Развитие современной экономической системы

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

КУРСОВАЯ РАБОТА

РАЗВИТИЕ СОВРЕМЕННОЙ ЭКОНОМИЧЕСКОЙ СИСТЕМЫ



Оглавление

Введение

1. Теоретические основы исследования

1.1 Обзор предыдущих исследований

1.2 Анализ текущего взаимодействия и финансовой интеграции стран

1.3 Методология исследования

2. Эмпирический анализ

2.1 Описание данных

2.2 Визуальный анализ

2.3 Корреляционный анализ

2.4 Тестирование на наличие стационарности временных рядов

2.5 Каузальный анализ

2.6 Построение модели векторной авторегрессии

2.7 Коинтеграционный анализ, VECM модель

2.8 Проверка выполнения условий теоремы Гаусса-Маркова

2.9 Анализ характера изменения текущих взаимосвязей индексов

Заключение

Список литературы

Приложение А. Справочные и аналитические таблицы

Приложение Б. Оригинальные программные коды

Приложение В. Промежуточные спецификации уравнений и тесты



Введение

Развитие современной экономической системы невозможно представить без финансовых рынков. Именно они становятся механизмом, обеспечивающим товародвижение и поддерживающим взаимоотношения между действующими субъектами в экономике благодаря финансовым активам - ценным бумагам и деньгам. В современном мире параллельно этому процессу всё большими и большими темпами проходит процесс экономической интеграции, улучшается взаимодействие экономических систем разных стран, создаются единые рынки и единая рыночная инфраструктура. Процесс интеграции экономической системы Российской Федерации (далее РФ) и ее подобласти - национального фондового рынка, в международную экономическую систему и её рынки является объективным явлением, которое неотделимо от товарно-денежных связей, протекающих в нашей стране.

Вне зависимости от своих размеров и специфик, фондовый рынок РФ является частью международного фондового рынка в силу интернациональности капиталов. Поэтому колебания на одном рынке в определённой мере могут отразится на другом, что проводит нас к предположению, что основные мировые национальные индексы (такие как S&P500; Nikkei 225; FTSE 100; DAX; CAC 40 и др.) могут оказывать значимое влияние на национальные индексы стран с развивающейся экономикой.

Не угасающая актуальность этого вывода в том, что российская экономическая система не является каким-то исключением и сильно зависит от конъюнктуры мирового финансового рынка, хоть и позиция страны-экспортёра природных ресурсов усиливает её влияние на мировом рынке [6, стр. 245]. Однако интеграция нашего фондового рынка в мировой рынок протекает в разной степени и направления её развития могут меняться под давлением политической нестабильности в определённых регионах мира (в особенности, если эти регионы являются сферами интересов РФ) и под давлением нестабильной внешнеэкономической конъюнктуры. В этом аспекте особенно стоит учитывать, что крайне высокий и естественный потенциал интеграции несут локально близлежащие фондовые рынки Европы и Азии и фондовые рынки пограничных стран.

Политическая стабильность сама по себе выражается, по мнению С. Липсета, в двух параметрах: легитимности власти и её эффективности при решении национальных вопросов [23]. Если проецировать его теорию на наше исследование, то можно выдвинуть гипотезу, что интернациональная финансовая интеграция зависит как от уровня либерализации и глобализации иностранных финансовых систем, так и от эффективности макроэкономической политики интегрируемой финансовой системы. Политическая нестабильность в близлежащих территориях или в самом государстве может привести к «бегству капиталов» из этой страны, из-за высокой степени риска потери или экспроприации инвестиции, что будет оказывать негативное влияние на динамику финансовой интеграции.

Возникает актуальный и обоснованный вопрос: как оценить степень взаимовлияния национальных фондовых индексов и как учесть характер изменений текущих взаимосвязей в свете образовавшейся политической и экономической нестабильности в 2014-2015 годах?

Учитывая вышесказанное, основной целью данного исследования является анализ текущих взаимосвязей национального фондового индекса РФ и мировых национальных индексов, а также последующая оценка характера их изменений до, в начале и во время высокой волатильности текущего финансового кризиса в Российской федерации. Другими словами, и более коротко:

Цель исследования:

Проанализировать процессы взаимовлияния глобального и отечественного фондовых индексов и оценить характер изменений, вызванных текущим финансовым кризисом.

Для достижения цели, выполняются следующие задачи исследования.

Задачи исследования:

Проанализировать общепринятые методы исследования данных взаимосвязей и общие результаты, которые были получены предыдущими исследователями, и выбрать наиболее подходящую методологию;

Собрать базу данных для исследования;

Апробировать выбранную методологию на сведённых данных;

Интерпретировать полученные результаты.

Объект исследования - национальный фондовый индекс России - MICEX и национальные фондовые индексы семи стран: S&P500 (США), Nikkei 225 (Япония), HSI (Китай), PX (Чехия), CAC 40 (Франция), FTSE 100 (Великобритания), DAX (Германия), а также индикатор «страха» глобальных инвесторов - VIX (США, чикагская биржа опционов).

Предмет исследования - характер взаимовлияния национальных фондовых индексов. Оценка этого характера производится в форме оценки влияния исследуемых факторов на российский фондовый рынок, представленный индексом MICEX.

Период исследования - временные ряды в промежутке с 9 января 2013 года по 30 апреля 2015 года, состоящие из 599 наблюдений и разделённые на три временных периода:

«Докризисный период»: 09 января 2013 г. - 3 марта 2014 г.; 297 наблюдений;

«Начало кризиса»: 4 марта 2014 г. - 28 ноября 2014 г.; 194 наблюдений;

«Период высокой волатильности»: 28 ноября 2014 г. - 30 апреля 2015 108 наблюдений.

Данный выбор сделан для того, чтобы пошагово оценить изменение в взаимосвязи национальных индексов до и во время кризиса 2014-15 гг.

Методология анализа взаимосвязей основывается на следующем эконометрическом инструментарии: визуальный, корреляционный и каузальный анализ (тест Грейнджера и IRF модель); VAR, VECM модели; анализ стационарности и коинтеграционный анализ; тестирование классических предпосылок анализа эконометрических данных.

Практические выводы этого исследования могут оказаться востребованными инвесторами, которые занимают долгосрочные позиции на финансовом рынке или планируют совершить долгосрочные инвестиции в национальную экономику. Более того, полученные результаты и методики анализа взаимосвязей могут оказаться полезными действующим экономическим субъектам всех секторов, от государственных структур и их профильных органов до частных компаний при оценивании текущей ситуации в национальной экономике и определении оптимальной краткосрочной и долгосрочной политики на национальном финансовом рынке. Также результаты исследования можно использовать для построения и прогнозирования сценариев по исследуемым показателям и для построения определённого класса моделей, например, моделей вероятности наступления кризиса (моделей класса EWS).

Структура работы обусловлена характером исследования и поставленными задачами.

В первой главе проводится обзор литературы на тему взаимного влияния национального и мирового фондовых рынков, оцениваются текущие взаимосвязи между странами, и обосновывается выбор периода исследования и исследуемых факторов. Также оценивается экономическая составляющая исследования и описывается методология исследования с её ретроспективой. В конце первой главы формируются выводы по полученным результатам.

Во второй главе анализируется и тестируется полученная в процессе сбора данных выборка и интерпретируются полученные эмпирические результаты с помощью методологии, описанной в первой главе исследования. Проводится анализ взаимовлияния национальных индексов как в причинно-следственном понимании, так и в вычислении степени и силы взаимовлияния исследуемых факторов. В конце второй главы формируются выводы по полученным результатам всех видов анализа.

1. Теоретические основы исследования

Для более качественного восприятия информации главы будут разбиты на разделы, а в начале каждой главы будет описываться, что планируется исследовать в этой части работы. В заключении глав будут описаны результаты, резюмирующие процесс исследования.

Первая глава делится на три раздела. Первый посвящён обзору последних исследований в этой области, описанию и систематизации полученных исследователями результатов. Во втором разделе приводится описание, содержательное обоснование и экономическая интуиция используемых индексов и определяются временные рамки исследования. В третьем разделе описывается ретроспектива наиболее часто используемой методологии в экономическом сообществе для анализа взаимосвязей индексов и кратко описывается используемая в нашем исследовании методология, определяется структура исследования.

В конце главы резюмируются полученные результаты исследования.

1.1 Обзор предыдущих исследований

Из русскоязычных авторов наибольший академический интерес, по нашему мнению, вызывают статьи: Анатолия Абрамовича Пересецкого - доктора экономических наук, профессора Высшей школы экономики; Федоровой Елены Анатольевны - доцента, профессора Высшей школы экономики; Давниса Валерия Владимировича, доктора экономических наук и профессора Воронежского государственного университета.

Они наиболее качественно и понятно описывают исследовательские задачи, представляют доступную методологию и используемый инструментарий, а полученные выводы оказываются крайне актуальными и частично пересекающимися. Для наиболее важных статей, на которых основывается методология нашего исследования, приведено их название.

Прежде чем приступить к анализу этих статей, отдельно хочется отметить работу под названием «Факторы, оказывающие влияние на индекс РТС во время финансового кризиса 2008-2009 гг. и до него» [6] Д.В. Самойлова, магистра Высшей школы экономики. Она посвящена анализу влияния фондовых индексов S&P500 (США), FTSE-100 (Англия) и «индикатора уровня страха» - VIX (США) на российский индекс RTSI во время финансового кризиса 2008-2009 гг. Анализ производиться с помощью модели VECM. В своей работе он доказывает, что американский и английский национальный индекс через нефтяной рынок оказывают сильное влияние на российский рынок. Автор указывает, что «российский фондовый рынок всё теснее интегрируется с западными рынками» [6, стр. 256].

Продолжим наш анализ литературы с группы статей А. Пересецкого. В 2000 году выходит совместная статья А. Пересецкого и А. Ивантера под названием «Interaction of the Russian financial markets» [24]. В ней рассматривается степень и скорость интеграции российского рынка в международный финансовый рынок. Используя GARCH(1,1) - модель на ежедневных торговых данных в период с мая 1996 года по октябрь 1997 года, они обнаруживают рост интеграции, однако впоследствии отмечают её ослабление вследствие кризиса, который произошёл 17 августа 1998 года. Авторы подчёркивают, что крайне важно учитывать «эффект асинхронности торгов» на торговых площадках Европы, Азии и Америки. Модификацию авторского подхода к решению этой проблемы мы используем в нашей работе.

Возвращаясь к вопросу асинхронности торгов, крайне интересной оказалась статья [1], в которой было показана опасность неправильного сопоставления ежедневных торговых данных по фондовым индексам. Авторами также была обнаружена (с использованием собственного метода устранения эффекта асинхронности торгов) двунаправленная причинность по тесту на причинность по Грейнджеру между индексами S&P 500, FTSE 100, DAX 30, HSI и NIKKEI 225. По их мнению, наблюдается рост международной интеграции.

Следующая статья А. Пересецкого вышла в 2011 под названием «What determines the behavior of the Russian stock market» [27]. Автор приходит в этой статье к выводам, что за период с января 2000 по октябрь 2010 фондовый рынок Японии в наибольшей степени влиял на фондовые рынки развивающихся стран. Не обнаружено влияние цен на нефть на российский фондовый рынок с 2006 года, однако влияние значимо до этого периода.

Такого же примерно содержания статья вышла в 2013 году в соавторстве с И. Корхоненом под названием «What determines stock market behavior in Russia and other emerging countries?» [26]. В ней проверяется влияние конъюнктуры мирового фондового рынка и конъюнктуры нефтяного рынка на российский фондовый рынок, а также взаимовлияние фондовых рынков США и Японии. Также с помощью TGARCH(1,1)-BEKK модели оценивается интеграция Южной Африки и Турции в европейские рынки Чехии, Польши, Венгрии. Используя скользящую регрессию на расширенных ежедневных данных с ноября 1997 года по февраль 2012 года, авторы оценивают периоды, когда фондовые индексы или цена на нефть в Японии и США были значимы для российского фондового рынка. В этой статье авторы снова оказались крайне удивлены тем, что на российский рынок в период с 2006 по 2012 годы значимо не влияла цена на нефть. Также авторы выявили, что в период с начала 2000 года по конец 2012 года степень интеграции мировых рынков росла, а наиболее позитивный рост был в период с 2004 по 2006 год в странах восточной Европы.

Рассмотрим ряд статей В. Давниса и соавторов. В статье [33] В. Давнис оценивает с помощью одномерного регрессионного анализа интеграционный процесс российского рынка акций (ряд акций «голубых фишек») и иностранного фондового рынка. Получены выводы о том, что акции нефтедобывающих, металлургических, газодобывающих компаний высоко коррелируют с иностранным фондовым рынком.

В следующей статье [34] В. Давнис и В. Коротких снова оценивают степень интеграции российского и глобального фондовых рынков с помощью МНК-модели. Подтверждается наличие определённой связи исследуемых рынков, но не найдено подтверждения влиянием фондовых рынков развитых стран на рынок России.

Рассмотрим ряд статей Е. Федоровой. В статье [38] она рассматривает степень интеграции и взаимодействия фондовых рынков стран Польши, Чехии и Венгрии после вступления в Евросоюз с помощью модели GARCH(1,1)-BEKK с 1998 года по 2009. Обнаружена прямая взаимосвязь и т.н. «цепная реакция» [38, стр. 15-16] между ценами на акции исследуемых стран после присоединения к Евросоюзу.

В статье под названием «Анализ влияния финансовой интеграции на конъюнктуру фондовых рынков в условиях финансового кризиса» [39] Е.Федорова оценивает характер изменений уровня финансовой глобализации в период до и во время (январь 2000 - сентябрь 2009) мирового финансового кризиса для рынков России, Германии, США, Японии, Китая и Великобритании, используя VAR-модель. Она выявляет постоянное влияние американского рынка на российский рынок в стабильный и кризисный период, и также указывает на влияние немецкого рынка в кризисный период.

Далее рассмотрим ряд отдельных исследований. В статье [40] с помощью модели TGARCH оценивается влияние мировых фондовых рынков на волатильность российского рынка. Авторами было выявлено, что на волатильность российского рынка влияет индекс S&P500, но не влияют разные новостные шоки. Авторы указывают, что падение индекса S&P500 приводит к росту волатильности российских фондовых индексов, а рост индекса S&P500 приводит к уменьшению волатильности.

В статье [41] с помощью модели EGARCH в период с июня 1995 по март 2003 оценивается влияние рынков США, Германии, цен на нефть и газ на рынок России. Авторы выявили большую прогнозную силу немецкого рынка, чем американского, для предсказания волатильности российского рынка, в вот влияния нефти и газа на волатильность российского рынка не обнаружено.

В статье [42] анализируется российский фондовый рынок с 1995 года по 2005 год. Обнаруживается падение влияния нефти на волатильность российского рынка ближе к 2005 году и стабильное повышение влияния рынка США. Однако, степень интеграции европейского и российского рынка выше, чем интеграция российского рынка и рынков Азии и США.

В статье [37] исследуется волатильность на мировом финансовом рынке и предлагается количественная оценка степени интеграции финансовых рынков. В статье выявлено, что взаимовлияние ряда финансовых рынков может увеличиваться не только благодаря интеграционным процессам, но и во время ослабления этой интеграции - в период войн (этот вывод актуален в свете событий на Украине). Также делается важный вывод, что нестабильность в сфере политики может привести к высокой волатильности на национальном фондовом рынке и других рынках.

В статье [36] описываются результаты воздействия финансового кризиса, разгоревшегося в 2008-2009 гг., на процесс мировой глобализации фондовых рынков. Авторы считают, что из-за кризиса произошло замедление интеграции финансовых рынков.

Сведём в таблицу №1.1 полученные результаты по анализу предыдущих исследований в области изучаемого вопроса. Систематизацию проведём на основе указанных выше статей, и на основании уже сведённых, но несистематизированных результатах Е. Федоровой по статьям [7], [8], [25], [29-32], и на основании статьи В. Давниса и М. Кубышкиной [64], в котором проводится несистематизированная консолидация наиболее интересных статей, хотя, если присмотреться к содержанию текста, то обнаруживается идентичность выбора статей с обзором литературы англоязычных статей А. Пересецкого [26], [27]. Систематизация проходит по периоду исследования; перечисляются страны или индексы, оценённые в статье, а также дополнительные показатели; приводятся результаты и номер источниках.

Таблица №1.1: Систематизация источников литературы

Период	Индексы или Страны // Доп. Индикаторы	Выводы из статьи и источник
1980-1999	Развивающиеся страны // Процентные ставки	Обнаружена обратная зависимость между фондовыми индексами развивающихся стран и процентными ставками в кризисный период. Взаимовлияние развитых стран в большинстве случаев осуществляется не напрямую, а через нефтяные и валютные рынки. [59]
1980:01-1998:12	Гонконг, Южная Корея, Таиланд, Малайзия, Тайвань, США, Япония	Взаимозависимость между исследуемыми фондовыми рынками не выявлена. [49]
1980-2005	Чили, Франция, Германия, Италия, Япония, Нидерланды, Таиланд, Великобритания // Фирмы этих стран, курс доллара	Выявлено, что только пять процентов из всей выборки фирм значимо зависят от изменений валютного курса доллара США, из них практически все фирмы - крупные экспортеры. Скорее всего, почти все корпорации широко используют валютные производные инструменты и прочие инструменты хеджирования валютных рисков, что логично с экономической точки зрения. [58]
1987:10-1999:07	США, Япония, Гонконг, Корея, Сингапур, Тайвань	Обнаружена высокая взаимозависимость между исследуемыми фондовыми рынками. [44]
1987:10-2004:06	США и 15 развивающихся стран	Выявлена зависимость фондовых рынков развивающихся стран от США. Чем ближе рынок к США, тем выше корреляция. Обнаружена высокая взаимозависимость между рынками акций развитых стран, особенно между японским и европейским фондовым рынком. [47]
1987:01-1996:08	Таиланд, Малайзия, США, Великобритания, Япония	Долгосрочная взаимозависимость между исследуемыми фондовыми рынками не выявлена. [48]
1987:01-1993:12	США // Индикатор VIX	Обнаружена обратная взаимозависимость между американским фондовым рынком и индикатором VIX. [52]
1987-2006	Развитые страны, страны Юго-Восточной Азии	Обнаружен рост интегрированности азиатского рынка акций с развитыми странами во время финансового кризиса в Азии. [54]
1993:01-2007:12	Страны БРИК, США // Индикатор VIX	Обнаружена сильная отрицательная корреляция индикатора VIX и фондовых индексов США, Китая, Бразилии. [53]
1993-2000	Развивающиеся страны // Курс доллара, доходность акций компаний	Обнаружена сильная обратная связь между курсом доллара и доходностью акций развивающихся стран. Авторы советуют фирмам этих стран хеджировать валютные риски. [55]
1994:08-2003:01	США // индикатор VIX	Обнаружена прямая взаимозависимость между американским фондовым рынком и индикатором VIX. [51]
1995:05-2003:03	Россия, Германия, США // Цены на нефть, газ	Существенного влияния цен на нефть и газ на доходность российского фондового рынка не выявлено. [41]
1995:01-2005:01; 1999:10-2005:01	Россия, США, Европа, Азия // Цены на нефть	Снижение влияния цен на нефть на российский фондовый рынок, повышение влияния фондовых индексов рынка США. Однако, степень интеграции европейского и российского рынка выше, чем интеграция российского рынка и рынков Азии и США. [38]
1996:01-1997:10	Россия, ряд стран Европы	Обнаружен рост интегрированности российского и международного финансовых рынков. Однако степень интеграции падает из-за кризиса 1998. [61]
1996:05-1997:10	Россия, S&P 500 // Цены на нефть, новости	Гипотеза об эффективности рынка отвергается. На волатильность российского рынка влияет индекс S&P500, но не влияют разные новостные шоки. Падение индекса S&P500 приводит к росту волатильности российских фондовых индексов, а рост приводит к уменьшению волатильности. [40]
1997:01-1998:12	Страны Северной Америки	Обнаружена сильная взаимозависимость между исследуемыми фондовыми рынками в период кризиса. [50]
1997-2010	Курс доллара США, доходность акций развивающихся компаний	Взаимовлияние между валютным курсом и доходностью акций не выявлено вне зависимости от отрасли. Слабая волатильность связана скорее со спекулятивной деятельностью. [57]
1997-2010	Индия, Индонезия, Корея, Филиппины, Тайвань, Таиланд // Курс доллара	Обнаружена отрицательная корреляция между исследуемыми переменными. В 2008 году эта тенденция усиливается. Вероятно, это связано со значительными накоплениями долларовых активов у развивающихся стран. [56]
1998 - 2009	Польша, Венгрия, Чехия	Обнаружена прямая взаимосвязь исследуемых фондовых рынков по показателям доходности и волатильности. Выявлен «эффект цепной реакции», цен на акции стран, вступивших в Евросоюз. [42]
1999:01-2001:12	Чехия, Венгрия, Польша, США	Обнаружена высокая степень корреляции между исследуемыми странами. [46]
2000:01 -2010:10	S&P 500, FTSE 100, DAX 30, HSI, NIKKEI 225	Обнаружена двунаправленная причинность по Грейнджеру среди всех индексов. Обнаруживается рост взаимосвязи между всеми фондовыми индексами. [1]
2000:01-2010:10	MICEX, S&P 500, NIKKEI 225 // Нефть (WTI), газ, новостные шоки.	Выявлено, что фондовый рынок Японии в наибольшей степени влияет на фондовые рынки развивающихся стран. Влияние цены на нефть на российский рынок пропадает с 2006 года, однако значима до этого периода. [27] [26]
2000:01-2009:09	Россия, США, Германия, Великобритания, Япония, Китай	Обнаружена высокая степень финансовой интеграции между исследуемыми фондовыми рынками. [45]
2000:01- 2009:09	RTSI, Бразилия, Индия, Китай, Южная Африка // Цены на нефть	Обнаружена положительная корреляция рассматриваемых стран с ценами на нефть, так как энергетическая отрасль играет в странах БРИКС важнейшую роль. [68]
2000:01-2009:09	RTSI, Dow Jones 65 Composite, FTSE 100, DAX, Nikkei-225, SSE Composite	Обнаружено высокое и значимое влияние фондового рынка США на российский. Происходит существенное усиление глобализации мировой экономики, которое проявляется в значительном укреплении кросс-рыночных взаимодействий. [67]
2000:01 -2009:09	RTSI // Курсы евро и доллара	Обнаружена обратная корреляция (средняя взаимосвязь) между фондовым рынком России и курсом доллара в стабильный период, однако взаимосвязь с курсом евро слабая. Обнаружено, что в кризисный период влияние курсов ослабевает (вызывают краткосрочное отрицательное влияние на RTSI). В докризисный период есть взаимосвязь изменения индекса RTSI и курса USD. В кризисный период увеличивается взаимовлияние валютного и фондового рынков. [70]
2000-2012	РТС, S&P 500, GOLDEN_DRAGON, DAX // индикатор VIX	Обнаружена положительная связь между индексом РТС и индексами развивающихся стран. Индексы США и Германии не оказывают существенное влияние на российский фондовый рынок. Обнаружена отрицательная взаимосвязь между индексом РТС и индикатором VIX. [71]
2006-2010	США // Нефть и товарный рынок	Обнаружено влияние волатильности цен сырой нефти на цены других товаров и «эффект перетекание» этой волатильности с рынка сырой нефти на другие рынки значительно, независимо от периода подъёма или спада на рынках. По мнению авторов, это происходит из-за того, что нефть является стратегическим товаром. [60]
2007:03-2009:08	RTSI, S&P 500, FTSE 100 // Нефть, индикатор VIX	Обнаружен рост взаимосвязи между всеми фондовыми индексами. Однако в кризисный период связь индекса RTSI с индексом FTSE вытесняется фактором нефти и индексом S&P500. [6]
2007:01-2008:12	MICEX, DAX, FTSE, DJA, HSI	Обнаружено сильное влияние доходности индексов европейских бирж на российский фондовый рынок, более значимое, чем влияние американских и китайских фондовых рынков. Обнаружена прямая взаимосвязь этих индексов с экономикой России. Самое значительное влияние на индекс ММВБ оказывает немецкий рынок (индекс DAX), однако во время кризиса растёт влияние индекса Доу-Джонса. [69]

Резюмируя все изученные статьи можно перечислить ряд закономерностей, которые наиболее часто возникают во всех эмпирических результатах:

Американский фондовый рынок прямо влияет на национальные мировые фондовые индексы.

Индексы близкорасположенных друг к другу стран чаще всего сильно коррелируют между собой.

Чем крепче торговая связь между странами, тем выше взаимозависимость их фондовых рынков.

В кризисные периоды взаимозависимость между рынками растёт.

Однако, по результатам систематизации обзора отечественной и зарубежной литературы можно судить, что у научного сообщества нет единого мнения по исследуемому вопросу, поэтому мы проведём собственную оценку взаимовлияния национального и мирового фондового рынка.

1.2 Анализ текущего взаимодействия и финансовой интеграции стран

Взаимозависимость национальных индексов представляет собой последствия финансовой глобализации или ряда взаимосвязанных политических или макроэкономических событий, которые могут вызывать данную связь. В нашем исследовании, будет использоваться следующее понятие финансовой интеграции (глобализации):

Финансовая глобализация - «это международная финансовая интеграция финансовых рынков, которая основывается на либерализации движения капитала» [35, стр. 1].

По нашему мнению, и как уже было отмечено в результатах систематизации ряд статей, на степень и направление движения финансовой глобализации могут влиять макроэкономическая и (или) политическая нестабильность [37], в том числе и разного рода кризисы [36], в изучаемом регионе или в мировом масштабе. Также в статье [35, стр. 1] отмечается важная роль либерализации и дерегулирования финансовых рынков в процессе финансовой интеграции и делается вывод, что степень либерализации явно сильно ниже, чем в среднем по развивающимся странам.

Мы формируем основную гипотезу нашего исследования, выраженную в том, что взаимосвязь российского и ряда иностранных национальных индексов европейских, азиатских стран и фондового рынок США в период сложившегося в 2014-15 гг. финансового кризиса на российском рынке, поменяла характер (мы предполагаем, что степень и направление интеграции могли поменяться). Другими словами, мы хотим проверить, изменились ли связи индексов до, в начале и во время высокой волатильности текущего финансового кризиса в Российской Федерации.

Но чтобы обосновать саму возможность данного исследования и подтвердить реальные изменения, обратимся к анализу текущего положения дел. По нашему мнению, основным драйвером изменения текущих взаимосвязей является финансово-экономический кризис, разразившийся в 2014-15 гг.

Финансово-экономический кризис, по нашему мнению, это значимое ухудшение экономической конъюнктуры в Российской Федерации. Вызван он целым рядом комплексных причин, выражающихся в:

Резком падении мировых цен на энергоресурсы и, как следствие, падением доходов бюджета РФ;

Введении ряда экономических санкций в связи с присоединением Крыма и событиями на юго-востоке Украины;

Значительном падении курса рубля относительно других иностранных валют (также благодаря двум вышеперечисленным факторам).

В итоге в РФ сложилась макроэкономическая ситуация, в которой население столкнулось с ростом инфляции, падением своих реальных доходов. Не лучше обстоит дело и с рядом отраслей РФ. Результатом стало:

Падение прибыли ряда мировых компаний из-за уменьшения потребительской активности населения;

Вывод капиталов из России;

Негативное влияние на экономики стран, тесно связанных торговыми отношениями с Россией;

В определённой степени, политическая нестабильность.

В связи с вышеуказанными событиями, предполагается, что характер взаимодействия с европейскими, азиатскими и американскими фондовыми рынками должен был измениться. Но какие необходимо подобрать национальные индексы стран исследуемых регионов, чтобы правильно оценить характер изменений?

Сформулируем первую гипотезу. Мы считаем, что на российский фондовый рынок влияют мировые фондовые рынки в соответствии с их занимаемой долей в глобальной финансовой системе и в зависимости от их тесноты связи с российским рынком. На фоне этого предположения также актуальны выводы Е. Федоровой, о росте влияния европейских и азиатских торговых площадок на волатильность российского рынка с некоторым падением влияния американского фондового рынка [3, стр. 268].

Рассмотрим динамику рыночной капитализации («domestic market capitalization») стран, которые наиболее часто оказывали влияние на российский фондовый рынок (по результатам, предложенным в таблице №1.1). Она вычисляется как суммарная рыночная стоимость ценных бумаг, обращающихся на этом рынке, на конец года. Включенные в список компаний не включают инвестиционные компании, паевые инвестиционные фонды или другие средства коллективных инвестиций. Данные приведены в текущих ценах, в долларах США, по доступным на данный момент данным всемирного банка [73]. В приложении №1 можно рассмотреть график по предложенной ниже таблице.

Часть исследований, например, годовые отчёты из [73] или [3] показывают на основании этого показателя насколько развивающиеся страны отстают от развитых стран. Как можно видеть по данным динамики, происходит резкий рост доли рыночной капитализации, занимающей российским и китайским рынком. Хоть в абсолютных значениях более 50% рынка (по данной выборке) принадлежит США, можно видеть постепенное вытеснение доли его капитализации рынком Китая и определённую стагнацию европейских рынков.

Таблица №1.2: Динамика рыночной капитализации в млрд. долларов:

Страна	Место	2006	2007	2008	2009	2010	2011	2012
США	1	19425,85	19947,28	11737,65	15077,29	17138,98	15640,71	18668,33
Китай	2	2426,33	6226,31	2793,61	5007,65	4762,84	3389,10	3697,38
Япония	3	4726,27	4453,47	3220,49	3377,89	4099,59	3540,68	3680,98
Англия	4	3794,31	3858,51	1851,95	2796,44	3107,04	2903,18	3019,47
Франция	5	2428,57	2771,22	1492,33	1972,04	1926,49	1568,73	1823,34
Германия	6	1637,83	2105,51	1107,96	1297,57	1429,71	1184,46	1486,31
РФ	16	1057,19	1503,01	397,18	861,42	1004,52	796,38	874,66
Чехия	57	48,60	73,42	48,85	52,69	43,06	38,35	37,16

Данные, предоставляемые всемирным банком, доступны только по 2012 год, однако для выбора наиболее значимых индексов необходима наиболее актуальная информация, ведь расстановка сил могла поменяться за 2,5 года. В этом нам поможет сайт мировой федерации бирж [43], по данным которого мы рассчитаем капитализацию отдельных фондовых бирж и представим её в таблице №1.3. Рассмотрим временной промежуток от декабря 2009 года по апрель 2015 года. См. также приложение №2.

Таблица №1.3: Динамика рыночной капитализации отдельных бирж в млрд. долларов:

Страна (Биржа)	2009	2010	2011	2012	2013	2014	2015
США (NYSE)	12224,90	12375,13	13069,72	13287,46	16105,93	18726,79	19467,87
Япония (Japan Exchange Group - Tokyo)	3382,76	3456,86	3598,67	3406,93	4146,77	4439,51	4743,95
Великобритания (London SE Group)	3275,16	3290,33	3630,33	3431,00	3942,22	4353,98	4151,82
Китай (Hong Kong Exchanges)	2148,08	2386,41	2552,14	2542,90	2909,12	3137,13	3539,00
Бельгия, Франция, Нидерланды и Португалия (Euronext)	2709,18	2657,00	2941,44	2607,59	3169,63	3604,86	3471,04
Германия (Deutsche Borrse)	1199,46	1242,55	1438,39	1338,10	1654,67	1849,16	1838,31
Россия (Moscow Exchange)	746,08	775,40	950,32	811,38	761,82	617,07	467,95

Наблюдается падение доли российской биржи ММВБ с 2012 года, определённая стабильность в долях бирж Европы и Азии и медленный рост доли Нью-Йоркской биржи. Исходя из первой гипотезы, что на российский фондовый рынок влияют мировые рынки в соответствии с их долей на рынке, предложим следующий список стран (по убыванию влияния):

США > Китай > Япония > Великобритания > Франция > Германия > Чехия

Исходя из теории, экономическая интеграция является важной предпосылкой финансовой интеграции [3, стр. 270]. Можно сформировать вторую гипотезу (основываясь также на обзоре литературы), что тесные торговые связи между странами могут стать значимым драйвером для финансовой интеграции взаимодействующих стран.

Используя данные Росстата из сборника «Россия и страны мира - 2014» [73], оценим долю объёма экспорта и импорта в объёме торговли РФ с наиболее важными торговыми партнёрами. Результаты представлены в таблицах №1.4 и 1.5 в млн. долларов США (фактически действовавшие цены) и в долях от общего объёма экспорта и импорта РФ в 2013 году.

Таблица №1.4: Экспорт и импорт РФ с 2009 по 2013 год (млрд. долларов):

Показатель	2006	2007	2008	2009	2010	2011	2012	2013
Экспорт
Всего	258,93	299,27	397,93	254,86	336,96	437,28	447,28	452,90
Германия	24,50	26,35	33,16	18,71	25,10	34,16	35,59	37,03
Великобритания	10,40	11,03	14,88	9,07	11,31	14,00	15,03	16,45
Франция	7,68	8,68	12,20	8,73	12,44	14,86	10,53	9,20
Чешская Республика	4,67	4,66	7,25	4,44	5,52	5,45	5,23	5,98
Китай	15,76	15,90	21,14	16,69	20,32	35,03	35,73	35,63
Япония	4,46	7,67	10,33	7,25	12,83	14,64	15,59	19,65
США	8,64	8,34	13,36	9,13	12,42	16,43	12,96	11,20
Импорт
Всего	115,43	169,88	230,49	145,53	197,44	260,92	272,51	276,50
Германия	18,46	26,53	34,12	21,23	26,71	37,68	38,30	37,92
Великобритания	3,67	5,65	7,62	3,54	4,58	7,18	8,19	8,11
Франция	5,86	7,77	10,02	8,43	10,12	13,28	13,77	13,01
Чешская Республика	1,53	2,45	3,61	2,32	2,92	4,50	5,36	5,32
Китай	12,91	24,42	34,78	22,80	39,04	48,20	51,84	53,21
Япония	7,79	12,72	18,59	7,25	10,30	15,02	15,68	13,56
США	6,41	9,47	13,79	9,17	11,14	14,58	15,31	16,54

Таблица №1.5: Удельный вес наболее важных торговых партнеров в общем объеме импорта и экспорта России в 2013 году (в процентах).

	Китай	Германия	США	Украина	Италия	Беларусь	Япония	Франция	Республика Корея	Польша	Великобритания	Турция	Казахстан	Нидерланды
Импорт 2013 (%)	16,9	12	5,2	5	4,6	4,4	4,3	4,1	3,3	2,6	2,6	2,3	1,9	1,9
	Нидерланды	Италия	Германия	Китай	Турция	Украина	Беларусь	Япония	Польша	Казахстан	Великобритания	Республика Корея	Финляндия	США
Экспорт 2013 (%)	13,3	7,5	7	6,8	4,8	4,5	3,8	3,7	3,7	3,3	3,1	2,8	2,5	2,1

Дополнительная визуализация внешней торговли РФ представлена в приложении №3. Анализ производится по странам, которые имеют наибольшую долю в рыночной капитализации. Исходя из второй гипотезы, что на российский фондовый рынок влияют мировые рынки в соответствии со степенью тесноты торговых связей, предложим следующий список стран, на основе анализа внешнеэкономических связей (по убыванию влияния):

Германия > Китай > Япония > Великобритания > США > Франция > Чехия

Также мы считаем, что более качественного анализа взаимосвязей, стоит использовать поведенческие индикаторы, например, в работе [78], прекрасно обосновывается использование поведенческих индикаторов. В нашей работе мы предлагаем использовать поведенческий индикатор VIX. Ряд исследований подтверждают его эффективность при предсказании движения российского фондового рынка, особенно в кризисные периоды [6], [71], [53]. Этот индикатор указывает на степень волнения (страха) опытных инвесторов, если индекс высокий, то на фондовом рынке преобладают панические настроения.

Учитывая результаты по этому разделу, перечислим основные переменные нашего анализа, представляющие исследуемые страны в таблице № 1.2. Таблица составлена на основе данных [25, стр. 4-5] и [6, стр. 246].

Таблица №1.2: Переменные используемые в исследовании:

Страна	Описание индекса
Россия	«Индекс биржи ММВБ - MICEX (Москва). Рассчитывается как отношение суммарной рыночной капитализации акций, включенных в базу расчета индекса, к суммарной рыночной капитализации этих акций на начальную дату, умноженное на значение индекса на начальную дату». [62, стр. 81]
Чехия	Индекс биржи PSE - PX Index (Прага). Рассчитывается также как индекс MICEX.
Германия	«Индекс биржи FWB - DAX (Франкфурт-на-Майне). Это взвешенный по капитализации индекс рассчитывается на основе акций крупнейших немецких предприятий из всех отраслей». [25]
Франция	«Индекс биржи Euronext Paris - CAC 40 (Париж). Индекс рассчитывается как среднее арифметическое взвешенное по капитализации значение цен акций 40 крупнейших компаний, акции которых торгуются на бирже». [62]
Англия	«Индекс биржи LSE - FTSE 100 (Лондон) - семейство совместных индексов газеты Financial Times и Лондонской фондовой биржи. Он учитывает курсы более 650 акций английских компаний всех сфер деятельности. Индекс рассчитывается, как взвешенный по рыночной капитализации». [25], [62, стр. 80]
США	«Индекс бирж NYSE и NASDAQ - S&P 500 -- фондовый индекс, в корзину которого включено 500 избранных акционерных компаний США, имеющих наибольшую капитализацию. Для расчета сравнивается базовое значение стоимости определенных групп акций США с их текущими рыночными курсами». [62, стр. 79]
	«Индикатор волатильности биржи опционов CBOE - VIX (Чикаго). Он рассчитывается на основе цен опционов на индекс S&P500 и является ежеминутной оценкой рынком ожидаемой волатильности. Для расчёта используются ближайшие и «вторые ближайшие» опционы, у которых остается, по меньшей мере, 8 дней до истечения срока действия, затем полученные данные взвешиваются». [6, стр. 246]
Япония	«Индекс биржи TSE - Nikkei 225 (Токио) -- один из важнейших фондовых индексов Японии, вычисляется как простое среднее арифметическое цен акций 225 наиболее активно торгуемых компаний первой секции фондовой биржи Токио». [62, стр. 79]
Китай	«Индекс биржи Hang Seng - HSI (Гонконг), взвешенный по капитализации, рассчитываемый на основе котировок акций 33 компаний, доля которых в капитализации всех акций, котирующихся на Гонконгской фондовой бирже, составляет приблизительно 70%. В состав индекса входят компании четырех секторов: коммерция и производство, финансы, коммунальные услуги, земельная собственность» [25].

Рассмотрим методологию, используемую в нашем исследовании, и её ретроспективу.

1.3 Методология исследования

Основной данного исследования является анализ взаимосвязей ряда экономических данных, реализованных в виде национальных фондовых индексов и представляющие собой временные ряды. В нашем понимании временной ряд - это «совокупность наблюдений экономической величины в разные моменты времени» [9, стр. 85]. Мы рассматриваем данную совокупность наблюдений как выборку из последовательности некой случайной величины , которая варьируется в целых числах по индексу t от единицы до некоторого целочисленного значения Т. Этот отрезок определяет основной период исследования.

После того, как экономисты на закате 20-го века осознали, что только оценка временной структуры экономических данных, и в особенности макроэкономических и финансовых данных, позволит наиболее эффективно и правильно отразить математическую форму и вида связи, существующей между оцениваемыми данными в эконометрической модели - было создано огромное количество специфических методов их анализа.

В этой части нашего исследования нам бы хотелось отразить направление эволюции наиболее часто используемых в нашей области эмпирических методов и описать используемую методологию в нашем исследовании.

Рассмотрим основное направление развития теоретических концепций по данному вопросу. В более ранних работах по данной тематике главным методом анализа была одномерная регрессия. Однако не всегда её результаты оказывались справедливыми и показывали реальные зависимости между показателями.

Чего только стоит исследование Нельсона и Канга от 1984 года [13] показавшее, что регрессии, основанные на ряде траекторий, могут привести к тому, что регрессионные модели, построенные с помощью метода наименьших квадратов по данным временным рядам, могут выявлять «кажущуюся» зависимость ряда переменных между собой. Т.е., например, все коэффициенты в регрессии будут значимы, классические предпосылки нарушаться не будут, но на самом деле никакой зависимости между переменными нет. А более раннее исследование Нельсона и Плоссера от 1982 [14] показало, что 13 из 14 макроэкономических рядов США (кроме безработицы) относятся к этому виду траекторий. Данное событие произвело эффект разорвавшейся бомбы среди экономического сообщества, заставив пересмотреть все предыдущие результаты исследований. После этого оценка типа временного ряда (оценка свойства стационарности) стало крайне важным штрихов получения адекватных и «правомочных» результатов эконометрического анализа [9, стр. 86-86].

В 80-х годах прошлого столетия инструментарий экономистов обогатился моделью векторной авторегрессии (VAR), которую в своей работе предложил К. Симс [10]. Это позволило подключить к анализу многомерную регрессию и оценивать взаимозависимость более чем пары показателей друг от друга.

Чтобы оценивать временные ряды более высокой частоты, такие как торговая сессия или часовые показатели этой торговой сессии начали использовать модель c условной гетероскедастичности (ARCH), предложенной в работе Р. Энгла в 1982 году [11].

Через 4 года, Т. Боллерслев предложил обобщение модели c условной гетероскедастичности (GARCH), в этой модели условная дисперсия зависит от своих предыдущих значений [12]. Семейство ARCH моделей позволяет бороться с условной гетероскедастичностью, которая часто возникает в временных рядах с финансовыми данными.

Альтернативным направлением методологии стали модели коррекции ошибками (ECM) и основа этих моделей - коинтеграция. Эта модель также интересна тем, что позволяет оценивать не только краткосрочные связи, но и долгосрочные.

Также могут быть интересны для нашего анализа подходы сравнения периодов и динамические модели временных рядов. Однако последние не так широко распространены, как первые.

Кратко описав историческую ретроспективу методологии, обратимся к методологии нашего исследования. Прежде всего, её стоит кратко систематизировать, а после подробно описать наиболее важные аспекты:

Формирование выборки и её первичная оценка.

Визуальный анализ данных.

Корреляционный анализ данных.

Тестирование стационарности временных рядов.

Определение связи между переменными

Построение модели векторной авторегрессии

Тестирование на наличие коинтеграции временных рядов

Построение модели векторной коррекции ошибками

Проверка выполнения условий теоремы Гаусса-Маркова

Анализ характера изменения текущих взаимосвязей индексов

Первые три блока исследования относятся к сбору и описанию используемых данных, первичной оценке качества выборки, устранению ряда проблем, связанных с дневными данными с торгов. Также анализируются описательные статистики и происходит разбиение выборки на три периода для более качественной оценки взаимосвязей при разной экономической конъюнктуре. Визуально выявляются тенденции и закономерности во временных рядах, оценивается теснота связи между факторами.

На основании результатов первых трёх блоков теоретически можно предположить наличие нестационарности в исследуемых финансовых рядах. Однако, учитывая предыдущие исследования в этой области, данные виды данных наиболее подвержены нестационарности. Поэтому в дальнейшем нам придётся оценивать тип рассматриваемого временного ряда: включает ли он в себя детерминированный тренд или является стационарным.

Тестирование на наличие стационарности временных рядов

Тестирование стационарности временных рядов проводится с помощью процедуры Доладо-Дженкинсона и др. [15]. Эта процедура использует усовершенствованный тест Дикки-Фуллера (тест на наличие единичных корней) [16], однако имеет строгий порядок выбора включения или не включения в оцениваемую модель трендовой составляющей и/или константы. До процедуры, поочерёдно оцениваются при помощи МНК следующие пять уравнений:

;

;

;

;

; (1.1)

Где ; - коэффициенты регрессии; t - временный тренд; - некоррелируемые остатки. Если , то перед нами обычный тест Дикки-Фулера, если же , то это расширенная модификация этого теста.

Стоит учесть отдельно, что предполагается заранее заданное исследователем количество лагов . Количество лагов можно как вычислить с помощью критерия Шварца (BIC или SIC) [17], так с помощью критерия Акаике (AIC) [18]. Оба критерия пытаются свести в себе два условия: повышение качества модели и уменьшения числа параметров. Предпочтение отдаётся модели с минимальным значением соответствующего критерия. «На практике разные критерии могут привести к выбору различных моделей», общепринятого мнения на этот счёт нету, однако критерий BIC имеет более фундаментальное обоснование [19, стр. 255].

Первый шаг процедуры Доладо-Дженкинсона заключается в оценке значимости коэффициента в уравнении №1. Для оценки значимости этого коэффициента используется статистика , похожая на стандартную t-статистику Стьюдента, но имеющую распределение, отличное от распределения Стьюдента и другие критические значения. Выводы по первому шагу строятся так: если основная гипотеза о незначимости отвергается, то временной ряд не обладает единичным корнем, то есть стационарен, дальнейшее тестирование не является необходимым. Если нет оснований для отвержения нулевой гипотезы, то мы переходим на второй шаг, проверяющий значимость тренда в модели.

В нём оценивается второе уравнение, уже записанное в предположении, что единичный корень есть (т.е. ). Вот тут уже используются знакомые нам распределение Стьюдента и двусторонняя t-статистика. Если коэффициент перед трендом значим, то на предыдущем шаге модель была специфицирована правиль...