Непредсказуемые события (новости) и волатильность акций

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Введение

За последние несколько десятилетий мировая экономика испытала немало событий, которые оставили свой след в истории. Различные политические, экономические и финансовые события случаются практически ежедневно, и, разумеется, в определенной степени влияют на фондовые рынки. Оценка влияния таких событий на волатильность является важным аспектом при оценке доходности активов, хеджировании рисков и структурировании портфелей. Внедрение различных моделей оценки волатильности активов, а также создание различных алгоритмов для ее прогнозирования, делают анализ влияния таких событий более точным. Тем не менее, далеко не все игроки финансового рынка уделяют особое внимание прогнозированию влияния новостей на портфели их ценных бумаг, и, как следствие, недооценивают, или переоценивают свои риски.

Основная идея данной работы заключается в анализе влияния непредсказуемых событий (новостей), на волатильность акций различных компаний. В работе будут проанализированы отличительные эффекты влияния новостей на акции частных и государственных компаний российского рынка. Таким образом, цель работы сводится к тому, чтобы выявить ассиметричный эффект влияния новостей на волатильность акций частных компаний и акций компаний с государственным участием. Анализ был произведен с помощью различных спецификаций моделей GARCH. В ходе работы так же было произведено сравнение данных спецификаций на выявление лучшей модели.

Актуальность исследования

Если вышеперечисленные предпосылки подтвердятся на данных, то можно говорить о дополнительных способах оценки и хеджирования рисков при инвестировании.

Объект исследования

Доходности ста наиболее ликвидных акций компаний на фондовом рынке Российской Федерации.

Метод исследования

Различные спецификации GARCH моделей.

Для достижения поставленных целей, выполняются следующие задачи:

· Определение структурных сдвигов - промежутки времени, на которых фундаментальные характеристики временного ряда изменяются. С помощью структурных сдвигов, например, можно определить примерное начало и конец кризиса, или же определить аномальные промежутки движения акций.

Методы диагностирования влияния новостей

непредсказуемый новость волатильность акция

В него входят:

· Введение

· Модель

· Тестирование

· Метод для количественного определения структурных изменений

· Данные

· Анализ

Обзор ранее проведенных исследований о влиянии новостей на волатильность ценных бумаг

Анализ влияния различных явлений на волатильность акций, довольно популярная тема в научной среде. Тем не менее, Melkiel (1973) в своей работе утверждает, что волатильность стоимости актива невозможно предсказать, в связи с тем, что изменение стоимости акций подчиняется случайному процессу (random walk process), который подразумевает, что доходность актива симметрично (нормально) распределена. Однако позднее, Grouard (2003) эмпирическим путем доказал, что на реальном рынке распределение доходности не симметрично. Основной причиной данного явления, автор назвал тот факт, что инвесторы в большей степени обеспокоены риском убытка (downside risk), нежели риском выигрыша (risk of gains).

Учитывая важность прогнозирования волатильности в различных проблемах, возникающих в ценообразовании активов и структурировании портфелей ценных бумаг, было исследовано довольно большое количество моделей для ее анализа. Наиболее популярной моделью является ARCH модель (модель авторегрессионной условной гетероскедастичности), которая была разработана Engle (1982). Исходя из опроса, который был представлен в труде Bollerslev (1992), более двухсот работ упоминали модель ARCH и другие схожие модели для анализа финансовых временных рядов. Таким образом, модель ARCH и ее гетероскедастичная спецификация GARCH, являются основными инструментами для анализа влияния новостей на волатильность стоимости активов.

Что касается научных работ, в которых анализировалось влияние новостей на волатильность определенного актива, то они делятся на работы, которые рассматривают влияние событий определенного вида на волатильность активов, и на работы, в которых анализировалось только количественное влияние от новости. К первому типу работ можно отнести труд Caporale (2014), в котором было проанализировано влияние макроэкономических новостей, печатающихся в газетах, на доходность акций восьми стран европейского союза. Автор статьи пришел к выводу, что положительные макроэкономические новости оказывают положительный эффект на доходность акций, в то время как отрицательные макроэкономические новости оказывают негативное влияние на доходность акций рассматриваемых стран. В качестве еще одного примера, можно привести работу Kang (2014), в которой автор рассмотрел шоки на рынке нефти, и, проанализировав их влияние на волатильность акций американских компаний. Таким образом, Kang (2014) пришел к выводу, что шоки на рынке нефти положительно коррелируют с волатильностью стоимости акций на фондовом рынке США. Помимо этого, влияние различных новостей на российский фондовый рынок проанализировал Bernd (2004). Так, автор выявил, что шоки изменений стоимости энергетических ресурсов значительно влияют на доходность российских ценных бумаг, в то время как война в Чечне практически никак не отразилась на их доходности. Иначе говоря, автор доказал, что не все новости являются значимыми.

Основоположником идеи о том, что можно определить новость математическим способом, как непрогнозируемую переменную от ошибки регрессии, и таким образом абстрагироваться от контента определенной новости, и анализировать только ее количественное влияние, был Engle (1993). В своей работе, анализируя Японский фондовый рынок с помощью ассиметричных моделей GARCH, Engle (1993) пришел к выводу, что негативные новости сильнее влияют на волатильность акций, нежели положительные новости. Позднее, Bruner (1999), в своей работе доказал, что анализ количественного влияния новостей является наилучшим способом определения их влияния на волатильность акций. Кроме того, аналогичный вывод касаемо асимметрии влияния новостей, используя финансовую информацию о фармацевтических компаниях, получил Granik (2010). Наконец, важное замечание в пользу количественного анализа влияния новости, было сделано в работе Sidorov (2014). Так, влияние новостей на волатильность стоимости рассматриваемого актива зависит в первую очередь от количества новостей в рассматриваемый период, а не от специфики самой новости.

Обзор ранее проведенных исследований точности оценки влияния новостей на волатильность ценных бумаг GARCH моделями

Что касается выводов о наилучшей спецификации GARCH модели, то полученные результаты в большом количестве исследований сильно разнятся.

В своей работе Granik (2010) выявил, что обе спецификации EGARCH и GJR-GARCH показывают одинаковые результаты для всех наборов данных. С другой стороны, Engle (1993) используя различного рода спецификации ассиметричных GARCH моделей определил, что модель предложенная Glosten, Jagannathan, и Runkle (GJR-GARCH) является наилучшей параметрической моделью из всех представленных. Несмотря на то, что Engle (1993) назвал модель GJR-GARCH наилучшей, он получил довольно точную оценку асимметрии и с помощью модели EGARCH.

Помимо зарубежных работ, есть ряд работ, в которых сравниваются GARCH модели по их точности описания российского фондового рынка. Таким образом, Ананьев (2013), анализируя индекс РТС, выявил, что, несмотря на то, что в среднем GARCH(1,1) модель показывает довольно неплохую прогнозную способность, нелинейные модели показывают лучшие результаты. Возможным объяснением успешности прогнозирования нелинейными моделями, Ананьев (2013) называет низкий горизонт планирования (от 20 дней, до месяца). Кроме того, Ананьев утверждает, что при больших горизонтах, линейные модели дают меньшую ошибку прогноза, чем более сложные нелинейные спецификации. Помимо всего прочего, линейные модели имеют тенденцию к снижению прогнозных значений при увеличении горизонта планирования, в то время как прогнозные значения, полученные с помощью нелинейных моделей, растут с увеличением горизонта прогнозирования. Основным преимуществом нелинейных моделей, Ананьев (2013) называет возможность, которая позволяет улавливать стилизованные факты, демонстрируемые временными рядами, такие как асимметричное влияние шоков разных знаков, тяжелые хвосты распределений и отрицательную корреляцию волатильности и случайных шоков доходности, что имеет большое значение при анализе рынков и построении прогнозов.

Обзор ранее проведенных исследований влияния новостей на волатильность частных и государственных компаний

В действительности, работ, в которых оценивается влияние новостей на волатильность акций частных и государственных компаний, опираясь только на количественное влияние новости, нет. Тем не менее, опираясь на некоторые работы, в которых сравнивались частные и государственные компании, с точки зрения их поведения на фондовом рынке, можно сделать предположение о том, как поведут себя частные и государственные компании при влиянии на них новостей.

Так, структура собственности является наиболее значительным отличием между двумя видами компаний (Rainey, 1976). В связи с тем, что государственные компании управляются лицами имеющие непосредственное взаимодействие с политикой, большинство государственных компаний в меньшей мере подвержены макроэкономическим шокам, а, следовательно, являются менее волатильными, чем частные компании. Таким образом, влияние волатильность от новости для портфеля государственных компаний должно быть ниже, чем для частных компаний. С другой стороны, в своей работе Liping (2010) анализируя финансовый рынок Китая, выявил, что в период кризиса, государственные компании чаще инвестируют свои

средства, нежели это делают частные компании. Таким образом, сделав вывод, что в среднем, государственные компании чаще принимают рисковые инвестиции, нежели частные компании, можно говорить о том, что и акции государственных компаний становятся более рисковыми.

Анализ рынка

Чтобы торговать прибыльно каждый трейдер анализирует рынок.

Существует два вида анализа: фундаментальный анализ рынка и технический.

Рассмотрим все более подробно.

1. Фундаментальный анализ

Фундаментальный анализ заключает в себя анализ выхода важных экономических событий (новостей). Важные новости очень сильно толкают рынок в ту или иную сторону, поэтому и рекомендуется всегда следить за новостями и не забывать всегда смотреть на календарь перед тем, как собираетесь торговать.



Фундаментальные факторы влияние новостей

Факторы политические: Выборы парламента, выборы главы государства, революции.

Факторы психологические: слухи, ожидание, статьи в газете.

Факторы форс-мажорные: техногенные, природные катастрофы и те факторы. предсказать которые невозможно.

Факторы экономические: Публикация макроэкономической статистики

Какая макроэкономическая статистика способна повлиять на цены?

1) самый важный показать это ВВП (Внутренний Валовый Продукт)

ВВП- сумма всех товаров и услуг, которые производится в экономике.

Если ВВП растет, то валюта тоже растет.

2)Розничные продажи: Если розничные продажи растут, к примеру люди смело идут в магазины и тратят деньги, не храня их и с уверенностью в завтрашнем дне начинают их тратить, что для экономики очень хорошо.

3)Уровень безработицы: если уровень безработицы растет, значит экономика недополучает в первую очередь - налоги. Это для экономики плохо, а значит и плохо для валюты в стране.

4)Инфляция: Если цены растут, валюта в стране обесценивается

Что происходит с рынком до выхода новостей?

До важных новостей обычно идёт флет(термин, описывающий ценовой маневр без достаточно ярко выраженного движения), а потом резкое движение в сторону показания.

Если показатель новости выходит ХУЖЕ ОЖИДАЕМЫХ, значит валюта ПАДАЕТ v Если показатель новости выходит ЛУЧШЕ ОЖИДАЕМЫХ, значит валюта ПОВЫШАЕТСЯ ^

Всегда учитывайте ближайшие новости перед тем, как открывать сделку или покупать опцион, иначе -- это может оказать негативное влияние на весь ваш депозит. Выход новости с показателями, которые являются противоположным движением открытой сделки -- является опасным для депозита, так как просадку может и не выдержать. Это же касается и бинарных опционов.

Технический анализ

Такую аналитику проводят при помощи графических построений или при помощи технических индикаторов. Во время графических построений используют различные линии, графические фигуры, уровни поддержки/сопротивления. Если трейдер пользуется техническими индикаторами, в таком случае он их анализирует, ищет наиболее удобные моменты для открытия сделок, то есть он находит точки входа в рынок. Широко применяется трейдерами свечной анализ. Чтобы воспользоваться результатами такого прогноза, нужно изучить Японские свечи, свечные конфигурации, паттерны. Их придется выучить наизусть и уметь находить на графике. Чем чаще новичок проводит свечной анализ, тем быстрее он запоминает свечные паттерны при помощи, которых можно проводить данный вид исследования рынка.

Методы диагностирования влияния новостей

Структурные сдвиги

Основная цель данной главы заключается в выявлении промежутков времени на которых фундаментальные характеристики рассматриваемых временных рядов изменились. Данный феномен называется структурный сдвиг, его необходимо определить для дальнейшей работы. Таким образом, с помощью данной модели можно статистически определить докризисное, кризисное, и посткризисное время. В конечном итоге, определение структурных сдвигов поможет детальнее посмотреть на поведение рынка и сделать дальнейший анализ более точным и правильным с точки зрения эконометрики. Основная причина поиска структурных сдвигов в данной работе заключается в том, чтобы проверить отличительные эффекты влияния новостей на разные портфели разных компаний в зависимости от экономической ситуации.

Другими словами - тестируется гипотеза о том, что коэффициенты регрессии не меняются во времени, относительно гипотезы о том, что как минимум один коэффициент непостоянный. Далее, в модель включается параметр ??, который показывает количество точек перелома, то есть точки, где 12 коэффициент меняет свое значение от одной регрессионной связи к другой.

Тестирование

Для тестирования структурных сдвигов обычно используются обобщенные тесты колебания (generalized fluctuation tests). Более детально, данные включаются в модель ???? = ???????? + ????, далее полученный эмпирический процесс фиксирует колебания либо в остатках, либо в оценках параметров. В качестве примера можно привести CUSUM тест:

(??) =

В данном выражении, процесс для (??) - это стандартный Броуновский мост (Brownian bridge) (??) = ??(??) ? ????(1), где ??(?) определяет стандартный Броуновский процесс. Таким образом, для того чтобы отвергнуть нулевую гипотезу, о постоянстве регрессионного коэффициента, процесс должен иметь пик рядом с точкой перелома.

IV. Метод для количественного определения структурных изменений

Учитывая количество разделений m, можно применить метод наименьших квадратов для коэффициента ????, где результирующая сумма минимальных RSS задана уравнением:

??????(, …,) =

Где rss(- сумма минимальных квадратов ошибки регрессии для j- го сегмента. Проблема в поиске даты структурных сдвигов заключается в поиске точек перелома ,…,, которые будет минимизировать функцию:

,…,)= argmin(,…,)RSS(,…,)

Таким образом, для поиска таких точек перелома был разработан алгоритм динамического программирования, который основан на принципе Беллмана (Bellman, 1962). В конечном итоге, оптимальная сегментация должна удовлетворять рекурсии:

??????() = ??????????? ? ? ?? ? [??????() + ??????(?? + 1, ??)] (1)

Данные

В качестве входных данных, использовались исторические цены индексов ММВБ и РТС. Основное отличие между двумя индексами в том, что индекс РТС строится по ценам акций, выраженных в долларах, в то время как ММВБ - в рублях. Таким образом, на динамику индекса РТС влияет изменение курса доллара - если доллар падает, то РТС растет, и наоборот. Кроме этого, оба индекса рассчитываются по акциям 50 эмитентов. Однако, объемы торгов индекса ММВБ, вплоть до середины 2012 года, были на порядок выше объемов торгов индекса РТС. Таким образом, можно говорить о том, что до середины 2012 года, индекс ММВБ обладал преимуществом в отражение динамики рынка.

Анализ

Как было упомянуто ранее в работе, в качестве исходных данных для анализа, были взяты месячные цены индексов ММВБ и РТС в период с марта 14 2005 по март 2017. Делая предпосылку, что индексы ММВБ и РТС показывают общую картину на рынке, и, что полученные с помощью анализа структурные сдвиги для обоих индексов, в среднем, применимы к каждой акции, можно приступить к анализу.

Используя модель (1) и вышеупомянутые предпосылки, были проанализированы данные индексов РТС и ММВБ. В связи с тем, что оптимальному количеству точек перелома соответствует минимальное значение BIC, оптимальное количество точек перелома составляет 5 - для индекса РТС и 4 -для индекса ММВБ

Далее, на основе теста CUSUM, были проведены дополнительные итерации для выявления других возможных точек перегиба. Как видно на Графике 1(в приложении), никаких дополнительных точек перелома не было обнаружено. Таким образом, оптимальное количество интервалов структурных сдвигов равно m+1 = 5 для ММВБ и m + 1 = 6, для РТС. Пунктирными линями ограничены интервалы каждого структурного сдвига. Даты соответствующие определенной точки перелома можно найти в Таблице 1.

Помимо этого, были построены доверительные интервалы для каждого структурного сдвига, которые обозначаются красной прямой под каждой точкой перелома на Графике 1. Таким образом, вероятность структурного сдвига, в промежуток ограниченного красной прямой (на оси x каждого графика) составляет 97.5%. В конечном итоге График 1. отражает вышеперечисленные вычисления.

Стоит так же отметить, что с помощью структурных сдвигов получилось зафиксировать оба, серьезных для России кризиса - кризис 2008 года, 15 который фиксируется на обоих индексах, и девальвацию рубля 2014 года, зафиксированным на динамике индекса РТС.

Как видно из Графика 1., вплоть до средины 2010 года структурные сдвиги обоих графиков совпадают, что связано со схожей динамикой индексов, в связи со стабильностью курса рубля. После 2010 года, виден различный тренд движения индексов, и если у индекса ММВБ он положительный, то у РТС - отрицательный. Как уже говорилось выше, специфика расчета РТС такова, что она учитывает курсовую разницу, и если курс рубля падает, то значение индекса тоже падает. Таким образом, структурные сдвиги индекса РТС выглядят именно так, потому что учитывают курсовую стоимость. Однако так как большинство рассматриваемых акций выражены в рублевом эквиваленте, то логичнее, и правильнее всего опираться на показатель индекса ММВБ.

В основном вся расчетная часть будет проводится с помощью линейного регрессионного анализа.

Что же такое линейная регрессия?

Линейная регрессия - математическое уравнение, которое оценивает линию простой (парной) линейной регрессии:

Y=a+bx.

X - называется независимой переменной или предиктором.

Y - зависимая переменная или переменная отклика. Это значение, которое мы ожидаем для y (в среднем), если мы знаем величину x, т.е. это «предсказанное значение y»

· a - свободный член (пересечение) линии оценки; это значение Y, когда x=0

· b - угловой коэффициент или градиент оценённой линии; она представляет собой величину, на которую Yувеличивается в среднем, если мы увеличиваем x на одну единицу.

· a и b называют коэффициентами регрессии оценённой линии, хотя этот термин часто используют только для b.

Парную линейную регрессию можно расширить, включив в нее более одной

независимой переменной; в этом случае она известна как множественная регрессия



В методах диагностирования влияния новостей в пункте №5 мы рассматривали индексы ММБВ и РТС.Рассмотрим эти два индекса поподробнее, но начнем с того, что это за индексы и какую роль они играют.

ММВБ - Московская Межбанковская Валютная Биржа

РТС- основной фондовой индекс в России, расчет которого начался 1 сентября 1995 года со 100 пунктов. В данное время расчеты идут в Московской Бирже.

Так же рассмотрим по подробнее GARCH модели.

ARCH -(с англ. AutoRegressive Conditional Heteroscedasticity) Авторегрессионная условная гетероскедастичностьприменяемая в эконометрике модель для анализа временных рядов (в первую очередь финансовых), у которых условная (по прошлым значениям ряда) дисперсия ряда зависит от прошлых значений ряда.

Где a - коэффициент задержки (лага) или базовая волатильность.

В 1968 г. Т. Боллерслев предложил GARCH-модель.

GARCH-модель -(Generalized Autoregressive Conditional Heteroscedastic model) - обобщенную авторегрессионную модель гетероскедастичности, которая предполагает, что на текущую изменчивость дисперсии влияют как предыдущие изменения показателей, так и предыдущие оценки дисперсии (т.н. «старые новости»).Согласно данной модели (GARCH(p,q)) расчет дисперсии производится по следующей формуле

где p - количество предшествующих оценок, влияющих на данное значение.

С - весовые коэффициенты, отражающие степень влияния предыдущих оценок на данное значение.

Так же в современной эконометрике используют разные аббревиатуры такие как А-GARCH, E-GARCH и так далее.

В нашем современном мире фундаментальный анализ реален только в условиях, когда государство использует рыночную экономику, когда влияние оказывают любые внешние и внутренние факторы, не подавляемые правительством.

Примеры фундаментального анализа на рынке FOREX

Данный вид анализа на рынке Forex является одним из самых сложных, однако, он ключевой на валютном рынке. Проводить фундаментальный анализ рынка Forex очень трудно, поскольку одинаковые факторы могут оказывать в различных условиях неодинаковое значение на рынок. Иногда, обстоятельства, которые кажутся важными и решающими, становятся второстепенными, и наоборот - факторы, на которые инвесторы слабо обратили внимание, становятся ключевыми. Поэтому для проведения фундаментального анализа на рынке Forex необходимо обладать способностью связывать порой несовместимые вещи, знать отношения между государствами, историю развития валют и уметь из этого формировать правильный вывод.

Например во время изучения рынка Forex в США, факторы влияющие на курс Евро -- EUR/USD в основном являются монетарная политика страны.

Инструментами монетарной, с помощью которых центральный банк может увеличивать или сокращать денежное предложение в стране являются:

· операции на открытом рынке (open market operations);

· регулирование учетной ставки (the discount rate);

· изменение уровня резервных требований(reserve requirements).

Как было сказано ранее основной недостаток фундаментального анализа на примере рынка Forex является его сложность. Достаточно несложно при необходимых навыках проследить 10-20 взаимосвязей, вызванных как следует из изменения одного фундаментального показателя, но когда самих показателей становится 50 только по одной стране, у каждой из которых есть свои причинно-следственные связи из многих этих связей, которые противоречат друг другу, то на изучение уже понадобится небольшой научно-исследовательский центр. Поэтому фундаментальным анализом Forex при принятии решений пользуются по различным оценкам 10-20% трейдеров, и большая часть из них владеет им поверхностно.

Анализ фундаментальных показателей применяется для принятия двух видов решений:

1. Решений о долгосрочных инвестициях в валюту той или иной страны.

2. Решений по торговле на новостях.

В процессе принятия решений необходимо анализировать, учитывая следующие факторы:

1. Что и каким образом он измеряет, на основе каких данных он рассчитывается, какова волатильность (изменчивость) при его выходе, в каких единицах он рассчитывается (номинальные единицы, динамика по сравнению с предыдущим периодом или к какому-то периоду в прошлом).

2. К какому классу относится показатель (опережающий по отношению к экономическому циклу, запаздывающий или совпадающий).

3. Какова периодичность и время выхода показателя.

4. Публикуется ли он один раз или существуют также его предварительные, и окончательные, пересмотренные значения.

5. Каковы диапазоны колебания показателя в разные периоды экономического цикла страны, а также максимальные и минимальные значения за весь исторический период.

6. Каково его основное влияние на другие фундаментальные показатели.

7. Какие фундаментальные показатели оказывают на него критическое влияние.

Анализ индексов РТС и ММВБ в период 2010-2018 год

Вернемся к анализу новостей на рынке Российских акций. Рассмотрим график, на котором указаны значения индексов РТС.

Рисунок 1. Индексы РТС

Как мы видим из рисунка, что падение акций начались с 2011 года и это все продолжилось до 2015.РТС часто страдает от кризиса и во время мирового финансового кризиса акции упали к 23 января 2009 г. на 80%.За 20 лет индекс РТС стремительно возрос в восемь раз и за время основания до исторического максимума он увеличился в 25 раз.

Рисунок 2. Индексы МосБиржы

Ситуация в Московской Валютной Бирже чуть лучше, как видно из графика вполне устойчиво и верно идет вверх. В 2000-2007 гг. можно было наблюдать быстрый рост ликвидности профильного рынка, с чем было связано и увеличение индексов ММВБ и РТС: за 7 лет они выросли почти на 1014% и 1280% соответственно. Но наступивший в 2008 обвал экономики пошатнул показатели бирж: индексы ММВБ и РТС уменьшились практически в 3 и 5 раз соответственно.

Практическая часть: Анализ цен на акции в период 2010-2018

Как мы видим оба индекса вполне уверенно идут вверх.

На этом графике мы видим в сентябре идет резкое падение цены на акции у двух индексов

2012 году идет стабильный рост и малое падение цен на акции.

В 2013 году мы можем увидеть, как стремительно падают цены на акции у МосБиржы с февраля - июнь, но стремительно с августа идет подьем.

А у РТС дела идут вполне стабильно.

Падение цен вызвано из за валютного кризиса в России (2014--2015).

Когда, резкое падение рубля к иностранным валютам и снижение продаж нефти.

В МосБирже ситуация не сильно хорошая, но ближе к концу 2015 году Российский рубль постепенно растет по цене и тем самым ситуация улучшается.

Тем временем у РТС вполне хорошая идет динамика цен.

В 2016 году стремительно идет подьем и выход из кризиса.

Первые в 2017 году фондовые торги на Московской бирже проходят под знаком повышения цен на 3%, то позволило достичь индексу ММВБ нового исторического максимума

Значение «долларового» индекса РТС 3 января достигало отметки 1165,32 пункта, что на 1,13% выше уровня закрытия торгов 30 декабря 2016 года и является самым высоким показателем с 14 декабря прошлого года.

В 2018 году можно видеть только резкое падение цен на акции у РТС.

Заключение

В заключение могу сказать, то что фундаментальный анализ важен и нужен в экономике целиком, мы определили на малых промежутках времени подьем и падение цен на рынке акций. Так же мы рассмотрели два индекса: РТС и ММВБ.Так же на фоне всех найденных данных мы можем построить регрессионную модель и определить динамику будущих акций.Если очень четко следить за новостями не только экономическими, но и политическими, то мы можем узнать многое и то, что возможно ожидает нас завтра и так далее.

Как говорилось ранее, что фундаментальный анализ включает в себя различные экономические, политические, а также погодные явления. Все они легко поддаются логическому заключению и на его основании можно сделать вывод о том, как поведёт себя та или иная валюта. А, так же мы изучили причины роста и падения цен на акции РТС и ММВБ

Список литературы

1. Учебник Форекс / 3. Фундаментальный анализ Forex (Форекс)// Fxeuroclub URL http://enc.fxeuroclub.com/2/

(дата обращения:18.06.18):

2. Виды анализа рынка.// URL http://binarybets.ru/vidy-analiza-rynka.html (дата обращения 15.06.18)

3. Основы линейной регрессии// Statistica.ru(Офиц. Cайт).URL: http://statistica.ru/theory/osnovy-lineynoy-regressii/

(дата обращения 15.06.18)

4. Википедия. Московская Межбанковская Валютная Биржа. // Википедия-свободная энциклопедия [Офиц. сайт].URL

https://ru.wikipedia.org/wiki/Московская_межбанковская_валютная_биржа (Дата обращения: 16.06.2018.)

5. Википедия. Индекс РТС.//Википедия-свободная энциклопедия[Офиц. сайт].URL

https://ru.wikipedia.org/wiki/Индекс_РТС (дата обращения 14.06.18)

6. Биржевой Лидер. Фундаментальный анализ. История развития

фундаментального анализа. // profi-forex.org [Offical website]. // URL

http://www.profi-forex.org/wiki/fundamental-nyj-analiz.html

(Дата обращения 13.06.18)

7. Голая статистика: Самая интересная книга о самой скучной науке.//

Книга. Чарльз Уилан. Понятия о регрессии и анализе данных.

2016 г.

Размещено на Allbest.ru

...