и Ф. Модильяни
(Miller, Modigliani, 1961) в форме модели и впоследствии стала раз
виваться с учетом эмпирических фактов (Miller, Scholes, 1978 и др.).
Роль дивидендов в проблеме «принципал —агент» рассмотре
на в работе М. Дженсона и У. Меклинга (Jensen, Meckling, 1976).
Важность дивидендов во взаимоотношениях менеджеров и акционе
ров подчеркивается в работе Дж. Линтнера (Lintner, 1956), который
основывался на эмпирических данных и заложил базу для сигнальной
теории дивидендов. Иные теоретические модели пытаются объяснить
динамику дивидендных выплат особенностями поведения инвесторов
(Shefrin, Thaler, 1988; Baker, Wurgler, 2004 и др.).
Выявлен круг факторов, влияющих на роль дивидендных выплат:
информационные механизмы рынка (Bozos et al., 2011), политические
факторы (Huang et al., 2015), институциональные факторы (Booth,
Zhou, 2017), правовая система (La Porta et al., 2000), специфика раз
вивающегося рынка (Aivazian et al., 2003) и структура собственников
компаний, в частности, значимое влияние государственной собствен
ности показано в работе К. Гуглера (Gugler, 2003). В развивающих
ся странах сглаживание дивидендов применяется в меньшей степени
(Aivazian et al., 2003), чем в развитых (Grullon et al., 2002). Таким
образом, одним из основных нерешенных вопросов в этой области
остаются особенности дивидендной политики в странах с развиваю
щимся фондовым рынком.
Предметом исследования в данной работе выступает дивидендная
политика современной российской рыночной корпорации. Специфика
практических проблем дивидендной политики в России в первой части
статьи показана на выборке из 236 публичных компаний. С 2012 г.
60
А. Е. Абрамов и др. Вопросы экономики. 2020. А£> 2. С. 59 —85
выявлен устойчивый рост дивидендных выплат как в частных, так и в
государственных компаниях. При этом у последних основной объем
дивидендных выплат приходится на 12 крупнейших компаний. Кроме
того, наряду с ростом курсовой стоимости дивиденды стали важным
фактором совокупной доходности акций.
Во второй части статьи сделана попытка ответить на актуальный
для российских компаний вопрос о том, чем мотивируются решения
о выплате дивидендов, влияют ли на особенности дивидендной по
литики наличие государственной собственности, размеры компаний,
их финансовая устойчивость и др., а также какая из существующих
дивидендных теорий лучше подходит для объяснения дивидендной
политики компаний на внутреннем рынке. Особое внимание уделено
специфике проявления дивидендных теорий на развивающихся рынках
капитала на примере российского фондового рынка, а также выяв
лению специфики дивидендной политики в компаниях с государст
венным участием (КГУ) и в частных фирмах. Кроме того, в России
распространена косвенная государственная собственность, когда фор
мально частная компания контролируется через цепочку других госу
дарственных структур. Это приводит к отличиям в поведении таких
компаний и их частных конкурентов. Результаты исследования пред
ставлены в форме вербальной интерпретации полученных эмпиричес
ких результатов в контексте существующих подходов к объяснению
мотивов выплаты дивидендов.
Дивиденды российских эмитентов:
рынок и государственное регулирование
Поведение российских компаний, наращивающих дивидендные
выплаты в экономике с низкими темпами экономического роста и в
условиях санкций, заставляет задуматься об объяснении «загадки
дивидендов». Специфические условия функционирования развиваю
щихся рынков часто не позволяют объяснить эту загадку с помощью
классических моделей. В практике корпоративного управления особую
роль играет государство как один из важнейших участников системы
регулирования, в том числе общих условий выплаты дивидендов и ка
чества инвестиционного климата, и как контролирующий акционер
в КГУ. Проблема двойственной роли государства для КГУ более слож
на для моделирования и в ряде случаев может порождать конфликты.
В отдельных странах низкий уровень защиты прав инвесторов
ведет к повышенной концентрации собственности в руках мажоритар
ных акционеров, их ориентации на краткосрочные цели деятельности,
например выплату высоких дивидендов, и к ограничениям инвести
ций в долгосрочные проекты. В качестве мажоритарного акционера
государство часто реализует свои фискальные интересы, превращая
дивиденды в квазиналоговые платежи КГУ.
При этом требование Минфина России об отчислении 50% чистой
прибыли в бюджет в виде дивидендов для государственных компаний
противоречиво. С одной стороны, это важный шаг к дисциплиниро
61
А. Е. Абрамов и др. Вопросы экономики. 2020. А£> 2. С. 59 —85
ванному поведению крупнейших КГУ, который облегчает фискальные
проблемы государства и приводит к ограничению извлечения частных
выгод (private benefits) — строительства административных зданий
и сооружений, приобретения фирмой собственных самолетов и прочих
транспортных средств для топ-менеджмента и т. д. Однако, с другой
стороны, столь жесткий норматив отчислений может ограничивать
инициативу и экономические стимулы корпораций для реализации
крупных инвестиционных проектов.
Усиление влияния государства на инвестиционный климат и дело
вую среду в условиях неразвитых рыночных институтов, ослабление
влияния сигналов рынка и повышение роли административных ука
заний определяют особенности практики корпоративного управления,
включая выплату дивидендов. Вместе с тем наблюдается стремление
публичных компаний, независимо от формы собственности, с помо
щью высоких дивидендных выплат сохранить внимание иностранных
инвесторов к их акциям в условиях оттока капитала из России.
Впервые регулирование минимального коэффициента дивидендных выплат
из чистой прибыли КГУ, находящихся в федеральной собственности, в размере
25% чистой прибыли появилось в форме рекомендации на основании распоряже
ния Правительства РФ от 29.05.2006 N° 774-р «О формировании позиции акцио
нера — Российской Федерации в акционерных обществах, акции которых нахо
дятся в федеральной собственности». В 2012 г. председатель правительства РФ
Д. А. Медведев рекомендовал всем крупнейшим КГУ довести дивидендные выплаты
до 25% чистой прибыли по российским стандартам бухгалтерского учета (Р С Б У )1.
В июне 2012 г. президент РФ В. В. Путин попросил только что назначенного руко
водителя НК «Роснефть» И. И. Сечина увеличить размер дивидендных выплат
компании с 11,5 до 25% чистой прибыли, что было оперативно выполнено. В декабре
2014 г. В. В. Путин публично призвал уже все государственные компании выполнять
решение о выплате дивидендов в размере 25% прибыли2. Позднее в соответствии
с приказом Росимущества от 29.12.2014 г. N° 524 были утверждены Методические
рекомендации по разработке дивидендной политики в акционерных обществах с госу
дарственным участием. Расчет базы чистой прибыли был переведен на стандарт
М СФ О с распространением его действия не только на отдельные КГУ, но и на
консолидированные группы с их участием.
В соответствии с распоряжением Правительства РФ от 18.04.2016 N° 705-р
при формировании федерального бюджета в 2016 г. федеральным органам испол
нительной власти при выработке позиции акционера было рекомендовано руко
водствоваться требованием направлять на выплату дивидендов наибольшую из
следующих величин: 50% чистой прибыли акционерного общества, определенной
по данным его бухгалтерской (финансовой) отчетности, или 50% чистой прибыли
организации по консолидированной отчетности по М СФО. Однако из-за критики
со стороны бизнеса данное решение не было пролонгировано на последующие годы.
В 2017—2018 гг. Росимущество направляло письмо акционерным обществам
с государственным участием, в котором информировало их о необходимости выплачи
вать дивиденды за предшествующий год в размере не менее 50% чистой прибыли по
МСФО, если иное не установлено актами правительства. Норма дивидендных выплат
в размере 50% чистой прибыли для всех государственных компаний предусмотрена
в Основных направлениях бюджетной, налоговой и таможенно-тарифной политики
на 2018 год и на плановый период 2019 и 2020 годов, утвержденных Минфином
1https: \\ \\ \\ .gazeta.ru financial 2012 11 16 4856181. shtml
2https: ria.ru 20141209 1037387773.html
62
А. Е. Абрамов и др. Вопросы экономики. 2020. А£> 2. С. 59 —85
России. Однако эти ведомственные документы не имели обязывающего характера
для акционерных обществ по сравнению с нормативными актами правительства.
В июне 2017 г. президент РФ напомнил руководителю НК «Роснефть» Сечину
о том, что госкомпания до сих пор не выполнила требование Минфина об уплате
дивидендов в размере 50% чистой прибыли и попросил вернуться к этому вопросу3.
В 2017 г. «Роснефть» впервые выплатила промежуточные дивиденды в размере 50%
чистой прибыли4.
В итоге, как констатируется в Основных направлениях бюджетной, налоговой
и таможенно-тарифной политики на 2019 год и на плановый период 2020 и 2021 годов
Минфина России, в будущем ожидается дальнейшее распространение единых принци
пов дивидендной политики на все публичные компании с государственным участием.
Дискуссии о дивидендах КГУ продолжаются и сейчас. В конце 2019 г. вопрос о размерах
дивидендных выплатах ОАО «РЖД» обсуждался на заседании правительства РФ.
Как отмечалось в первой части работы, в 2017 г. из общей стои
мости выплаченных дивидендов 53,2% приходилось на КГУ. Из их
выплат 83,9% составили дивидендные платежи 12 крупнейших ком
паний, которые мы называем топ-12 КГУ.
Можно предполагать, что лица, представляющие интересы госу
дарства в органах управления КГУ, могут сталкиваться с внутренним
конфликтом между фискальными интересами, подразумевающими
максимизацию доли распределенной прибыли для пополнения бюд
жета, и потребностями промышленной политики, когда чистая прибыль
направляется на инвестиции5. В последние годы при определении доли
распределенной прибыли все чаще побеждает фискальный подход.
Как показано на рисунке 1, в 2006—2018 гг. размеры дивидендных
выплат КГУ в федеральный бюджет во многом зависели от состояния
федерального бюджета: они росли при увеличении дефицита бюджета
и соответственно снижались в случае его профицита.
Заметный рост дивидендных доходов федерального бюджета наблюдался
в 2010 г. и 2014—2016 гг. при увеличении дефицита бюджета. Конъюнктурные
колебания в движении его расходов и доходов, по-видимому, существенно влияют на
циклический характер дивидендных выплат. В 2017—2018 гг. по мере формирования
профицитного бюджета размер его дивидендных доходов сокращался. В федеральном
бюджете на 2019—2021 гг. поступления от дивидендов запланированы на стабильном
уровне 0,6% ВВП.
Дивидендные выплаты КГУ, наряду с налогом на прибыль всех
российских компаний, оказываются важнейшими компонентами выплат
корпоративного сектора в бюджет. Однако после кризиса 2007—2009 гг.
показатель налога на прибыль компаний, выраженный как доля ВВП,
стал снижаться на фоне более быстрого роста экономики в период ее
3https: www.rbc.ru business 20 06 2017 594943319a7947dedc6fc55e
4h ttp s: tass.ru ekonomika 5098284
5Нередко это проявляется в дискуссиях между фискальным ведомством и отраслевыми
министерствами. Минфин России полагает, что все крупнейшие КГУ, независимо от их
инвестиционных стратегий, должны направлять на выплату дивидендов не менее 50% чистой
прибыли, а отраслевые ведомства считают целесообразным определять размер дивидендных
выплат крупнейших КГУ с учетом их инвестиционных программ, утверждаемых правительством
РФ (см.: https: www.vedomosti.ru economics articles 2018 10 02 782617-pravitelstvo-
investprogrammi; https: www.kommersant.ru doc 3773660). При утверждении тарифов
естественных монополий («Газпрома», «Транснефти», «Россетей» и Р Ж Д ) ФАС не закладывает
сумму дивидендов в размер тарифа.
63
А. Е. Абрамов и др. Вопросы экономики. 2020. А£> 2. С. 59 —85
восстановления, а также по ряду других причин. Доля налога на прибыль
снизилась с 1,8% ВВП в 2008 г. до 0,6% ВВП в 2010 г., а доля дивиден
дов КГУ за тот же период выросла с 0,1 до 0,5% ВВП (рис. 2). После
2010 г. наблюдается тренд к увеличению доли обеих компонент в ВВП,
Дивидендные поступления и дефицит федерального бюджета,
2005—2021 гг. (в % ВВП)
Дефицит ( - ) /профицит (+) федерального бюджета
“ О— Поступление дивидендов в федеральный бюджет (правая шкала)
Примечание. Дивидендные поступления — объем выплаченных дивидендов КГУ в бюджет.
И сточники: расчеты авторов по данным Федерального казначейства, Минфина России
и Росстата; прогнозные данные на 2019—2021 гг. — Федеральный закон от 29.11.2018 № 459-
Ф З «О федеральном бюджете на 2019 год и на плановый период 2020 и 2021 годов».
Рис. 1
Налог на прибыль и дивиденды КГУ, поступившие
в федеральный бюджет, 2005—2021 гг. (в % ВВП)
Я Налог на прибыль
ШПоступление дивидендов в федеральный бюджет
—О—Налог на прибыль и дивиденды —всего
Примечание. Налог на прибыль — совокупная сумма налоговых отчислений всего кор
поративного сектора России; дивидендные выплаты учитывались только для КГУ.
Источник: расчеты авторов по отчетным данным Федерального казначейства и прогнозам
в Основных направлениях бюджетной, налоговой и таможенно-тарифной политики на 2019 год
и на плановый период 2020 и 2021 годов Минфина России.
Рис. 2
64
А. Е. Абрамов и др. Вопросы экономики. 2020. А£> 2. С. 59 —85
что в первую очередь связано с замедлением роста экономики, особенно
на фоне кризисных явлений 2014—2015 гг. По данным Казначейства
России, за период 2010—2017 гг. в федеральный бюджет поступило
3,7 трлн руб. в качестве налога на прибыль и 3,2 трлн руб. в форме ди
видендов КГУ. В соответствии с Основными направлениями бюджетной,
налоговой и таможенно-тарифной политики на 2019 год и на плановый
период 2020 и 2021 годов Минфина России в 2019, 2020 и 2021 гг. в фе
деральный бюджет ежегодно будут поступать суммы, эквивалентные 0,9%
ВВП в виде налога на прибыль и 0,6% ВВП в форме дивидендов КГУ.
Вместе с тем требование направлять на дивиденды не менее 50%
чистой прибыли КГУ не стало универсальным. Несмотря на давление
исполнительной власти, ряд крупнейших государственных компаний
(«Газпром», «Транснефть») регулярно добиваются для себя исключе
ний из данного правила.
Начиная с 2008 г. в разгар кризиса рынок столкнулся с проблемой
оттока капитала, проходящего через российские банки и нефинансо
вые компании и фиксируемого Банком России (рис. 3). По данным
информационного ресурса Emerging Portfolio Fund Research (EPFR),
с 2011 г. в связи с началом долгового кризиса в зоне евро, ожиданиями
восстановления американской экономики и исчерпанием потенциала
роста цен акций в результате «отскока» после кризиса 2008 г. начался
отток средств иностранных портфельных инвесторов из акций рос
сийских компаний. Сложившаяся тенденция оказала влияние на их
дивидендные выплаты.
В этих условиях дивидендная политика крупных российских ком
паний начала больше ориентироваться на поддержание интереса к их
Чистые денежные потоки капитала в Россию,
проходящие через банки и нефинансовые компании,
и иностранных инвестиционных фондов, специализирующихся
на инвестициях в акции российских компаний, 2000—2018 гг. (млрд долл.)
Иностранные инвестиции, привлеченные российскими банками и нефинансовыми компаниями
Чистые потоки капитала иностранных фондов, специализирующихся на акциях
российских компаний (Russia —EMEA —Equity; правая шкала)
И сточник: расчеты авторов по данным о движении капитала Банка России и денежно
го потока иностранных фондов, инвестирующих в акции российских компаний, — ресурса
EPFR Global.
Рис. 3
65
А. Е. Абрамов и др. Вопросы экономики. 2020. А£> 2. С. 59 —85
акциям со стороны иностранных инвесторов, а отток капитала стал
одним из факторов роста дивидендов, при прочих равных условиях.
Ряд компаний, подпавших под санкции, стремились подать инвесторам
сигнал, что попытки негативного воздействия на их финансирование
оказались не столь эффективными, а за повышенные риски инвесторов
они готовы выплачивать более высокие дивиденды.
Сопоставление динамики долей распределенной прибыли и собст
венности иностранных инвесторов в таблице 1, где выборка компаний
была разделена на две группы в зависимости от активности дивиденд
ной политики, позволило выявить результативность данной стратегии
на примере крупнейших КГУ. Под благоприятными для инвесторов
дивидендными событиями понимались начало выплат, рост (увели
чение более чем на 5 п. п. по сравнению со значением показателя
в предыдущем году) или устойчивость доли распределяемой прибыли
(изменение в пределах 5 п. п.). Во вторую группу вошли наблюдения
КГУ—год, в которых не выплачивались или отменялись дивиденды
или снижалась доля распределяемой прибыли.
Таблица 1
Доля иностранных инвесторов в собственности
отдельных крупнейших КГУ (среднее, в %)
2010 2011 2012 2013 2014 2015 2016 2017
Компании, Доля рас
которые пределенной 12,6 20,3 12,7 15,3 11,7 28,1 25,5 18,2
не платили, прибыли
снижали или Доля ино
отменяли диви странных 0,6 2,2 7,1 7,9 16,9 9,2 6,5 5,8
дендные выплаты инвесторов
Компании, Доля рас 23,1 17,9 14,9 59,3 21,5 46,0 42,0 48,8
которые начинали, пределенной 12,0 13,0 9,5 13,2 11,8 19,0 16,7 16,0
не изменяли или прибыли
повышали диви
дендные выплаты Доля ино
странных
инвесторов
И сточник: расчеты авторов по данным Bloomberg.
Результаты показывают, что КГУ с более активной дивидендной
политикой, характеризуемой изменением размера дивидендных выплат,
удавалось не только сохранять, но и наращивать долю иностранных
инвесторов в структуре собственников. У компаний с неблагоприят
ными характеристиками дивидендной политики доля нерезидентов
была нестабильной и в 2014—2017 гг. имела тенденцию к сокращению.
Данное поведение согласуется с другой закономерностью в поведе
нии российских компаний в 2006—2017 гг., в соответствии с которой
размеры дивидендов и дивидендных выплат повышались по мере на
ступления момента размещения компаниями еврооблигаций. Это соот
ветствует гипотезе, сформулированной Ф. Истербруком (Easterbrook,
1984), что при одновременной выплате дивидендов и привлечении ка
питала акции такой компании относительно растут в цене, так как
в этом случае выплата дивидендов не означает изъятие денежных
средств из процесса инвестирования и расширения.
66
А. Е. Абрамов и др. Вопросы экономики. 2020. А£> 2. С. 59 —85
С выходом облигаций российских компаний на мировые финан
совые рынки в сфере их корпоративного управления стали происхо
дить преобразования. В частности, изменился подход к дивидендной
политике, так как общепринятой практикой зарубежных корпораций
выступает эмиссия ценных бумаг, которая сопровождается не только
регулярными выплатами дивидендов, но и их систематическим наращи
ванием. Как показано в таблице 2 на примере ограниченной выборки
компаний6, за три года до выпуска еврооблигаций большинство ком
паний принимали решения о повышении размера дивиденда в расче
те на акцию или фиксации его на прежнем уровне. При этом число
таких случаев увеличивалось по мере приближения даты размещения
еврооблигаций. Максимальное число решений о выплате дивидендов
приходилось на год, следовавший после размещения облигаций. Таким
образом, при ожидаемом или фактическом росте денежных средств
у компании, например, в процессе размещения еврооблигаций, она
начинает активнее использовать канал акционерного финансирования,
выплачивая дивиденды.
Таблица 2
Распределение наблюдений по дивидендным решениям
при выпуске еврооблигаций, 2006—2017 гг. (ед.)
Количество компаний Количество лет от года выпуска еврооблигации
-з -2 -1 0 +1
Повысивших или оставивших 45 55 57 62 65
неизменными размер дивидендов
Снизивших размер дивидендов И 10 15 17 14
Начавших выплаты 7569 1
Не выплачивающих дивиденды 8 8 8 5 6
Всего наблюдений 74 81 90 95 88
И сточник: расчеты авторов по данным Bloomberg, Investfunds и Cbonds.
Росту дивидендных выплат в 2010—2018 гг. в определенной сте
пени способствовало увеличение денежных средств в банках и круп
ных нефинансовых организациях. При относительно благоприятных
условиях восстановления экспортных цен на сырьевые товары после
кризиса 2008 г. и ослабления рубля многие крупные компании ТЭК,
металлургии и некоторых других отраслей получили высокие доходы
в долларах при снижении рублевых издержек на производство продук
ции. Устойчивые финансовые показатели крупнейших государственных
банков стали результатом их поддержки монетарными властями через
рынок РЕПО, а также использования Минфином средств Резервного
фонда для финансирования государственных расходов. Возможности
инвестировать эти средства за рубежом были ограничены из-за санк
ций, а на внутреннем рынке — из-за недостаточно благоприятного
6 Расчеты проведены по ограниченной выборке из 27 компаний с 404 выпусками обли
гаций, которые за период 2006—2017 гг. хотя бы однократно выплачивали дивиденды до или
после выпуска еврооблигаций. Данная выборка включает 9 КГУ из числа топ-12, 5 прочих
КГУ и 13 частных компаний.
67
А. Е. Абрамов и др. Вопросы экономики. 2020. А£> 2. С. 59 —85
Свободный денежный поток, накопленным итогом
у разных групп компаний, 2006—2017 гг. (трлн руб.)
НИ—Частные, не выплачивающие дивиденды —О—КГУ, не выплачивающие дивиденды
—■—Частные, выплачивающие дивиденды —• —КГУ, выплачивающие дивиденды
Источник: расчеты авторов по данным ежеквартальной отчетности компаний, Investfunds
и Bloomberg.
Рис. 4
инвестиционного климата. Это привело к тому, что, как показано на
рисунке 4, в период 2006—2017 гг. у компаний наблюдался заметный
рост свободных денежных потоков в накопленном выражении. По всей
выборке компаний в 2017 г. накопленные денежные средства суммарно
достигли 15,8 трлн руб. Интересно, что основной объем накоплений
приходился на государственные и частные компании, выплачивавшие
дивиденды. В относительных значениях доля свободного денежного
потока компаний в их выручке, характеризующей масштабы бизнеса,
выросла с 3,02% в 2006 г. до 4,64% в 2017 г. Это может означать, что
на фоне высоких дивидендных выплат и роста свободного денежно
го потока у наиболее стабильных в финансовом отношении частных
и государственных компаний замедляется инвестиционная активность.
Тенденция к сокращению относительных инвестиций в реальный
сектор все отчетливее проявляется в разных странах7. Причины и фак
торы данного глобального тренда могут быть темой самостоятельного
исследования (как и то, является этот процесс свидетельством стагна
ции экономики или ее развития и структурной перестройки). Отметим
лишь, что в России, как и во многих странах, изменение структуры
совокупных инвестиций нередко сопровождается ростом свободных
денежных средств.
После кризиса 2008 г. у крупнейших частных и государственных
компаний, выплачивавших дивиденды, наблюдался рост инвестиций
в реальный основной капитал (САРЕХ) в абсолютном выражении
(рис. 5). Однако в относительном выражении их доля в выручке со-
7 В США усиление тренда к снижению инвестиций в реальный сектор наблюдается, как
минимум, с 2000 г. (Gutierrez, Philippon, 2017). Так, в США чистые инвестиции составляли
в 1950 —1986 гг. 3,45%, в 1987—2007 гг. — 2,6%, а в 2010—2015 гг. — лишь 1,5% от суммы
накопленного капитала (Gordon, 2018. Р. 20). С середины 2000-х годов для многих стран
ОЭСР характерен рост финансового сектора на фоне снижения реальных инвестиций, что,
в свою очередь, оказывает существенное влияние на процессы экономического роста (Cecchetti,
Kharroubi, 2015).
68
А. Е. Абрамов и др. Вопросы экономики. 2020. А£> 2. С. 59 —85
Инвестиции в реальный основной капитал (САРЕХ) г 20
у разных групп компаний, 2006—2017 гг.
(трлн руб. и в % к выручке)
6 п п ______
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
■Частные, не выплачивающие дивиденды I 1КГУ, не выплачивающие дивиденды
ИЧастные, выплачивающие дивиденды I IКГУ, выплачивающие дивиденды
■САРЕХ/выручка (%, правая шкала) ........ Тренд (САРЕХ/выручка; %, правая шкала)
Источник: расчеты авторов по данным ежеквартальной отчетности компаний, Investfunds
и Bloomberg.
Рис. 5
кратилась с 19,0% в 2008 г. до 7,1% в 2017 г., что, по-видимому, может
соответствовать описанным выше тенденциям замедления реальных
инвестиций в мировой экономике.
Рост свободного денежного потока, в свою очередь, может служить
основанием для крупных акционеров, включая государство, требовать
выплаты повышенных дивидендов. И наоборот, предполагаемый рост
инвестиций мог бы оправдывать с точки зрения менеджмента компаний
более низкие дивидендные выплаты. Необходимость финансировать
инвестиции нередко использовалась крупными КГУ в качестве аргу
мента в спорах с Минфином России о невозможности соблюдать целе
вой уровень дивидендных выплат в размере 50% их чистой прибыли.
Особенности дивидендной политики компаний в России отчасти
обусловлены взаимодействием государственного регулирования и ры
ночного механизма. Кроме того, отметим влияние событий на мировом
финансовом рынке, которые привели к оттоку капитала.
Дефицит государственного бюджета России в последнее время
приобрел выраженный циклический характер, что ведет к обострению
фискальных проблем. В результате размеры дивидендных выплат по
степенно становятся более циклическими и приобретают квазиналого-
вый характер. При этом потенциальные льготы по данным обязательст
вам зависят от веса руководителя той или иной компании в сложных
неформальных иерархиях. Все это, разумеется, не может означать
полное вытеснение рыночных механизмов, описанных классическими
теориями, однако существенно ослабляет их действие и меняет мотивы
поведения ключевых стейкхолдеров.
Влияние рассмотренных выше факторов на дивидендную полити
ку российских компаний может по-разному проявляться в зависимости
не только от структуры собственности, но и от силы административного
69
А. Е. Абрамов и др. Вопросы экономики. 2020. А£> 2. С. 59 —85
воздействия на них государственных ведомств, их инвестиционной
привлекательности для внешних инвесторов, готовности следовать
долгосрочным ориентирам дивидендной политики и иных критериев.
С учетом влияния данных факторов дивидендные выплаты нередко
в меньшей степени объясняются текущим финансовым состоянием
компании. В соответствии с этим мы выделили три группы компаний:
12 крупнейших КГУ, прочие КГУ и частные компании, чтобы оценить
особенности их дивидендной политики.
Особенности дивидендной политики
частных компаний
В выборку частных компаний были отобраны наблюдения по
83 публичным компаниям за 2006—2017 гг., для которых значение
выплаченных дивидендов было ненулевым, а значения чистой прибы
ли и долговой нагрузки — положительными. Мы проверяли гипотезу
о том, что дивидендная политика частных компаний в большей мере
определяется финансовыми характеристиками. Основная проблема
при анализе частных российских компаний заключается в их сильной
дифференциации. Так, ряд крупных компаний выступают активными
участниками финансового рынка, привлекая капитал за счет дополни
тельной эмиссии ценных бумаг. Они используют дивидендную поли
тику как один из важнейших информационных инструментов и могут
совершать регулярные выплаты, поддерживая их постоянный рост.
В то же время другие компании больше зависят от товарных рынков
и результатов своей операционной деятельности и не прибегают к фи
нансовым инструментам после первой эмиссии (как правило, низко
ликвидных) акций. У таких компаний меньше стимулов выплачивать
дивиденды, поскольку их информационная функция ослаблена низкой
зависимостью от финансового рынка. Таким образом, все полученные
результаты в некотором смысле условны из-за неоднородности выборки.
Коэффициенты дивидендных выплат относительно чистой при
были и свободного денежного потока — одна из наиболее распростра
ненных характеристик дивидендной политики. Для оценки влияния
финансового состояния компании на них построены модели регрессии,
в которых эти коэффициенты выступают в качестве зависимой пере
менной, с использованием таких факторов, как показатель долговой
нагрузки (отношение чистого долга к EBITDA), размер компании (ло
гарифм ее активов) и рентабельность собственного капитала. Наряду
с текущими переменными для учета возможной инертности выплат
включено лаговое значение соответствующей зависимой переменной,
что придает исследуемым зависимостям специфическую форму с эле
ментами авторегрессии.
Несбалансированность панельных данных не позволяет включить
большее количество объясняющих переменных и затрудняет оценку.
Помимо перечисленных финансовых характеристик, у каждой ком
пании существуют свои стратегия развития и дивидендная политика,
которая может быть не в полной мере связана с текущим финансовым
70
А. Е. Абрамов и др. Вопросы экономики. 2020. А£> 2. С. 59 —85
состоянием и носить более долгосрочный характер или зависеть от
других неучтенных и часто неизмеримых факторов. Поэтому мы при
меняем оценку регрессии с фиксированными эффектами, которая по
зволяет учесть влияние таких пропущенных переменных, разных для
компаний (или отраслей), но неизменных во времени (Сток, Уотсон,
2015. С. 367). Для коэффициента выплат относительно свободного
денежного потока использованы отраслевые эффекты из-за сущест
венных пропусков в данных по этому показателю. Значения оценен
ных фиксированных эффектов не приведены в таблице 3, так как
наибольший интерес представляет проверка гипотезы о значимости
отобранных финансовых переменных.
Таблица 3
Зависимость коэффициентов дивидендных выплат
от некоторых финансовых показателей в выборке частных компаний
Зависимая переменная — дивиденды к:
Показатель чистой прибыли свободному денежному
потоку
(1) (2) (3) (4)
Долговая нагрузка 1,477 -0,486 -0,776 -0,677
(1,579) (2,886) (1,875) (3,019)
Дивиденды к чистой прибыли
в предшествующем году 0,384*" -0,770*"
(0,059) (0,208)
Рентабельность собственного капитала
0,522*
Дивиденды к свободному денежному (0,277)
потоку в предшествующем году
0,201***
Логарифм активов (0,063)
Фиксированные эффекты 11,603* 17,645*** 6,015" 6,976"
(5,937) (6,330) (2,370) (2,795)
Индивидуальные Отраслевые
N 355 330 309 303
R2 0,507 0,429 0,100
Скорректированный R 2 0,377 0,260 0,135 0,063
Тест Вальда 17,97*** 7,89*** 0,100 4,16***
у 24***
П римечание.В скобках указано стандартное отклонение оценок коэффициентов. Тест
Вальда проводился для проверки гипотезы о совместной незначимости коэффициентов при
финансовых переменных (все коэффициенты, кроме фиксированных эффектов). Уровни зна
чимости коэффициентов: * р < 0,1, ** р < 0,05, *** р < 0,01.
Источник: расчеты авторов по данным ежеквартальной отчетности компаний, Investfunds
и Bloomberg.
Результаты оценки показали, что существенную роль в объясне
нии используемых мер дивидендной политики играли фиксированные
эффекты. Однако значимое влияние также оказывали многие финан
совые показатели. Так, в среднем компании с крупными активами
выплачивали большую часть чистой прибыли и свободного денежного
потока. Значимое и положительное влияние лаговых значений зави
симой переменной может выявлять некоторую инерционность доли
выплачиваемой прибыли или потока, что не противоречит гипотезе
о поддержании стабильности дивидендной политики. Незначимость
коэффициента долговой нагрузки не позволяет сделать вывод о сущест
венном влиянии этого показателя на размер выплат.
71
А. Е. Абрамов и др. Вопросы экономики. 2020. А£> 2. С. 59 —85
Рост рентабельности, в частности, может быть следствием высо
кой доходности текущих инвестиционных проектов. В этом случае
компании, как правило, реинвестируют больше чистой прибыли, что
в оцененных моделях проявляется в отрицательном и значимом влиянии
рентабельности капитала на долю распределенной прибыли. Напротив,
выявлено положительное влияние данного фактора на размер дивиденда
относительно свободного денежного потока. Разнонаправленное влия
ние одного финансового коэффициента на разные меры дивидендной
политики можно объяснить тем, что после учета капитальных затрат
дополнительный доход, полученный вследствие роста рентабельности,
при прочих равных условиях, распределяется в виде дивидендов.
Для российского финансового рынка характерны существенные
различия в ликвидности акций. Так, с одной стороны, в листинге
присутствуют доминирующие компании («голубые фишки») с высо
кой ликвидностью. С другой стороны, у акций ряда других, часто
малых, компаний могут отсутствовать ежедневные котировки, а сами
они не соответствуют определению современной рыночной корпорации.
Это ставит вопрос о применимости модели частичной корректировки
Дж. Линтнера (Lintner, 1956) и понятия сглаживания дивидендов ко
всей выборке частных фирм.
Данная модель предполагает, что текущий дивиденд фирмы i в пе
риод t (D t i) корректируется частично и стремится к целевому значению
выплат со скоростью корректировки (с{). Целевой коэффициент выплат
(г) — доля от прибыли на одну акцию распределенной в виде
дивидендов. Эмпирически модель частичной корректировки дивиден
дов можно оценить регрессией текущего размера дивиденда на акцию
на дивиденд прошлого периода и текущую прибыль на акцию вида:
D t>i = Щ+ (1 ~c^)Dt_u + с ъ Е и + eui = а,- + f}xD t_u +p2Eti + eui,
где: и y?2 — оценки коэффициентов при дивиденде прошлого перио
да и текущей прибыли на акцию соответственно, а оценка скорости
корректировки дивиденда вычисляется как с = 1 - ^ и целевого коэф
фициента выплат — как г = /?2/ ( l _ /?i).
За годы, прошедшие с момента первой публикации, методика оцен
ки модели Линтнера неоднократно совершенствовалась и адаптирова
лась к разным рынкам и странам во многих исследованиях. Основная
проблема ее применения на российском рынке — составление полной
выборки компаний с длинными рядами финансовой и дивидендной
информации. Использование панельных данных допустимо, если для
каждого объекта в выборке присутствуют наблюдения за два и более пе
риода (Сток, Уотсон, 2015. С. 359), что, как правило, достаточно силь
ное требование для дивидендной политики компаний на развивающихся
рынках. Для российских компаний, в частности, характерны редкие
выплаты, вплоть до одного раза за весь рассматриваемый период, или
нерегулярные выплаты, разделенные во времени несколькими годами,
что усложняет применение панельных регрессий с лаговой переменной.
Поэтому модель Линтнера оценивается с небольшой модификацией: еще
со времени публикации работы Ю. Фамы и К. Френча (Fama, French,
2001, а также: Aivazian et al., 2003) все наблюдения объединяются
72
А. Е. Абрамов и др. Вопросы экономики. 2020. А£> 2. С. 59 —85
Таблица 4
Результаты оценки модели Линтнера для частных компаний, 2006—2017 гг.
Зависимая переменная:
размер дивидендов на акцию
Номер использованной выборки
(1) (2) (3) (4)
Дивиденды в прошлом году 0,673*" 0,533"* 0,528*** 0,524***
Размер прибыли на акцию (0,024) (0,034) (0,041) (0,041)
0,006" 0,107*" 0,111*** 0,135***
(0,003) (0,014) (0,018) (0,019)
N 946 687 474 445
R2 0,466 0,504 0,506 0,536
F-статистика 411,136"* 348,063*** 241,270*** 255,458***
Скорость корректировки дивидендов (с) 0,33 0,47 0,47 0,48
Размер целевого коэффициента выплат (г) 1,95 22,94 23,52 28,44
Примечание. В скобках указано стандартное отклонение оценок коэффициентов. Уровни
значимости коэффициентов: * р < 0,1, ** р < 0,05, *** р < 0,01.
Источник: расчеты авторов по данным ежеквартальной отчетности компаний, Investfunds
и Bloomberg.
в единую модель пула (табл. 4). Структура модели подразумевает оцен
ку с использованием только первого лага (один год) для дивидендов
и только текущего состояния прибыли.
Так как в выборке наблюдаются высокая волатильность дивиден
дов, большое количество пропусков данных и нерегулярность диви
дендных выплат, для проверки устойчивости полученных зависимостей
используются четыре набора наблюдений:
(1) вся выборка частных компаний — 161 компания;
(2) частные компании, которые хотя бы один раз выплачивали
дивиденды за период 2006—2017 гг. — 100 компаний;
(3) частные компании, которые хотя бы пять раз выплачивали
дивиденды за период 2006—2017 гг. — 60 компаний;
(4) наблюдения с ненулевым размером дивидендов.
Выявлены ожидаемые различия в оценках между выборками,
причем оценка полной выборки приводит к наименее корректным ре
зультатам. Использование остальных наборов наблюдений дает при
мерно схожие результаты, что указывает на устойчивость полученных
зависимостей. Невысокий коэффициент детерминации типичен для
стран с развивающимся рынком, согласно ряду исследований за раз
ные периоды времени.
Сглаживание дивидендов в развитых странах обычно выражается
в высоких значениях коэффициента при переменной, характеризующей
размер дивидендов в прошлом году (Lintner, 1956; Dewenter, Warther,
1998; Aivazian et al., 2003). Оценки коэффициента, характеризующего
скорость корректировки дивидендов, примерно соответствуют уровню
развивающихся стран, выявленному в аналогичных исследованиях.
При всей условности подобных сопоставлений, для частных российских
компаний необходимо отметить тенденцию к сглаживанию дивидендов
на протяжении рассматриваемого периода. При этом существенное
значение для них имел фактор наличия текущей прибыли. Таким
73
А. Е. Абрамов и др. Вопросы экономики. 2020. А£> 2. С. 59 —85
образом, менеджеры российских частных компаний, на которых не
распространялись требования Минфина России к дивидендной по
литике, пусть в меньшей степени, чем в развитых странах, но все же
стремились следовать стратегиям сглаживания дивидендов.
Тенденция к сглаживанию дивидендов проявляется и в снижении
волатильности коэффициентов дивидендных выплат относительно чис
той прибыли компаний. Коэффициент вариации, рассчитанный по
выборке частных компаний как отношение стандартного отклонения
к среднему значению доли распределенной прибыли, снизился с 1,28
в 2006—2013 гг.8до 1,00 в 2015—2017 гг. Таким образом, дивидендная
политика российских компаний в последние годы постепенно при
обретает некоторые общие черты с развитыми рынками.
При относительно большом положительном свободном денежном
потоке усиливается конфликт интересов между акционерами и менедже
рами компаний. У менеджеров есть выбор между выплатами дивидендов
(или выкупом акций, не рассматриваемым в рамках российского рынка
в этом исследовании) и инвестированием в низкодоходные и неэффек
тивные проекты (Jensen, 1986). В этом случае для снижения агентских
издержек в среднем рост свободных денежных средств должен приво
дить к началу или увеличению дивидендных выплат.
Для проверки этой гипотезы в таблице 5 все наблюдения разде
лены на шесть категорий в соответствии с дивидендным событием.
В первые три категории вошли все наблюдения, когда компании пла
тили дивиденды два года подряд (в текущем и предыдущем годах).
При этом категории повышения или понижения дивидендов включают
наблюдения с ростом или снижением размера дивидендов более чем
на 10 п. п. соответственно, а наблюдения с изменением размера выплат
в пределах 10 п.п. включены в категорию неизменных дивидендов.
Также с учетом специфики российских компаний, для которых не
характерен непрерывный поток выплат, наблюдения, в которых за два
последовательных года произошла лишь одна выплата, формируют
категории начала (выплата лишь в текущем и ее отсутствие в предыду
щем году) и конца дивидендных выплат (выплата лишь в предыдущем
году), когда рассчитать прирост невозможно. Остальные наблюдения
для компаний, которые два года подряд не выплачивали дивиденды,
формируют шестую категорию.
В расчетах также выделены два временных интервала: 2006 —
2011 гг. и 2012—2017 гг., что позволяет проанализировать изменения
в характеристиках дивидендной политики. В качестве соответствующей
характеристики использованы медианные значения доли свободного
денежного потока в прибыли компании в прошлом и текущем от диви
дендного события годах. Таким образом, в отдельную выборку собраны
все наблюдения компания—год для одной из категорий, когда, напри
мер, повышался размер дивидендов (55 наблюдений в 2006—2011 гг.
8 Из временного промежутка исключены дивидендные выплаты по итогам 2008 и 2014 гг.,
так как в период кризисных явлений волатильность дивидендов и большого количества других,
особенно рыночных, показателей возрастает. Коэффициент вариации для всех наблюдений
в эти два года совместно равен 1,69.
74
А. Е. Абрамов и др. Вопросы экономики. 2020. А£> 2. С. 59 —85
и 97 наблюдений в 2012—2017 гг.). Для каждого наблюдения рассчитана
доля потока в прибыли в отчетный год, к которому относится событие
повышения дивидендов, а также в предшествующий, а затем она аг
регирована путем вычисления медианного значения этого показателя.
Заметим, что большинство высказанных ранее соображений
относится к поведению современной рыночной корпорации. Между
Таблица 5
Свободный денежный поток при разных дивидендных событиях
по выборке частных компаний, 2006—2017 гг.
(в % от чистой прибыли, медиана)
2006-2011 ГГ. 2012-2017 гг.
Дивидендное событие свободный доля свободный доля
денежный поток в вы денежный поток в вы
( ° о от прибыли) в борке ( ° о от прибыли) в борке
Т =-1 (%) Т =-1 (%)
о
II
о
II
Абсолютные значения
Повышение дивидендов Большие 29,11 36,10 26,92 69,80 73,92 29,37
Малые -8,78 -23,12 12,50 48,29 -10,42 11,39
29,05 12,64
Неизменные дивиденды Большие 44,10 40,50 10,99 46,35 -165,81 4,43
Малые 3,13 -81,61 4,17 -61,16 24,32 13,01
9,49
Снижение дивидендов Большие 8,21 -7,22 12,09 51,24 5,61 6,32
Малые -12,4 17,62 20,83 6,42 21,72 10,76
91,35 7,06
Начало выплат Большие 33,43 30,04 9,89 45,19 -14,25 15,19
Малые -60,05 -7,23 16,67 -0,52 53,02 31,60
12,22 48,73
Прекращение выплат Большие -6,78 7,32 6,04 43,87 22,81
Малые 123,12 27,25 6,25 -2,45
Отсутствие дивидендов Большие -2,49 -2,49 34,07 -4,59
Малые -45,61 -60,05 39,58 38,04
Скорректированные на отрасль значения
Повышение дивидендов Большие 0,02 -0,75 26,92 29,10 23,56 29,37
Неизменные дивиденды Малые 0,01 24,13 12,50 37,95 -43,39 11,39
Снижение дивидендов Большие -6,23 0,74 10,99 -0,33 -0,91 12,64
Начало выплат Малые -1,19 -79,58 4,17 0,01 -72,93 4,43
Прекращение выплат Большие -11,73 -40,00 12,09 0,78 13,01
Отсутствие дивидендов Малые 29,58 21,85 20,83 17,52 0,01 9,49
Большие 3,04 4,29 9,89 4,02 -17,23 6,32
Малые -48,56 14,79 16,67 -26,19 10,76
Большие -33,80 -2,90 6,04 2,61 4,53 7,06
Малые 108,97 26,54 6,25 -32,82 63,83 15,19
Большие -1,45 34,07 -34,06 -36,31 31,60
Малые -11,62 1,03 39,58 0,01 3,46 48,73
-49,17 -19,16
-6,22
Примечание. Все частные компании разделены на две выборки: малые (средний размер
активов менее 10 млрд руб.) и большие (средний размер активов более 10 млрд руб.). Каждое
наблюдение характеризуется значением доли свободного денежного потока в чистой прибыли
в текущем году (Г = 0), когда произошло соответствующее дивидендное событие, и в пре
дыдущем году (Г = -1). Вся выборка наблюдений была поделена сначала на два временных
промежутка, а затем для каждого из них на б отдельных подвыборок, согласно категории
дивидендного события. В таблице представлены медианы показателя в текущем и предыдущем
годах по каждой из них. Из расчетов исключены частные компании, которые не выплатили
дивиденды за исследуемые 12 лет, исходя из предположения, что они не соответствуют сущ
ностным характеристикам акционерных обществ.
И сточник: расчеты авторов по данным Investfunds и Bloomberg.
75
А. Е. Абрамов и др. Вопросы экономики. 2020. А£> 2. С. 59 —85
тем относительно малые компании, которые не имеют возможностей
привлекать дополнительное финансирование на финансовых рынках,
вероятно, в меньшей степени должны соответствовать предпосылкам
предполагаемой модели. Большинство из них характеризуются мини
мальной ликвидностью акций, отсутствием новых эмиссий ценных
бумаг и слабой зависимостью от фондового рынка. Поэтому влияние
динамики денежных потоков на выплаты может быть нетипично для
них, что проверяется путем выделения малых компаний (средний
размер их активов менее 10 млрд руб.) из общей выборки.
Дополнительно проведена корректировка расчетов по отрасле
вому признаку, так как для различных видов деятельности могут
быть характерны разные значения свободных денежных потоков. Для
этого использовалась классификация компаний на восемь широких
отраслей. Вне зависимости от дивидендной политики в каждый год
для каждой отрасли рассчитаны медианы текущих долей свободного
денежного потока и его лагового значения. Далее полученные медианы
вычитались из аналогичных показателей для каждого наблюдения,
и повторялся алгоритм, описанный выше для нескорректированных
показателей. Такой подход позволяет не только охарактеризовать ди
видендную политику компаний с помощью абсолютных величин, но
и дополнительно выявить ряд зависимостей для отклонения денежных
потоков от отраслевых значений.
Эмпирические данные о крупных частных компаниях в целом не
противоречат нашей гипотезе. Размер денежных потоков для второго
периода стал выше для большинства категорий дивидендных событий,
чем отчасти можно объяснить увеличение количества выплат диви
дендов два года подряд в выборке (с 50% в 2006—2011 гг. до 55,02%
в 2012—2017 гг.). Для обоих периодов повышение или поддержание
неизменности дивидендов сопровождалось высокими денежными пото
ками, которые были устойчивыми по сравнению с предыдущим годом.
Начало выплат для крупных компаний, по-видимому, не связано с рез
ким ростом потоков денежных средств, однако само значение потока
в течение двух последовательных периодов стабильно находилось на
высоком уровне. После корректировки показателей на отраслевую при
надлежность можно отметить, что при повышении или начале выплат
размеры потока превышают соответствующие медианные отраслевые
значения. Для наблюдений со стабильными дивидендами более харак
терно примерное равенство потоков и отраслевых медиан.
Примечательно, что крупные компании чаще снижали дивиден
ды во втором периоде по сравнению с малыми, нарушая принципы
сглаживания дивидендов. Снижение и прекращение выплат связаны
с резким уменьшением или исчерпанием денежного потока, причем
данный тренд четко прослеживается в показателях, скорректирован
ных на отрасль. Это показывает, что важно учитывать специфику
деятельности компаний при анализе их дивидендной политики.
Таким образом, у крупных частных компаний наблюдается рост
стабильности выплат или тенденция к их постепенному увеличению,
что связано с наличием у них относительно больших и стабильных
денежных потоков, причем как в абсолютных значениях, так и по
76
А. Е. Абрамов и др. Вопросы экономики. 2020. А£> 2. С. 59 —85
сравнению с их отраслевой группой. Такие компании, как правило,
имеют более или менее долгосрочную инвестиционную программу и ак
тивнее привлекают капитал на финансовом рынке. Распространенность
случаев отсутствия выплат два года подряд и небольшой рост числа
случаев снижения и прекращения выплат даже у крупных частных
компаний служат индикаторами того, что столь важный корпоратив
ный инструмент, как дивидендная политика, все еще ограниченно
применяется на российском рынке. Причиной может быть снижение
свободных денежных потоков, например, из-за наращивания инвести
ций, или отсутствие необходимости привлекать финансирование путем
дополнительных эмиссий и, следовательно, выплачивать дивиденды,
используя их как сигнальный инструмент, что говорит о слабой зави
симости компаний от финансового рынка.
Несколько иные тенденции характерны для малых компаний.
Количество наблюдений с выплатами дивидендов два года подряд
упало с 37,5% в 2006—2011 гг. до 25,31% в 2012—2017 гг., причем
доля случаев снижения дивидендов выше, чем у крупных компаний.
Частота случаев отсутствия дивидендов два года подряд (прекраще
ния выплат дивидендов) значительно выросла и составила 48,73% во
втором периоде (в первом — 15,19%). Причем негативные дивидендные
события (прекращение и снижение выплат или их отсутствие) не со
провождались снижением денежного потока, который, напротив, рос
и был в ряде случаев лишь немного ниже отраслевых показателей.
Тем не менее среди малых компаний выделяются те, которые со
вершали выплаты два года подряд и, несмотря на небольшие или
отрицательные денежные потоки, наращивали или поддерживали не
изменные дивиденды. Это может говорить о том, что переход малых
компаний к дивидендным выплатам чаще связан с привлечением ими
внешнего капитала на финансовом рынке. Тогда выплата дивидендов,
по-видимому, выполняет сигнальную функцию. Однако таких компаний
в выборке немного, и их количество (судя по частоте соответствующих
дивидендных событий) снижается.
Для большинства компаний, активно действующих на развитом
финансовом рынке, сглаживание дивидендов играет важную роль.
Критерии оценки акций в большой мере зависят от дивидендной по
литики, и, при прочих равных условиях, инвесторы предпочитают
компании, которые устойчиво наращивают дивиденды. Поэтому, на
пример, в США в последние годы среди крупнейших компаний при
нято поддерживать постоянный поток дивидендов, порой даже путем
привлечения заемных средств для совершения ежегодных выплат9без
уменьшения их размера.
На российском рынке практика дивидендных выплат начала рас
пространяться лишь в 2000-е годы, а нерегулярность выплат характер
на и по сей день. В отличие от развитых стран, российская экономика
за рассматриваемый период пережила ряд событий, каждое из которых
имело негативные последствия для инвестиционных возможностей,
фондовых рынков и компаний. Несмотря на это, благодаря развитию
9h ttp : fortune.com 2019 01 28 stock-dividends-exxon-ge-att
77
А. Е. Абрамов и др. Вопросы экономики. 2020. А£> 2. С. 59 —85
рынка у частных компаний, особенно крупных, в определенной сте
пени сохраняется стремление выплачивать дивиденды и сглаживать
их. Выявленные зависимости говорят о том, что на фондовом рынке
преимущественно у крупных и некоторых малых частных компаний,
в отличие от КГУ, наметилась тенденция к постепенному сближению
в сфере дивидендной политики с развитыми рынками (уменьшение
волатильности, рост соответствия выплат финансовому состоянию,
сглаживание дивидендов). Тем не менее данный процесс сопровождает
ся наличием ряда проблем для большой части компаний (отсутствие
выплат, нерегулярность дивидендов, слабая зависимость от финансо
вого рынка, краткосрочность стимулов дивидендной политики).
Особенности дивидендной политики КГУ
На основе описанных различий в выборках частных компаний
и КГУ, а также с учетом ряда требований государства к последним
предлагается гипотеза о том, что финансовые показатели оказывают
меньшее влияние на дивидендную политику КГУ, а мотивация выплат
и их размер объясняются иными факторами, не всегда связанными
с результатами деятельности компаний. В выборку вошли наблюдения
для 5810 крупнейших по капитализации публичных компаний с госу
дарственным участием за 2006—2017 гг. Неоднородность КГУ с точки
зрения как финансовых показателей, так и дивидендной политики еще
более заметна по сравнению с частными компаниями, что не позволяет
проводить анализ для общей выборки. Поэтому 12 крупнейших ком
паний, которые выступают лидерами по размеру выплат дивидендов,
отделены от остальных КГУ из-за предположительно существенных
различий в процессе принятия дивидендных решений как компанией,
так и государством.
Для российских КГУ показатель выплат дивидендов относительно
чистой прибыли выступает главным ориентиром в силу специфики
требований со стороны Минфина. Исходя из этого, для них нецеле
сообразно исследовать коэффициент дивидендных выплат относитель
но свободного денежного потока, а также ожидать значимой связи
между размером потока и дивидендами. Тем не менее можно ожи
дать значимую зависимость от наличия положительного свободного
денежного потока (включенного в расчеты как дамми-переменная),
который, как правило, служит необходимым условием выплаты диви
дендов. Другие факторы, включенные в модель, — долговая нагрузка,
финансовый рычаг, размер компании и рентабельность собственного
капитала. Аналогично частным компаниям, для КГУ применяется
оценка регрессии с фиксированными эффектами, которая позволяет
учесть влияние пропущенных переменных, различных для компаний,
но неизменных во времени (табл. 6).
10 Количество КГУ не соответствует заявленным выше 76 компаниям, так как для ряда
КГУ были данные о дивидендах, учтенные в расчете агрегированных дивидендных выплат,
но отсутствовали или были слишком фрагментарными данные о финансовых показателях.
78
А. Е. Абрамов и др. Вопросы экономики. 2020. А£> 2. С. 59 —85
Таблица 6
Зависимость дивидендных выплат КГУ
от некоторых финансовых показателей
Зависимая переменная — доля дивидендных выплат
в чистой прибыли для выборки
Показатель из 46 КГУ из 12 крупнейших КГУ
(1) (2) (3) (4)
Финансовый рычаг 0,281 3,880** 0,087 -3,614
(0,172) (1,880) (0,473) (7,197)
Долговая нагрузка
9,765*" -0,536*** 12,973* -0,429
Рентабельность собственного (3,397) (0,169) (7,057) (0,443)
капитала 9,109* 5,344
(4,831) 5,165 (9,370) 13,333*
Логарифм активов (4,367) (7,221)
Положительный свободный 14,892** 6,997
денежный поток (да нет) (6,068) (11,225)
Фиксированные эффекты Индивидуальные
N 347 249 104 90
R2 0,322 0,353 0,272 0,275
Скорректированный R2 0,208 0,209 0,176 0,150
Тест Вальда 5,54*** 5,76*** 1,86 1,33
Примечание. В скобках указано стандартное отклонение оценок коэффициентов. Тест
Вальда проводился для проверки гипотезы о совместной незначимости коэффициентов при
финансовых переменных (все коэффициенты, кроме фиксированных эффектов). Уровни зна
чимости коэффициентов: * р < 0,1, ** р < 0,05, *** р < 0,01.
Источник: расчеты авторов по данным ежеквартальной отчетности компаний, Investfunds
и Bloomberg.
Результаты оценки показали, что КГУ с крупными активами вы
плачивали существенную часть чистой прибыли, как и частные ком
пании. Для них также значительную долю изменений зависимой пе
ременной объясняли фиксированные эффекты. В отличие от частных
компаний, долговая нагрузка малых КГУ положительно влияет на
долю распределенной прибыли. Это означает, что они могут, напри
мер, привлекать более дешевый заемный капитал для роста или менее
эффективно учитывать долговую нагрузку при принятии дивидендных
решений. В остальном факторы дивидендной политики сравнительно
малых КГУ оказывают значимое и схожее с оценками для частных
компаний влияние.
Для 12 КГУ, которые формируют основной поток дивидендных
выплат, зависимость от финансовых показателей не выявлена, все
коэффициенты при них совместно не значимы, а основную объяс
няющую силу в модели имеют фиксированные эффекты. Тесты аль
тернативных спецификаций и подбор других методов оценки также
не приводят к значимым результатам. Это не противоречит гипотезе
о том, что финансовые показатели крупнейших КГУ не определяют
их дивидендную политику. Отчасти незначимость модели объясняется
тем, что рассматривается достаточно длинный временной интервал, на
протяжении которого изменялись поведение компаний, принципы их
дивидендной политики и требования со стороны государства. Более
79
А. Е. Абрамов и др. Вопросы экономики. 2020. А£> 2. С. 59 —85
сильное влияние на дивидендную политику этих 12 КГУ требований
Минфина, предполагающих изъятие 50% чистой прибыли в виде ди
видендов вне зависимости от индивидуальных особенностей данных
компаний, ведет к отрыву показателя дивидендных выплат от инди
каторов их финансового состояния. В частных компаниях, на которые
указанные требования Минфина не распространяются, и в прочих
КГУ, где контроль за исполнением этих требований менее выражен,
показатель дивидендных выплат, напротив, в некоторой степени за
висит от финансовых результатов их деятельности.
Полученный результат позволяет предполагать, что размер диви
дендов КГУ, особенно 12 крупнейших компаний, во многом зависит
от размера полученной чистой прибыли и определяется в соответст
вии с требованиями Минфина. Это означает, что модель частичной
корректировки Линтнера может лучше описывать размер дивидендов
для КГУ, чем для частных компаний.
Тестирование модели Линтнера (табл. 7) проведено с помощью
двух наборов данных для каждой выборки КГУ:
(1) КГУ с малыми дивидендами, которые хотя бы один раз вы
плачивали дивиденды за период 2006—2017 гг. — 53 КГУ;
(2) КГУ с малыми дивидендами, которые хотя бы пять раз вы
плачивали дивиденды за период 2006—2017 гг. — 40 КГУ;
(3) 12 крупнейших КГУ;
(4) наблюдения с ненулевыми дивидендами для 12 крупнейших КГУ.
Оценка модели частичной корректировки для малых КГУ, за
исключением 12 крупнейших, схожа с результатами аналогичных
тестов для частных компаний: невысокий коэффициент детерми
нации, значимая зависимость между размером дивидендов на одну
акцию и его прошлым значением и близкие значения оцененных
коэффициентов. Таким образом, прочие КГУ в существенной мере
стремятся к определенному целевому уровню дивидендов и, сле
довательно, сглаживают выплаты. Оценка скорости корректировки
Таблица
Результаты оценки модели Линтнера для КГУ, 2006—2017 гг.
Зависимая переменная: размер дивидендов
Показатель Номер использованной выборки
Дивиденды в прошлом году (1) (2) (3) (4)
Размер прибыли на акцию 0,276*** 0,276*** 0,055 0,055
N (0,039) (0,043) (0,081) (0,086)
R2
F-статистика 0,205*** 0,206*” 0,401*** 0,401***
Скорость корректировки дивидендов (0,025) (0,027) (0,047) (0,050)
Размер целевого коэффициента выплат
430 361 125 112
0,425 0,425
0,429 0,430 45,495*** 40,686***
0,94 0,94
160,901*** 135,226*** 42,44 42,44
0,72 0,72
28,3 28,4
Примечание. В скобках указано стандартное отклонение оценок коэффициентов. Уровни
значимости коэффициентов: * р < 0,1, ** р < 0,05, *** р < 0,01.
Источник: расчеты авторов по данным ежеквартальной отчетности компаний, Investfunds
и Bloomberg.
80
А. Е. Абрамов и др. Вопросы экономики. 2020. А£> 2. С. 59 —85
по таким КГУ выше, то есть при принятии дивидендных решений
государственные компании в большей мере учитывают колебания
прибыли. Все это свидетельствует о том, что при ограниченном вме
шательстве Минфина в дивидендную политику прочих КГУ у них,
как и у частных компаний, появляется больше возможностей повы
сить гибкость дивидендных выплат.
Иной результат для 12 крупнейших КГУ, у которых зависимость
между текущими дивидендами и их размером в прошлом периоде
незначима. Размер дивидендов определяется лишь чистой прибылью
и корректируется в соответствии с ее колебаниями. Крупнейшие КГУ
реализуют важнейшие национальные приоритеты, которые в большой
степени определяют их финансовую стратегию и общую политику.
Таким образом, дивидендная политика этих компаний не имеет долго
срочных ориентиров, носит адаптивный характер и во многом зависит
от текущих результатов деятельности, директив Минфина России и си
туации на финансовом рынке. Оценка целевого размера дивидендов
выше, чем у остальных КГУ, и составляет 42,4%, что меньше требуе
мых Минфином 50% консолидированной чистой прибыли для КГУ.
Результаты оценки говорят о том, что 12 крупнейших КГУ не следуют
стратегии сглаживания дивидендов, их дивидендная политика значи
тельно отличается от поведения частных компаний и КГУ с малыми
дивидендными выплатами.
Исходя из полученных результатов, для КГУ с малыми дивиден
дами отчасти справедливы выводы, полученные для частных компа
ний. Например, у этих КГУ могут проявляться стимулы поддерживать
устойчивость дивидендов при привлечении капитала на частном фи
нансовом рынке. Кроме того, у таких компаний существует некото
рая связь между финансовым состоянием и дивидендной политикой,
а также наблюдаются процессы сглаживания выплат. Однако если
дивидендная политика частных компаний отчасти зависит от текущих
потребностей в капиталовложениях, то для КГУ этот фактор менее
важен, поскольку в большинстве случаев у них есть разработанная
государством инвестиционная программа, которая в меньшей степени
зависит от конъюнктуры рынка и инвестиционного климата. Более
крупные КГУ вынуждены соблюдать баланс между масштабными ин
вестиционными проектами, требованиями Минфина и постоянством
роста дивидендов, необходимых для эмиссии ценных бумаг как на
внутреннем, так и на внешнем рынке. Разнонаправленный эффект
этих задач не позволяет построить гипотезу, которая охарактеризовала
бы дивидендную политику с точки зрения их финансового состояния
или иных наблюдаемых характеристик.
Анализ дивидендной политики российских компаний осложняется
большим количеством факторов. Например, трудно сформулировать
единую для всех компаний гипотезу из-за существенных различий
в их механизмах, стимулах и поведении, хотя мы и выявили ряд
схожих тенденций. Увеличение временного горизонта выборки, с од
ной стороны, позволит расширить спектр методов для анализа, но,
с другой стороны, может затруднить расчеты, поскольку на финан
совом рынке и в экономике России происходит достаточно много
81
А. Е. Абрамов и др. Вопросы экономики. 2020. А£> 2. С. 59 —85
колебаний, которые приводят к изменению ключевых зависимостей.
Кроме того, преимущественно у крупных КГУ и в меньшей степе
ни у остальных компаний нередко отсутствуют рыночные стимулы
для начала и поддержания дивидендной политики. Все это говорит
о том, что исследование проблемы дивидендов для России остается
актуальной задачей и должно продолжаться по мере развития рынка
и поступления новых данных.
Заключение
В первой части данной работы мы показали рост дивидендных
выплат и повышение значимости дивидендного фактора на российском
рынке. Основными задачами второй части стали выявление факторов
этого роста и поиск особенностей дивидендной политики в различных
группах компаний.
Среди причин устойчивого роста дивидендных выплат мы вы
деляем усиление потребности многих крупных российских компаний
в привлечении дополнительных финансовых ресурсов. В условиях
возросшего оттока капиталов крупные компании пытались противо
действовать угрозе резкого снижения инвестиционной привлекатель
ности их акций. Как было показано в нашей работе, более стабильная
доля иностранной собственности сохраняется в капиталах российских
компаний, которые выплачивают повышенные дивиденды. На долго
срочных временных горизонтах более активная дивидендная политика
наблюдалась у компаний в периоды размещения ими еврооблигаций
на глобальных финансовых рынках. Вместе с тем приводимые в ра
боте цифры и факты могут свидетельствовать о том, что в российской
экономике и в наши дни можно обнаружить многие проблемы, обычно
присущие формирующимся (emerging) финансовым рынкам.
Во всех странах — экономически развитых и развивающихся —
государство играет важную роль в функционировании финансовых
рынков (общее регулирование, правоприменение контрактных обяза
тельств и др.). Кроме того, в России на многих ключевых участках
экономики оно выступает в качестве контролирующего собственника
в капитале эмитентов. Это существенно усложняет функционирова
ние финансовых механизмов хозяйственного регулирования, в част
ности дивидендных выплат. Дивидендная политика крупнейших КГУ
подвержена воздействию экзогенных факторов, обусловленных фис
кальными интересами государства. Это проявляется в зависимости
дивидендных выплат КГУ и соответственно доходов федерального
бюджета от размера его дефицита и стремления ведомств поддержи
вать стабильность государственных финансов. Существенный рост
поступлений дивидендов в федеральный бюджет наблюдался в 2010 г.
и 2014—2016 гг. при увеличении его дефицитности. Инструментом
обеспечения фискальных интересов государства были часто не закреп
ленные в законодательстве и не обязательные для всех КГУ требова
ния направлять на дивиденды не менее 50% их чистой прибыли вне
зависимости от особенностей экономической ситуации и финансовых
82
А. Е. Абрамов и др. Вопросы экономики. 2020. А£> 2. С. 59 —85
показателей данных компаний. В итоге циклический характер бюджет
ного дефицита приводит к циклам в дивидендной политике крупней
ших КГУ, что ограничивает их возможности реализовать стратегию
сглаживания дивидендов.
В ситуациях, когда прямое регулирование распределения при
были, осуществляемое Министерством финансов РФ, отсутствует
(речь идет о частных компаниях) или оно ограничено из-за незна-
чимости величины дивидендов (прочие КГУ), размеры дивиденд
ных выплат в большей мере зависят от финансовых показателей
компаний и их операционного потока. Для таких компаний можно
отметить следующую закономерность: чем выше рентабельность
капитала (ROE), тем ниже дивидендные выплаты из чистой при
были. Это означает, что у них больше возможностей направлять
прибыль на инвестиции. Кроме того, данные компании отчасти
следуют стратегии сглаживания дивидендов, то есть больше думают
о долгосрочных последствиях дивидендной политики. У топ-12 КГУ,
вынужденных следовать директивам Минфина, размеры дивиденд
ных выплат, по-видимому, плохо коррелируют с показателями эф
фективности их финансовой деятельности и чаще зависят от размера
текущей чистой прибыли. Это затрудняет использование крупными
КГУ сигнальных стратегий и стратегий сглаживания дивидендов,
что может (при прочих равных условиях) делать их акции менее
привлекательными для инвесторов.
В настоящее время активно используют дивидендную политику,
как правило, крупные публичные компании. Если бы небольшие ком
пании смогли увеличить дивидендные выплаты, то это повысило бы их
привлекательность для инвесторов и способствовало диверсификации
круга эмитентов акций на российском публичном биржевом рынке.
Из-за ограниченного периода наблюдений мы не можем в полной
мере оценить будущую эффективность политики поддержания инвес
тиционной привлекательности ценных бумаг российских компаний
с помощью дивидендных выплат: не станут ли высокие дивидендные
выплаты из чистой прибыли компаний ограничивать ее использование
на цели инвестиций. Однако в любом случае позитивное отношение
инвесторов к компаниям зависит не только от размера, но и от ста
бильности дивидендных выплат, возможностей крупных компаний,
включая КГУ, осуществлять политику сглаживания дивидендов.
Список литературы / References
Абрамов А. Е., Радыгин А. Д., Чернова М. И., Энтов Р. М. (2020). «Загадка
дивидендов» и российский рынок акций. Часть 1 Вопросы экономики.
№ 1. С. 66 —92. [Abramov А. Е., Radygin A. D., Chernova М. I., Entov R. М.
(2020). The “dividend puzzle” and the Russian stock market. P a rt 1. Voprosy
Ekonom iki, No. 1, pp. 66 —92. (In Russian).] h ttp s://d o i.o rg /1 0 .3 2 6 0 9 /0 0 4 2 -
8736-2020-1-66-92
Сток Д., Уотсон М. (2015). Введение в эконометрику. Учеб. издание. М.: Дело.
[Stock J. Н., Watson М. W. (2015). Introduction to econometrics. Moscow: Delo.
(In Russian).]
83
А. Е. Абрамов и др. Вопросы экономики. 2020. А£> 2. С. 59 —85
Aivazian V., Booth L., Cleary S. (2003). Dividend policy and the organization of
capital markets. Journal o f M ultinational Financial M anagem ent, Vol. 13, No. 2,
pp. 101-121. h ttp s:/ / d o i .org 10.1016 S1042-444X(02)00038-5
Baker М., W urgler J. (2004). A catering theory of dividends. Journal o f Finance,
Vol. 59, No. 3, pp. 1125-1165. https://doi.O rg/10.llll/j.1540-6261.2004.00658.x
Black F. (1976). The dividend puzzle. Journal o f Portfolio M anagem ent, Vol. 2, No. 2,
pp. 5 —8. http s: doi.org 10.39 05 j pm.1976.408558
Booth L., Zhou J. (2017). Dividend policy: A selective review of results from around
the world. Global Finance Journal, Vol. 34, pp. 1—15. blips: doi.org 10.1016
j . g f j . 2017.07.002
Bozos K., Nikolopoulos K., Ramgandhi G. (2011). Dividend signaling under economic adver
sity: Evidence from the London Stock Exchange. International Review of Financial
Analysis, Vol. 20, pp. 364 —374. blips: doi.org 10.1016 j.irfa.2011.07.003
Cecchetti S. G., Kharroubi E. (2015). W hy does financial sector growth crowd out real
economic growth? B IS Working Papers, No. 490.
Dewenter K. L., W arther V. A. (1998). Dividends, asymmetric information, and agen
cy conflicts: Evidence from a comparison of the dividend policies of Japanese
and U.S. firms. Journal o f Finance, Vol. 53, No. 3, pp. 879 —904. blips:
doi.org 10.1111 0022-1082.00038
Easterbrook F. H. (1984). Two agency-cost explanations of dividends. American Economic
Review , Vol. 74, No. 4, pp. 650 —659.
Fama E. F., French K. R. (2001). Disappearing dividends: Changing firm characteris
tics or lower propensity to pay? Journal o f Financial Economics, Vol. 60, No. 1,
pp. 3 - 4 3 . h ttp s: doi.org 10.1016 S0304-405X(01)00038-1
Gordon J. R. (2018). W hy has economic growth slowed when innovation appears to be
accelerating? N B E R Working Paper, No. 24554. blips: doi.org 10.3386 \v24554
Grullon G., Michaely R., Swaminathan B. (2002). Are dividend changes a sign of firm
m aturity? Journal o f Business, Vol. 75, No. 3, pp. 387—424. h ttp s ://d o i.o r g /
10.1086 339889
Gugler K. (2003). Corporate governance, dividend payout policy, and the interrelation
between dividends, R&D, and capital investment. Journal of Banking & Finance,
Vol. 27, No. 7, pp. 1297-1321. blips: doi.org 10.1016 S0378-4266(02)00258-3
Gutierrez G., Philippon T. (2017). Investmentless growth: An empirical investigation.
Brookings Papers on Economic A c tiv ity , Vol. 48, No. 2, pp. 89 —190. blips:
doi.org 10.1353 eca.2017.0013
Huang Т., Wu F., Yu J., Zhang B. (2015). Political risk and dividend policy: Evidence
from international political crises. Journal of International Business Studies,
Vol. 46, No. 5, pp. 574 —595. https://doi.O rg/10.1057/jibs.2015.2
Jensen М. C. (1986). Agency costs of free cash flow, corporate finance, and takeovers.
American Economic R eview , Vol. 76, No. 2, pp. 323 —329.
Jensen М. C., Meckling W. H. (1976). Theory of the firm: Managerial behavior, agency
costs and ownership structure. Journal o f Financial Economics, Vol. 3, No. 4,
pp. 3 0 5 -3 6 0 . h ttp s: doi.org 10.1016 0304-405X(76)90026-X
La Porta R., Lopez-de-Silanes F., Shleifer A., Vishny R. (2000). Agency problems and
dividend policy around the world. Journal o f Finance, Vol. 55, No. 1, pp. 1—33.
h ttp s: doi.org 10.1111 0022-1082.00199
Lintner J. (1956). D istribution of incomes of corporations among dividends, retained
earnings and taxes. American Economic Review , Vol. 46, No. 2, pp. 97—113.
Miller М., Modigliani F. (1961). Dividend policy, growth and the valuation of shares.
Journal of Business, Vol. 34, No. 4, pp. 411—433. https://doi.org/10.1086/294442
Miller М., Scholes M. (1978). Dividends and taxes. Journal o f Financial Economics,
Vol. 6, No. 4, pp. 3 3 3 -3 6 4 . blips: doi.org 10.1016 0304-405X(78)90009-0
Shefrin H. М., Thaler R. H. (1988). The behavioral life-cycle hypothesis. Economic
Inquiry, Vol. 26, No. 4, pp. 609 —643. blips: doi.org 10.1111 j .1465-7295.1988.
tb01520.x
А. Е. Абрамов и др. Вопросы экономики. 2020. А£> 2. С. 59 —85
The “dividend puzzle” and the Russian stock market.
Part 2
Alexander E. Abramov1*, Alexander D. Radygin12,
Maria I. Chernova1, Revold M. Entov1
Authors affiliation: 1Russian Presidential Academy of National Economy and
Public Administration (Moscow, Russia); 2Gaidar Institute for Economic Policy
(Moscow, Russia). * Corresponding author, email: [email protected]
The article analyzes the features of the dividend policy of Russian companies.
The first part has contained an overview of academic literature and current
trends. In the second part we discuss the results of empirical analysis that is based
on a sample of 236 joint-stock companies. The motivation of Russian companies
for maintaining the attractiveness of their shares during the period of significant
increase of risks and volatility led to the growth of dividend yield. However,
the increase of allocated profits observed in the largest state-owned enterprises
(SOEs) to a large extent resulted from escalation of the tension in government
finances. The threat of budget deficit growth led to partial substitution of
tax income for dividend income from SOEs. At the same time some factors of
uncertainty for SOEs’ operational strategies were increasing, especially those
concerning long-term decisions in capital expenditure programs. The results of our
analysis reveal that in private companies or SOEs, where the state has a limited
influence on the dividend policy, the size of dividend payments to a greater
extent depends on their financial performance, cash flows and the availability of
promising investment projects. Moreover, the article shows that such companies
are more likely to follow dividend smoothing strategies.
Keywords: dividend policy, state-owned enterprises, dividend smoothing,
state ownership.
JEL: D22, G30, G32, G35, G38, 016.
85
Вопросы экономики. 2020. № 2. С. 86 —100.
Voprosy Ekonomiki, 2020, No. 2, pp. 86 —100.
Волатильность российского
фондового индекса: нефть и санкции*
А. Д. Аганин
Национальный исследовательский университет «Высшая школа экономики»
(Москва, Россия)
Фондовый рынок РФ начиная с 2014 г. находился под давлением как
санкций, так и резкого падения цен на нефть, что привело к его повышенной
волатильности. В данной работе анализируется влияние волатильности цены
нефти Brent и санкций на волатильность российского фондового индекса
РТС. В качестве волатильности рассматривались как ее параметрическая
оценка, полученная из оценивания моделей GARCH, так и непараметриче
ская оценка — реализованная волатильность. Чтобы оценить эффект вола
тильности нефти и санкций, был построен набор коинтеграционных регрес
сий. Показана робастность полученных результатов по отношению к выбору
оценки волатильности. Полученные результаты показывают сохраняющуюся
зависимость волатильности индекса РТС от волатильности цены нефти за
2007—2018 гг. Эта зависимость наиболее ярко выражена в кризисные перио
ды. Показана адаптация российского фондового рынка к введенным ранее
санкциям, что ставит под сомнение их долгосрочную эффективность.
Ключевые слова: модель GARCH, волатильность, реализованная вола
тильность, PTC, Brent, санкции, фондовый рынок.
JE L : С32, С58, F51, F65.
Популярными объектами анализа в литературе являются фондо
вые индексы. С одной стороны, они выступают индикаторами дина
мики рыночной капитализации наиболее крупных компаний страны
и общего состояния фондового рынка. С другой стороны, фондовые
индексы представляют интерес для инвесторов с точки зрения воз
Аганин Артем Давидович (artyom aganin@ gm ail.com ), аспирант факультета
экономики НИУ ВШЭ.
* Автор благодарен участникам семинара по прикладной эконометрике в рамках
XX Апрельской международной научной конференции НИУ ВШЭ за конструктивные
обсуждения и проф. А. А. Пересецкому за ценные советы и консультации.
https://doi.org/10.32609/0042-8736-2020-2-86-100
© НП «Вопросы экономики», 2020
86
А. Д. Аганин / Вопросы экономики. 2020. № 2. С. 86—100
можности торговать производными инструментами на эти индексы.
В частности, в литературе известен вопрос о влиянии цены нефти на
фондовые индексы нефтеэкспортирующих и нефтеимпортирующих
стран и аналогичный, по сути, вопрос о влиянии волатильности
нефтяных цен на волатильность фондовых индексов этих стран.
Так, обнаружено значимое влияние шоков спроса/ предложения неф
ти на фондовые рынки нефтеэкспортирующих стран, хотя влияние
и различается по странам (Basher et al., 2018). Волатильность нефти
может использоваться для краткосрочного прогноза волатильности
доходности фондового индекса США S&P500 (Wang et al., 2018).
При помощи модели BEKK-GARCH был обнаружен эффект транс
миссии волатильности нефтяных цен между фондовыми рынками
некоторых из 23 развивающихся стран (Gomes, Chaibi, 2014). Анализ
эффекта перетока волатильности (spillover effect) для трех азиатских
стран при помощи моделей DCC не обнаружил этот эффект для
Китая, и был сделан вывод о слабой чувствительности азиатских
рынков к нефтяным шокам (Sarwar et al., 2019). Стоит выделить
работу (Degiannakis et al., 2018), в которой обобщены результаты
многих исследований, посвященных двум упомянутым вопросам, на
данных развивающихся и развитых стран. На основании анализа
этих результатов авторы приходят к выводу о влиянии нефтяных цен
на фондовые индексы нефтеэкспортирующих стран и аналогичном
влиянии для волатильности этих показателей, а также об обратном
влиянии на американском рынке. При этом положительное изменение
цен на нефть приводит к отрицательной доходности индексов стран-
импортеров, а отрицательное изменение этих цен — к положительной
доходности индексов стран-экспортеров. Аналогичные выводы были
сделаны при анализе некоторых нефтеимпортирующих и нефтеэск-
портирующих стран, среди которых была и Россия (Boldanov et al.,
2016; Bein, Aga, 2016).
Для России чаще всего анализируют влияние различных факто
ров на индекс РТС или индекс Московской биржи МОЕХ. Например,
анализ эффекта перетока волатильности между рынком товаров (в том
числе нефти) и индексом РТС за 2001—2016 гг. также привел к вы
воду об усилении этого эффекта в кризисные периоды и ослаблении
в спокойные (Zivkov et al., 2018).
Вскоре после введения санкций со стороны США и Европы про
тив РФ в 2014 г. начали появляться работы, где на примере РФ
исследуется влияние санкций на те или иные сегменты экономики
страны, а также на ее макроэкономические показатели. В частности,
анализ влияния нефтяных цен и санкций на экономики РФ и Европы
на квартальных данных за 1997—2015 гг. обнаружил значимое нега
тивное влияние санкций на темпы роста ВВП России (Kholodilin,
Netsunajev, 2019). Было также показано, что резкое снижение цен на
нефть в 2014 г. стало главной причиной падения макроэкономических
индикаторов РФ (Tuzova, Qayum, 2016).
Поскольку введение санкций привело к оттоку иностранных ин
вестиций из России, это должно было оказать воздействие на весь
фондовый рынок. И действительно, исследование факторов, влияю
87
А. Д. Аганин / Вопросы экономики. 2020. № 2. С. 86 —100
щих на российский фондовый рынок в 2000—2017 гг., показало, что
наибольшее влияние в 2014—2017 гг. исходило от санкций (Rubtsov,
Annenskaya, 2018). Исследование влияния индивидуальных санкций,
направленных на конкретные компании, на примере РФ за 2012 —
2016 гг. продемонстрировало, что такие санкции оказались эффек
тивными только относительно компаний, против которых они были
введены (Ahn, Ludema, 2019). При этом в 2014—2016 гг. эффект от
индивидуальных санкций США для российских компаний, торгуемых
на фондовом рынке РФ, оказался сильнее соответствующих европей
ских санкций (Naidenova, Novikova, 2018). Долгосрочный негатив
ный эффект от санкций, направленных на большие международные
российские компании, не был обнаружен, а реакция инвесторов на
продление санкций в 2016 г. оказалась значительно слабее реакции на
введение санкций в 2014—2015 гг. Связь фондового рынка РФ с миро
выми фондовыми рынками значительно ослабела вследствие введенных
санкций, следовательно, санкции привели к изоляции российского
фондового рынка (Nivorozhkin, Castagneto-Gissey, 2016; Castagneto-
Gissey, Nivorozhkin, 2016). Такое изменение степени интегрированности
России в мировую экономику привело к увеличению влияния идио
синкратических шоков на динамику фондового рынка.
Важно учитывать, что одновременно с введением санкций в 2014 —
2015 гг. наблюдалось резкое падение цен на нефть, поэтому их влияние
на российскую экономику стало вновь актуальной темой исследований,
в том числе из-за одновременного изменения наблюдаемых макроэко
номических показателей РФ, таких как обменный курс рубля, уро
вень инфляции, значения фондовых индексов и волатильность этих
показателей. Как следствие, в некоторых работах внимание начали
уделять влиянию и санкций, и цен на нефть одновременно. Так, было
показано, что почти для всех отраслевых российских индексов в пост-
санкционный период наблюдается статистически значимое повышение
волатильности (Анкудинов, Лебедев, 2017; Ankudinov et al., 2017).
Авторы указывают, что чистый эффект от санкций оценить сложно,
так как на данный период пришлось значительное снижение цен на
нефть, с динамикой которых российский рынок тесно коррелирован.
На доходность российского и украинского фондовых индексов за
2013—2014 гг. отрицательно воздействуют как санкции и интенсивность
конфликта на востоке Украины, так и увеличение цен на нефть и рост
индекса VIX (СВОЕ Volatility Index), также называемого «индексом
страха» (Hoffmann, Neuenkirch, 2017). Впрочем, хотя падение ВВП
России вследствие введения санкций фиксировалось, более сильное
воздействие оказало падение цен на нефть (Gurvich, Prilepskiy, 2015).
К аналогичным выводам привело исследование того, как падением
цен на нефть и введением санкций и контрсанкций можно объяснить
колебания курса рубля (Dreger et al., 2016). Чтобы изучить влия
ние политического фактора, авторы построили интегральный индекс
санкций. Применяя модели VAR, они пришли к выводу, что падение
рубля в значительной степени было обусловлено резким снижением
цен на нефть и в существенно меньшей степени — санкциями, что,
по их мнению, ставит под вопрос эффективность санкций. Санкции,
А. Д. Аганин / Вопросы экономики. 2020. № 2. С. 86—100
однако, влияют на волатильность макропоказателей (процентные став
ки, валютный курс).
Интерес к волатильности российского фондового рынка обуслов
лен тем, что она функционирует как индикатор состояния националь
ного финансового рынка в кризисные периоды и представляет ценную
информацию для инвесторов как показатель странового риска. Помимо
этого, обнаруживается влияние волатильности фондового рынка на
такие макроэкономические показатели, как инфляция, ВВП, счет дви
жения капиталов (Bhowmik, 2013).
В целом оцениванию влияния санкций на волатильность рос
сийского фондового рынка в литературе уделяется мало внимания.
Отметим, что в случае России важно моделировать эффекты санкций
и волатильности цен на нефть совместно, что не делают при поиске
связей между волатильностью с использованием общепринятого под
хода в многомерных моделях волатильности ВЕКК и DCC. Важный
недостаток этих моделей — отсутствие возможности получить интер
претируемую количественную оценку эффекта перетока волатильности,
поэтому такие модели представляют интерес лишь для того, чтобы
определить наличие или отсутствие значимого эффекта перетока на
больших временных интервалах.
Наша статья посвящена анализу влияния санкций и волатильности
цен на нефть Brent на волатильность фондового индекса РТС за 2007—
2018 гг. Главное отличие используемого здесь подхода от традиционно
применяемых —оценивается зависимость между показателями волатиль
ности в движущемся окне при помощи регрессий, что позволяет численно
оценить эту зависимость и проанализировать, как она изменялась во вре
мени. Дополнительно в работе оценен долгосрочный эффект от санкций
для волатильности российского фондового рынка, включая не связанные
с Украиной санкции 2016и2018гг. Для моделирования волатильности
используется как одномерная модель волатильности TGARCH, так и реа
лизованная волатильность — непараметрическая оценка волатильности.
Это позволяет убедиться в робастности результатов, полученных на
основании разных методов оценивания волатильности.
Результаты свидетельствуют о сильном влиянии волатильности цен
на нефть и слабом долгосрочном влиянии санкций на волатильность ин
декса РТС, что согласуется с другими аналогичными исследованиями.
Методика оценивания
Для оценки волатильности цен на нефть и индекса РТС исполь
зовались два подхода: параметрический с использованием моделей
GARCH и непараметрический подход оценивания реализованной во
латильности. Рассмотрим эти подходы подробнее.
Одномерная модель TGARCH
В работе применяется наиболее часто используемая в финансовых
приложениях модель TGARCH(1,1) с AR(1) процессом для доходности
89
А. Д. Аганин / Вопросы экономики. 2020. № 2. С. 86 —100
актива. Она состоит из двух уравнений. Первое описывает динамику
доходности:
r t = H + p r t- i + E t , ( 1)
где st = atut, ut ~ i.i.d .N (0 ,1), а второе уравнение описывает динамику
условного стандартного отклонения ot\
(Tt = со + + ys;_i + (2)
где: £+t = max(^, 0); s^= min(e*, 0); a > 0, у > 0, /3 > 0, со > 0.
В расширении (2) модели GARCH(р, q) учитывается возможное
несимметричное влияние отрицательных и положительных шоков
на волатильность (Zakoian, 1994). Заметим, что в моделях GARCH
волатильность — ненаблюдаемая величина, оценку которой можно
получить с помощью этих моделей по историческому ряду доходности
актива.
Реализованная волатильность
Дополнительно использовалась непараметрическая наблюдаемая
оценка волатильности, так называемая реализованная волатильность
(realized volatility, RV). Она считается одним из наиболее точных на
блюдаемых приближений ненаблюдаемой волатильности и поэтому полу
чила широкое распространение с доступностью внутридневных данных.
Для ее вычисления взяты внутридневные данные за период 11.10.2007—
28.12.2018. Обычно реализованная волатильность в день t оценивается
как сумма квадратов доходностей
RVt = f^ ri (з)
i=1
по всем внутридневным интервалам \t{, t{+At\, где ri>t — доходность
в день t на интервале \t{, t{+At\, Обычно длина такого
интервала At равна 5 минутам. По указанной процедуре в данной
работе были рассчитаны значения реализованной волатильности на
пятиминутных внутридневных данных.
Модели зависимости волатильности
Эмпирическая часть исследования в данной работе состоит из
двух этапов. На первом этапе с использованием одномерных моделей
GARCH оцениваются волатильность и реализованная волатильность.
Затем, имея модельные оценки дневной волатильности фондового ин
декса РТС и цены нефти, оцениваются регрессии логарифма волатиль
ности индекса РТС на логарифм волатильности цены нефти:
1n(<T2RTsi,t) = с + Р In( a 2brenU) + et. (4)
Оценивание производится в скользящем окне шириной 252 наблюде
ния, что примерно соответствует периоду в один год. Динамика оценок
коэффициента Р из таких регрессий позволяет судить о динамике
влияния волатильности цены нефти на волатильность индекса РТС.
90
А. Д. Аганин / Вопросы экономики. 2020. № 2. С. 86—100
На втором этапе анализируется влияние других макроэкономиче
ских факторов на волатильность индекса РТС. Для этого оцениваются
регрессии вида
In(aR2TSI>t) = с +/?1n(ab2rent>t) + + y2d M (o 2brent>t) + (5)
где в качестве макроэкономических факторов dt рассматриваются кризис
ный период 2008—2009 гг., санкции, связанные с кризисом на Украине,
периоды высокой и низкой цены на нефть, а также «индекс страха» VIX.
Назовем у? «коэффициентом влияния».
Данные
В качестве исходных данных использовались внутридневные пяти
минутные котировки цен на нефть Brent в долларах США и значений
индекса PTC (RTSI), рассчитываемого в долларах США1.
Для оценивания моделей GARCH, как правило, используются
ряды дневных цен на момент закрытия фондового рынка. Поскольку
индекс РТС и Brent котируются на разных биржах в разное время
суток, необходимо из внутридневных данных выделить значения
котировок в один момент времени во избежание включения будущей
информации в один из рядов. В связи с этим дневные цены закры
тия определялись как значения котировок на 19.00 по московскому
времени. Пропуски в данных были заполнены предыдущими внутри
дневными значениями котировок в этот день. Выходные дни (суббота,
воскресенье) были исключены. Доходность активов рассчитывалась
по формуле rt = \n(pt/ p t_x), где pt — цена актива. Графики цены на
нефть и значений индекса РТС представлены на рисунке 1.
Ряды дневных значений индекса РТС
и цен на нефть Brent (долл. /барр.)
Источник: РТС. Рис. 1
1Данные за период 11.10.2007—28.12.2018 были получены на сайте https: www.finam.ru,
на котором они предоставлены Московской биржей.
91
А. Д. Аганин / Вопросы экономики. 2020. № 2. С. 86 —100
Таблица 1
Список санкций
№ Дата Описание
США, ЕС, НАТО, Канада и Япония объявили о приостановке сотрудни
1 17.03.2014 чества с РФ по отдельным проектам и введении санкций в отношении
ряда российских политиков
9 12.09.2014 ЕС объявил о введении новых санкций против РФ, в частности против
Сбербанка и нефтедобывающих компаний
з 16.02.2015 ЕС объявил о введении новых санкций. На этот момент санкционный
список стал содержать 151 физическое лицо и 37 юридических лиц
4 22.12.2015 Расширение санкций США против РФ —санкции наложены на 34 физи
ческих и юридических лица
Президент США подписал приказ о выдворении 35 российских дипло
5 29.12.2016 матов и расширении санкций против РФ в связи с вмешательством
в президентские выборы США
6 06.04.2018 Введение новых санкций в связи с выборами США 2016 г. и отравлением
Скрипалей
Источник: составлено автором.
Для анализа влияния санкций был составлен список дат введения
наиболее значимых санкций против РФ, краткое описание которых
и даты представлены в таблице 1.
Выделено шесть дат введения санкций, поэтому период после вве
дения санкций делится на шесть интервалов, для каждого из которых
создана фиктивная переменная — индикатор периода.
Особенности оценивания регрессий
В результате оценивания моделей волатильности получаются ряды
оценок дневной волатильности. Имея ряды оценок волатильности для
РТС и нефти, логично построить регрессию одного ряда на другой.
Однако ряды волатильности нестационарны. Это означает, что рег
рессию одного ряда на другой можно строить, если ряды коинтегри-
рованы, с использованием коинтеграционных регрессий, таких как
динамический МНК (DOLS) и FM-OLS, поскольку обычный МНК
неправильно оценивает стандартные ошибки.
Для проверки рядов на стационарность использовались тесты
ADF (нулевая гипотеза о нестационарности) и KPSS (нулевая гипо
теза о стационарности). Дополнительно использовался тест Вальда
(Lumsdaine, 1996): нулевая гипотеза о нестационарности формули-
руется на основании спецификации (2) Н 0: (р = —а +--У--ьу? = 1 против
Н х\ (р < 0. В данном случае ряды оценок волатильности RTSI и Brent
оказались нестационарными и коинтегрированными (как видно из
табл. 2 и 3), что свидетельствует о суперсостоятельности точечных
оценок, полученных при помощи обычного МНК, однако приводит
к необходимости использовать динамический МНК для получения
правильных доверительных интервалов. В связи с этим в данной
работе все регрессионные модели оценивались при помощи динами
ческого МНК.
92
А. Д. Аганин / Вопросы экономики. 2020. № 2. С. 86—100
Таблица 2
3
Результаты тестов на стационарность
Переменная /?-value Статистика p-value
ADF теста KPSS теста теста Вальда
log(<7r t s i )
log(abrent) ооо 1,24 0,13
0,89 0,26
ОО
ttoo
Примечание. Критическое значение статистики KPSS теста на 1% равно 0,73.
Источник: рассчитано автором.
Таблица
Результаты теста на коинтеграцию на всем интервале
по DOLS регрессиям
Тест на коинтеграцию Нулевая гипотеза /^-значение
Phillips —Ouliaris^ Ряды не коинтегрированы 0,00
Hansen Instability^ Ряды коинтегрированы >0,2
Примечание. aPhillips, Ouliaris, 1990; ^Hansen, 2002.
Источник: рассчитано автором.
Оценки волатильности
В результате оценивания модели TGARCH на данных о доходности
цен, рассчитанных по цене Brent и RTSI, можно получить ряды оце
нок волатильности Brent и RTSI. Также можно получить оценки рядов
волатильности, используя непараметрический подход реализованной
волатильности. Насколько похожи оценки волатильности, полученные
при помощи этих двух методов? Для сравнения можно привести график
полученных оценок волатильности для ряда RTSI (рис. 2). По графику
можно сделать вывод о похожей в целом динамике, что свидетельствует
о робастности получаемых результатов к выбранному методу. Отдельно
стоит выделить рост волатильности в кризисный период 2008—2009 гг.,
Оценки волатильности для ряда RTSI
j_____________ L_ lrv_RTSI \
----- lvolRTSI
Примечание. lvolRTSI — логарифм оценок волатильности RTSI согласно модели TGARCH;
lrv_RTSI — логарифм реализованной волатильности RTSI, рассчитанной по пятиминутным данным.
Источник: построено автором.
Рис. 2
93
А. Д. Аганин / Вопросы экономики. 2020. № 2. С. 86 —100
а также в период 2014—2015 гг., соответствующий мировому падению цен
на нефть и кризису на Украине, оказавшим влияние на Россию. Также
можно отметить, что динамика зависимости между рядами не выглядит
постоянной, что можно подробнее проанализировать, оценив регрессии
вида (4) волатильности цены Brent на волатильность RTSI в движущих
ся окнах из 252 наблюдений, что соответствует одному торговому году
с шагом один день. Ряды оценок коэффициента Д полученного из таких
регрессий по оценкам волатильности и реализованной волатильности,
а также доверительные интервалы для них приведены на рис. 3.
Оценка коэффициента влияния /? в скользящих окнах
CN CN CN CN CN CN CN CN CN CN CN
Примечание. beta_vol — по оценкам волатильности из TGARCH модели; beta_rv — по
оценкам реализованной волатильности; beta_min, beta_max — верхняя и нижняя границы
95%-го доверительного интервала.
И сточник: построено автором.
Рис. 3
При интерпретации графиков на рисунке 3 следует учитывать, что
точка на графике соответствует предшествующему периоду один год. До
января 2014 г. коэффициент влияния был положительным, значимо отли
чался от 0 и принимал значения от 0,5 до 1 на большей части интервала.
В ноябре—декабре 2011 г. наблюдалась сверхреакция, когда его значение
превосходило 1. С января по октябрь 2014 г. оценка коэффициента незна
чимо отличается от нуля, а в середине этого периода (в июне — августе
2014 г.) даже становится отрицательной. Также сверхреакция со значитель
ным выходом оценки за 1 наблюдается с декабря 2015 г. по январь 2016 г.
Начиная с января 2014 г. оценка коэффициента изменяется в большем
диапазоне, чем ранее. Вероятно, такая неустойчивость связи волатиль
ности цены нефти и индекса RTSI сопряжена как с резким падением
цен на нефть, так и с введением санкций. В целом зависимость между
волатильностью цены на нефть и индекса RTSI непостоянна во времени.
Анализ влияния макроэкономических факторов
Проанализируем влияние макроэкономических факторов на во
латильность фондового индекса.
94
А. Д. Аганин / Вопросы экономики. 2020. № 2. С. 86—100
Нефть составляет значительную часть экспорта РФ. В 2018 г. экспорт
нефти и нефтепродуктов составил 45,8% общего экспорта РФ (May и др.,
2019). Поэтому волатильность цены на нефть может оказывать и оказывает
значительное влияние на волатильность фондового рынка РФ. На нее
также могут оказывать влияние и другие макроэкономические факторы,
среди которых можно выделить экономические и политические санкции,
введенные в несколько этапов против РФ в 2014 г. в связи с кризисом
на Украине, а также волатильность на фондовых рынках других стран.
Дополнительно в регрессионную модель включался индекс VIX
как показатель текущих ожиданий инвесторов относительно будущей
волатильности на американском фондовом рынке. Считается, что VIX
отражает ожидания инвесторов относительно изменения цен акций
на американском фондовом рынке и соответствующих рисков инвес
тирования. Это, в свою очередь, может приводить к движению фон
довых индексов других стран, в том числе России. К примеру, было
обнаружено влияние VIX на доходность фондовых индексов стран
БРИКС при «медвежьем» состоянии фондовых рынков этих стран,
в том числе России (Mensi et al., 2014). Поскольку, как было сказано
ранее, показатели волатильности RTSI и цены Brent нестационарны
и коинтегрированы, важно протестировать VIX на стационарность. Как
показали тесты на стационарность и анализ литературы, посвященной
этому вопросу (см., например: Saha et al., 2019), ряд VIX стационарен,
поэтому не должен входить в коинтеграционное соотношение DOLS
регрессии, а должен включаться как обычный регрессор.
Для изучения влияния этих факторов были оценены регрессион
ные модели вида (5) при помощи динамического МНК, результаты
представлены в таблице 4. Зависимая переменная в спецификациях
(a) —(f) модели (5) — волатильность фондового индекса RTSI, а имен
но — логарифм оценки условной дисперсии RTSI, log(c>RTSI), полученной
по модели TGARCH (1) —(2), оцененной на всем интервале наблюдений
11.10.2007—28.12.2018. В спецификации (g) вместо оценок условной
дисперсии использовались оценки реализованной волатильности RTSI,
рассчитанные по формуле (3). Это сделано для проверки робастности
результатов.
В качестве регрессоров в спецификациях модели (5) используются
следующие переменные: Ivoloil — логарифм оценки условной диспер
сии цены на нефть, ln(alrent), полученный по модели TGARCH (1) —
(2), оцененной на всем интервале наблюдений 11.10.2007—28.12.2018.
В спецификации (g) использовалась реализованная волатильность;
lowoil, highoil — фиктивные переменные соответственно низкой (ме
нее 45 долл./барр.) и высокой (более 110 долл./барр.) цены на нефть;
I V I X A — логарифм первого лага ряда VIX; crisis — фиктивная пе
ременная для обозначения периода мирового экономического кризиса
01.09.2008 —31.10.2009. Сентябрь 2008 г. соответствует началу острой
фазы кризиса во всем мире; sanctions — фиктивная переменная перио
да действия санкций, начавшегося 17.03.2014; sa n d , ..., sanc6 — шесть
фиктивных переменных периодов действия санкций, соответствую
щих таблице 1. Например, sand — индикатор периода 17.03.2014 —
11.09.2014, sanc6 — индикатор периода 06.04.2018—28.12.2018.
95
А. Д. Аганин / Вопросы экономики. 2020. № 2. С. 86 —100
Кроме того, в модели включались и перекрестные члены фиктив
ных переменных с переменной Ivoloil, которые позволяют проанали
зировать предположения об усилении/ослаблении зависимости вола
тильности RTSI от волатильности цены нефти в кризисные периоды.
По данным таблицы 4 можно сделать вывод о значимом влиянии
волатильности цены нефти на волатильность индекса RTSI. Также для
проверки влияния волатильности на мировых рынках был включен лога
рифм лага индекса VIX, который также оказался значимым. В модели
включалось именно лагированное значение VIX, чтобы избежать возмож
ного включения информации из «будущего», связанного с расположением
российского и американского фондовых рынков в разных часовых поясах.
Влияние волатильности цены нефти на волатильность индекса RTSI
в периоды, когда цена нефти высока, должно быть ниже по сравнению
с влиянием колебаний цены нефти при обычном уровне цен, поскольку
рынок склонен игнорировать небольшие изменения цен в спокойной си
туации, так как при этом доходы нефтеэкспортирующих предприятий
и бюджета страны не зависят от небольших изменений цены на нефть.
И наоборот, рынок склонен резко реагировать на изменения цены нефти,
когда уровень цен ниже заложенного в бюджет или необходимого по
мнению экспертов для достаточного наполнения бюджета.
Для проверки этой гипотезы в регрессии (Ь) и (с) были включе
ны режимы высоких и низких цен (переменные lowoil, highoil). Как
видно из таблицы 4 с результатами оценивания, при режиме высоких
цен на нефть действительно снижается волатильность индекса RTSI.
Однако эффект от режима низких цен на нефть оказался незначимым.
Рассмотрим результаты оценивания эффекта от санкций. Можно
заметить, что эффект от переменной sanctions оказался незначимым
в регрессии (а). Это значит, что средняя волатильность после введения
санкций незначимо отличается от средней волатильности на интервале до
2014 г. (за исключением периода мирового экономического кризиса). Это
следствие того, что введения фиктивной переменной на всем временном
интервале, начиная с 2014 г., недостаточно для анализа влияния санкций.
Обратим внимание на спецификации (d) и (f). В них представлена
интегральная структура санкций, где каждое следующее значение пере
менной sane соответствует накопленному эффекту от всех ранее введен
ных санкций на соответствующем интервале. Судя по этим регрессиям,
можно отметить значительное повышение волатильности фондового
индекса RTSI, определяемое фиктивными переменными sand и sanc2,
которые соответствуют временному интервалу 17.03.2014 —16.02.2015.
Стоит отметить, что коэффициент у переменной sand во всех моделях
оказался слабозначимым/незначимым из-за наличия высокой муль
тиколлинеарности между переменными sand и Ivoloil х sand. Если
убрать вторую переменную из модели, то эффект от sand становится
значимым на уровне 1%. Начиная с февраля 2015 г. агрегированный
эффект от санкций для волатильности RTSI оказывается незначи
мым или отрицательным по сравнению с периодом до марта 2014 г.
(за исключением кризисного периода 2008—2009 гг.). Это можно ин
терпретировать как адаптацию фондового рынка к функционированию
в условиях введенных санкций против РФ.
96
А. Д. Аганин / Вопросы экономики. 2020. № 2. С. 86—100
В спецификации (g ) показатели волатильности индекса РТС
и цены нефти были заменены на показатели их реализованной вола
тильности, оцененные по формуле (3). Как видно, качественно резуль-
Таблица 4
Результаты оценивания моделей волатильности
Переменные Спецификация модели
Ivoloil (a) (b) (с) (d) (e) (f) (g)
с 0,340м* 0,419"* 0,488*** 0,507*** 0,342***
IVIX-1 (0,086) (0,082) (0,083) (0,062) 0,574*** 0,453*** (0,070)
crisis -0,349 -0,228 0,340 -0,278 (0,061) (0,082) -1,567***
Ivoloil х crisis (0,306) (0,269) (0,252) (0,243) 0,228 (0,392)
sanctions 0,538"* 0,467*** 0,547*** 0,394*** (0,207) -0,437 0,295***
Ivoloil x (0,057) (0,041) (0,057) (0,048) 0,441*** (0,313) (0,072)
sanctions 0,916" 0,861" (0,047) 0,184
lowoil (0,435) -1,127*** (0,438) 0,409*** (0,624)
highoil 0,211* (0,343) 0,204* (0,049) 0,085
Ivoloil x lowoil (0,111) -0,307*** (0,114) (0,162)
Ivoloil x highoil -0,484 (0,080) 0,978"
sancX (0,393) -0,047 0,542" (0,466) 0,524
sand -0,159* (0,284) (0,048) (1,911)
sanc3 (0,093) -0,897" 0,454* 0,229* 3,187***
sancA (0,404) (0,062) (0,119) (0,943)
sanc5 0,200 -0,009 0,137" -0,503
sanc6 (0,303) (0,075) (0,038) 1,817 2,566* (0,824)
Ivoloil x sancX -0,937** -0,209" -0,112** (1,473) (1,509) 2,003***
Ivoloil x sane2 (0,459) (0,093) (0,047) (0,715)
Ivoloil x sanc3 0,061 -0,042 1,3482" 2,018*** 0,712
Ivoloil x sancA (0,077) 0,662 (0,033) (0,553) (0,594) (0,678)
Ivoloil x sancS -0,198* 0,063 -1,723***
Ivoloil x sanc6 (0,107) (0,054) -1,545" -0,810 (0,552)
Adjusted R2 (0,599) (0,639) 0,008
0,659 0,635 0,753 (0,401)
-0,194 0,408 0,646***
(0,446) (0,488) (0,219)
-0,201
0,173 0,827 (0,212)
(0,508) (0,519) 0,522***
(0,192)
-2,99*** -2,31*** 0,179
(0,473) (0,577) (0,159)
-0,432***
0,2599 0,432 (0,135)
(0,310) (0,318) 0,355
0,221* 0,388***
(0,132) (0,143)
-0,432*** -0,254
(0,154) (0,163)
-0,012 0,131
(0,120) (0,129)
0,048 0,202*
(0,119) (0,122)
-0,740*** -0,576***
(0,119) (0,142)
0,751 0,767
Примечание. В скобках приведены стандартные ошибки в форме Ньюи—Веста, поскольку
имеется автокорреляция ошибок регрессий. * р < 0,1, ** р < 0,05, *** р < 0,01.
Источник: расчеты автора.
97
А. Д. Аганин / Вопросы экономики. 2020. № 2. С. 86 —100
таты оценивания регрессии (g) слабо отличаются от результатов для
спецификации (f), что показывает робастность результатов к методу
оценивания волатильности.
Сравнивая воздействие санкций на фондовый рынок с эффек
том от санкций для курса USD/ RUB, можно сделать вывод о более
быстрой адаптации фондового рынка, поскольку уже в 2015 г. во
латильность фондового рынка вернулась на докризисный уровень,
а обменный курс еще долгое время демонстрировал повышенную вола
тильность (Аганин, Пересецкий, 2018). В целом полученные результа
ты согласуются с предыдущими исследованиями и ставят под сомнение
долгосрочное воздействие санкций на экономику РФ.
***
В работе проанализирована зависимость волатильности российско
го фондового индекса РТС от волатильности цены нефти и междуна
родных санкций. Для проверки робастности результатов использованы
параметрический и непараметрический методы оценивания волатиль
ности. Оба подхода привели к качественно одинаковым результатам.
Влияние волатильности цены нефти оказалось значимым практически
на всем интервале и при этом непостоянным по величине во времени.
В целом показана существующая связь волатильности нефтяных цен
и российского фондового индекса. В частности, это выражается в на
личии коинтеграции между рядами волатильности, что подтверждает
долгосрочную зависимость.
Показано, что волатильность РТС снижается при высоких ценах
на нефть (более 110 долл. за баррель). Также показана положительная
зависимость волатильности РТС от «индекса страха» VIX как ожида
ний инвесторов относительно будущей неопределенности на мировых
рынках. Резкое падение цен на нефть в 2014 г. и введение наиболее
жестких санкций против нефтедобывающих компаний осенью 2014 г.
оказались главными причинами повышенной волатильности на рос
сийском фондовом рынке.
На интервале 17.03.2014 —16.02.2015 санкции значимо увеличи
вали волатильность индекса РТС. Однако в дальнейшем эффект от
санкций оказался либо незначимым, либо отрицательным по срав
нению с докризисным уровнем. Это свидетельствует об адаптации
российского фондового рынка к санкциям. Начиная с 2015 г. отсут
ствует значимое влияние санкций на фондовый рынок. Полученные
результаты дополняют имеющиеся исследования по влиянию санкций
на экономику России и согласуются с ними.
Список литературы / References
Аганин А. Д., Пересецкий А. А. (2018). Волатильность курса рубля: нефть и санкции
Прикладная эконометрика. № 4 (52). С. 5 —21. [Aganin A. D., Peresetsky А. А.
(2018). Volatility of ruble exchange rate: Oil and sanctions. Applied Econometrics,
No. 4 (52), pp. 5 —21. (In Russian).]
98
А. Д. Аганин / Вопросы экономики. 2020. № 2. С. 86—100
Анкудинов А. Б., Лебедев О. В. (2017). Санкции и волатильность финансовых инди
каторов Евразийское пространство: добрососедство и стратегическое парт
нерство. Екатеринбург: Уральский государственный экономический университет.
С. 42 —48. [Ankudinov А. В., Lebedev О. V. (2017). Sanctions and volatility of
financial indicators. In: Eurasian space: Good neighborhood and strategic partnership.
Ekaterinburg: Ural State University of Economics, pp. 42 —48. (In Russian).]
May В. и др. (2019). Российская экономика в 2018 году. Тенденции и перспективы.
(Вып. 40). М.: Изд-во Института Гайдара. [Май V. et al. (2019). Russian economy
in 2018. Trend and outlooks (Issue 40). Moscow: Gaidar Institute Publ.]
Aim D. P., Ludema R. D. (2019). The sword and the shield: The economics of targeted
sanctions. CESifo Working Paper, No. 7620.
Ankudinov A., Ibragimov R., Lebedev O. (2017). Sanctions and the Russian stock
market. Research in International Business and Finance, Vol. 40, pp. 150 —162.
h ttp s:/ / d o i .org 10.1016 j.ribaf.2017.01.005
Basher S., Haug A., Sadorsky P. (2018). The impact of oil-market shocks on stock returns
in major oil-exporting countries. Journal of International M oney and Finance,
Vol. 86, pp. 264—280. h ttp s: doi.org 10.1016 j .jim onfin.2018.05.003
Bein М., Aga M. (2016). On the linkage between the international crude oil price and
stock markets: Evidence from the Nordic and other European oil im porting and
oil exporting countries. Journal for Economic Forecasting, No. 4, pp. 115 —134.
Bhowmik D. (2013). Stock market volatility: An evaluation. International Journal of
Scientific and Research Publications, Vol. 3, No. 10, pp. 1—18.
Boldanov R., Degiannakis S., Filix G. (2016). Time-varying correlation between oil and
stock market volatilities: Evidence from oil-importing and oil-exporting countries.
International Review o f Financial Analysis, Vol. 48, pp. 209—220. blips: doi.org
10.1016 j.irfa.2016.10.002
Degiannakis S., Filis G., Arora V. (2018). Oil prices and stock markets: A review of
the theory and empirical evidence. Energy Journal, Vol. 39, No. 5, pp. 85 —130.
blips: doi.org 10.5547 01956574.39.5. sdeg
Dreger C., Kholodilin K. A., U lbricht D., Fidrmuc J. (2016). Between the hammer
and the anvil: The impact of economic sanctions and oil prices on Russia’s ruble.
Journal o f Comparative Economics, Vol. 44, No. 2, pp. 295 —308. blips: doi.org
10.1016 j.jce.2015.12.010
Castagneto-Gissey G., Nivorozhkin E. (2016). No contagion from Russia toward global
equity markets after the 2014 international sanctions. Economic Analysis and
Policy, Vol. 52, pp. 79 —98. blips: doi.org 10.1016 j.eap.2016.08.006
Gomes М., Chaibi A. (2014). Volatility spillovers between oil prices and stock returns:
a focus on frontier markets. Journal o f Applied Business Research, Vol. 30, No. 2,
pp. 509 —525. h ttp s: doi.org 10.19030 j abr.v30i2.8421
Gurvich E., Prilepskiy I. (2015). The im pact of financial sanctions on the Russian
economy. R ussian Journal o f Economics, Vol. 1, No. 4, pp. 359 —385. blips:
doi.org 10.1016 j.ruje.2016.02.002
Hansen B. (2002). Tests for param eter instability in regressions w ith 1(1) processes.
Journal o f Business & Economic Statistics, Vol. 20, No. 1, pp. 45 —59. blips:
doi.org 10.1198 073500102753410381
Hoffmann М., Neuenkirch M. (2017). The pro-Russian conflict and its impact on stock
returns in Russia and the Ukraine. International Economics and Economic Policy,
Vol. 14, No. 1, pp. 6 1 -7 3 . h ttp s: doi.org 10.1007 /s 10368-015-0321-3
Kholodilin K., Netsunajev A. (2019). Crimea and punishment: The impact of sanctions on
Russian economy and economies of the euro area. Baltic Journal of Economics, Vol. 19,
No. 1, pp. 3 9 -5 1 . h ttp s: doi.org 10.1080 1406099X.2018.1547566
Lumsdaine L. (1996). Consistency and asymptotic normality of the quasi-maximum like
lihood estimator in IGARCH(1,1) and covariance stationary GARCH(1,1) models.
Econometrica, Vol. 64, No. 3, pp. 575—596. https://doi.org/10.2307/2171862
Mensi W., Hammoudeh S., Reboredo J., Nguyen D. (2014). Do global factors impact
BRICS stock markets? A quantile regression approach. Emerging M arkets Review,
Vol. 19, pp. 1—17. h ttp s: doi.org 10.1016 j .ememar.2014.04.002
99
А. Д. Аганин / Вопросы экономики. 2020. № 2. С. 86 —100
Naidenova J., Novikova А. (2018). The reaction of Russian public companies’ stock prices
to sanctions against Russia. Journal o f Corporate Finance Research, Vol. 12, No. 3,
pp. 2 7 -3 8 . https://doi.Org/10.17323/j.jcfr.2073-0438.12.3.2018.27-38
Nivorozhkin E., Castagneto-Gissey G. (2016). Russian stock market in the afterm ath
of the U krainian crisis. Russian Journal o f Economics, Vol. 2, No. 1, pp. 23 —40.
h ttp s: doi.org 10.1016 j .ruj e.2016.04.0 02
Phillips P., Ouliaris S. (1990). Asymptotic properties of residual based tests for co
integration. Econometrica, Vol. 58, pp. 165 —193. https://doi.org/10.2307/2938339
Rubtsov B., Annenskaya N. (2018). Factor analysis of the Russian stock market.
Journal o f R eview s on Global Economics, Vol. 7, pp. 417—425. blips: doi.org
10.6000/1929-7092.2018.07.35
Saha A., Malkiel B., Rinaudo A. (2019). Has the VIX index been manipulated? Journal ofAsset
Management, Vol. 20, No. 1, pp. 1—14. blips: doi.org 10.1057 s41260-018-00102-4
Sarwar S., Khalfaoui R., Waheed R., D astgerdi H. (2019). Volatility spillovers and
hedging: Evidence from Asian oil-importing countries. Resources Policy, Vol. 61,
pp. 479 —488. h ttp s: doi.org 10.1016 j .resourpol.2018.04.010
Tuzova Y., Qayum F. (2016). Global oil glut and sanctions: The impact on P utin’s Russia.
Energy Policy, Vol. 90, pp. 140 —151. blips: doi.org 10.1016 j.enpol.2015.12.008
Wang Y., Wei Y., Wuc C., Yin L. (2018). Oil and the short-term predictability of stock
return volatility. Journal o f Em pirical Finance, Vol. 47, pp. 90 —104. https:
doi.org 10.1016 j .jem pfin.2018.03.002
Zakoian J.-M. (1994). Threshold heteroskedastic models. Journal of Economic Dynamics and
Control, Vol. 18, No. 5, pp. 931-955. blips: doi.org 10.1016 0165-1889(94)90039-6
Zivkov D., Njegic J., Momcilovic M. (2018). Bidirectional spillover effect between
Russian stock index and the selected commodities. Proceedings of Rijeka Faculty
o f Economics: Journal o f Economics and Business, Vol. 36, No. 1, pp. 29 —53.
blips: doi.org 10.18045 zbefri.2018.1.29
Russian Stock Index volatility: Oil and sanctions
Artem D. Aganin
Author affiliation: HSE University (Moscow, Russia).
Email: [email protected]
Since 2014, the Russian stock market has been under pressure due to both
sanctions and a sharp drop in oil prices, which led to its increased volatility. This
paper analyzes the impact of the price volatility of Brent oil and sanctions on
the volatility of the Russian stock index RTS. Under volatility the paper understands
both its parametric estimate obtained from the GARCH model estimation as well
as non-parametric estimate —realized volatility. To estimate the effect of oil price
volatility and sanctions, several cointegrated regressions were analyzed. The robust
ness of the results in relation to the choice of volatility assessment is demonstrated.
The results show that RTS index volatility still depends on oil prices volatility in
2007—2018. This dependence is most pronounced in the periods of crisis. The paper
also demonstrates the adjustment of the Russian stock market to the previous sanc
tions, which calls into question their long-term efficiency.
Keywords: GARCH model, volatility, realized volatility, RTS, Brent,
sanctions, stock market.
JEL: C32, C58, F51, F65.
The words you are searching are inside this book. To get more targeted content, please make full-text search by clicking here.
Вопросы экономики_2020_02
Discover the best professional documents and content resources in AnyFlip Document Base.
Search