Assessment of the influence of carbon risk on the Russian financial system.pdf Переход к низкоуглеродной экономике и сопутствующие ему «углеродные» риски Переход к низкоуглеродной экономике несет для компаний финансовые риски, связанные с необходимостью адаптации к новым условиям. Таким образом, «углеродный» риск «... представляет собой оценку риска, который субъект экономической деятельности должен нести, делая свой стратегический выбор в отношении учета внешних факторов окружающей среды, связанных с его деятельностью» [1]. Введение цены на углерод влечет за собой снижение стоимости акций углеродоемких компаний, вынуждая снижать объемы производства, что ставит перед инвесторами задачу оценки климатических рисков с целью их контроля в своих портфелях. Одним из классических подходов для оценки финансовых рисков являются регрессионные многофакторные модели. Из наиболее известных работ, посвященных этим вопросам, является работа Ю. Фамы и К. Френча, описывающая построение трехфакторной модели, которая позволила объяснить разницу в доходностях активов не только с помощью рыночного риска, как было принято до этого в модели CAPM, но и с помощью двух других ранее не учтенных факторов, связанных с риском из-за капитализации компании и ее стоимости, опубликованная в 1992 г. [3]. Ю. Фама и К. Френч заметили, что для акций, на которых проводилось исследование14, лучший объясняющий эффект имеет комбинация двух переменных - величина рыночной капитализации компании и показатель, отражающий отношение цены актива к его рыночной стоимости. Многофакторная модель Фамы-Френча Акции компаний были сгруппированы в 25 портфелей исходя из их размера и отношения балансовой стоимости к рыночной. Компании были независимо разделены на две равные группы по медиане капитализации (small и big), а также на три группы по показателю book-to-market equity: нижние - 30% (low), средние - 40% (medium) и верхние - 30% (high). Получившиеся портфели представлены в табл. 1. Таблица 1. Портфели, составленные по рыночной капитализации и соотношению book-to-market Low Medium High Small S/L S/M S/H Big B/L B/M B/H Источник: составлено авторами на основе статьи Fama, French (1993). В этих условиях уравнение трехфакторной модели Фамы-Френча имеет следующий вид: Ri(t) = Rft) + pmkt,/ * MKT(t) + * SMB(t) + phm; * HML(t), (1) где Ri - ожидаемая доходность актива; Rf - доходность безрискового актива; MKT (market) - премия за рыночный риск; втки, ₽smb,/, вш,/ - коэффициенты чувствительности к соответствующим факторам. Фактор SMB (small minus big) по своей сути представляет имитирующий портфель (портфель безрискового заимствования) для отражения риска, связанного с размером компании. Он рассчитывается как разница средних доходностей портфелей с маленькой и большой капитализацией и примерно одинаковым отношением book-to-market: SMB = 1/3 * (S/L + S/M + S/H) - 1/3 * (B/L + B/M + B/H). (2) Фактор HML (high minus low) отражает риск, связанный с оценкой компании рынком. Рассчитывается аналогично предыдущему фактору - как разница средних доходностей портфелей акций с самой высокой и самой низкой стоимостью к рыночной: HML = У * (S/H + B/H) - У * (S/L + B/L). (3) Таким образом, имитирующий портфель - это портфель активов, построенный для отражения чувствительности актива к какому-либо фактору риска. Методика построения BMG-фактора Процесс построения BMG-фактора, предложенный в рамках проекта CARIMA (carbon risk management) для анализа чувствительности доходностей активов к «углеродному» риску [3], представлял собой доходности имитирующего портфеля и основывался на общедоступных рыночных данных о ценах акций компаний. Для определения составляющих портфеля предварительно необходимо разделить компании на группы по степени их экологичности, для чего авторы составили собственный экологический рейтинг, вычислив для каждой компании индивидуальный BGS (brown-дгееп^соге)-фактор. В рейтинг были включены только те компании, акции которых размещены на локальном рынке (т.е. выполнено условие первичного листинга), также компании с высокой капитализацией (т.е. обеспечено условие ликвидности активов) и компании нефинансового сектора (финансовый сектор меньше других отраслей подвержен «углеродному» риску). Использованные данные были получены из 4 основных баз данных ESG15 за период с января 2010 г. по декабрь 2017 г. Из 785 ESG-переменных авторы исключили факторы, отвечающие за социальные и управленческие аспекты, получив 363 фундаментальные переменные, потенциально описывающие экологические риски. Среди них только 131 переменная напрямую относится к углероду и проблеме изменения климата. Для построения BGS было выбрано 10 экологических переменных, потенциально имеющих наибольшее влияние на финансовый рынок. Эти переменные были разделены на три группы, являющиеся факторами подверженности компании «углеродному» риску: «цепочка ценности» (value chain), «общественная оценка экологичности» (public perception) и «адаптационная гибкость производства» (adaptability). При вычислении BGS выделение переменных в разные группы позволило установить различные весовые коэффициенты для каждой из групп, считая переменные внутри группы в равной степени весомыми друг относительно друга. Под «цепочкой ценности» авторы понимают переменные, отражающие текущий уровень выбросов углерода в производственном цикле и в последующей цепочке поставок компании. Снижение текущего уровня выбросов компаний является основной целью потенциального введения мер регулирования выбросов. «Адаптационная гибкость производства» объединяет переменные, отражающие способность компании быстро приспосабливать производство к новым условиям, в частности при введении ограничений на выбросы углерода. Каждой из 10 отобранных переменных авторы присвоили бинарные значения, сравнивая величину для отдельной компании с медианой среди всех компаний (больше, чем медиана, - 1, меньше - 0) и усредняя для каждого месяца внутри трех групп, получили показатели каждой группы для каждой компании за обозначенный период времени. Эти показатели используются в уравнении (4) для оценки BGS для каждой компании. Уравнение представляет собой взвешенную сумму полученных показателей, где веса отражают силу влияния конкретного фактора на подверженность компании риску. Предполагалось, что наибольший вес должна иметь «цепочка ценности» (value chain), так как именно она в первую очередь связана с финансовыми потерями от введения мер регулирования. Остальным показателям присвоены равные веса16: BGSi,t = 0,70 Value Chaini,t + 0,15 Public Perceptioni,t + 0,15 Adaptabilityi,t. (4) Полученные для каждой компании значения BGS лежат в интервале от нуля до единицы, где 0 - это «зеленые» компании, а 1 - «коричневые». После определения уровня экологичности отдельно взятых компаний авторы делят их на портфели, чтобы впоследствии получить BMG-фактор. Это соответствует подходу Фамы-Френча, в рамках которого с помощью независимых сортировок компаний по двум признакам выделяется 6 портфелей: две равные группы, разделенные по медиане капитализации (small и big), а также на три группы по показателю book-to-market equity: нижние -30% (low), средние - 40% (medium) и верхние - 30% (high). Таблица 2. Портфели, составленные по рыночной капитализации и уровню экологичности компании Green Neutral Brown Small S/G S/N S/B Big B/G B/N B/B Источник: составлено авторами на основе статьи Gorgen (2019). Выделив акции в 6 портфелей (табл. 2), авторы посчитали их доходности, а затем определили сам BMG-фактор: BMG = */2 * (S/B + B/B) - */2 * (S/G + B/G), (5) где доходности каждого портфеля одинаковым образом средневзвеше-ны по рыночной капитализации компаний, что, в отличие от равных весов, лучше отражает ситуацию на рынке. Так, BMG-фактор является имитирующим портфелем, который отражает риск, связанный с уровнем экологичности компании, и может быть включен в качестве дополнительного фактора риска для лучшего объяснения доходности акций. Данные представлены в виде месячных доходностей с января 2010 г. по декабрь 2018 г. Учет и анализ чувствительности к «углеродному» риску Для учета BMG-фактора нами были загружены месячные доходности факторных портфелей для глобальной модели Фамы-Френча, опубликованные на сайте К. Френча. Рыночные котировки акций российских компаний, торгуемых на Московской бирже, были получены с помощью сервиса Yahoo Finance. Рыночные цены были конвертированы в американский доллар по биржевому курсу. Всего котировки были получены для 206 компаний, из которых было отобрано 100 самых ликвидных. Будем использовать модель Фамы-Френча с добавлением BMG-фактора: R(t) = a, + lU/ * MKT(t) + psmb,,- * SMB(t) + Щ, * HML(t) + + pbmg./ * BMG(t) + c, (6) Под оценкой подверженности и чувствительности к «углеродному» риску будем понимать ebmg - оценку коэффициента при BMG-факторе в модели (6). Отметим, что нами используются факторы, составленные по выборке компаний со всего мира. Согласно статье Фамы и Френча глобальные многофакторные модели имеют худшую объясняющую способность по сравнению с моделями, индивидуально построенными для имеющейся выборки [4]. Тем не менее для корректного использования BMG-фактора необходимо, чтобы все факторы риска в модели были построены с применением одинаковой выборки данных, что обязывает нас учитывать глобальные факторы Фамы-Френча. Также в связи с тем, что нами используются глобальные факторы риска, соответствующие коэффициенты в модели имеют смысл чувствительности к глобальным экономическим явлениям, которые, согласно нашим предположениям, должны оказывать эффект и на российские компании. Начнем анализ с объяснения доходностей фондового индекса MSCI Russia с помощью модели (6). Индекс торгуется в американских долларах и представляет взвешенный по капитализации портфель 24 крупнейших российских компаний, составляющих 85% капитализации рынка России. При оценке классической модели Фамы-Френча (1) значимыми оказываются только факторы, связанные с рынком и стоимостью компании. В модели (6) также значим рыночный фактор (на 1% уровне) и BMG-фактор (на 1% уровне) с коэффициентом ebmg, равным 1,55, но при этом не значим ни один из факторов модели Фамы-Френча. Исправленный R17 у модели (6) больше на 0,1, критерий Акаике меньше на 18 единиц, что позволяет заключить об относительно лучшей объясняющей способности модели, включающей в себя BMG-фактор. Таблица 3. Сравнение моделей Фамы-Френча с BMG-фактором и без него Зависимая переменная: MSCI Russia (1) (2) MKT 1,519*** 1,445*** (0,188) (0,171) SMB 0,479 -0,113 (0,502) (0,472) HML 0,678* 0,178 (0,378) (0,359) BMG 1,555*** (0,339) Constant -0,008 -0,004 (0,007) (0,006) Observations 95 95 R17 2 0,435 0,542 Adjusted R17 0,417 0,522 AIC -252,033 -269,953 Residual Std. Error 0,062 (df = 91) 0,056 (df = 90) F Statistic 23,398*** (df = 3; 91) 26,653*** (df = 4; 90) внутри каждого сектора. Пунктирная черта обозначает медианное значение коэффициента ebmg среди всех компаний в выборке. Consumer Defensive * Healthcare - Real Estate - Consumer Cyclical -g- Basic Materials t m

Скачать электронную версию публикации