Aнализът на зависимостите между фондовият индекс на Виенската фондова борса ATX и на черногорския фондов индекс Monex20 показва следното:
Taблица 54:
Въведени/отстранени променливиb
|
Model
|
Variables Entered
|
Variables Removed
|
Method
|
1
|
ATXa
|
.
|
Enter
|
a. Всички изискуеми променливи са въведени.
|
b. Зависима променлива: Montenegro_index Monex20
|
|
Таблица 55:
Обобщение на моделаb
|
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
Durbin-Watson
|
1
|
,651a
|
,424
|
,410
|
6966,64715
|
,665
|
a. Независима променлива: (Constant), ATX
|
b. Зависима променлива: Montenegro_index Monex20
|
От таблица 55 се вижда, че коефициента на корелация между независимата променлива фондов индекс на Австрия АТХ и зависимата променлива фондов индекс на Черна гора е 0,651, което е показателно за средна корелационна зависимост. От друга страна, коефициента на детерминация показва, че 42 % от изменението в черногорския фондов индекс се дължи на вариация в стойността на австрийския индекс. Коригираният коефициент на детерминация е 0,410 и следователно 41 % от тези изменения в зависимата променлива се обясняват с регресионния модел.
Taблица 56:
ANOVAb
|
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
1
|
Regression
|
1,499E9
|
1
|
1,499E9
|
30,882
|
,000a
|
Residual
|
2,038E9
|
42
|
4,853E7
|
|
|
Total
|
3,537E9
|
43
|
|
|
|
a. Независима променлива: (Constant), ATX
|
b. Зависима променлива: Montenegro_index MONEX20
|
Таблица 56 потвърждава адекватността на регресионния модел, тьй като Sig. 0,000 < α =0,05.
Таблица 57:
Коефициентиa
|
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
|
B
|
Std. Error
|
Beta
|
t
|
Sig.
|
1
|
(Constant)
|
-4839,908
|
3536,839
|
|
-1,368
|
,178
|
ATX
|
6,659
|
1,198
|
,651
|
5,557
|
,000
|
a. Зависима променлива: Montenegro_index MONEX20
|
Съгласно таблица 57 коефициента b1 показва, че нарастването на австрийския фондов индекс с единица води до нарастване на черногорския фондов индекс с 6,659 единици. Коефициентът b1 е статистически значим, защото Sig. 0,000 < α =0,05.
Таблица 58:
Коефициентиa
|
Model
|
95,0% Confidence Interval for B
|
Lower Bound
|
Upper Bound
|
1
|
(Constant)
|
-11977,538
|
2297,722
|
ATX
|
4,241
|
9,077
|
a. Зависима променлива: Montenegro_index MONEX20
|
Таблица 58 показва че в доверителен интервал от 95 %, изменението на австрийския фондов индекс с единица води до изменение на черногорския фондов индекс между 4,241 и 9,077 единици.
Анализът на зависимостта между дългосрочните лихвени проценти по ДЦК на Черна гора и Австрия показва следното:
Таблица 59:
Въведени/отстранени променливиb
|
Model
|
Variables Entered
|
Variables Removed
|
Method
|
1
|
Austrian_LTIRa
|
.
|
Enter
|
a. Всички изискуеми променливи са въведени
|
b. Зависима променлива: Montenegrin_LTIR
|
Таблица 60:
Обобщение на моделаb
|
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
Durbin-Watson
|
1
|
,082a
|
,007
|
-,019
|
2,62909
|
2,633
|
a. Независима променлива: (Constant), Austrian_LTIR
|
b. Зависима променлива: Montenegrin_LTIR
|
От таблица 60 се вижда, че коефициента на корелация между независимaта променлива дългосрочен лихвен процент (ДЛП) по ДЦК на Австрия и зависимата променлива дългосрочен лихвен процент по ДЦК на Черна гора е 0,082, което е показателно за слаба корелационна зависимост. От друга страна, коефициента на детерминация показва, че само под 1 % от изменението в ДЛП по ДЦК на Черна гора се дължи на вариация в стойността на ДЛП по ДЦК на Австрия.
Таблица 61:
ANOVAb
|
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
1
|
Regression
|
1,784
|
1
|
1,784
|
,258
|
,614a
|
Residual
|
262,661
|
38
|
6,912
|
|
|
Total
|
264,445
|
39
|
|
|
|
a. Независима променлива: (Constant), Austrian_LTIR
|
b. Зависима променлива: Montenegrin_LTIR
|
Таблица 61 относно проверката на хипотезата за адекватността на регресионния модел показва, че емпиричната характеристика Fstat е 0,258 при теоретична стойност за α = 0.05 от таблиците на F – разпределението 4,17. След като Fstat < Fcritical, нулевата хипотеза H0 не може да бъде отхвърлена и правим заключение, че между ДЛП по ДЦК на Австрия и ДЛП по ДЦК на Черна гора не съществува статистически значима зависимост. Това се потвърждава и от Sig. 0,614 > α = 0.05.
Емпиричен анализ на капиталовия пазар на Бивша Югославска Република Македония
От Приложение 2 (вж. стр.233) е видно, че има четири корелационни коефициенти, които са статистически значими, тъй като за тях Sig.(2-tail) <α = 0,05 и това са:
брутно капиталообразуване като % от БВП и брутни спестявания като % от БВП;
външен дълг в млрд. долари и брутни спестявания като % от БВП;
инфлация (потребителски цени) и лихвен процент по депозити;
лихвен процент по кредити и лихвен процент по депозити.
Тъй като всичките четири по-горе корелационни коефициенти имат стойности r > 0,7, оттук следва, че може да се приложи методът на стъпковата множествена регресия.
Получени са следните резултати:
Таблица 62:
Обобщение на моделаc
|
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
Durbin-Watson
|
1
|
,846a
|
,716
|
,659
|
6,07736E5
|
|
2
|
,983b
|
,966
|
,949
|
2,35620E5
|
2,221
|
a. Независима променлива: (Constant), Разходи за НИРД (R_and_D_expenditure)
b. Независими променливи: (Constant), Разходи за НИРД, ръст на БВП (R_and_D_expenditure, GDP_growth)
c. Зависима променлива: Пазарна капитализация (Market_Capitalization)
|
При анализа на икономическите фактори, които оказват влияние върху капиталовия пазар на Македония, се установява, че на втора стъпка в множествения регресионен анализ остават независимите променливи разходи за НИРД и ръст на реалния БВП.
От таблица 62 се вижда, че коефициента на корелация между независимите променливи разходи за НИРД и ръст на реалния БВП и зависимата променлива пазарна капитализация на втора стъпка от множествения регресионен анализ е 0,983, което е показателно за силна корелационна зависимост. От друга страна, коефициента на детерминация показва, че 97 % от изменението в пазарната капитализация на македонския капиталов пазар се дължи на вариация в стойността на двете независими променливи. Коригираният коефициент на детерминация е 0,949 и следователно 95 % от тези изменения в зависимата променлива се обясняват с регресионния модел.
Таблица 63:
ANOVAc
|
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
1
|
Regression
|
4,651E12
|
1
|
4,651E12
|
12,593
|
,016a
|
Residual
|
1,847E12
|
5
|
3,693E11
|
|
|
Total
|
6,498E12
|
6
|
|
|
|
2
|
Regression
|
6,276E12
|
2
|
3,138E12
|
56,521
|
,001b
|
Residual
|
2,221E11
|
4
|
5,552E10
|
|
|
Total
|
6,498E12
|
6
|
|
|
|
a. Независими променливи: (Constant), Разходи за НИРД (R_and_D_expenditure)
|
b. независими променливиs: (Constant), Разходи за НИРД, ръст на БВП ( R_and_D_expenditure, GDP_growth)
c. Зависима променлива: Пазарна капиталзация (Market_Capitalization)
|
От таблица 63 проверката на хипотезата за адекватността на регресионния модел показва, че емпиричната характеристика на втора стъпка е Fstat е 56,521 при теоретична стойност за α = 0.05 от таблиците на F – разпределението 3,68. След като Fstat > Fcritical, нулевата хипотеза H0 се отхвърля и правим заключение, че между независимите променливи разходи за НИРД и ръст на реалния БВП и зависимата променлива пазарна капитализация съществува корелационна зависимост, и че регресионния модел е адекватен. Това се потвърждава и от Sig. 0.001 < α = 0.05.
Таблица 64:
Коефициенти
|
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
95,0% Confidence Interval for B
|
B
|
Std. Error
|
Beta
|
Lower Bound
|
Upper Bound
|
1
|
(Constant)
|
7878538,291
|
2079223,477
|
|
3,789
|
,013
|
2533724,189
|
1,322E7
|
R_and_D_expenditure
|
-3,422E7
|
9643649,465
|
-,846
|
-3,549
|
,016
|
-5,901E7
|
-9431956,534
|
2
|
(Constant)
|
6980631,210
|
823030,174
|
|
8,482
|
,001
|
4695533,112
|
9265729,307
|
R_and_D_expenditure
|
3,410E7
|
3738930,065
|
-,843
|
-9,120
|
,001
|
-4,448E7
|
-2,372E7
|
GDP_growth
|
225205,854
|
41630,651
|
,500
|
5,410
|
,006
|
109620,638
|
340791,070
|
а.Зависима променлива: Пазарна капитализация (Market_Capitalization)
|
От таблица 64 за проверка на хипотезата относно регресионните коефициенти b1 и b2 установяваме, че b0 = 6,980,631.210, b1= 34,100,000 и b2 = 225,205.854. Коефициентът b1 отчита, че при всяко нарастване на разходите за НИРД с единица, може да се очаква нарастване на пазарната капитализация на македонската фондова борса с 34,100,000 единици. От друга страна, коефициентът b2 показва, че при всяко нарастване на БВП с една единица може да се очаква нарастване на пазарната капитализация с 225,205,854 единици.
Емпиричната характеристика на b1 е tstat = -9,120, докато теоретичната стойност при двустранна критична област, критично равнище на значимост α = 0.05 и степени на свобода 16 е -1,7459. След като tstat = -9,120> tcritical = -1,7459, отхвърляме нулевата хипотеза Ho и заключаваме, че регресионния коефициент b1 може да се смята за статистически значим.
От друга страна, емпиричната характеристика на b1 e tstat = 5,410 при теоретична стойност 1,7459 и следователно правим заключение за статистическата му значимост, която се потвърждава и от Sig.0.006 < α = 0.05.
В емпирично изследване26 на влиянието на фактори върху развитието на българския капиталов пазар (ПЧИ, БВП, лихвени проценти, разходи за научноизследователска и развойна дейност, индекс на законовите права27) се устаноявява, че само показателите БВП и индекс на законовите права (ИЗП) са статистически значими за пазарната капитализация на фондовата борса в България. Относно влиянието на БВП върху развитието на капиталовите пазари редица други изследвания (Demirguc – Kunt and Levine (1996a), Singh (1997), Levine & Zervos (1998))28, също потвърждават положителната двупосочна връзка между икономическия растеж и развитието на фондовите пазари в дългосрочен период. Така например, БФБ – София АД отчита най-високи равнища на пазарна капитализация през годните, в които реалния БВП расте. Следователно за борсите е важно да се възползват от тази положителна зависимост, особено чрез мерки за привличане на местни и чуждестранни инвеститори (например чрез кръстосани листвания на акции на компании).
От друга страна, зависимостта между разходите за НИРД и пазарната капитализация е изследвана от Lev & Sougiannis (1996), които достигат до заключение, че извършените разходи за НИРД могат да влияят върху текущите оперативни резултати в зависимост от индустрията, в която оперират фирмите. Разходите за НИРД се концентрират основно в технологични и наукоемки индустрии. Така например в САЩ за периода 1975-1995 г. Chan et al (2001) са установили, че ИТ секторът е извършил разходи за НИРД, които съставляват около 17 % от продажбите в сектора, докато за фармацевтичната индустрия – НИРД съставляват около 12 % от продажбите. В тяхното изследване, което включва всички листвани компании на NYSE, AMEX и NASDAQ те констатират, че фирмите с висок дял на разходите за НИРД реализират средно възвращаемост от порядъка на 26.47 % през първата година след инвестицията, сравнена с 19.87 % за фирми, които не са инвестирали в НИРД и тези високи стойности на възвращаемост се запазват в продължение на три години след това. Според Eberhart et al. (2004) съществува положителна връзка между оперативните приходи до пет години след извършени разходи за НИРД, тоест има един лагов период между направените инвестиции и реализирането на рентабилност от тях. Ben Zion (1978) прилага модел, при които пазарната стойност на фирмата е повлияна от лаговите инвестиции в НИРД и установява положителна и значима зависимост между рентабилността, НИРД и пазарната стойност на фирмите. Освен него, Cockburn & Criliches (1988), като използват модели, основани на Tobin’s Q също откриват положително влияние на НИРД върху пазарната стойност (респективно пазарната капитализация) на фирмите. Според Mojtahedzadeh V. et al. (2010) увеличаването на разходите за НИРД с една единица води до нарастване на продажбите с около 14 %, което е установено и от Rockoff (2009), а Nissim D. (2000) установява, че всеки инвестиран долар в НИРД генерира около 1,30 долара бъдещи ползи (като анализът му включва всички фирми, листвани на NYSE и AMEX за период от 1977 г. до 1998 г.)
Сподели с приятели: |