Вход

«Влияние рейтинговых агентств на ценообразование акций»

Рекомендуемая категория для самостоятельной подготовки:
Дипломная работа*
Код 214348
Дата создания 14 марта 2017
Страниц 74
Мы сможем обработать ваш заказ 23 сентября в 12:00 [мск]
Файлы будут доступны для скачивания только после обработки заказа.
1 800руб.
КУПИТЬ

Описание

В рамках данного исследования предметом изучения выступали рейтинговые события и их влияние на рыночные показатели компаний. Под рейтинговыми события подразумеваются анонсы рейтинговых агентств, в которых они повышают или понижают рейтинг компаний или дают позитивный или негативный прогноз. В роли рыночных индикаторов выступали доходности акций компаний, входящих в индекс S&P 500, включающий в себя порядка 500 наиболее капитализированных и ликвидных компаний США. Данные для рейтингов, корпоративных показателей и дневных цен акций были собраны по данным информационной базы Bloomberg за период с начала 2009 по март 2016 гг.
В качестве основных инструментов для анализа влияния кредитных событий на доходности американских акций были использованы классическая однофакторная модель CAPM и трехфак ...

Содержание

Оглавление
1. Введение 3
2. Обзор литературы 5
2.1 История возникновения рейтинговых агентств 5
2.2 Большая тройка 7
2.3 Методология присвоения рейтинга 9
2.4 Рейтинговые шкалы 11
2.5 Обзор эмпирических исследований 13
2.6 Эффективность рынка и модели ценообразования 22
2.7 Дополнительные наблюдения. 27
3. Данные и методология 31
3.1 Данные 31
3.2 Методология 33
4. Результаты 38
4.1 Апгрейды 38
4.2 Позитивные watchlist-прогнозы 40
4.3 Апгрейды, которым предшествовал позитивный watchlist-прогноз 41
4.4 Даунгрейды 44
4.5 Негативные watchlist-прогнозы 46
4.6 Даунгрейды после негативных watchlist-прогнозов 47
4.7 Кросс- секционный анализ 49
5. Заключение 55
6. Список литературы 56
7. Приложения 59

Введение

1. Введение

Особое внимание рейтинговые агентства привлекли после финансового кризиса 2008-2009 гг. Агентства подверглись шквалу критики из-за присвоения высокого рейтинга надежности низкокачественным ипотечным облигациям, закрывая глаза на реальное качество пула активов и потенциальные мошенничества, связанные с кредитами без соответствующих документов. Бум рынка недвижимости и фондового рынка ослепил участников рынка: от инвесторов и ипотечных заемщиков до профессиональных участников, в том числе рейтинговых агентств, чья цель была в увеличении количества сделок и получению комиссионных. Доверие к рейтинговым агентствам как поставщику информации по кредитоспособности и надежности эмитента со стороны инвесторов было подорвано. В связи с этим рейтинговые агентства, их роль в мировой эконо мике и влияние на финансовые рынки представляют особый общественный интерес, и эта тема стала предметом данной работы. В частности, работа мотивирована поиском ответа на вопрос влияет ли информация, поставляемая рейтинговыми агентствами, на рынки капитала, в данном случае, на доходности рынка акций.
В рамках данного исследования предметом изучения выступали рейтинговые события и их влияние на рыночные показатели компаний. Под рейтинговыми события подразумеваются анонсы рейтинговых агентств, в которых они повышают или понижают рейтинг компаний или дают позитивный или негативный прогноз. В роли рыночных индикаторов выступали доходности акций компаний, входящих в индекс S&P 500, включающий в себя порядка 500 наиболее капитализированных и ликвидных компаний США. Данные для рейтингов, корпоративных показателей и дневных цен акций были собраны по данным информационной базы Bloomberg за период с начала 2009 по март 2016 гг.
В качестве основных инструментов для анализа влияния кредитных событий на доходности американских акций были использованы классическая однофакторная модель CAPM и трехфакторная модель, предложенная Fama & French в 1993 году. Рыночные факторы для моделей были использованы из библиотеки Френча.
Существует достаточно большое количество работ на тему изучения влияния рейтинговых событий на рыночные показатели, однако каждое из них содержит уникальный набор данных и используемых инструментов. Кроме того, тенденции, отмеченные одними авторами, не подтверждаются другими или меняются со временем, что делает каждое индивидуальное исследование источником новой информации и поводом пересмотра сложившихся взглядов на данную тему. Специфика взаимодействия рынка ценных бумаг и рейтингов, составляемых агентствами, требует постоянного обновления имеющейся информации, чтобы финансисты учитывали последние тренды на рынке. Кроме того, до сих пор не было выявлено какой-либо единой универсальной концепции взаимосвязи рейтингов и котировок, что делает эту проблему актуальной и по сей день. Задачей данной работы является получение новых или подтверждение старых предпосылок с использованием подхода изучения событий или event-study.
Во второй главе работы приведен обзор литературы по рассматриваемой теме, позволяющий проследить универсальные элементы общеприменимой методологии и уточнить индивидуальные различия статей в плане используемой методологии и выбору параметров, полученных выводов, а также широты области исследования по изучаемой тематике. В третьей главе описываются используемые данные и методология. В четвертой главе представлены полученные результаты проведенного анализа, подкрепленные соответствующими графиками и таблицами, и сделаны выводы на основе полученных результатов. Пятая глава завершает работу.

Фрагмент работы для ознакомления

Простота, широкая применимость и высокая теоретическая обоснованность определили ее популярность в области финансовых исследований. В общем виде модель выглядит следующим образом: (1) (2)где - безрисковая ставка процента,- среднерыночная доходность, - ковариация актива i с рыночным портфелем,- дисперсия рыночного портфеля.Трехфакторная модель Фамы и Френча (1993) Хотя модель CAPM стала широко применимой в финансовом анализе, ее эмпирическая сила стала слабеть. В результате авторы Fama & French предприняли попытку реанимировать равновесную модель САРМ и путем подгонки добавили в нее два дополнительных фактора – прокси –фактор размера и стоимости (1992). Авторы обнаружили, что фактор соотношения балансовой и рыночной стоимости капитала компании BE/ME позволяет объяснить значительную долю дисперсии доходностей в кросс-секции. Также был сделан вывод о том, что хотя фактор размера компании нельзя исключить из анализа, в силу объяснения им части дисперсии, показатель BE/ME, тем не менее, имеет более высокую объясняющую способность по сравнению с прокси фактором размера или рыночным фактором. Выяснилось, что зависимость между доходностью и показателем BE/ME является положительной, в то время, как аналогичная связь с размером фирмы – отрицательной. Таким образом, ceteris paribus, компании меньшего размера и с более высоким показателем BE/ME будут иметь более высокую доходность. В последствие модель стала популярной альтернативой классической модели CAPM за счет более высокой прогностической способности.В общем виде модель выглядит следующим образом: (3)где r0t – месячная доходность безрисковых ценных бумаг;E(rit) – месячная доходность i-ой акции в момент времени t;rpt – доходность рыночного портфеля;ei - несистематическая доходность i-ой ценной бумаги;βi – чувствительность i-ой бумаги к значению различных факторов;(rpt – r0t) – премия за риск всего рыночного портфеля (первый фактор);SMB (Small Minus Big) – фактор премии за размер;HML (High Minus Low) – фактор премии за недооцененность.Факторы, предложенные Fama & French, оцениваются при помощи построения арбитражных портфелей, по которым инвесторы одновременно занимают длинную и короткую позиции. Общая выборка компаний ранжируется по убыванию в зависимости от величины показателя BE/ME, рассчитанного по данным на конец декабря каждого года. Балансовая стоимость в данном случае равна сумме стоимости собственного капитала и отложенных налогов за вычетом привилегированных акций. Из выборки исключаются фирмы с отрицательной величиной балансовой стоимости капитала. Затем с учетом рыночных особенностей определяются квантили (первый квантиль - высокое значение BE/ME, последний - низкое), и выборка делится на портфели. Портфель HML определяется в результате разности средневзвешенных доходностей первого и последнего квантиля и выражает риск недоцененности компании.Для построения портфеля SMB выборка ранжируется по размеру компаний (капитализации) и делится на несколько групп, чаще всего используют в литературе медианное значение как брейкпоинтс. Аналогично фактору HML, строится фактор SMB и рассчитывается как разность средневзвешенных доходностей портфелей, состоящих из акций крупнокапитализированных компаний и доходностей портфелей из акций компаний с низкой капитализацией. Таким образом, учитывается риск, связанный с размером компании.Ниже представлены расчетные формулы для портфелей: (4)(5)Финальное составление портфелей осуществляется путем пересечения двух выборок. Перерасчет портфелей осуществляется в июле с тем, чтобы имелась возможность использовать опубликованные компаниями финансовые отчетности. Наконец, доходность каждого портфеля можно рассчитать либо присвоив всем бумагам одинаковый вес, либо назначить веса в соответствии с капитализацией компаний.Таблица 1 Формирование портфелей на основе факторов размера и отношения BE/ME.Big Small HighPortfolio_B/H (1-1)Portfolio_S/H (1-2)MediumPortfolio_B/M (2-1)Portfolio_S/M (2-2)LowPortfolio_B/L (3-1)Portfolio_S/L (3-2)В результате проведенного анализа, Fama и French пришли к выводу, что трехфакторная модель является более точной и имеет хорошую объясняющую силу. Более того, тесты на основе данных по компаниям за пределами США также показали положительные результаты. Таким образом, хотя имеются основания для критики модели Fama & French (слабая теоретическая обоснованность, мультиколлинеарность, вероятность того, что маленькие фирмы с высоким BE/ME имеют высокие доходности не из-за связанных рисков, а в силу интенсивности реакций инвесторов), сфера ее применения оказалась весьма широкой, а различные подтверждения ее работоспособности способствовали ее популяризации.2.7 Дополнительные наблюдения.Очевидно, что изучение сферы деятельности рейтинговых агентств не сводится только лишь к рассмотрению связи между рейтингами и ценами бумаг. Рынок CRA представляет собой достаточно сложную структуру, исследование которой можно проводить по различным направлениям. Ниже представлены некоторые наблюдения для того, чтобы лучше понимать рынок услуг рейтинговых агентств и принципы его функционирования. В обзоре вышеупомянутой статьи Philippe Raimbourg рассматривалась возможность заключения теневых контрактов между рейтинговыми агентствами и их клиентами. Принцип работы CRA «платит клиент» создает условия, в которых фирмы имеют инициативу создавать закулисный рынок сделок. Отчасти данная проблема регулируется SEC (Security Exchange Comission) ведением списка агентств, имеющих официальное признание комиссией. Однако, на практике данное «лицензирование» не решает фундаментальной проблемы. Несмотря на то, что данный список может расширяться, на практике путем сделок M&A количество стабильных участников рынка остается неизменным: «большая тройка» фактически является олигополией на предоставление рейтинговых услуг. Таким образом, хотя подставным фирмам закрыт выход на рынок, три крупных агентства получают весьма значительную рыночную власть, что позволяет им управлять рынком и навязывать свои условия. Иными словами, вероятность мошенничества в сфере рейтинговых услуг нельзя исключать. Ярким примером сомнительного качества рейтинговых оценок являются финансовые кризисы, которые начинаются с цепной реакции банкротств институтов, имевших высокие рейтинги, но не выполнивших своих кредитных обязательств. Авторы Yan He, Junbo Wang и K.C. John Wei изучали вопрос асимметрии информации на рынке в своей статье Do bond rating changes affect the information asymmetry of stock trading? Авторы данной статьи проверяют две гипотезы о рейтинговых событий: сигнальной (изменения рейтинга раскрывают информацию о фирме, снижая долговую неопределенность и асимметрию информации на рынке акций) и дискреционного раскрытия (различная скорость раскрытия хороших и плохих корпоративных новостей и их взаимосвязь с хорошими и плохими рейтинговыми сигналами).В результате были протестиированы и подтверждены две обозначенные ранее гипотезы. Рейтинговые данные снижают асимметрию информацию на рынке и увеличивают число информированных агентов. В то же время, асимметрия информации в случае понижения рейтинга увеличивается, поскольку плохие новости раскрываются позже и относительно медленно. Обратное верно для повышения рейтинга. Кроме того, повышение/понижение рейтинга положительно/отрицательно сказывается на PIN (probability of information-based trades), а степень изменения рейтинга положительно коррелирует с объемом изменения величины PIN.Christina E. Bannier и Christian W. Hirsch анализировали специфику влияния watchlist событий на рынок. В статье The economic function of credit rating agencies – What does the watchlist tell us? изучается влияние процедуры занесения компании в watchlist - практики, введенной рейтинговыми агентствами для специального выделения фирм, рискующих в ближайшее время потерять свой текущий кредитный рейтинг в связи с финансовыми показателями или намечающимися сделками.Основная гипотеза: влияние изменения рейтинга на цены акций усилилось с введением процедуры watchlist. Выборка состояла из 2531 понижения и 1512 повышений рейтинга. Главным показателем для анализа выступала величина CAR, зависящая в модели от величины изменения рейтинга, пересечения границы investment-grade категории, количества дней с предыдущего события, а также дамми-переменной, отвечающей за период до и после введения watchlist. Результаты указывают на то, что реакция рынка на изменение рейтинга действительно усилилась с введением процедуры watchlist в случае понижения рейтинга. Наиболее серьезные последствия это имеет для фирм с низким рейтингом, таки образом обеспечивая рейтинговые агентства реальными инструментами давления. Кроме того, watchlist положительно сказывается на своевременности и точности информации.Помимо корпоративных рейтингов, рынок может реагировать и на другие рейтинговые события, такие как изменение суверенного рейтинга страны. Данную гипотезу протестировали Brooks, Faff, David Hillier и Joseph Hillier в работе The national market impact of sovereign rating changes. Они пришли к выводу, что, как и в случае со многими исследованиями для рынка акций, инвесторы значительно реагируют только на даунгрейды. При этом, значительная реакция наблюдается для агентств S&P и Fitch, независимо от того «лидирующим» или «следующим» был опубликован рейтинг.Выше была рассмотрена статья, посвященная изучению влияния стадий бизнес цикла на чувствительность рынка к изменениям рейтинга. В ней доказывалось, что в период кризиса котировки могут значительно сильнее реагировать на рейтинговые события. Однако, не только стадии бума экономики или кризиса могут влиять на чувствительность котировок и цен. В статье Informational effects of regulation FD: evidence from rating agencies авторы Jorion, Liu и Shi рассмотрели ценовую реакцию рынка на рейтинговые события до и после введения Regulation Fair Disclosure – регламента SEC, введенного в 2000 году. Согласно ему, все публичные компании должны раскрывать значимую информацию одновременно для всех инвесторов. Данная мера сделала рейтинговые агентства своего рода проводниками эксклюзивной информации и потенциально должны была увеличить их рыночную власть. Данное предположение проверяется в ходе эконометрического анализа. В результате тестирования гипотеза не отвергается. После 2000 года на американском рынке как повышения, так и понижения рейтингов имеют больший эффект. Данная работа аналитически подтверждает значимость Reg FD для рейтинговых агентств и объясняет, почему они лоббировали его принятие. В контексте же эконометрических исследований она в еще раз подчеркивает, что выбор временного периода для исследования может иметь значительное влияние на результаты, и к его определению следует подходить с пониманием факторов, которые могли бы изменить условия, в которых рынок реагирует на рейтинговые изменения. Данные и методология ДанныеАнализ влияния изменения кредитными агентствами рейтинга на доходности акций проводится на американском рынке. Был выбран период для исследования с начала 2009 по март 2016 года. Данные временной промежуток позволяет исключить фактор мирового финансового кризиса 2008 года (когда наблюдалась рыночная неэффективность) и охватить достаточно большое количество событий и включить в выборку последние данные по ценам акций и рейтингам. Первоначальная выборка для данной работы состояла из 1414 рейтинговых событий. Использовались данные Bloomberg по компаниям, входящим в индекс S&P 500. Для исследования использовались долгосрочные рейтинги корпоративных эмитентов по трем рейтинговым агентствам: S&P, Moody`s и Fitch. Следующим шагом являлась очистка выборки от событий, которые могли также оказать влияние на доходности акций (contaminated events) помимо рейтинговых событий. Из выборки были исключены события, для которых отсутствовали данные о предыдущем рейтинге (в случае, если компания раньше не имела рейтинга или он по каким-то причинам отсутствовал в базе Bloomberg). Затем были исключены все события, в event-window которых попадали крупные корпоративные сделки, такие, как M&A, инвестиции в другую компанию, покупка или продажа долей компании, разделение или выделение компании. Наконец, очищенные события были разделены по типам в зависимости от характера события: Даунгрейд (без предшествующего watchlist-события), негативный watchlist-прогноз, даунгрейд после негативного watchlist-прогноза, апгрейд (без предшествующего watchlist-события), позитивный watchlist-прогноз и апгрейд после позитивного watchlist-прогноза. Хотя некоторыми авторами существующих статей на данную тему рассматривались watchlist-события отдельно, в данной работе предложена более расширенная систематизация рейтинговых событий. Поскольку, с одной стороны, попадание компании в watchlist самом по себе можно считать рейтинговым событием, с другой – даунгрейд или апгрейд рейтинга, произошедший после занесения компании в watchlist, должен уже учитывать в себе часть негативных новостей, а также в силу все большего распространения практики watchlist-прогнозов, общая выборка для данного исследования была разделена на 6 типов событий. Так, например, мы рассматривали «чистый» даунгрейд (апгрейд), даунгрейд (апгрейд), которому предшествовал негативный watchlist-прогноз, и само занесение компании в watchlist (позитивный/негативный прогноз) как шесть качественно различных события. Следует также отметить, что в выборку попали прецеденты с понижением рейтинга после положительного прогноза, однако были исключены и не выделялись в качестве отдельного вида событий, поскольку их численность была невелика. Наблюдения с повышением рейтинга после негативного прогноза в выборке отсутствовали. Численность соответствующих выборок указана ниже в Табл. 2.Таблица 2Описательная статистика кредитных событий за период Январь 2009-Март 2016Тип событияКол-во наблюденийДаунгрейд (без предшествующего watchlist-события)145Негативный watchlist-прогноз116Даунгрейд после негативного watchlist-прогноза114Апгрейд (без предшествующего watchlist-события)296Позитивный watchlist-прогноз62Апгрейд после позитивного watchlist-прогноза80 МетодологияКак уже было обозначено ранее, данная работа придерживается методологии подхода изучения событий event-study. Ее использование обусловлено обширной литературной базой как в методологическом, так и в эмпирическом ключе. Кроме того, данный подход не случайно является наиболее популярным в статьях по изучению влияния изменений кредитных рейтингов на доходности акций. Он наиболее удачно подходит для изучения «событий» и измерения их воздействия на рынок. Именно поэтому данный подход является настолько популярным. Ниже представлен обзор методологии, использованной в данной работе в рамках event-study подхода. Обзор методологии подходо event-study базируется на соответствующий раздел книги Campbell, Lo, и MacKinlay «The Econometrics of Financial Markets».Event-study подход имеет весьма широкое применение. Сфера его использования включает в себя такие события, как сделки M&A, выпуск акций или облигаций, выпуск финансовой отчетности и многие другие. В общем виде любое event-study исследование состоит из следующих этапов:Определение типа «события»Критерии выбора данныхОценка «нормальных» значений исследуемых показателей в соответствии с выбранной модельюОценка «анормальных значений» (abnormal) показателей в соответствии с эмпирическими даннымиТестирование выдвинутых гипотезАнализ полученных результатовАнализ литературы в области event-study позволяет сделать вывод, что авторы статей преимущественно придерживались обозначенной выше структуры в том или ином виде. Следует отметить, что данные этапы, как и event-study подход в целом не предполагают строгого следования какой-либо единой методологии и не полностью формализуют процесс изучения «событий». Скорее, они служат неким общим планом анализа, позволяющим исследователю свободно выбирать инструменты и показатели для работы.Выше были рассмотрены критерии отбора данных и определение самих изучаемых событий, а именно изменений рейтингов и связанных с ними колебаний цен акций. Ключевым моментом изучения «событий» является оценка «нормальных» показателей. Для этих целей могут использоваться различные модели, различающиеся по типам, а так же количествам и видам используемых факторов. В рамках данной работы используются две популярные в подобных исследованиях экономических модели: рыночная модель CAPM и трехфакторная модель Fama-French.Определение event-windowДля изучения рейтинговых событий необходимо определить event-window – временной промежуток, в котором будет определяться влияние события на доходность акций. На основе анализа существующей литературы по рассматриваемой теме, мы выбрали event-window в границах [-10; +10]. Такая длинна событийного окна позволяет рассмотреть pre- и post-announcement эффекты на цены и не охватывает слишком большой промежуток времени, на котором событие, предположительно, не будет иметь эффекта. Расчет «нормальных» показателейДля каждого наблюдения рассчитываются коэффициенты моделей по дневным показателям факторов на протяжении estimation-window, размер которого был выбран в размере 120 дней до event-window, т.е. [-130; 10). Данные для расчета рыночного фактора Rm, факторы стоимости и размера Fama-French были взяты из библиотеки Френча [5]. Данные для расчета доходностей акций были импортированы из базы данных Блумберг. Дневные доходности акций рассчитывались по формуле:Ri=PiPi-1*100, (6)где Ri – доходность акции за i-й день, Pi – цена акции за i-й день.Детально модели были рассмотрены ранее. Ниже еще раз представлены общие виды моделей:CAPM: (1)Fama-French:, (3)где для модели Fama-French: SMB (Small [market capitalization] Minus Big) – фактор премии за размер, HML (High [book-to-market ratio] Minus Low) – фактор премии за недооцененность.Показатели факторов для модели Fama-French взяты по данным библиотеки Френча [5]Коэффициенты модели для estimation-window получаем, строя time-series регрессии методом МНК по дневным данным.Расчет «abnormal» показателейИспользуя оценочные значения коэффициентов и дневные данные по факторам моделей за каждый день из event-window, мы рассчитали прогнозируемые значения доходности акций. Затем, мы рассчитали показатель AR (abnormal return) за день как разность между реальной доходностью акции за день и ожидаемой доходностью в соответствии с моделями:ARit= Rit-E(Rit) , (7)Где ARit – abnormal-доходность i-го актива за день t;Rit – реальная доходность i-го актива за день t;ERit – доходность i-го актива за день t согласно модели.Для расчета коэффициентов моделей и оценки доходностей использовался язык программирования R (см. скрипт в Приложении).Наконец, мы также рассчитали показатели CAR (cumulative abnormal return) для всех наблюдений за все дни в event-window:CARi=t=-10+10ARit (8)Построение графиков, тестирование интервалов.Получив данные по показателям AR и CAR для двух моделей и различных видов событий, мы построили графики для временного интервала event-window.Поскольку количество наблюдений для каждого вида события превышало 30, мы использовали обычную t-статистику для того, чтобы проверить гипотезу H0 о равенстве нулю показателей CAR для различных временных интервалов из event-window. Нулевая гипотеза постулирует, что кредитные события не приводят к появлению анормальных доходностей, вся информация уже отражена в ценах, и рынки эффективны. Интервалы были отобраны на основе визуального анализа построенных графиков путем выявления потенциальных критических важных моментов из event-window. Кросс- секционный анализ.Мы также провели анализ по кросс-секции. Для этого были отобраны протестированные ранее значимые интервалы.

Список литературы

6. Список литературы
1. Adam Creighton, Luke Gower, Anthony Richards The impact of rating changes in Australian financial markets // Pacific-Basin Finance Journal 15 (2007), P. 1-17
2. Alexander Hopland. The Credit Rating Puzzle: A study on the relationship between equity returns and corporate credit ratings in the US stock market // Master Thesis in Financial Economics, Norwegian School of Economics (2014), P. 1-70
3. Christina E. Bannier, Christian W. Hirsch The economic function of credit rating agencies – What does the watchlist tell us? // Journal of Banking and Finance 34 (2010), P. 3037-3049
4. Doron Avramov, Tarun Chordia, Gergana Jostova, Alexander Philipov. Credit Ratings and The Cross-Section of Stock Returns.
5. Edward Jones, Quentin Mulet-Marquis. The Stock Market Reaction to Changes to Credit Ratings of US-Listed Banks // Centre for Finance and Investment Discussion Paper Series (2013), P. 1-43
6. Eugene F. Fama, Kenneth R. French. Common risk factors in the returns on stocks and bonds // Journal of Financial Economics 33 (1993) P. 3-56
7. Jeremy C. Goh, Louis H. Ederington. Cross-Sectional Variation in the Stock Market Reaction to Bond Rating Changes // The Quarterly Review of Econimics and Finance, Vol. 39, No. 1 (1999), P. 101-112
8. Kam C. Chan, Stephan C. Norrbin, Pikki Lai. Are stock and bond prices collinear in the long run? // International Review of Economics and Finance, 6(2) (1997), P. 193-201
9. Koresh Galil, Gil Soffer. Good news, bad news and rating announcements: An empirical investigation // Journal of Banking and Finance 35 (2001), P. 3101-3119
10. Lars Norden, Martin Weber. Informational efficiency of credit default swap and stock markets: The impact of credit rating announcements // Journal of Banking & Finance 28, (2004), P. 2813-2843
11. M.A.J Timmermans. Credit rating changes and the effect on stock prices // Master Thesis Finance, Tilburg University, P. 1-49
12. Michiko Miyamoto. Event Study of Credit Rating Announcement in the Tokyo Stock Market // Journal of Economics, Business and Management, Vol. 4, No. 2, (2016), P. 138-143
13. Miroslav Mateev. The Effect of Sovereign Credit Rating Announcements on Emerging Bond and Stock Markets: New Evidences // Oxford Journal: An International Journal of Business & Economics, 7(1) (2012), P. 28-41
14. Philippe Jorion, Zhu Liu, Charles Shi. Informational effects of regulation FD: evidence from rating agencies // Journal of Financial Economics 76 (2005), P. 309-330
15. Philippe Raimburg Rating Agencies and Financial Regulation: Thirty Years of Academic Research // Bankers, Markets & Investors № 123 (2013), P. 54-61
16. Reint Gropp и Anthony Richards Rating Agency Actions and the Pricing of Debt and Equity of European Banks: What Can We Infer About Private Sector Monitoring of Bank Soundness? // European Central Bank Work Paper No.76, (2001), P. 1-36
17. Robert Brooks, Robert W. Faff, David Hillier, Koseph Hillier. The national market impact of sovereignrating changes // Journal of Banking & Finance 28 (2004), P. 233-250
18. S.V.D.Nageswara Rao, Sreejith U. Impact of Credit Ratings (Upgrade and Downgrade) on Stock Prices in India // Proceedings of 23rd International Business Research Conference (2013)
19. Sang Lyong Joo, Stephen Pruitt Corporate bond ratings changes and economic instability: Evidence from the Korean financial crisis // Economics Letters 90 (2006), P. 12-20
20. Yan He, Junbo Wang, K.C. John Wei Do bond rating changes affect the information asymmetry of stock trading? // Journal of Empirical Finance 18 (2011), P. 103-116
Интернет-источники:
[1] National Association of Insurance Commissioners [http://www.naic.org/cipr_topics/topic_rating_agencies.htm]
[2] Mercatus Center, George Mason University
[http://mercatus.org/publication/brief-history-credit-rating-agencies-how-financial-regulation-entrenched-industrys-role]
[3] Standard & Poor`s Rating Agencies and Their Methodologies
[http://siteresources.worldbank.org/FINANCIALSECTOR/Resources/G-RatingAgencies&TheirMethodologies;-LauraFeinlandKatz.pdf]
[4] Association of Corporate Treasurers. Corporate credit ratings: a quick guide
[https://www.treasurers.org/ACTmedia/ITCCMFcorpcreditguide.pdf]
[5] Kenneth R. French website. Data Library
[http://mba.tuck.dartmouth.edu/pages/faculty/ken.french/data_library.html]
Пожалуйста, внимательно изучайте содержание и фрагменты работы. Деньги за приобретённые готовые работы по причине несоответствия данной работы вашим требованиям или её уникальности не возвращаются.
* Категория работы носит оценочный характер в соответствии с качественными и количественными параметрами предоставляемого материала. Данный материал ни целиком, ни любая из его частей не является готовым научным трудом, выпускной квалификационной работой, научным докладом или иной работой, предусмотренной государственной системой научной аттестации или необходимой для прохождения промежуточной или итоговой аттестации. Данный материал представляет собой субъективный результат обработки, структурирования и форматирования собранной его автором информации и предназначен, прежде всего, для использования в качестве источника для самостоятельной подготовки работы указанной тематики.
© Рефератбанк, 2002 - 2021