Крупнейшие публичные нефтяные компании: влияние внешних и внутренних факторов на капитализацию

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.

1. Макаров 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.

2. 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.2004.09.022

3. Chang 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=pdf

4. Sanusi 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.2016.04.005

5. Diaz 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.2016.09.010

6. Kang 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.2016.10.003

7. Swaray 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.2018.05.007

8. 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.

9. 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.12064

10. MacDiarmid 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.2017.09.008

11. Osmundsen P., Asche F., Misund B., Mohn K. Valuation of international oil companies. The Energy Journal. 2006;27(3):49–64.

12. 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.

13. Моргунов А.В. Моделирование вероятности дефолта инвестиционных проектов. Корпоративные финансы. 2016;10(1):23–45. DOI: 10.17323/j.jcfr.2073-0438.10.1.2016.23-45

14. Hoechle D. Robust standard errors for panel regressions with cross-sectional dependence. The Stata Journal. 2007;7(3):281–312. DOI: 10.1177/1536867X0700700301

15. Driscoll 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: 10.1162/003465398557825

16. Hashem Pesaran M. General diagnostic tests for cross section dependence in panels. IZA Discussion Paper. 2004;(1229). URL: http://ftp.iza.org/dp1240.pdf

17. De Hoyos R. E., Sarafidis V. Testing for cross-sectional dependence in panel-data models. The Stata Journal. 2006;6(4):482–496. DOI: 10.1177/1536867X0600600403

18. Wooldridge J.M. Econometric analysis of cross section and panel data. Cambridge, MA: The MIT Press; 2010. 1096 p.

19. Baum C. F. Residual diagnostics for cross-section time series regression models. The Stata Journal. 2001;1(1):101–104. DOI: 10.1177/1536867X0100100108