infrastruktura kot naloŽbeni razred · zanimanje vlagateljev pa povečuje tudi dejstvo, da se vse...
TRANSCRIPT
UNIVERZA V LJUBLJANI
EKONOMSKA FAKULTETA
MAGISTRSKO DELO
INFRASTRUKTURA KOT NALOŽBENI RAZRED
Ljubljana, junij 2018 ALJOŠA PAUREVIĆ
IZJAVA O AVTORSTVU
Podpisani Aljoša Paurević, študent Ekonomske fakultete Univerze v Ljubljani, avtor predloženega dela z
naslovom Infrastruktura kot naložbeni razred, pripravljenega v sodelovanju s svetovalcem izr. prof. dr. Igorjem
Lončarskim,
IZJAVLJAM
1. da sem predloženo delo pripravil samostojno;
2. da je tiskana oblika predloženega dela istovetna njegovi elektronski obliki;
3. da je besedilo predloženega dela jezikovno korektno in tehnično pripravljeno v skladu z Navodili za
izdelavo zaključnih nalog Ekonomske fakultete Univerze v Ljubljani, kar pomeni, da sem poskrbel, da so
dela in mnenja drugih avtorjev oziroma avtoric, ki jih uporabljam oziroma navajam v besedilu, citirana
oziroma povzeta v skladu z Navodili za izdelavo zaključnih nalog Ekonomske fakultete Univerze v
Ljubljani;
4. da se zavedam, da je plagiatorstvo – predstavljanje tujih del (v pisni ali grafični obliki) kot mojih lastnih
– kaznivo po Kazenskem zakoniku Republike Slovenije;
5. da se zavedam posledic, ki bi jih na osnovi predloženega dela dokazano plagiatorstvo lahko predstavljalo
za moj status na Ekonomski fakulteti Univerze v Ljubljani v skladu z relevantnim pravilnikom;
6. da sem pridobil/-a vsa potrebna dovoljenja za uporabo podatkov in avtorskih del v predloženem delu in
jih v njem jasno označil;
7. da sem pri pripravi predloženega dela ravnal v skladu z etičnimi načeli in, kjer je to potrebno, za raziskavo
pridobil soglasje etične komisije;
8. da soglašam, da se elektronska oblika predloženega dela uporabi za preverjanje podobnosti vsebine z
drugimi deli s programsko opremo za preverjanje podobnosti vsebine, ki je povezana s študijskim
informacijskim sistemom članice;
9. da na Univerzo v Ljubljani neodplačno, neizključno, prostorsko in časovno neomejeno prenašam pravico
shranitve predloženega dela v elektronski obliki, pravico reproduciranja ter pravico dajanja predloženega
dela na voljo javnosti na svetovnem spletu preko Repozitorija Univerze v Ljubljani;
10. da hkrati z objavo predloženega dela dovoljujem objavo svojih osebnih podatkov, ki so navedeni v njem
in v tej izjavi.
V Ljubljani, dne 7.6.2018 Podpis študenta:__________________
i
KAZALO
UVOD ................................................................................................................................... 1
1 MAKROEKONOMSKO OKOLJE ........................................................................... 3
1.1 Uvod ...................................................................................................................... 3
1.2 Finančno okolje z nizkimi obrestnimi merami ...................................................... 5
1.3 Proračunski primanjkljaji in povpraševanje po infrastrukturi ............................... 8
1.4 Jünckerjev investicijski načrt .............................................................................. 10
2 OPREDELITEV POJMOV IN ZNAČILNOSTI INFRASTRUKTURE ............. 11
2.1 Kaj je infrastruktura? ........................................................................................... 11
2.2 Infrastrukturni projekt – naložba – objekt ........................................................... 12
2.3 Značilnosti infrastrukture .................................................................................... 13
2.4 Greenfield in brownfield naložba ........................................................................ 14
2.5 Donosnost in notranja stopnja donosa pri infrastrukturi ..................................... 16
3 NALOŽBENI RAZREDI .......................................................................................... 16
3.1 Opredelitev naložbenega razreda......................................................................... 16
3.1.1 Relativna neodvisnost ...................................................................................... 17
3.1.2 Pričakovana donosnost .................................................................................... 18
3.1.3 Homogenost ..................................................................................................... 18
3.1.4 Zmogljivost ...................................................................................................... 19
3.2 Vrste naložbenih razredov ................................................................................... 19
3.3 Primerjava naložbenih razredov .......................................................................... 23
3.3.1 Donosnost ........................................................................................................ 23
3.3.2 Tveganje .......................................................................................................... 24
3.3.3 Ugotovitve ....................................................................................................... 25
3.4 Faktorska analiza ................................................................................................. 30
3.4.1 Obdobje 2002–2008 ........................................................................................ 33
3.4.2 Obdobje 2008–2017 ........................................................................................ 35
3.5 Alokacija sredstev v naložbenem portfelju ......................................................... 37
3.5.1 Alokacija kotirajočih naložb ............................................................................ 37
4 ANALIZA NALOŽB V INFRASTRUKTURO ...................................................... 40
ii
4.1 Vlagatelji v infrastrukturo ................................................................................... 40
4.2 Načini vlaganja v infrastrukturo .......................................................................... 41
4.3 Tveganje in donosnost infrastrukturnih naložb ................................................... 42
4.3.1 Kotirajoče in nekotirajoče infrastrukturne naložbe ......................................... 42
4.4 Kriterijski indeks infrastrukturnih naložb ........................................................... 47
5 INFRASTRUKTURA Z VIDIKA INSTITUCIONALNEGA VLAGATELJA .. 48
5.1 Instrumenti financiranja infrastrukture ................................................................ 48
5.2 Regulacija ............................................................................................................ 51
5.2.1 Infrastrukturne naložbe ................................................................................... 53
5.2.1.1 Dolžniške naložbe in standardna formula ............................................... 54
5.2.1.2 Lastniške naložbe in standardna formula ................................................ 54
5.2.2 Učinek infrastrukturne naložbe na SCR in poslovni izid ................................ 55
5.3 Tveganja .............................................................................................................. 57
5.4 Infrastruktura kot naložbeni razred ..................................................................... 58
SKLEP ................................................................................................................................ 59
LITERATURA IN VIRI ................................................................................................... 61
PRILOGE
KAZALO TABEL
Tabela 1: Glavni makroekonomski podatki in napovedi v letih 2017–2018 (v %) ............ 4
Tabela 2: Gibanje obrestnih mer in njihove napovedi v letih 2017–2018 (v %) ................ 6
Tabela 3: Pregled donosnosti svetovnih delniških indeksov v letu 2017 (v %) .................. 7
Tabela 4: Klasificiranje navadnih delnic po tržni kapitalizaciji ........................................ 19
Tabela 5: Klasificiranje dolžniških vrednostnih papirjev ................................................. 20
Tabela 6: Seznam indeksov po naložbenih razredih ......................................................... 23
Tabela 7: Primerjava letne donosnosti, standardnega odklona in Sharpovega
kazalnika v letih 2002–2017 (v %) ................................................................... 29
Tabela 8: Primerjava povprečne letne donosnosti, standardnega odklona in
Sharpovega kazalnika naložbenih razredov v letih 2002–2017 (v %) ............. 30
Tabela 9: Faktorska analiza z uporabo metode glavnih komponent faktorja
pred rotacijo za obdobje 2002–2017 ................................................................ 32
Tabela 10: Porazdelitev faktorskih uteži in enoličnost variance ......................................... 33
iii
Tabela 11: Faktorska analiza z uporabo metode glavnih komponent faktorja
pred rotacijo za obdobje 2002–2008................................................................. 34
Tabela 12: Porazdelitev faktorskih uteži in enoličnost variance po rotaciji
za obdobje 2002–2008 ...................................................................................... 34
Tabela 13: Faktorska analiza z uporabo metode glavnih komponent faktorja
pred rotacijo za obdobje 2008–2017................................................................. 36
Tabela 14: Porazdelitev faktorskih uteži in enoličnost variance po rotaciji
za obdobje 2008–2017 ...................................................................................... 36
Tabela 15: Opredelitev uporabljenih spremenljivk V1-V4 ................................................. 37
Tabela 16: Letna donosnost naložb spremenljivk V1-V4 v letih 2002–2017 (v %) ........... 38
Tabela 17: Kovariančna matrika spremenljivk V1-V3 ....................................................... 38
Tabela 18: Kovariančna matrika spremenljivk V1-V4 ....................................................... 38
Tabela 19: Uteži po spremenljivkah za Portfelj 1 in Portfelj 2 ........................................... 39
Tabela 20: Pričakovana donosnost, standardni odklon in Sharpov kazalnik
enakomerno uteženih portfeljev 1 in 2 ............................................................. 39
Tabela 21: Pričakovana donosnost, standardni odklon in Sharpov kazalnik
optimalnih portfeljev 1 in 2 .............................................................................. 39
Tabela 22: Primerjava enakomerno utežene in optimalne strukture po portfeljih .............. 40
Tabela 23: Poenostavljen prikaz donosnosti in tveganja infrastrukturnih podsektorjev ..... 44
Tabela 24: Značilnosti donosnosti in tveganja različnih infrastrukturnih naložb ............... 44
Tabela 25: Stopnja poplačljivosti infrastrukturnega dolga v letih 1983–2015 (v %) .......... 46
Tabela 26: Primeri uporabljenih infrastrukturnih indeksov v panogi ................................. 48
Tabela 27: Infastrukturni naložbeni nosilci ......................................................................... 51
Tabela 28: Kapitalske uteži znotraj modula tržna tveganja za posamezne dejavnike
tveganja ............................................................................................................. 53
Tabela 29: Poenostavljen primer izračuna SCR-ja brez infrastrukturnih naložb ................ 55
Tabela 30: Poenostavljen primer izračuna SCR-ja z infrastrukturno naložbo .................... 56
Tabela 31: Učinki in spremembe SCR-ja ter poslovnega izida ........................................... 57
KAZALO SLIK
Slika 1: Gibanje zahtevane donosnosti do dospetja 10-letnih državnih obveznic
v letih 2001–2017 (v %) ....................................................................................... 5
Slika 2: Zadolženost držav v odstotku od BDP-ja (v %) ..................................................... 8
Slika 3: Infrastrukturne naložbe v odstotku od BDP-ja v letih 1995–2014 (v %)............... 9
Slika 4: Prikaz delovanja Junckerjevega načrta ................................................................ 10
Slika 5: Splošna razdelitev infrastrukture .......................................................................... 11
Slika 6: Značilnosti infrastrukturnih naložb ...................................................................... 13
Slika 7: Gibanje Sharpovega kazalnika z donosnostjo 3-letnih drsečih sredin
delniških indeksov v letih 2002–2017 (v %) ...................................................... 26
iv
Slika 8: Gibanje Sharpovega kazalnika z donosnostjo 3-letnih drsečih sredin
obvezniških indeksov v letih 2002–2017 (v %) ................................................. 27
Slika 9: Gibanje Sharpovega kazalnika z donosnostjo 3-letnih drsečih sredin
nepremičninskih indeksov v letih 2002–2017 (v %) .......................................... 27
Slika 10: Gibanje Sharpovega kazalnika z donosnostjo 3-letnih drsečih sredin
indeksov zasebnih naložbenih skladov v letih 2002–2017 (v %) ....................... 28
Slika 11: Gibanje Sharpovega kazalnika z donosnostjo 3-letnih drsečih sredin
infrastrukturnih indeksov v letih 2002–2017 (v %) ............................................ 28
Slika 12: Grafični prikaz lastnih vrednosti v obdobju 2002–2017 ...................................... 32
Slika 13: Grafični prikaz lastnih vrednosti za obdobje 2002–2008 .................................... 34
Slika 14: Grafični prikaz lastnih vrednosti za obdobje 2008–2017 .................................... 35
Slika 15: Primerjava donosnosti in tveganja infrastrukture z ostalima
naložbenima razredoma ...................................................................................... 43
Slika 16: Kumulativne stopnje neizpolnjevanja obveznosti naložbenega
bonitetnega razreda v letih 1983–2015 (v %) ..................................................... 45
Slika 17: Možnosti dostopanja zasebnega sektorja do infrastrukturnih naložb .................. 49
1
UVOD
Obravnavana problematika magistrskega dela se nanaša na trenutno stanje na finančnih
trgih, natančneje na finančno okolje z zgodovinsko nizkimi obrestnimi merami, ki številnim
vlagateljem povzročajo precejšnjo mero preglavic. V februarju 2018 je na primer zahtevana
donosnost do dospetja dvoletne nemške državne obveznice znašala kar -58 bazičnih točk
(German Government Bonds, b.l.). Ameriška centralna banka (v nadaljevanju FED) je sicer
po letu 2006 v zadnjih treh letih ključno obrestno mero že trikrat zvišala, toda le ta še vedno
ostaja na izjemno nizkih nivojih. Evropska centralna banka (v nadaljevanju ECB) je na drugi
strani ohranila ključno obrestno mero nespremenjeno (Banka Slovenije, 2018). Takšne tržne
razmere omejujejo manevrski prostor za doseganje višje donosnosti predvsem upravljalcem
premoženja oziroma različnim institucionalnim vlagateljem kot so zavarovalnice,
pokojninski in državni skladi, družbe za kapitalske naložbe, ki morajo kljub poslabšanim
tržnim razmeram svojim varčevalcem zagotavljati določen donos. Iz tega vidika lahko
opazimo vse večje zanimanje vlagateljev za alternativne naložbe, ki v primerjavi s klasičnimi
naložbenimi razredi zagotavljajo višjo donosnost. Stanley (2011) izpostavlja, da so
pokojninski skladi in zavarovalnice najbolj primerni vlagatelji v tovrstne naložbe zaradi
svojega dolgoročno orientiranega naložbenega horizonta.
Z izrazom infrastruktura najpogosteje označujemo fizične objekte, sisteme in strukture, kot
so komunikacijske storitve, ceste, mostove, letališča ipd., torej vse tisto, kar zagotavlja
ključne storitve za družbo in gospodarstvo kot celoto. Po mnenju Weisdorfa (2007)
infrastruktura vključuje vsa tista sredstva, ki vključujejo pretok blaga, ljudi, vode in energije.
Tako opredeljena infrastruktura vključuje: transportna sredstva (cestnine, mostove, tunele,
železnice, pristanišča, idr.), komunikacijska sredstva (radio in televizija, satelitsko omrežje,
kabelske sisteme, idr.), regulirana sredstva (nahajališča nafte in plina, distribucija vode,
prenos elektrike, idr.) ter družbeno infrastrukturo (šole, bolnišnice, zapore, sodišča, idr.).
Razlogi, zakaj so infrastrukturne naložbe zanimive za institucionalne vlagatelje, so v
njihovih značilnostih. Inderst (2010) navaja ekonomske in finančne značilnosti. Pod
ekonomske uvršča visoke vstopne stroške, ekonomije obsega (visoki fiksni stroški, nizki
variabilni stroški), neelastično povpraševanje po storitvah ter dolgo trajanje naložb
(koncesije, lizing). Na drugi strani pa izpostavlja finančne lastnosti, ki jih infrastruktura
vlagateljem omogoča: od visokih donosov, nizke občutljivosti na spremembe poslovnih
ciklov, nizke korelacije donosov z ostalimi naložbenimi razredi, dolgoročnih, stabilnih in
predvidljivih denarnih tokov do možnosti inflacijskega ščitenja. Zanimanje vlagateljev pa
povečuje tudi dejstvo, da se vse več držav zavzema za vstop privatnega kapitala v
financiranje infrastrukture. Države prepogosto v ospredje postavljajo druge prioritete,
obenem pa so ob nedavni finančni krizi njihovi proračuni pod vedno višjim bremenom. Kot
odgovor na takšno stanje, po mnenju Weber, Staub-Bisang in Alfen (2016), države vse bolj
spodbujajo vstop privatnega sektorja in sofinanciranje infrastrukturnih naložb v
najrazličnejših oblikah javno zasebnega partnerstva saj se zavedajo, da takšno sodelovanje
prinaša tudi višjo gospodarsko rast in razvoj gospodarstev v posameznih državah.
2
Namen magistrskega dela je analizirati in preučiti infrastrukturo oz. naložbe v infrastrukturo
kot naložbeni razred, ki v zadnjem obdobju pridobiva vse večji pomen pri alokaciji sredstev
in doseganju višjih donosnosti. Tudi v Sloveniji lahko opazimo, da vse več institucionalnih
vlagateljev v svoje premoženje vključuje alternativne naložbe ali ustanavlja posebna
investicijska podjetja oziroma sklade.
Ciljev magistrskega dela je več. Prvič, poskušali bomo odgovoriti na temeljno raziskovalno
vprašanje, ali je infrastruktura samostojni naložbeni razred. Gre za pomembno vprašanje
predvsem z vidika alokacije sredstev (angl. Asset Allocation) oziroma diverzifikacije
naložbenega portfelja. V primeru, da lastnosti naložb niso natančno opredeljene, Kritzman
(1999) navaja, da ima to lahko posledično dva učinka na alokacijo sredstev. Prvič, če so
investicije napačno grupirane znotraj naložbenega razreda, portfelj ne bo učinkovito
diverzificiran. Drugič, zaradi napačne razdelitve naložb bo upravljalec moral zagotoviti
dodatne neproduktivne vire za analizo donosnosti, nestanovitnosti in korelacije. Vsak
naložbeni razred naj bi tako odražal različna naložbena tveganja in donosnosti ter različno
reagiral v spremenjenih tržnih razmerah. S tem, ko vlagatelj razume kaj lahko pričakuje od
posameznega naložbenega razreda, mu to olajša investicijske odločitve, ki temeljijo na
njegovih potrebah in časovnem horizontu. Z investiranjem v več kot en naložbeni razred
vlagatelji tako diverzificirajo naložbe, znižujejo tveganje obenem pa zagotavljajo določen
ciljni donos.
Drugič, predstavili bomo tveganja pri vlaganjih v infrastrukturo. Ta zajemajo različna
področja, od zunanjih tržnih, političnih in makroekonomskih ter sektorskih tveganj, do
specifičnih projektnih tveganj, katerim so vlagatelji izpostavljeni. Schwartz, Ruiz-Nunez in
Chelsky (2014) izpostavljajo, da je zelo pogosto stopnja tveganja (dejanska in predvidena)
tista, ki zavira investicije v ta naložbeni razred. Še več, Weber et al. (2016) navajajo, da
imamo lahko dva identična projekta s povsem različnima stopnjama tveganja, odvisno od
tega, kako je sestavljena pogodba o financiranju oziroma sodelovanju pri infrastrukturnem
projektu.
Tretjič, preučili bomo infrastrukturne naložbe z vidika regulacije in virov financiranja
oziroma poslovnega modela na primeru zavarovalnice, ko se ta že odloči za naložbo v
infrastrukturo, npr. kaj to pomeni za njih z vidika financiranja (dolžniško ali lastniško),
poročanje regulatorju oziroma zahteve za kapitalske uteži pri infrastrukturnih naložbah pri
izračunavanju kapitala po Solventnosti 2. Kot navajajo Gründl, Dong in Gal (2016), se
apetiti in predvsem dolgoročni naložbeni profili tveganj pri institucionalnih vlagateljih kot
so zavarovalnice zelo spreminjajo. Zato menijo, da morajo upravljalci pri dolgoročnih
nelikvidnih naložbah ravnati preudarno in dobro analizirati vsa tveganja. Evropski
zavarovalni regulator je namreč v zadnjem obdobju izdal številna mnenja in priporočila,
kako obravnavati takšne naložbe v premoženje z vidika regulacije, poročanja, financiranja,
bonitetne ocene ter uteži pri izračunavanju zahtevanega kapitala (angl. Solvency Capital
Requirements, v nadaljevanju SCR).
3
Osrednji metodološki pristop v nalogi bo zgodovinska analiza donosnosti indeksov
posameznih naložbenih razredov. S pomočjo informacijsko poslovnega sistema Bloomberg
bomo pridobili časovne vrste mesečnih vrednosti posameznih naložbenih razredov za
obdobje 15 let (2002–2017), izračunali donosnosti in primerjali letno ter kumulativno
donosnost, nestanovitnost in korelacijo med posameznimi naložbenimi razredi. Naslednji
korak obdelave podatkov se nanaša na faktorsko analizo, kjer bodo podatki razdeljeni v
skupine glede na naložbene razrede z opredeljenimi spremenljivkami, pri čemer bo cilj
faktorske analize pojasniti njihovo povezanost na podlagi manjšega števila faktorjev. V
kontekstu alokacije sredstev oz. učinka diverzifikacije bomo oblikovali dva različna
portfelja: Portfelj 1, ki ga bodo sestavljale 3 naložbe (delniški, obvezniški in nepremičninski
indeks) brez infrastrukture, ter Portfelj 2, kateremu bom dodal infrastrukturno naložbo. Oba
portfelja bomo obravnavali v dveh scenarijih. Pri prvemu bodo sredstva v portfelju enako
utežena (angl. Equally-Weighted Portfolio), pri drugem scenariju pa me bo zanimala
optimalna struktura portfelja, pri čemer bo glavni pogoj minimiziranje standardnega odklona
oz. tveganja portfelja. Glavni namen tega je ugotoviti, kakšen vpliv ima infrastrukturna
naložba na portfelj oz. ali ima dodana naložba diverzifikacijski učinek.
V prvem poglavju magistrskega dela bomo opisali trenutne makroekonomske in tržne
razmere nizkih obrestnih mer, ki številne vlagatelje silijo v rebalans naložbenih portfeljev in
vključevanje drugih naložb. Zaradi proračunskih deficitov velikega števila razvitih
gospodarstev so spodbude na strani vključitve zasebnega sektorja (tudi institucionalnih
vlagateljev) v sofinanciranje vse večje in zelo dobrodošle, kar nam jasno prikazuje tudi
politika Evropske unije in številni stimulacijski ukrepi, kot je na primer Jünckerjev
investicijski načrt. V drugem poglavju bomo obravnavali naložbene razrede in analizirali
rezultate donosnosti in faktorske analize indeksov posameznih naložbenih razredov
opredeljenih v metodološkem pristopu v različnem časovnem obdobju. Tretje in četrto
poglavje se v celoti nanašata na opredelitev in značilnosti infrastrukture ter analize
infrastrukture kot naložbenega razreda. Zadnje poglavje, ki obsega tri podpoglavja se
konkretno nanaša na poslovni model institucionalnega vlagatelja, ki je infrastrukturne
naložbe vključil v svoj naložbeni portfelj, pri čemer me zanima sprejemanja odločitve glede
načina financiranja infrastrukturnih naložb, regulative, ki je za institucionalne vlagatelje zelo
pomembna, in analizo tveganj katerim je izpostavljena.
1 MAKROEKONOMSKO OKOLJE
1.1 Uvod
Gospodarska slika sveta se je v letu 2017 kljub precejšnji negotovosti počasi izboljšala.
Razviti svet je ohranil zmerno rast, ki je bila podobno kot preteklo leto zasnovana predvsem
na zasebni potrošnji. V prvem četrtletju kazalniki gospodarske klime obetajo predvsem
okrevanje v industriji, rast zasebne potrošnje pa glede na vzdušje med potrošniki zaenkrat še
4
stagnira. Ob relativno ugodnih razmerah v gospodarstvu ostaja medletna inflacija območja
evra po kratkotrajnem pospešku v začetku leta relativno nizka. Močno okrevanje izkazuje
tudi slovensko gospodarstvo. Na področju denarne politike je bilo ob zadnjem kvartalu
opaziti največja razhajanja med dvema ključnima centralnima bankama. ECB je nadaljevala
z izvajanjem nestandardnih ukrepov, medtem ko je FED zviševala ključno obrestno mero,
nazadnje v prvem kvartalu leta 2018 (Banka Slovenije, 2018). Razlogi za povečano stopnjo
negotovosti glede ekonomskih politik so predvsem zaradi dogajanj na političnem področju:
protekcionistične trgovinske politike Združenih držav Amerike (v nadaljevanju ZDA),
podaljševanja sankcij Rusiji ter začetka izstopa Velike Britanije iz Evropske unije. Slednje
še ni imelo bistvenih učinkov na evropska gospodarstva, to se pričakuje predvsem v letu
2018 (Banka Slovenije, 2017).
Tabela 1: Glavni makroekonomski podatki in napovedi v letih 2017–2018 (v %)
Združene države Amerike 31.3.2017 30.6.2017 30.9.2017 31.12.2017 31.3.2018
Realni BDP** 1,4 3,1 3,2 2,7 2,4
Inflacija 2,5 1,9 1,9 2,1 2,1
Nezaposlenost 4,7 4,3 4,3 4,1 4,1
EMU* 31.3.2017 30.6.2017 30.9.2017 31.12.2017 31.3.2018
Realni BDP 1,9 2,4 2,8 2,5 2,4
Inflacija 1,5 1,3 1,5 1,4 1,4
Nezaposlenost 9,4 9,1 8,9 8,8 8,7
EC Poslovna klima 108,0 111,1 113,1 / /
Index IFO 112,2 115,2 115,3 / /
Slovenija 31.3.2017 30.6.2017 30.9.2017 31.12.2017 2018***
Realni BDP 5,0 5,4 4,9 / 4,0
Inflacija 2,0 0,9 1,4 1,5 1,5
Nezaposlenost 6,9 6,7 6,7 / 5,9
Poslovna klima 112,9 112,9 114,1 118,3 /
Legenda: * Ekonomska in monetarna unija; **bruto družbeni proizvod z medletno rastjo in letnimi podatki;
*** napoved Evropske komisije. Podatki so predstavljeni na medletni rasti in temeljijo na mesečnih
podatkih. Siva polja predstavljajo napovedi.
Vir podatkov: Bloomberg Finance L.P., Historical Prices, 2018; Evropska komisija, European Economic
Forecast Autumn 2017, b.l.; lastni izračuni.
Kazalci klime največjih gospodarstev sveta ostajajo na visoki ravni. Letna inflacija ostaja
relativno nizka, a se počasi normalizira na ravni nad 1 %. Mednarodne ustanove za letošnje
leto ekonomski in monetarni uniji napovedujejo 1,4 % inflacijo. Nadaljuje se tudi hitro in
vsesplošno okrevanje gospodarstva v Sloveniji. Njeno trdnost potrjujejo podatki o rasti BDP
v prvem četrtletju, za drugo četrtletje pa indikatorji mednarodne menjave, industrijske
proizvodnje in gospodarske klime. Opazneje se izboljšujejo tudi razmere na trgu dela,
5
medtem ko medletna inflacija pod enim odstotkom v juniju ostaja relativno nizka (Tabela
1).
1.2 Finančno okolje z nizkimi obrestnimi merami
Razmere na finančnih trgih so za institucionalne vlagatelje, kot so zavarovalnice, postale v
zadnjem obdobju izredno neugodne. Zelo nizka ali celo negativna donosnost instrumentov
denarnega trga, državnih dolžniških vrednostnih papirjev in depozitov dolgoročno znižuje
dobičkonosnost finančnih institucij in njenih produktov (Slika 1). Na drugi strani pa se ob
morebitni alokaciji sredstev v druge tradicionalne naložbene razrede, npr. delnice in sklade,
povečuje stopnja tveganosti le-teh. Kirn in Koselj (2016) trdita, da se institucionalnim
vlagateljem v takšnem okolju porajata dve ključni vprašanji, in sicer ali se prilagoditi
trenutnim razmeram z nižjo dobičkonosnostjo ali spremeniti poslovne modele in naložbene
politike ter se usmeriti v druge naložbene razrede, kot so posojila, nepremičnine ali
infrastrukturne naložbe.
Slika 1: Gibanje zahtevane donosnosti do dospetja 10-letnih državnih obveznic v letih
2001–2017 (v %)
Vir podatkov: Bloomberg Finance L.P., Historical Prices, 2018; lastni izračuni.
Takšna vprašanja so tudi posledica nove regulative Solventnost 2 (angl. Solvency 2), ki uvaja
številne novosti in spremembe, predvsem pa poudarja ovrednotenje tveganj posameznih
naložb, od katerega je odvisna kapitalska zahteva finančne institucije. Zaradi tveganj iz
naslova državnih obveznic znotraj standardnega modela in same specifičnosti regulatornega
-0,5
0,5
1,5
2,5
3,5
4,5
5,5
6,5
7,5
9.1.2001 9.1.2004 8.1.2007 7.1.2010 6.1.2013 6.1.2016
Nemčija ZDA Francija Slovenija
6
okvira je vprašljivo, če bodo institucionalni vlagatelji še vedno velik del svojih sredstev v
trenutnih razmerah nizkih obrestnih mer vlagale v državne obveznice ali raje v druge
alternativne naložbe.
Aktualno dogajanje na finančnih trgih je v prvi polovici leta 2017 poleg izboljšanja napovedi
globalnega gospodarstva zaznamovala tudi politična negotovost. S koncem polletja so ta
tveganja v večji meri izzvenela. FED je junija letos drugič zapored za 0,25 % točke zvišala
ključno obrestno mero, ECB pa je istega meseca prvič po več kot letu umilila ekspanzivnost
njene monetarne politike. Nekoliko je spremenila orientacijske smernice obrestne politike in
pričela s ponehavanjem kvantitativnega poseganja. Opazneje, za 8,6 %, se je okrepila
vrednot evra (v nadaljevanju EUR) proti ameriškem dolarju (v nadaljevanju USD).
Donosnost 10-letne nemške državne obveznice se je skozi obravnavano obdobje gibala nad
0,30 in se na koncu polletja zvišala na raven 0,47 %. Donosnosti obveznic perifernih držav
so se je po močnejšem, po višini neenotnem dvigu v prvem četrtletju, pričele postopno
zniževati. Donosnost slovenske državne obveznice ročnosti 10-ih let se je povzpela za 0,31
% točke in polletje končala na ravni 1,17 % (Tabela 2).
Tabela 2: Gibanje obrestnih mer in njihove napovedi v letih 2017–2018 (v %)
ZDA 31.3.2017 30.6.2017 30.9.2017 31.12.2017 31.3.2018
FED obrestna mera 0,75 1,00 1,00 1,25 1,50
LIBOR 3 mesece 1,15 1,30 1,33 1,69 1,85
10- letna donosnost 2,39 2,31 2,33 2,41 2,75
EMU 31.3.2017 30.6.2017 30.9.2017 31.12.2017 31.3.2018
ECB obrestna mera 0,00 0,00 0,00 0,00 0,00
EURIBOR 3 mesece -0,33 -0,33 -0,33 -0,33 -0,33
SWAP 10 letna obrestna mera 0,76 0,90 0,91 0,89 /
Nemčija: 10-letna donosnost 0,33 0,47 0,46 0,42 0,57
Francija: 10-letna donosnost 0,97 0,81 0,74 0,78 0,86
Italija: 10-letna donosnost 2,31 2,15 2,11 2,01 2,60
Španija: 10-letna donosnost 1,67 1,54 1,60 1,57 1,70
Slovenija: 10-letna donosnost 1,41 1,17 0,99 0,89 /
Legenda: Siva polja predstavljajo napovedi.
Vir podatkov: Bloomberg Finance L.P., Historical Prices, 2018; lastni izračuni.
V četrtem četrtletju je obvezniške trge poleg ugodnih makroekonomskih razmer in
izboljšanih napovedi gospodarstev (ob sicer umerjenih inflacijskih pritiskih) zaznamovala
predvsem politična negotovost okoli težnje Katalonije po odcepitvi, ki pa je imela prehoden
in lokalen značaj. ECB je oktobra najavila, da bo z novim letom znižala višino nakupov
obveznic v okviru njenega kvantitativnega poseganja, medtem ko obrestne politike ni
spremenila. V nasprotju z ECB je FED razpon ključne obrestne mere v decembru ponovno
zvišala, in sicer za 0,25 odstotne točke na raven od 1,25 % do 1,50 % (Tabela 2).
7
Na delniških trgih je bilo prvo lansko četrtletje dokaj pozitivno. Osrednji ameriški indeks
S&P 500 je pridobil skoraj 5,5 %, medtem ko je nemški indeks DAX pridobil nekaj več kot
7 %. Še boljšo rast je imel turški indeks ISE NATIONAL 100, ki je pridobil več kot 11 %
vrednosti (Tabela 3). Zelo solidni makroekonomski podatki, tako v ZDA kot tudi v Evropi
in Aziji, so dali močan zagon delniškim trgom. Sicer ne gre za najdonosnejši prvi kvartal
zadnjih let, vsekakor pa enega manj nestanovitnih. Na ameriškem kapitalskem trgu sta
glavno vlogo odigrala FED in predsednik Trump. Glede na njegove izjave lahko
pričakujemo prenovljeno davčno zakonodajo, iz administracije pa so sporočili, da bo 1.000
milijard dolarjev vreden infrastrukturni načrt javnosti predstavljen proti koncu leta (Banka
Slovenije, 2018).
Tabela 3: Pregled donosnosti svetovnih delniških indeksov v letu 2017 (v %)
Regija Indeks Q4 2017 Q3 2017 Q2 2017 Q1 2017 Skupaj 2017
Svet MSCI World 5,1 4,4 3,4 5,9 20,1
EMU DJ STOXX 50 0,2 1,6 -1,2 5,0 5,6
USA S&P 500 6,1 4,0 2,6 5,5 19,4
Nemčija DAX 0,7 4,1 0,1 7,3 12,5
Japonska NIKKEI 225 11,8 1,6 6,0 -1,1 19,1
Indija SENSEX 30 8,9 1,2 4,4 11,2 27,9
Kitajska SHANG -1,3 4,9 -0,9 3,8 6,6
Brazilija BOVESPA 2,8 18,1 -3,2 7,9 26,9
Rusija RTS $ 1,6 13,6 -10,1 -3,4 0,2
Turčija ISE NATIONAL 100 12,1 2,5 12,9 13,8 47,6
Slovenija SBI TOP 1,3 0,0 2,8 8,0 12,4
Hrvaška CROBEX 1,8 -2,9 -6,2 -0,3 -7,6
Legenda: * Q označuje kvartalno obdobje (trimesečje).
Vir: Bloomberg Finance L.P., Historical Prices, 2018; lastni izračuni.
Drugo lansko četrtletje je bilo ponovno pozitivno za delniške trge. Osrednji ameriški indeks
S&P 500 je pridobil 2,6 %, medtem ko je nemški indeks DAX pridobil zgolj 0,1 %. Nekoliko
bolj umirjeno rast je po skokoviti rasti v prvem četrtletju, zabeležil indeks MSCI World, ki
je pridobil 3,4 % vrednosti (Tabela 3). Trge še vedno »poganjajo« zelo solidni
makroekonomski podatki, tako v ZDA kot tudi v Evropi in Aziji, pri čemer je spodbudno
predvsem to, da se poslovanje podjetij še vedno izboljšuje, kar je tudi ena izmed podlag za
pozitivno razpoloženje med analitiki in vlagatelji (Banka Slovenije, 2018). Tudi tretje in
zadnje četrtletje je bilo za vlagatelje na trgih precej donosno z izjemo indijskega in hrvaškega
osrednjega indeksa, pri čemer je slednji v tretjem četrtltju beležil padec v višini 2,9 %
medtem, ko je indijski indeks v zadnjem četrtletju leta 2017 zabeležil 1,3 % padec delnic
indeksa (Tabela 3).
8
1.3 Proračunski primanjkljaji in povpraševanje po infrastrukturi
Infrastrukturne naložbe zaradi svojih visokih naložbenih stroškov in stroškov vzdrževanja
posameznim državam predstavljajo hudo proračunsko bremenitev, ki si v obdobju od
začetka dolžniške krize in sprejetih varčevalnih ukrepih investiranja v infrastrukturo niso
mogle privoščiti (Inderst, 2013). Kljub povečevanju zadolženosti posameznih držav le-te
sredstev pridobljenih z zadolževanjem v glavnem niso namenjale za infrastrukturne naložbe
(Slika 2).
Slika 2: Zadolženost držav v odstotku od BDP-ja (v %)
Vir podatkov: IMF, World Economic Outlook Database, b.l.; lastni izračuni.
Posledično lahko opazimo, da so države Organizacije za gospodarsko sodelovanje in razvoj
(angl. Organisation for Economic Co-operation and Development, v nadaljevanju OECD)
v zadnjih desetletjih zmerno zmanjševale nivo vlaganj v infrastrukturo, k čemur je v zadnjem
obdobju v veliki meri prispevala tudi globalna finančna kriza iz leta 2008 (Slika 3). Takšne
razmere so državam narekovale, da poiščejo nove vire financiranja oz. sofinanciranja, ki bi
razbremenile nacionalne proračune. Tako lahko pri infrastrukturi opazimo vse večjo vpetost
in prepletanje javnega in zasebnega sektorja z namenom krepitve in povečanja ekonomske
produktivnosti. Infrastruktura je tako zaradi svojih specifičnih značilnosti in trenutnega
okolja nizkih obrestnih mer vse bolj zanimiva zasebnim vlagateljem (Déau, 2011).
0
50
100
150
200
250
Kanada Francija Nemčija Italija Japonska Velika
Britanija
ZDA
1995 2000 2005 2010 2015 2020
9
Po mnenju Ottesena (2011) po svetu obstaja znatno povpraševanje po vlaganjih v
ekonomsko in družbeno infrastrukturo, ker obe obsegata ključne lokacijske faktorje in
gonilnike rasti nekega gospodarstva. Weber et al. (2016) izpostavljajo, da je kombinacija
gospodarske rasti, nezadostnih vlaganj in neprimerno vzdrževanje obstoječe starajoče
infrastrukture pripeljala do vidnega neravnotežja med ponudbo in povpraševanjem po
infrastrukturi. Ta razkorak dodatno povečuje staranje prebivalstva v razvitih državah in
naraščanje v državah v razvoju ter povečano povpraševanje po gradnji, modernizaciji in
nadomeščanju obstoječe infrastrukture, kar ima za posledico tudi višje stroške (World
Economic Forum, 2014).
Slika 3: Infrastrukturne naložbe v odstotku od BDP-ja v letih 1995–2014 (v %)
Legenda: * Podatki obsegajo naložbe v kopensko infrastrukturo.
Vir podatkov: OECD, OECD Data Infrastructure investment, b.l.; lastni izračuni.
Po podatkih podjetja Prequin (2017), ki velja za enega osrednjih virov na področju
alternativnih naložb, so prehod v leto 2017 na področju infrastrukture zaznamovale
predvsem povečana koncentracija kapitala, stopnja vrednotenja, rekordno zbiranje sredstev
in nadaljnje povečano povpraševanje za infrastrukturo. V okolju nizkih obrestnih mer se bo
povpraševanje vlagateljev po infrastrukturi še vedno nadaljevalo, zaradi prevladujoče
pozicije nekaterih največjih upravljalcev in rekordnega števila ciljnega upravljanja kapitala
pa bo zbiranje sredstev (angl. Fundraising) pri večini še vedno izredno zahtevno.
Zaskrbljenost udeležencev se kljub visokim donosom v preteklosti trenutno nanaša na
sredstva, ki potiskajo cene navzgor in hkrati posegaj v donose. Kljub temu je splošna slika
v panogi pozitivna, večina infrastrukturnih poslov pa ima trdne temelje in podporo držav, ki
0
0,5
1
1,5
2
Francija Nemčija Italija Japonska Velika Britanija ZDA
1995 2000 2005 2010 2014
10
želijo novo ali izboljšano infrastrukturo. Po anketah naj bi 73 % managerjev pričakovalo v
letu 2018 več sredstev kot v predhodnem letu (Prequin, 2017).
1.4 Jünckerjev investicijski načrt
Eden izmed ukrepov za spodbuditev gospodarske rasti in povečanje zaposlenosti v
evroobmočju, ki se je zaradi posledic finančne krize iz leta 2008 in kasneje dolžniške krize
v Evropi soočala z upadom gospodarske aktivnosti in stagnacijo v različnih sektorjih
gospodarstva, je bil Jünckerjev predlog oz. načrt zagotavljanje dodatnih sredstev za
investicije, ki ga je v okviru Evropske komisije predstavil leta 2014. Čeprav se je bančni
kreditni krč v tem času že nekoliko sprostil in so bile banke kljub nizkim obrestnim meram
pripravljene kreditirati gospodarstvo, ni bilo ustreznih oz. primernih projektov, ki bi jih
banke financirale. Vzrok za predlagani načrt, kot ugotavljajo Claeys, Huttl, Sapir in Wolff
(2014), je, da je v evropskih državah nivo investicij tako v zasebnem kot javnem sektorju
bistveno pod dolgoročnim trendom oz. izrazito prenizek za krepitev rasti in zaposlenosti.
Slika 4: Prikaz delovanja Junckerjevega načrta
Povzeto in prirejeno po G. Claeys, Jüncker plan: the EIB in the driver's seat, 2015.
Financiranje v sklopu investicijskega programa naj bi potekalo preko novoustanovljenega
sklada za strateške naložbe (angl. European Fund For Strategic Investment, v nadaljevanju
EFSI), ki bi dobil sredstva iz evropskega proračuna in predstavljal bilančna sredstva
Evropske investicijske banke (v nadaljevanju EIB), ki bi v 3 letih zagotovila približno 63
Jamstv
o v
prim
erjavi
s kap
italom
na
odpo
klic p
ri EIB
-ju
Struktura upravljanja:
EU proračun 8 mrd EUR iz proračuna
2015 -2020
EU jamstveni sklad 16 mrd EUR
EIB (idem for EIF)
Sredstva Obveznosti
Običajna EIB sredstva (posojila)
EFSI sredstva
(posojila,
garancije,
delnice)
Običajne EIB
obveznosti
Dodatno zadolževanje
s strani EIB
Prispevek EIB-ja iz
naslova dobička = 5
mrd
63 m
rd E
UR
v 3
letih
Načrtovano sofinaciranje
zasebnega sektorja (x5)
315 mrd EUR
v treh letih
EFSI
(EK in EIB)
Investicijski odbor
(Izvršni direktor in 8 strokovnjakov)
Odločitve na projektih
11
milijard EUR. Poleg tega načrt predvideva sofinanciranje privatnega sektorja, ki bi omenjena
sredstva povečal za 5-kratnik in v 3 letih akumuliral približno 315 milijard EUR (Slika 4).
Po enem letu delovanja investicijskega načrta pa Clayes in Leandro (2016) verjameta, da so
ideje za spodbuditev investicij prek evropske investicijske banke kljub ne preveč blestečim
rezultatom lahko zelo koristne. Za dosego boljšega rezultata sta po njunem mnenju potrebni
dve stvari. Prvič – EFSI se mora uporabljati zgolj za inovativne in tvegane projekte, za katere
trenutno na trgu zaradi različnih razlogov ni možno zagotoviti financiranja. Pri takšnih
projektih mora biti EIB pripravljena utrpeti tudi izgube, če želi privabiti zasebno
financiranje. In drugič – delež participacije EIB-ja bi se moral na eni strani pri običajnih
projektih znižati in EIB bi morala odigrati vlogo koordinatorja oz., posrednika pri iskanju
vlagateljev, medtem ko bi pri visoko tveganih projektih soudeležba morala biti višji. Na ta
način bi bil bilančni multiplikator bistveno višji od predvidenega (3x), kar bi omogočalo
pravi zagon investicij.
2 OPREDELITEV POJMOV IN ZNAČILNOSTI
INFRASTRUKTURE
2.1 Kaj je infrastruktura?
Courtois (2013) v splošnem infrastrukturo opredeli kot sredstvo, ki bistveno prispeva h
gospodarskemu razvoju držav in narodov, spodbuja konkurenčnost in gospodarsko rast ter
ima ključno vlogo tudi v mednarodni trgovini. Oblikuje kvaliteto življenja posameznika in
družbe, saj omogoča dostop do širokega nabora različnih resursov, kot so najbolj osnovni,
npr. voda, energija in transport, do bolj naprednih telekomunikacijskih storitev,
izobraževanja in zdravstva. Zgolj manjši del globalnih infrastrukturnih naložb je v zasebnem
lastništvu ali pa kotira na borzi, medtem ko je velik del infrastrukture v državnem lastništvu.
Slika 5: Splošna razdelitev infrastrukture
Povzeto in prirejeno po G. Inderst, Infrastructure as an Asset Class, 2010, str. 72.
•transport (letališča, pristanišča, ceste, tuneli, mostovi, parkingi)
•javne službe (voda, kanalizacija, odpadki, distribucija energije)
•komunikacije (kabelsko omrežje, stolpi, sateliti)
•obnovljiva energija
Ekonomska infrastruktura
•šole in druge izobraževalne ustanove
•zdravstvene ustanove
•obrambne in pravosodne zgradbe, zapori, stadioni
Družbena infrastruktura
12
Weber et al. (2016) z izrazom infrastruktura označujejo ceste, letališča, pristanišča, naftno
mrežo in plinovod, proizvodnjo energije vključno z obnovljivo energijo (vetrno, vodno,
solarno in biomaso), vodne vire ter odpadke oz. ekonomsko infrastrukturo. Pod družbeno
infrastrukturo uvrščajo javne zgradbe, kot so šole, bolnišnice ter upravne oz. administrativne
zgradbe. Weisdorf (2007) infrastrukturo opredeljuje kot skupni imenovalec vseh tistih
sredstev, ki vključujejo gibanje vode, energije, ljudi in blaga. Tudi Inderst (2010)
infrastrukturo v naložbenem kontekstu razdeli na dve področji, ekonomsko in družbeno
(Slika 5).
2.2 Infrastrukturni projekt – naložba – objekt
Ko je govora o infrastrukturi, se pogosto zamenjujejo ali enačijo posamezni izrazi, zato
bomo v tem delu izpostavili posamezne termine, na kaj se le-ti nanašajo in kako jih bomo
uporabljali. Oblike sodelovanja pri infrastrukturnem projektu, naložbi ali zgradbi (objektu),
ki jih izpostavljajo Weber et al. (2016), so: javno partnerstvo, javno-zasebno partnerstvo
(angl. Public-Private Partnership, v nadaljevanju PPP) ali v celoti zasebno partnerstvo. Po
tej opredelitvi lahko zasebni vlagatelji sodelujejo zgolj pri zadnjih dveh oblikah. Pri povsem
zasebni obliki partnerstva je v ospredju naložba oz. zgradba, kjer bo/je eden ali več
vlagateljev lastnik infrastrukture. Naložba v npr. novoustanovljeni PPP se najpogosteje oz.
običajno nanaša na nek projekt, kjer zasebni partner pridobi koncesijo, licenco ali katero
drugo obliko PPP pogodbe od javnega partnerja (lastnika) za določeno časovno obdobje.
Takšen primer javno-zasebnega sodelovanja pri financiranju infrastrukture je tudi oblika
projektnega financiranja (angl. Build Operate Transfer – BOT), pri čemer gre za obliko
financiranja infrastrukturnih naložb in zagotavljanja infrastrukturnih storitev, »pri kateri
koncesionar na osnovi koncesijske pogodbe, sklenjene z državo, infrastrukturni objekt
izgradi in financira, ga ima v lasti ter z njim upravlja v obdobju, opredeljenem v pogodbi,
po izteku tega obdobja pa objekt prenese v last države« (Mrak, Gazvoda, & Mrak, 2005, str.
34).
Z izrazom naložba oz. objekt ali zgradba mislimo na konkreten fizičen objekt oz. materialno
infrastrukturo (ceste, elektrarne, šole, …), ki je kot taka del »zgrajenega« okolja tako
družbene kot ekonomske infrastrukture, njeni vlagatelji pa postanejo polnopravni ali delni
lastniki obstoječe ali prihodnje naložbe/objekta. Razlike med naložbo oz. objektom zato ni,
gre bolj za različno terminološko uporabo posameznih strok v tuji literaturi, predvsem v
stroki, kjer v finančni industriji prevladuje izraz naložba (angl. Asset), v gradbeništvu pa npr.
zgradba ali objekt (angl. Facility).
Pomembno je razlikovati med infrastrukturnim projektom in infrastrukturno naložbo, saj pri
projektu vlagatelj ne postane nujno lastnik ali delni lastnik zadevne zgradbe oz. objekta. Pri
projektu je interes vlagatelja, da s tem, ko investira v določeno naložbo, njeno izgradnjo,
vzdrževanje ali delovanje, od lastnika projekta pričakuje oz. prejema prihodke od projekta
ali redno plačilo (angl. Regular Payment), kot je uporabnina (angl. Availability Payment).
13
Pri PPP projektu je tako zasebni partner soudeleženec projektnega podjetja (angl. Project
Company). Lastništvo naložbe je v rokah javnega partnerja. Projekti so poleg tega tudi vedno
časovno omejeni, zato je naložba v infrastrukturni projekt končana z rokom navedenim v
projektni oz. koncesijski pogodbi (Cruz & Marques, 2013). Zaradi specifične lastniške
strukture pri financiranju in časovne omejenosti projekt zahteva takšno obliko oz. strukturo,
kjer bo zasebni vlagatelj v življenjski dobi projekta generiral dovolj visoke prihodke, s
katerimi bo dosegel zahtevano donosnost (Weber et al., 2016). Glede na takšno splošno
opredelitev infrastrukturo lahko naprej razdelimo tudi v druge kategorije glede na njene
državne, sektorske in projektne značilnosti (Priloga 10).
2.3 Značilnosti infrastrukture
Infrastruktura obsega široko področje tako ekonomskega kot socialnega okolja, zato je
včasih težko opredeliti oz. se strinjati, ali je neka naložba res infrastrukturna. Ali lahko
komunalno podjetje uvrstimo pod infrastrukturo? Kakšna je ločnica med javno in zasebno
infrastrukturo? V finančni industriji so se teh problemov poskušali lotiti tako, da poiščejo
neko skupno osnovo oz. skupne finančne značilnosti infrastrukture. Na ta način se pri
infrastrukturnih naložbah najbolj izpostavlja pomen omejene konkurence (angl. Limited
Competition), ki ima korenine v različnih virih (Inderst, 2009):
• ekonomski (naravni monopoli, javne dobrine),
• regulatorni (nadzor taks in povečevanje plačila glob ali cestnin, nadzor komunalnih
storitev),
• koncesijski s strani državnih organov (dolgoročne pogodbe).
Slika 6: Značilnosti infrastrukturnih naložb
Povzeto in prirejeno po G. Inderst, Pension Fund Investment in Infrastructure, 2009, str. 6.
Ekonomske lastnosti
•visoki vstopni stroški
•ekonomije obsega (visoki fiksni, nizki variabilni stroški)
•neelastično povpraševanje
•nizki operativni stroški in visoka ciljna marža
•dolgo trajanje
Finančne lastnosti
•dolgoročen, stabilen in predvidljiv denarni tok
• inflacijsko ščitenje
•donosi neobčutljivi na poslovne cikle, obrestne mere in delniške trge
•relativno nizka stopnja nezmožnosti poravnavanja obveznosti
•nizka povezanost z ostalimi naložbenimi razredi
•družbeno odgovorno investiranje (javne dobrine pomembne za družbo)
14
Na podlagi tega lahko splošne značilnosti infrastrukture razdelimo na ekonomske in finančne
(Slika 6).
Za infrastrukturne naložbe je značilna dolga življenjska doba, stabilni in predvidljivi denarni
tokovi, redni prihodek, nizka nestanovitnost ter korelacija z ostalimi naložbenimi razredi in
delno inflacijsko ščitenje. Zaradi visokih začetnih stroškov ima večina infrastrukturnih
naložb velike vstopne ovire, zato so manj izpostavljene poslovnim ciklom (Courtois, 2013).
Te značilnosti najbolj pojasnjujejo, zakaj so infrastrukturne naložbe zelo zanimive za
institucionalne vlagatelje, kot so pokojninski skladi. Le-ti v današnjem finančnem okolju
iščejo investicijske priložnosti, ki ustrezajo njihovim obveznostim (Ehlers, 2014).
Prej omenjene infrastrukturne značilnosti se lahko aplicirajo le na manjšo podskupino
infrastrukturnih naložb znotraj celotne infrastrukture, predvsem na konzervativno
strukturirane naložbe. Med takšne spadajo (Weber et al., 2016):
• Ključna javna storitev
Dejstvo je, da infrastruktura omogoča naše vsakdanje življenje z zagotavljanjem
komunikacij, mobilnosti, izobraževanja, zdravstva itd. ter ima pomembno funkcijo
javne storitve.
• Nizka elastičnost povpraševanja
Povpraševanje po infrastrukturi je relativno neodvisno od poslovnih ciklov in
gospodarske uspešnosti.
• Monopol z visokimi vstopnimi ovirami
Visoki vstopni stroški izgradnje telekomunikacij, vode, elektrike so razlog za težak
vstop v panogo in nizko konkurenco.
• Regulacija
Regulatorna funkcija države je v okolju brez ali z nizko stopnjo konkurence ključna, saj
ima vlogo korekcijske funkcije na trgu. Že sama prisotnost regulacije pa povsem ne
izloči tržnega tveganja.
• Dolgo obdobje zagotavljanja storitve
Mostovi, bolnišnične zgradbe in ceste so naložbe z izredno dolgo življenjsko dobo
nudenja storitve uporabnikom.
• Inflacijsko ščitenje
Prihodki od infrastrukture so pogosto v kombinaciji z inflacijsko prilagojenimi
mehanizmi, kot so prihodkovne klavzule, zagotovljeni donosi ali kakšne druge oblike
pogodbenih razmerij. Prihodki, ki jih generirajo pristojbine oz. takse (cestnine), so
pogosto vezane na bruto domači proizvod ali indeks cen življenjskih potrebščin.
2.4 Greenfield in brownfield naložba
Infrastrukturno investiranje pogosto razlikuje med dvema različnima tipoma naložb, ki ju
označujemo tudi kot projektno razvojna (angl. Project Develpoment) in operativna naložba
(angl. Operational Asset) ali kot primarni in sekundarni projekt. Takšna klasifikacija
projekta oz. naložbe odraža različna tveganja v različnih razvojnih fazah. Vlagatelji pogosto
15
sklepajo, da je tveganje vlaganj v izgradnjo novih zmogljivosti (angl. Greenfield
Investments, v nadaljevanju primarne naložbe) vedno višje od brownfield naložb (angl.
Brownfield Investments, v nadaljevanju sekundarnih naložb). Bolj so zanimivi primeri
infrastrukturnih naložb, kjer je stopnja tveganja primarne naložbe podobna stopnji tveganja
sekundarne naložbe. Weber et al. (2016) opredeljujejo nove naložbe oz. primarni projekt
tudi kot naložbo, ki bo prvič zgrajena na specifični lokaciji. Ta naložba je lahko v različni
razvojni fazi planiranja, razvoja, financiranja ali izgradnje. Na drugi strani je sekundarna
naložba oz. projekt že operativna in ima ali pa je imela predhodnika že na lokaciji, kjer je
potekala gradnja. Takšna naložba lahko vključuje ponovno izgradnjo, obnovo ali razširitev
obstoječe infrastrukture. Ključna razlika med obema vrstama naložb je v zapadlosti (angl.
Maturity) in pridobljenih informacijah za specifično naložbo, ki je pri primarnih naložbah
bistveno nižja, kar vodi do višje stopnje negotovosti in tveganja na strani stroškov in
prihodkov.
Sekundarne naložbe so obstoječe operativne naložbe, ki so že prestale začetno primarno
fazo. Vsa tveganja, ki so povezana z razvojno fazo ali okoljevarstveno problematiko,
sprejetjem javnosti, procesom potrditve projekta, provizijami, tehnologijo in začetnim
povpraševanjem, so na tej točki odpravljena. Pomembnejša preostala tveganja sekundarne
naložbe so operativno, regulatorno in tržno tveganje, do določene stopnje pa tudi geografsko,
politično in zakonodajno (Weber, 2009).
Pomembna razlika med primarno in sekundarno naložbo je tudi, da vlagatelji v izgradnjo
novih zmogljivosti v prvih letih v fazah razvoja in gradnje še ne ustvarjajo donosa, se pa od
njih zahtevajo redna plačila. Začetni vložek je povrnjen, ko je objekt oz. zgradba v
operativnem stanju, zato lahko govorimo o J-krivulji, ki je tipična za denarne tokove takšnih
naložb. Vlagatelji, ki so predvsem zainteresirani za povečevanje notranje stopnje donosa
(angl. Internal Rate of Return, v nadaljevanju IRR), sprejmejo J-krivuljo in višjo stopnjo
tveganja primarne naložbe v primerjavi s sekundarno, saj vedo, da so udeleženi v potencialno
visoki apreciaciji vrednosti naložbe v tej fazi in bodo lahko kasneje generirali visoke donose
(Bitsch, Buchner, & Kaserer, 2010).
Dobro ohranjene sekundarne naložbe z dolgoročnimi pogodbami bodo v idealnih razmerah
omogočile stabilne, predvidljive trenutne denarne tokove že od samega začetka v obliki
dividend ali plačila obresti, podobno kot je to pri nepremičninah ali obveznicah. Zaradi tega
so najbolj primerne za tveganju nenaklonjene vlagatelje, ki jih bolj zanima donosnost
naložbe kot pa notranja stopnja donosa. Primarne naložbe pa bolj ustrezajo tistim
vlagateljem, ki jih zanimajo kapitalski dobički ali model rasti naložbe in so za to pripravljeni
prevzeti dodatno tveganje. Kljub temu bi bilo po mnenju Weber et al. (2016) zmotno trditi,
da ima vsaka sekundarna naložba nizko tveganje, saj je lahko profil tveganja naložbe, ki je
izpostavljena celotnem trgu in v slabem stanju, zelo visok. Slabo vzdrževanje, šibko
upravljanje, prekomerna uporaba, poslabšanje gospodarskih razmer, stečaj zaradi
prekomerne zadolženosti in brez dolgoročnih pogodb lahko zvišajo tveganje naložbe in
16
povzročijo nepredvidljivost ter nestabilnost denarnih tokov. V takšnem primeru je cilj
ustvariti dodatno vrednost preko dolgoročnih pogodb, ki zmanjšajo ali celo izločijo tržno
tveganje, ali pa poskrbeti za operativne izboljšave, popravke in razširitve kapacitet, nove
oblike uporabe ali prek ponovnih finančnih in pogodbenih pogajanj (Weber, 2009).
2.5 Donosnost in notranja stopnja donosa pri infrastrukturi
Vsi vlagatelji v infrastrukturo imajo določene skupne finančne cilje, kar ne pomeni, da so
homogena skupina. Njihov individualni interes se pri infrastrukturnih naložbah pogosto
lahko razlikuje. Pri infrastrukturnih delniških naložbah strateški in finančni vlagatelji
zasledujejo enega od dveh finančnih ciljev ali kombinacijo obeh. Prvi je zagotoviti stabilno,
visoko donosnost (angl. Yield) in/ali drugi pa je zagotoviti najvišjo možno dobičkonosnost
navadnega lastniškega kapitala (angl. Return On Equity, v nadaljevanju ROE). Na tej podlagi
lahko razlikujemo med vlagatelji, ki so bolj naklonjeni zasledovanju donosnosti, in
vlagatelji, ki sledijo IRR-ju. Med prve spadajo zavarovalnice, zasebni in državni pokojninski
skladi, dobrodelne fundacije, ki imajo tipičen dolgoročen naložbeni horizont (angl. Buy-and-
Hold) brez kratkoročnih ali srednjeročnih prodaj naložbe. Povsem se zanašajo na trenutno
donosnost v obliki dividend in plačila obresti od posojil delničarjev. Na drugi strani imajo
IRR vlagatelji tipičen kratko oz. srednjeročen naložbeni horizont od dveh do približno
sedmih let. Greenfield naložbe so tipičen primer takšnih vlaganj. Med slednje klasificiramo
strateške vlagatelje, investicijski skladi, ki jih upravljajo profesionalni investicijski
upravljalci kot tudi drugi institucionalni vlagatelji, ki imajo podoben kratkoročen naložbeni
načrt. Razlikovanje je bolj indikativno, kombinacije in izjeme pa obstajajo pri obeh skupinah
vlagateljev (Weber et al., 2016).
3 NALOŽBENI RAZREDI
3.1 Opredelitev naložbenega razreda
Naložbeni razred (angl. Asset Class) na splošno lahko opredelimo kot določeno skupino
naložb s podobnimi značilnostmi in vedenjem na trgu, ki so podvržene skupnim tržnim
silam, zakonodaji in regulaciji (Asset Class, b.l.). Wilcox in Fabozzi (2013) naložbeni razred
opredeljujeta na podlagi skupnih investicijskih značilnosti, ki jih imajo naložbe znotraj
razreda. Med te značilnosti uvrščata:
• pomembnejše ekonomske dejavnike, ki vplivajo na vrednost naložbenega razreda, pri
katerih obstaja visoka korelacija z donosnostjo vsake naložbe, ki je vključena v
posamezni razred;
• podobne značilnosti glede tveganja in donosnosti;
• enoten pravni ali regulatorni okvir.
Upoštevajoč takšno opredelitev bi bila korelacija donosnosti med naložbenimi razredi nizka.
17
Na drugi strani pa Kritzman (1999) naložbeni razred preprosto opredeli kot skupino naložb,
ki jih upravljalec premoženja obravnava kot naložbeni razred. Kritzman namreč verjame, da
so vlagatelji bolj naklonjeni alokaciji sredstev v naložbe, ki so obravnavne kot naložbeni
razred. V svoji študiji predstavi in predlaga glavne kriterije za določitev naložbenega razreda
(Kritzman, 1999):
• relativna neodvisnost,
• pričakovana koristnost,
• homogenost,
• zmogljivost.
V kolikor imamo skupino naložb, ki izpolnjujejo te kriterije, lahko govorimo o naložbenem
razredu.
3.1.1 Relativna neodvisnost
Naložbeni razred naj bi bil relativno neodvisen od ostalih naložbenih razredov v
vlagateljevem portfelju. Z relativno neodvisnostjo se Kritzman (1999) sprašuje, ali nov
naložbeni razred pripomore k bolj učinkoviti diverzifikaciji. Vključitev novega naložbenega
razreda ne bo izboljšala diverzifikacije premoženja, če obstaja v portfelj že vključena
kombinacija naložbenega razreda, ki lahko replicira značilnosti tveganj novega naložbenega
razreda. Relativno neodvisnost lahko testiramo tako, da identificiramo kombinacijo
naložbenih razredov, ki minimizirajo sledilno napako (angl. Tracking Error), s predlaganim
novim naložbenim razredom. Na podlagi tega presodimo, ali je sledilna napaka takšnega
portfelja dovolj velika, da lahko domnevamo neodvisnost naložbenega razreda. Sledilno
napako izračunamo kot standardni odklon razlik v donosnosti (Kritzman, 1999, str. 80).
Izračun je po enačbi (1):
𝑠𝑙𝑒𝑑𝑖𝑙𝑛𝑎 𝑛𝑎𝑝𝑎𝑘𝑎 = 𝜎 = √1
𝑛 − 1∑[𝑟𝑝 − 𝑟𝑟]
2𝑛
𝑡=1
2
(1)
Kjer je:
𝜎 – standardni odklon,
𝑟𝑝 – donosnost portfelja v določenem časovnem obdobju brez predlaganega naložbenega
razreda,
𝑟𝑟 – donosnost predlaganega naložbenega razreda.
Izračunano sledilno napako primerjamo z ostalimi sledilnimi napakami izračunanimi med
posameznimi naložbenimi razredi in sestavljenim portfeljem, ki temeljijo na enakih donosih,
18
in ocenimo, ali je sledilna napaka novega naložbenega razreda v primerjavi z ostalimi dovolj
velika.
3.1.2 Pričakovana donosnost
Naslednji kriterij za določanje naložbenega razreda se dotika dveh področij. Razlikovanja
med pričakovano koristnostjo in pričakovanim donosom ter razliko med naključno izbiro in
spretno izbiro z vidika vlagatelja. Pričakovana koristnost se nanaša na posameznikovo
zadovoljstvo, ki ga prinašajo višji donosi, ali pomembneje – pričakovanje o zmanjšanem
tveganju. Omenjeno lahko zapišem kot:
𝐸(𝑢) = 𝐸(𝑟) − 𝛾𝜎2 (2)
Kjer je:
𝐸(𝑢) – pričakovana koristnost,
𝐸(𝑟) – pričakovana donosnost,
𝛾 – stopnja nenaklonjenosti tveganju,
𝜎2 – varianca.
Kritzman (1999) pokaže, da je pri alokaciji sredstev potrebno upoštevati tudi korelacijo
potencialnega novega naložbenega razreda z obstoječim portfeljem. Če del portfelja
alociramo v takšen naložbeni razred, se ob enaki naklonjenosti tveganju in znižani
pričakovani donosnosti zniža tudi standardni odklon, kar bo zvišalo pričakovano koristnost.
Torej smo pripravljeni zamenjati višjo pričakovano donosnost za nižje tveganje, iz česar
sledi, da pričakovana donosnost ni zadostna za merjenje učinka sredstev na vlagateljevo
zadovoljstvo. Razlikovanje med naključno in spretno izbiro je, čeprav nekoliko subtilna za
Kritzmana, še vedno pomembna. Naložbeni razred mora prispevati k višji pričakovani
koristnosti portfelja, vendar ne zaradi spretnih vlagateljev, ki identificirajo superiorne
upravljalce premoženja znotraj naložbenega razreda. Vlagatelj namreč pričakuje, da bo
naložbeni razred zvišal koristnost, čeprav so upravljalci znotraj naložbenega razreda izbrani
naključno.
3.1.3 Homogenost
Zahteva po homogenosti med komponentami naložbenega razreda zagotavlja, da ne
ignoriramo priložnosti za diverzifikacijo. Če naložbeni razred sestavljajo različne
komponente, potem z investiranjem v ta naložbeni razred implicitno vsiljujemo nepotrebne
in potencialno škodljive omejitve, da morajo biti komponente v enakih relativnih razmerjih
kot njihove uteži v naložbenem razredu. Kritzman (1999) trdi, da je bistveno bolje, če
določen naložbeni razred prepoznamo kot nehomogen in ga lahko segmentiramo v več
19
drugih homogenih komponent in na ta način izboljšamo pričakovano donosnost in tveganje
portfelja.
3.1.4 Zmogljivost
Zadnji Kritzmanov kriterij za določitev naložbenega razreda je, da je le-ta dovolj velik, da
lahko absorbira pomembne deleže znotraj portfelja. Če bi investirali v naložbeni razred, ki
nima ustrezne kapacitete, bi to pomenilo izredno visoke stroške investicije in zmanjšalo
likvidnost portfelja. Posledično bi morali zmanjšati pričakovano donosnost portfelja in
zvišati raven tveganja do točke, ko predlagani naložbeni razred ne bi več zmogel izboljšati
koristnosti portfelja.
3.2 Vrste naložbenih razredov
Za večino razvitih držav so tradicionalni naložbeni razredi naslednji (Wilcox & Fabozzi,
2013):
• navadne delnice,
• obveznice,
• denar in denarne ustreznike,
• nepremičnine.
Navadne delnice so izredno širok naložbeni razred, zato se zelo pogosto razdelijo v druge
podrazrede. Wilcox in Fabozzi (2013) npr. ameriške navadne delnice razdelita glede na tržno
kapitalizacijo (Tabela 4) ter delnice z visokimi/nizkimi tržnimi multiplikatorji.
Tabela 4: Klasificiranje navadnih delnic po tržni kapitalizaciji
Klasifikacija kapitalizacije Tržna kapitalizacija (v USD)
Mega Višja od 200 mrd
Velika 10 mrd do 200 mrd
Srednja 2 mrd do 10 mrd
Majhna 300 mio do 2 mrd
Mikro 50 mio do 300 mio
Nano Manj kot 50 mio
Povzeto in prirejeno po J. Wilcox & F. Fabozzi, Financial Advice and Investment Decision: A manifesto for
Change, 2013, str. 276.
Med denar in denarne ustreznike uvrščamo tiste finančne naložbe, pri katerih sta stopnja
donosnosti in tveganja nizka, njihova likvidnost pa visoka. So pomemben vidik finančnega
stanja določene družbe, ki nam pokaže, ali je podjetje sposobno financirati kratkoročne
obveznosti oz. kako hitro lahko svoje terjatve pretvori v denarna sredstva. Med denarne
20
ustreznike uvrščamo stanje denarnih sredstev na transakcijskih računih pri bankah, vezane
depozite ali bančne vloge s krajšim odpovednim rokom, komercialne zapise, zakladne
menice, denarna sredstva v blagajni in prejete čeke (Carpe Diem d.o.o., 2006).
Obveznice oz. dolžniški vrednostni papirji imajo lahko različne podrazrede, najpogosteje
npr. glede na sektor izdajatelja, kreditno oceno ali državo izdajatelja (Tabela 5).
Tabela 5: Klasificiranje dolžniških vrednostnih papirjev
Sektor izdajatelja Kreditna ocena Država izdajatelja
Korporativne AAA Slovenija
Finančne AA Španija
Državne A Nemčija
Strukturirane BBB Nizozemska
Pod BBB Francija
NR Ostalo
Legenda: * NR – brez ocene (angl. Not Rated)
Povzeto in prirejeno po Zavarovalnica Triglav, Letno poročilo Skupine Triglav in Zavarovalnice Triglav
d.d. za leto 2016, 2017, str. 80–81.
Klasifikacija naložbenih razredov je med strokovnjaki in podjetji lahko zelo različna in
obsežna. Tako lahko naložbene razrede razvrstimo tudi glede na lokacijo (Kritzman, 1999):
• domače navadne delnice,
• tuje navadne delnice,
• nepremičnine,
• domače obveznice,
• tuje obveznice,
• denarne ustreznike.
Pomemben delež naložb v vlagateljevem portfelju predstavljajo tudi nepremičnine (angl.
Real Estates). Hudson-Wilsonova (2008) nepremičnine opredeljuje kot večdimenzionalni
naložbeni razred, ki ima dve edinstveni značilnosti:
• da je vsaka nepremičnina (zgradba) dolžniško-lastniški hibrid, kjer bomo zelo redko
videli, da se bo vrednost zgradbe znižala in ostala na ničli;
• pri nepremičninah skoraj vedno obstaja obnovljiva vrednost, ki je pri navadnih
delnicah ni možno zaznati.
Razlogi za investiranje, ki jih Hudson-Wilsonova (2008) izpostavlja, so: znižanje tveganosti
portfelja, povečanje absolutne donosnosti, visoki denarni tokovi in inflacijsko ščitenje.
21
Strategije investiranja v nepremičnine Wilcox in Fabozzi (2013) klasificirata glede na tri
načine: temeljno (angl. Core), z dodano vrednostjo (angl. Value Added) in oportunistično
(angl. Opportunistic) investiranje.
Temeljne nepremičnine so najbolj likvidne, razvite, z najmanj finančnega vzvoda ter najbolj
prepoznavna sredstva v nepremičninskem portfelju. Kljub visoki stopnji likvidnosti jih ni
mogoče prodati tako hitro kot tradicionalne naložbe. Zanje je značilno, da so v portfelju za
daljše časovne obdobje zaradi pridobivanja denarnih tokov v obliki lizinga in najemnin.
Večina donosa je posledica denarnih tokov in ne apreciacije vrednosti, poleg tega je
aplicirano zelo malo vzvoda.
Nepremičnine z dodano vrednostjo vključujejo hotele, letovišča, domove za ostarele, butike,
bolnišnice… Te obsegajo dodatno vključenost na nepremičninskem trgu v smislu
renoviranja in obnavljanja obstoječih sredstev. V primerjavi s temeljnimi nepremičninami
je zanje značilno, da omogočajo nižji prihodek in se bolj zanašajo na apreciacijo vrednosti
za generiranje celotnega donosa. Zanje je značilen višji finančni vzvod, donos pa generirajo
prek vrednosti in prihodka.
Za oportunistične nepremičnine je značilno, da tradicionalni prihodkovni pristop zamenjajo
s pristopom apreciacije kapitala. Dostop do teh nepremičnin je običajno mogoč prek
nepremičninskih priložnostnih skladov, kot je npr. nepremičninski sklad zasebnega kapitala
(angl. Private Equity Real Estate – PERE). Takšen sklad investira v nepremičnine z visoko
stopnjo tveganja in donosa, predvsem v takšne, ki potrebujejo obsežen razvoj ali so
priložnost za ponovno okrevanje. Na drugi strani vlagatelji najlažje dostopajo do
nepremičnin prek kolektivnega naložbenega podjema (angl. Real Estate Investment Trust –
REIT), ki deluje podobno kot vzajemni sklad katerega naložbe kotirajo na borzi. Problem
takšnih naložbenih nosilcev (angl. Investment Vehicles) je, da so izpostavljeni tako
nepremičninskemu kot delniškemu trgu in so substitut direktnim nepremičninskim
vlaganjem.
Poleg tradicionalnih naložbenih razredov profesionalni vlagatelji opredeljujejo tudi
alternativne naložbe, med katere najpogosteje uvrščamo (Kritzman, 1999):
• surovine (angl. Commodities),
• devize (valute),
• hedge sklade,
• visoko tvegan kapital (angl. Venture Capital),
• zasebni naložbeni sklad (angl. Private Equity).
Wilcox in Fabozzi (2013) trdita, da alternativne naložbe kot takšne niso svoj naložbeni
razred, ampak zgolj podrazred tradicionalnih naložbenih razredov. Pri alternativnih
22
naložbah gre namreč zgolj za nekoliko drugačno investicijsko strategijo v okviru že
obstoječih naložbenih razredov, s katerimi se pogosto trguje tudi zunaj organiziranega trga,
z izjemo trgovanja s surovinami in devizami. Poleg tega je vrednost večine alternativnih
naložb izpeljana iz obvezniškega ali delniškega trga. Med tipično alternativne naložbe
štejemo (Wilcox & Fabozzi, 2013):
• hedge sklade,
• zasebni naložbeni sklad,
• surovine.
Hedge skladi uporabljajo širok nabor trgovalnih strategij in tehnik z namenom generiranja
visokih donosov ne glede na to, v katero smer se giblje trg. Upravljalci hedge skladov za
upravljanje portfeljev uporabljajo strategije, ki pogosto vključujejo finančni vzvod, prodajo
na kratko (angl. Short Selling) in uporabo izvedenih finančnih instrumentov (Wilcox &
Fabozzi, 2013). Hedge skladi so v osnovi zelo podobni vzajemnim skladom, toda z
nekaterimi pomembnimi razlikami. Bodie, Kane in Marcus (2011) izpostavljajo pet
področij:
• transparentnost,
• tip vlagatelja,
• investicijsko strategijo,
• likvidnost,
• stroške upravljanja oz. strukturo kompenzacije.
Hedge sklade k poročanju oz. razkritju ne zavezuje nobena regulativa kot pri vzajemnih
skladih. Običajno ni več kot 100 vlagateljev, minimalni vložek pa se začne že pri 25.000
USD. Za hedge sklade je značilno, da je trgovalno okno lahko zaprto tudi za več let oz.
vlagatelji ne morejo razpolagati s svojim vložkom, kar na drugi strani upravljalcem
omogoča, da investirajo v dolgoročne nelikvidne naložbe. Stroški upravljanja so pri hedge
skladih razdeljeni na upravljavski strošek ter stimulacijski strošek (angl. Incetive Fee), ki je
z uspešnostjo upravljalca pogosto vezan na določeno obrestno mero (npr. libor).
Podobno kot pri hedge skladih tudi zasebni naložbeni skladi nimajo natančne zakonske
podlage. Na splošno jih lahko opredelimo kot profesionalno zbiranje sredstev z izključnim
namenom aktivnega upravljanja direktnih naložb lastniškega kapitala v zasebna podjetja z
natančno opredeljeno izhodno strategijo, ki je najpogosteje prodaja ali prva javna ponudba
(angl. Initial Public Offering – IPO). Zasebna podjetja so v tem primeru tista, ki ne kotirajo
na borzi in kot takšna ne morejo zbrati sredstev za financiranje prek javnega delniškega trga.
Primer vlaganj takšnega sklada je v visoko tvegan kapital (angl. Venture Capital), ki
predstavlja lastniško financiranje zagonskih podjetij (angl. Start-up Companies), ki še
nimajo dovolj izkušenj oz. niso dokazana, da bi privabila kapital iz tradicionalnih virov
financiranja – finančnih trgov ali bančnega financiranja (Wilcox & Fabozzi, 2013).
23
Vlagatelji lahko surovine v svoj naložbeni portfelj vključijo na različne načine. Najbolj
neposreden primer bi bil nakup surovine, to je npr. žita, nafte, pšenice, ki je hkrati najmanj
pogost zaradi visokih stroškov hranjenja in transporta. Drug primer izpostavljenosti do
surovine je preko lastništva vrednostnih papirjev podjetja, ki ima večino svojih prihodkov
povezanih s prodajo in nakupi surovin. Problem je, da je takšno podjetje poleg specifičnega
podjetniškega tveganja izpostavljeno tudi tržnemu tveganju (angl. Systematic Risk). Najlažji
način do izpostavljenosti bi bil lahko prek izvedenih finančnih instrumentov oz. opcijskih in
terminskih pogodb na surovine (Wilcox & Fabozzi, 2013).
3.3 Primerjava naložbenih razredov
Izhodišče za primerjavo naložbenih razredov v magistrski nalogi je analiza njihove
donosnosti. S poslovno-informacijskega sistema Bloomberg smo pridobili statične podatke
o mesečnih gibanjih izbranih indeksov po naložbenih razredih, ki so predstavljali osnovo za
izračunavanje donosnosti. Posamezne indekse smo razvrstili v razrede analogno naložbenim
razredom. Časovna vrsta gibanja indeksov zajema obdobje od 2002–2017, izbor indeksov je
subjektiven in poskuša čim bolj predstavljati oz. zastopati posamezni naložbeni razred
(Tabela 6).
Tabela 6: Seznam indeksov po naložbenih razredih
Delnice Obveznice* Nepremičnine Zasebni naložbeni
sklad
Infrastruktura
DJ STOXX 50 1-3 Year Euro
Government
MSCI World Real
Estate
LPX50 Listed Private
Equity
S&P Global
Infrastructure
FTSE 100 1-5 Year Euro
Government
MSCI EM Real
Estate
S&P Listed Private
Equity
Dow Jones
Brookfield Global
Infrastructure
S&P 500 1-10 Year Euro
Government
Dow Jones US
Real Estate
Red Rocks Global
Listed Private Equity
MSCI World
Infrastructure
DAX 1-5 Year Euro
Non-Financial
EURO STOXX
Real Estate
Macquarie Global
Infrastructure
1-5 Year Euro
Financial
S&P EM
Infrastructure
Legenda: * Gre za indekse ICE Bank of America Merrill Lynch's, evrske izdaje z ustrezno ročnostjo.
3.3.1 Donosnost
Donosnost naložbe v določenem časovnem obdobju je odvisna od spremembe vrednosti
naložbe oz. kapitalskega dobička ter izplačanih dividend na vsako investirano enoto, kar
lahko opredelimo kot (Bodie et al., 2011, str. 127):
24
𝑟 =(P1 − P0) + 𝐷𝑖𝑣
P0
(3)
Kjer je:
𝑟 – donosnost naložbe v obdobju,
𝑃0 – cena delnice na začetku obdobja,
𝑃1 – cena delnice na koncu obdobja,
𝐷𝑖𝑣 – izplačana dividenda v obdobju.
Prikazan izračun se v konkretnem primeru nanaša na donosnost delnice, isto metodologijo
lahko apliciramo tudi pri izračunu donosnosti drugih vrednostnih papirjev. Glede na to, da
podatki o gibanju vrednosti indeksov obsegajo daljše časovno obdobje in nas zanima
povprečna letna donosnost naložbe, slednjo izračunamo s prilagojeno enačbo kot
geometrijsko povprečje donosnosti v posameznih letih (Bodie et al., 2011, str. 131):
𝑘𝑜𝑛č𝑛𝑎 𝑣𝑟𝑒𝑑𝑛𝑜𝑠𝑡 = (1 + 𝑟1)(1 + 𝑟2) … (1 + 𝑟𝑛) (4)
Kjer je končna vrednost (angl. Terminal Value) enaka zmnožku donosnosti naložbe v
posameznem letu, 1 + 𝑟𝐺 pa je geometrijsko povprečje bruto donosov 1 + 𝑟𝑛 iz preučevane
časovne vrste:
(1 + 𝑟𝐺)𝑛 = 𝑘𝑜𝑛č𝑛𝑎 𝑣𝑟𝑒𝑑𝑛𝑜𝑠𝑡
𝑟𝐺 = 𝑘𝑜𝑛č𝑛𝑎 𝑣𝑟𝑒𝑑𝑛𝑜𝑠𝑡1
𝑛⁄ − 1 (5)
Zapišimo še enačbo v celoti:
𝑟𝐺 = [(1 + 𝑟1)(1 + 𝑟2) … (1 + 𝑟𝑛)]1
𝑛 − 1 (6)
V tem primeru 𝑟𝑛 predstavlja donosnost naložbe v posameznem letu, izplačane dividende
oz. kapitalski dobički pa so v celoti reinvestirani v obravnavano naložbo v posameznem letu
(angl. Total Return Index).
3.3.2 Tveganje
Poleg donosnosti vlagatelja zanima tudi možnost izgube oz. zanj neugodnega izida, ki je
povezan s tveganostjo naložbe. Ko govorimo o tveganju, nas zanima verjetnost odklonov od
pričakovane donosnosti. Ker v praksi pogosto ne moremo neposredno opazovati
25
pričakovanja, ocenimo varianco oz. standardni odklon. Ko preučujemo časovno vrsto za
izračun standardnega odklona, uporabimo naslednjo enačbo (Bodie et al., 2011, str. 133):
𝜎 = √1
𝑛 − 1∑[𝑟𝑡 − �̅�]2
𝑛
𝑡=1
2
(7)
Ker analiziramo časovno vrsto, preučujemo dejanske realizirane donose v časovnih obdobjih
(𝑟𝑡) in ne pričakovanih donosnosti. Zato so odkloni izračunani na podlagi aritmetičnega
povprečja (�̅�) in ne namesto neznanih, pričakovanih vrednosti. To pa povzroči statistično
napako oz. pristranskost stopinj prostosti (angl. Degrees of Freedom Bias), ki se je znebimo
tako, da jo pomnožimo s faktorjem 𝑛 (𝑛 − 1)⁄ .
Z vidika vlagatelja je bistveno bolj pomembno, kakšna je njegova tveganju prilagojena
donosnost (angl. Risk Adjusted Return) oz. kakšna je pričakovana donosnost vlagatelja na
prevzeto enoto tveganja. To nam pove Sharpov kazalnik (angl. Sharpe Ratio), ki predstavlja
razmerje med premijo za tveganje in standardnim odklonom presežne donosnosti in ga
izračunamo po sledeči formuli (Bodie et al., 2011):
𝑆𝑅 =(𝑟𝑝 − 𝑟𝑓 )
𝜎𝑝
(8)
Kjer je:
SR – Sharpov kazalnik,
𝑟𝑝 – donosnost naložbe v obdobju,
𝑟𝑓 – donosnost netvegane obrestne mere v obdobju,
𝜎𝑝 – standardni odklon donosnosti naložbe v obdobju.
Vsi preučevani indeksi predstavljajo dolarske donosnosti, zato je netvegana obrestna mera
za celotno obravnavano obdobje donosnost 90-dnevnih ameriških zakladnih menic (angl.
Treasury Bills), ki sestavljajo generični indeks.
3.3.3 Ugotovitve
Poleg primerjave letne donosnosti po posameznih naložbenih razredih smo med seboj
primerjali tudi gibanje tveganju prilagojene donosnosti oz. vrednosti Sharpovega kazalnika
posameznih naložbenih razredov v obdobju 2002–2017 z uporabo 3-letnih drsečih sredin, ki
so za vlagatelje dober pokazatelj trendnega gibanja in pomemben indikator pri sprejemanju
26
naložbenih odločitev. Presežna donosnost delniških indeksov je bila v obdobju po krizi kar
nekaj časa negativna, kar pomeni, da je bila donosnost netvegane komponente (zakladne
menice) višja od donosnosti indeksa. Pred finančno krizo so indeksi dosegali visoko tveganju
prilagojeno donosnost, in sicer najvišjo med njimi angleški delniški indeks FTSE 100 (Slika
7).
Najnižjo tveganju prilagojeno donosnost beleži obvezniški naložbeni razred. Do leta 2015
se je Sharpov kazalnik gibal v pasu od 0,3 do 0 in je tudi v času krize glede na prevzeto
tveganje beležil višjo donosnost v primerjavi z ostalimi naložbenimi razredi, ki so imeli v
tem obdobju večinoma negativen kazalnik (Slika 8).
V obdobju pred krizo je bila presežna donosnost nepremičninskih indeksov višja od
obvezniškega in delniškega razreda, medtem ko je ob nastopu krize po letu 2008 kazalnik
negativen, kar pomeni, da bi bilo takrat za vlagatelje bolj donosno, če ne bi prevzemali
tveganja, saj bi višjo donosnost dosegli z vlaganjem v netvegano 3-mesečno zakladno
menico. V zadnjih dveh letih so vsi indeksi beležili pozitiven kazalnik z izjemo MSCI EM,
ki ima že od leta 2015 negativen Sharpov kazalnik (Slika 9).
Vsi trije proučevani zasebni naložbeni skladi imajo zelo podobno tveganju prilagojeno
donosnost (Slika 10). Indeks LPX50 je ob začetnih visokih donosnostih v zadnjem obdobju,
po letu 2015, tik nad pozitivno presežno donosnostjo skupaj z ostalima dvema indeksoma,
ki predstavljata naložbe v zasebne naložbene sklade.
Slika 7: Gibanje Sharpovega kazalnika z donosnostjo 3-letnih drsečih sredin delniških
indeksov v letih 2002–2017 (v %)
Vir podatkov: Bloomberg Finance L.P., Historical Prices, 2018; lastni izračuni.
-0,50
-0,30
-0,10
0,10
0,30
0,50
0,70
0,90
1,10
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
EURO STOXX 50 Index FTSE 100 Index DAX Index S&P 500 Index
27
Slika 8: Gibanje Sharpovega kazalnika z donosnostjo 3-letnih drsečih sredin obvezniških
indeksov v letih 2002–2017 (v %)
Vir podatkov: Bloomberg Finance L.P., Historical Prices, 2018; lastni izračuni.
Slika 9: Gibanje Sharpovega kazalnika z donosnostjo 3-letnih drsečih sredin
nepremičninskih indeksov v letih 2002–2017 (v %)
Vir podatkov: Bloomberg Finance L.P., Historical Prices, 2018; lastni izračuni.
-0,50
-0,30
-0,10
0,10
0,30
0,50
0,70
0,90
1,10
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
1-3 Year Euro Government Index 1-10 Year Euro Government Index
1-5 Year Euro Financial Index 1-5 Year Euro Non-Financial Index
-0,50
-0,30
-0,10
0,10
0,30
0,50
0,70
0,90
1,10
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
MSCI World Real Estate Index MSCI EM Real Estate Index
Dow Jones US Real Estate Index EURO STOXX Real Estate Index
28
Slika 10: Gibanje Sharpovega kazalnika z donosnostjo 3-letnih drsečih sredin indeksov
zasebnih naložbenih skladov v letih 2002–2017 (v %)
Legenda: Obdobje preučevanja S&P Indeksa je 2003-2017, Red Rocks Global indeksa pa 2007–2017.
Vir podatkov: Bloomberg Finance L.P., Historical Prices, 2018; lastni izračuni.
Slika 11: Gibanje Sharpovega kazalnika z donosnostjo 3-letnih drsečih sredin
infrastrukturnih indeksov v letih 2002–2017 (v %)
Vir podatkov: Bloomberg Finance L.P., Historical Prices, 2018; lastni izračuni.
-0,50
-0,30
-0,10
0,10
0,30
0,50
0,70
0,90
1,10
2005 2008 2010 2012 2015 2017
LPX50 Listed Private Equity Index
S&P Listed Private Equity Index
Red Rocks Global Listed Private Equity Index
-0,50
-0,30
-0,10
0,10
0,30
0,50
0,70
0,90
1,10
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
S&P Global Infrastructure Index Brookfield Global Infrastructure Index
MSCI World Infrastructure Index Macquarie Global Infrastructure Index
29
Kumulativna donosnost infrastrukturnih indeksov je do krize strmo naraščala, toda noben od
teh ni padel pod nivoje z začetka preučevanega obdobja leta 2003. Po krizi se je nadaljevala
izjemna rast vseh indeksov, najvišjo med njimi je beležil S&P EM Infrastructure, čigar
sredstva so bila naložena v hitro rastoče trge. Tveganju prilagojena donosnost je pri
infrastrukturnih naložbah najvišja, podobno kot pri ostalih pa je viden izrazit padec v
obdobju po letu 2007. V obdobju 2012–2015 se tveganju prilagojena donosnost giblje v
mejah med 0 in 0,5 (Slika 11). Poleg tveganju prilagojene donosnosti oz. Sharpovega
kazalnika med seboj lahko primerjamo tudi tveganju neprilagojeno (angl. Standalone)
povprečno letno donosnost in standardni odklon posameznih naložbenih razredov.
Povprečna letna donosnost preučevanih delniških indeksov je v celotnem obdobju znašala
8,10 %, medtem ko je standardni odklon znašal 18,81 % (Tabela 7).
Tabela 7: Primerjava letne donosnosti, standardnega odklona in Sharpovega kazalnika v
letih 2002–2017 (v %)
Naložbeni razred
Indeks
Letna
donosnost v
%
Letni
standardni
odklon v %
Sharpov
kazalnik
Infrastruktura
S&P Global Infrastructure 10,87 14,98 0,63
Brookfield Global Infrastructure 12,17 13,07 0,82
MSCI World Infrastructure 7,59 12,63 0,49
Macquarie Global Infrastructure 9,26 13,19 0,60
S&P Emerging Mkt Infrastructure 13,76 22,06 0,56
Delnice
EURO STOXX 50 6,41 21,70 0,23
FTSE 100 6,26 16,79 0,29
S&P 500 9,20 13,61 0,57
DAX 10,55 23,15 0,39
Obveznice
1-3 Year Euro Government 2,83 10,39 0,14
1-5 Year Euro Government 3,35 10,43 0,19
1-10 Year Euro Government 4,20 10,65 0,27
1-5 Year Euro Non-Financial 4,32 10,64 0,28
1-5 Year Euro Financial 3,90 11,14 0,23
Nepremičnine
MSCI World Real Estate 9,96 19,10 0,45
MSCI EM Real Estate 8,60 29,78 0,23
Dow Jones US Real Estate 10,16 22,46 0,39
EURO STOXX Real Estate 9,13 23,71 0,33
Zasebni
naložbeni sklad
S&P Listed Private Equity* 6,58 24,96 0,21
LPX50 Listed Private Equity 8,33 24,50 0,18
Red Rocks Global Private Equity** 1,23 26,52 0,03
Legenda: *Obdobje preučevanja je 2003-2017; ** obdobje preučevanja je 2007-2017; Sharpov kazalnik je
izračunan kot anualizirana mesečna sprememba presežne donosnosti v dolarjih, kjer netvegano obrestno
mero predstavlja 90-dnevna ameriška zakladna menica v dolarjih.
Vir podatkov: Bloomberg Finance L.P., Historical Prices, 2018; lastni izračuni.
30
Najvišjo donosnost je zabeležil S&P-jev infrastrukturni indeks z naložbami v rastoče trge.
Državne obveznice kot najbolj varne naložbe v trenutnih razmerah vlagateljem ne
omogočajo visokih donosov, saj povprečna letna donosnost obvezniškega razreda znaša 3,72
%. Na drugi strani je nepremičninski razred izredno donosen, saj njegova povprečna letna
donosnost znaša 9,46 %. Tudi delniški trgi bistveno ne zaostajajo za infrastrukturo in
nepremičninami. V preučevanem obdobju je najvišjo letno donosnost zabeležil nemški DAX
v višini 10,55 %, kar je hkrati tudi višje v primerjavi s posameznimi nepremičninskimi
indeksi.
Najvišjo donosnost beležijo infrastrukturne naložbe, kjer sta dva indeksa zabeležila letno
donosnost višjo od 10 %, povprečna letna donosnost naložbenega razreda pa je prav tako
najvišja in znaša 10,73 % (Tabela 8). Zasebni naložbeni skladi beležijo drugo najnižjo letno
donosnost takoj za obveznicami. Njihova povprečna letna donosnost znaša 5,38 % (Tabela
9), najvišjo letno donosnost pa je zabeležil indeks LPX50 v višini 8,33 % (Tabela 7). Najvišji
povprečen Sharpov kazalnik ima infrastrukturni naložbeni razred, in sicer 0,62, sledita
delniški z 0,37 ter nepremičninski z 0,35. Obvezniški razred pa beleži celo višji Sharpov
kazalnik kot zasebni naložbeni sklad (Tabela 8).
Tabela 8: Primerjava povprečne letne donosnosti, standardnega odklona in Sharpovega
kazalnika naložbenih razredov v letih 2002–2017 (v %)
Naložbeni razred
Letna donosnost v %
Letni standardni
odklon v %
Sharpov kazalnik
Delnice 8,10 18,81 0,37
Obveznice 3,72 10,65 0,22
Nepremičnine 9,46 23,76 0,35
Zasebni naložbeni skladi 5,38 25,33 0,14
Infrastruktura 10,73 15,19 0,62
Vir podatkov: Bloomberg Finance L.P., Historical Prices, 2018; lastni izračuni.
Najnižji povprečni standardni odklon je zabeležil infrastrukturni razred v višini 15,19 %, ki
je primerljiv z delniškimi naložbami in znaša 18,81 %. Standardni odklon obvezniškega
razreda je med vsemi preučevanimi indeksi najnižji, in sicer 10,65 %. Tudi nepremičnine in
zasebni naložbeni skladi kot alternativni naložbi imata podobna standardna odklona – okrog
24 %. Infrastruktura je tako z vidika donosnosti kot standardnega odklona najbolj primerljiva
z delniškimi naložbami.
3.4 Faktorska analiza
Posamezne naložbene razrede smo grupirali oziroma razdelili v 5 naložbenih skupin:
delnice, obveznice, nepremičnine, zasebni naložbeni sklad in infrastrukturo. Znotraj teh
31
skupin smo na podlagi ustreznih indeksov opredelili 17 spremenljivk, ki predstavljajo
donosnosti izbranih indeksov (Priloga 1). Glavni namen je ugotoviti, ali lahko večje število
razredov (v našem primeru 5) oz. povezave med spremenljivkami znotraj razredov
pojasnimo z manjšim številom faktorjev, ki predstavljajo skupne razsežnosti ter na ta način
pokažemo, da infrastrukturo kot naložbeni razred na podlagi tržnih kotacij lahko
zreduciramo oziroma združimo na skupno osnovo skupaj z nekaterimi preostalimi
naložbenimi razredi, npr. delnicami ali nepremičninami. To bi bil tudi eden izmed
pokazateljev, da pri infrastrukturi ne gre za neodvisen naložbeni razred, ampak je le-ta
močno povezan z drugimi razredi. Podatke o vrednosti točk izbranih indeksov pridobljenih
s poslovno informacijskega sistema Bloomberg, smo nato obravnavali s programskim
orodjem za statistične analize imenovanim Stata, kjer so osnovni inputi za obdelavo
predhodno preračunane donosnosti indeksov posameznih naložbenih razredov.
Mera za ugotavljanje vzorčne ustreznosti (angl. Sampling Adequacy) je uporaba Kaiser-
Meyer-Olkinovega (v nadaljevanju KMO) testa, ki pove, ali obstaja možnost, da bodo
spremenljivke lahko zreducirane na faktor glede na korelacijo in delno korelacijo KMO
varira med 0 in 1 in da lahko nadaljujemo s preučevanjem podatkov, mora biti višji kot 0,5.
V tem primeru lahko govorimo, da imamo dovolj močno povezavo med spremenljivkami.
Drug relevanten kriterij za testiranje predpostavk FA-ja je statistična značilnost
Barttletovega testa (< 0,05), ki nam pokaže, da obstaja dovolj visoka korelacija med
spremenljivkami za nadaljnje preučevanje. Oba kriterija sta v našem primeru izpolnjena
(Priloga 2, Slika 1).
Iz korelacijske matrike (Priloga 2, Slika 2) je razvidno, da je delniški razred z nekaterimi
naložbenimi razredi bolj koreliran kot z ostalimi. Ta povezava je v glavnem z vsemi močna
in znaša nad 0,5, z izjemo obvezniškega, kjer je korelacija z nekaterimi indeksi pod
vrednostjo 0,5. Najmočnejše povezave v korelacijski matriki so seveda znotraj razredov, npr.
med spremenljivkama V5 in V6, kjer povezava znaša kar 0,9982. Med posameznimi
naložbenimi razredi je najmočnejša povezava med nepremičninami in zasebnim kapitalom
oz. med spremenljivkama V10 in V13. Druga najmočnejša povezava je med delniškim
razredom in zasebnim kapitalom, in sicer med spremenljivkama V3 in V13, medtem ko je
povezava delniškega razreda in infrastrukture najmočnejša med spremenljivkama V2 in
V14. Infrastrukturni razred je prav tako močno povezan s spremenljivko V10, ki predstavlja
nepremičnine.
Na podlagi vseh treh metod testiranja faktorske analize: lastne vrednosti, pojasnjene variance
ter grafičnim prikazom (Slika 12) lahko za obdobje 2003–2017 izberemo 2 faktorja za
nadaljnjo obdelavo, saj v tem primeru pojasnimo 85,38 % celotne variabilnosti naložbenih
razredov (Tabela 9). Prvi faktor pojasnjuje večino variabilnosti za vse naložbene razrede, le
pri obveznicah lahko opazimo navzkrižno uteženost (angl. Cross Loadings). Pri obeh
faktorjih so faktorske uteži (angl. Factor Loadings) višje kot 0,4, kar je osnovni pogoj, da je
spremenljivka vključena v določen faktor (Tabela 10).
32
Slika 12: Grafični prikaz lastnih vrednosti v obdobju 2002–2017
Vir podatkov: Bloomberg Finance L.P., Historical Prices, 2018; lastni izračuni.
Tabela 9: Faktorska analiza z uporabo metode glavnih komponent faktorja pred rotacijo
za obdobje 2002–2017
Faktorska analiza/korelacija Število opazovanj 169
Metoda: glavne komponente faktorjev Število zadržanih faktorjev 2
Rotacija: (brez rotacije) Število parametrov 33
Faktor Lastna vrednost Razlika Delež Seštevek
Faktor1 12,02830 9,54174 0,7075 0,7075
Faktor2 2,48657 1,81890 0,1463 0,8538
Faktor3 0,66767 0,04197 0,0393 0,8931
Faktor4 0,62570 0,12171 0,0368 0,9299
Faktor5 0,50399 0,30268 0,0296 0,9595
Legenda: Prikazani so faktorji prvih 5 spremenljivk, v prilogah pa je celoten izpis.
Vir podatkov: Bloomberg Finance L.P., Historical Prices, 2018; lastni izračuni.
V našem primeru že pred rotacijo en faktor pojasni variabilnost pri vseh spremenljivkah.
Kljub temu preverimo, če se pojasnjena variabilnost spremeni z uporabo transformacije oz.
rotacije (varimax), katere glavni namen je bolj enakomerno porazdeliti variabilnost med
faktorji, da bi lahko dobili bolj pomenljiv faktorski vzorec. Po rotaciji lahko opazimo, da so
vse spremenljivke povezane vsaj z enim od dveh faktorjev, pri čemer imajo 4 spremenljivke
navzkrižne uteži. Glede na to, da po rotaciji faktor 2 bistveno bolje pojasnjuje obvezniški
razred, navzkrižne uteži pa so zelo nizke, komaj nad mejo 0,4, lahko rečemo, da smo z
rotacijo dosegli želeno. Faktor 1 tako vsebuje spremenljivke V1-V4 ter V10-V17 oz. vse
05
10
15
Las
tne
vre
dno
sti
0 5 10 15 20Število
33
naložbene razrede brez obveznic, medtem, ko faktor 2 obsega obvezniški naložbeni razred
oz. spremenljivke V5-V9 (Priloga 2, Slika 5).
Tabela 10: Porazdelitev faktorskih uteži in enoličnost variance
Spremenljivka Faktor1 Faktor2 Enoličnost
V1 0,9150 0,1427
V2 0,8968 0,1557
V3 0,8395 0,1437
V4 0,8691 0,2051
V5 0,7842 0,6121 0,0103
V6 0,7800 0,6198 0,0074
V7 0,7716 0,6203 0,0199
V8 0,8170 0,5615 0,0172
V9 0,8419 0,5194 0,0214
V10 0,8631 0,1430
V11 0,7050 0,4937
V12 0,7097 0,3399
V13 0,8538 0,1576
V14 0,9500 0,0725
V15 0,8845 0,1715
V16 0,8930 0,1810
V17 0,8800 0,2026
Vir podatkov: Bloomberg Finance L.P., Historical Prices, 2018; lastni izračuni.
3.4.1 Obdobje 2002–2008
Poleg preučevanja izhodiščnega obdobja 2002–2017 smo z uporabo FA-ja preučevali
podatke tudi pred in po finančni krizi oz. v dveh podobdobjih, in sicer 2002–2008 ter 2008–
2017.
Grafični prikaz lastnih vrednosti prikazuje, da je nadaljnji obravnavi smiselno zadržati 3
faktorje (Slika 13). Tudi odstotek pojasnjene variabilnosti, ki je znašal 86,81 % govori v prid
izbiri 3 zadržanih faktorjev (Tabela 11). Poleg 2 faktorjev, ki pojasnjujeta večino razredov
(razen obveznic), imamo v tem obdobju tudi tretji faktor (faktor 3), ki pojasnjuje
nepremičninski razred oz. spremenljivki V10 in V12 (Tabela 12).
Spremenljivka V10 je navzkrižno utežena, toda prvi faktor ima slabšo pojasnjevalno moč
(blizu 0,4). Spremenljivko V11 sicer pojasnjuje faktor 1, toda kot lahko vidimo, je enoličnost
(angl. Uniqueness) zelo visoka in blizu meje 0,5. Iz navedenega lahko sklepamo, da imamo
v obdobju pred krizo 3 faktorje, kjer faktor 1 pojasnjuje delnice, zasebni kapital in
infrastrukturo, faktor 2 obveznice ter faktor 3 nepremičnine (Tabela 12).
34
Tabela 11: Faktorska analiza z uporabo metode glavnih komponent faktorja pred rotacijo
za obdobje 2002–2008
Faktorska analiza/korelacija Število opazovanj 61
Metoda: glavne komponente faktorjev Število zadržanih faktorjev 3
Rotacija: (brez rotacije) Število parametrov 48
Faktor Lastna vrednost Razlika Delež Seštevek
Faktor1 9,68400 5,87455 0,5696 0,5696
Faktor2 3,80945 2,54512 0,2241 0,7937
Faktor3 1,26433 0,52517 0,0744 0,8681
Faktor4 0,73916 0,03238 0,0435 0,9116
Faktor5 0,70678 0,48493 0,0416 0,9532
Legenda: Prikazani so faktorji prvih 5 spremenljivk, v prilogah pa je celoten izpis.
Vir podatkov: Bloomberg Finance L.P., Historical Prices, 2018; lastni izračuni.
Tabela 12: Porazdelitev faktorskih uteži in enoličnost variance po rotaciji za obdobje
2002–2008
Spremenljivka Faktor1 Faktor2 Faktor3 Enoličnost
V1 0,9319 0,1427
V2 0,8514 0,1557
V3 0,8286 0,1437
V4 0,9140 0,2051
V5 0,9778 0,0103
V6 0,9850 0,0074
V7 0,9870 0,0199
V8 0,9767 0,0172
V9 0,9791 0,0214
V10 0,4405 0,8612 0,1430
V11 0,6446 0,4937
V12 0,9368 0,3399
V13 0,7198 0,5182 0,1576
V14 0,7934 0,0725
V15 0,7274 0,1715
V16 0,8378 0,1810
V17 0,7617 0,2026
Vir podatkov: Bloomberg Finance L.P., Historical Prices, 2018; lastni izračuni.
Obstoj oz. pojav tretjega faktorja v obravnavnem obdobju lahko utemeljimo tudi z dejstvom,
da se je sama kriza začela ravno na nepremičninskem trgu, ki je bil v obdobju pred krizo
močno napihnjen, cene nepremičnin ter posledično donosnosti naložb pa so se pred zlomom
in pokom balona močno povzpele.
35
Slika 13: Grafični prikaz lastnih vrednosti za obdobje 2002–2008
Vir podatkov: Bloomberg Finance L.P., Historical Prices, 2018; lastni izračuni.
3.4.2 Obdobje 2008–2017
V drugem preučevanem obdobju so nekatere korelacije med razredi dokaj močne, npr. med
delniškim in infrastrukturnim razredom (V2 in V14 ter V3 in V13) ter med nepremičninami
in infrastrukturo (V10 in V15), kar lahko razberemo iz korelacijske matrike (Priloga 4, Slika
13).
Slika 14: Grafični prikaz lastnih vrednosti za obdobje 2008–2017
Vir podatkov: Bloomberg Finance L.P., Historical Prices, 2018; lastni izračuni.
02
46
81
0
Las
tne
vre
dn
ost
i
0 5 10 15 20Število
05
10
15
Las
tne
vre
dno
sti
0 5 10 15 20Število
36
Tabela 13: Faktorska analiza z uporabo metode glavnih komponent faktorja pred rotacijo
za obdobje 2008–2017
Faktorska analiza/korelacija Število opazovanj 109
Metoda: glavne komponente faktorjev Število zadržanih faktorjev 2
Rotacija: (brez rotacije) Število parametrov 33
Faktor Lastna vrednost Razlika Delež Seštevek
Faktor1 12.51249 10,18767 0,7360 0,7360
Faktor2 2,32483 1,70385 0,1368 0,8728
Faktor3 0,62098 0,10795 0,0365 0,9093
Faktor4 0,51303 0,08387 0,0302 0,9395
Faktor5 0,42916 0,24868 0,0252 0,9647
Legenda: Prikazani so faktorji prvih 5 spremenljivk, v prilogah pa je celoten izpis.
Vir podatkov: Bloomberg Finance L.P., Historical Prices, 2018; lastni izračuni.
Tabela 14: Porazdelitev faktorskih uteži in enoličnost variance po rotaciji za obdobje
2008–2017
Spremenljivka Faktor1 Faktor2 Enoličnost
V1 0,7957 0,4907 0,1261
V2 0,8375 0,1419
V3 0,8992 0,1290
V4 0,8075 0,4286 0,1643
V5 0,9591 0,0104
V6 0,9618 0,0077
V7 0,9551 0,0221
V8 0,9329 0,0187
V9 0,9095 0,0219
V10 0,9018 0,1015
V11 0,6249 0,4173 0,4353
V12 0,8373 0,2788
V13 0,8826 0,1457
V14 0,8681 0,4404 0,0524
V15 0,8606 0,1430
V16 0,8044 0,4188 0,1776
V17 0,8151 0,1863
Vir podatkov: Bloomberg Finance L.P., Historical Prices, 2018; lastni izračuni.
V tem obdobju sta na podlagi grafičnega prikaza (Slika 14) in lastnih vrednosti ponovno
zadržana 2 faktorja, odstotek pojasnjene variabilnosti pri dveh zadržanih faktorjih znaša
87,28 % (Tabela 13). Po rotaciji z uporabo metode glavnih komponent faktorja se pojavi 5
navzkrižno uteženih spremenljivk, ki pa nimajo močne pojasnjevalne moči, zato lahko
37
ugotovimo, da faktor 2 pojasnjuje obvezniški naložbeni razred oz. spremenljivke V5-V9,
medtem ko faktor 1 pojasnjuje vse ostale naložbene razrede (Tabela 14).
Za vsa tri obdobja je torej značilno, da obvezniške naložbe pojasnjuje svoj faktor in da je
njihova korelacija z ostalimi razredi najbolj šibka. Pred krizo imamo poleg 2 faktorjev še
tretji faktor, ki pojasnjuje nepremičninski naložbeni razrede.
3.5 Alokacija sredstev v naložbenem portfelju
3.5.1 Alokacija kotirajočih naložb
Eden izmed pomembnejših kriterijev, poleg donosnosti in tveganja, za uvrstitev določene
naložbe v portfelj je, ali njena uvrstitev hkrati tudi pripomore k diverzifikaciji vlagateljevega
portfelja kot celote. Učinek diverzifikacije je dosežen, če imamo v portfelju nepovezane
naložbe (angl. Uncorrelated Assets), torej tiste katerih vrednost se spreminja neodvisno
druga od druge oz. če kombiniramo naložbe z različnimi donosnostmi in tveganjem ter ceno,
ki ne temelji na skupnih ekonomskih gonilnikih. V kontekstu diverzifikacije portfelja se
najpogosteje uporablja korelacija donosnosti (Weber et al., 2016).
Korelacija med naložbenimi razredi oz. spremenljivkami kotirajočih indeksov, ki smo jih
analizirali pri faktorski analizi, je razvidna iz korelacijske matrike (Priloga 2). Pri alokaciji
sredstev nas zanima, ali dodatna naložba k obstoječemu portfelju pripomore k večji
diverzifikaciji le-tega.
Za Bodie et al. (2011) diverzifikacija pomeni, da imamo večje število naložb v portfelju na
način, da je izpostavljenost katerikoli naložbi omejena. V našem primeru nas bo zanimalo,
kakšen je učinek, če portfelju dodamo kotirajočo infrastrukturo, ali bo portfelj zato bolj
diverzificiran. To bomo poskušali ugotoviti s primerjavo standardnega odklona portfelja 1
in portfelja 2 oz. s primerjavo Sharpovega kazalnika obeh portfeljev. Na podlagi kotirajočih
mesečnih podatkov o donosnosti uporabljenih spremenljivk V1-V4 (Tabela 15) smo najprej
uporabili letne donosnosti naložb (Tabela 16).
Tabela 15: Opredelitev uporabljenih spremenljivk V1-V4
Spremenljivka
Mesečna donosnost indeksa v %
V1 S&P 500 Index
V2 1-10 Year Euro Government Index
V3 MSCI World Real Estate Index
V4 Macquarie Global Infrastructure Index
38
Tabela 16: Letna donosnost naložb spremenljivk V1-V4 v letih 2002–2017 (v %)
Spremenljivka Letna donosnost v %
V1 9,20
V2 4,20
V3 9,96
V4 9,26
Vir podatkov: Bloomberg Finance L.P., Historical Prices, 2018; lastni izračuni.
Tabela 17: Kovariančna matrika spremenljivk V1-V3
V1 V2 V3
V1 0,018536 0,005919 0,021252
V2 0,005919 0,011335 0,009816
V3 0,021252 0,009816 0,036479
Vir podatkov: Bloomberg Finance L.P., Historical Prices, 2018; lastni izračuni.
Nato smo izračunali kovariančni matriki za oba portfelja posebej. Vrednosti v obeh matrikah
po diagonali (siva polja) nam predstavljajo variance posameznih spremenljivk (Tabeli 17 in
18).
Tabela 18:Kovariančna matrika spremenljivk V1-V4
V1 V2 V3 V4
V1 0,018536 0,005919 0,021252 0,013037
V2 0,005919 0,011335 0,009816 0,008192
V3 0,021252 0,009816 0,036479 0,019602
V4 0,013037 0,008192 0,019602 0,017392
Vir podatkov: Bloomberg Finance L.P., Historical Prices, 2018; lastni izračuni.
Oba portfelja smo enakomerno utežili glede na število spremenljivk in vsoto, ki znaša 1.
Torej je v portfelju 1, ki ga sestavljajo 3 spremenljivke, vsaka utežena z 0,33, medtem ko
utež pri portfelju 2 znaša 0,25 (Tabela 19).
Ko smo določili uteži, smo izračunali pričakovano donosnost (angl. Expected Return),
standardni odklon ter Sharpov kazalnik portfeljev 1 in 2. Za netvegano obrestno mero (angl.
Risk Free Rate) smo izbrali 90-dnevno ameriško zakladno menico, katere donosnost je v
obdobju 2002-2017 na letni ravni znašala 1,30 %. Vsi obravnavani indeksi so v dolarskih
valutah, zato je tudi izbrana netvegana obrestna mera z ameriškega trga. Ko smo osnovnemu
portfelju s 3 naložbami dodali infrastrukturno naložbo, se je pričakovana donosnost portfelja
nekoliko zvišala, medtem ko se je standardni odklon portfelja znižal, Sharpov kazalnik pa je
39
posledično višji, kar pomeni, da je dodatna naložba negativno povezana s portfeljem in ima
zato pozitiven učinek na diverzifikacijo (Tabela 20).
Tabela 19:Uteži po spremenljivkah za Portfelj 1 in Portfelj 2
Portfelj 2
Spremenljivka Utež
V1 0,25
V2 0,25
V3 0,25
V4 0,25
Tabela 20:Pričakovana donosnost, standardni odklon in Sharpov kazalnik enakomerno
uteženih portfeljev 1 in 2
Portfelj 1 Portfelj 2
Pričakovana donosnost 7,78 % 8,15 %
Standardni odklon 12,49 % 12,23 %
Netvegana obrestna mera 1,30 % 1,30 %
Sharpov kazalnik 0,518 0,560
Vir podatkov: Bloomberg Finance L.P., Historical Prices, 2018; lastni izračuni.
V naslednji fazi preverimo, kakšen je optimalen naložbeni portfelj v obeh primerih, pri
čemer minimiziramo tveganje oz. standardni odklon portfelja oz. nas zanima, ustrezna
uteženost naložb za dosego najboljše tveganju prilagojene donosnosti. Z uporabo
Excelovega reševalnika dobimo rezultate prikazane v Tabeli 21.
Tabela 21: Pričakovana donosnost, standardni odklon in Sharpov kazalnik optimalnih
portfeljev 1 in 2
Optimalen portfelj 1 Optimalen portfelj 2
Pričakovana donosnost 5,70 % 5,72 %
Standardni odklon 9,85 % 9,85 %
Netvegana obrestna mera 1,30 % 1,30 %
Sharpov kazalnik 0,446 0,448
Vir podatkov: Bloomberg Finance L.P., Historical Prices, 2018; lastni izračuni.
Portfelj 1
Spremenljivka Utež
V1 0,33
V2 0,33
V3 0,33
40
Ko minimiziramo standardni odklon oz. optimiziramo portfelja, se ustrezno spremenita
donosnosti ob fiksnem standardnem odklonu obeh optimalnih portfeljev (Tabela 21). Obe
vrednosti sta nižji za približno 2 odstotni točki, Sharpov kazalnik pa v prvem primeru znaša
0,446, v drugem pa 0,448. Poleg tega nas zanima tudi, kakšna je optimalna struktura oz.
kakšna je porazdelitev uteži med posameznimi naložbami v portfelju oz. v našem primeru
med spremenljivkami V1-V3 ter V1-V4. Rezultati optimalne strukture portfeljev nam
prikazujejo, da morajo biti sredstva pri prvem portfelju alocirana na dva naložbena razreda,
in sicer med delnice ter obveznice brez nepremičnin. Pri drugem optimalnem portfelju z
novo dodano naložbo pa je optimalna sestava portfelja razdeljena na tri naložbene razrede,
in sicer delniškega, obvezniškega ter infrastrukturnega, medtem ko naj sredstev ne bi bilo
optimalno razporediti v nepremičninski razred (Tabela 22).
Tabela 22:Primerjava enakomerno utežene in optimalne strukture po portfeljih
Optimalen portfelj 1 Optimalen portfelj 2
Spremenljivke Utež Utež
V1 0,30 0,29
V2 0,70 0,70
V3 0,00 0,00
V4 0,01
Vir podatkov: Bloomberg Finance L.P., Historical Prices, 2018; lastni izračuni.
Delniški razred ima utež 0,29, obvezniški 0,70, zgolj minimalni del sredstev pa naj bi naložili
tudi v infrastrukturni del, kjer utež znaša 0,01. Za dosego optimalne alokacije z minimalnim
tveganjem oz. standardnim odklonom naj se sredstva ne bi investirala v nepremičninski
razred. Nova naložba je izboljšala tako donosnost kot Sharpov kazalnik portfelja, kar
pomeni, da ima naložba pozitiven učinek na diverzifikacijo portfelja. Glede na to, da je
razlika med optimalnima portfeljema minimalna, struktura in Sharpov kazalnik pa sta skoraj
identična, težko sklenemo, da je učinek diverzifikacije dovolj velik, da gre pri kotirajoči
infrastrukturi za nov naložbeni razred.
4 ANALIZA NALOŽB V INFRASTRUKTURO
4.1 Vlagatelji v infrastrukturo
Skladno s predhodno opredeljenimi značilnostmi infrastrukture so v zadnjem desetletju z
naložbami v infrastrukturo prednjačili pokojninski skladi, zavarovalnice, državni skladi
različni donacije in fundacije. Te vrste naložb so omogočale širok nabor družbenih in
političnih ugodnosti kot tudi dolgoročno možnost trajnostnega razvoja h kateremu razvite
države stremijo. O obsežnejših vlaganjih v infrastrukturo lahko govorimo v začetku
prejšnjega desetletja v Avstraliji, kjer so zbrana sredstva za naložbe v višini 900 mrd USD s
41
strani nekaterih velikih podjetij in skladov pomenila hiter razvoj tega sektorja in enega
ključnih dejavnikov za dotok svežega kapitala na kapitalske trge (Peng & Newell, 2007).
Naložbe v infrastrukturo so se kmalu razširile tudi po ostalih kontinentih. IPE Real Assets
(2016) je v svoji anketi, ki je obsegala 71 institucij iz Evrope, Severen Amerike, Azije in
Bližnjega vzhoda s skupno vrednostjo sredstev 1,65 trilijona USD, raziskoval, kakšno je
zanimanje za infrastrukturo med vlagatelji. Večina anketiranih vlagateljev je aktivna pri
infrastrukturi, tisti ki pa niso, ne izključujejo možnosti, da bodo v prihodnosti vlagali. 76,1
% vprašanih danes vlaga v infrastrukturo. Od teh jih 66 % vprašanih pričakuje, da bodo svoja
vlaganja še povečali v naslednjih 18 mesecih, 32,1 % pa jih bo zadržalo trenutno raven
sredstev. Od tistih, ki bodo svoja vlaganja povečevali, je kar 22,6 % vprašanih dejalo, da
bodo povečana sredstva višja kot 200 mio EUR, kar je dober signal, da infrastrukturni trg še
naprej raste.
Za 66,7 % anketirancev, ki niso vlagali v infrastrukturo, je glavno oviro predstavljala
nelikvidnost. Za anketirance, ki so aktivni vlagatelji, pa likvidnost ne predstavlja takšne
ovire, saj se nagibajo k naložbam z daljšo ročnostjo, kjer ima 40,7 % vprašanih v portfelju
naložbe z ročnostjo 10–15 let, 27,8 % pa je vlagalo v naložbe daljše od 15 let (IPE Real
Assets, 2016).
4.2 Načini vlaganja v infrastrukturo
Institucionalni vlagatelji so bili do infrastrukture tradicionalno izpostavljeni prek delniških
in obvezniških naložb ali prek lastništva določene nepremičnine. S pojavom novih in bolj
kompleksnih oblik finančnih instrumentov in različnih nosilcev s posebnim pomenom (angl.
Special Purpose Vehicle, v nadaljevanju SPV) so možnosti k izpostavljenim
infrastrukturnim naložbam postale še bolj preproste. Za začetek je pomembno ločevati med
kotirajočimi in nekotirajočimi SPV-ji ter infrastrukturnimi podjetji in skladi. Kot naložbeni
razred se infrastruktura najpogosteje povezuje z (Inderst, 2010):
• naložbami, ki so podobne skladom zasebnega kapitala, in sicer prek nekotirajočih
skladov (v glavnem zaprti in odprti skladi);
• kotirajočimi infrastrukturnimi skladi (zaprtimi ali odprtimi);
• neposrednimi naložbami ali sofinanciranjem v nekotirajoča infrastrukturna podjetja.
Vlagatelji, ki imajo v svojem portfelju delnice kotirajočih infrastrukturnih podjetij, pogosto
zanemarjajo dejstvo, da nimajo novega naložbenega razreda temveč zgolj delnice javnih,
transportnih ali energetskih podjetij, ki se tradicionalno obravnavajo kot določen sektor
znotraj delniškega trga. Podobno je z infrastrukturnimi obveznicami (angl. Infrastructure
Bonds), ki za vlagatelje niso nekaj novega kot npr. korporativne obveznice takšnih podjetij
ali pa občinske obveznice z državnim kritjem (angl. Municipal Bonds). Infrastrukturne
obveznice so lahko predvidene za specifični infrastrukturni projekt, npr. izgradnjo
42
tramvajske proge. Razvoj novih finančnih produktov na področju infrastrukture pa vključuje
tudi: sklad skladov (angl. Fund of Funds), kotirajoči indeksni sklad (angl. Exchange Traded
Fund, v nadaljevanju ETF), pasivni sklad (angl. Passive Fund) ter izvedene finančne
instrumente (angl. Derivatives) vezane na različne kotirajoče infrastrukturne indekse
(Inderst, 2010).
Vlagatelji lahko do infrastrukturnih naložb dostopajo prek primarnega trga, ki se nanaša na
zagonsko fazo novega infrastrukturnega projekta, kot je npr. izgradnja šole ter obsega
oskrbovanje, izgradnjo ter predajo v delovanje. Sekundarni trg se povezuje z operativno fazo
naložbe, kot je pobiranje cestnine na plačljivi cesti ali mostu. Finančni vlagatelj v tem
primeru pridobi delnice projektnega SPV-ja. Primarni trg je temu primerno bolj tvegan, zato
vlagatelji zahtevajo višjo donosnost; na začetku so zanj značilni tudi negativni denarni
tokovi, ki jih vlagatelji kompenzirajo v kasnejših letih ob izstopu oz. prodaji deleža. Njihov
glavni interes je zato potencial rasti. Na sekundarnem trgu je interes vlagateljev predvsem v
visokih in stabilnih dividendah, kar ponazarja željo vlagateljev po rednih prihodkih (Inderst,
2009).
Infrastrukturni projekti so financirani s kombinacijo dolžniškega in lastniškega kapitala.
Vlagatelji so zato lahko zainteresirani za določeno vrsto lastniške oz. delniške participacije
ali za nakup infrastrukturnih obveznic. Pri dolžniškem financiranju običajno prevladujejo
bančna posojila, toda večja podjetja se vse bolj poslužujejo izdaje infrastrukturnih obveznic.
Projekti imajo običajno visok finančni vzvod.
Vlagatelji lahko vlagajo v kotirajoča infrastrukturna podjetja neposredno, brez ovir preko
borze in na ta način pridobijo lastniški kapital, za nekotirajoča podjetja pa so neposredne
naložbe bolj komplicirane. Nekateri večji pokojninski skladi vlagajo neposredno v
nekotirajoča podjetja, običajno v partnerstvu z drugimi vlagatelji. Poleg neposrednih vlaganj
v podjetja vlagatelji lahko svoja sredstva naložijo tudi v kotirajoče ali nekotirajoče
infrastrukturne sklade. Razlogi za vlaganja v sklade so lahko različni, od različne regulacije,
upravljanja, naložbenih omejitev, do poročevalskih zahtev in dostopa do sklada. Nekateri
skladi so izrazito vezani na domačo državo zaradi različnih vzrokov, kot so preference
vlagateljev ali regulatorja in davčnih omejitev. Drugi skladi pa so globalno ali regionalno
orientirani. Infrastrukturni SPV-ji so lahko osredotočeni zgolj na posamičen sektor
(transport, letalski promet …) ali pa na več sektorjev hkrati z namenom diverzifikacije
tveganj (Inderst, 2009).
4.3 Tveganje in donosnost infrastrukturnih naložb
4.3.1 Kotirajoče in nekotirajoče infrastrukturne naložbe
Ključno vprašanje, s katerim se soočajo institucionalni vlagatelji, je, kakšno donosnost si z
naložbami v infrastrukturo lahko obetajo in ob kakšni stopnji tveganja. Podatki o
43
infrastrukturnih naložbah so še vedno precej skopi, zgolj zgodovinski pregled ponuja nekaj
smernic. Ker gre pri infrastrukturi za izredno širok naložbeni izbor, temu primerno tudi
donosnost oz. tveganje zelo varirata in zato je težko podati enoten naložbeni profil (angl.
Investment Profile) infrastrukturnih naložb brez natančne diferenciacije med različnimi
naložbenimi tipi. Problem se pojavi, ko takšen naložben tip poskušamo uvrstiti v naložbeni
portfelj, obenem pa nimamo dovolj podatkov o zgodovinski donosnosti, nestanovitnosti,
korelaciji z ostalimi naložbenimi razredi in stopnjah neizpolnjevanja finančnih obveznosti
(angl. Default Rates). Za institucionalne vlagatelje je zato problematično analizirati
infrastrukturo z vidika upravljanja sredstev in obveznosti, analize portfelja in alokacije
sredstev. Celo evropski organ za zavarovanja in poklicne pokojnine (angl. European
Insurance and Occupational Pensions Authority, v nadaljevanju EIOPA) v začetnih fazah
ni hotel oceniti tveganj iz naslova infrastrukturnih naložb kot samostojnega naložbenega
razreda zaradi pomanjkljivih podatkov (Weber et al., 2016).
Kot izpostavlja Inderst (2010) se je na začetku infrastrukturnega razcveta vlagateljem
obljubljajo in prikazovalo donosnosti, kot da gre za naložbeni razred zasebnega kapitala (nad
10 %), tveganje pa naj bi bilo na nivoju obvezniškega razreda. Razlike v donosnosti so
odvisne od sektorja, stopnje razvoja projekta (Slika 15) in regije.
Slika 15: Primerjava donosnosti in tveganja infrastrukture z ostalima naložbenima
razredoma
Povzeto in prirejeno po G. Inderst, Infrastructure as an Asset Class, 2010, str. 79.
Weberjeva et al. (2016) v svoji sektorski razdelitvi infrastrukture opozarjajo, da gre zgolj za
indikativne donosnosti in tveganja, saj je nemogoče zagotoviti enoten profil donosnosti in
tveganja infrastrukturnih naložb. Poudarjajo, da prikazani podatki o donosnosti (Tabela 23)
najpogosteje zanemarjajo in poenostavljajo kompleksnost infrastrukturnih naložb. Čeprav
gre za reguliran trg, je nujno potrebna celovita individualna obravnava naložbe znotraj
posameznega sektorja, ker profil donosnosti in tveganja ni pretežno opredeljen s sektorjem,
Obveznice
Delnice
Greenfield
naložbe
Brownfield
naložbe
pri
čako
van
ad
on
osn
ost
pričakovano tveganje
44
ampak je v veliki meri odvisen tudi od lokacije, stopnje in pogodbene strukture ter tveganja,
ki ga prevzema zasebni partner.
Tabela 23: Poenostavljen prikaz donosnosti in tveganja infrastrukturnih podsektorjev
Vrsta infrastrukturne
naložbe
3-letna donosnost v
%*
Pričakovana donosnost
v %
Tveganje
Družbena 9-11 4-12 Srednje
Regulirana 11-12 6-10 Nizko
Ceste 12-13 8-12 Srednje
Letališča/pristanišča 11-13 5-10 Srednje
Elektrarne 12-14 4-12 Visoko
Cestnine/Greenfield naložbe 13-15 3-5 Srednje/visoko
Legenda: *Gre za donosnost, ki vključuje tudi dolžniško financiranje projekta, denarni tokovi po plačilu
obresti pa pripadajo delničarjem (angl. Equity IRR)
Povzeto in prirejeno po B. Weber et al., Infrastructure as an Asset Class, 2016, str. 37, tabela 2.3.
Da mora biti portfelj, ki vključuje infrastrukturne naložbe, diverzificiran ne zgolj geografsko
ampak tudi po sektorjih, meni tudi Weisdorf (2007). Sredstva v različnih panogah dosegajo
različne donosnosti in potenciale rasti ter se različno odzivajo na ekonomske šoke. Tabela
24 prikazuje različne tipe infrastrukturnih naložb od obstoječih plačljivih cest (angl. Toll
Roads) z nizkim tveganjem, obstoječih letališč in pristanišč z visokim tveganjem ter
reguliranih naložb, kot so elektrika, nafta in plin ter vodno omrežje.
Tabela 24: Značilnosti donosnosti in tveganja različnih infrastrukturnih naložb
Področje
Obstoječe plačljive
ceste
Regulirana
sredstva
Obstoječa
letališča/pristanišča
Donosnost (povprečna 1 -5 let) 4-8 % 5-9 % 5-10 %
Notranja stopnja donosa 8-12 % 10-15 % 15-18 %
Možnost apreciacije kapitala Omejena Omejena Da
Tveganost naložbe Nizka Nizka-srednja Srednja
Povzeto in prirejeno po M. A. Weisdorf, Infrastructure: A Growing Real Return Asset Class, 2007, str. 18.
Iz Tabele 9 in 10 je razvidno, kako se podatki o donosnosti posameznih vrst infrastrukturnih
naložb s strani različnih avtorjev med seboj razlikujejo, kar velja tudi za ocene o stopnji
tveganj. Zaradi tega Inderst (2010) meni, da je prilagoditev donosnosti in tveganja pri
infrastrukturi nujno potrebna:
1. ker je zanimanje vlagateljev za infrastrukturo vse večje, je začetna prednost nekaterih
institucionalnih vlagateljev na trgu izzvenela;
45
2. finančno okolje se je po svetovni krizi močno spremenilo;
3. posamezni sektorji se različno odzivajo na gospodarske cikle in nenazadnje so
vlagatelji spoznali, da gre pri infrastrukturi za izrazito heterogenost naložb.
Z vidika tveganja neizpolnjevanja finančnih obveznosti je za infrastrukturne naložbe
značilno, da je stopnja neizpolnjevanja obveznosti izdajatelja infrastrukturnega dolga (angl.
Infrastructure Debt) nižja v primerjavi z ostalimi nefinančnimi izdajatelji. Moody's
Investors Service (2017) je v svoji raziskavi primerjal kumulativne stopnje neizpolnjevanja
obveznosti korporativnega infrastrukturnega dolga, kamor spadajo regulirane in
neregulirane javne službe, druga javna in zasebna infrastrukturna podjetja z izdajatelji
nefinančnega korporativnega dolga. Stopnje neizpolnjevanja obveznosti so na začetku
približno na enakih nivojih, po 5. letu oz. bolj ko se bližamo zapadlosti pa se stopnja pri
nefinančnih izdajateljih hitreje povečuje ter je v 10. letu skoraj 50 odstotnih točk višja kot v
primerjavi z infrastrukturnim dolgom (Slika 16). Weber et al. (2017) kot razlog za to
navajajo, da so banke bistveno bolj previdne oz. infrastrukturne projekte obravnavajo bolj
celovito in podrobno kot ostale korporativne izdajatelje. Poleg tega naj bi bili določeni
projekti manj izpostavljeni gospodarskim fluktuacijam, kot so običajna korporativna
podjetja izpostavljena tržnim tveganjem.
Slika 16: Kumulativne stopnje neizpolnjevanja obveznosti naložbenega bonitetnega
razreda v letih 1983–2015 (v %)
Vir podatkov: Moody's Investors Service, Addendum: Infrastructure Default and Recovery Rates, 1983–2015,
2017, str. 7; lastni izračuni.
0,00%
0,50%
1,00%
1,50%
2,00%
Leto 1 Leto 2 Leto 3 Leto 4 Leto 5 Leto 6 Leto 7 Leto 8 Leto 9 Leto 10
Korporativni infrastrukturni dolg Nefinančni zasebni izdajatelji
46
Če pa pride do neizpolnjevanja finančnih obveznosti Moody's Investors Service (2017)
ugotavlja, da je stopnja poplačljivosti1 (angl. Recovery Rate) pri infrastrukturnem dolgu
bistveno višja v primerjavi z zasebnim (korporativnim) dolgom (Tabela 25).
Tabela 25: Stopnja poplačljivosti infrastrukturnega dolga v letih 1983-2015 (v %)
Sektor
Prednostni zavarovan v % Prednostni nezavarovan
v %
Regulirane javne službe in telekomunikacije 81 60
Neregulirane javne službe in energetika 80 52
Povprečen infrastrukturni dolg 80 54
Povprečen dolg nefinančnih izdajateljev 54 38
Vir podatkov: Moody's Investors Service, Addendum: Infrastructure Default and Recovery Rates, 1983–2015,
2017, str. 9; lastni izračuni.
Pri infrastrukturnih naložbah je nujno potrebno ločiti med dvema velikima skupinama
naložbenih sredstev (angl. Pool of Assets). Kotirajoče infrastrukturne naložbe so tiste, ki
kotirajo na organiziranem trgu kot delnice infrastrukturnih podjetij, točke infrastrukturnih
skladov ali indeksov. Ta del naložb smo obravnavali že v prvem delu pri naložbenih razredih
in faktorski analizi, kjer smo prikazali kotirajočo donosnost, nestanovitnost in soodvisnost
med posameznimi razredi. Težko trdimo, da isti podatki veljajo tudi za nekotirajoče naložbe.
Kotirajoče naložbe imajo v splošnem različno soodvisnost in nestanovitnost kot
nekotirajoče. Infrastrukturna podjetja, ki so vključena oz. sestavljajo infrastrukturne indekse,
so zelo redko prava infrastrukturna projektna podjetja oz. naložbe. Bolj pogosto indekse
sestavljajo podjetja s širokim infrastrukturnim delovanjem v različnih oblikah. Večina
kotirajočih delnic infrastrukturnih podjetij zato nima nobenih ali pa zgolj redke značilnosti
konzervativno strukturiranih infrastrukturnih naložb z alokacijskimi učinki na naložbeni
portfelj (Weber et al., 2016).
Podatki ali kakršnakoli okvirna statistika o nekotirajočih infrastrukturnih naložbah je
najpogosteje težko dosegljiva, zato je tudi pomanjkanje transparentnosti ena od tipičnih
značilnosti za te vrste naložb. Deloma je vzrok tudi to, da podatkov o daljših časovnih vrstah
preprosto ni, zaenkrat so naložbe s časovnim horizontom daljšim od 15 let zgolj za avstralski
trg. Drug vzrok je lahko visoka sektorska razcepljenost. Ob velikem številu sektorjev je
njihovo donosnost med sabo težko ali pa nemogoče primerjati, še težje pa takrat, ko sredstva
agregiramo na nivoju sklada. Tudi infrastruktura je podobno kot nekateri drugi naložbeni
razredi soočena z vprašanjem zanesljivosti javno dostopnih podatkov, uporabe različnih
predpostavk, časovnih vrst, kriterijskih indeksov (angl. Benchmarks) ter pomanjkanja
1 Je opredeljena kot povprečni menjalni tečaj dolžniškega vrednostnega papirja, kjer plačilo finančne
obveznosti zamuja več kot 30 dni ali imamo stečajni postopek (Moody's Investors Service, 2017).
47
enotnih standardov poročanja ter regulacije. Kljub problematiki dostopa do podatkov sta bila
Peng in Newell (2007) med prvimi v akademski sferi, ki sta analizirala kotirajoče in
nekotirajoče infrastrukturne naložbe v Avstraliji. Za obdobje 10 let (1995–2006) sta
primerjala donosnost in nestanovitnost 16 kotirajočih infrastrukturnih podjetij in skladov ter
19 nekotirajočih skladov. Ugotovila sta, da je povprečna donosnost kotirajoče infrastrukture
22,4 %, nestanovitnost pa 16 %, medtem ko je donosnost nekotirajočih naložb znašala 14,5
%, nestanovitnost pa 5,8 % (Priloga 11).
4.4 Kriterijski indeks infrastrukturnih naložb
Institucionalni finančni vlagatelji z uporabo kriterijskega indeksa (angl. Benchmark, v
nadaljevanju KI) primerjajo oz. merijo finančno uspešnost svoje naložbe na trgu. Weber et
al. (2016) KI opredeljujejo kot relevantni trg, s katerim se primerja uspešnost (angl.
Performance) naložbe. Običajno je finančni KI indeks, ki ga sestavljajo podobni kotirajoči
vrednostni papirji. Za kotirajoče infrastrukturne naložbe imamo nekaj KI-jev, ki smo jih
analizirali v faktorski analizi, s katerimi se vlagatelji lahko primerjajo. Uporaba teh KI-jev
v primeru nekotirajočih infrastrukturnih naložb ne bi bila smotrna. Standardizirani oz.
dejanski podatki o uspešnosti nekotirajoče infrastrukture pa še vedno ne obstajajo.
V teoriji obstaja kar nekaj načinov za sestavo KI-ja nekotirajoče infrastrukture, toda v praksi
so vlagatelji soočeni s številnimi izzivi, med katerimi izpostavljamo naslednje (Weber et al.,
2016):
1. KI-ji zahtevajo zanesljiv in dovolj obsežen nabor podatkov;
2. izpolnjevati morajo določene kriterije, kot sta npr. ponovljivost in možnost vlaganja
sredstev;
3. pripisljivost donosov (angl. Return Attribution).
Javno dostopnih podatkov o infrastrukturi je v glavnem premalo ali pa so časovne vrste
bistveno prekratke, prav tako je problematičen širok investicijski nabor znotraj infrastrukture
z enako obsežnimi in raznovrstnimi investicijskimi strategijami ter nenazadnje pomanjkanje
razumljivega merjenja uspešnosti s strani vlagateljev. Težko je tudi zadostiti kriterijema
ponovljivosti in sposobnosti vlaganja. Pri nekotirajočih naložbah je težko aktivno upravljati
donosnost naložb in se primerjati s KI-jem zaradi različnih vrst infrastrukturnih naložb ter
težav s kvantifikacijo KI-ja, ki je pogosto izrazito subjektiven in retrospektiven (Weber et
al., 2016). Zaradi potrebe po merjenju in primerjanju se številni vlagatelji primerjajo s
pričakovanji absolutne donosnosti ali pa uporabljajo preproste KI-je, kot je inflacija (indeks
cen življenjskih potrebščin) z določenim pribitkom (angl. Margin). Nekateri vlagatelji
sledijo bolj naprednim pristopom v določanju KI-ja, kot so: cilji alokacije sredstev,
naložbena strategija, profil tveganja naložbe, pričakovanja o uspešnosti (Tabela 26). Poleg
absolutnih donosov ter inflacije Inderst (2009) kot primere KI-jev, ki jih uporabljajo
institucionalni vlagatelji, navaja:
48
• zahtevano donosnost obveznic + pribitek,
• donosnost obvezniškega indeksa vezanega na inflacijo + pribitek,
• kombinacijo delniškega, nepremičninskega, obvezniškega indeksa,
• primerjalna skupina nekotirajočih infrastrukturnih skladov.
Tabela 26: Primeri uporabljenih infrastrukturnih indeksov v panogi
Vlagatelj
Kriterijski indeks
Zavarovalnice
Australian insurance Absolutni donos (8 %) + kritje notranjih stroškov upravljanja
German insurance Državna obveznica + pribitek (5 %)
South European Insurance Absolutni donos (6,5 %) brez zadolženosti, po davkih
Pokojninski skladi
British Columbia Invest. Mng. Corp 8 % absolutni donos s prilagoditvami na naložbeno, državno in
valutno tveganje
Caisse du Depot 50 % S&P 500/TSX + 25 % S&P500 + 25 % MSCI EAFE Index
California Public Employees
Retirement System HICŽP* + pribitek (5 %)
Canadian Public Pension Fund Državna obveznica + pribitek (4–5 %)
CPP Investment Board Določen individualno za vsako naložbo posebej
Eurpoean Public Pension HICŽP + pribitek
OPSEU Pension Trust (OPTrust) HICŽP + pribitek (5 %)
UK Public Pension Fund Retail Price Index + pribitek (5 %)
Borealis Infrastructure Absolutni donos z začetka leta, ki temelji na operativnem načrtu
Ontario Teachers' Pension Plan HICŽP + pribitek (4 %) + pribitek na državo
Legenda: *Harmoniziran indeks cen življenjskih potrebščin
Povzeto in prirejeno po J. S. Bachher, R. J. Orr, & D. Settel, Benchmark for Unlisted Infrastructure, 2012.
V praksi vseeno obstaja velika raznolikost KI-jev glede na posamezne vlagatelje, kjer
prevladujeta absolutna donosnost in inflacija s pribitkom. Izbira ustreznega KI-ja je odvisna
od številnih faktorjev, ki se navezujejo tako na profil obveznosti vlagatelja kot na vrsto
infrastrukturne naložbe (Inderst, 2009).
5 INFRASTRUKTURA Z VIDIKA INSTITUCIONALNEGA
VLAGATELJA
5.1 Instrumenti financiranja infrastrukture
Kot je izpostavljeno že v prvem poglavju, so institucionalni vlagatelji zaradi svojih
dolgoročnih obveznosti in nenaklonjenosti tveganju najbolj primerni vlagatelji v
infrastrukturo z nizkim profilom tveganja. Kljub idealnemu ujemanju ogromnih virov
kapitala ter naložbenem razredu, ki zahteva vlaganja, se vlagatelji izredno počasi odločajo
49
za takšno vrsto naložb. V veliki meri je razlog predvsem netransparentnost ter pomanjkanje
regulatornega okvira skupaj s preteklimi slabimi naložbenimi izkušnjami in premajhno
vključenostjo države (Weberjeva et al., 2016).
Infrastrukturne naložbe se lahko financirajo prek različnih kapitalskih kanalov. Razvoj
kapitalskih trgov nazorno prikazuje, da finančne inovacije omogočajo oz. razvijajo nova
finančna orodja, s katerimi zagotavljajo velike količine sredstev kot odziv na trenutne
razmere ponudbe in povpraševanja po infrastrukturi (Uppenberg, Strauss, & Wagenvoort,
2011). Na Sliki 17 lahko vidimo splošen prikaz načinov dostopanja zasebnega vlagatelja do
infrastrukturnih naložb. Osnovna razdelitev infrastrukturnih nosilcev financiranja je
lastniško in dolžniško financiranje (Grundl, Dong, & Gal, 2016).
Slika 17:Možnosti dostopanja zasebnega sektorja do infrastrukturnih naložb
Povzeto in prirejeno po R. Della Croce & S. Gatti, Financing infrastructure – International trends, 2014.
Obe vrsti financiranja, lastniško in dolžniško, lahko kotirata na organiziranem trgu (borzi),
kjer se z njima trguje, ali pa nista uvrščena na primarni trg in se z njima trguje na
sekundarnem trgu. Naložbe v kotirajoč lastniški in dolžniški kapital se obravnava kot
tradicionalne naložbe v kotirajočo infrastrukturo. Na drugi strani pa nekotirajoč lastniški
kapital in OTC dolžniško financiranje nimata koristi od aktivnega likvidnega sekundarnega
trga, zaradi tega gre za tipični vrsti naložb, kjer vlagatelj opravi nakup in ima odprto pozicijo
za daljše časovno obdobje, kar ustreza institucionalnim vlagateljem, ki dajejo prednost
stabilnim denarnim tokovom (Della Croce & Gatti, 2014).
nosilci financiranja
lastniški kapital
kotirajoči
delniceinfrastrukturni
projektni skladi
nekotirajoči
neposreden
naložba v projekt
posreden
infrastrukturni projektni sklad
dolžniški kapital
kotirajoči
korporativne obveznice
OTC
projektni/infra dolg in
obvezniceSPV
50
Dolžniško infrastrukturno financiranje Della Croce in Gatti (2014) razdelita na:
1. Projektno financiranje in posojila
Gre za najstarejšo in najbolj razširjeno obliko, ki se največkrat pojavlja kot sindicirano
posojilo.
2. Projektne obveznice
Označujejo vrednostne papirje, ki financirajo samostojen infrastrukturni projekt. V
primerjavi s posojili so projektne obveznice zaradi pogodbenih posebnosti za
institucionalne vlagatelje bolj zanimive. Obveznice so standardiziran instrument
kapitalskega trga z bistveno višjo likvidnostjo, če je izdaja dovolj velika. Večja
likvidnost lahko pomeni nižje stroške financiranja v primerjavi s posojilom. Pri večjih
izdajah obveznice lahko postanejo komponenta obvezniškega indeksa, kar poveča
zanimanje vlagateljev v obveznice za različne strategije KI-ja. Poleg tega so projektne
obveznice lahko izdane z daljšo ročnostjo kot obdobje, za katerega banke odobrijo
sindicirano posojilo.
3. Korporativne obveznice
Podobno kot projektne obveznice so korporativne obveznice finančni instrument, ki
zaradi svojega profila donosnosti-tveganja najbolj prevladujejo v portfeljih
institucionalnih vlagateljev, še posebej ob trenutnih nizkih obrestnih merah državnih
obveznic. Izdane so lahko na trgu ali zasebno (angl. Private Placement). Javno dostopna
kotirajoča infrastrukturna podjetja so primarni izdajatelji takšne vrste dolga.
4. Alternativne strukture
Po finančni krizi, ko so se banke večinoma umaknile iz financiranja najrazličnejših
projektov zaradi potreb po razdolževanju in višjih kapitalskih zahtev po Baslu III, je bil
velik pritisk na finančne trge po novih alternativnih produktih dostopa do financiranja.
Kmalu je zato prišlo do sodelovanja bank in institucionalnih vlagateljev glede
usmerjanja dolžniških sredstev v infrastrukturo. Najbolj pogoste oblike so: model
partnerstva oz. sofinanciranja, model listninjenja (angl. Securitization) ter model
dolžniškega sklada (angl. Debt Fund Model).
Na drugi strani pa lastniško financiranje poteka prek (OECD, 2015):
1. Kotirajočih infrastrukturnih podjetij
Javno dostopna infrastrukturna podjetja prek lastniškega kapitala oz. z izdajo delnic
zberejo potrebna sredstva za financiranje. Kmalu so se začeli pojavljati tudi
infrastrukturni indeksi, ki spremljajo veliko število infrastrukturnih podjetij v najbolj
razvitih gospodarstvih sveta. Za delnice infrastrukturnih podjetij so značilne višje
dividende kot na preostalem trgu zaradi ročnosti in politike izplačevanja dividend.
2. Kotirajočih infrastrukturnih skladov
Skladi lahko zbirajo sredstva prek javno dostopnih trgov z izdajo delnic, podobno kot
prva javna ponudba, ali pa naložbeni kapital zbirajo neposredno od vlagateljev in ga
plasirajo v določeno infrastrukturno naložbo (odprti sklad). Pri takšni obliki gre za
neposredno naložbo v infrastrukturo in ne zgolj za nakup točke sklada. Sklad lahko
investira v kotirajoča ali nekotirajoča projektna podjetja. Sklad omogoča hiter dostop
do infrastrukturnih naložb lastniškega kapitala, ki ponuja geografsko in sektorsko
diverzifikacijo tudi za vlagatelje z manjšimi naložbenimi vložki.
51
3. Direktna nekotirajoča naložba v lastniški kapital
Gre za neposredno vlaganje v nekotirajočo samostojno infrastrukturno naložbo,
najpogosteje projektno financiranje, ki preskoči upravljalca sklada. Takšen tip naložb si
privoščijo predvsem veliki institucionalni vlagatelji, ki imajo dovolj znanja, virov in
osebja, da locirajo takšne naložbe, izvedejo skrbni pregled, oblikujejo projekcije in
izdelajo ponudbo. Po navadi se povezujejo tudi z ostalimi institucionalnimi vlagatelji
(OECD, 2014).
4. Nekotirajoči delniški infrastrukturni sklad
Gre za podobno obliko kot pri prejšnji točki, le da gre tokrat za sklad, kjer imajo
institucionalni vlagatelji bolj omejeno vlogo. Kot glavni partner najpogosteje nastopa
investicijska banka ali svetovalno investicijsko podjetje, ki je odgovorno za prevzeto
obveznost (angl. Commitment) do sklada v imenu vlagateljev.
Na podoben način tudi EIOPA klasificira vlagateljevo izpostavljenost do infrastrukture
(Tabela 27).
Tabela 27:Infastrukturni naložbeni nosilci
Dolžniški kapital
Obveznice Posojila
Korporativne
obveznice
Projektne
obveznice
Infrastrukturno
listninjenje posojil
Korporativna
posojila Projektna posojila
Lastniški kapital
Kotirajoči Nekotirajoči
Korporativni
lastniški kapital
Kotirajoče
infrastrukturne
delnice/obvezniški
skladi
Neposredne naložbe (nekotirajoča
infrastruktura, vključno s projektnim
financiranjem)
Nekotirajoči
delniški skladi
Povzeto in prirejeno po EIOPA, Technical Report on Standard Formula Design and Calibration for Certain
Long-Term Investments, 2013b, str. 55.
V infrastrukturnem sektorju v povezavi z dolgoročnimi naložbami zavarovalnic EIOPA
(2013a) izpostavlja 3 naložbene nosilce: neposredno projektno financiranje (obveznice,
posojila ali delnice), infrastrukturni naložbeni skladi (kotirajoči in nekotirajoči) ter nosilce
infrastrukturnega listninjenja posojil (angl. Infrastructure Loan Securitization Vehicles).
5.2 Regulacija
Kot odziv na finančno krizo, ki je močno oklestila evropska gospodarstva in predvsem
finančni sektor, je Evropska komisija predlagala bolj poenoten nadzor nad finančnimi
institucijami znotraj Evropske unije. Kot rezultat tega je nastal skupen regulatorni okvir za
zmanjševanje tveganj in obsežnosti prihodnjih finančnih kriz znan kot Solventnost 2, ki
temelji na 3 stebrih (EIOPA, 2014):
52
• Steber 1
Izračun kapitalskih rezerv – predstavlja standardno formulo za izračun kapitalskih
zahtev, ki vključuje različne vrste tveganj.
• Steber 2
Upravljanje s tveganji – obsega potrebne zahteve za upravljanje potencialnih tveganj.
• Steber 3
Poročanje in razkritja – vsebuje natančne informacije in poročanja, ki jih morajo
zavarovalnice posredovati nacionalnim nadzornikom in razkriti javnosti.
Izračunavanje SCR-ja zavarovalnic poteka v okviru prvega stebra, ki je po standardnem
modelu sestavljen iz različnih modulov in podmodulov. Osnovni SCR tako tvorijo naslednji
moduli (EIOPA, 2014): tveganja iz naslova premoženjskih, življenjskih in zdravstvenih
zavarovanj, tveganje neizpolnitve obveznosti nasprotne stranke, tržna tveganja ter
operativna tveganja. Za institucionalne vlagatelje je z vidika upravljanja sredstev
najpomembnejši modul tržnih tveganj (angl. Market Risk), ker le-ta določa višino kapitala,
ki ga mora zavarovalnica zagotoviti za vsako posamezno naložbo v portfelju.
Specifičnost izračunavanja zahtevanega kapitala po Solventnosti 2 je v metodološkem
pristopu oz. uporabi metode tvegane vrednosti (angl. Value at Risk) kot osnove za
izračunavanje SCR-ja, ki ob danem intervalu zaupanja in opredeljenem časovnem horizontu
meri največjo možno izgubo posamezne naložbe ali portfelja (Kirn & Koselj, 2016). Po
standardnem modelu za finančne naložbe je izračun SCR-ja opredeljen v sklopu modula
tržna tveganja, ki ga sestavlja več podmodulov (EIOPA, 2014):
1. valutno tveganje
2. obrestno tveganje
3. kreditno tveganje
4. koncentracijsko tveganje
5. delniško tveganje
6. tveganje iz naslova naložb v nepremičnine
V zavarovalniških portfeljih, kjer večinoma prevladujejo dolžniški finančni instrumenti, je
najpomembnejši modul kreditnega tveganja, posredno pa tudi nekateri ostali podmoduli.
Parametri za izračun SCR-ja se nanašajo na obdobje enega leta in interval zaupanja 99,5 %.,
za bolj tvegane naložbe pa bodo morale zavarovalnice po novem zagotoviti več kapitala.
Posledično je eno izmed ključnih vprašanj za zavarovalnice na področju upravljanja naložb
oz. alokacije sredstev postalo razmerje med pričakovano donosnostjo in SCR-jem (Kirn &
Koselj, 2016). SCR se znotraj modula tržnega tveganja izračunava z uporabo variančno-
kovariančnega modela, kjer je izračun za posamezne naložbene razrede odvisen od
nestanovitnosti posameznih naložb ter je v okviru standardnega modela predpisan s strani
regulatorja (Tabela 28).
53
Tabela 28:Kapitalske uteži znotraj modula tržna tveganja za posamezne dejavnike
tveganja
Vrsta tveganja Kapitalska zahteva
Obrestno tveganje f (neto denarni tok sredstev in obveznosti)
Delniško tveganje 22 %; 39 %/49 % + proticiklični faktor (0-10 %)
Nepremičninsko tveganje 25 %
Kreditno tveganje f (tip naložbe, trajanje, bonitetna ocena), 0-90 % oz do 100 % za
strukturirane produkte
Valutno tveganje 25 %
Koncentracijsko tveganje f (tip naložbe, bonitetni razred izpostavljenosti do skupine, višina
izpostavljenosti), 0-98,5 %
Vir: J. Kirn, & A. Koselj, Naložbene strategije zavarovalnic za novo realnost, 2016, str. 134, tabela 1.
5.2.1 Infrastrukturne naložbe
Preden se je evropski regulator podrobno odločil preučiti in podati smernice glede
infrastrukturnih naložb, je del priporočil namenjenim zavarovalnicam že predhodno objavil
v Poročilu o dolgoročnih naložbah (angl. LTI Report), kjer je izpostavil, da nimajo vse
naložbe, ki so poimenovane kot infrastrukturne, avtomatsko nižji profil tveganja v primerjavi
s podobnimi instrumenti, ki jih izdajajo zasebna podjetja (EIOPA, 2015). Vseeno regulator
v poročilu poudarja, da za infrastrukturne projekte z visoko stopnjo gotovosti realizacije
prihodkov lahko trdimo, da predstavljajo boljši profil tveganja V tej luči se je EIOPA (2015)
odločila osredotočiti predvsem na lastniške in dolžniške naložbe v infrastrukturne projekte,
in sicer iz več razlogov:
• dostopni podatki namigujejo, da je profil tveganja infrastrukturnih in ostalih podjetij
podoben;
• da je v osnovi narava infrastrukturnega projekta oblikovati, zgraditi in upravljati
infrastrukturno naložbo, medtem ko imajo druga podjetja lahko različne druge cilje, ki
se v času tudi spreminjajo;
• da infrastrukturna podjetja nimajo nobenih večjih problemov pri dostopu do
financiranja;
• projektno financiranje je ustaljena praksa; z združevanjem posameznih projektov, npr.
v sklad, pa je možno doseči tudi zadostno stopnjo diverzifikacije.
V svojem zadnjem poročilu za obravnavo infrastrukturnih naložb EIOPA (2016) prepoznava
infrastrukturne naložbe kot ločen naložbeni razred in predlaga ustrezno prilagoditev oz.
kalibracijo standardne formule. Osnovna razdelitev infrastrukturnih naložb po EIOPA-i je
na: korporativno infrastrukturo (angl. Infrastructure Corporates) in infrastrukturni projekt.
Pogoj, da je naložba opredeljena kot korporativno infrastrukturna, je izpolnjevanje različnih
kriterijev predpisanih s strani EIOPA (2016). Korporativna infrastruktura mora predstavljati
54
entiteto ali korporativno skupino, katere glavni vir prihodkov izvira iz lastništva,
financiranja, razvijanja ali opravljanja infrastrukturne naložbe v Evropskem ekonomskem
območju (angl. Eurpoean Economic Area, v nadaljevanju EEA) ali OECD na sledečih
področjih: generiranje, transmisija ali distribucija električne ali termalne energije,
distribucija ali prenos naravnih ali gorilnih plinov, zagotavljanje storitev vodnega sistema in
kanalizacije, storitev upravljanja z odpadki in reciklažo, prenos telekomunikacij ali
upravljanje transportih sredstev, družbena infrastruktura.
Poleg osnovne klasifikacije sta pomembna še dva pogoja: predvidljivost prihodkov ter
finančna struktura. Podobno so opredeljeni pogoji za klasifikacijo naložb v infrastrukturni
projekt, ki je opredeljen kot entiteta ali korporativna skupina, katere glavni vir prihodkov
izvira iz lastništva, financiranja, razvijanja ali opravljanja infrastrukturne naložbe. Glavni
poudarek pri kriteriju za uvrstitev v infrastrukturni projekt je izpolnjevanje pogojev,
določenih s strani EIOPA (2016) na področju obremenitvenega testiranja (angl. Stress
Testing), predvidljivosti denarnih tokov, pogodbenem okviru, stopnji kreditne kvalitete
(angl. Credit quality step), finančnem tveganju ter drugih zahtevah za dolžniški in lastniški
kapital brez bonitetne ocene.
5.2.1.1 Dolžniške naložbe in standardna formula
Raziskava regulatorja je pokazala, da je kreditna nestanovitnost (angl. Spread Volatility)
izbranih infrastrukturnih korporativnih obveznic okrog 25 % nižja za tiste z bonitetno oceno
AA ter več kot 50 % nižja za obveznice z bonitetno oceno A in BBB. Glede na število
obveznic se mora aplicirati najvišja utež rezultatom za obveznice z bonitetno oceno A. Ne
glede na to primerjava s standardno formulo ne ponuja dovolj prepričljivih rezultatov.
Število razpoložljivih infrastrukturnih korporativnih obveznic z bonitetno oceno AA in BBB
med finančno krizo ter z daljšo dospelostjo je v splošnem zelo redko. Še več, obstaja kar
precej razlik med rezultati za različne ročnosti in bonitetne ocene razredov. Na podlagi tega
regulator sklene, da ni zadostnih dokazov, da bi bili kreditni šoki (angl. Spread Shocks) za
naložbo, ki ustreza klasifikaciji korporativne infrastrukture, nižja, saj je tvegana vrednost
infrastrukturnih naložb relativno blizu impliciranemu šoku po standardni formuli (EIOPA,
2016).
5.2.1.2 Lastniške naložbe in standardna formula
Pri lastniški infrastrukturi EIOPA priporoča 36 % kapitalsko utež na delniško tveganje za
infrastrukturne lastniške naložbe, ki izpolnjujejo zahtevane pogoje za ustrezno klasifikacijo
v ta razred. Za te lastniške naložbe EIOPA priporoča korelacijski koeficient 0,75 za delnice
55
tipa 12 ter koeficient 1 za delnice tipa 2. Za potrebe agregacije je kvalificirana infrastruktura
korporativna lastniška naložba obravnavana kot tip 2 (EIOPA, 2016).
5.2.2 Učinek infrastrukturne naložbe na SCR in poslovni izid
V dveh poenostavljenih primerih bomo skušali prikazati vpliv oz. učinek dodane
infrastrukturne naložbe obstoječemu portfelju z vidika SCR-ja ter vpliva na bilanco
institucionalnega vlagatelja. V obeh primerih sta struktura in vrednost vseh sredstev
subjektivni in naključno izbrani, ob dodani infrastrukturni naložbi pa pride do spremembe
strukture portfelja na račun obvezniškega naložbenega razreda kar je v času trenutnih nizkih
obrestnih mer pogosta praksa različnih institucionalnih vlagateljev.
Tabela 29: Poenostavljen primer izračuna SCR-ja brez infrastrukturnih naložb
Naložbeni
razred
Opis
naložbe
Struktura
portfelja v
%
Vrednost
naložbe v
1.000 EUR
S2 utež v
%
S2 vrednost v
1.000 EUR
Obveznice 60 60.000
Državne
A-rating iz EMU, s
trajanjem 7 let 60 36.000 0 0
Korporativne
A-rating, s trajanjem 10
let 30 18.000 10,5 1.890
Visoko donosne
BB-rating, s trajanjem
10 let 10 6.000 35 2.100
Delnice 20 20.000
Kotirajoče iz držav
OECD 70 14.000 39 5.460
Kotirajoče iz držav, ki
ni so OECD ali so
nekotirajoče 30 6.000 49 2.940
Nepremičnine 5 5.000 25 1.250
Alternativne naložbe 15 15.000 Zasebni
naložbeni sklad 60 9.000 49 4.410
Letalo
Brez ocene, s trajanjem
10 let 30 4.500 23,5 1.057,5
Hedge sklad Nekotirajoče delnice 10 1.500 49 735
Skupaj sredstva 100 100.000
Obveznosti 70 70.000
Kapital 30 30.000
SCR 19.842,5
Vir podatkov: IFA, Non-traditional investments – key considerations for insurers, 2015; J. Kirn, & A. Koselj,
Naložbene strategije zavarovalnic za novo realnost, 2016, str. 134, tabela 1; lastni izračuni.
2 Za izračun zahtevanega kapitala se podmodul delniškega tveganja razdeli v dve kategoriji: delnice tipa 1
(angl. Type 1 equities) in tipa 2. Delnice tipa 1 kotirajo na organiziranih trgih držav, ki so članice EEA in
OECD, medtem ko delnice tipa 2 združujejo delnice, ki kotirajo na borzah držav, ki niso članice EEA in OECD,
delnice, ki ne kotirajo, hedge sklade, surovine in druge alternativne naložbe (EIOPA, 2014).
56
Tabela 30: Poenostavljen primer izračuna SCR-ja z infrastrukturno naložbo
Naložbeni
razred
Opis
naložbe
Struktura
portfelja v
%
Vrednost
naložbe v
1.000 EUR
S2 utež
v %
S2 vrednost v
1.000 EUR
Obveznice 55 55.000
Državne
A-rating iz
EMU, s
trajanjem 7 let 60 33.000 0 0
Korporativne
A-rating, s
trajanjem 10
let 30 16.500 10,5 1.732,5
Visoko donosne
BB-rating, s
trajanjem 10
let 10 5.500 35 1.925
Delnice 15 15.000
Kotirajoče iz
držav OECD 70 10.500 39 4.095
Kotirajoče iz
držav, ki niso
OECD ali so
nekotirajoče 30 4.500 49 2.205
Nepremičnine 10 10.000 25 2.500
Alternativne naložbe 15 15.000 Zasebni naložbeni
sklad 60 9.000 49 4.410
Letalo
NR, s
trajanjem 10
let 30 4.500 23,5 1.057,5
Hedge sklad
nekotirajoče
delnice 10 1.500 49 735
Infrastruktura 5 5.000
Infrastrukturni dolg
NR, s
trajanjem 10
let 60 3.000 23,5 705
Infrastrukturne delnice 40 2.000 36 720
Skupaj sredstva 100 100.000
Obveznosti 70 70.000
Kapital 30 30.000
SCR 20.085
Vir podatkov: IFA, Non-traditional investments – key considerations for insurers, 2015; J. Kirn, & A. Koselj,
Naložbene strategije zavarovalnic za novo realnost, 2016, str. 134, tabela 1; EIOPA, Final Report on
Consultation Paper no. 16/004 on the request to EIOPA for further technical advice on the identification and
calibration of other infrastructure investment risk categories, i.e. infrastructure corporates, 2016; lastni
izračuni.
V primeru, ko obstoječim naložbam dodamo infrastrukturno naložbo, je SCR višji, kar
pomeni, da mora institucionalni vlagatelj zagotoviti dodatna kapitalska sredstva, in sicer v
višini 242.500 EUR. Ob predpostavki, da vlagatelji zahtevajo enak donos na svoj vložek ob
enakem prevzetem tveganju, bi se poslovni izid družbe izboljšal za približno 19.000 EUR.
57
Obratno pa bi se v primeru enakega poslovnega izida in dodatnih kapitalskih zahtevah ROE
delničarja ustrezno znižal (Tabela 31).
Tabela 31: Učinki in spremembe SCR-ja ter poslovnega izida
Učinek Vrednost v EUR
ROE 7,80 %
Kapital 1 30.000.000
Poslovni izid brez infrastrukture 2.340.000
Sprememba SCR-ja 242.500
Kapital 2 30.242.500
Poslovni izid po spremembi 2.358.915
Sprememba poslovnega izida 18.915
5.3 Tveganja
Večina strokovnjakov tveganja pri infrastrukturnih naložbah razdeli v dve kategoriji: splošna
ter projektno-specifična tveganja. Weberjeva et al. (2016) med splošna tveganja uvrščajo
tržna tveganja, tveganja spremembe obrestnih mer in deviznih tečajev, okoljsko, družbeno
in upravljavsko tveganje ter politično, pravno in regulatorno tveganje. Na drugi strani med
tveganja, ki so specifična za posamezno naložbo, klasificirajo načrtovanje, izgradnjo in
zaključna dela, tehnično in uporabno tveganje, finančno, sindicirano, operativno ter
pogodbeno tveganje in tveganje nasprotne stranke.
Z vlaganji v infrastrukturo so po mnenju Weisdorfa (2007) povezana edinstvena tveganja in
faktorji, ki ta tveganja zmanjšujejo. Izpostavlja naslednja tveganja: regulatorno, politično,
tveganje obveznosti, likvidnostno, podsektorsko ter tveganje povezano z vlaganjem v novo
in razvijajočo se strategijo. Regulatorno tveganje je povezano z vlagateljevim skrbnim
pregledom (angl. Due Diligence), ki mora skleniti, ali je regulatorni okvir pošten in
transparenten, omogoča ustrezno donosnost ter ima dovolj dobre izkušnje za sprejemanje
ustreznih odločitev, ki omogočajo predvidljive donose. Pri političnem tveganju Weisdorf
(2007) izpostavlja, da mora vlagatelj svoje naložbe usmerjati v države, kjer je močno
trgovinsko pravo, kjer delovna sila podpira infrastrukturo, kjer bodo sodišča ustrezno
obravnavala pogodbe med zasebnim sektorjem in državo. Pri obveznostnem tveganju se
morajo vlagatelji zavarovati, da so tveganja enakomerno porazdeljena med vse deležnike,
vključno z državo in koncesionarji. Glede na to, da so infrastrukturne naložbe zelo obsežne
in dolgoročne, so hkrati nelikvidne, saj se sekundarni trg šele razvija. Kljub temu je
vlagateljem zagotovljena likvidnost v obliki distribucije denarja in priložnosti za
rekapitalizacijo naložbe vsakih 5 do 10 let, ko distribucija denarja narašča. Zaradi
zmanjševanja izpostavljenosti določenemu sektorju morajo vlagatelji svoj portfelj
diverzificirati tako geografsko kot panožno.
58
Inderst meni, da se tveganj pri infrastrukturnih naložbah ne da oceniti zgolj na podlagi
preteklih statistik in gibanja nestanovitnosti, saj so določeni faktorji negotovi. Zato tveganja
razdeli na 3 različna področja (Inderst, 2010):
1. tveganja, ki so povezana z infrastrukturnim projektom in podjetje:
a) tveganje izgradnje
b) operativno in upravljavsko tveganje
c) poslovno tveganje (povpraševanje, faktorji ponudbe)
d) tveganje spremembe obrestne mere
e) tveganje refinanciranja
f) pravno in lastniško tveganje
g) regulatorno tveganje
h) okoljevarstvena, politična ter družbena tveganja
2. dodatna tveganja na nivoju infrastrukturnih skladov in naložbenih nosilcev:
a) koncentracijsko tveganje – v smislu majhnega števila podobnih naložb v portfelju
b) tveganje nelikvidnosti (slabo razvit sekundarni trg)
c) cenovno tveganje (kot osnova za vrednotenje)
d) tveganja povezana z upravljanjem naložbenih nosilcev (konflikt interesov,
netransparentnost)
3. lastna tveganja in izzivi, s katerimi se soočajo vlagatelji v infrastrukturo:
a) pomanjkanje izkušenj s tem naložbenim razredom
b) časovna diverzifikacija
c) integracija v upravljanje s sredstvi in naložbami (strateška alokacija sredstev)
d) izbira pravega trenutka (poslovni cikli)
e) svetovalci in nasprotne stranke
f) pravno, regulatorno in fiduciarno tveganje in tveganje dobrega imena
Zgoraj predstavljena tveganja vlagatelji skušajo identificirati, kvantificirati in sprejemati
določene ukrepe za blažitev oz. zmanjšanje vpliva teh tveganj. Pri tem jih ovira predvsem
dejstvo, da je na tem področju malo znanega, zato je potrebna bistveno bolj poglobljena
kvalitativna in kvantitativna analiza vseh vključenih tveganj, ki jih določena infrastrukturna
naložba ali naložbeni nosilec zahtevata.
5.4 Infrastruktura kot naložbeni razred
Mnenja o tem, ali gre pri infrastrukturi oz. infrastrukturnih naložbah res za neodvisen oz.
nov naložbeni razred, so zelo različna. Glavni promotorji infrastrukture kot naložbenega
razreda so v prvi vrsti predvsem investicijske banke in managerji, ki izpostavljajo tri
argumente: koncept »fizične« infrastrukture, ki je povsem drugačna od tradicionalnih
razredov, specifične značilnosti infrastrukture, ki jo ločujejo od preostalih razredov, ter
edinstven profil tveganja-donosa. Dejstvo je, kot poudarja Inderst (2009), da vsi trije
argumenti stojijo na bolj krhkih temeljih. Infrastrukturo bi lahko obravnavali kot določen
sektor v gospodarstvu, kjer bi infrastrukturna podjetja uvrstili v ločen sektor delniškega trga,
infrastrukturne obveznice bi bile del korporativnih obveznic, infrastrukturni skladi pa so
59
podobni skladu tveganega kapitala v ločenem sektorju, ki bi ustrezal naložbenem razredu
zasebnega kapitala.
Pri infrastrukturi je zato v osnovi potrebno potegniti ločnico med kotirajočo infrastrukturo
in zasebnimi infrastrukturnimi naložbami. Za kotirajočo infrastrukturo (delnice, skladi ter
indeksi) ne moremo trditi, da gre za nov naložbeni razred. To so ugotovili tudi Blanc-Brude,
Whittaker in Wilde (2017), ki eksplicitno izpostavljajo, da kotirajoča infrastruktura ni
naložbeni razred, saj za to ne obstaja dovolj trdnih dokazov. Kotirajoča infrastruktura po
standardni klasifikaciji industrije ter sektorja ni naložbeni razred oz. ne predstavlja
edinstvene kombinacijo tržnih faktorjev, niti je ni možno ločiti od obstoječe izpostavljenosti
vlagateljevega portfelja. Poleg tega mora biti pozornost usmerjena predvsem na regulatorno
zakonodajo, še posebej na pogodbena razmerja in finančne strukture, bolj kot na fizično
vsebino (npr. cesto), saj je le-ta brez pomena, dokler tarife oz. mehanizmi plačevanja ter
finančni sporazumi niso dogovorjeni (Blanc-Brude, 2012).
Zasebna oz. nekotirajoča infrastruktura naj bi tako imela največ elementov samostojnega
naložbenega razreda v primerjavi z delnicami, obveznicami in drugimi razredi, predvsem z
vidika ugodnega profila tveganja-donosa ter diverzifikacijskih učinkov v primerjavi z
ostalimi naložbenimi razredi. Kljub temu Inderst (2010) meni, da to še ne pomeni, da
govorimo o naložbenem razredu, saj bi nekotirajočo infrastrukturo zaradi svoje podobnosti
s skladi zasebnega kapitala lahko uvrstili znotraj le-tega. Glavni razlog, zaradi katerega
Inderst (2010) infrastrukturi ne pripisuje statusa novega naložbenega razreda, je, da le-ta
nima pravih temeljev oz. ni ustrezno podkrepljena s finančno teorijo. Ideja o infrastrukturi
kot novem, alternativnem naložbenem razredu je privlačna predvsem z marketinškega
vidika, nima pa ustrezne podpore v finančni teoriji. Poleg tega vse več empiričnih pristopov
predlaga obravnavo infrastrukture kot podrazreda ali podsektorja v okviru tradicionalnih
razredov, kot so delnice, sklad zasebnega kapitala ter obveznice.
Weberjeva et al. (2016) pa lastnosti infrastrukturnih naložb povezujejo z značilnostmi, ki jih
je mogoče opaziti pri treh tradicionalnih naložbenih razredih: nepremičninah, obveznicah ter
skladih zasebnega kapitala. Od posamezne infrastrukturne naložbe pa je odvisno, s katerim
od teh ima infrastruktura največ skupnih značilnosti. Kljub omejenim in težko dostopnim
podatkom je glavna ugotovitev Weber et al. (2016), da ima infrastruktura hibridno obliko
oz. je hibrid med nepremičninami, skladi zasebnega kapitala ter obveznicami, in jo kot tako
lahko obravnavamo kot ločen naložbeni razred.
SKLEP
Infrastrukturne naložbe bodo v primeru dolgotrajnega obdobja nizkih obrestnih mer zaradi
svojih specifičnih atributov zagotovo dobivale vse večjo vlogo oz. se bo njihov delež v
naložbenih portfeljih institucionalnih vlagateljev še naprej povečeval. Temu trendu sledi tudi
regulacija, ki zaradi povečanega obsega vlaganj v infrastrukturo intenzivno analizira,
60
usmerja ter izdaja priporočila vlagateljem, kako takšne naložbe obravnavati ter predvsem
kako identificirati in meriti tveganja povezana s to vrsto naložb. Posebno pozornost
infrastrukturi namenja tudi EIOPA, ki predlaga drugačno obravnavano teh naložb in
posledično prilagoditev standardne formule pri izračunavanju zahtevanega kapitala po
Solventnosti 2.
Iz rezultatov analiziranja donosnosti posameznih naložbenih razredov in faktorske analize
lahko sklenemo, da kotirajoča infrastruktura ne predstavlja neodvisnega naložbenega
razreda. Predvsem iz faktorske analize je razvidno, da je korelacija infrastrukture z delniškim
razredom precej visoka, v vseh treh preučevanih obdobjih pa prvi faktor pojasnjuje
variabilnost obeh naložbenih razredov. Tudi z vidika alokacije sredstev dodana
infrastrukturna naložba optimalnemu portfelju, ob fiksnem standardnem odklonu, nima
bistvenega učinka na znižanje tveganosti oz. diverzifikacijo portfelja.
Za nekotirajoče infrastrukturne naložbe je značilno, da imajo bistveno višji diverzifikacijski
učinek. Problem, ki se pojavi pri zasebni infrastrukturi, je predvsem dostopnost podatkov in
dovolj velik vzorec za analiziranje, zato večina ugotovitev (glede diverzifikacije) temelji na
podatkih pred krizo ali na precej majhnem statističnem vzorcu.
Ker je za infrastrukturo značilna izrazita heterogenost naložb, ne izpolnjuje enega izmed
kriterijev za določitev samostojnega naložbenega razreda, to je homogenosti naložb znotraj
naložbenega razreda. Poleg tega nima ustrezne podpore v finančni teoriji in prav to naj bi bil
po mnenju nekaterih razlog, zakaj infrastrukturne naložbe ne predstavljajo neodvisnega
naložbenega razreda. Še več, vse bolj se izkazuje in prevladuje mnenje, da gre pri
infrastrukturi zgolj za podrazred oz. podsektor znotraj že obstoječih, tradicionalnih
naložbenih razredov. Tudi v praksi lahko opazimo, da institucionalni vlagatelji zaenkrat
infrastrukturnim naložbam ne pripisujejo posebnega pomena in jih obravnavajo podobno kot
ostale tradicionalne ali alternativne naložbe oz. kot posebne naložbene nosilce.
61
LITERATURA IN VIRI
1. Asset Class. (b.l.). V Investopedia. Najdeno 20. junija 2017 na spletnem naslovu
http://www.investopedia.com/terms/a/assetclasses.asp
2. Bachher, J. S., Orr, R. J., & Settel, D. (2012). Benchmark for Unlisted Infrastructure:
Part I. CFA Institute. Najdeno 29. januarja 2017 na spletnem naslovu
http://www.cfapubs.org/doi/pdf/10.2469/ipmn.v2012.n1.2
3. Banka Slovenije. (2017, september). Povzetek makroekonomskih gibanj. Najdeno 10.
februarja 2017 na spletnem naslovu
https://www.bsi.si/iskalniki/porocila.asp?MapaId=1743
4. Banka Slovenije. (2018, januar). Povzetek makroekonomskih gibanj. Najdeno 10.
februarja 2018 na spletnem naslovu
https://bankaslovenije.blob.core.windows.net/publication-
files/gdgfrmidPPfcn_povzetek-makroekonomskih-gibanj-januar-2018.pdf
5. Bitsch, F., Buchner, A., & Kaserer C. (2010). Risk, Return and Cash Flow
Characteristics of Infrastructure Fund Investments. EIB Papers, 15(1), 106–136.
6. Blanc-Brude, F. (2012). Infrastructure portfolio construction: in search of an asset class.
Infrastructure Journal, 2011(4), 1–6.
7. Blanc-Brude, F., Whittaker, T., & Wilde, S. (2017). Looking for a listed infrastructure
asset class. Investment & Pensions Europe, EDHEC Research Insights (str. 33–36).
London: Investment & Pensions Europe.
8. Bloomberg Finance L.P. (2018). Historical Prices. Najdeno 30. marca 2018 na spletnem
naslovu https://www.bloomberg.com/professional/solution/bloomberg-terminal/
9. Bodie, Z., Kane, A., & Marcus, A.J. (2011). Investments (9th ed.). New York: McGraw-
Hill.
10. Carpe Diem d.o.o. (2006). Slovenski računovodski standard 7 – denarna sredstva.
Najdeno 10. avgusta 2017 na spletnem naslovu
https://www.racunovodja.com/clanki.asp?clanek=561/Slovenski_racunovodski_standar
d_7_2006_-_DENARNA_SREDSTVA
11. Claeys, G. (2015, 30. junij). Jüncker plan: the EIB in the driver's seat. Bruegel. Najdeno
15. oktobra 2017 na spletnem naslovu http://bruegel.org/2015/06/juncker-plan-the-eib-
in-the-drivers-seat/
12. Claeys, G., Huttl, P., Sapir, A., & Wolff, B. G. (2014, 25. november). Measuring
Europe's investment problem. Bruegel. Najdeno 15. oktobra 2017 na spletnem naslovu
http://bruegel.org/2014/11/measuring-europes-investment-problem/
13. Claeys, G., & Leandro, A. (2016, 17. maj). Assessing the Juncker Plan after one year.
Bruegel. Najdeno 15. oktobra 2017 na spletnem naslovu
http://bruegel.org/2016/05/assessing-the-juncker-plan-after-one-year/
14. Courtois, Y. (2013, November/December). Infrastructure: An Emerging Global Asset
Class. CFA Institute Magazine, 24(6), 16–19.
15. Cruz, C. O., & Marques, R. C. (2013). Infrastructure Public-Private Partnerships:
Decision, Management and Development. Berlin: Springer-Verlag.
62
16. Déau, T. (2011). How to Foster Investments in Long-Term Assets such as Infrastructure.
OECD Journal: Financial Market Trends, 2011(1), 7–9.
17. Della Croce, R., & Gatti, S. (2014). Financing infrastructure – International trends.
OECD Journal: Financial Market Trends, 2014(1), 123–138.
18. Ehlers, T. (2014, avgust). Understanding the challenges for infrastructure finance:
Prospect for new sources of private sector finance (BIS Working Paper No. 454). Hong
Kong: Bank For International Settlements Representative Office.
19. EIOPA – European Insurance and Occupational Pensions Authority. (2013a, 8. april).
Discussion Paper on Standard Formula Design and Calibration for Certain Long-Term
Investments. EIOPA, 13(163). Najdeno 8. februarja 2017 na spletnem naslovu
https://eiopa.europa.eu/Publications/Discussion%20paper/Discussion_Paper_on_Stand
ard_Formula_Design_and_Calibration_for_Certain_Long-
Term_Investments_20130408.pdf
20. EIOPA – European Insurance and Occupational Pensions Authority. (2013b, 19.
december). Technical Report on Standard Formula Design and Calibration for Certain
Long-Term Investments. EIOPA, 13(513). Najdeno 8. februarja 2017 na spletnem
naslovu
https://eiopa.europa.eu/Publications/Reports/EIOPA_Technical_Report_on_Standard_
Formula_Design_and_Calibration_for_certain_Long-Term_Investments__2_.pdf
21. EIOPA – European Insurance and Occupational Pensions Authority. (2014, 30. april).
Technical Specification for the Preparatory Phase (Part I). EIOPA, 14(209). Najdeno 8.
februarja 2017 na spletnem naslovu https://eiopa.europa.eu/Publications/Standards/A_-
_Technical_Specification_for_the_Preparatory_Phase__Part_I_.pdf
22. EIOPA – European Insurance and Occupational Pensions Authority. (2015, 2. julij).
Consultation Paper No. CP-15-004 on the Call for Advice from the European
Commision on the identification and calibration of infrastructure investment risk
categories. EIOPA, 15(004). Najdeno 8. februarja 2017 na spletnem naslovu
https://eiopa.europa.eu/Publications/Consultations/EIOPA-BoS-15-
223%20Final%20Report%20Advice%20infrastructure.pdf
23. EIOPA – European Insurance and Occupational Pensions Authority. (2016, 30. junij).
Final Report on Consultation Paper no. 16/004 on the request to EIOPA for further
technical advice on the identification and calibration of other infrastructure investment
risk categories, i.e. infrastructure corporates. EIOPA, 16(490). Najdeno 8. februarja
2017 na spletnem naslovu https://eiopa.europa.eu/Publications/Consultations/EIOPA-
16-490_Final-Report_advice_infrastructure_corporates.pdf
24. Evropska komisija. (b.l.). European Economic Forecast Autumn 2017. Najdeno 28.
decembra 2017 na spletnem naslovu https://ec.europa.eu/info/sites/info/files/economy-
finance/autumn_2017_economic_forecast_-_overview.pdf
25. German Government Bonds. (b.l.). V Bloomberg. Najdeno 30. marca 2018 na spletnem
naslovu https://www.bloomberg.com/quote/GDBR2:IND
63
26. Gründl, H., Dong, M., & Gal, J. (2016). The evolution of insurer portfolio investment
strategies for long-term investing. OECD Journal: Financial Market Trends, 2016(1),
1–55.
27. Hudson-Wilson, S. (2008). Real Estate Investment. V F. J. Fabozzi (ur.), Handbook of
Finance, Financial Markets and Instruments (str. 483–495). New Jersey: John Wiley &
Sons.
28. IFA – Institute and Faculty of Actuaries. (2015). Non-traditional investments – key
considerations for insurers. London: Institute and Faculty of Actuaries.
29. IMF – International Monetary Fund. (b.l.). V World Economic Outlook Database.
Najdeno 20. novembra 2017 na spletnem naslovu
http://www.imf.org/external/pubs/ft/weo/2018/01/weodata/weoselgr.aspx
30. Inderst, G. (2009). Pension Fund Investment in Infrastructure (OECD Working Paper
on Insurance and Private Pensions, No.32). Paris: Organisation for Economic Co-
operation and Development.
31. Inderst, G. (2010). Infrastructure as an Asset Class. European Investment Bank Papers,
15(1), 70–105.
32. Inderst, G. (2013). Private Infrastructure Finance and Investment in Europe (EIB
Working Papers, 2013/02). Luxembourg: European Investment Bank.
33. IPE – Investment & Pensions Europe Real Assets. (2016, oktober). IPE Institutional
Infrastructure Survey. Paris: Edhec-risk Institute.
34. Kirn, J., & Koselj, A. (2016). Naložbene strategije zavarovalnic za novo realnost. E-
zbornik XXIII. Dnevov zavarovalništva v Sloveniji (str.131–145). Ljubljana: Slovensko
zavarovalno združenje.
35. Kritzman, M. (1999). Toward Defining an Asset Class. The Jornual of Alternative
Investments, 2(1), 79–82.
36. Moody's Investors Service. (2017, 27. april). Addendum: Infrastructure Default and
Recovery Rates, 1983–2015. Infrastructure and Project Finance. New York: Moody's.
37. Mrak, M., Gazvoda, M., & Mrak, M. (2005). Projektno financiranje: alternativna oblika
financiranja infrastrukturnih objektov. Ljubljana: Služba vlade Republike Slovenije za
lokalno samoupravo in regionalno politiko.
38. OECD – Organisation for Economic Co-operation and Development. (2014). Pooling of
Institutional Investors Capital – Selected Case Studies in Unlisted Equity Infrastructure.
Najdeno 13. februarja 2017 na spletnem naslovu http://www.oecd.org/finance/OECD-
Pooling-Institutional-Investors-Capital-Unlisted-Equity-Infrastructure.pdf
39. OECD – Organisation for Economic Co-operation and Development. (2015).
Infrastructure Financing Instruments and Incentives. Najdeno 29. januarja 2017 na
spletnem naslovu http://www.oecd.org/pensions/private-pensions/Infrastructure-
Financing-Instruments-and-Incentives.pdf
40. OECD – Organisation for Economic Co-operation and Development. (b.l.). Data
Infrastructure investment. Najdeno 10. decembra 2017 na spletnem naslovu
https://data.oecd.org/transport/infrastructure-investment.htm
64
41. Ottesen, F. (2011). Infrastructure Needs and Pension Investments: Creating the Perfect
Match. OECD Journal: Financial Market Trends, 2011(1), 1–13.
42. Peng, H. W., & Newell, G. (2007). The Significance of Infrastructure in Investments
Portfolios. Najdeno 12. februarja 2017 na spletnem naslovu
http://www.prres.net/Proceedings/..%5CPapers%5CPENG_NEWELL_%20THE_SIG
NIFICANCE_OF_INFRASTRUCTURE_IN_INVESTMENT_PORTFOLIOS.pdf
43. Prequin. (2017). Prequin Global Infrastructure Report 2017. Prequin alternative assets.
Intelligent data. Najdeno 30. novembra 2017 na spletnem naslovu
https://www.preqin.com/
44. Schwartz, J., Ruiz-Nunez, F., & Chelsky J. (2014). Closing the Infrastructure Finance
Gap: Addresing Risk. Reserve Bank of Australia: Conference Volume, 141–156.
45. Stanley, M. (2011). Investing in Infrastrucutre: Getting the Condtitions Right. OECD
Journal: Financial Market Trends, 2011(1), 1–7.
46. Uppenberg, K., Strauss, H., & Wagenvoort, R. (2011). Financing infrastructure. A
review of the 2010 EIB Conference in Economics and Finance. Najdeno 29. januarja
2017 na spletnem naslovu
http://www.eib.org/attachments/efs/financing_infrastructure_en.pdf
47. Weber, B. (2009). »Whar you don't see is what you get«: The real risks and reasonable
terms of infrastructure investment. Najdeno 12. februarja 2017 na spletnem naslovu
http://www.b-capitalpartners.com/media/dwl/investing_in_infrastructure_weber.pdf
48. Weber, B., Staub-Bisang, M., & Alfen, H. W. (2016). Infrastructure as an Asset Class:
Investment Strategy, Sustainability, Project Finance and PPP (2th ed.). Chichester: John
Wiley & Sons.
49. Weisdorf, M. A. (2007). Infrastructure: A Growing Real Return Asset Class. CFA
Institute, 24(3), 17–27.
50. Wilcox, J. W., & Fabozzi, F. J. (2013). Financial Advice and Investment Decisions: A
Manifesto for Change. New Jersey: John Wiley & Sons.
51. World Economic Forum. (2014). Infrastructure Investment Policy Blueprint. Geneva:
Switzerland.
52. Zavarovalnica Triglav. (2017). Letno poročilo Skupine Triglav in Zavarovalnice Triglav
d.d., za leto 2016. Najdeno 23. julija 2017 na spletnem naslovu
http://annualreport.triglav.eu/2016/storage/doc/201704/annual-report-triglav-en-2016-
lowres-koncna-15m.pdf
i
KAZALO PRILOG
Priloga 1: Opredelitev spremenljivk za faktorsko analizo..................................................... 1
Priloga 2: Rezultati faktorske analize za obdobje 2002–2017 .............................................. 2
Priloga 3: Rezultati faktorske analize za obdobje 2002–2008 .............................................. 8
Priloga 4: Rezultati faktorske analize za obdobje 2008–2017 ............................................ 13
Priloga 5: Specifične značilnosti infrastrukture na različnih ravneh ................................... 18
Priloga 6: Donosnost in nestanovitnost infrastrukturnih skladov in indeksov .................... 19
1
PRILOGA 1: Opredelitev spremenljivk za faktorsko analizo
Mesečne donosnosti indeksov posameznih naložbenih razredov so razvrščene v 17
spremenljivk in v 5 kategorij glede na naložbeni razred:
1. delnice (V1-V4)
2. obveznice (V5-V9)
3. nepremičnine (V10-V12)
4. zasebni naložbeni sklad (V13)
5. infrastrukturo (V14-V17)
Tabela 1: Opredelitev uporabljenih spremenljivk
Spremenljivka
Mesečna donosnost indeksa v %
V1 EURO STOXX 50 Index
V2 FTSE 100 Index
V3 S&P 500 Index
V4 DAX Index
V5 1-3 Year Euro Government Index
V6 1-5 Year Euro Government Index
V7 1-10 Year Euro Government Index
V8 1-5 Year Euro Non-Financial Index
V9 1-5 Year Euro Financial Index
V10 MSCI World Real Estate Index
V11 MSCI EM Real Estate Index
V12 Dow Jones US Real Estate Index
V13 LPX50 Listed Private Equity Index
V14 S&P Global Infrastructure Index
V15 Brookfield Global Infrastructure Index
V16 MSCI World Infrastructure
V17 Macquarie Global Infrastructure Index
2
PRILOGA 2: Rezultati faktorske analize za obdobje 2002–2017
Slika 1: Testiranje primernosti faktorske analize s Kaiser-Meyer-Olkinonovim in
Bartlettovim testom
Vir podatkov: Bloomberg Finance L.P., Historical Prices, 2018; lastni izračuni.
KMO = 0.896
Kaiser-Meyer-Olkin Measure of Sampling Adequacy
H0: variables are not intercorrelated
p-value = 0.000
Degrees of freedom = 136
Chi-square = 6847.698
Bartlett test of sphericity
Det = 0.000
Determinant of the correlation matrix
3
Slika 2: Korelacijska matrika
Vir podatkov: Bloomberg Finance L.P., Historical Prices, 2018; lastni izračuni.
v17 0.9458 0.9162 0.9451 1.0000
v16 0.9147 0.8830 1.0000
v15 0.9461 1.0000
v14 1.0000
v14 v15 v16 v17
v17 0.7787 0.7846 0.7261 0.7162 0.5819 0.5802 0.5835 0.6131 0.6413 0.7782 0.5297 0.6405 0.7075
v16 0.8268 0.8181 0.7780 0.7766 0.5954 0.5923 0.5935 0.6250 0.6506 0.7689 0.5764 0.6112 0.7022
v15 0.7622 0.8257 0.7742 0.7107 0.5484 0.5486 0.5508 0.5918 0.6158 0.8168 0.6193 0.6719 0.7629
v14 0.8564 0.8704 0.8111 0.8093 0.6373 0.6335 0.6292 0.6776 0.7081 0.8545 0.6787 0.6915 0.8270
v13 0.8357 0.8388 0.8733 0.8202 0.4754 0.4676 0.4519 0.5254 0.5708 0.8740 0.6297 0.7733 1.0000
v12 0.6257 0.5976 0.7367 0.6157 0.3432 0.3432 0.3483 0.3907 0.4110 0.8983 0.4221 1.0000
v11 0.6409 0.6527 0.5858 0.6399 0.4758 0.4732 0.4662 0.5118 0.5368 0.6632 1.0000
v10 0.7621 0.7813 0.8173 0.7360 0.4810 0.4805 0.4827 0.5318 0.5690 1.0000
v9 0.6899 0.6568 0.5105 0.6251 0.9769 0.9770 0.9681 0.9865 1.0000
v8 0.6557 0.6168 0.4774 0.5972 0.9870 0.9862 0.9759 1.0000
v7 0.6052 0.5437 0.4084 0.5264 0.9857 0.9935 1.0000
v6 0.6217 0.5643 0.4232 0.5488 0.9982 1.0000
v5 0.6319 0.5746 0.4337 0.5624 1.0000
v4 0.9591 0.8494 0.8473 1.0000
v3 0.8498 0.8508 1.0000
v2 0.8937 1.0000
v1 1.0000
v1 v2 v3 v4 v5 v6 v7 v8 v9 v10 v11 v12 v13
(obs=169)
4
Slika 3: Faktorska analiza z uporabo metode glavnih komponent faktorja pred rotacijo
Vir podatkov: Bloomberg Finance L.P., Historical Prices, 2018; lastni izračuni.
(blanks represent abs(loading)<.4)
v17 0.8800 0.2026
v16 0.8930 0.1810
v15 0.8845 0.1715
v14 0.9500 0.0725
v13 0.8538 0.1576
v12 0.7097 0.3399
v11 0.7050 0.4937
v10 0.8631 0.1430
v9 0.8419 0.5194 0.0214
v8 0.8170 0.5615 0.0172
v7 0.7716 0.6203 0.0199
v6 0.7800 0.6198 0.0074
v5 0.7842 0.6121 0.0103
v4 0.8691 0.2051
v3 0.8395 0.1437
v2 0.8968 0.1557
v1 0.9150 0.1427
Variable Factor1 Factor2 Uniqueness
Factor loadings (pattern matrix) and unique variances
LR test: independent vs. saturated: chi2(136) = 6890.10 Prob>chi2 = 0.0000
Factor17 0.00017 . 0.0000 1.0000
Factor16 0.00804 0.00787 0.0005 1.0000
Factor15 0.01231 0.00427 0.0007 0.9995
Factor14 0.01689 0.00458 0.0010 0.9988
Factor13 0.01767 0.00078 0.0010 0.9978
Factor12 0.03343 0.01576 0.0020 0.9968
Factor11 0.03857 0.00515 0.0023 0.9948
Factor10 0.04081 0.00224 0.0024 0.9925
Factor9 0.08452 0.04371 0.0050 0.9901
Factor8 0.10372 0.01920 0.0061 0.9852
Factor7 0.13031 0.02659 0.0077 0.9791
Factor6 0.20131 0.07100 0.0118 0.9714
Factor5 0.50399 0.30268 0.0296 0.9595
Factor4 0.62570 0.12171 0.0368 0.9299
Factor3 0.66767 0.04197 0.0393 0.8931
Factor2 2.48657 1.81890 0.1463 0.8538
Factor1 12.02830 9.54174 0.7075 0.7075
Factor Eigenvalue Difference Proportion Cumulative
Rotation: (unrotated) Number of params = 33
Method: principal-component factors Retained factors = 2
Factor analysis/correlation Number of obs = 169
5
Slika 4: Faktorska analiza z metodo glavnih komponent z dvema zadržanima faktorjema
Vir podatkov: Bloomberg Finance L.P., Historical Prices, 2018; lastni izračuni.
(blanks represent abs(loading)<.4)
v17 0.8800 0.2026
v16 0.8930 0.1810
v15 0.8845 0.1715
v14 0.9500 0.0725
v13 0.8538 0.1576
v12 0.7097 0.3399
v11 0.7050 0.4937
v10 0.8631 0.1430
v9 0.8419 0.5194 0.0214
v8 0.8170 0.5615 0.0172
v7 0.7716 0.6203 0.0199
v6 0.7800 0.6198 0.0074
v5 0.7842 0.6121 0.0103
v4 0.8691 0.2051
v3 0.8395 0.1437
v2 0.8968 0.1557
v1 0.9150 0.1427
Variable Factor1 Factor2 Uniqueness
Factor loadings (pattern matrix) and unique variances
LR test: independent vs. saturated: chi2(136) = 6890.10 Prob>chi2 = 0.0000
Factor17 0.00017 . 0.0000 1.0000
Factor16 0.00804 0.00787 0.0005 1.0000
Factor15 0.01231 0.00427 0.0007 0.9995
Factor14 0.01689 0.00458 0.0010 0.9988
Factor13 0.01767 0.00078 0.0010 0.9978
Factor12 0.03343 0.01576 0.0020 0.9968
Factor11 0.03857 0.00515 0.0023 0.9948
Factor10 0.04081 0.00224 0.0024 0.9925
Factor9 0.08452 0.04371 0.0050 0.9901
Factor8 0.10372 0.01920 0.0061 0.9852
Factor7 0.13031 0.02659 0.0077 0.9791
Factor6 0.20131 0.07100 0.0118 0.9714
Factor5 0.50399 0.30268 0.0296 0.9595
Factor4 0.62570 0.12171 0.0368 0.9299
Factor3 0.66767 0.04197 0.0393 0.8931
Factor2 2.48657 1.81890 0.1463 0.8538
Factor1 12.02830 9.54174 0.7075 0.7075
Factor Eigenvalue Difference Proportion Cumulative
Rotation: (unrotated) Number of params = 33
Method: principal-component factors Retained factors = 2
Factor analysis/correlation Number of obs = 169
6
Slika 5: Prikaz rotacije (varimax)
Vir podatkov: Bloomberg Finance L.P., Historical Prices, 2018; lastni izračuni.
Factor2 -0.6076 0.7943
Factor1 0.7943 0.6076
Factor1 Factor2
Factor rotation matrix
(blanks represent abs(loading)<.4)
v17 0.7910 0.4143 0.2026
v16 0.7984 0.4261 0.1810
v15 0.8332 0.1715
v14 0.8506 0.4517 0.0725
v13 0.8827 0.1576
v12 0.8040 0.3399
v11 0.6184 0.4937
v10 0.8889 0.1430
v9 0.9241 0.0214
v8 0.9424 0.0172
v7 0.9615 0.0199
v6 0.9662 0.0074
v5 0.9626 0.0103
v4 0.8111 0.2051
v3 0.9033 0.1437
v2 0.8339 0.1557
v1 0.8128 0.4435 0.1427
Variable Factor1 Factor2 Uniqueness
Rotated factor loadings (pattern matrix) and unique variances
LR test: independent vs. saturated: chi2(136) = 6890.10 Prob>chi2 = 0.0000
Factor2 6.00877 . 0.3535 0.8538
Factor1 8.50610 2.49733 0.5004 0.5004
Factor Variance Difference Proportion Cumulative
Rotation: orthogonal varimax (Kaiser off) Number of params = 33
Method: principal-component factors Retained factors = 2
Factor analysis/correlation Number of obs = 169
7
Slika 6: Prikaz faktorske vrednosti
Vir podatkov: Bloomberg Finance L.P., Historical Prices, 2018; lastni izračuni.
v17 0.09514 -0.00396
v16 0.09481 -0.00175
v15 0.11096 -0.02403
v14 0.10134 -0.00249
v13 0.13865 -0.06442
v12 0.14349 -0.09048
v11 0.07006 0.00489
v10 0.13878 -0.06332
v9 -0.07131 0.20843
v8 -0.08325 0.22063
v7 -0.10062 0.23712
v6 -0.09993 0.23737
v5 -0.09777 0.23513
v4 0.10596 -0.01959
v3 0.15056 -0.08195
v2 0.10811 -0.01861
v1 0.09501 0.00100
Variable Factor1 Factor2
Scoring coefficients (method = regression; based on varimax rotated factors)
8
PRILOGA 3: Rezultati faktorske analize za obdobje 2002–2008
Slika 7: Testiranje primernosti faktorske analize s Kaiser-Meyer-Olkinonovim in
Bartlettovim testom
Vir podatkov: Bloomberg Finance L.P., Historical Prices, 2018; lastni izračuni.
KMO = 0.835
Kaiser-Meyer-Olkin Measure of Sampling Adequacy
H0: variables are not intercorrelated
p-value = 0.000
Degrees of freedom = 136
Chi-square = 2404.097
Bartlett test of sphericity
Det = 0.000
Determinant of the correlation matrix
9
Slika 8: Korelacijska matrika
Vir podatkov: Bloomberg Finance L.P., Historical Prices, 2018; lastni izračuni.
v17 0.9272 0.9197 0.9115 1.0000
v16 0.8619 0.8276 1.0000
v15 0.9403 1.0000
v14 1.0000
v14 v15 v16 v17
v17 0.7512 0.7536 0.6624 0.6403 0.4550 0.4521 0.4533 0.4720 0.4770 0.6078 0.4042 0.4093 0.6741
v16 0.8522 0.8013 0.7866 0.7861 0.4464 0.4334 0.4184 0.4573 0.4585 0.6249 0.4639 0.4271 0.7193
v15 0.6890 0.7707 0.6535 0.5717 0.4185 0.4173 0.4215 0.4401 0.4467 0.6396 0.4702 0.4501 0.6636
v14 0.7593 0.8056 0.6753 0.6615 0.4695 0.4623 0.4574 0.4915 0.4956 0.6512 0.5969 0.4289 0.7493
v13 0.7438 0.7339 0.7637 0.6910 0.2663 0.2578 0.2539 0.2965 0.2938 0.8109 0.6258 0.5616 1.0000
v12 0.3474 0.3641 0.5526 0.2810 0.1757 0.1772 0.1779 0.1943 0.1946 0.8617 0.1762 1.0000
v11 0.5352 0.5342 0.4968 0.5045 0.1578 0.1380 0.1159 0.1606 0.1614 0.4535 1.0000
v10 0.5295 0.5858 0.6679 0.4393 0.2481 0.2460 0.2474 0.2677 0.2720 1.0000
v9 0.3335 0.4071 0.1576 0.2448 0.9952 0.9973 0.9935 0.9974 1.0000
v8 0.3391 0.4087 0.1659 0.2564 0.9954 0.9962 0.9903 1.0000
v7 0.2742 0.3451 0.1043 0.1781 0.9874 0.9953 1.0000
v6 0.3079 0.3761 0.1321 0.2210 0.9979 1.0000
v5 0.3351 0.3997 0.1560 0.2545 1.0000
v4 0.9635 0.7860 0.8479 1.0000
v3 0.8617 0.7602 1.0000
v2 0.8517 1.0000
v1 1.0000
v1 v2 v3 v4 v5 v6 v7 v8 v9 v10 v11 v12 v13
(obs=61)
10
Slika 9: Faktorska analiza z uporabo metode glavnih komponent faktorja pred rotacijo
Vir podatkov: Bloomberg Finance L.P., Historical Prices, 2018; lastni izračuni.
(blanks represent abs(loading)<.4)
v17 0.8835 0.2024
v16 0.9066 0.1295
v15 0.8630 0.2345
v14 0.9150 0.1410
v13 0.8051 0.1994
v12 0.5231 0.7678 0.0829
v11 0.5534 0.5695
v10 0.7185 0.5878 0.0483
v9 0.6713 0.7369 0.0062
v8 0.6715 0.7341 0.0102
v7 0.6296 0.7714 0.0069
v6 0.6450 0.7600 0.0062
v5 0.6575 0.7442 0.0138
v4 0.7567 0.1580
v3 0.7638 -0.4989 0.1675
v2 0.8589 0.1741
v1 0.8458 0.0919
Variable Factor1 Factor2 Factor3 Uniqueness
Factor loadings (pattern matrix) and unique variances
LR test: independent vs. saturated: chi2(136) = 2449.03 Prob>chi2 = 0.0000
Factor17 0.00007 . 0.0000 1.0000
Factor16 0.00175 0.00168 0.0001 1.0000
Factor15 0.00337 0.00163 0.0002 0.9999
Factor14 0.00535 0.00198 0.0003 0.9997
Factor13 0.01781 0.01246 0.0010 0.9994
Factor12 0.03188 0.01407 0.0019 0.9983
Factor11 0.03881 0.00692 0.0023 0.9965
Factor10 0.04829 0.00948 0.0028 0.9942
Factor9 0.10849 0.06020 0.0064 0.9913
Factor8 0.11095 0.00245 0.0065 0.9850
Factor7 0.20765 0.09670 0.0122 0.9784
Factor6 0.22185 0.01420 0.0130 0.9662
Factor5 0.70678 0.48493 0.0416 0.9532
Factor4 0.73916 0.03238 0.0435 0.9116
Factor3 1.26433 0.52517 0.0744 0.8681
Factor2 3.80945 2.54512 0.2241 0.7937
Factor1 9.68400 5.87455 0.5696 0.5696
Factor Eigenvalue Difference Proportion Cumulative
Rotation: (unrotated) Number of params = 48
Method: principal-component factors Retained factors = 3
Factor analysis/correlation Number of obs = 61
11
Slika 10: Faktorska analiza z metodo glavnih komponent s tremi zadržanimi faktorji
Vir podatkov: Bloomberg Finance L.P., Historical Prices, 2018; lastni izračuni.
(blanks represent abs(loading)<.4)
v17 0.8835 0.2024
v16 0.9066 0.1295
v15 0.8630 0.2345
v14 0.9150 0.1410
v13 0.8051 0.1994
v12 0.5231 0.7678 0.0829
v11 0.5534 0.5695
v10 0.7185 0.5878 0.0483
v9 0.6713 0.7369 0.0062
v8 0.6715 0.7341 0.0102
v7 0.6296 0.7714 0.0069
v6 0.6450 0.7600 0.0062
v5 0.6575 0.7442 0.0138
v4 0.7567 0.1580
v3 0.7638 -0.4989 0.1675
v2 0.8589 0.1741
v1 0.8458 0.0919
Variable Factor1 Factor2 Factor3 Uniqueness
Factor loadings (pattern matrix) and unique variances
LR test: independent vs. saturated: chi2(136) = 2449.03 Prob>chi2 = 0.0000
Factor17 0.00007 . 0.0000 1.0000
Factor16 0.00175 0.00168 0.0001 1.0000
Factor15 0.00337 0.00163 0.0002 0.9999
Factor14 0.00535 0.00198 0.0003 0.9997
Factor13 0.01781 0.01246 0.0010 0.9994
Factor12 0.03188 0.01407 0.0019 0.9983
Factor11 0.03881 0.00692 0.0023 0.9965
Factor10 0.04829 0.00948 0.0028 0.9942
Factor9 0.10849 0.06020 0.0064 0.9913
Factor8 0.11095 0.00245 0.0065 0.9850
Factor7 0.20765 0.09670 0.0122 0.9784
Factor6 0.22185 0.01420 0.0130 0.9662
Factor5 0.70678 0.48493 0.0416 0.9532
Factor4 0.73916 0.03238 0.0435 0.9116
Factor3 1.26433 0.52517 0.0744 0.8681
Factor2 3.80945 2.54512 0.2241 0.7937
Factor1 9.68400 5.87455 0.5696 0.5696
Factor Eigenvalue Difference Proportion Cumulative
Rotation: (unrotated) Number of params = 48
Method: principal-component factors Retained factors = 3
Factor analysis/correlation Number of obs = 61
12
Slika 11: Prikaz rotacije (varimax)
Vir podatkov: Bloomberg Finance L.P., Historical Prices, 2018; lastni izračuni.
Factor3 -0.4321 0.0119 0.9018
Factor2 -0.4666 0.8527 -0.2348
Factor1 0.7718 0.5222 0.3629
Factor1 Factor2 Factor3
Factor rotation matrix
(blanks represent abs(loading)<.4)
v17 0.7617 0.2024
v16 0.8378 0.1295
v15 0.7274 0.2345
v14 0.7934 0.1410
v13 0.7198 0.5182 0.1994
v12 0.9368 0.0829
v11 0.6446 0.5695
v10 0.4405 0.8612 0.0483
v9 0.9791 0.0062
v8 0.9767 0.0102
v7 0.9870 0.0069
v6 0.9850 0.0062
v5 0.9778 0.0138
v4 0.9140 0.1580
v3 0.8286 0.1675
v2 0.8514 0.1741
v1 0.9319 0.0919
Variable Factor1 Factor2 Factor3 Uniqueness
Rotated factor loadings (pattern matrix) and unique variances
LR test: independent vs. saturated: chi2(136) = 2449.03 Prob>chi2 = 0.0000
Factor3 2.51331 . 0.1478 0.8681
Factor2 5.41113 2.89782 0.3183 0.7203
Factor1 6.83335 1.42222 0.4020 0.4020
Factor Variance Difference Proportion Cumulative
Rotation: orthogonal varimax (Kaiser off) Number of params = 48
Method: principal-component factors Retained factors = 3
Factor analysis/correlation Number of obs = 61
13
PRILOGA 4: Rezultati faktorske analize za obdobje 2008–2017
Slika 12: Testiranje primernosti faktorske analize s Kaiser-Meyer-Olkinonovim in
Bartlettovim testom
Vir podatkov: Bloomberg Finance L.P., Historical Prices, 2018; lastni izračuni.
KMO = 0.897
Kaiser-Meyer-Olkin Measure of Sampling Adequacy
H0: variables are not intercorrelated
p-value = 0.000
Degrees of freedom = 136
Chi-square = 4497.833
Bartlett test of sphericity
Det = 0.000
Determinant of the correlation matrix
14
Slika 13: Korelacijska matrika
Vir podatkov: Bloomberg Finance L.P., Historical Prices, 2018; lastni izračuni.
v17 0.9517 0.9171 0.9569 1.0000
v16 0.9317 0.9005 1.0000
v15 0.9500 1.0000
v14 1.0000
v14 v15 v16 v17
v17 0.7916 0.7982 0.7660 0.7426 0.5817 0.5797 0.5839 0.6210 0.6573 0.8211 0.5677 0.7034 0.7300
v16 0.8260 0.8268 0.7942 0.7766 0.6042 0.6032 0.6091 0.6415 0.6748 0.8043 0.6180 0.6573 0.7114
v15 0.7842 0.8424 0.8170 0.7555 0.5507 0.5504 0.5514 0.6023 0.6316 0.8577 0.6724 0.7243 0.7934
v14 0.8799 0.8878 0.8563 0.8527 0.6476 0.6447 0.6411 0.6957 0.7326 0.8971 0.7050 0.7510 0.8503
v13 0.8548 0.8622 0.8946 0.8585 0.5077 0.5006 0.4823 0.5624 0.6151 0.8882 0.6488 0.8124 1.0000
v12 0.6810 0.6459 0.7705 0.6987 0.3831 0.3839 0.3909 0.4384 0.4614 0.9074 0.4906 1.0000
v11 0.6812 0.6958 0.6359 0.6933 0.5356 0.5395 0.5387 0.5855 0.6167 0.7209 1.0000
v10 0.8074 0.8211 0.8513 0.8096 0.5231 0.5243 0.5279 0.5834 0.6263 1.0000
v9 0.7477 0.6934 0.5768 0.7023 0.9719 0.9715 0.9610 0.9835 1.0000
v8 0.7069 0.6444 0.5378 0.6654 0.9844 0.9831 0.9711 1.0000
v7 0.6608 0.5677 0.4683 0.5973 0.9852 0.9929 1.0000
v6 0.6723 0.5857 0.4804 0.6128 0.9984 1.0000
v5 0.6775 0.5927 0.4873 0.6198 1.0000
v4 0.9622 0.8697 0.8607 1.0000
v3 0.8553 0.8769 1.0000
v2 0.9038 1.0000
v1 1.0000
v1 v2 v3 v4 v5 v6 v7 v8 v9 v10 v11 v12 v13
(obs=109)
15
Slika 14: Faktorska analiza z uporabo metode glavnih komponent faktorja pred rotacijo
Vir podatkov: Bloomberg Finance L.P., Historical Prices, 2018; lastni izračuni.
(blanks represent abs(loading)<.4)
v17 0.8821 0.1863
v16 0.8933 0.1776
v15 0.8908 0.1430
v14 0.9571 0.0524
v13 0.8677 0.1457
v12 0.7510 0.2788
v11 0.7499 0.4353
v10 0.8936 0.1015
v9 0.8612 0.4862 0.0219
v8 0.8316 0.5383 0.0187
v7 0.7840 0.6027 0.0221
v6 0.7906 0.6061 0.0077
v5 0.7927 0.6011 0.0104
v4 0.9017 0.1643
v3 0.8658 0.1290
v2 0.9057 0.1419
v1 0.9301 0.1261
Variable Factor1 Factor2 Uniqueness
Factor loadings (pattern matrix) and unique variances
LR test: independent vs. saturated: chi2(136) = 4542.15 Prob>chi2 = 0.0000
Factor17 0.00016 . 0.0000 1.0000
Factor16 0.00828 0.00811 0.0005 1.0000
Factor15 0.01086 0.00259 0.0006 0.9995
Factor14 0.01396 0.00310 0.0008 0.9989
Factor13 0.01525 0.00129 0.0009 0.9980
Factor12 0.02858 0.01333 0.0017 0.9971
Factor11 0.03113 0.00255 0.0018 0.9955
Factor10 0.04240 0.01128 0.0025 0.9936
Factor9 0.06783 0.02543 0.0040 0.9911
Factor8 0.08568 0.01785 0.0050 0.9872
Factor7 0.11491 0.02923 0.0068 0.9821
Factor6 0.18048 0.06557 0.0106 0.9754
Factor5 0.42916 0.24868 0.0252 0.9647
Factor4 0.51303 0.08387 0.0302 0.9395
Factor3 0.62098 0.10795 0.0365 0.9093
Factor2 2.32483 1.70385 0.1368 0.8728
Factor1 12.51249 10.18767 0.7360 0.7360
Factor Eigenvalue Difference Proportion Cumulative
Rotation: (unrotated) Number of params = 33
Method: principal-component factors Retained factors = 2
Factor analysis/correlation Number of obs = 109
16
Slika 15: Faktorska analiza z metodo glavnih komponent z dvema zadržanima faktorjema
Vir podatkov: Bloomberg Finance L.P., Historical Prices, 2018; lastni izračuni.
(blanks represent abs(loading)<.4)
v17 0.8821 0.1863
v16 0.8933 0.1776
v15 0.8908 0.1430
v14 0.9571 0.0524
v13 0.8677 0.1457
v12 0.7510 0.2788
v11 0.7499 0.4353
v10 0.8936 0.1015
v9 0.8612 0.4862 0.0219
v8 0.8316 0.5383 0.0187
v7 0.7840 0.6027 0.0221
v6 0.7906 0.6061 0.0077
v5 0.7927 0.6011 0.0104
v4 0.9017 0.1643
v3 0.8658 0.1290
v2 0.9057 0.1419
v1 0.9301 0.1261
Variable Factor1 Factor2 Uniqueness
Factor loadings (pattern matrix) and unique variances
LR test: independent vs. saturated: chi2(136) = 4542.15 Prob>chi2 = 0.0000
Factor17 0.00016 . 0.0000 1.0000
Factor16 0.00828 0.00811 0.0005 1.0000
Factor15 0.01086 0.00259 0.0006 0.9995
Factor14 0.01396 0.00310 0.0008 0.9989
Factor13 0.01525 0.00129 0.0009 0.9980
Factor12 0.02858 0.01333 0.0017 0.9971
Factor11 0.03113 0.00255 0.0018 0.9955
Factor10 0.04240 0.01128 0.0025 0.9936
Factor9 0.06783 0.02543 0.0040 0.9911
Factor8 0.08568 0.01785 0.0050 0.9872
Factor7 0.11491 0.02923 0.0068 0.9821
Factor6 0.18048 0.06557 0.0106 0.9754
Factor5 0.42916 0.24868 0.0252 0.9647
Factor4 0.51303 0.08387 0.0302 0.9395
Factor3 0.62098 0.10795 0.0365 0.9093
Factor2 2.32483 1.70385 0.1368 0.8728
Factor1 12.51249 10.18767 0.7360 0.7360
Factor Eigenvalue Difference Proportion Cumulative
Rotation: (unrotated) Number of params = 33
Method: principal-component factors Retained factors = 2
Factor analysis/correlation Number of obs = 109
17
Slika 16: Prikaz rotacije (varimax)
Vir podatkov: Bloomberg Finance L.P., Historical Prices, 2018; lastni izračuni.
Factor2 -0.6078 0.7941
Factor1 0.7941 0.6078
Factor1 Factor2
Factor rotation matrix
(blanks represent abs(loading)<.4)
v17 0.8151 0.1863
v16 0.8044 0.4188 0.1776
v15 0.8606 0.1430
v14 0.8681 0.4404 0.0524
v13 0.8826 0.1457
v12 0.8373 0.2788
v11 0.6249 0.4173 0.4353
v10 0.9018 0.1015
v9 0.9095 0.0219
v8 0.9329 0.0187
v7 0.9551 0.0221
v6 0.9618 0.0077
v5 0.9591 0.0104
v4 0.8075 0.4286 0.1643
v3 0.8992 0.1290
v2 0.8375 0.1419
v1 0.7957 0.4907 0.1261
Variable Factor1 Factor2 Uniqueness
Rotated factor loadings (pattern matrix) and unique variances
LR test: independent vs. saturated: chi2(136) = 4542.15 Prob>chi2 = 0.0000
Factor2 6.08819 . 0.3581 0.8728
Factor1 8.74914 2.66095 0.5147 0.5147
Factor Variance Difference Proportion Cumulative
Rotation: orthogonal varimax (Kaiser off) Number of params = 33
Method: principal-component factors Retained factors = 2
Factor analysis/correlation Number of obs = 109
18
PRILOGA 5: Specifične značilnosti infrastrukture na različnih ravneh
Slika 17: Specifične državne, sektorske in projektne značilnosti infrastrukture
Povzeto in prirejeno po B. Weber et al., Infrastructure as an Asset Class, 2016, str. 15, slika 1.7.
Specifičnost države
Specifičnost sektorja
Specifičnost projekta/naložbe
• legalno
• politično
• institucionalno
• ekonomsko
• financiranje
• sistem regulacije
• specifična tveganja
• vrsta storitve
• cilji
• potrebe/zahteve
• organizacijski model
• deležniki
• lastništvo
19
PRILOGA 6: Donosnost in nestanovitnost infrastrukturnih skladov in indeksov
Tabela 2: Donosnost in nestanovitnost infrastrukturnih naložb
Vrsta naložbe Vir podatkov Leto Institucija/avtor/indeks Obdobje Regija Letna
donosnost
v %
Nestanovitnost
v %
Nekotirajoči skladi Akademski/raziskovalni 2007 Peng in Newell (2007) 1995–2006 Avstralija 14,10 4,80
2010 Finkenzeller, Dechant in Shepherd (2005) 1994–2009 Avstralija 8,20 3,80
2011 Hartigan, Prasad in De Francesco (2011) 1998–2008 Združeno kraljestvo 6,50 /
2011 Newell, Peng in De Francesco (2011) 1995–2009 Avstralija 14,10 6,5
Panožni 2004 Macquarie Global Index 1995–2002 Avstralija 19,20 /
2010 Colonial First State 2001–2010 Avstralija 11,00 /
2013 Mercer/CFS 1995–2013 Avstralija 11,80 5,90
2015 JPMorgan 1994–2014 Svet 7,0 7,50
Kotirajoči skladi Akademski/raziskovalni 2007 Peng in Newell 1995–2006 Avstralija 22,50 7,90
Panožni 2015 Duet Group 2004–2014 Avstralija 10,70 29,44
2015 Cohen & Steers Infrastructure Fund 2004–2014 Svet 9,63 26,40
2015 Lazard Global Listed Infrastructure Fund 2005–2014 Svet 11,09 14,76
2015 Macquarie Infrastructure corporation 2004–2014 ZDA 14,95 63,52
2015 Macquarie Korea Infrastructure Fund 2002–2014 Koreja 7,52 18,65
Povzeto in prirejeno po B. Weber et al., Infrastructure as Asset Class, 2016, str. 36, tabela 2.2.