«S&P 50»: индекс драйверов бизнес-цикла
Волны оптимизма и пессимизма, которые характеризуют взгляды людей на состояние экономики, выступают одной из движущих сил бизнес-циклов – периодов подъема и снижения экономической активности. На изменение настроений, или «духа жизнерадостности» (animal spirits), обращал внимание еще Джон Мейнард Кейнс, подчеркивая их роль в Великой депрессии и последующем восстановлении экономики. В последние десятилетия исследователи активно изучали влияние настроений на колебания экономической активности. Например, авторы из МВФ и CEPR на американских данных показали, что негативные настроения порождают рецессионный эффект: они «запускают» устойчивое снижение потребительской уверенности и приводят к сокращению потребления, промышленного производства, ухудшению ситуации на рынке труда. Другое исследование пришло к выводу, что вариация в настроениях позволяет объяснить до 40% исторических колебаний американской экономики.
Однако исследования редко когда фокусировались на том, что именно выступает драйвером изменения настроений. Одно из исследований показало, что таким драйвером, влияющим на бизнес-циклы, может выступать реакция на информацию о различных компаниях: так, отдельные секторальные новости могут стимулировать фирмы во всех секторах нанимать больше или, наоборот, сокращать наем.
В новом исследовании экономисты из Оксфорда, Бирмингемского и Сент-Эндрюсского университетов обнаружили, что более 70% изменения настроений в США за 2006–2021 гг. приходится на долю всего 50 фирм из индекса S&P 500. В свою очередь, изменения настроений в отношении этих 50 фирм обуславливают порядка 20% колебаний совокупного выпуска экономики.
Построенный авторами «детализированный индекс настроений» (Granular Sentiment Index) демонстрирует, что главную роль в изменении настроений играют компании, приближенные к конечному потребителю, – именно они выступают в качестве естественных «агрегаторов информации» и в итоге оказываются «центрами внимания» для общественности в формировании ее взглядов на ситуацию в экономике.
Содержательные разговоры
С помощью методов компьютерной лингвистики авторы проанализировали расшифровки конференций, посвященных квартальным отчетам публичных компаний из списка S&P 500, за 2006–2021 гг.: всего более 23000 конференц-коллов 619 компаний. Значимая часть этих конференций состоит из сессий, где эксперты индустрии задают вопросы менеджерам компаний, а те на них отвечают – и эти вопросы зачастую отражают убеждения участников относительно будущих показателей и результатов деятельности фирм.
Опираясь на массивы слов, характерных для позитивных и негативных настроений, экономисты на основе текстов конференций строят индекс настроений на уровне фирмы: оценка в каждый момент времени определяется разницей между числом слов с позитивной и негативной окраской с поправкой на общую длину документа. Этот индекс дополняют другие измерения настроений: дополнительный текстовый и на базе квартальных прогнозов прибыли на акцию, которые аналитики делали после этих конференций. В последнем случае настроения отражают разницу между медианным прогнозом и реальным реализовавшимся значением показателя (если прогноз был выше, то аналитики были настроены оптимистично, если ниже – пессимистично).
После этого авторы оценивают, какие из фирм наиболее «информативны» с точки зрения объяснения колебаний выпуска в экономике. Оказывается, что на настроения в отношении 50 «наиболее информативных» фирм приходится более 70% вариаций в настроениях. При этом добавление большего числа фирм точности не повышает: напротив, выигрыш с точки зрения информативности модели оказывается ниже издержек дополнительного «шума». То есть индекс, полученный на основе данных всего по 50 компаниям, выступает своеобразной «достаточной статистикой» для оценки влияния настроений на бизнес-цикл, и эта статистика гораздо более информативна, чем, например, простое среднее настроений по всем фирмам.
Агрегаторы настроений
Какие из этих 50 «главных» фирм самые информативные? Чтобы выявить их характеристики, экономисты рассмотрели несколько фундаментальных параметров: размер компании, сектор, коэффициент бета (насколько рост или снижение цены акций компании коррелирует с ростом или снижением рынка в целом), соотношение рыночной и балансовой стоимости компании, волатильность выручки, долговая нагрузка, ликвидность и т.д. А кроме того, авторы рассчитали, в какой степени фирма может рассматриваться как downstream- или upstream-компания в производственной цепочке, то есть насколько ее продукция близка к конечному потребителю: в пределе downstream (буквально «ниже по течению») – производитель конечных товаров, upstream («выше по течению») – промежуточных. Этот параметр в исследовании зависит от того, сколько раундов транзакций отделяет товар компании от конечного потребителя: например, для одежды достаточно одного раунда, а продукты нефтехимии в среднем проходят цепочку из трех, прежде чем трансформируются в товар для конечного потребителя.
Выяснилось, что фирмы, настроения в отношении которых наиболее информативны для агрегированных колебаний, – это компании, которые сильнее всего приближены к конечному потребителю (downstream-компании). Если этот показатель растет на единицу (то есть фирма на один шаг ближе к конечному потребителю), вероятность ее попадания в набор наиболее информативных компаний увеличивается более чем на 30%. А вот все остальные контрольные показатели, которые учитывают авторы, как оказалось, особой роли не играют.
Рассчитанный по 50 фирмам индекс настроений существенно коррелирует с индексами настроений, построенными на основе экономических и рыночных данных, – то есть индикатор, полученный с помощью микроэкономических данных, соответствует агрегированным мерам настроений. Изменения «микроиндекса» настроений для 50 наиболее информативных компаний провоцируют синхронные движения «макроиндексов» – рыночных настроений, выпуска, инфляции, безработицы. И эти эффекты могут сохраняться до трех кварталов.
В индексе 50 компаний представлены 13 секторами, такими как производство одежды, продовольствия, ритейл, финансы и страхование, производство автотранспортных средств. К топ-10 наиболее информативных фирм авторы отнесли, например, IQVIA Holdings (коммерциализация фармпрепаратов и исследования в сфере биотехнологий), Under Armour (одежда), Honeywell (производство электронных систем управления и автоматизации), CBRE Real Estate (услуги по управлению недвижимостью), Booking Holdings (онлайн-услуги в сфере путешествий).
То, что наибольшей предсказательной силой обладают настроения именно в отношении downstream-компаний, имеет две причины, объясняют авторы. Во-первых, эти сектора ближе к центру в производственной сети экономики – а из-за этого колебания в производительности этих секторов оказывают влияние на общий спрос на промежуточные товары. Во-вторых, так как близкие к конечным потребителям фирмы закупают промежуточные товары из разных «более удаленных от центра» секторов, то их выпуск лучше сводит воедино разрозненную информацию о производительности в экономике. То есть downstream-фирмы оказываются своеобразными «информационными агрегаторами» положения дел в экономике в целом.
При стандартных значениях параметров модели (авторы калибруют их на данных Бюро экономического анализа США) шоки настроений, относящихся к фирмам, наиболее близким к потребителям, выступают драйвером значимой доли общих колебаний выпуска. Экономисты калибруют модель по 27 секторам американской экономики и показывают, что на шоки настроений в отношении фирм из 20% самых близких к конечным потребителям секторов приходится более 90% колебаний выпуска, объясняемых настроениями, или 20% его совокупных колебаний. В каком-то смысле результаты соответствуют знаменитому «принципу Парето», где 20% агентов (в данном случае секторов) влияют на 80% действий, отмечают авторы.
Таким образом, наиболее важными с точки зрения влияния фирм на настроения и на бизнес-цикл оказываются не их капитализация и другие фундаментальные показатели, а близость к конечному потребителю. Это означает, в частности, что раскрытие информации компаниями, и особенно downstream-компаниями, играет особую роль для экономики: убеждения в отношении относительно небольшого числа фирм могут иметь макроэкономическое значение.
