Статья: ПЕРСПЕКТИВЫ ИСПОЛЬЗОВАНИЯ СОЛНЕЧНЫХ ЭЛЕКТРОСТАНЦИЙ В ЦЕНТРАЛЬНОЙ АЗИИ В УСЛОВИЯХ ЭНЕРГОПЕРЕХОДА (2024)

Классическая статья [Grossman, Stiglitz, 1980] показала, что равновесные цены на активы обязательно содержат некоторую степень неэффективности, когда информация стоит дорого. Более того, неэффективность должна снижаться с уменьшением информационных затрат. Однако ряд недавних эмпирических исследований ставят под сомнение постулат о том, что реальные финансовые рынки становятся более эффективными, несмотря на мнимый технологический прогресс и радикальное увеличение доступности информации. Ценообразование на финансовые активы сильно зависит от относительной доли богатства разнородных групп инвесторов, взаимодействующих на рынке, и недавняя область эволюционных финансов привела к появлению ряда исследований, показывающих, как динамика цен на активы развивается под влиянием эндогенно меняющихся популяций разнородных трейдеров. . Однако существует очень мало исследований, изучающих, как стоимость информации влияет на цены активов в эволюционном контексте. Поэтому мы конструируем эволюционную агентно-ориентированную модель финансового рынка с ограниченно рациональными трейдерами, которые учатся на собственном опыте. Мы проводим ряд вычислительных экспериментов с различной стоимостью информации и показываем, что даже при нулевой стоимости информации неосведомленные трейдеры могут выжить и даже доминировать на рынке за конечное время. Таким образом, при изначально низком уровне информационных издержек их незначительное снижение не обязательно приводит к повышению ценовой эффективности. Однако для более высоких начальных уровней стоимости информации наши результаты согласуются с результатами [Grossman, Stiglitz, 1980] в том смысле, что рост стоимости информации обычно приводит к тому, что информированные трейдеры вытесняются с рынка, а цены на активы становятся менее эффективными. Обсуждаются последствия наших выводов для регулирования финансового рынка.

В статье исследуется потенциал российского малого бизнеса и обсуждаются возможности его участия в реализации импортозамещающей стратегии развития российской экономики. Проведена оценка потенциала российского малого бизнеса и сформулированы два возможных сценария его динамики (инерционный и растущий). Выявлены особенности современного этапа функционирования сектора малого предпринимательства, в том числе неравномерность динамики числа субъектов малого бизнеса. Отмечен рост количества самозанятых как неформального крыла этого сектора. На базе международных исследований по оценке уровня значимости сектора малого предпринимательства в национальной экономике в работе сделан вывод о достаточно высоком потенциале развития российского малого бизнеса, способного решать масштабные задачи государственной экономической политики, в том числе задачи импортозамещения. Выявляются особенности и структура импортозамещающей стратегии на современном этапе, характеризующемся масштабными экономическими санкциями и сложной международной обстановкой. Разработана структурно-логическая схема, описывающая взаимосвязи основных компонент стратегии импортозамещения на современном этапе. Определены основные сферы развития малого российского предпринимательства, обеспечивающие эффективное импортозамещение в условиях санкций и ухода зарубежных компаний с российского рынка, обосновывается необходимость его комплексной государственной поддержки как условия достижения технологического суверенитета страны. Приведены результаты эмпирического анализа, подтверждающие на базе статистических данных за 2012-2022 гг. значимость роли МСБ в процессах импортозамещения. С учетом неполноты имеющейся информационной базы предложен индекс приближенной оценки вклада этого сектора в отраслевое импортозамещение. На примере машиностроительного, агропромышленного и лесопромышленного комплекса произведен расчет этого индекса и осуществлен сопоставительный анализ роли этих производств в реализации стратегии импортозамещения с участием малого и среднего бизнеса.

В работе исследуется теория информационной асимметрии с точки зрения влияния неопределенной, негативной и слабомодальной тональности в тексте регистрационных форм S-1 на недооценку первичных размещений акций компаний США в период с 2000 г. по 2020 г. Проводится анализ тональности как полного текста проспекта, так текстов четырех отдельных глав - «Prospectus Summary», «Risk Factors», «Use of Proceeds», «Management’s Discussions and Analysis (MD&A)». Для учета фундаментальных различий между двумя секторами экономики оцениваются отдельные модели линейных регрессий для высокотехнологических и нетехнологических выборок компаний. Мы не находим подтверждения сигнальной теории асимметрии информациии с точки зрения влияния неопределенности в тексте проспектов на недооценку IPO: выявлена отрицательная связь доли неопределенности во всем тексте форм S-1 и недооценки IPO и положительная связь недооценки нетехнологических компаний и негативной тональности глав «Risk Factors», «Use of Proceeds» регистрационных форм S-1. В работе не было обнаружено значимого влияния слабомодальной тональности на недооценку IPO. Полученные результаты могут свидетельствовать о том, что неопределенность предостерегает участников рынка от инвестирования в IPO, в то время как негативный тон может, напротив, привлекать инвесторов, если при этом устанавливается низкая цена акций, способная компенсировать риски. В исследовании также используются модели машинного обучения: случайный лес и бустинг, результаты построения которых показывают увеличение прогностической силы моделей при учете текстовых характеристик форм S-1. При ранжировании переменных по степени их важности в модели случайного леса в первые десять наиболее важных переменных вошли три текстовые переменные тональности проспектов, что подтверждает необходимость учета текстовой информации, содержащейся в регистрационных формах, при анализе недооценки. Результаты работы способствуют более глубокому пониманию факторов недооценки публичных размещений, которые могут быть полезны менеджменту компаний при подготовке IPO и его документации для снижения вероятности недооценки и привлечения желаемого объема капитала, а также инвесторам, принимающим решения об инвестировании в акции IPO.

Цель данной работы - оценить влияние раскрытия информации по экологической повестке в годовых отчетах отечественных компаний на их цену акций. Эмпирическая база исследования включала в себя годовые отчеты и финансовые показатели 100 крупнейших по выручке публичных компаний России в периоды с 2019 г. по 2022 г. Методами исследования выступили NLP-методы текстового анализа: модель-трансформер BERTopic и Латентного размещения Дирихле. С помощью данного моделирования были выделены отдельные темы экологической повестки бизнеса в России, а с помощью лемматизации была оцифрована частота раскрытия полученных тем в каждом отчете. В ходе анализа было выявлено шесть основных топиков, наиболее часто раскрывающихся в финансовых отчетах публичных компаний России: общая тематика упоминания любых экологических инициатив; действия, направленные на сохранение окружающей среды; наличие собственных контролируемых процессов производства; оценка вредного влияния производства и бизнеса на окружающую среду; отношение к экологическим инициативам в компании; корпоративные подходы компании, законы, права, декларации и собственные принципы в развитии экологических инициатив в бизнесе. Также в качестве метода исследования было применено эконометрическое моделирование на основе построения регрессионных моделей. Полученные результаты показали, что частота раскрытия экологических тем в годовых отчетах компаний России влияет на динамику цен акций этих компаний в долгосрочном периоде. Более того, оцененный эффект раскрытия экологической повестки в годовых отчетах публичных компаний России на акции этих компаний меняется в зависимости от тематики отдельных вопросов по экологии. Основные тематики, оказывающие влияние - это раскрытие действий компаний, направленных на сохранение окружающей среды, и корпоративные подходы и паттерны поведения, раскрытые в годовом отчете.

В данной работе анализируется, как менялись индикаторы дефолтов российских банков за 8 лет, прошедших с момента введения со стороны Банка России политики, направленной на оздоровление банковского сектора. Подобный анализ позволяет оценить устойчивость показателей, широко используемых в моделях оценки вероятности дефолта банка, и углубить понимание сути процессов и тенденций в банковской деятельности, которые могут видоизменяться со временем. В работе рассматривался период отзывов лицензий банков и введения мер по финансовому оздоровлению (санаций) с III квартала 2013 г. по IV квартал 2021 г. В качестве эконометрического инструментария были использованы логистические регрессии для оценки вероятности дефолта как в целом, так и учитывая одну из двух основных причин - экономическую несостоятельность и нарушение законодательства о легализации (отмывании) доходов. Модели оценивались на подпериодах: с III квартала 2013 г. по II квартал 2015 г., с III квартала 2015 г. по II квартал 2017 г. и с III квартала 2017 г. по IV квартал 2021 г. Полученные результаты свидетельствуют о наличии изменений в индикаторах банкротств банков на протяжении времени, а также о различиях в них в зависимости от рассматриваемой причины банкротства. Лишь некоторые индикаторы (доля межбанковских кредитов в активах, доля облигаций в активах и отношение иностранных обязательств к совокупному объему обязательств) оказались устойчиво статистически значимыми на всех рассматриваемых промежутках. Были сделаны выводы о характерных особенностях «проблемных» банков в каждый из периодов, которые подтверждаются результатами проведенного эмпирического исследования. Так, в период (2013Q3-2015Q2) были отозваны лицензии у многих банков, которые фальсифицировали отчетность в части принятых депозитов, а также среди всех рассматриваемых периодов именно в этом отмечались набеги на банк. В период после кризиса (2015Q3-2017Q2) банки занимались активным привлечением депозитов под высокие проценты и рискованно размещали активы. Высокие уровни создания ликвидности оказались статистически значимым индикатором банкротства в этот период. В более спокойный период (2017Q3-2021Q4) показатель операционной эффективности перестал быть статистически значимым индикатором дефолта, а статистически значимым стало отношение средств в кассе к активам.