год 2010-й - более 30.000.000 обращений

При анализе российского рынка государственных рублевых ценных бумаг, необходимо учитывать, что ему присущ ряд особенностей, ограничивающих возможности такого рода исследований.

Во-первых, финансовый рынок в России существует на протяжение короткого периода времени. Хотя первые биржи, на которых происходила торговля финансовыми ценными бумагами, появились еще в 1991-1992 годах, временем создания финансового рынка в России можно считать только 1994-1995 годы. Тогда сформировался развитый ликвидный рынок государственных ценных бумаг, появился организованный фондовый рынок, получил развитие рынок межбанковских кредитов, валютный рынок потерял статус главной площадки для вложения свободных средств банков. С другой стороны, финансовый кризис 1998 года и его кульминация 17 августа 1998 года, стали окончанием определенного этапа в развитии российского финансового рынка. Очевидно, что принципы работы на рынке и особенности поведения участников в послекризисный период будут во многом отличаться от того, что мы могли наблюдать ранее. Однако срок, прошедший после кризиса, еще не позволяет понять в полной мере эти отличия. Таким образом, временной интервал, на котором возможен анализ закономерностей развития российского финансового рынка, ограничен периодом с 1994-1995 по август 1998 года, то есть не более четырех-четырех с половиной лет.

Во-вторых, исследуемый период является этапом становления финансового рынка в России, когда трудно говорить о каких-либо устойчивых тенденциях, традициях и свойствах, присущих рынку. Рассматриваемые ряды отражают процесс "обучения" участников правилам поведения на рынке, восприятия универсальных экономических законов и получения опыта деятельности на финансовом рынке, значительно отличающегося (в первую очередь уровнем прозрачности и динамизмом событий) от реального сектора экономики. Основные участники рынка (коммерческие банки, небанковские финансовые учреждения, нефинансовые предприятия, частные лица) не обладали опытом работы в подобных условиях. Уровень подготовки их персонала во многих случаях был недостаточно высоким.

В-третьих, становление и развитие рынка государственных ценных бумаг в России происходило на фоне попыток достижения финансовой стабилизации, борьбы с инфляцией в условиях мягкой бюджетной политики, высокой степени политической неопределенности и продолжающегося снижения объемов производства в реальном секторе экономики.

Таким образом, для российского рынка государственных ценных бумаг трудно говорить о существовании какого-либо "долгосрочного среднего" уровня доходности. Максимальная срочность дисконтных бумаг изменялась ступенчато (от трех месяцев до одного года) на протяжении всего периода с 1993 г. до 1998 г. Выполнение условия паритета процентных ставок было ограничено, так как высокая, скачущая инфляция и политические риски в первую очередь определяли премию за риск, учитываемую в текущем уровне доходности. Кроме того, значительную часть рассматриваемого периода рынок ГКО-ОФЗ был закрыт для иностранных инвесторов. В этот период в России отсутствовали рынки финансовых активов и финансовых услуг, процент по которым, как правило, более устойчив по сравнению с колебаниями доходности рыночных облигаций.

Исходя из вышесказанного, при анализе российского рынка государственных ценных бумаг мы будем использовать средневзвешенную (по объему торгов по каждой серии) доходность государственных дисконтных бумаг (ГКО) за базовый временной период (неделю, месяц). Колебания средневзвешенной доходности ГКО вызываются изменением макроэкономических факторов (инфляция, дефицит федерального бюджета, шоки денежной политики, курс рубля, объем государственного долга, степень открытости рынка для иностранных инвесторов и т. д.) либо уровнем систематического риска в экономике, что в равной степени оказывает влияние на бумаги со всеми сроками до погашения.

Прежде чем перейти к эконометрическим исследованиям свойств временных рядов рассматриваемых переменных и анализу взаимосвязей между доходностью на рынке ГКО и другими макроэкономическими переменными, необходимо определить основные этапы развития данного сектора российского финансового рынка, проследить особенности динамики доходности (номинальной и реальной) государственных ценных бумаг в зависимости от изменения внешних макроэкономических условий. Сделанные в данной части работы выводы будут использоваться при интерпретации результатов, полученных с помощью эконометрических методов исследования временных рядов доходности ГКО. §1.1. Подготовка проекта выпуска краткосрочных государственных облигаций (середина 1992 - первая половина 1993 годов)

Работа над проектом создания в России рынка государственных ценных бумаг началась в середине 1992 года. По результатам конкурсного отбора среди московских бирж (ММВБ, ММФБ, МЦФБ, РМВФБ) право создания торгово-депозитарной и расчетной площадки получила Московская межбанковская валютная биржа . Летом 1992 года ЦБ РФ и ММВБ приступили к работе над проектом эмиссии государственных ценных бумаг, которые должны были отвечать следующим требованиям :

• срок обращения не превышает нескольких месяцев;
• доходность сопоставима с уровнем средних процентных ставок по межбанковским кредитам;
• наличие высоколиквидного вторичного рынка.

Первоначально планировался выпуск государственных ценных бумаг, которые имели бы следующие основные характеристики:

• первичное размещение каждого выпуска облигаций производится ежемесячно в первый вторник каждого месяца в безналичной форме;
• объем выпуска устанавливается Министерством финансов РФ по согласованию с Банком России;
• дата аукциона, объем выпуска, место и время проведения аукциона объявляются Банком России не позднее, чем за семь календарных дней до его проведения;
• выпуск состоит из долговых обязательств номинальной стоимостью по сто тысяч рублей каждое, обязательства продаются изначально с дисконтом от номинальной стоимости и погашаются по окончании срока по номинальной стоимости;
• владельцами облигаций могут быть российские юридические и физические лица;
• доход по облигациям, являющийся разницей между ценой реализации (ценой погашения) и ценой покупки, налогом не облагается.

Проект прошел независимую международную экспертизу, которую осуществили представители Российско-американского банковского форума (с американской стороны - представители высшего управляющего состава коммерческих и инвестиционных банков, Федеральной резервной системы).

Согласно проекту, ММВБ должна была предоставить участникам рынка облигаций и Банку России комплекс технических и программных средств электронной торговой системы, системы электронного Депозитария и системы электронных расчетов. Клиринг и расчеты по вторичным торгам должны были производиться через депозитарную и расчетную систему ММВБ электронным безбумажным для членов системы способом в день проведения торгов, что гарантировало высокую ликвидность рынка. Для решения данных задач на ММВБ был создан Фондовый отдел, который получил в ноябре 1993 года в Министерстве финансов РФ лицензию на деятельность с ценными бумагами.

С января по май 1993 года проект эмиссии государственных краткосрочных облигаций получил нормативную основу. Законодательно-нормативная база рынка включала в себя:

• Постановление Правительства РФ №107 от 8.02.1993 "О выпуске государственных краткосрочных бескупонных облигаций РФ", в котором одобрялись основные условия выпуска ГКО;
• Постановление Верховного Совета РФ №4526-1 от 19.02.1993 "О выпуске государственных краткосрочных бескупонных облигаций РФ", согласно которому Правительство РФ получило право осуществить в 1993 году размещение займа в размере 650 млрд рублей;
• Приказ ЦБ РФ №02-78 от 6.05.1993 (по согласованию с Министерством финансов РФ) "Положение об обслуживании и обращении выпусков государственных краткосрочных бескупонных облигаций".

§1.2. Становление рынка ГКО-ОФЗ (1993-1994 годы)

В 1993-1994 годах происходило постепенное становление рынка государственных облигаций в России. Первоначальное количество постоянных участников торгов было сильно ограничено. Летом 1993 года статус официального дилера на рынке ГКО получили 24 банка и финансовые компании. Сложившиеся макроэкономические условия (высокая инфляция, политическая неопределенность, быстрый рост курса доллара США) снижали привлекательность нового рынка для многих потенциальных инвесторов. Только после того как в августе 1993 года Министерство финансов РФ полностью и в срок выполнило свои обязательства по погашению первой серии ГКО, интерес к государственным ценным бумагам начал расти. В октябре 1993 года Минфин РФ открыл доступ на рынок для физических лиц, а в декабре того же года появилась возможность разместить облигации со сроком до погашения 6 месяцев.

Всего в 1993 году прошло 9 аукционов по размещению ГКО (8 - по трехмесячным и 1 - по шестимесячным). Общий объем выпущенных ГКО составил 229,05 млрд рублей по номиналу, выручка Министерства финансов РФ достигла 176,93 млрд рублей, в том числе для рефинансирования ценных бумаг - 26,42 млрд рублей. Таким образом, объем ГКО в обращении на конец года находился на уровне 202,63 млрд рублей (0,12% ВВП). Объем сделок на вторичных торгах достиг 106,9 млрд рублей.

Рост интереса инвесторов к рынку проявился прежде всего в постоянном наращивании оборотов на вторичном рынке (см. рис. 1.1), в то время как уровень доходности на рынке, по-видимому, находился под контролем Минфина РФ и ЦБ РФ, которые ограничивали номинальную доходность к погашению, поддерживая отрицательные реальные ставки (см. рис. 1.2).

В 1994 году Министерство финансов и Центральный банк РФ перешли к политике повышения привлекательности рынка ГКО-ОФЗ за счет высокой надежности, доходности и ликвидности облигаций. Снижение инфляции летом 1994 года привело к падению номинальных процентных ставок со 160-200% до 100-120% процентов годовых (см. рис. 1.1). В то же время реальные процентные ставки продолжали оставаться в течение практически всего 1994 года на достаточно высоком уровне (2-5% в месяц, см. рис. 1.2).

Рисунок 1.1.

Рисунок 1.2.

В феврале 1994 года ЦБ РФ официально объявил о допуске нерезидентов на рынок ГКО и возможности для них приобретать ГКО на сумму до 10% номинального объема выпуска. Однако из-за отсутствия законодательно-нормативной базы по гарантиям прав инвестора на рынке ГКО-ОФЗ, высоких политических рисков и непризнания России международными рейтинговыми компаниями приход иностранных инвесторов на рынок фактически не состоялся.

В марте ММВБ внедрила новый программно-технический комплекс, что позволило осуществлять торговлю на удаленных терминалах и подключенных региональных торговых площадках, а также начать торговлю производными финансовыми инструментами на основе ГКО (фьючерсы, опционы, сделки "репо", ломбардные кредиты и т. д.). Количество официальных дилеров к середине 1994 года выросло до 56. С июня 1994 года торговые сессии на ММВБ проходили в ежедневном режиме.

Осенью 1994 года макроэкономическая ситуация в стране резко ухудшилась. Ослабление денежно-кредитной политики весной и летом привело к усилению инфляционных процессов и бегству от рубля. Следствием этого стали ускорение спада в реальном секторе экономики и кризис на валютном рынке ("черный вторник" 11 октября). Одновременно с ростом цен стали расти процентные ставки на рынке ГКО. К концу 1994 года номинальная доходность превысила 200% в годовом исчислении.

Однако после кризиса на валютном рынке рынок ГКО продемонстрировал большую устойчивость по сравнению с рынками других рублевых активов: объемы сделок остались на прежнем уровне. Министерство финансов РФ выпустило ГКО со сроком до погашения один год.

В целом в 1994 году объем размещения новых ГКО составил 17,365 трлн рублей, выручка Министерства финансов РФ - около 12,665 трлн рублей, объем сделок на вторичном рынке превысил 14,4 трлн рублей. Чистый доход для федерального бюджета достиг 5,5 трлн рублей. Объем ГКО в обращении на конец года составил 10,444 трлн рублей (1,7% ВВП).

Подводя итоги 1993-1994 годов, необходимо отметить, что государственные ценные бумаги еще не стали ни основным источником средств для финансирования дефицита федерального бюджета, ни наиболее важным рублевым активом для коммерческих банков и других участников финансового рынка. В то же время устойчивый положительный реальный процент, высокая ликвидность и надежность (по сравнению с другими секторами финансового рынка в России) создавали все предпосылки для расширения рынка ГКО в будущем. Основным препятствием для его развития являлась опасность инфляционных всплесков, что обесценивало любые рублевые активы.

§1.3. Рынок ГКО-ОФЗ и финансовая стабилизация в 1995 году

Основной целью программы финансовой стабилизации в 1995 году было снижение среднемесячных темпов инфляции с 10,5% (в 1994 году) до 4%, причем к концу года предполагалось достичь уровня 1% . Программа Правительства и ЦБ РФ исходила из ориентировочного роста денежной массы в среднем на 4,2% в месяц. Для контроля за ростом денежной массы были установлены ежемесячные ограничения на рост чистых внутренних активов денежно-кредитных органов, а также предельные размеры чистых требований к правительству. Денежная программа предусматривала отказ от использования прямых кредитов Банка России для финансирования дефицита федерального бюджета. Таким образом, основным источником средств для его финансирования должны были стать заимствования на рынке ГКО-ОФЗ.

Динамику рынка ГКО-ОФЗ в 1995 году можно условно разделить на три подпериода (см. рис. 1.3). Первый период (январь-июнь) характеризуется снижением средневзвешенной доходности на рынке. Постепенное ослабление инфляции вследствие ужесточения денежно-кредитной политики способствовало понижению как номинальных, так и реальных ставок (см. рис. 1.4). Дополнительным фактором, оказавшим влияние на динамику доходности, стал начавшийся процесс реструктуризации портфелей участников финансового рынка в пользу рублевых активов (см., например, Easterly, Wolf, 1995).

Рисунок 1.3.

Отличительной чертой второго периода (июль - I половина сентября) стало повышение реальных процентных ставок. К началу сентября реальная доходность по ГКО достигла 10% в месячном выражении (см. рис. 1.4). Основной причиной такого повышения стал резкий рост предложения новых бумаг со стороны эмитента. В то же время значительное число инвесторов не было готово к вложению свободных средств в рублевые бумаги, сохранялись высокие инфляционные ожидания и риск падения курса рубля. В июне 1995 года Министерство финансов РФ провело первый аукцион по размещению нового вида государственных ценных бумаг - облигаций федерального займа с переменным купоном (ОФЗ-ПК) со сроком обращения более одного года и ежеквартальной выплатой купонного дохода, определяемого на основе среднемесячной доходности дисконтных облигаций (ГКО).

Рисунок 1.4.

На протяжение третьего периода (II половина сентября - декабрь) номинальная доходность государственных ценных бумаг колебалась на уровне около 100% годовых. После кризиса ликвидности на рынке межбанковских кредитов (24 августа) рынок ГКО-ОФЗ окончательно занял место основного сектора на финансовом рынке России. Поддержание высокой ликвидности рынка, четкое выполнение Правительством своих обязательств по погашению облигаций и выплате купонных доходов, а также продолжающееся снижение уровня инфляции способствовали росту доверия инвесторов к вложениям в рублевые государственные ценные бумаги. В декабре 1995 года была начата торговля ГКО-ОФЗ на второй региональной площадке - Санкт-Петербургской межбанковской валютной бирже.

Однако ряд факторов не позволял доходности облигаций опустится ниже достигнутого уровня. Во-первых, к концу 1995 года возросли политические риски и неопределенность экономических перспектив в связи с неблагоприятными (по мнению значительного числа участников рынка) результатами выборов в Государственную Думу РФ и приближающимися выборами Президента РФ. Во-вторых, из-за мягкой бюджетной политики, проводимой Правительством РФ, продолжал оставаться высоким дефицит федерального бюджета. Последнее заставляло Министерство финансов РФ выходить на рынок со все большим предложением новых бумаг. Всего в 1995 году было размещено ГКО и ОФЗ на общую сумму 140,4 трлн рублей (по номиналу), в том числе 75 трлн в течение четырех последних месяцев года. Результатом такой политики стал рост отношения объема внутреннего долга (оформленного в виде государственных облигаций) к ВВП с 1,7% до 4,8% (декабрь 1994 г. и декабрь 1995 г., см. рис. 1.5).

Рисунок 1.5.

§1.4. Рынок ГКО-ОФЗ в год президентских выборов (1996 год)

Предвыборная кампания, выборы Президента РФ, формирование Правительства, состояние здоровья Б. Ельцина, а также фактический допуск нерезидентов были основными факторами, определявшими развитие рынка ГКО-ОФЗ в 1996 году.

В самом начале 1996 года Министерству финансов и ЦБ РФ удалось понизить доходность ГКО-ОФЗ практически до уровня инфляции, то есть до 50% в годовом исчислении (см. рис. 1.6). В январе было принято решение о либерализации допуска нерезидентов на рынок. С 7 февраля иностранные инвесторы получили право участвовать через уполномоченные банки-нерезиденты в аукционах по ОФЗ и репатриировать получаемую прибыль (по ставке 19% годовых в валюте) под гарантии ЦБ РФ.

Рисунок 1.6.

Однако с марта 1996 года рынок ГКО-ОФЗ стал все в большей степени испытывать влияние предвыборной президентской кампании . Обострение бюджетного кризиса и усиление политических рисков привели к повышению стоимости заимствования на рынке с 50% до 200-250% годовых (см. рис. 1.6). С ростом доли облигаций с датами погашения после 16 июня 1996 года (день выборов президента), увеличивался наклон кривой доходности ГКО (подробнее см. ИЭППП, 1998(в)) . К середине июня 1996 года реальная ставка достигла 20% в месячном выражении (см. рис. 1.7). Результатом стало быстрое наращивание долга в процентах ВВП: как видно из рисунка 1.5, отношение объема ГКО-ОФЗ в обращении к ВВП выросло к концу июня до 8,08%, т. е. в 1,7 раза с начала года. В то же время, несмотря на размещение ряда выпусков ОФЗ, дюрация рыночного портфеля государственных облигаций в мае - июне снизилась до 135-140 дней (по сравнению со 150-160 днями в феврале - апреле 1996 года). Для повышения привлекательности инвестиций в ГКО и ОФЗ в апреле ЦБ РФ ввел в действие механизм ломбардного кредитования под залог государственных облигаций.

Рисунок 1.7.

Снижение степени политической неопределенности после победы Б. Ельцина на президентских выборах позволило номинальной доходности ГКО-ОФЗ опуститься до 70-100% годовых (5-8% в реальном месячном выражении, см. рис. 1.6 и 1.7). Это дало возможность Министерству финансов РФ ограничить влияние эффектов ликвидности и проводить политику, направленную на дальнейшее снижение уровня доходности . В июле 1996 года ЦБ РФ и ММВБ завершили создание единой межрегиональной системы торгов по государственным ценным бумагам, объединившей восемь торговых площадок (ММВБ, СМВБ, СПВБ, РМВБ, УРВБ, АТМВБ, НВФБ и СВМБ).

В августе ЦБ РФ ввел в действие новую схему допуска нерезидентов на рынок ГКО-ОФЗ, которая предусматривала их участие через российские банки-дилеры на вторичных торгах и репатриацию прибыли через счета типа "С" . Первоначальная квота для нерезидентов была установлена в размере 1 млрд долларов в месяц (в последствие увеличена сначала до 1,5, а с ноября - до 2 млрд долларов). Для увеличения ликвидности рынка в сентябре ЦБ РФ завершил процесс формирования двухуровневой системы дилеров ГКО, в рамках которой "первичные" дилеры наряду с рядом обязанностей (в частности, по выкупу определенной доли вновь размещаемых бумаг на аукционах, соотношению конкурентных и неконкурентных заявок, поддержанию двухсторонних котировок) получили дополнительные возможности по поддержанию уровня собственной ликвидности, например, право торговать без предоплаты с покрытием в виде операций "репо" с ЦБ РФ.

Снижение политических рисков и рост спроса со стороны иностранных инвесторов после улучшения здоровья Президента РФ позволили Министерству финансов и ЦБ РФ до конца года понизить доходность государственных облигаций до 50% годовых (в номинальном выражении). Значительно выросли объемы сделок на вторичном рынке (см. рис. 1.6). Одновременно замедлились темпы наращивания долга. С июля по декабрь реальный объем ГКО и ОФЗ в обращении вырос на 33,8% и составил на 31 декабря 1996 года 10,8% ВВП. Дюрация рыночного портфеля достигла 160 дней.

§1.5. Рынок государственных облигаций в январе - октябре 1997 года

1997 год стал наиболее спокойным периодом развития рынка государственных рублевых облигаций. Политическая стабильность, низкая инфляция, признаки стабилизации в реальном секторе экономики повышали привлекательность России для иностранных инвестиций (в первую очередь портфельных). Отечественная банковская система и большое число фирм располагали значительным объемом свободных рублевых средств. Рынок ГКО-ОФЗ, обеспечивающий наименьший уровень рисков при высокой доходности (в том числе в валюте), являлся основным местом для вложения денег.

Снижение номинальной доходности государственных облигаций, начавшееся после июньских выборов 1996 года, продолжалось до конца мая 1997 года (см. рис. 1.8). К лету 1997 года процент на рынке ГКО-ОФЗ достиг 20% годовых, оставаясь на данном уровне вплоть до развертывания мирового финансового криза в конце октября 1997 года .

В марте Министерство финансов РФ и ЦБ РФ договорились о переоформлении задолженности первого в ценные бумаги со сроком до погашения от 4 до 16 лет на общую сумму около 80 млрд рублей. Следствием этого стало удлинение дюрации рыночного портфеля ГКО-ОФЗ со 165 до 940 дней, а также рост объема внутреннего долга, оформленного в виде ценных бумаг, на 4 п.п. ВВП (см. рис. 1.5).

Рисунок 1.8.

Рисунок 1.9.

Снижение номинальной доходности позволило Министерству финансов РФ постепенно понижать уровень гарантированной доходности нерезидентам от вложений на рынке ГКО-ОФЗ. В августе 1997 года валютная доходность от инвестиций была установлена на уровне 9% годовых.

В то же время в условиях практически нулевой инфляции реальная рублевая процентная ставка оставалась достаточно высокой. В течение всей первой половины года реальная доходность к погашению находилась в диапазоне от 0,5% до 2% в месяц (7-27% в годовом исчислении, см. рис. 1.9). Только в июне и июле уровень реальной процентной ставки опускался ниже 1% в месяц.

В августе реальная рублевая доходность ГКО-ОФЗ снова резко возросла (до 1,5-2,5% в месяц). Примечательно, что в этот период реальный объем долга практически оставался постоянным, а в отдельные месяцы даже снижался (см. рис. 1.5). Всего с марта по октябрь реальный объем долга вырос на 4,3% (с 15,8% до 16,5% ВВП).

§1.6. Рынок ГКО-ОФЗ в условиях финансового кризиса (ноябрь 1997 - август 1998 года)

С ноября 1997 года финансовый рынок России вступил в фазу всеобщего кризиса, кульминацией которого стали девальвация рубля, замораживание внутреннего долга и мораторий на выплату внешних обязательств, объявленные 17 августа 1998 года.

В ноябре 1997 года Центральный банк РФ продолжал поддерживать цены на государственные облигации, доходность которых, тем не менее, начала медленно расти (с 20-25% до 30% годовых). В декабре Банк России отказался от политики поддержания ставок на низком уровне, и доходность к погашению государственных облигаций поднялась до 40% годовых (см. рис. 1.10). Из-за сезонного ускорения роста цен реальные рублевые ставки остались на прежнем уровне около 2% в месяц (см. рис. 1.11).

Рисунок 1.10.

Рисунок 1.11.

С 1 января 1998 года вступил в действие новый порядок работы нерезидентов на рынке ГКО-ОФЗ. Были отменены ограничения на срок вложения средств в облигации, на период репатриации прибыли. Кроме того, ЦБ РФ передал коммерческим банкам права по гарантиям иностранным инвесторам по валютной доходности их вложений, то есть право страховать их от валютного риска. В условиях разрастающегося мирового финансового кризиса и оттока капитала с рынков развивающихся стран эти меры облегчили вывод средств из российских рублевых ценных бумаг и способствовали повышению неустойчивости рынка .

Тем не менее, ЦБ РФ в декабре 1997 - январе 1998 года смог противостоять атаке на рубль, что временно поставило Россию в более благоприятные условия по сравнению со многими другими развивающимися финансовыми рынками. С февраля по апрель 1998 года рынок ГКО-ОФЗ испытывал приток новых средств, что позволило процентным ставкам оставаться стабильными на уровне около 30% годовых (см. рис. 1.10). В то же время сохранение высоких реальных ставок (см. рис. 1.11) привело к дальнейшему наращиванию объема государственного долга (см. рис. 1.5). С января по май 1998 года объем ГКО и ОФЗ в обращении вырос почти на 12% или с 16,5% до 18,4% ВВП (последнее является наибольшим значением показателя за всю историю рынка).

С конца апреля 1998 года осложнилась ситуация с рефинансированием и обслуживанием рыночных обязательств Правительства РФ . Как видно из рисунка 1.12, с апреля объем новых средств, привлекаемых на аукционах и при доразмещении облигаций на вторичном рынке, не мог покрыть объем государственных обязательств. Попытки увеличить объем размещения приводили к росту доходности новых выпусков облигаций, что еще более сокращало реальный объем заимствований.

Рисунок 1.12.

В конце мая уровень номинальной доходности ГКО-ОФЗ превысил 60% годовых (5% в месяц в реальном исчислении, см. рис. 1.10 и 1.11). В этих условиях Министерство финансов РФ было вынуждено отказаться от размещения новых выпусков рублевых облигаций, привлекая средства для погашения ранее выпущенных серий из регулярных доходов федерального бюджета и за счет размещения новых еврооблигаций. Таким образом, начиная с июня, объем внутреннего долга РФ стал сокращаться.

Однако к середине июля цены ГКО-ОФЗ упали практически до уровня дефолта. Номинальная доходность облигаций превысила 120% годовых, что обеспечивало при текущем уровне инфляции не менее 10% в месяц реального дохода. Одновременно усилился отток средств нерезидентов из страны, возросла опасность девальвации рубля. Стремясь повысить доверие инвесторов к российским ценным бумагам и снизить уровень валютного риска, 24 июля Правительство РФ, после выделения МВФ России стабилизационного кредита, провело добровольную конвертацию части рублевого внутреннего долга в еврооблигации на общую сумму около 27,5 млрд рублей. В частности, обязательства по погашению ГКО и ОФЗ до конца 1998 года снизились на 17,5 млрд рублей. Таким образом, к середине августа объем государственного долга сократился по сравнению с концом мая на 11,2% до 16,3% ВВП. Уровень доходности на рынке в конце июля снизился до 50-60% годовых (3-4% в месяц в реальном выражении).

Однако данные меры на фоне продолжающегося ухудшения ситуации в бюджетной сфере еще более снижали уверенность в способности Правительства РФ выполнить свои обязательства по ценным бумагам в полном объеме. С начала августа отток капитала усилился. К 14 числу доходность бумаг возросла до 100% годовых, длинные выпуски облигаций практически потеряли ликвидность.

17 августа Правительство и ЦБ РФ выпустили совместное заявление, в котором было объявлено, наряду с мерами в области валютной политики, о прекращении вторичных торгов по государственным облигациям, а 19 августа состоялся дефолт по очередному погашаемому выпуску ГКО. В разъяснениях Министерства финансов РФ, опубликованных 28 августа, говорилось о реструктуризации всех ценных бумаг со сроком погашения до 31 декабря 1999 года. Таким образом, рынок ГКО-ОФЗ в его прежнем виде перестал существовать.

Подводя итоги развития рынка государственных рублевых облигаций в 1993-1998 годах, необходимо отметить следующее:

• На протяжении всего периода на рынке наблюдалась необычайно высокая реальная доходность, способствующая (при государственных гарантиях) привлечению на рынок средств как отечественных, так и иностранных инвесторов.
• Мягкая бюджетная политика, высокий уровень дефицита федерального бюджета и, соответственно, большой объем предложения новых бумаг обусловили сохранение высокого уровня реальных ставок на рынке.
• Усиление политической нестабильности в стране также способствовало повышению доходности ГКО-ОФЗ сверх уровня, определяемого на основе паритетных соотношений, либо доходности в реальном секторе экономики. Данный факт вызван тем, что доверие инвесторов к рынку определялось прежде всего позициями определенных политических сил в Правительстве, ослабление которых ассоциировалось с увеличением вероятности невыполнения государством своих обязательств.
• Иностранный капитал играл значительную роль на рынке ГКО-ОФЗ. В 1996 - начале 1997 года его приход способствовал снижению стоимости заимствования и увеличению ликвидности рынка. В то же время ослабление контроля за движением капитала в 1998 году в условиях нарастающего кризиса стало одним из важнейших факторов дальнейшего ухудшения ситуации во всех секторах финансового рынка России.
• Хотя объем государственного долга оставался на достаточно низком уровне (менее 20% ВВП), вследствие короткой дюрации долга уровень нагрузки на бюджет, начиная со второй половины 1996 года, был чрезвычайно высок. В то же время удлинение среднего срока до погашения рыночного портфеля было невозможно в силу низкого уровня доверия участников рынка.

Глава 2. Описание данных для исследования

Исходные данные для исследования динамики доходности на рынке ГКО-ОФЗ и временной структуры процентных ставок были взяты из базы информационного агентства "Финмаркет". Эта база данных содержит информацию о проведенных Минфином РФ аукционах (номер выпуска, дата аукциона, дата погашения, срок обращения, объем выпуска, объем заявок, объем продаж, выручка, цена отсечения, средняя цена, максимальная доходность, средняя доходность), о результатах торгов на вторичном рынке (по всем торговым дням для каждой серии - минимальная и максимальная цены, цена закрытия, средняя цена, средняя доходность, объем торгов, накопленный купонный доход по купонным облигациям), а также о доразмещениях и досрочных погашениях за весь период существования рынка - с 18 мая 1993 года по 14 августа 1998 года.

Как уже было отмечено, база включает в себя данные как по средней цене, так и по средней доходности каждой бумаги на аукционе или на вторичных торгах, рассчитанной на основе этой цены. Доходность рассчитана по методике Министерства финансов РФ по формулам:

• для дисконтных облигаций (ГКО),
• для купонных облигаций (ОФЗ-ПК и ОФЗ-ПД),

где Pt - цена облигации в день t (в % от номинала), T - срок до погашения в днях, C - купонный платеж (в % от номинала), ct - накопленный купонный доход на день t (в % от номинала) и T' - срок до даты выплаты купона или погашения (в днях).

Наиболее спорной представляется формула для расчета доходности ОФЗ. В ней цена облигации в день выплаты очередного купона принимается равной номиналу, что не соответствует реальности. Кроме того, доходность таких бумаг, на наш взгляд, аккуратно рассчитать не представляется возможным, так как последующие купонные выплаты неизвестны в течение практически всего текущего периода. Поэтому в дальнейшем облигации федерального займа с переменным и постоянным купонным доходом (ОФЗ) исключаются из рассмотрения, и мы будем работать только с дисконтными ценными бумагами - ГКО .

Вторым важным моментом, на наш взгляд, является разделение результатов торгов на первичных аукционах и на вторичном рынке. Проводившиеся Министерством финансов РФ аукционы являются дискриминационными, то есть неконкурентные заявки выполняются по средней цене удовлетворенных конкурентных заявок, а конкурентные - по предложенной цене, но выше цены отсечения. Как показывают результаты аукционов, в большинстве случаев устанавливаемая минимальная цена отсекает до 70-80% поданных конкурентных заявок. Таким образом, публикуемая средняя цена на аукционе отражает фактически среднее верхнего квартиля ожидаемых участниками цен. На вторичных торгах рыночные механизмы ценообразования преобладают (торги ведутся по принципу непрерывного сопоставления встречных заявок), и осреднение идет по всем прошедшим сделкам. Поэтому при исследовании непрерывных рядов доходности будут учитываться только данные по торгам на вторичном рынке (за исключением отдельных случаев проверки гипотез о соотношении аукционной и рыночной ставок) .

В-третьих, предложенная Минфином РФ формула расчета доходности государственных казначейских облигаций представляет собой формулу для расчета доходности в годовом выражении по правилу простого процента. Для сопоставимости ставок по облигациям с разными сроками до погашения мы рассчитали доходность ГКО в непрерывном исчислении для всех серий по всем торговым дням, т. е.

В конце января 1997 года был принят закон о налогообложении доходов по государственным ценным бумагам, что, по-видимому, отразилось на ценах новых выпусков облигаций . Дисконтный доход облагался по фиксированной ставке 15%. При расчете доходности по налогооблагаемым сериям ГКО мы предполагаем, что данная облигация после покупки будет держаться до погашения. В таком случае налог равен 15% от разницы между номиналом и текущей ценой облигации. Для получения сопоставимых рядов доходности с предыдущими выпусками государственных облигаций эта сумма прибавляется к цене, и уже новое значение используется для расчета непрерывной доходности, то есть:

Поскольку в отличие от доходности ГКО, по которой можно построить ежедневный ряд, другие макроэкономические переменные, используемые при моделировании, имеют недельную (индекс потребительских цен, результаты аукционов) или месячную периодичность (показатели денежной массы, исполнение федерального бюджета) возникает проблема агрегирования первоначальных результатов расчетов. Агрегирование производится по одному и тому же принципу как для недельных, так и для месячных данных. Недельная (месячная) средневзвешенная доходность рынка ГКО определяется по формуле:

Объем облигаций в обращении рассчитан как сумма по всем сериям ГКО, размещенных на аукционах, а также доразмещений на вторичном рынке с учетом досрочных погашений. Дюрация рыночного портфеля определяется как средний по всем сериям государственных краткосрочных облигаций срок до погашения ценных бумаг, взвешенный по доле каждой серии в общем объеме ГКО в обращении:

Реальная доходность по дисконтным облигациям определяется из соотношения номинальной доходности к погашению и индекса потребительских цен ? (данные Госкомстата) по следующей формуле:

Данные о других макроэкономических показателях взяты из официальных материалов Центрального банка РФ, Госкомстата РФ, Министерства финансов РФ и Госналогслужбы РФ. Глава 3. Эконометрическое моделирование средневзвешенной доходности ГКО

Для исследования взаимосвязей между динамикой доходности ГКО и изменением макроэкономических переменных (инфляция, курс рубля, темп прироста денежных агрегатов, дефицит федерального бюджета и т. д.) мы будем применять различные методы эконометрического анализа. Для выбора конкретного метода в каждом отдельном случае и для выявления ограничений, накладываемых на выбор эконометрических методов вследствие особых статистических свойств рассматриваемых временных рядов, в данной главе описаны закономерности динамики временных рядов доходности недельных и месячных данных номинальной и реальной доходности ГКО к погашению. В частности, анализируются нормальность распределения данных, глубина инерционности процесса, стационарность временных рядов.

§3.1. Анализ свойств временных рядов доходности ГКО

Мы будем рассматривать три основных временных ряда доходности государственных дисконтных облигаций:

• средневзвешенную за неделю номинальную доходность ГКО к погашению (далее - недельная доходность);
• средневзвешенную за месяц номинальную доходность ГКО к погашению (далее - месячная доходность);
• средневзвешенную за месяц доходность ГКО к погашению в реальном исчислении (далее - реальная ставка).

Динамика трех данных показателей в мае 1993 - августе 1998 года показана на рисунках 3.1, 3.2 и 3.3.

Рисунок 3.1.

Рисунок 3.2.

Рисунок 3.3.

Проверка рядов на стационарность. Для проверки на стационарность мы провели тесты Дикки-Фуллера (Augmented Dickey-Fuller unit root test) и Филлипса-Перрона (Phillips-Perron unit root test) (см. Mills, 1993 и Rao, 1994) для уровня и первой разности рассматриваемых рядов. При этом мы принимали во внимание следующее:

• в динамике всех временных рядов возможно выделить несколько участков с различными уровнями среднего значения, либо направлениями тренда изменения переменной. Как было показано Перроном (Perron, 1990; Rao, 1994), наличие структурных сдвигов в среднем значении временного ряда, вызванных изменением внешних факторов, может привести к принятию гипотезы о наличии единичного корня (согласно тесту Дикки-Фуллера), в то время как ряд имеет несколько отдельных временных интервалов. С другой стороны, Ли (Lee, 1996) доказал, что в случае с изменением тренда внутри временного ряда расширенный тест Дикки-Фуллера имеет большую мощность по сравнению с тестом Филлипса-Перрона. Для учета данных особенностей мы приводим результаты обоих тестов;
• оба теста допускают наличие временного тренда и свободного члена во временном ряду. Мы оставили данные переменные только в финальных уравнениях теста для случаев, когда они статистически значимы (оценки t-статистики приведены в таблице 3.1). В этом случае асимптотические свойства и мощность тестов сохраняются (см. Phillips, 1987);
• чиcло лагов первых разностей (в тесте Дикки-Фуллера) выбрано с учетом значимости лага наивысшего порядка для каждого ряда в отдельности. Число лагов отсечения (в тесте Филлипса-Перрона) определено, исходя из минимизации дисперсии остатков уравнения теста.

Таблица 3.1*

	Недельная доходность ГКО		Месячная доходность ГКО		Реальная ставка по ГКО
Расширенный тест Дикки-Фуллера	Уровень	Первая разность	Уровень	Первая разность	Уровень
Статистика*	-2,940 (-3,43)	-6,977 (-1,94)	-3,306 (-3,48)	-4,690 (-1,95)	-2,405 (-1,95)
Число лагов	2	4	1	3	0
Значимость свободного члена	2,75	-0,01	3,11	-0,01	-0,47
Значимость тренда	-2,26	-0,02	-2,63	-0,13	0,69
Тест Филлипса-Перрона
Статистика*	-3,214 (-3,43)	-17,930 (-1,94)	-2,573 (-3,48)	-6,598 (-1,95)	-2,374 (-1,95)
Число лагов отсечения	4	5	6	6	6
Значимость свободного члена	3,26	0,06	2,40	0,11	-0,47
Значимость тренда	-2,54	-0,03	-1,99	-0,15	0,69

* В скобках - критическое значение на 95% уровне значимости.

Результаты расширенного теста Дикки-Фуллера и теста Филлипса-Перрона представлены в таблице 3.1. Как видно из результатов обоих тестов, ряды в уровнях номинальной доходности ГКО имеют единичный корень, в то время как ряд реальной ставки по ГКО - нет. Поэтому в дальнейшем при анализе недельной и месячной номинальной доходности ГКО мы будем использовать ряды первых разностей данных переменных, .

Автокорреляционные функции. Большинство временных рядов финансовых показателей обладают свойством "памяти", то есть их текущие значения зависят от динамики ряда в прошлом. Для анализа зависимости между предыдущими и последующими значениями рядов первых разностей недельной и месячной доходности ГКО и реальной ставки по ГКО рассмотрим автокорреляционную (АКФ) и частную автокорреляционную (ЧАКФ) функции (см. рис. 3.4 - 3.6).

Рисунок 3.4.

Рисунок 3.5.

Рисунок 3.6.

Как видно из приведенных графиков функций, у первых разностей номинальной доходности ГКО автокорреляция практически отсутствует (для недельной доходности значимы с 5% вероятностью ошибки только второй и пятый лаги, для месячной - четвертый). Стохастический процесс динамики реальной ставки по ГКО соответствует авторегрессионной функции первого порядка.

Данные результаты согласуются с известным свойством приростов (то есть первых разностей исходных рядов) многих финансовых переменных. Исследования показали (Taylor, 1986; Hsieh, 1995; Campbell, Lo, MacKinlay, 1997), что приросты преимущественно некоррелированы, в то время как величины приростов по модулю имеют тенденцию к высокой степени автокорреляции. Это означает, что за большим положительным значением прироста цены (доходности) актива не обязательно следует также положительный прирост, но высока вероятность того, что следующее изменение цены (доходности) будет также большим. Тем не менее, знак последующего приращения может быть любым . Гипотеза подтверждается для рядов доходности ГКО, причем данное свойство лучше проявляется у первых разностей доходности на более коротких интервалах (недельных по сравнению с месячными, см. рис. 3.7).

Рисунок 3.7.

Нормальность распределения данных. Одним из требуемых свойств ряда в анализе временных рядов является нормальность распределения исследуемой переменной (см. Gaynor, Kirkpatrick, 1994). Для проверки соответствия данному требованию мы рассмотрели гистограммы распределения первых разностей недельной и месячной доходности ГКО и уровня реальной ставки по ГКО (см. рис. 3.8).

Рисунок 3.8.

Согласно статистике Жарка-Бера (Jarque-Bera statistic) распределения всех трех переменных соответствует нормальному распределению на уровне значимости 95%. Параметры распределений и значения статистики Жарка-Бера приведены в таблице 3.2.

Распределения рассматриваемых переменных несимметричны относительно среднего значения. При этом если первые разности номинальных доходностей к погашению имеют более длинный правый хвост (то есть положительные приросты доходности наблюдались чаще, чем отрицательные), то распределение реальных ставок по ГКО смещено влево (отражает влияние отрицательных реальных ставок в период становления рынка в 1993-1994 годах). Показатели эксцесса у всех трех переменных превышают значение данного показателя для нормального распределения (три). Таким образом, у рассматриваемых переменных наблюдается большая концентрация значений в окрестности среднего значения.

	Недельная доходность ГКО	Месячная доходность ГКО	Реальная ставка по ГКО
Статистика Жарка-Бера	205,4564	14,90759	31,48752
Среднее значение	0,000130	-0,001980	-0,006745
Стандартное отклонение	0,105119	0,139564	0,047749
Асимметрия	0,437877	0,700117	-1,476572
Эксцесс	7,158745	4,928323	4,756919

§3.2. Линейная авторегрессионная модель динамики доходности ГКО

Прежде чем перейти к анализу взаимосвязей и соотношений между доходностью ГКО и другими макроэкономическими показателями и индикаторами финансового рынка, мы поставили перед собой задачу построения "чистой" модели временного ряда ('pure' time series model), основанной только на учете динамических свойств исследуемого ряда. Данные модели, хотя и не предполагают обоснования на основе экономической теории, позволяют глубже понять статистические закономерности изменения переменных. Представление динамики финансового показателя в виде стационарного случайного процесса, среднее значение и дисперсия которого могут быть оценены с помощью эконометрических методов, дает возможность построения модели, обладающей хорошими прогностическими свойствами (хотя механизм взаимодействия между значениями ряда в различные моменты времени может оставаться необъясненным) .

Спецификация и оценка модели случайного временного ряда. Для обеспечения числа наблюдений, требуемого для использования методов анализа временных рядов, мы ограничимся рассмотрением ряда недельной доходности ГКО. Число наблюдений данной переменной в достаточной мере отвечает указанному требованию (общее число наблюдений - 274). Как было показано выше, исходный ряд уровня недельной доходности ГКО не является стационарным (имеет единичный корень, см. параграф 3.1). В то же время ряд первых разностей недельной доходности ГКО стационарен и может рассматриваться как последовательность нормально распределенных случайных величин. С учетом выявленной автокорреляции (см. рис. 3.4) речь не идет о независимых случайных величинах. Динамика временного ряда первых разностей недельной доходности ГКО показана на рисунке 3.9.

Таким образом, мы имеем право оценить авторегрессионную - скользящую среднюю модель для интегрированного в первом порядке временного ряда уровня недельной доходности ГКО, ARIMA(p,1,q), где p - число авторегрессионных членов, q - число членов скользящего среднего. Модель имеет функциональную запись следующего вида :

Рисунок 3.9.

Первоначальный выбор числа авторегрессионных членов и членов скользящего среднего был произведен на основе анализа автокорреляционной и частной автокорреляционной функций (см. рис. 3.4). Анализ АКФ и ЧАКФ показывает, что максимальное число лагов по каждой из переменных может достигать пяти, то есть надо оценивать модель ARIMA (5,1,5). Выбор конкретного числа параметров модели, обеспечивающего наилучшее приближение к наблюдаемому ряду при минимизации количества учитываемых лагов, может быть осуществлен только на основе сравнения набора моделей с альтернативной спецификацией. В качестве критерия отбора выступают информационные критерии качества модели: информационный критерий Акаике (AIC) и Байеса-Шварца (BIC, см. Judge, Griffiths, Hill, Luetkepohl, Lee, 1985) . Значения критериев для различных спецификаций модели ARIMA(p,1,q), , приведены в таблице 3.3.

Сравнение различных спецификаций моделей по информационным критериям позволяет выбрать три варианта, имеющих преимущества по разным критериям (выделены жирным шрифтом). Для определения наилучшей из выбранных моделей мы сравнили другие показатели качества для данных трех спецификаций (см. табл. 3.4).

Таблица 3.3*.

	Число членов скользящего среднего, q
		0	1	2	3	4	5
	0	-1,664 -1,651	-1,668 -1,642	-1,711 -1,671	-1,712 -1,659	-1,706 -1,640	-1,715 -1,634
	1	-1,663 -1,634	-1,679 -1,640	-1,711 -1,658	-1,707 -1,641	-1,735 -1,655	-1,716 -1,623
	2	-1,707 -1,667	-1,700 -1,647	-1,724 -1,657	-1,737 -1,657	-1,736 -1,643	-1,727 -1,620
	3	-1,696 -1,643	-1,742 -1,675	-1,727 -1,647	-1,760 -1,667	-1,763 -1,657	-1,716 -1,600
	4	-1,693 -1,626	-1,762 -1,681	-1,744 -1,650	-1,766 -1,659	-1,737 -1,617	-1,762 -1,628
	5	-1,721 -1,641	-1,708 -1,614	-1,711 -1,604	-1,705 -1,584	-1,755 -1,621	-1,764 -1,616

Таблица 3.4.

	R2	Нормированный R2	F-статистика	Статистика Бокса-Льюнга (Box-Ljung Q-statistic)
ARIMA(4,1,1)	0,133	0,117	8,087	37,63
ARIMA(4,1,3)	0,150	0,127	6,583	31,98
ARIMA(5,1,5)	0,170	0,138	5,257	25,83

Из таблиц 3.3 и 3.4 видно, что предпочтительными статистическими свойствами обладает модель ARIMA(4,1,3). Полная статистика оценки данной спецификации приведена в таблице 3.5, график первых разностей недельной доходности ГКО и теоретических значений, оцененных по модели ARIMA(4,1,3) показаны на рисунке 3.10.

Для проверки статистических свойств оценки модели ARIMA(4,1,3) мы провели ряд тестов, в частности тесты на автокорреляцию в остатках, стабильность оценок на всем периоде, наличия нескольких режимов и нелинейность модели.

Таблица 3.5.

Переменная	Оценка		Стандартная ошибка		t-статистика		Уровень значимости
C	-7,60E-05		0,005651		-0,013450		0,9893
AR(1)	0,283934		0,082310		3,449593		0,0007
AR(2)	0,270687		0,066946		4,043355		0,0001
AR(3)	-0,625289		0,062616		-9,986093		0,0000
AR(4)	0,039776		0,067435		0,589844		0,5558
MA(1)	-0,388032		0,054381		-7,135399		0,0000
MA(2)	-0,496191		0,033951		-14,61472		0,0000
MA(3)	0,859212		0,054392		15,79674		0,0000
Число наблюдений		269		AIC				-1,766228
R2		0,150067		BIC				-1,659322
Нормированный R2		0,127272		Статистика Жарка-Бера (остатки)				110,9
Стандартная ошибка		0,098599		Q-статистика				31,98
F-статистика		6,583279		Уровень значимости (F-статистика)				0,000000

Рисунок 3.10.

Тест на автокорреляцию в остатках. Для проверки наличия серийной автокорреляции в остатках модели ARIMA(4,1,3) мы провели тест множителей Лагранжа (тест Бройша-Годфри, Breusch-Godfrey test) . Результаты теста отвергают гипотезу о наличии автокорреляции до шестого порядка включительно на 95% уровне значимости (произведение числа наблюдений на R2 равно 6,66, что соответствует уровню значимости около 85%).

Стабильность оценок и наличие нескольких режимов. Ряд исследований динамики процентных ставок (например, Gray, 1996b; Ang, Bekaert, 1998) показывают, что стохастические ряды процентных ставок могут иметь несколько (переключающихся) режимов (regime-switching). Для проверки данной гипотезы мы рассмотрели два теста: тест Квандта на наличие двух режимов в линейной регрессии (Quandt, 1960) и тест Чоу на стабильность оценок (Chow breakpoint test, Judge, Griffiths, Hill, Luetkepohl, Lee, 1985).

Ключевым моментом при исследовании временного ряда на наличие различных режимов является выбор точки (или нескольких точек) переключения, то есть момента времени, в который происходит переход из одного режима в другой. На основе качественного анализа рынка ГКО-ОФЗ (см. главу 1) мы выбрали в качестве точки переключения 1 августа 1996 года (см. рис. 3.9).

Тест Квандта основан на сравнении отношений суммы квадратов остатков к стандартной ошибке уравнений на выбранных подпериодах на основе F-статистики. Значение статистики равняется 1,29 (критическое значение F(105, 162) = 1,33). Гипотеза о наличии двух режимов может быть отвергнута на 95% уровне.

Тест Чоу на стабильность оценок также отвергает гипотезу о различии оценок коэффициентов на выбранных подпериодах (17 мая 1993 - 1 августа 1996 и 1 августа 1996 - 14 августа 1998). Уровень значимости статистики теста (11,08) составляет 80,3%.

Таким образом, мы не смогли найти подтверждение гипотезы о значимом различии статистических свойств оценок модели на двух выбранных временных интервалах. На наш взгляд, выбор других точек переключения менее обоснован с точки зрения характера развития рынка, либо один из выделенных подпериодов будет иметь недостаточное число наблюдений.

Тест на нелинейность модели. Хотя мы отвергли гипотезу о наличии нескольких режимов, ряд первых разностей недельной доходности ГКО может обладать другими свойствами, которые свидетельствуют о нелинейности статистической зависимости между переменными временного ряда. Для проверки наличия нелинейности в данных мы рассмотрели частную автокорреляционную функцию квадратов остатков модели ARIMA(4,1,3) (см. рис. 3.11). Первый член частной автокорреляционной функции статистически значим с 5% вероятностью ошибки, значение статистики Бокса-Льюнга для 16 лагов составляет 52,70. Согласно МакЛеуду, Лай и Тсай (McLeod, Li, 1983; Tsay, 1986), гипотеза о нелинейности в модели не может быть отвергнута.

Рисунок 3.11.

§3.3. Нелинейные модели динамики доходности ГКО

Поскольку для рассматриваемого ряда нельзя игнорировать нелинейность, мы провели тест множителей Лагранжа на авторегрессионную условную дисперсию остатков (ARCH-LM test, Engle, 1982). Согласно результатам теста, остатки в линейной модели обладают свойством гетероскедастичности, и в дальнейшем мы переходим к моделированию ряда первых разностей недельной доходности ГКО в виде авторегрессии со скользящим средним и условной дисперсией остатков (ARIMA-GARCH, см. Bollerslev, 1986) .

Необходимо отметить, что во всех рассмотренных нами нелинейных моделях число значимых оценок авторегрессионных членов и членов скользящего среднего сократилось, что привело к окончательному выбору модели ARIMA(2,1,1). Это свидетельствует о том, что моделирование условной дисперсии остатков позволяет сократить число членов при спецификации основного уравнения без потери качества статистической модели.

Мы рассмотрели несколько альтернативных спецификаций для процессов условной дисперсии остатков (см. Bollerslev, Chou, Kroner, 1992; Engle, Rosenberg, 1995; Cuthbertson, 1996): Результаты оценки уравнений для условной дисперсии в моделях 3.1 - 3.6 приведены в таблице 3.6 (для модели 3.6 приведено значение оценки коэффициента при дисперсии в основном уравнении). Наилучшие статистики имеют асимметричные пороговая и экспоненциальная модели. Предположение о несимметричности реакции условной дисперсии на положительные и отрицательные значения остатков подтвердилось.

Таблица 3.6*

Номер уравнения:	3.1	3.2	3.3	3.4	3.5	3.6
d	0,004 (10,14)	0,000 (2,54)	0,000 (2,77)	-0,648 (-5,26)	0,012 (1,27)	0,000 (2,40)
a	0,819 (4,82)	0,523 (5,38)	0,645 (5,19)	0,563 (5,92)	0,233 (5,49)	0,531 (5,36)
b	–	0,634 (12,69)	0,672 (13,55)	0,956 (74,76)	0,762 (17,78)	0,629 (12,40)
g	–	–	-0,378 (-2,93)	0,184 (3,85)	-0,302 (-1,16)	–
f	–	–	–	–	0,113 (1,87)	–
l	–	–	–	–	–	-0,429 (-0,89)
AIC	-1,924	-2,286	-2,303	-2,323	-2,236	-2,279
BIC	-1,844	-2,193	-2,197	-2,217	-2,117	-2,173

Такой результат обычно интерпретируется в эконометрике финансовых рынков как влияние "хороших/плохих" новостей. Значения остатков меньше нуля соответствуют случаям, когда модель переоценивает рост (недооценивает снижение) доходности по сравнению с фактическими наблюдениями. Переоценка либо недооценка приращений может свидетельствовать о влиянии притока "хороших" новостей в текущий момент времени . Отрицательное значение оценки коэффициента g означает, что "хорошие" новости обладают эффектом "рычага", уменьшая дисперсию приращений ставок. Результаты оценки экспоненциальной модели подтверждают гипотезу о тенденции больших значений изменений вызывать еще большие значения, усиливая дисперсию, независимо от знака изменения.

В то же время не нашла подтверждения гипотеза о наличии долгосрочного постоянного уровня дисперсии. Оценки компонентной модели свидетельствуют о статистической незначимости коэффициентов, отвечающих за возвращение к среднему в уровне дисперсии. Сумма оценок коэффициентов для всех моделей, т. е. случайный процесс условной дисперсии не сходится к постоянному уровню. Кроме того, дисперсия остатков (то есть волатильность доходности) не оказывает значимого влияния на величину изменения доходности. Оценка коэффициента l в модели GARCH-M статистически незначима.

Графики условной дисперсии для пороговой и экспоненциальной моделей представлены на рисунке 3.12. На графиках четко прослеживаются четыре пика условной дисперсии. Первый из них приходится на период, связанный с событиями "черного вторника" в октябре 1993 года. Второй пик связан с ускорением инфляционных процессов зимой 1994-1995 годов. Третий и четвертый пики относятся к периодам усиления неопределенности на рынке (перед президентскими выборами 1996 года и развитие кризиса летом 1998 года).

Рисунок 3.12.

Влияние объема сделок на волатильность доходности. Как уже было отмечено выше, изменение волатильности (дисперсии остатков) приращений доходности ГКО может быть объяснено (помимо прочего) как реакция рынка на хорошие/плохие новости. В эмпирических исследованиях широкое распространение получил подход, связывающий интенсивность поступления информации на рынки финансовых активов с объемом сделок по данному активу (см. Lamoureux, Lastrapes, 1990; Jones, Lamont, Lumsdaine, 1996; Andersen, 1996). В таком случае изменение объема сделок по данному виду ценных бумаг будет приводить к изменению волатильности доходности. Объем сделок может выступать как дополнительный фактор, необходимый для улучшения оценки условной дисперсии ошибок в нелинейной модели.

Для устранения эффектов, связанных с инфляционным ростом номинального объема сделок, мы рассчитали реальный (в ценах середины мая 1993 года) еженедельный объем сделок по ГКО на вторичном рынке. В качестве индекса инфляции использовался накопленный индекс потребительских цен.

Для оценки эффектов влияния объема сделок на волатильность доходности ГКО оценим несколько факторных моделей с условной гетероскедастичностью остатков (Factor-GARCH model, см. Engle, Ng, Rotschield, 1990), соответствующих уравнениям 3.1 - 3.6. В общем виде такая модель записывается следующим образом:

Оценка моделей со всеми вариантами функции условной дисперсии остатков показывает, что коэффициент при объеме сделок оказывается статистически значимым и имеет отрицательный знак. Таким образом, увеличение объема сделок способствует снижению волатильности рынка. На наш взгляд, зависимость такого рода связана с тем, что увеличение объема сделок на рынке ГКО отражало не только поступление новой информации (хороших/плохих новостей), но и увеличение общей ликвидности рынка. Последнее способствовало снижению спрэдов между ценами покупки и продажи облигаций и снижению колебаний уровня доходности .

Качество различных моделей изменилось в разных направлениях (см. табл. 3.7). Если простая ARCH и экспоненциальная GARCH модели улучшили свое качество при добавлении фактора объема в уравнение для условной дисперсии, то качество других моделей пострадало от введения дополнительной переменной. Причиной таких расхождений может быть уже упомянутый эффект увеличения общей ликвидности рынка. На высоколиквидном рынке влияние информационных потоков оказывает большее влияние на уровень волатильности, в то время как при низкой ликвидности и малых оборотах рынка колебания цен облигаций зависят в большей степени от соотношений котировок на покупку и продажу и движения денежных потоков ограниченного числа участников. Наиболее показательной в этом плане является пороговая модель, которая лучше "разделяет" эффекты информации и ликвидности. Ухудшение ее качества свидетельствует о наличии мультиколлинеарности между обоими эффектами.

Таблица 3.7*

	Номер уравнения
	2.3.1	2.3.2	2.3.3	2.3.4	2.3.5	2.3.6
j	-8,31	-3,28	-2,075	-2,567	-3,95	-3,12
AIC	-1,991	-2,021	-2,142	-2,338	-1,788	-2,011
BIC	-1,898	-1,915	-2,022	-2,218	-1,655	-1,891

Глава 4. Соотношение между доходностью ГКОи ожиданиями участников финансового рынка

Проанализировав свойства временных рядов доходности ГКО, мы переходим к изучению взаимосвязей между динамикой доходности ГКО и изменением переменных, являющихся индикаторами ожиданий участников рынка и отвечающих за шоки экономической политики. Согласно теоретическим предположениям, номинальные процентные ставки по государственным ценным бумагам включают информацию о будущих темпах роста цен, изменении курса национальной валюты, а также страновую премию за риск (см. Приложение 1). Чтобы проверить выполнение данных условий для российского рынка государственного долга, мы проанализировали соотношения между номинальной доходностью ГКО к погашению и индикаторами ожиданий и уровня странового риска. К их числу относятся уровень инфляции и форвардный курс рубля по отношению к доллару США.

§4.1. Проверка гипотезы Фишера для рынка российских государственных краткосрочных облигаций

Наиболее важным фактором, определяющим уровень номинальных процентных ставок, являются, в соответствии с гипотезой Фишера , инфляционные ожидания экономических агентов. Многочисленные эмпирические исследования соотношения между номинальными процентными ставками и будущими темпами инфляции подтвердили данное предположение .

Анализ работ, посвященных проверке гипотезы Фишера, позволяет выделить три основных направления исследования:

1) непосредственное тестирование значимости зависимости между фактическими будущими темпами инфляции и текущей номинальной ставкой процента;

2) анализ долгосрочного устойчивого соотношения (коинтеграции рядов) между номинальной процентной ставкой и темпами роста цен;

3) проверка гипотезы о стабильности реальной процентной ставки.

Основное внимание в нашем исследовании будет уделено первым двум подходам. Для этого мы рассмотрим временные ряды месячной доходности ГКО (то есть средневзвешенной за месяц доходности ГКО к погашению, % в месяц) и месячных темпов прироста индекса потребительских цен. Мы отдаем предпочтение месячным данным перед недельными, поскольку, во-первых, колебания значений недельных темпов роста цен слишком сильны и происходят вокруг среднего уровня инфляции за период равный одному - двум месяцам; во-вторых, мы считаем, что инвесторы не рассматривают вложения в ГКО на временной интервал меньше месяца с точки зрения ожидаемой реальной доходности. Таким образом, экономически оправдано оценивать инфляционные ожидания участников рынка через уровень номинальной доходности ГКО при сопоставлении с месячными темпами прироста ИПЦ.

Поскольку дюрация рыночного портфеля государственных дисконтных бумаг (ГКО) обычно составляла от трех до пяти месяцев, но с 1994 года на рынке постоянно присутствовали шестимесячные (в 1997-1998 годах - девяти- и двенадцатимесячные) облигации, мы выбрали горизонт инфляционных ожиданий участников рынка продолжительностью до шести месяцев.

Корреляционный анализ. Прежде всего, мы рассчитали значения коэффициентов парной корреляции между текущим уровнем месячной доходности ГКО и средним (среднее геометрическое) за период от одного до шести месяцев фактическим (ex post) темпом прироста индекса потребительских цен, а также с текущим уровнем инфляции (см. табл. 4.1). Из рассмотрения были исключены 1993 и 1998 годы, поскольку, по нашему мнению, в этот период уровень номинальной доходности не был тесно связан с инфляционными ожиданиями экономических агентов. В 1993 году рынок государственных ценных бумаг был не развит, и уровень доходности находился под жестким контролем Министерства финансов и ЦБ РФ, а в 1998 году, наоборот, доходность определялась в первую очередь ожиданиями девальвации рубля и оценкой вероятности дефолта. Кроме того, фактические значения инфляции в августе и осенью 1998 года были обусловлены поведением властей и реакцией экономики на финансовый кризис, поэтому, на наш взгляд, не могут быть учтены в инфляционных ожиданиях в первой половине года.

Как видно из таблицы 4.1, существовала очень высокая положительная корреляция между уровнем доходности ГКО к погашению и будущими темпами прироста индекса потребительских цен для всех предполагаемых временных горизонтов ожиданий. При этом, с увеличением временного горизонта, значение коэффициента корреляции несколько снизилось.

Таблица 4.1.

Так как ряды темпов прироста ИПЦ и уровня месячной доходности ГКО не стационарны (имеют единичные корни ), для более глубокого анализа взаимосвязи между ними мы перейдем к исследованию коинтеграционных соотношений.

Анализ коинтеграционных соотношений. Для выявления наличия коинтеграции между рядами месячной доходности ГКО и месячных темпов инфляции мы провели две группы тестов на коинтеграцию (см. Rao, 1994).

Прежде всего мы воспользовались методикой определения коинтеграции между рядами, предложенной Грэнджером и Энглом (Engle, Granger, 1987). В таблице 4.2 приведены значения расширенного теста Дикки-Фуллера на наличие единичных корней в остатках регрессий вида . В этой таблице обозначение ИПЦ соответствует остаткам регрессии доходности ГКО на текущее значение темпов прироста ИПЦ, а ИПЦ(+1-N) - остаткам в уравнениях, связывающих месячную доходность ГКО и будущие значения инфляции за N месяцев. Гипотеза о коинтеграции подтвердилась для всех случаев.

Таблица 4.2*

ИПЦ	ИПЦ(+1)	ИПЦ(+1-2)	ИПЦ(+1-3)	ИПЦ(+1-4)	ИПЦ(+1-5)	ИПЦ(+1-6)
-3,27	-3,03	-3,06	-3,15	-3,05	-3,08	-3,08

Тест Грэнджера-Энгла дает возможность проверить гипотезу о коинтеграции между рядами, но не отвечает на вопрос о числе коинтеграционных соотношений между рядами. Для ответа на него, а также для оценки параметров коинтеграционных соотношений, мы провели тесты на коинтеграцию Йохансена (Rao, 1994). Кроме того, в нашем случае тест Йохансена имеет большую мощность по сравнению с тестом Грэнджера-Энгла, поскольку наши временные ряды (48 наблюдений) могут рассматриваться как малая выборка (Luetkepohl, Saikkonen, 1998). Результаты теста Йохансена приведены в таблице 4.3.

Коинтеграционные соотношения допускают наличие свободного члена. Тест подтвердил гипотезу о коинтеграции ряда месячной ставки по ГКО для всех рядов инфляции, кроме текущих значений . Наличие двух коинтеграционных соотношений для месячной доходности ГКО и одно-, двухмесячной будущей инфляцией, то есть полного ранга матрицы системы рассматриваемых переменных, свидетельствует о неправильной спецификации коинтеграционного соотношения для данных случаев. Оценки теста Йохансена с исключенным свободным членом (не приводятся) показывают одно коинтеграционное соотношение для обоих пар переменных.

Таблица 4.3.

Собственные значения	Likelihood Ratio	Критическое значение (5%)	Критическое значение (1%)	Предположительное число КС
ИПЦ
0,176314	12,56654	15,41	20,04	0
0,065587	3,256155	3,76	6,65	£ 1
L.R тест отрицает коинтеграцию на 5% уровне значимости
ИПЦ(+1)
0,246475	18,74875	15,41	20,04	0*
0,102018	5,165066	3,76	6,65	£ 1*
L.R тест показывает 2 коинтеграционных соотношения на 5% уровне значимости
ИПЦ(+1-2)
0,303259	21,76650	15,41	20,04	0**
0,088011	4,422098	3,76	6,65	£ 1*
L.R тест показывает 2 коинтеграционных соотношения на 5% уровне значимости
ИПЦ(+1-3)
0,327318	21,27698	15,41	20,04	0**
0,045710	2,245815	3,76	6,65	£ 1
L.R тест показывает 1 коинтеграционное соотношение на 5% уровне значимости
ИПЦ(+1-4)
0,256106	15,92051	15,41	20,04	0*
0,035186	1,719370	3,76	6,65	£ 1
L.R тест показывает 1 коинтеграционное соотношение на 5% уровне значимости
ИПЦ(+1-5)
0,315532	19,63583	15,41	20,04	0*
0,029523	1,438422	3,76	6,65	£ 1
L.R тест показывает 1 коинтеграционное соотношение на 5% уровне значимости
ИПЦ(+1-6)
0,365422	22,76431	15,41	20,04	0**
0,019273	0,934156	3,76	6,65	163; 1
L.R тест показывает 1 коинтеграционное соотношение на 5% уровне значимости
*(**) обозначает отрицание гипотезы на 5% (1%) уровне значимости

Модели с коррекцией ошибок. Для оценки статистической значимости временного горизонта инфляционных ожиданий, учитываемого при формировании уровня номинальной доходности ГКО, мы оценили регрессионные модели зависимости месячной ставки ГКО от будущих темпов инфляции. Поскольку рассматриваемые ряды коинтегрированы, для оценки таких взаимосвязей необходимо воспользоваться так называемой моделью с коррекцией ошибок (error correction model, Rao, 1994). Учет коинтеграционного соотношения, полученного ранее (тест Йохансена), позволяет оценить зависимость между первыми разностями доходности и темпов инфляции без потери информации, содержащейся в уровнях переменных.

Результаты оценки моделей с коррекцией ошибок для временных горизонтов ожиданий от одного до шести месяцев приведены в таблице 4.4. Ошибки в линейных регрессионных моделях гетероскедастичны, поэтому все приведенные оценки относятся к нелинейным моделям с коррекцией ошибок и условной дисперсией, представленной в виде процесса GARCH(1,1).

Из таблицы 4.4 видно, что временной горизонт ожиданий роста цен, учитываемый в текущем уровне месячной доходности ГКО, ограничивается тремя месяцами. На этом интервале имеется статистически значимая положительная зависимость между изменением цен за период и приращением уровня доходности при наличии долгосрочной тенденции к сближению уровней инфляции и процентной ставки. Для четырехмесячной будущей инфляции связь между приростами доходности и темпов роста цен становится незначимой, тем не менее, долгосрочная тенденция к сближению сохраняется. Для пяти и шести месяцев коэффициент a принимает отрицательное значение, коинтеграционное соотношение статистически незначимо. По нашему мнению, это означает, что уровень доходности ГКО не учитывает изменения в темпах инфляции на столь продолжительный период в будущем. Отрицательные знаки коэффициентов могут быть вызваны сезонностью в темпах роста потребительских цен, направление которой меняется с периодичностью около полугода, либо систематическими ошибками участников рынка. Последнее связано с тем, что облигации со сроками до погашения шесть и более месяцев начали обращаться на рынке в период финансовой стабилизации, когда существовала проблема доверия к последовательности проводимой экономической политике (credibility) и происходила экспансия внутреннего долга.

Таблица 4.4*

	ИПЦ(+1)	ИПЦ(+1-2)	ИПЦ(+1-3)	ИПЦ(+1-4)	ИПЦ(+1-5)	ИПЦ(+1-6)
c	-1,65	-1,84	-1,72	-1,85	-1,07	-1,09
q	2,74	1,92	2,12	1,76	-3,06	-3,64
103;	2,36	2,01	2,21	2,42	-0,48	-0,45

§4.2. Соотношение уровня средневзвешенной доходности ГКО и ожиданий изменения курса рубля по отношению к доллару США

Дополнительным фактором, объясняющим формирование уровня номинальной доходности на рынке российских рублевых государственных облигаций помимо инфляционных ожиданий, по нашему мнению, могут являться ожидания девальвации национальной валюты. Эта гипотеза близка к теории паритета процентных ставок . Однако в нашей интерпретации имеется одно существенное отличие: мы не сравниваем доходности двух инструментов, номинированных в разной валюте, а предполагаем получение положительной (не отрицательной) долларовой доходности инвестированных в рублевые облигации средств на определенном временном интервале. Последнее, на наш взгляд, в большей степени могло соответствовать механизму принятия инвестиционных решений на российском финансовом рынке, где для большого числа участников существовали препятствия для осуществления прямого арбитража между рублевыми и валютными активами .

Наша предпосылка близка к подходу определения уровня доходности государственных облигаций на основе учета премии за валютный риск, отражающей возможность девальвации национальный валюты. Оценки так называемого "фактора обменного курса" свидетельствуют о высокой значимости данного показателя при определении спрэда между процентными ставками как на развитых финансовых рынках (например, в Италии, Испании и Германии, см. Favero, Giavazzi, Spaventa, 1996), так и на развивающихся рынках (например, в Мексике, см. Domowitz, Glen, Madhavan, 1998).

В качестве показателя ожиданий изменения обменного курса рубля по отношению к твердым валютам (доллару США) был принят средневзвешенный по номинальной стоимости открытых позиций участников курс доллара США по расчетным срочным сделкам (фьючерсам) на трех основных биржевых торговых площадках - МТБ, МЦФБ и ММВБ. Так же как и для инфляции мы рассматриваем временной горизонт ожиданий изменения курса рубля до шести месяцев.

Результаты корреляционного анализа выявили два важных отличия в соотношении месячной доходности и инфляции и ожидаемого курса рубля. Во-первых, с удлинением временного горизонта уровень корреляции между доходностью ГКО и темпами снижения курса рубля растет до трех месяцев и только впоследствии снижается, в то время как для ИПЦ наблюдалось снижение на всем интервале от нуля до шести месяцев (см. табл. 4.1.) Во-вторых, средний по всем временным горизонтам уровень корреляции между доходностью ГКО и ожидаемым изменением курса рубля выше, чем средний уровень корреляции между доходностью ГКО и инфляцией (0,736 против 0,698).

Анализ коинтеграционных соотношений. Согласно результатам расширенного теста Дикки-Фуллера, все ряды ожидаемых темпов обесценения курса рубля имеют единичный корень (результаты тестов не приводятся). Для изучения долгосрочных соотношений между динамикой месячной доходности ГКО к погашению и котировками фьючерсов на доллар США мы воспользовались теми же методами, что и для изучения взаимосвязи между доходностью и темпами прироста ИПЦ, то есть провели тесты на коинтеграцию Грэнджера-Энгла и Йохансена. Результаты тестов приведены в таблицах 4.6 и 4.7.

Таблица 4.6*.

F$(+1)	F$(+1-2)	F$(+1-3)	F$(+1-4)	F$(+1-5)	F$(+1-6)
-2,75	-2,57	-2,50	-2,49	-2,43	-2,87

Таблица 4.7.

Собственные значения	Likelihood Ratio	Критическое значение (5%)	Критическое значение (1%)	Предположительное число КС
F$(+1)
0,222646	16,87522	15,41	20,04	0*
0,048280	2,771112	3,76	6,65	163; 1
L.R тест показывает 1 коинтеграционное соотношение на 5% уровне значимости
F$(+1-2)
0,127517	10,62219	15,41	20,04	0
0,051876	2,983133	3,76	6,65	163; 1
L.R тест отрицает коинтеграцию на 5% уровне значимости
F$(+1-3)
0,104284	9,186649	15,41	20,04	0
0,052488	3,019289	3,76	6,65	163; 1
L.R тест отрицает коинтеграцию на 5% уровне значимости
F$(+1-4)
0,084194	7,819896	15,41	20,04	0
0,050377	2,894668	3,76	6,65	163; 1
L.R тест отрицает коинтеграцию на 5% уровне значимости
F$(+1-5)
0,137265	11,58053	15,41	20,04	0
0,064624	3,607543	3,76	6,65	163; 1
L.R тест отрицает коинтеграцию на 5% уровне значимости
F$(+1-6)
0,139327	11,46915	15,41	20,04	0
0,060447	3,366976	3,76	6,65	163; 1
L.R тест отрицает коинтеграцию на 5% уровне значимости
* обозначает отрицание гипотезы на 5% уровне значимости

Оба теста отрицают наличие коинтеграции между временными рядами месячной доходности ГКО и ожидаемыми темпами обесценения рубля (кроме теста Йохансена для курса рубля через один месяц). Тем не менее, как было показано МакКаллумом (McCallum, 1993), отсутствие коинтеграционного соотношения между рядами макроэкономических данных не всегда означает отсутствие долгосрочной взаимосвязи переменных. В частности, внешние шоки могут иметь компоненты (постоянные и транзитивные), влияние которых по-разному отражается в динамике рассматриваемых переменных. Кроме того, влияние отдельных внешних факторов может быть сильнее, чем влияние третьей переменной, определяющей совместное движение временных рядов. В этих случаях статистические методы анализа не позволяют выявить долгосрочную взаимосвязь на основе коинтеграционных соотношений.

На наш взгляд, полученные нами результаты могут рассматриваться в рамках данного подхода. Коинтеграция между темпами прироста ИПЦ и месячной доходностью ГКО вызвана наличием общей тенденции этих показателей к снижению на протяжении всего периода наблюдений. В то же время ожидания темпов обесценения рубля демонстрировали значительно больший диапазон колебаний, а также смену трендов на разных участках. Кроме того, мы не рассматривали колебания валютной доходности вложений на рынке ГКО. Хотя мы не можем рассматривать непосредственно условие паритета процентных ставок (из-за отсутствия на внутреннем рынке облигаций, номинированных в валюте), наличие желаемой положительной (не нулевой) валютной доходности должно было приводить к устойчивой положительной разности между номинальной доходностью ГКО и темпами обесценения номинального курса рубля. В условиях увеличения реального курса рубля (с 1995 по 1998 годы) такая ситуация могла наблюдаться при стремлении реальной рублевой доходности ГКО к нулю (см. рис. 3.3).

Регрессионные модели. Хотя мы отвергли гипотезу о коинтеграции между рядами, высокий уровень корреляции свидетельствует о возможности значимой зависимости между динамикой месячной доходности ГКО и ожидаемыми темпами снижений курса рубля. Для проверки данного соотношения и оценки наилучшего временного горизонта ожиданий изменения курса рубля, учитываемого при формировании уровня доходности облигаций, мы оценили линейные регрессионные модели вида: Как видно из таблицы 4.8, наилучшие статистики имеет уравнение с временным горизонтом ожиданий равным трем месяцам (это совпадает с наивысшим значением коэффициента корреляции).

Таблица 4.8*

	к F$(+1)	F$(+1-2)	F$(+1-3)	F$(+1-4)	F$(+1-5)	F$(+1-6)
c	-0,000626 (-0,411)	-0,000524 (-0,366)	-0,000438 (-0,314)	-0,000504 (-0,358)	-0,000482 (-0,330)	-0,000554 (-0,385)
a	0,122628 (2,297)	0,271201 (3,638)	0,36022 (4,118)	0,369103 (3,908)	0,289487 (3,265)	0,321907 (3,535)
R2	0,089	0,197	0,239	0,220	0,165	0,188
Нормированный R2	0,072	0,182	0,225	0,206	0,149	0,173
AIC	-6,075	-6,201	-6,255	-6,231	-6,162	-6,190
BIC	-6,003	-6,129	-6,183	-6,159	-6,090	-6,118
Число наблюдений	56	56	56	56	56	56

Таким образом, согласно полученным результатам, уровень номинальной доходности ГКО формируется с учетом ожиданий темпов роста цен и/или изменения курса рубля на срок не более трех месяцев. Оцененный временной горизонт ожиданий может соответствовать среднему периоду вложений на рынке государственных облигаций.

Наличие долгосрочных соотношений между будущими темпами инфляции и текущей номинальной доходностью ГКО подтверждается на основе методов коинтеграционного анализа. В то же время гипотеза о коинтеграции между рядами месячной доходности ГКО и темпами изменения фьючерсного курса рубля не может быть отвергнута.

Эластичность изменения номинальной процентной ставки по изменению уровня инфляции в течение трех последующих месяцев составляет 0,452, а по изменению котировок валютных фьючерсов со сроком исполнения через три месяца - 0,375 .

Глава 5. Влияние экономической политики на динамику средневзвешенной доходности ГКО

В предыдущей главе мы рассмотрели влияние ожиданий инвесторов на формирование уровня доходности российских государственных облигаций. Однако факторы, изменения которых учитывались в ожиданиях, сами являются эндогенными переменными в рамках более общей модели, описывающей национальную экономику. В частности, их динамика определяется экономической политикой, проводимой центральным банком и правительством. Уровень инфляции и колебания номинального курса национальной валюты, также как и процентные ставки находятся под влиянием денежно-кредитной и бюджетной политики и зависят, помимо прочего, от степени открытости экономики.

В данной главе нами поставлена задача проанализировать влияние экономической политики Центрального банка и Министерства финансов РФ на динамику номинальной и реальной доходности ГКО. В рамках данного исследования мы рассмотрим три различных аспекта:

• денежно-кредитную политику;
• политику Министерства финансов РФ на первичных аукционах (эффект ликвидности) ;
• либерализацию рынка российских государственных обязательств.

§5.1. Взаимосвязь денежно-кредитной политики и доходности ГКО

Денежно-кредитная политика является одним из важнейших факторов, определяющих уровень номинальных процентных ставок в экономике. В экономической теории существует большое число подходов к анализу взаимодействия между изменением денежного предложения и колебаниями процента, которые хорошо известны . Мы рассмотрим наиболее общие гипотезы:

• в краткосрочном периоде денежная экспансия вызывает снижение номинальных ставок благодаря повышению ликвидности в экономике;
• в более продолжительном периоде денежная экспансия приводит к повышению уровня инфляции и увеличению номинальных процентных ставок;
• при расширении денежного предложения в краткосрочном периоде реальные ставки снижаются из-за эффекта ликвидности. В долгосрочном периоде уровень реального процента определяется фундаментальными показателями: предельной производительностью капитала и нормой дисконта экономических агентов.

Необходимо отметить, что здесь мы не делаем различия между краткосрочными и долгосрочными процентными ставками, рассматривая только средний уровень доходности на рынке государственных облигаций. Различия в реакции на шоки денежно-кредитной политики между короткими и длинными ставками будут рассмотрены во втором разделе.

Мы рассмотрели несколько вариантов спецификации векторной авторегрессионной модели:

1. эндогенные переменные - месячная номинальная доходность ГКО, месячный темп прироста ИПЦ, темп прироста широкой денежной массы М2 в текущем месяце (модель 1);
2. эндогенные переменные - месячная номинальная доходность ГКО, месячные темпы прироста ИПЦ. Экзогенная переменная - среднемесячные темпы прироста М2 за шесть - девять предыдущих месяцев (модели 2-5);
3. эндогенные переменные - месячная номинальная доходность ГКО, темп прироста реальной денежной массы М2 в текущем месяце (модель 6);
4. эндогенные переменные - реальная месячная ставка по ГКО, темп прироста денежной массы М2 в текущем месяце (модель 7).

При выборе денежного агрегата, влияющего на динамику доходности ГКО и инфляцию, мы опирались на предыдущие исследования ИЭПП о взаимосвязи между различными денежными агрегатами (денежная база, М0, М2, широкие деньги) и темпами прироста ИПЦ (см. Энтов, Радыгин и др., 1998). Согласно полученным результатам, темпы прироста индекса потребительских цен определяются динамикой широкой денежной массы М2 . Глубина временного интервала, на котором проявляется влияние денежного агрегата на темпы роста цен, составляет от 6 до 9 месяцев (наиболее высокие оценки были получены для 8 месяцев).

Поскольку выше были выявлены единичные корни в рядах месячной доходности ГКО и темпов прироста ИПЦ, мы рассматриваем первые разности этих переменных. Результаты расширенных тестов Дикки-Фуллера свидетельствуют об отсутствии единичных корней в рядах темпов прироста денежной массы М2, кроме средних темпов за 8 и 9 месяцев . Тест Йохансена отрицает коинтеграцию между эндогенными переменными во всех шести моделях. Графики функций отклика месячной доходности для моделей 1, 6 и 7 показаны на рисунке 5.1.

Рисунок 5.1*

Полученные результаты исследования не позволяют нам полностью подтвердить высказанные гипотезы. Все векторные модели номинальной доходности ГКО статистически незначимы, значения функций отклика номинальной доходности на шоки денежного предложения неотличимы от нуля на всем временном периоде. Таким образом, исследование номинальных ставок не подтверждает наличие эффекта ликвидности (снижения ставок при расширении денежного предложения). В то же время модель 7 показывает, что реальная доходность ГКО понижается на протяжение первых двух месяцев после положительного шока денежного предложения. В последствие влияние исчезает. По нашему мнению, полученные результаты могут иметь следующие объяснения:

1. мы не разделяли короткие и длинные ставки по ГКО. В то же время даже на развитых финансовых рынках эффект ликвидности лучше всего проявляется при анализе наиболее коротких (до трех месяцев) процентных ставок. Средневзвешенная доходность ГКО аналогична проценту со сроком от трех до шести месяцев (по дюрации рыночного портфеля);
2. исследуемые ряды не имеют достаточного числа наблюдений (не более пяти лет), поэтому мы были ограничены при выборе глубины авторегрессионных членов четырьмя месяцами. Таким образом, отсутствовала возможность проверки гипотезы нейтральности шоков денежного предложения, по крайней мере, в пределах периода их влияния на уровень цен (до девяти месяцев);
3. на протяжении рассматриваемого периода рынок испытывал значительное число других шоков, помимо денежных, влияние которых невозможно отсечь, не уменьшая число наблюдений. К числу таких шоков мы относим, в частности, периоды усиления политической неопределенности и шоки бюджетной политики.

§5.2. Влияние бюджетной политики на доходность ГКО: проявление эффекта ликвидности на российском рынке государственных облигаций

Рассматривая влияние бюджетной политики на уровень доходности государственных долговых обязательств, необходимо учитывать несколько аспектов .

Во-первых, увеличение дефицита государственного бюджета вынуждает правительство выходить на финансовый рынок с предложением новых ценных бумаг. Рост предложения ведет к повышению стоимости заимствования. Помимо последующего увеличения доли государственных расходов, идущих на обслуживание и погашение долга, этот процесс негативно влияет на экономику через так называемый эффект вытеснения (crowding out), то есть замещение частных заимствований государственными и уменьшение частных заимствований из-за повышения уровня процента.

Во-вторых, рост государственного долга ведет к росту процентной ставки вследствие увеличения риска дефолта, высокой вероятности развития событий, при котором государство окажется неспособным выполнять в будущем растущие обязательства в полном объеме.

В-третьих, повышение процентных ставок может быть связано с эффектом отложенной инфляции. Эта проблема особенно актуальна в ситуации, когда рыночное финансирование дефицита бюджета является составной частью программы по борьбе с инфляцией. Как отмечалось выше, при высоких заимствованиях государство сталкивается в будущем с необходимостью расходовать все больше средств на погашение и обслуживание долга. При достижении предельного уровня платежеспособности правительство имеет возможность либо отказаться от выполнения обязательств (дефолт), либо прибегнуть к дополнительной эмиссии, обесценивая долг в реальном выражении .

В-четвертых, необходимость размещения новых государственных облигаций в условиях перманентного первичного дефицита и ограниченного спроса со стороны участников рынка заставляет министерство финансов более агрессивно действовать на первичных аукционах. Превышение предложения новых ценных бумаг сверх ожидаемого объема приводит к повышению доходности на аукционе по сравнению с уровнем, связанным с фундаментальными факторами (долговременная реальная ставка плюс ожидаемая инфляция).

Эмпирический анализ российского рынка государственного долга не выявил наличие статистически значимой взаимосвязи между уровнем реальной ставки по ГКО, дефицитом федерального бюджета и увеличением объема долга . На наш взгляд, это может быть связано прежде всего с малым числом наблюдений на временном интервале, когда проводилась политика финансирования дефицита государственного долга преимущественно за счет заимствования на внутреннем финансовом рынке (со второго квартала 1995 года до первого квартала 1998 года). Качественный анализ рынка (см. главу 1) показывает, что на отдельных периодах зависимость имела место (вторая половина 1995 года, 1996 год, лето 1997 года , первая половина 1998 года), но данная гипотеза не поддается проверке на основе эконометрических методов из-за малого числа наблюдений.

В данном параграфе мы рассмотрим влияние бюджетной политики через изменения потребности Министерства финансов РФ по привлечению средств в бюджет на основе анализа поведения эмитента на аукционах. Теоретически данный подход базируется на моделях предпочтения ликвидности (см. Приложение 1). Предыдущие исследования данного вопроса подтвердили справедливость гипотезы о проявлении эффекта ликвидности на рынке ГКО-ОФЗ (Дробышевский, 1998). Однако в указанной работе рассматривался только 1995 год . Здесь анализируется весь период, когда регулярно (еженедельно) проводились аукционы по размещению государственных краткосрочных облигаций: с января 1995 года по май 1998 года .

Для анализа эффекта ликвидности мы рассмотрим динамику трех переменных: отношение средневзвешенной доходности к погашению на аукционе к средневзвешенной за данную неделю доходности на вторичных торгах по всем сериям облигаций (RR); отношение объема (по номиналу) размещенных на аукционе облигаций к первоначальному спросу, заявленному инвесторами (VID); отношение выручки Министерства финансов РФ на аукционе к первоначальному спросу (GID).

Первая переменная отражает степень влияния министерства финансов на ожидаемую номинальную ставку процента по ГКО. Как было отмечено в главе 2, доходность облигаций на вторичном рынке в большей степени соответствует рыночной ставке процента, тогда как доходность на аукционе находится под сильным влиянием Министерства финансов РФ. В этом случае значение переменной означает негативный шок в политике эмитента для инвесторов: превышение объема привлеченных средств по сравнению с суммой, которую инвесторы были согласны вложить в облигации в условиях ограничения ликвидности. В последующие торговые дни влияние эффекта ликвидности (повышение уровня доходности) распространяется и на вторичный рынок. Однако, поскольку мы рассматриваем средневзвешенную за неделю доходность, данный импульс нивелируется результатами торгов в дни до аукциона, и аукционная ставка остается выше средней ставки на вторичных торгах.

Две последние переменные являются условными индикаторами для отражения соотношения объема привлеченных у инвесторов средств (числитель) и ограничения ликвидности у них (знаменатель). Данные переменные являются аналогами соответствующей переменной (q) в модели Лукаса (Lucas, 1990). Более высокое значение переменной должно приводить к росту отношения ставок (RR), т. е. мы ожидаем положительный знак у коэффициента в регрессионном уравнении.

На рисунке 5.2 приведены графики динамики отношения RR и двух показателей аукционных шоков - VID и GID. Отношение доходности к погашению на аукционе к доходности на вторичном рынке практически на всем временном интервале превосходило единицу. Исключением являются периоды в первой половине 1995 года и весной-летом 1997 года. Как уже было отмечено, лето 1997 года было единственным периодом снижения активности эмитента. На рисунке прослеживается положительная взаимосвязь между отношением доходностей и индикаторами аукционных шоков.

Рисунок 5.2*

Анализ временного ряда отношения доходностей показывает, что его динамика соответствует стационарному авторегрессионному процессу второго порядка. Автокорреляционная и частная автокорреляционная функции показаны на рисунке 5.3. Тест на единичные корни отвергает гипотезу на 5% уровне значимости: статистика расширенного теста Дикки-Фуллера равна -3,055 (критическое значение -2,879).

Рисунок 5.3.

Оценки моделей 1 и 2 приведены в таблице 5.1. Анализ статистик моделей позволяет сделать следующие выводы:

• показатели аукционных шоков являются значимыми факторами, определяющими колебания доходности на аукционе по отношению доходности на вторичных торгах. Оценки соответствующих коэффициентов в обеих моделях статистически значимы на 95% уровне и имеют предполагаемый (положительный) знак;
• оценки моделей не позволяют однозначно определить какой из двух показателей аукционных шоков является более предпочтительным. Коэффициент при переменной VID в модели 2 имеет более высокую
• статистику по сравнению с коэффициентом при GID, однако, коэффициент множественной детерминации у модели 1 несколько выше .

Таблица 5.1*

 

	Модель 1 (GID)	Модель 2 (VID)
	0,324 (4,80)	0,416 (6,68)
	0,669 (13,43)	0,601 (12,77)
	0,095 (2,42)	0,052 (2,78)
119;	0,003 (4,42)	0,003 (1,04)
97;	0,233 (3,34)	0,301 (4,04)
98;	-0,289 (-4,72)	-0,274 (-2,15)
103;	0,788 (30,37)	0,739 (5,77)
103;	0,788 (30,37)	0,739 (5,77)
Число наблюдений	171	171
R2	0,414	0,413
Нормированный R2	0,393	0,391
F-статистика	19,34	19,21
AIC	-1,698	-1,717
BIC	-1,570	-1,588
Q-статистика Бокса-Льюнга (16 лагов)	20,44	24,68