Сравнительный анализ влияния процентной и резервной политики Центрального банка Российской Федерации на динамику российского фондового рынка

Таблица 4

Обозначение переменной	Описание	Единица измерения
IMOEX	Индекс ММВБ	RUB
MOEXOG	Индекс сектора нефти и газа	RUB
MOEXTL	Индекс телекоммуникационной отрасти	RUB
MOEXMM	Индекс сектора металлов и добычи	RUB
MOEXFN	Индекс финансовой отрасли	RUB
MOEXCN	Индекс потребительского сектора	RUB
MOEXCH	Индекс химической и нефтехимической отрасли	RUB
KR	Среднемесячный показатель ключевой ставки	%
M2	Прирост денежной массы к предыдущему месяцу	%
MIACR90	Ставка межбанковского кредитного рынка на период от 1 до 3 месяцев	%
OR	Среднемесячная сумма обязательных резервов на корреспондентских счетах	%

Источник: составлено автором на основе данных Банка России и MOEX

Спецификации интересующих нас уравнений имеют следующий вид:

,

где обозначает один из показателей фондовой биржи, обозначает либо переменную KR, либо MIACR90. Сбор данных осуществляется из открытых источников: база данных Банка России, Finam.



2.2 Описание модели

Для получения несмещённых оценок необходимо, чтобы наборы данных удовлетворяли предпосылке стационарности. Для проверки имеющихся выборок обратимся к тесту Дики-Фуллера (таблица 5).

Таблица 5

Обозначение переменной	Результаты базовых наборов данный (p-value)	Результаты для лог-доходностей наборов данный (p-value)
IMOEX	0.6791	0.02196
MOEXOG	0.9133	0.05108
MOEXTL	0.5061	0.01
MOEXMM	0.3787	0.01
MOEXFN	0.7982	0.01004
MOEXCN	0.6452	0.01
MOEXCH	0.8992	0.01
RGBI	0.3155	0.03687
RUCBICP	0.2156	0.02949
KR	0.1108	0.01224
MIACR90	0.1468	0.01
M2	0.1	-
OR	0.4684	0.01

Источник: составлено автором в RStudio, выделенные результаты - не являются стационарными после приведения к лог-доходностям.

Тест, примененный для исходного набора данных, продемонстрировал ожидаемое отсутствие стационарности. Для получения стационарных временных рядов воспользуемся приемом логарифмирования и найдем лог-доходности для каждого индекса:

,

где - лог-доходность актива, - цена актива в момент времени t. Для переменных, обозначающих ставки процента, операция логарифмирования не требуется. Результаты показывают, что временные ряды, представленные в форме лог-доходностей, удовлетворяют предпосылке стационарности, за исключением некоторых переменных. Одной из возможных причин для подобного результата является наличие периода кризиса, включенного в выборку.

Для определения необходимой длины лага обратимся к информационным критериям Акайке (AIC), Шварца (BIC), Хеннана-Куинна (HQ), а также итоговой ошибки прогноза (FPE). Согласно полученным данным, оптимальным лаговым значением является (приложение 1).

Результаты расчетов для широких фондовых индексов, для выборки, включающей период кризиса 2014 года, представлены в таблицах 6-7.

Таблица 6

октябрь 2013 - декабрь 2019
	IMOEX	RGBI	RUCBICP
Переменная		p-value		p-value		p-value
Y.L1					0,4749	0.0004
KR.L1	0.015	0.021
MIACR90.L1	0.012	0.002
OR.L1
M2.L1

Источник: составлено автором в RStudio, выделенные результаты - статистически значимые, - статистически незначимые

Таблица 7

Переменная	Adj. R-squared (спецификация с ключевой ставкой)	Adj. R-squared (спецификация со ставкой MIACR на срок 30 - 90 дней)
IMOEX	0.05456	0.1592
RGBI	0.0007749	0.0007041
RUCBICP	0.203	0.2032

Источник: составлено автором в RStudio

Согласно модели, инструменты процентной политики Банка России оказывают значимое влияние на динамику индекса рынка акций. Однако полученные оценки для индексов долгового рынка демонстрируют неожиданный результат - для данного временного отрезка влияние инструментов ДКП оказалось незначимым.

Исходя из теоретических предпосылок можно сделать вывод, что результат оценки модели для индексов рынка облигаций является несостоятельным. На это косвенно может указывать крайне низкий скорректированный коэффициент детерминации в случае индекса государственных облигаций, а также существенная корреляция между переменными RGBI, RUCBICP и показателями, относящимися к перечню инструментов процентной политики Банка России (приложение 1). Основываясь на данных фактах, для получения более объективной оценки влияния инструментов ДКП на динамику фондовой биржи, было решено провести дополнительное построение модели линейной регрессии, которая не включает лаговое значение самого индекса в спецификацию:

,

где переменная соответствует значению одного из индексов долгового рынка в момент времени отражает один из инструментов процентной политики Банка России. Также важно учитывать наличие автокорреляции среди переменных анализируемой выборки. Для получения несмещенных оценок уравнения регрессии было решено прибегнуть к методике получения робастных к автокорреляции и гетероскедастичности стандартных ошибок, предложенной Ньюи и Вестом Стандартные ошибки в форме Ньюи-Веста // Прикладная эконометрика. 2014. № 33. . Результаты произведённой оценки уравнений регрессии представлены в таблице 8.



Таблица 8

	RGBI	RUCBICP
Переменная		p-value		p-value
KR	-0.0155	0.01011	-0,0068	7.357e-09
MIACR90	-0.0106	0.005	-0.0049	2.209e-10
OR
M2

Источник: составлено автором в RStudio, выделенные результаты - статистически значимые, - статистически незначимые

Таким образом, было выявлено наличие влияния процентной политики на динамику индексов долгового рынка российской фондовой биржи. Скорректированные коэффициенты детерминации в среднем превышают 0.25 для всех спецификаций (приложение 3).

В свою очередь, результаты для отраслевых индексов представлены в таблице 9.

Таблица 9

октябрь 2013 - декабрь 2019
	MOEXTL	MOEXMM	MOEXFN	MOEXCN	MOEXCH
Переменная		p-val.		p-val.		p-val.		p-val.		p-val.
Y.L1
KR.L1			0.023	0.008	0.019	0.0425	0.012	0.06	0.02	0.0007
MIACR90.L1	0.011	0.061	0.018	0.002	0.013	0.026	0.011	0.01	0.021	0.0003
OR.L1
M2.L1

Источник: составлено автором в RStudio, выделенные результаты - статистически значимые, - статистически незначимые

В целом, значимо изменение в инструментах процентной ставки, в то время как изменения резервных требований являются статистически незначимыми.

Как было указано ранее, выборка включает в себя период обострения геополитической обстановки между Россией, США и ЕС, который может оказывать существенное влияние на динамику фондового рынка, таким образом искажая оценки модели. В данном контексте целесообразно произвести расчеты для урезанного временного периода, исключающего 2014 год (таблицы 10-11).

Таблица 10

январь 2015 - декабрь 2019
	IMOEX	RGBI	RUCBICP
Переменная		p-value		p-value		p-value
Y.L1					0.314	0.030
MIACR90.L1
OR.L1			0.124	0.037
M2.L1

Источник: составлено автором в RStudio, выделенные результаты - статистически значимые, - статистически незначимые

Таблица 11

январь 2015 - декабрь 2019
	MOEXOG	MOEXTL	MOEXMM	MOEXCN	MOEXCH
Переменная		p-val.		p-val.		p-val.		p-val.		p-val.
Y.L1
MIACR90.L1							0.111	0.085
OR.L1									-0.274	0.09
M2.L1

Источник: составлено автором в RStudio, выделенные результаты - статистически значимые, - статистически незначимые

Таким образом, можно утверждать, что сокращение временного ряда привело к смешанным результатам. Во-первых, набор данных, отражающих изменение ключевой ставки и индекс финансового сектора, перестали отвечать предпосылке стационарности (p-value = 0.364 и 0.1981 соответственно). Обратный результат был получен относительно индекса отрасли нефти и газа (p-value = 0.01). Для большей части показателей, отражающих динамику фондового рынка, изменения в ДКП оказались незначимыми, в свою очередь, для переменной, относящейся к изменениям в резервных требованиях, были получены статистически значимые оценки в контексте влияния на индекс государственных облигаций и индекс химической и нефтехимической отрасли. Однако скорректированный коэффициент детерминации для каждой спецификации принял либо отрицательное, либо крайне низкое значение (таблица 12).

Таблица 12

Переменная	Adj. R-squared (спецификация со ставкой MIACR на срок 30 - 90 дней)
IMOEX	-0.02457
RGBI	0.06058
RUCBICP	0.03982
MOEXOG	-0.04515
MOEXTL	-0.008679
MOEXMM	-0.06504
MOEXCN	0.03297
MOEXCH	-0.00393

Источник: составлено автором в RStudio

Исходя из чего, можно сделать вывод, что адекватность оценок модели для урезанной выборки является крайне низкой, как следствие, учет полученных результатов для анализа исследуемых процессов не является целесообразным. С целью получения более состоятельных результатов для временного периода с 2015 по 2019 год было решено произвести оценки для уравнений линейной регрессии, исключающих собственное лаговое значение соответствующих индексов. Итоговые показатели продемонстрировали схожее поведение с результатами для полной выборки (приложение 3).

Исходя из полученных результатов можно получить содержательную интерпретацию построенных VAR моделей на основе функций импульсного отклика (приложение 2). Таким образом можно отразить характер и продолжительность шоков монетарной политики на динамику индексов российской фондовой биржи.

2.3 Выводы и предложения

Таким образом, процесс моделирования продемонстрировал достаточно очевидные, с точки зрения сравнения инструментов процентной ставки и обязательных резервов, результаты.

Так, в рамках исследуемого временного периода, повышение показателя ключевой ставки на 25 базисных пунктов (далее - б.п.) приводит к росту доходности широкого индекса акций IMOEX на 0,00375%. Рост среднемесячной ставки MIACR на период от 30 до 90 дней на 25 б.п. приводит к росту доходности вышеуказанного индекса на 0,003%. Подобная динамика также характерна для отдельных отраслевых индексов (таблица 13).

Таблица 13

Реакция отраслевых индексов на рост инструмента, соответствующий 25 б.п.
Показатель ДКП	MOEXTL	MOEXMM	MOEXFN	MOEXCN	MOEXCH
	+0.00275%	+0.00575%	+0.00475%	+0.003%	+0.005%
	___	+0.0045%	+0.00325%	+0.00275%	+0.00525%

Источник: составлено автором

Исходя из представленных данных, можно сделать вывод, что характер реакции, в целом, является однородным для всех представленных отраслевых индексов. Различия в значениях прироста доходности являются незначительными.

Анализируя функции импульсного отклика, можно заключить, что средняя продолжительность реакции фондового рынка на изменения в инструментах процентной политики составляет от 5 до 6 месяцев, а затем затухает. Следовательно, характер воздействия ДКП Банка России на доходность фондовых индексов можно назвать краткосрочным, что соотносится с предыдущими исследованиями, проведенными в рамках экономики России (приложение 2).

В свою очередь, реакция доходности ценовых индексов облигаций на изменения ДКП Банка России является отрицательной. В случае индекса государственных облигаций RGBI, теоретическое снижение ключевой ставки на 25 б.п. сопряжено с ростом доходности на 0.003875%, в случае анализа влияния ставки MIACR на срок от 30 до 90 дней, соответствующий рост составляет 0.00265%. В контексте индекса корпоративных облигаций реакция составила 0.0017% и 0.001225% соответственно.

Сокращение исследуемой выборки не привело к изменению полученных результатов. Соответствующая реакция биржевых индексов на изменения в ДКП Банка России за период с 2015 по 2019 год приведена в таблице 14.

Таблица 14

Реакция отраслевых индексов на рост инструмента, соответствующий 25 б.п.
Показатель ДКП	RGBI	RUCBICP	MOEXOG	MOEXTL	MOEXMM	MOEXCN	MOEXCH
	-0.00131%	-0.001%	0.00359%		0.00695%		+0.00722%

Источник: составлено автором, - изменение незначимо

Относительно результатов анализа для переменной, отражающей объем обязательных резервов, модели показали отсутствие какого-либо значимого влияния. Таким образом, можно утверждать, что основное различие между инструментами ключевой ставки, а также ставки межбанковского кредитного рынка и инструментами обязательных резервных требований заключается в отсутствии влияния на динамику российского фондового рынка при изменении последних. Однако важно отметить, что даже при учете общей значимости, реакция фондового рынка на шоки процентной политики остается крайне низкой. Результаты оценки моделей для отраслевых индексов соразмерны с оценками для широкого индекса акций. В целом, расчеты продемонстрировали положительную реакцию рынка акций на увеличение показателей процентной политики, что не было ожидаемо. В свою очередь, оценки для рынка облигаций соответствовали теоретическим представлениям, наблюдается обратная взаимосвязь.

Одной из возможных причин подобных результатов может быть тот факт, что исследуемая выборка является сравнительно небольшой и охватывает короткий промежуток времени, поскольку сам переход к политике таргетирования инфляции случился только в 2014 году. Кроме того, наличие различных внешнеполитических шоков также могло исказить оценки и минимизировать влияние ДКП. Следующей возможной причиной могла послужить сама специфика функционирования фондового рынка. Предполагается, что в цену торгуемых ценных бумаг уже включена вся информация о возможных изменениях макроэкономических показателей. Учитывая, что Банк России декларирует повышенную транспорентность и прогнозируемость проводимой ДКП, можно предположить, что подобная минимальная реакция рынка на изменения является следствием данных процессов.

Поскольку сокращение исследуемого временного ряда привело к ухудшению модели, в качестве рекомендаций для дальнейших исследований может быть рассмотрен анализ более широкой выборки. Кроме того, актуальным для российского рынка остается вопрос разложения величины изменения показателя процентной ставки на ожидаемую рынком и неожиданную составляющие. В добавление, целесообразно исследовать данные, характеризующиеся более высокой частотой: дневные или часовые.



Заключение

Произошедшие в 2013 - 2014 году различные внешнеполитические и экономические шоки обусловили изменение принципов денежно-кредитной политики Банка России. В новых условиях произошел переход от политики контроля валютных курсов к принципам таргетирования инфляции. Согласно новому направлению, основным индикатором проводимой ДКП является показатель ключевой ставки, который служит центром процентного коридора - рамок, в которых удерживаются краткосрочные процентные ставки межбанковского кредитного рынка, влияющие на все процентные ставки в экономике. Таким образом, показатель ключевой ставки регулярно корректируется для достижения поставленной цели по уровню инфляции, которая составляет 4%. В свою очередь, инструменты обязательных резервных требований изменяются гораздо реже. Так, в августе 2016 года произошло повышение ставок нормативов обязательных резервов для всех обязательств кредитных организаций с целью увеличения банковской ликвидности. Изменения 2018 года произошли в связи с намерением сократить объем валютных обязательств в структуре пассивов кредитных организаций, 2019 года - в связи с изменением перечня пассивов, подлежащих резервированию.

Анализируя факторы, влияющие на динамику российского фондового рынка, к перечню рисков было отнесено: ухудшение геополитический обстановки; снижение мировых цен на энергоносители, в частности цены нефти сорта Brent; снижение курса рубля; отток иностранного капитала. В свою очередь, можно утверждать, что проводимая ДКП косвенно привела к изменению предпочтений населения в отношении способов сохранения сбережений, о чем может свидетельствовать рост количества индивидуальных инвестиционных счетов. При этом, корреляционный анализ показал одинаковый характер воздействия инструментов процентной ставки на динамику различных сегментов фондового рынка.

Хотя анализ литературы показал, что влияние ДКП на динамику фондового рынка достаточно хорошо освящено различными авторами, в контексте российской экономике подобному вопросу уделено сравнительно мало внимания, что, в частности, относится к исследованию влияния изменений обязательных резервных требований. Учитывая это, а также ранее упомянутое изменение основ проводимой ДКП, переход к политике таргетирования инфляции, изучение влияния изменений инструментов монетарной политики на динамику российского фондового рынка является актуальной задачей.

Таким образом, на основе изученной литературы, было решено проводить исследование с помощью построения моделей векторной авторегрессии, а также с помощью оценки уравнений линейной регрессии, не включающих в спецификацию собственное лаговое значение исследуемого индекса. В качестве переменных, отражающих динамику фондового рынка, были выбраны: индекс МосБиржи, ценовые индексы государственных и корпоративных облигаций, а также отраслевые индексы. В качестве переменных, отражающих проводимую денежно-кредитную политику, были выбраны: среднемесячный показатель ключевой ставки, прирост денежной массы M2 в отношении к предыдущему месяцу, ставка межбанковского кредитного рынка на период от одного до трех месяцев, а также среднемесячный объем обязательных резервов, поддерживаемый кредитными организациями на корреспондентских счетах Банка России. Выборка состояла из помесячных данных и охватывала период с сентября 2013 по декабрь 2019.

Результаты моделирования подтвердили выдвинутые гипотезы. Сравнивая характер влияния процентной и резервной политики, было показано, что изменение резервных требований не оказывает значимого влияния на динамику фондового рынка. В свою очередь, влияние процентной политики на ценовые индексы облигаций оказалось предсказуемым, расчеты показали обратную взаимосвязь. Однако анализ динамики индексов акций продемонстрировал неожиданный результат. Согласно модели, повышение значений процентной политики ведет к повышению доходности индексов. Функции импульсного отклика указывают на то, что продолжительность отклика индексов фондового рынка. Кроме того, несмотря на статистическую значимость, реакция фондового рынка оказалась крайне низкой. Подобный результат может быть объяснён нестабильной экономической конъюнктурой, относительно малым исследуемым временным периодом, а также предположением о том, что все будущие изменения ожидаемы рынком и включены в стоимость ценных бумаг.

Исходя из этого, в качестве рекомендаций для дальнейших исследований было предложено проведение анализа для более широко временного ряда, использование высокочастотных данных, а также разложение изменения показателя процентной политики на ожидаемую и неожиданную величину.



Список литературы

1. Абрамова М. А., Дубова С. Е., Захарова О. В., Ершов М. В., Лаврушин О. И. Об основных направлениях единой государственной денежно-кредитной политики на 2019 год и период 2020 и 2021 годов: мнение экспертов Финансового университета // Экономика. Налоги. Право. 2019

2. Адрианов В. Д., Кривопустова Е. С., Причины, динамика и масштабы оттока капитала из экономики России // Деньги и кредит. 2015. № 2. С. 61-65.

3. Дерюгина Е., Пономаренко А. Большая байесовская векторная аторегрессионная модель для российской экономики // Серия докладов об экономических исследованиях. 2015.

4. Засенко В. Е., Никифоренко К. А. Политика Банка России в сфере регулирования валютного курса на современном этапе // Известия Санкт-Петербургского государственного аграрного университета. 2015.

5. Картаев Ф. С., Козлова Н. С. Эконометрическая оценка влияния монетарной политики на динамику российского фондового рынка // Вестник Московского университета. Серия 6: Экономика. 2016. № 1. С. 22-43.

6. Ковальчук А. В., Сайбель Н. Ю. Оценка уровня финансовой грамотности населения в России // Концепт. 2018.

7. Константинов И. Б. Финансовая грамотность населения России: проблемное поле и концептуальная модель // Извести Саратовского университета. Новая серия. Серия Экономика. Управление. Право. 2017.

8. Корольков В. Е., Якушин А. П. Оценка рисков и анализ монетарной политики в условиях большой воллатильности фондового рынка // Научное периодическое издание «IN SITU». 2015.

9. Сергеева Л. А., Сергеев С. В. Исследование цикличности колебаний индексов Московской Биржи и их зависимости от внешних факторов / в кн.: Новый путь российской экономики: импортозамещение, инновационность, экономическая безопасность. Уфа.: ОМЕГА САЙНС, 2017. С. 93-97.

10. Стандартные ошибки в форме Ньюи-Веста // Прикладная эконометрика. 2014. № 33. С. 124-132.

11. Тиунова М. Г. Влияние монетарной политики на динамику российского фондового рынка // Финансы и кредит. 2019. № 3 (783). С. 618-635.

12. Харламова Т. Н., Краснопеева А. Ю. Проблема привлечения инвестиций и их оттока в экономике России // Ученые записки Тамбовского отделения РоСМУ. 2016.

13. Bernhard P. VAR, SVAR and SVEC Models: Implementation Within R Package vars // Journal of Statistical Software. 2008.

14. Clancy D., Merola R. Countercyclical capital rules for small open economies // Journal of Macroeconomics. 2017. Vol. 54. P. 332-351.

15. Eksi O., Onur Tas B. K., Unconventional monetary policy and the stock market's reaction to Federal Reserve policy actions // The North American Journal of Economics and Finance. 2017. Vol. 40. P. 136 - 147.

16. Fausch J., Sigonius M. The impact of ECB monetary policy surprises on the German stock market // Journal of Macroeconomics. 2018. Vol. 55. P. 46-63.

17. Gali J., Gambetti L. The Effects of Monetary Policy on Stock Market Bubbles: Some Evidence // NBER Working Paper Series. 2014.

18. Hoffman A., Loffler A. Low interest rate policy and the use of reserve requirements in emerging markets // The Quarterly Review of Economics and Finance. 2014. Vol. 54. P. 307-314.



Приложение

VAR(p) - модель

Результаты отбора необходимой длины лага (одинаковый для каждой спецификации)

Источник: составлено автором в RStudio

Результаты оценки модели для индекса МосБиржи

Спецификация с показателем ключевой ставки

Источник: составлено автором в RStudio

Спецификация с показателем MIACR на срок от 30 до 90 дней



Источник: составлено автором в RStudio

Результаты оценки модели для индекса отрасли телекоммуникаций

Спецификация с показателем ключевой ставки

Источник: составлено автором в RStudio

Результаты оценки модели для индекса отрасли металлов и добычи

Спецификация с показателем ключевой ставки



Источник: составлено автором в RStudio

Спецификация с показателем MIACR на срок от 30 до 90 дней

Источник: составлено автором в RStudio

Результаты оценки модели для индекса финансовой отрасли

Спецификация с показателем ключевой ставки



Источник: составлено автором в RStudio

Спецификация с показателем MIACR на срок от 30 до 90 дней

Источник: составлено автором в RStudio

Результаты оценки модели для индекса потребительского сектора

Спецификация с показателем ключевой ставки



Источник: составлено автором в RStudio

Спецификация с показателем MIACR на срок от 30 до 90 дней

Источник: составлено автором в RStudio

Результаты оценки модели для индекса отрасли химии и нефтехимии

Спецификация с показателем ключевой ставки



Источник: составлено автором в RStudio

Спецификация с показателем MIACR на срок от 30 до 90 дней

Источник: составлено автором в RStudio

Результаты оценки модели для ценового индекса гос. облигаций

Спецификация с показателем ключевой ставки



Источник: составлено автором в RStudio

Спецификация с показателем MIACR на срок от 30 до 90 дней

Источник: составлено автором в RStudio

Матрица коэффициентов корреляции остатков с показателем ключевой ставки



Источник: составлено автором в RStudio

Матрица коэффициентов корреляции остатков с показателем MIACR на срок от 30 до 90 дней

Источник: составлено автором в RStudio

Результаты оценки модели для ценового индекса корп. облигаций

Спецификация с показателем ключевой ставки

Источник: составлено автором в RStudio

Спецификация с показателем MIACR на срок от 30 до 90 дней



Источник: составлено автором в RStudio

Матрица коэффициентов корреляции остатков с показателем ключевой ставки

Источник: составлено автором в RStudio

Матрица коэффициентов корреляции остатков с показателем MIACR на срок от 30 до 90 дней



Источник: составлено автором в RStudio

функции импульсного отклика

Рисунок 1

Источник: составлено автором в RStudio, левый график - отклик индекса МосБиржи на шок изменения ставки MIACR на период от 1 до 3 месяцев, правый график - отклик индекса МосБиржи на шок изменения ключевой ставки

Рисунок 2



Источник: составлено автором в RStudio, левый график - отклик индекса отрасли металлов и добычи на шок изменения ключевой ставки, правый график - отклик индекса отрасли металлов и добычи на шок изменения ставки MIACR на период от 1 до 3 месяцев

Рисунок 3

Источник: составлено автором в RStudio, левый график - отклик индекса финансового сектора на шок изменения ключевой ставки, правый график - отклик индекса финансового сектора на шок изменения ставки MIACR на период от 1 до 3 месяце



Рисунок 4

Источник: составлено автором в RStudio, левый график - отклик индекса потребительского сектора на шок изменения ключевой ставки, правый график - отклик индекса потребительского сектора на шок изменения ставки MIACR на период от 1 до 3 месяцев

Рисунок 5



Источник: составлено автором в RStudio, левый график - отклик индекса сектора химии и нефтехимии на шок изменения ключевой ставки, правый график - отклик индекса сектора химии и нефтехимии на шок изменения ставки MIACR на период от 1 до 3 месяцев

Рисунок 6

Источник: составлено автором в RStudio, отклик индекса телекоммуникационной отрасли на шок изменения ставки MIACR на период от 1 до 3 месяцев

Оценка линейной регрессии для урезанной выборки

Регрессия для индекса гос. облигаций

Источник: составлено автором в RStudio



Робастные к автокорреляции и гетероскедастичности оценки

Источник: составлено автором в RStudio

Регрессия для индекса корп. облигаций

Источник: составлено автором в RStudio

Робастные к автокорреляции и гетероскедастичности оценки

Источник: составлено автором в RStudio

Регрессия для индекса нефтегазовой отрасли



Источник: составлено автором в RStudio

Робастные к автокорреляции и гетероскедастичности оценки

Источник: составлено автором в RStudio

Регрессия для индекса отрасли телекоммуникаций

Источник: составлено автором в RStudio

Робастные к автокорреляции и гетероскедастичности оценки



Источник: составлено автором в RStudio

Регрессия для индекса сектора металлов и добычи

Источник: составлено автором в RStudio

Робастные к автокорреляции и гетероскедастичности оценки

Источник: составлено автором в RStudio

Регрессия для индекса потребительского сектора



Источник: составлено автором в RStudio

Робастные к автокорреляции и гетероскедастичности оценки

Источник: составлено автором в RStudio

Регрессия для индекса отрасли химии и нефтехимии

Источник: составлено автором в RStudio

Робастные к автокорреляции и гетероскедастичности оценки



Источник: составлено автором в RStudio

Размещено на Allbest.ru

...