Основные детерминанты вклада фьючерсного рынка в процесс включения информации в эффективную цену акций, котирующихся на московской бирже

	(26)

где элементы в сумме равны 1, а матрица D0 является обратимой. Также предполагается, что число структурных шоков равно числу наблюдаемых цен, поэтому матрица D(L) является обратимой. Поскольку цены коинтегрированы, один шок является постоянным, а второй - переменным. Отсюда,

Предполагается, что данные структурные шоки как не коррелированы между собой, так и не являются автокоррелированными, а их ковариационная матрица - диагональная diag(уP2, уT2). Поскольку влияние шоков со временем ослабевает, SMA модель может быть представлена в следующем виде:



В данном выражении и (i = 1,2) - это полиномы оператора сдвига, описывающие динамический отклик на постоянный и переменный шоки, соответственно.

Как уже было отмечено выше, компонента интерпретируется как новая информация, поступающая в эффективную цену актива и обеспечивающая постоянное движение рыночных цен. Определяющей характеристикой является то, что ее изменение в долгосрочном периоде приводит к такому же изменению в ожидаемых ценовых уровнях:

	(27)

где

- первый столбец матрицы динамического множителя Dk;

- матрица долгосрочного влияния, относящаяся к .

Yan and Zivot (2010) утверждают, что экономический смысл изучаемого процесса ограничивает значение долгосрочного влияния, задавая его как вектор, состоящий из единиц, потому что изменение эффективной цены актива на 1 единицу в конечном итоге приводит к такому же изменению всех рыночных цен на площадках, на которых данный актив представлен.

Временные (переменные) новации, , включают все колебания, которые не связаны с информацией об эффективной цене, например, такие, как: торговля неинформированных участников, или участников, нуждающихся в ликвидности, корректировка запасов (inventory adjustments) и временный дисбаланс заявок. Определяющей характеристикой является то, что они не имеют долгосрочного влияния на ожидаемые ценовые уровни:

	(28)

где

- второй столбец матрицы динамического множителя Dk;

- матрица долгосрочного влияния, относящаяся к .

Из вышесказанного следует, что матрица долгосрочного влияния, D(1), содержащая структурные новации, зt, имеет форму:

	(29)

Используя выражение (29), Yan and Zivot (2010) показывают, что модель структурной скользящей средней (26) имеет представление:

	(30)

Где



Уравнение (30) показывает, что SMA модель предполагает такое же представление в виде модели общего тренда, как и сокращенная форма скользящей средней (2), а постоянные новации в структурной модели VMA такие же как новации эффективной цены, определенные в (25). Единственная разница заключается в том, что временные новации в структурной модели (30), в отличии от исходной, теперь также зависят от структурных новаций зt. Это предполагает, что некоторые ценовые ошибки могут быть связаны с приходом новой информации, , которая, среди прочего, может включать связанный с информированной торговлей эффект ликвидности и запаздывающую (лагированную) корректировку цены на приход новой информации. Выражение (30) также указывает на то, что ценовые ошибки на разных рынках могут иметь разный отклик на новую информацию несмотря на то, что они разделяют общую эффективную цену.

Yan and Zivot (2010) утверждают, что параметры SMA модели (26) могут быть однозначно определены с помощью параметров сокращенной модели коррекции ошибок, используя модифицированную декомпозицию на постоянную и переменную компоненты из работы Gonzalo and Ng (2001). Так, постоянный шок определяется как:

а переменный выводится из:

вследствие чего ортогональны . Авторы утверждают, что данная декомпозиция однозначно определяет D0, а остальные параметры SMA могут быть восстановлены из отношения:

Также, модель (26) имеет минимальное количество предпосылок: было задано только долгосрочное влияние структурных новаций. Отклики рыночных цен на новую информацию и временные факторы никаким ограничениям не подвергались. Отсюда, модели, представленной Yan and Zivot (2010), достаточно для охвата различных сложных микроструктурных рыночных эффектов.

Работа Yan and Zivot (2010) содержит два основных новшества, делающие ее значимой для исследуемой области. Во-первых, авторы показали, как базовые метрики вклада в процесс включения новой информации в эффективную цену выглядят в структурной интерпретации. Это позволило более глубоко понять природу каждой метрики. Во-вторых, в данной работе приводится способ, позволяющие выделить влияние только информативных новаций.

Для структурной интерпретации базовых метрик необходимо определить элементы общего вектора матрицы долгосрочного влияния, ш. Воспользовавшись своей структурной моделью, Yan and Zivot (2010) показывают, что ошибки прогнозирования сокращенной формы, et, связаны со структурными новациями, зt, через выражение:

	(31)

где D0 - матрица исходного структурного влияния.

Выражение (31) можно просто представить в следующем виде:

	(32)

В уравнениях (32) каждая ошибка прогнозирования может быть соотнесена с ненаблюдаемой информационной новацией и фрикционной новацией . Параметры и (i = 1,2) представляют собой одномоментный отклик цен pit на информационную и фрикционную новации соответственно.

Зная, что матрица D0 является обратимой, структурные ошибки могут быть представлены в терминах ошибок сокращенной формы через выражение:

Получим:

	(33)

Где

Поскольку постоянные новации, , структурной модели (26) одинаковы новациям эффективной цены из модели сокращенной формы общего тренда (2), то параметры ш1 и ш2 связаны со структурными параметрами исходного влияния в матрице D0 посредством выражений:

	(34)

Теперь, когда мы знаем формулы элементов общего вектора матрицы долгосрочного влияния, можем выразить базовые метрики вклада в процесс включения новой информации в эффективную цену через структурные параметры.

Воспользовавшись выражением (23), получим структурное представление Компонентной доли для 1 и 2 рынков (инструментов):

	(35)

Заметим, что данная величина не зависит от параметров отклика рынка на приход новой информации. Структурное представление Компонентной доли в выражениях (35) схоже с ее представлением в выражениях (24), которое получено на основе коэффициентов коррекции ошибок. Фактически, выражения (24) и (35) предполагают, что коэффициенты коррекции ошибок, бi, пропорциональны параметрам одномоментного отклика на временные новации, . Однако, интерпретация несколько отличается. Yan and Zivot (2010) утверждают, что в сокращенной форме (25), CS1 измеряет относительный лаговый отклик рынка 2 на переменную компоненту ошибки дисбаланса .

Для получения структурного представления Информационной доли авторы используют выражения (32). С учетом предпосылки о некоррелированности и дисперсия и ковариация новаций имеет вид:

Yan and Zivot (2010) приводят 3 случая, когда ковариация новаций ровняется нуля. Однако, для структурного представления Информационной доли в итоге используют следующий случай:

	(36)

Наконец, используя выражения (8), (34) и (36), получаем структурное представление Информационной доли:

	(37)

Yan and Zivot (2010) утверждают, что Информационная доля одного рынка выше, если он инкорпорирует больше новой информации и (или) накапливает меньше шоков ликвидности (временных шумов). Данная выкладка, противоречит выводам, которые сделал Hasbrouck (1995), о том, что Информационная доля эффективно игнорирует временные ценовые колебания.

Присутствие одномоментного влияния временных новаций в выражениях (37) предполагает, что Информационная доля не всегда интерпретируется однозначно. В частности, невозможно различить высокое значение IS одного рынка, вызванное сильной реакцией этого рынка на приход новой информации, и высокое значение IS, вызванное сильной реакцией на временные колебания. Однако, дополнительная информация, полученная из Компонентной доли, может помочь снять некоторую неопределенность, скрытую в Информационной доле. Поскольку CS измеряет отклик рынка исключительно на временные новации относительно другого рынка, то высокое значение Информационной доли совместно с низким значением Компонентной доли предоставляет доказательства того, что рынок имеет относительно сильную реакцию на информационные новации. Высокое значение IS вместе с высоким значением CS предполагает обратное.

Опираясь на выводы, полученные в работе Yan and Zivot (2010), Putnins (2013) предложил новый показатель для измерения вклада в процесс включения новой информации в эффективную цену, который он назвал Информационной долей лидерства (Information Leadership Share - ILS). Главным отличием похода, предложенного Putnins (2013), является то, что он предложил нормализованный показатель (от 0 до 1), обеспечивая тем самым исследователя инструментом однозначного сравнения результатов. Несмотря на то, что данный показатель с теоретической точки зрения должен давать результаты лучше общепринятых методов, сохраняя при этом возможность однозначного сравнения, он тем не менее не получил распространения. В настоящей работе будут использоваться все 3 показателя, что позволит определить за счет чего тот или иной инструмент доминирует в процессе открытия цены (за счет быстрого инкорпорирования новой информации или за счет меньшего поглощения временных шумов).

Одной из основных отличительных особенностей работы Putnins (2013) от работы Yan and Zivot (2010) является то, что его модель позволяет варьировать ценовые ряды по уровню шума и по скорости инкорпорирования новой информации. Взаимосвязь этих двух характеристик является источником множества споров и заблуждений о разных метриках вклада в процесс включения новой информации в эффективную цену (Putnins (2013)). Комбинируя разные сочетания шума и скорости, получим 2х2 область, описывающую взаимоотношения двух ценовых рядов. Так, рассматриваемая цена относительно другой может быть:

более зашумленной и медленной;

менее зашумленной, но медленной;

менее зашумленной и быстрой;

более зашумленной и быстрой.

Информационная и Компонентная доли дают точную оценку вклада в процесс включения новой информации в эффективную цену, в традиционном его понимании как то, какой из рынков (инструментов) первый отражает новации в фундаментальной стоимости, если рассматриваемые цены обладают одинаковым уровнем шума. Когда уровни шума различаются, то как Информационная, так и Компонентная доля становятся в разной степени отличными. Так происходит потому, что ценовой ряд, который быстрее отражает новации в фундаментальной стоимости будет иметь более высокие показатели IS и CS, также, как и ценовой ряд, обладающие более низким уровнем шума, при одинаковой скорости инкорпорирования информативных новаций. Putnins (2013) замечает, что если разница в уровне шума будет значительно больше относительной разницы в скорости инкорпорирования информативных новаций, традиционная интерпретация значений Информационной и Компонентной долей может привести к неверным заключениям по отношению к тому, какая из цен первой отражает информацию об эффективной цене. Согласно результатам, полученным в работе Putnins (2013), Информационная доля в, отличии от Компонентой, придает больший вес скорости включения информации.

Еще одной значимой особенностью работы Putnins (2013) является то, что он разделил источники шума, придав, таким образом, больше индивидуальности рынкам и приблизив модель к реальным рынкам. В конечном счете, он использовал в своем исследовании следующую модель:

	(38)

где

- логарифм i-го ценового ряда в момент t;

- независимые одинаково распределённые случайные величины, не коррелирующие между ценовыми рядами.

- параметр, характеризующий скорость включения информации;

- параметр, характеризующий уровень шума.

Представленная выше модель не удовлетворяет предпосылкам, на основании которых Yan and Zivot (2010) вывели формулы расчета IS и CS. Она содержит 3 источника новаций: один постоянный и два переменных. Это лишь не позволяет провести аналогичные аналитические выкладки и вынуждает применять симуляции для проверки гипотез.

Для того, чтобы более точно определять то, какой рынок (инструмент) первым реагирует на информативные новации, Putnins (2013) продолжил идею, предложенную в работе Yan and Zivot (2010). Показатель, который в работе вторых остался безымянным, он назвал Информационным лидерством (Information Leadership, IL):

	(39)

В такой формулировке показатель является безразмерным, что автоматически накладывает сложность в сравнении разных показателей, а также создает проблему выбросов. Для того, чтобы решить эти проблемы Putnins (2013) предложил нормализовать данный показатель, приведя его к более традиционному для данной области диапазону от 0 до 1. Новый показатель автор назвал Информационной долей лидерства (Information Leadership Share, ILS).

	(40)



В итоге Putnins (2013) пришел к важным для настоящей работы выводам. Во-первых, если рассматривать вклад в процесс включения новой информации в эффективную цену только с точки зрения скорости инкорпорирования информации, то разные уровни шума будут приводит к некорректным результатам оценки вклада, полученным на основе показателей IS и CS. Однако, влияние шума вносит ошибку в оценки только в том случае, если рассматривается классический подход оценки вклада, т.е. «кто быстрее?». С другой точки зрения, если рассматривать вклад в процесс включения новой информации в эффективную цену как комбинацию лидерства в процессе инкорпорирования информации и относительного избегания шума, то метрики IS и CS могут приниматься как безошибочные.

Во-вторых, Информационная доля является безошибочной (unbiased), с точки зрения скорости, метрикой вклада в процесс включения новой информации в эффективную цену, если соблюдается дополнительное условие: уровень шума в рассматриваемых ценовых рядах равен. Однако, данное утверждение верно только для структурных моделей, в которых матрица Щ является диагональной, т.е. отсутствует корреляция остатков.

Заметим, что в существующей литературе изучение вклада в процесс включения новой информации в эффективную цену строится без должного внимания к проблеме одномоментной корреляции, полагаясь преимущественно на метод факторизации Холецкого. В настоящей работе мы только предпримем попытку рассмотреть феномен наличия корреляции и сформулируем вопросы для дальнейших исследований в данном направлении.

2.2 Методология

Выше не раз отмечалось, что измерение вклада в процесс включения новой информации в эффективную цену зависит от структурных параметров рынков (инструментов). Однако, настоящая работа не нацелена на выявление структурных особенностей, влияющих на метрики, поэтому предположим, что исследование ведется в фреймворке схожем с теми, что представлены в работах Yan and Zivot (2010) и Puntins (2013).

Для выполнения расчетов используется статистический пакет R. Ключевая библиотека - ifrogs, которая позволяет произвести оценку VECM и рассчитать базовые метрики.

2.2.1 Подход к расчету метрик вклада в процесс включения новой информации в эффективную цену

Поскольку настоящая работа исследует процесс включения новой информации в эффективную цену акций на основании информационных потоков срочного и спот рынков, требуется привести ценовые ряды к единой временной точке и размерности, чтобы соответствовать требованию, накладываемому коинтеграционным вектором в? = (1, -1).

Для чего фьючерсные цены ближайших контрактов корректировались на временной фактор, т.е. дисконтировались, на дивиденды и на размерность Поскольку фьючерсные контракты обычно подразумевают несколько единиц базового актива, то их котировки отражают стоимость за весь набор. Чтобы получить цену за единицу, следует разделить стоимость контракта на количестве, предполагаемое в нем.. Выбор ближайшего фьючерсного контракта обусловлен тем, что на российском рынке следующие серии контрактов значительно менее ликвидны.

Фьючерсные контракты на акции, исследуемые в настоящей работе, являются классическим примером финансового дериватива, а, следовательно, их ценообразование подчиняется модели Cost-of-carry:

	(41)

Где

F - фьючерсная цена;

S - спот цена;

PV(Div) - приведенная стоимость дивидендных выплат, выпадающих на время обращения фьючерсного контракта;

r - безрисковая ставка;

ДT - длительность периода до экспирации фьючерсного контракта.

Безрисковая ставка, используемая для ценообразования производных финансовых инструментов, а точнее величина, ее характеризующая, является предметом споров с момента введения принципа безарбитражности. Сегодня, все большую популярность набирают исследования, утверждающие, что безрисковая ставка в ценообразовании деривативов является ненаблюдаемой и носит стохастический характер (Boney et al. (2018), Dokuchaev (2018, 2007, 2006), Bianconi (2014) и др.). Общим для данных работ является утверждение о том, что текущая цена дериватива зависит от будущей формы кривой безрисковой ставки. Однако, это тема для дальнейших дискуссий и преимущественно за пределами изучения процесса включения новой информации в эффективную цену.

Таблица 2

Банки - участники RUONIA по состоянию на 14.05.2019

№	Наименование банка
1	АО «АЛЬФА-БАНК»
2	АКБ «Абсолют Банк» (ПАО)
3	ПАО «Банк «Санкт-Петербург»
4	БНП ПАРИБА БАНК АО
5	Банк ВТБ (ПАО)
6	Банк ГПБ (АО)
7	КБ «Дж.П. Морган Банк Интернешнл» (ООО)
8	АО АКБ «ЕВРОФИНАНС МОСНАРБАНК»
9	ИНГ БАНК (ЕВРАЗИЯ) АО
10	Креди Агриколь КИБ АО (Московский филиал)
11	АО «Банк Кредит Свисс (Москва)»
12	ПАО АКБ «Металлинвестбанк»
13	АО «Нордеа Банк»
14	ПАО Банк «ФК Открытие»
15	ПАО «Промсвязьбанк»
16	АО «Райффайзенбанк»
17	ПАО РОСБАНК
18	АО «Россельхозбанк»
19	АО КБ «Ситибанк»
20	ПАО Сбербанк
21	ПАО «БАНК УРАЛСИБ»
22	ООО «Эйч-эс-би-си Банк (РР)»
23	АО ЮниКредит Банк
24	АО «СМБСР Банк»
25	ПАО Банк ЗЕНИТ
26	ПАО АКБ «Связь-Банк»
27	АО «Мидзухо Банк (Москва)»
28	АО «ГЛОБЭКСБАНК»
29	Банк «ВБРР» (АО)

Сост. по источнику: http://ruonia.ru/page/banks

В настоящей работе, для приведения фьючерсных цен к текущему периоду была выбрана ставка RUONIA (Ruble Overnight Index Average) - индикативная взвешенная ставка однодневных рублевых кредитов на условиях «overnight», отражающая стоимость необеспеченного рублевого заимствования стандартным заёмщиком из числа российских банков с минимальным кредитным риском. По мнению автора, поскольку Центральный Банк Российской Федерации ведет жёсткую политику в отношении регулирования банковского сектора, то ставку заимствования банков с низким кредитным риском можно считать одновременно безрисковой и рыночной, т.е. доступной участникам фондового рынка.

В отличии, например, от индийского фондового рынка, где участие крупных институциональных инвесторов значительно ограничивается на регуляторном уровне (Aggarwal and Thomas (2018)), российский рынок по своей модели больше похож на западные рынки, на которых институциональные инвесторы имеют значительное влияние. Для каждого торгового дня в выборке ставка определялась как последняя известная, т.е. принималось последнее опубликованное значение.

Фактор времени, ДT, рассчитывался для каждого торгового дня, как количество дней, оставшихся до даты экспирации.

Учет дивидендов осуществлялся в два этапа. На первом этапе, определяется попадает ли закрытие реестра акционеров на срок обращения анализируемого фьючерсного контракта. Если да - то рассчитывается приведенное стоимость дивиденда:

	(42)

ДTdiv - количество дней от текущего дня до даты закрытия реестра.

Логично, что если на период обращения контракта закрытие реестра не происходит, то величина PV(Div) равна нулю.

Приведенная стоимость дивиденда прибавлялась к приведенной фьючерсной цене после того, как она была скорректирована на размерность. Учет размерности представляет собой деление цены фьючерсного контракта на число акций, содержащихся в нем.

Еще одним важным моментом является то, что для обеспечения непрерывности анализа требуется пролонгировать фьючерсные контракты, поскольку они со временем исполняются. Aggarwal and Thomas (2018) переходили с текущего контракта на следующий за два дня до экспирации. В настоящей работе, алгоритм «переключения» между контрактами построен следующим образом. Перед тем, как приступить к расчету определяется номер недели исследуемого дня и номер недели, на которую выпадает дата экспирации. Если номера совпадают, то расчет переключается с текущего фьючерсного контракта на следующий. По спецификациям, действующим в период анализа, все фьючерсные контракты на акции исполнялись в четверг, таким образом, в настоящей работе переключение между контрактами происходит за 3 торговых дня до экспирации. В дополнении, такой алгоритм обусловлен тем, что на Московской Бирже действует специальная программа для маркет-мейкеров, которая становится доступной за 5 дней до экспирации контрактов. Чтобы избежать данного влияния, экспирационая неделя в расчетах не участвует.

Таким образом, мы получили сопоставимые ценовые ряды, которые можно анализировать на предмет доминирования в процессе включения новой информации в эффективную цену акций.

Первоначально, согласно предпосылкам коинтеграции (см. раздел 1.1.) необходимо убедиться, что исследуемые ряды являются интегрируемыми в порядке 1, I (1). Для этого, первые разности сопоставимых ценовых рядов анализировались на предмет стационарности с помощью дополненного теста Дикки-Фулера (Augmented Dickey-Fuller test, ADF test).

Затем, следуя традиционному подходу к анализу процесса включения новой информации в эффективную цену, с помощью статистического пакета R оценивалась коинтеграционная модель, аналогичная модели (3).

	(43)

Порядок авторегрессии, К, определялся на основе информационного критерия Акаике (AIC). После чего, ценовые ряды исследовались на предмет наличия коинтеграции, формы коинтеграционного вектора, а также числа коинтеграционных векторов. С помощью теста Йохансена решаются эти задачи. Для двух ценовых рядов результаты теста, свидетельствующие о наличии одного коинтеграционного вектора вида в? = (1, -1), должны быть следующими:

Н1: r = 0 - коинтеграции нет. Должна быть отвергнута на 5%-ом уровне;

Н2: r = 1 - присутствует не более одного коинтеграционного вектора. Должна быть принята на 5%-ом уровне;

в = (1, -1).

Забегая вперед, скажем, что выполнение 3-го пункта было принято условным. Идеального значения, равного -1, на реальном рынке добиться практически невозможно. Однако, наши результаты показывают, что медиана распределения второго элемента коинтеграционного вектора близка к -1.

Наконец, после теста Йоханасена, оценивалась модель (43), с целью получения оценок ортогональных коэффициентов коррекции ошибок, б?, и матрицы ковариации остатков, Щ.

На основе полученных оценок, Компонентная доля определялась согласно выражению (21):

Информационная доля рассчитывалась с применением факторизации Холецкого, как среднее значение между верхней и нижней границей, которые в свою очередь определялись исходя из выражения (15).

Как уже было отмечено выше, в настоящей работе, в отличие от множества других работа, посвященных процессу включения информации в эффективную цену, вместе с базовыми метриками будет использоваться и их модернизированный вариант. Расчет аналогичен, представленному в работе Putnins (2013), и представлен выражением (40).

Одной из ключевых задач данной работы является проверка выводов, которые сделал Putnins (2013). А именно, тестирование гипотезы Н1.

Н1: ILS и IS дают противоположные результаты, если разность между CS двух инструментов относительно больше разности в IS.

Интуитивно понятно, что Н1 верна и не требует тестирования. Однако, во-первых, интерес вызывает выявление инструментов, относительно которых два показателя дают согласованный результаты, а во-вторых, проверить влияние корреляции на согласованность данных метрик. Конечно, как уже было сказано ранее, вопрос корреляции остатков в настоящей работе не является основополагающим, а лишь позволяет сформировать базу для новых исследовательских работ в данном направлении.

Aggarwal and Thomas (2018), несмотря на то, что произвели расчет показателя Информационное лидерство, отказались от его использования при определении детерминант процесса включения новой информации в эффективную цену акций в пользу Информационной доли. В связи с этим, логично возникает вопрос. В чем причина отказа от теоретически более корректного показателя?

Мы знаем, что для регрессионного анализа больше всего подходят нормально распределенные величины, либо величины, распределение которых близко к нормальному. Также, уже было сказано, что показатель IS может приводить к ошибочным заключениям относительно вклада в процесс включения новой информации в эффективную цену, если рассматривать данный процесс с точки зрения того, какой из рынков быстрее отражает информацию об эффективной цене. По-прежнему такая постановка вопроса вызывает сомнения, поскольку согласно определению, в процессе включения информации также важна эффективность, которую можно охарактеризовать как относительное избегание шума. Отсюда, вытекает исследовательский вопрос.

ИВ: Обладают ли модернизированные показатели IL и ILS менее привлекательными статистическими свойствами, желаемыми для изучения процесса включения новой информации в эффективную цену акций?

Ответ на исследовательский вопрос может пролить свет на то, почему новые показатели не обрели популярность, вопреки своей большей информативности.

2.2.2 Подход к определению детерминант вклада в процесс включения новой информации в эффективную цену

В качестве детерминант вклада в процесс включения новой информации в эффективную цену в настоящей работе рассматривают 3 величины:

Разность в ликвидности инструментов;

Волатильность базового актива (акции);

Интенсивность общего информационного фона.

Исследование первых двух показателей мотивировано работой Aggarwal and Thomas (2018). Традиционно, при изучении различных аспектов, связанных с фондовыми рынками, объектом анализа выступают развитые рынка, в частности, фондовый рынок США. Однако, ввиду высокой фрагментации (в США для торговля разными инструментами на один и тот же базовый актив зачастую осуществляется на разных биржах) для исследователей тяжело получить синхронные потоки заявок, что затрудняет анализа процесса поглощения информативных новаций. Несмотря на это, инструменты на развитых рынках не испытывают существенного недостатка в ликвидности, в отличии от развивающихся площадок. В данном аспекте настоящая работа, также как исследование Aggarwal and Thomas (2018), имеет отличие. Исследуемые рынки (российский и индийский соответственно), представленные Московской Биржей и Национальной Фондовой Биржей Индии (National Stock Exchange of India), одновременно и в рамках одной площадки предоставляют доступ как к срочному рынку, так и к фондовому рынкам. Это позволяет получать более точную информацию о котировках.

Однако, регуляторные ограничения в Индии значительно обременяют институциональных инвесторов в связи с чем, на NSE больший торговый объем генерируют небольшие розничные игроки (85% сделок совершают не институциональные инвесторы), а объем торгов на фьючерсном рынке превосходит спот (Aggarwal and Thomas (2018)). На других биржевых площадках, включая Россию, ситуация обычно противоположная - больший объем проходит на торгах спот секции и генерируется институциональными инвесторами. Таким образом, мы имеем в некоторой степени уникальную ситуацию, в рамках которой формулируется следующая гипотеза:

Н2: Спот рынок является доминирующим в терминах процесса включения новой информации в эффективную цену акций.

Ответ, полученный при тестировании гипотезы Н2, позволит повысить эффективность рынков, а также более точно отслеживать рыночные манипуляции.

Aggarwal and Thomas (2018) отмечали, что одним из возможных направлений развития их темы, может быть ее верификация на других площадках. Поэтому в настоящей работе мы также рассмотрим схожие с представленными в их работе показатели, характеризующие ликвидность и доступность маржинальных позиций.

В отличии от исходной работы, в которой авторы предложи свою меру ликвидности (см. раздел 1.4.), в мы будем использовать более классическую метрику. В качестве меры ликвидности спот и фьючерсного рынков используется bid-ask спред:

	(44)

где

Askit - цена лучшей заявки на продажу i-го инструмента в момент t;

Bidit - цена лучшей заявки на покупку i-го инструмента в момент t;

Midquoteit - среднее значение между ценами лучших заявок на продажу и покупку i-го инструмента в момент времени t.

Объясняющей переменной для вклада в процесс включения новой информации в эффективную цену акции является разность между спредом фьючерсного и спот рынков.

	(45)

Дополнительно к этому, можно отметить, что более простой мерой разности ликвидности инструментов может служить разность в объеме торгов. Однако, использование разности спредов, удобнее с точки зрения размерности показателей. Так, объемы торгов исчисляются миллиардами рублей, что при размерности целевого показателя [0,1], приводит к неудобству при интерпретации коэффициентов регрессии.

Доступность маржинальных позиций является важным аспектом в изучении процесса включения новой информации в эффективную цена на основе информационных потоков спот и срочного рынков, потому что деривативы, а в частности, фьючерсные контракты имеют встроенную маржинальную позицию. Например, на российском рынке для того, чтобы открыть позицию по фьючерсному контракту достаточно иметь на счете от 10% до 20% суммы сделки. Следовательно, если маржинальные позиции на спот рынке относительно дорогие, или вообще, запрещены (например, очень часто возникает ситуация, при которой брокер не предоставляет в займ акцию для того, чтобы его клиент мог открыть по ней короткую позицию), то срочный рынок автоматические становится более привлекательным за счет уже встроенного «плеча».

Aggarwal and Thomas (2018) для учета доступности маржинальных позиции использовали прокси показатель, который рассчитывается по формуле:

	(46)

где

- волатильность акции в предыдущий торговый день.

Данная модель была построена с целью создания прокси показателя, характеризующего леверидж. Однако, на российском рынке, стоимость займа акций обычно равна ставке РЕПО с ЦК плюс некоторая величина, устанавливаемая брокером. К сожалению, автору не удалось найти исторические значения ставок по маржинальным позициям, поэтому в настоящей работе в качестве такого показателя будут протестированы ставка РЕПО с ЦК и лаговая волатильность базового актива как в линейной, так и в квадратичной форме.

Поскольку основным вопросом касательно указанных выше двух показателей является их релевантность на другом рынке, то мы будет тестировать гипотезы аналогичные тем, что представлены в исходной работе.

Н3: Вклад фьючерсного рынка в процесс включения новой информации в эффективную цену тем выше, чем ниже разность в ликвидности, Дspread, при прочих равных.

Н4: Вклад фьючерсного рынка в процесс включения новой информации в эффективную цену тем выше, чем выше дороже маржинальная позиция на спот рынке, при прочих равных.

Заранее оговоримся, что чем выше волатильность акции, тем менее охотно брокер будет давать ее в займ. Не изымая акцию из перечня бумаг, доступных для короткой продажи, брокер для ограничения выдачи данной бумаг поднимает ставку по займу. Таким образом, увеличение волатильности может приводить снижению интереса инвестора торговать на спот рынке, ведь леверидж во фьючерсном контракте обычно изменяется не значительно.

Для тестирования гипотез Н3 и Н4 оценивалась регрессионная модель с фиксированными эффектами вида:

	(47)

где

- метрика (IS или ILS) вклада в процесс включения новой информации в эффективную цену;

- показатель, характеризующий стоимость маржинальной позиции на спот рынке.

Третья детерминанта вклада в процесс включения новой информации в эффективную цену акции - это интенсивность информационного фона. Конкретнее, под общим информационным фоном понимается макроэкономическая ситуация, а ее интенсивность - это реакция на анонсы макроэкономических новостей.

Интенсивность информационного фона рассматривалась в работе Aggarwal and Thomas (2018), как дополнительная дамми-переменная в регрессии с фиксированными эффектами. В настоящей работе мы также рассмотрим подобную спецификацию. Как в чистом виде:

	(48)



Так и в общем, т.е. вместе с микроструктурными показателями:

	(49)

где eventt - это дамми-переменная, принимающая значение 1, если в наблюдаемый день имел место анонс макроэкономических новостей.

Поскольку время анонсов предопределено, то информированные инвесторы могут предпочесть спот рынок фьючерсному, чтобы воспользоваться встроенным «плечом». Отсюда следует гипотеза Н5.

Н5: В момент повышенной информационной интенсивности, вклад фьючерсного рынка в процесс включения новой информации в эффективную цену увеличивается.

Заметим, что дополнительный эффект может оказать ликвидность фьючерсного рынка. Если ее будет недостаточно, то экономический смысл смены торговой секции может быть не оправдан.

2.3. Данные

В настоящей работе мы используем данные об инструментах Московской Биржи, собранные автоматизированным путем из торговой системы QUIK. Каждые 0,25 секунды программа как бы делает снимок электронной книги заявок по всем, интересующим нас инструментам, после чего помещает информацию о лучших заявка на покупки и продажу в базу данных. Хранимая информация содержит время получения данных, цену и объем.

Выборка охватывает временной интервал в 71 неделю: с 3 апреля 2017 г. по 10 августа 2018 г. В данный промежуток времени на фьючерсном рынке Московской Биржи были представлены контракты на 23 акции.



Таблица 3

Перечень анализируемых инструментов

Тикер	Серии фьючерсных контрактов
	6.17	9.17	12.17	3.18	6.18	9.18
ALRS	+	+	+	+	+	+
FEES	+	+	+	+	+	+
GAZP	+	+	+	+	+	+
GMKN	+	+	+	+	+	+
HYDR	+	+	+	+	+	+
NVTK	+	+	+	+	+	+
RTKM	+	+	+	+	+	+
SNGSP	+	+	+	+	+	+
TATN	+	+	+	+	+	+
VTBR	+	+	+	+	+	+
MGNT	+	+	+	+	+	+
NLMK	+	+	+	+	+	+
SBERP	+	+	+	+	+	+
SNGS	+	+	+	+	+	+
MTSS	+	+	+	+	+	+
ROSN	+	+	+	+	+	+
SBER	+	+	+	+	+	+
CHMF	+	+	+	+	+	+
LKOH	+	+	+	+	+	+
TRNFP	+	+	+	+	+	+
MOEX	+	+	+	+	+	+
AFLT		+	+	+	+	+

Сост. по источнику: данные автора

Однако ввиду того, что фьючерсные контракты на акции ПАО «Уралкалий» были выведены из обращения практически в самом начале рассматриваемого периода, инструменты, связанные с данным эмитентом, из выборки были исключены. Также, отметим, что фьючерсные контракты на акции ПАО «Аэрофлот» начали обращаться только с серии 9.17, т.е. при анализе контрактов серии 6.17 в рассмотрении участвовала 21 пара инструментов. В Таблице 3 представлен перечень инструментов, вошедших в анализ.

Aggarwal and Thomas (2018) указывают на особый феномен, свойственный индийскому рынку - ввиду существенных регуляторных ограничений, фьючерсные контракты имеют больший объем по сравнению со спот рынком, и к тому же этот объем формируется преимущественно розничными трейдерами, а не крупными институтами.

Таблица 4

Медиана дневного объема торгов на спот и фьючерсном рынках и медиана их разности, млн. руб.

Тикер	Спот	Фьючерс	С - Ф	Ф/С, %
AFLT	747	23	715	3%
ALRS	1 081	13	1 066	1%
CHMF	577	10	566	2%
FEES	267	21	251	8%
GAZP	3 320	1 907	1 398	57%
GMKN	1 779	269	1 502	15%
HYDR	385	19	365	5%
LKOH	2 177	645	1 485	30%
MGNT	1 231	103	1 092	8%
MOEX	829	14	810	2%
MTSS	451	9	440	2%
NLMK	483	4	479	1%
NVTK	506	6	498	1%
ROSN	1 252	311	927	25%
RTKM	177	2	175	1%
SBER	9 239	8 905	421	96%
SBERP	657	208	425	32%
SNGS	351	20	328	6%
SNGSP	524	22	505	4%
TATN	582	25	549	4%
TRNFP	299	11	278	4%
VTBR	701	246	449	35%

Сост. по источнику: moex.com, расчеты автора

Из Таблицы 4 видно, что российский рынок в данном аспекте отличается от индийского. Объемы торгов сопоставимы только у пары инструментов на обыкновенные акции ПАО «Сбербанк». Объем торгов по остальным инструментам практически не соизмерим. Медианное значение отношения объема торгов фьючерсными контрактами к объему торгов акциями составляет 5%. Такое положение на рынке может указывать на недоразвитость срочного рынка. В частности, думается, без опасения можно сказать, что большинство шумовых трейдеров на российском рынке просто не принимает участия в торгах на срочном рынке, не понимая его механики.

Множество авторов (например, Putnins (2013), Rindi (2008)) утверждают, что обычно в качестве прокси показателя принимается среднее значение цен лучших котировок (midquotes), потому что они содержат меньше микроструктурного шума, в отличие от цен сделок, подверженных скачкам внутри спреда (bid-ask bounce). В настоящей работе мы также используем среднее значение цен лучших котировок.

Как и любой анализ временных рядов, анализ процесса включения новой информации требует, чтобы тайм-фрейм данных был единым. Несмотря на возможность провести анализ довольно высокой частоте (0,25 сек.), настоящее исследование оперирует данными на 1-секундном интервале, как и большинство работ по данной теме. Слишком высокая частота данных может быть подвержена большему шуму. На Московской Бирже акции и фьючерсные контракты большую часть основной торговой сессии обращаются одновременно, с 5-минутным перерывом на дневной клиринг с 14:00 до 14:05. Рынок открывается в 10:00 по московскому времени, а закрывается в 18:40. Таким образом, за один торговый день по одному инструменту набирается 31 199 наблюдений, а по всем 22 инструментам - 686 378 (в момент открытия рынка 10:00 котировка принята неизвестной и убрана из выборки). Перевод котировок из тайм-фрейма 0,25 сек. в 1 сек. производился путем фиксирования каждую секунду, начиная с 10:00:01, последнего известного значения цены.

Принимая во внимание подобный характер данных (Таблица 4), можно предположить, что спот рынок будет доминировать в процессе включения новой информации в эффективную цену акции. Мы связываем это с тем, что спот рынок в среднем обладает значительно более мощным потенциалом к раскрытию информации по причине того, что через него проходит больший объем денежных средств.

Таблица 5

Среднедневные показатели ликвидности и волатильности и их разность между рынками

Тикер	Среднедневной спред, %	Волатильность дневной доходности, %	Отнош. объемов Столбец Ф/С в Таблице 4.
	Акция	Фьючерс	С - Ф	Акция	Фьючерс	С - Ф
ALRS	0,04%	0,14%	-0,10%	1,49%	1,34%	0,15%	1%
CHMF	0,06%	0,31%	-0,26%	1,35%	1,23%	0,12%	2
FEES	0,06%	0,13%	-0,07%	1,56%	1,31%	0,25%	8%
GAZP	0,02%	0,02%	0,00%	1,23%	1,10%	0,12%	57%
GMKN	0,04%	0,08%	-0,04%	1,47%	1,31%	0,16%	15%
HYDR	0,05%	0,13%	-0,09%	1,50%	1,26%	0,25%	5%
LKOH	0,04%	0,04%	-0,01%	1,29%	1,12%	0,17%	30%
MGNT	0,05%	0,09%	-0,05%	1,73%	1,58%	0,15%	8%
MOEX	0,02%	0,15%	-0,13%	1,54%	1,25%	0,29%	2%
MTSS	0,06%	0,22%	-0,16%	1,49%	1,35%	0,14%	2%
NLMK	0,05%	0,25%	-0,20%	1,59%	1,33%	0,26%	1%
NVTK	0,07%	0,38%	-0,31%	1,41%	1,32%	0,08%	1%
ROSN	0,04%	0,05%	-0,01%	1,36%	1,20%	0,16%	25%
RTKM	0,05%	0,29%	-0,24%	1,14%	1,08%	0,06%	1%
SBER	0,02%	0,02%	0,00%	1,51%	1,45%	0,05%	96%
SBERP	0,05%	0,07%	-0,02%	1,42%	1,29%	0,13%	32%
SNGS	0,06%	0,16%	-0,09%	1,34%	1,05%	0,29%	6%
SNGSP	0,05%	0,15%	-0,09%	1,36%	1,17%	0,20%	4%
TATN	0,06%	0,19%	-0,12%	1,54%	1,18%	0,35%	4%
TRNFP	0,10%	0,48%	-0,38%	1,32%	1,63%	-0,31%	4%
VTBR	0,04%	0,05%	-0,01%	1,43%	1,44%	-0,01%	35%
AFLT	0,06%	0,17%	-0,10%	1,57%	1,52%	0,05%	3%

Сост. по источнику: расчеты автора



Несмотря на это, фьючерсный рынок может быть эффективнее. Для этого существует несколько причин. Во-первых, встроенный леверидж, стоимость которого, как правило, ниже, чем на спот рынке, позволяет увеличить доходность при информированной торговле. Во-вторых, российский рынок скуден на короткие продажи на спот рынке, особенно в кризисные моменты - брокеры просто не дают акции в займы. Рынок фьючерсных контрактов куда более лоялен к этому, поскольку, несмотря на наличие границ, возможность осуществления короткой продажи есть по всем инструмента. В-третьих, на российском рынке несколько фьючерсных контрактов обладают сопоставимыми издержками, что и базовый актив (отмечены серым в Таблице 5), а значит для них практически элиминируется одно из преимуществ спот рынка. С этой точки зрения, на фьючерсном рынке, предположительно, в основном принимают участие информированные участники рынка.

Выше уже было сказано, что важными характеристиками инструментов являются ликвидность и доступность маржинальной торговли, которая в первую очередь зависит от волатильности базового актива.

Из Таблицы 5 видно, что хотя спот рынок в среднем более ликвиден, он также и более волатилен по сравнению с фьючерсным рынком. Однако, заметим, 5 из 22 пар обладают практической равной ликвидностью, что не удивительно, ведь это основные голубые фишки российского фондового рынка. Помимо этого, среди 22 пар есть 2, фьючерсный контракт которых более волатильный относительно базового актива. Ситуацию с привилегированной акцией ПАО «Транснефть» можно объяснить тем, что очень дорого стоит, и потребность в ребалансировке может приводить к значительным колебаниям. В случае с обыкновенными акциями ПАО «Банк ВТБ» скорее всего обратная ситуация, поскольку их стоимость очень низкая.



Глава 3. Результаты

3.1 Определение доминирующего рынка

Перед тем, как проводить анализ полученных результатов, необходимо их очистить. Всего выборка результатов содержит 7 330 инструмент-дней. Однако, в ней присутствуют наблюдения, которые мы не можем расценивать как информативные по причине того, что в них либо нарушена коинтеграционная связь, либо значение вектора в существенно отклоняется от предполагаемого. Подобные нарушения могут быть вызваны несколькими причинами. Во-первых, несмотря на то, что исходные данные собирались автоматизированным способом, это не исключает возможности возникновения ошибок записи, которые могут иметь место как по вине стороны получения данных, так и по вине стороны отправки (хотя это маловероятно).

Таблица 6

Анализируемые торговые дни по каждому инструменту с учетом фильтров

Тикер	Исходно	Фильтр 1	Фильтр 2	Потери, %
AFLT	233	183	160	31%
ALRS	338	249	217	36%
CHMF	...

Подобные документы

• Участники рынка фьючерсных контрактов. Тенденции развития современного мирового рынка производных ценных бумаг

  Фьючерсы и опционы как финансовые инструменты, позволяющие установить сегодня цену, по которой активы могут быть куплены или проданы в будущем. Закономерности функционирования фьючерсного рынка, характеристика его основных участников, тенденции развития.
  
  контрольная работа [28,4 K], добавлен 07.12.2011
  

• Фьючерсный контракт

  Определение, цели и основные признаки фьючерсного контракта, его стандартизация и унификация. Виды фьючерсных контрактов: поставочный и расчетный. Организация фьючерсной торговли, условия заключение и расторжения сделок. Инфраструктура фьючерсного рынка.
  
  реферат [24,3 K], добавлен 18.08.2014
  

• Московская биржа

  Выставление заявок и заключение сделок на бирже в течение торгового дня. Индикатор денежного рынка. Объем торгов на Московской бирже. Технический анализ конъюнктуры рынка FOREX. Открытие и закрытие позиций валютной пары, а также выставление ордеров.
  
  реферат [482,7 K], добавлен 23.05.2014
  

• Фьючерсные контракты и их классификация

  Определение, цели и признаки фьючерсного контракта. Сравнительная характеристика форвардного и фьючерсного контрактов. Организация фьючерсной торговли. Порядок заключения и исполнения сделок на куплю-продажу фьючерсных контрактов. Стратегии хеджирования.
  
  реферат [525,7 K], добавлен 19.08.2010
  

• Закономерности развития рынка акций на примере ОАО "Газпром"

  Сущность рынка ценных бумаг. Понятие акции как ценной бумаги, её характеристика и классификация. Цена и доходность акций, методы анализа рынка акций. Спред-анализ рынка акций ОАО "Газпром". Проблемы и перспективы развития фондового рынка в России.
  
  курсовая работа [2,5 M], добавлен 29.01.2011
  

• Ценные бумаги. Рынок ценных бумаг. Особенности функционирования рынка ценных бумаг в России

  Сущность и функционирование рынка ценных бумаг. Экономическая суть облигаций. Денежные расчеты по сертификатам. Заключение фьючерсного контракта. Виды фондовых рынков. История формирования и особенности функционирования российского рынка ценных бумаг.
  
  курсовая работа [96,1 K], добавлен 24.10.2014
  

• Договор банковского вклада

  Система потребительского кредита. Спектр банковских услуг. Понятие, правовая природа договора банковского вклада. Элементы договора банковского вклада. Виды банковских вкладов. Содержание, исполнение и ответственность по договору банковского вклада.
  
  курсовая работа [38,5 K], добавлен 02.11.2008
  

• Состояние, проблемы и основные тенденции развития российского рынка акций

  Теоретические основы функционирования рынка акций, их характеристика. Историческое развитие российского фондового рынка, особенности его функционирования. Оценка состояния рынка акций в России, проблематика и направления совершенствования деятельности.
  
  курсовая работа [2,0 M], добавлен 18.03.2018
  

• Договор банковского вклада

  История возникновения договора банковского вклада. Его юридическая (правовая) природа. Права и обязанности сторон договора банковского вклада: банка и вкладчика. Обеспечение возврата вклада и его страхование. Депозитные договоры с участием Банка России.
  
  дипломная работа [73,8 K], добавлен 04.02.2013
  

• Организация фондовых бирж в Российской Федерации

  Современные тенденции развития фондовых бирж и биржевых операций. Объем торгов на рынках Московской Биржи. Определение индексов акций Московской Биржи в рублях и долларах. Политика государственных органов в регулировании российского рынка ценных бумаг.
  
  реферат [674,0 K], добавлен 09.04.2014
  

• Характеристика акции как ценной бумаги

  Общая характеристика рынка акций Великобритании. Финансовые инструменты, обращающиеся на рынке акций государства. Состав и иерархия органов регулирования рынка ценных бумаг Великобритании. Основные направления развития рынка ценных бумаг в России.
  
  курсовая работа [54,9 K], добавлен 09.09.2014
  

• Гражданско-правовая характеристика договора банковского вклада

  Определение правовой природы договора банковского вклада, обозначение его места в существующей системе гражданско-правовых договорных обязательств. Рассмотрение особенностей содержания и ответственности договора банковского вклада; анализ его видов.
  
  курсовая работа [39,6 K], добавлен 28.07.2015
  

• Влияние выкупа акций на цену акций на развивающихся рынках

  Анализ существующих методов выкупа акций. Основополагающие работы по оценке влияния выкупа на цену акций. Анализ законодательства стран BRIC как ключевого фактора, который может повлиять на разницу в результатах между развитыми и развивающимися рынками.
  
  курсовая работа [396,6 K], добавлен 14.07.2016
  

• Основные аспекты применения акций в инвестиционной деятельности

  Общее понятие и особенности акции как инвестиционного инструмента. Крупнейшие эмитенты российского рынка акций. Оценка инвестиционной привлекательности акций "ОАО Металлург". Современные проблемы и дальнейшие перспективы российского рынка акция.
  
  курсовая работа [62,8 K], добавлен 10.04.2014
  

• Договор банковского вклада

  Понятие, виды, элементы и правовая природа договора банковского вклада. Основные направления развития гражданского права в сфере банковских вкладов в Республике Казахстан. Содержание законодательной базы, лежащей в основе договора банковского вклада.
  
  курсовая работа [33,3 K], добавлен 28.09.2010
  

• Валютный рынок РФ

  Сущность валютного рынка, его роль в современной экономике. Основные закономерности развития валютного рынка. Механизм действия валютного рынка и формирование валютного курса. Порядок работы и финансирования Московской межбанковской валютной биржи.
  
  дипломная работа [189,8 K], добавлен 17.03.2009
  

• Договор банковского вклада

  Понятие, особенности и правовая природа договора банковского вклада, его сущность, объектный и субъектный состав. Разновидности вкладных сделок. Специфика депозитных операций. Обязательства банка и порядок обеспечения возврата вклада и выплат процентов.
  
  курсовая работа [31,4 K], добавлен 23.12.2015
  

• Функционирование вторичного рынка ценных бумаг

  Законодательные основы и механизм допуска ценных бумаг к биржевым торгам на вторичном рынке. Анализ функционирования вторичного рынка ценных бумаг на фондовой бирже РТС. Проблемы и перспективы развития вторичного рынка ценных бумаг в Российской Федерации.
  
  курсовая работа [906,0 K], добавлен 05.03.2013
  

• Договор банковского вклада

  Правовая природа банковских сделок. Банковский вклад. Понятие договора банковского вклада. Правовая природа договора банковского вклада. Содержание, формы, виды и стороны договора банковского вклада. Порядок начисления процентов на вклад и их выплаты.
  
  курсовая работа [62,7 K], добавлен 06.12.2008
  

• Исследование факторов, способствующих появлению валютных рисков в деятельности коммерческого банка

  Хеджирование как инструмент регулирования валютных рисков. Общая характеристика деятельности ОАО "Оптима банк". Современное состояние хеджирования валютных рисков в КР. Факторы, влияющие на цену фьючерсного контракта. Стоимость страховки — премии опциона.
  
  курсовая работа [1,1 M], добавлен 12.01.2015
  

• главная
• рубрики
• по алфавиту
• вернуться в начало страницы
• вернуться к началу текста
• вернуться к подобным работам