financeФинансы: теория и практика/Finance: Theory and PracticeFinance: Theory and Practice2587-56712587-7089Financial University under The Government of Russian Federation10.26794/2587-5671-2019-23-5-87-100finance-906Research ArticleФИНАНСОВЫЕ РЫНКИ И БАНКИFINANCIAL MARKETS AND BANKSКрупнейшие публичные нефтяные компании: влияние внешних и внутренних факторов на капитализациюBiggest Public Oil Companies: Impact of External and Internal Factors on Capitalizationhttps://orcid.org/0000-0003-1407-2657НуреевР. М.NureevR. M.

Рустем Махмутович Нуреев — доктор экономических наук, профессор

Москва

Rustem M. Nureev — Dr. Sci. (Econ.), Professor

Moscow

nureev50@gmail.comhttps://orcid.org/0000-0002-9479-5275БусыгинЕ. Г.BusyginE. G.

Евгений Георгиевич Бусыгин — аспирант

Москва

Evgenii G. Busygin — Postgraduate Student

Moscow

 

egbusygin@edu.hse.ruФинансовый университет; Высшая школа экономикиРоссияFinancial University; Higher School of EconomicsRussian FederationВысшая школа экономикиРоссияHigher School of EconomicsRussian Federation20192410201923587100Copyright © Нуреев Р.М., Бусыгин Е.Г., 20192019Нуреев Р.М., Бусыгин Е.Г.Nureev R.M., Busygin E.G.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://financetp.fa.ru/jour/article/view/906

Оценка и поиск факторов, оказывающих влияние на капитализацию публичных нефтяных компаний, представляют большой интерес для исследователей. Рассмотрено влияние на стоимость акций нефтяных компаний различных внешних и внутренних факторов, включая: изменения стоимости нефти, движение фондовых индексов, колебания инфляции, финансовые и производственные показатели. Исследование включает построение моделей с расчетом стандартных ошибок по методу Дрисколла-Края на основе поквартальных данных по восьми крупнейшим публичным нефтяным компаниям, ведущим деятельность в upstream и downstream секторах, за период с I квартала 2006 г. по III квартал 2017 г. Впервые при построении модели по выявлению факторов, оказывающих влияние на рыночную капитализацию нефтяных компаний, использовались такие показатели, как суммарная добыча нефти странами ОПЕК, объем выбросов парниковых газов компаниями, суммарная доля акционерного капитала, принадлежащая крупнейшим институциональным инвесторам. Одним из ключевых результатов является вывод о том, что квартальные объемы добычи оказались самым значимым фактором, оказывающим положительное влияние на стоимость нефтяных фирм. То есть инвесторы закладывают в стоимость акций компаний идею компенсации потерь от снижения стоимости нефти за счет увеличения ее добычи и продажи большего объема. При этом такие показатели производственной эффективности, как рентабельность в сегментах upstream и downstream теряют свое значение в зависимости от рассматриваемого периода.

Estimate and search for factors that influence the capitalization of public oil companies are of great interest to researchers. The impact of various external and internal factors on the value of oil companies’ stocks was considered. This includes changes in oil prices, stock market index movements, inflation fluctuations, financial and production indicators. The study includes building models with calculated standard errors by the Driscoll-Kraay method based on quarterly data for the eight biggest public oil companies operating in the upstream and downstream segments, from the first quarter of 2006 to the third quarter of 2017. Such indicators as total oil production by OPEC countries, greenhouse gas emissions by companies, and the sum of shareholder’s funds owned by large institutional investors were used for the first time when building the model to identify factors affecting the market capitalization of oil companies. One of the key results is the conclusion that quarterly production volumes turned out to be the most significant factor having a positive impact on the cost of oil firms. That is, investors are laying the idea of compensating for losses from lowering the cost of oil by increasing its production and selling a larger volume in the value of shares in companies. At the same time, such indicators of production efficiency as profitability in the upstream and downstream segments lose their significance depending on the period under consideration.

капитализациянефтяная индустриядобыча и переработкафондовый рыноквнешние и внутренние факторыcapitalizationoil industrymining and processingstock marketexternal and internal factorsReferencesМакаров А.А., Григорьев Л.М., Митрова Т.А., ред. Прогноз развития энергетики мира и России 2016. М.: ИНЭИ РАН, АЦ при Правительстве РФ; 2016. 196 с.Makarov A.A., Grigor’ev L.M., Mitrova T.A., eds. Energy forecast for the world and Russia 2016. Moscow: ERIRAS, Analytical Center for the Government of RF; 2016. 196 p. (In Russ.).Lanza A., Manera M., Grasso M., Giovannini M. Long-run models of oil stock prices. Environmental Modelling & Software. 2005;20(11):1423–1430. DOI: 10.1016/j.envsoft.2004.09.022Lanza A., Manera M., Grasso M., Giovannini M. Long-run models of oil stock prices. Environmental Modelling & Software. 2005;20(11):1423–1430. DOI: 10.1016/j.envsoft.2004.09.022Chang C.L., McAleer M., Tansuchat R. Volatility spillovers between returns on crude oil futures and oil company stocks. 2009. URL: http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.1009.974&rep=rep1&type=pdfChang C.L., McAleer M., Tansuchat R. Volatility spillovers between returns on crude oil futures and oil company stocks. 2009. URL: http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.1009.974&rep=rep1&type=pdfSanusi M.S., Ahmad F. Modelling oil and gas stock returns using multi factor asset pricing model including oil price exposure. Finance Research Letters. 2016;18:89–99. DOI: 10.1016/j.frl.2016.04.005Sanusi M.S., Ahmad F. Modelling oil and gas stock returns using multi factor asset pricing model including oil price exposure. Finance Research Letters. 2016;18:89–99. DOI: 10.1016/j.frl.2016.04.005Diaz E.M., de Gracia F.P. Oil price shocks and stock returns of oil and gas corporations. Finance Research Letters. 2017;20:75–80. DOI: 10.1016/j.frl.2016.09.010Diaz E.M., de Gracia F.P. Oil price shocks and stock returns of oil and gas corporations. Finance Research Letters. 2017;20:75–80. DOI: 10.1016/j.frl.2016.09.010Kang W., de Gracia F. P., Ratti R. A. Oil price shocks, policy uncertainty, and stock returns of oil and gas corporations. Journal of International Money and Finance. 2017;70:344–359. DOI: 10.1016/j.jimonfin.2016.10.003Kang W., de Gracia F. P., Ratti R. A. Oil price shocks, policy uncertainty, and stock returns of oil and gas corporations. Journal of International Money and Finance. 2017;70:344–359. DOI: 10.1016/j.jimonfin.2016.10.003Swaray R., Salisu A.A. A firm-level analysis of the upstream-downstream dichotomy in the oil-stock nexus. Global Finance Journal. 2018;37:199–218. DOI: 10.1016/j.gfj.2018.05.007Swaray R., Salisu A.A. A firm-level analysis of the upstream-downstream dichotomy in the oil-stock nexus. Global Finance Journal. 2018;37:199–218. DOI: 10.1016/j.gfj.2018.05.007Edwards K., Jackson J.D., Thompson H.L. A note on vertical integration and stock ratings of oil companies in the U.S. The Energy Journal. 2000;21(2):145–151.Edwards K., Jackson J.D., Thompson H.L. A note on vertical integration and stock ratings of oil companies in the U.S. The Energy Journal. 2000;21(2):145–151.Bhaskaran K. R., Sukumaran S. K. An empirical study on the valuation of oil companies. OPEC Energy Review. 2016;40(1):91–108. DOI: 10.1111/opec.12064Bhaskaran K. R., Sukumaran S. K. An empirical study on the valuation of oil companies. OPEC Energy Review. 2016;40(1):91–108. DOI: 10.1111/opec.12064MacDiarmid J., Tholana T., Musingwini C. Analysis of key value drivers for major mining companies for the period 2006–2015. Resources Policy. 2018;56:16–30. DOI: 10.1016/j.resourpol.2017.09.008MacDiarmid J., Tholana T., Musingwini C. Analysis of key value drivers for major mining companies for the period 2006–2015. Resources Policy. 2018;56:16–30. DOI: 10.1016/j.resourpol.2017.09.008Osmundsen P., Asche F., Misund B., Mohn K. Valuation of international oil companies. The Energy Journal. 2006;27(3):49–64.Osmundsen P., Asche F., Misund B., Mohn K. Valuation of international oil companies. The Energy Journal. 2006;27(3):49–64.Ратникова Т.А. Анализ панельных данных в пакете STATA. Методические указания к компьютерному практикуму по курсу «Эконометрический анализ панельных данных». М.: ГУ-ВШЭ; 2004. 39 с.Ratnikova T.A. Analysis of panel data in the STATA package. Guidelines for computer practical training on the course “Econometric analysis of panel data”. Moscow: HSE Publ.; 2004. 39 p. (In Russ.).Моргунов А.В. Моделирование вероятности дефолта инвестиционных проектов. Корпоративные финансы. 2016;10(1):23–45. DOI: 10.17323/j.jcfr.2073-0438.10.1.2016.23-45Morgunov A.V. Modeling the probability of default of investment projects. Korporativnye finansy = Journal of Corporate Finance Research. 2016;10(1):23–45. (In Russ.). DOI: 10.17323/j.jcfr.2073-0438.10.1.2016.23-45Hoechle D. Robust standard errors for panel regressions with cross-sectional dependence. The Stata Journal. 2007;7(3):281–312. DOI: 10.1177/1536867X0700700301Hoechle D. Robust standard errors for panel regressions with cross-sectional dependence. The Stata Journal. 2007;7(3):281–312. DOI: 10.1177/1536867X0700700301Driscoll J. C., Kraay A. C. Consistent covariance matrix estimation with spatially dependent panel data. The Review of Economics and Statistics. 1998;80(4):549–560. DOI: 10.1162/003465398557825Driscoll J. C., Kraay A. C. Consistent covariance matrix estimation with spatially dependent panel data. The Review of Economics and Statistics. 1998;80(4):549–560. DOI: 10.1162/003465398557825Hashem Pesaran M. General diagnostic tests for cross section dependence in panels. IZA Discussion Paper. 2004;(1229). URL: http://ftp.iza.org/dp1240.pdfHashem Pesaran M. General diagnostic tests for cross section dependence in panels. IZA Discussion Paper. 2004;(1229). URL: http://ftp.iza.org/dp1240.pdfDe Hoyos R. E., Sarafidis V. Testing for cross-sectional dependence in panel-data models. The Stata Journal. 2006;6(4):482–496. DOI: 10.1177/1536867X0600600403De Hoyos R. E., Sarafidis V. Testing for cross-sectional dependence in panel-data models. The Stata Journal. 2006;6(4):482–496. DOI: 10.1177/1536867X0600600403Wooldridge J.M. Econometric analysis of cross section and panel data. Cambridge, MA: The MIT Press; 2010. 1096 p.Wooldridge J.M. Econometric analysis of cross section and panel data. Cambridge, MA: The MIT Press; 2010. 1096 p.Baum C. F. Residual diagnostics for cross-section time series regression models. The Stata Journal. 2001;1(1):101–104. DOI: 10.1177/1536867X0100100108Baum C. F. Residual diagnostics for cross-section time series regression models. The Stata Journal. 2001;1(1):101–104. DOI: 10.1177/1536867X0100100108

The authors declare that there are no conflicts of interest present.