Preview

Финансы: теория и практика/Finance: Theory and Practice

Расширенный поиск

Построение динамической нормативной модели рейтинговой оценки акций

https://doi.org/10.26794/2587-5671-2022-26-3-85-109

Полный текст:

Аннотация

Рейтинги получили широкое распространение в анализе акций, так как повышают информационную прозрачность, упрощают оценивание и принятие инвестиционных решений на фондовых рынках, повышают их результативность. Однако применение рейтингов сдерживается субъективными факторами, что обуславливает необходимость замены экспертных оценок объективными характеристиками. Цель исследования — формирование модели рейтинговой оценки акций, позволяющей получить дополнительную по отношению к  существующим методам рейтингования информацию о качественных характеристиках акций, обеспечивающей прозрачность методики присвоения рейтинга и ограничивающей влияние субъективизма, аффилированности и предвзятости эксперта-аналитика. На основе метода динамического норматива строится рейтинговая оценка, выражающая меру близости нормативного и фактического порядка темпов роста показателей, характеризующих инвестиционную привлекательность акций. При выборе текущих показателей для включения в  рейтинговую оценку в  работе адаптирован принцип их динамической сопоставимости (нормативной упорядоченности по темпам роста), предложенный И.М. Сыроежиным и успешно применяемый при анализе хозяйственных ситуаций. Авторы построили модель рейтинговой оценки акции, представляющей собой систему неравенств для темпов роста шести показателей (эталонный агрегированный индикатор — бенчмарк): рыночной цены акции, суммы дивидендов на одну акцию, чистой прибыли компании, выручки, собственного капитала, количества акций в обращении. Одним из достоинств разработанной модели является универсальность: она применима для любой отрасли, любого рынка, любой системы бухгалтерского учета. Решены проблемы: экспертного субъективизма и использования прогнозных значений, доступности исходной информации (показатели официальной отчетности). Отмечено ограничение модели — модель не применима для оценки новых компаний. Модель апробирована на составлении рейтингов обыкновенных акций из индекса ММВБ10 для однолетнего и пятилетнего периодов. Сравнительный анализ рейтингов показал, что более высокий рейтинг акций наблюдается в долгосрочном периоде. Это определяет и область применимости разработанной модели как инструмента анализа акций для долгосрочного фундаментального инвестирования.

Об авторах

А. С. Тонких
Государственный морской университет
Россия

Андрей Сергеевич Тонких — доктор экономических наук, доцент, профессор.

Новороссийск


Конфликт интересов:

авторы заявляют об отсутствии конфликта интересов



С. А. Тонких
Государственный морской университет
Россия

Светлана Анатольевна Тонких — кандидат экономических наук, преподаватель.

Новороссийск


Конфликт интересов:

авторы заявляют об отсутствии конфликта интересов



Е. Ю. Маслова
Филиал Кубанского государственного университета
Россия

Елена Юрьевна Маслова — преподаватель.

Новороссийск


Конфликт интересов:

авторы заявляют об отсутствии конфликта интересов



Список литературы

1. Adamczyk M. The impact of ratings and other information on the fluctuation of Polish stock indexes. Bank i Kredyt. 2020;51(3):239–262. URL: https://bankikredyt.nbp.pl/content/2020/03/BIK_03_2020_02.pdf

2. Ishigami S., Takeda F. Market reactions to stock rating and target price changes in analyst reports: Evidence from Japan. Journal of International Financial Markets, Institutions and Money. 2018;52:134–151. DOI: 10.1016/j.intfin.2017.09.014

3. Hong H., Kubik J.D. Analyzing the analysts: Career concerns and biased earnings forecasts. The Journal of Finance. 2003;58(1):313–351. DOI: 10.1111/1540–6261.00526

4. Lim T. Rationality and analysts’ forecast bias. The Journal of Finance. 2001;56(1):369–385. DOI: 10.1111/0022–1082.00329

5. Chan C.-Y., Lo H.-C., Su Y.-R. Distribution of stock ratings and analyst recommendation revision. The North American Journal of Economics and Finance. 2014;28:273–286. DOI: 10.1016/j.najef.2014.03.004

6. Ashour S., Hao G. Q. Do analysts really anchor? Evidence from credit risk and suppressed negative information. Journal of Banking & Finance. 2019;98:183–197. DOI: 10.1016/j.jbankfin.2018.11.006

7. Zhang C., Qian A., Shi X. The effect of affiliated analysts on stock recommendations: Evidence from share pledges in China. China Journal of Accounting Research. 2020;13(1):79–107. DOI: 10.1016/j.cjar.2020.02.001

8. Twedt B., Rees L. Reading between the lines: An empirical examination of qualitative attributes of financial analysts’ reports. Journal of Accounting and Public Policy. 2012;31(1):1–21. DOI: 10.1016/j. jaccpubpol.2011.10.010

9. Clement M.B., Tse S.Y. Financial analyst characteristics and herding behavior in forecasting. The Journal of Finance. 2005;60(1):307–341. DOI: 10.1111/j.1540–6261.2005.00731.x

10. Xue H. Independent and affiliated analysts: Disciplining and herding. The Accounting Review. 2017;92(4):243–267. DOI: 10.2308/accr 51631

11. Asghar M.Z., Rahman F., Kundi F.M., Ahmad S. Development of stock market trend prediction system using multiple regression. Computational and Mathematical Organization Theory. 2019;25(5):271–301. DOI: 10.1007/s10588–019–09292–7

12. Билев Н.А. Моделирование изменения цены биржевого инструмента на базе микроструктурных рыночных данных. Финансы: теория и практика. 2018;22(5):141–153. DOI: 10.26794/2587–5671–2018–22– 5–141–153

13. Meher B.K., Hawaldar I.T., Spulbar C., Birau R. Forecasting stock market prices using mixed ARIMA model: A case study of Indian pharmaceutical companies. Investment Management and Financial Innovations. 2021;18(1):42–54. DOI: 10.21511/imfi.18(1).2021.04

14. Sharma S., Kaushik B. Quantitative analysis of stock market prediction for accurate investment decisions in future. Journal of Artificial Intelligence. 2018;11(1):48–54. DOI: 10.3923/jai.2018.48.54

15. Алжеев А.В., Кочкаров Р.А. Сравнительный анализ прогнозных моделей ARIMA И LSTM на примере акций российских компаний. Финансы: теория и практика. 2020;24(1):14–23. DOI: 10.26794/2587– 5671–2020–24–1–14–23

16. Singh J., Khushi M. Feature learning for stock price prediction shows a significant role of analyst rating. Applied System Innovation. 2021;4(1):17. DOI: 10.3390/asi4010017

17. Asquith P., Mikhail M. B., Au A. S. Information content of equity analyst reports. Journal of Financial Economics. 2005;75(2):245–282. DOI: 10.1016/j.jfineco.2004.01.002

18. Gosiewska A., Kozak A., Biecek P. Simpler is better: Lifting interpretability-performance tradeoff via automated feature engineering. Decision Support Systems. 2021;150:113556. DOI: 10.1016/j.dss.2021.113556

19. Avramov D., Cheng S., Lior M. Machine learning versus economic restrictions: Evidence from stock return predictability. SSRN Electronic Journal. 2019. DOI: 10.2139/ssrn.3450322

20. Harvey C.R., Liu Y., Zhu H. …and the cross-section of expected returns. The Review of Financial Studies. 2016;29(1):5–68. DOI: 10.1093/rfs/hhv059

21. Cochrane J. H. Discount rates. The Journal of Finance. 2011;66(4):1047–1108. DOI: 10.1111/j.1540– 6261.2011.01671.x

22. Karminsky A., Polozov A. Handbook of ratings: Approaches to ratings in the economy, sports, and society. Cham: Springer-Verlag; 2016. 356 p. DOI: 10.1007/978–3–319–39261–5

23. Диго С.Н., Соколова А.М. Формирование фондового портфеля методом инвестиционного рейтинга. Вестник Российского экономического университета имени Г.В. Плеханова. 2018;(1):75–89. DOI: 10.21686/2413–2829–2018–1–75–89

24. Бадокина Е.А., Максименко О.И. Рейтинговый подход к оценке эффективности дивидендной политики публичных компаний России. Корпоративное управление и инновационное развитие экономики Севера: Вестник Научно-исследовательского центра корпоративного права, управления и венчурного инвестирования Сыктывкарского государственного университета. 2018;(4):36–46.

25. Горбунова Н.А. Использование методики рейтинговой оценки для анализа доходности и риска ценных бумаг публичных акционерных обществ. Казанский социально-гуманитарный вестник. 2016;(5):13–16.

26. Пятницкий Д.В. Рейтинговая и стоимостная оценки инвестиционной привлекательности компаний. Известия высших учебных заведений. Серия: Экономика, финансы и управление производством. 2018;(1):52–60.

27. Самсонов А.В., Васильев И.В. Анализ инвестиционной привлекательности предприятий нефтегазовой отрасли в России. Московский экономический журнал. 2020;(2):50. DOI: 10.24411/2413–046X 2020– 10088

28. Выгодчикова И.Ю. Инструментарий принятия решений об инвестировании крупных российских компаний с использованием иерархической процедуры ранжирования и минимаксного подхода. Прикладная информатика. 2019;14(6):123–137. DOI: 10.24411/1993–8314–2019–10054

29. Mallikarjuna M., Rao R.P. Evaluation of forecasting methods from selected stock market returns. Financial Innovation. 2019;5:40. DOI: 10.1186/s40854–019–0157-x

30. Różycki M. Inertia in assessing the possibilities of economic development: Limits in modelling economies. In: Sarfraz M., Adbullah M.I., Rauf A., Shah S.G.M., eds. Sustainable management practices. London: IntechOpen; 2019:65–76. DOI: 10.5772/intechopen.86351

31. Seth H., Talwar S., Bhatia A., Saxena A., Dhir A. Consumer resistance and inertia of retail investors: Development of the resistance adoption inertia continuance (RAIC) framework. Journal of Retailing and Consumer Services. 2020;55:102071. DOI: 10.1016/j.jretconser.2020.102071

32. Журавский Ю.А. Экономическая инерция и ускорение в методологии экономической динамики. Экономика и управление инновациями. 2019;(4):20–34. DOI: 10.26730/2587–5574–2019–4–20–34

33. Gunitsky S. Rival visions of parsimony. International Studies Quarterly. 2019;63(3):707–716. DOI: 10.1093/isq/sqz009

34. Becchio G. The two blades of Occam’s razor in economics: Logical and heuristic. Economic Thought. 2020;9(1):1–17. URL: https://core.ac.uk/download/pdf/326909303.pdf

35. Cohen M.R., Nagel E.An introduction to logic and scientific method. Germantown, MD: Hughes Press; 2013. 480 p.

36. Мамчур Е.А., Овчинников Н.Ф., Уемов А.И. Принцип простоты и меры сложности. М.: Наука; 1989. 304 с.

37. Ополев П.В. Логический принцип простоты в науках о сложности. Вестник Омского университета. 2014;(4):87–90.

38. Аникин А.В., Яшина Н.И., Кашина О.И., Прончатова-Рубцова Н.Н. Методические аспекты анализа зависимости валового регионального продукта высокотехнологичных отраслей от финансовых факторов в условиях экономики знаний. Фундаментальные исследования. 2019;(7):7–12.

39. Аллахвердов В.М., Кармин А.С., Шилков Ю.М. Введение в рубрику «История и философия науки». Методология и история психологии. 2007;2(1):227–230.

40. Сыроежин И.М. Совершенствование системы показателей эффективности и качества. М.: Экономика; 1980. 192 с.

41. Третьякова Е.А., Осипова М.Ю. Оценка показателей устойчивого развития регионов России. Проблемы прогнозирования. 2018;(2):24–35.

42. Полянская И.Г., Юрак В.В. Сбалансированность природопользования региона: оценка методом динамических нормативов. Экономика региона. 2018;14(3):851–869. DOI: 10.17059/2018–3–12

43. Biryukova V.V. Production system management based on a balanced development model. IOP Conference Series: Materials Science and Engineering. 2020;753:062014. DOI: 10.1088/1757–899X/753/6/062014

44. Погостинская Н.Н., Погостинский Ю.А., Власова М.С. Измерение стратегии социально-экономического развития Арктической зоны Российской Федерации. Арктика: экология и экономика. 2019;(1):21–33. DOI: 10.25283/2223–4594–2019–1–21–33

45. Казакова Н.А., Когденко В.Г. Мониторинг основных параметров экологической безопасности промышленного производства. Экология и промышленность России. 2021;25(3):60–65. DOI: 10.18412/1816– 0395–2021–3–60–65

46. Fernandez P. Valuation using multiples: Dispersion. Useful to compare and to negotiate. SSRN Electronic Journal. 2019. DOI: 10.2139/ssrn.274972

47. Raza H., Ramakrishnan S., Gillani S., Ahmad H. The effect of dividend policy on share price: A conceptual review. International Journal of Engineering and Technology. 2018;7(4):34–39. DOI: 10.14419/ijet. v7i4.28.22386

48. Тонких А.С., Ионов А.В., Ионов С.А. Методический инструментарий повышения рыночной стоимости фирмы и достижения баланса интересов. Аудит и финансовый анализ. 2013;(2):280–319.


Рецензия

Для цитирования:


Тонких А.С., Тонких С.А., Маслова Е.Ю. Построение динамической нормативной модели рейтинговой оценки акций. Финансы: теория и практика/Finance: Theory and Practice. 2022;26(3):85-109. https://doi.org/10.26794/2587-5671-2022-26-3-85-109

For citation:


Tonkikh A.S., Tonkikh S.A., Maslova E.Yu. Construction of a Dynamic Normative Model of the Stock Valuation Rating. Finance: Theory and Practice. 2022;26(3):85-109. https://doi.org/10.26794/2587-5671-2022-26-3-85-109

Просмотров: 59


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2587-5671 (Print)
ISSN 2587-7089 (Online)