Развитие современной экономической системы

Для построения в дальнейшем моделей векторной авторегрессии и векторной модели коррекции ошибками и анализа коинтеграционных связей ранжируем переменные по их особенностям.

Чтобы найти коинтеграционное уравнение для исследуемых временных рядов, проведём тест Йохансена и построим VECM модель, которому посвящён следующий раздел.

2.7 Коинтеграционный анализ, VECM модель

Проведём тест Йохансона на наличие коинтеграции и вычислим количество коинтеграционных соотношений.

Первым делом определимся с наличием тренда и константы в основной части модели и в коинтеграционном соотношении. Используя статистический пакет Eviews оценим необходимость включения в модель константы и (или) тренда с помощью суммарной таблицы по пяти возможным вариантам.

Выдачу таблицы для первого периода можно рассмотреть в приложении №21-23. На основании этих таблиц по критериям Шварца и Акаике принята спецификация только для третьего периода с константой и трендом. Приведём результаты теста в таблице №2.14.

Таблица №2.14: Коинтеграционное соотношения:

Период	Нормализованные коинтегрирующие коэффициенты
	MICEX	HSI	NIKKEI	PX	DAX	FTSE	SP500	CAC	VIX	TREND	C
3	1	0,622	4,742	-1,841	0,854	-0,761	0,785	-1,499	0,358	-0,005	-42,7514

Производя анализ и сравнение коинтегрирующих коэффициентов, можно оценить долгосрочные связи в модели. Нетрудно заметить, что в период высокой волатильности знак у китайского индекса был положительным, то есть существовала обратная зависимость: чем выше китайский индекс, тем ниже российский.

Японский рынок оказывает отрицательное влияние на российский рынок. Можно заметить, что индексы PX FTSE CAC влияют на индекс MICEX положительно. Также влияние немецкого рынка в периоде высокой волатильности отрицательно.

Влияние американского рынка отрицательно, однако и влияние индикатора VIX, отрицательно влияет на российский рынок, что не согласуется со значением S&P 500 т.к. последний в таком случае должен влиять наоборот - положительно. Это подтверждается многими исследовательскими работами обратная связь индикатора VIX и российского рынка (см. систематизацию литературы).

Полученные коинтеграционные связи подтверждают интуитивно понятные экономические процессы, возникавшие в начале 2015 года.

В итоге нами выявлена группа факторов, принадлежащих классу DS UR рядов, то между этими рядами возможна так называемая коинтеграционная связь, которая позволяет стоить комбинации краткосрочной и долгосрочной динамических регрессионных моделей в форме так называемых моделей коррекции ошибками, что позволяет строить на основе этих моделей как краткосрочных, так и долгосрочных прогнозов.

На основании полученных соотношений построим VECM модель для 3-го периода с одним лагом, с трендом и константой.

В приложении №24 предлагаются соответствующие модели для всех периодов. Рассмотрим значимые на 5% уровне значимости переменные в VECM модели: CointEq1; D(LNPX(-1)); D(LNNIKKEI(-1)); D(LNHSI(-1)).

Краткосрочная связь российского рынка с мировым представлена во третьем периоде коинтеграционным уравнением и первыми разностями лагов азиатских индексов и Чехии.

2.8 Проверка выполнения условий теоремы Гаусса-Маркова

Как уже ранее указывалась, несоблюдение ряда условий теоремы Гаусса-Маркова может привести нас к ложным выводам, необходимо также проверить все исследованные модели на отсутствие в них классических эконометрических проблем. В нашем случае тестируется отсутствие гетероскедастичности и автокорреляции в оценённых моделях. Используются соответственно тесты Уайта и Бройша-Годфри. Также проверим нормальность с помощью теста Харке-Бера. В моделях не обнаружена автокорреляция и гетероскедастичность остатков, сами остатки распределены нормально.

2.9 Анализ характера изменения текущих взаимосвязей индексов

В авторском исследовании, для анализа процесса взаимовлияния глобального и отечественного фондовых индексов, и оценки характера изменений, вызванных текущим финансовым кризисом, было проведено пять видов анализа: визуальный, корреляционный, каузальный, коинтеграционный (VEC модель), а также построена модель векторной авторегрессии (VAR модель). Полученные результаты нашего исследования для разные периодов, представлены таблице №3.1.

В ниже предложенной таблице, понятие «причина» и «следствие», является понятие причины и следствия по Грейнджеру. Значения (1), (2), (3), означают соответствующие периоды исследования. Первый - докризисный, второй - период начала кризиса, третий - период высокой волатильности на российском рынке.

Таблица №3.1: Оценка влияния мировых индексов на российский национальный индекс ММВБ:

Фактор	Анализ	Связь с индексом ММВБ	Экономическая интерпретация
PX 50	Визуальный	График индекса схож наиболее с графиком MICEX. График стационарен, слабо схож по поведению с графиками европейских рынков.	Так как Чехия территориально находится близко и в ряде статей отмечалась взаимосвязь российского и чешского рынка была проверено взаимовлияние этих индексов. Данный индекс полностью повторяет поведение европейских индексов и не является причиной ни для одного индекса. Однако он обладает краткосрочной связью с индексом MICEX.
	Корреляционный	Стабильная средняя положительная корреляция в периодах (1-2) с падением корреляции в периоде (3)
	Каузальный	Является следствием американского (1-3), азиатских рынков и индикатора VIX в (1) (2) периодах. Следствие FTSE в периодах (2-3) и CAC в (1; 3).
	VAR модель	Вызывает положительный краткий импульс на индекс MICEX в IRF.
	Коинтеграционный	Положительное долгосрочное влияние в (3) периоде. Краткосрочное связь - обратная.
CAC 40	Визуальный	Имеет выраженный тренд в (1) и (3) периодах, визуально сильно схож с европейскими графиками.	Франция является одним из важнейших торговых партнёров, близко расположена к российским границам и по результатам анализа положительно шок индекса CAC будет положительно влиять на российский рынок в течении 3-х дней.
	Корреляционный	Стабильная средняя положительная корреляция в периодах (1-2) с значимым падением корреляции в периоде (3)
	Каузальный	Следствие американских и азиатских рынков в периодах (1-2). Причина чешского рынка в (1;3) и, что странно, причина американских рынков в (3).
	VAR модель	Долго угасающий (для 3 периода особенно) положительный импульс на индекс MICEX в IRF.
	Коинтеграционный	Положительное влияние в (3) периоде.
DAX	Визуальный	Имеет выраженный тренд в (1) и (3) периодах, повторяет поведение европейских графиков.	Германия - это первоочередной стратегический партнёр России. Она считается лидером среди стран Евросоюза. Ее фондовый рынок - один из самых развитых, хорошо организованных и технически оснащенных в мире, поэтому неудивительно, что в кризисный период Германия была Грейнджер причиной доходностей на российском рынке.
	Корреляционный	Стабильная средняя положительная корреляция в периодах (1-2) с значимым падением корреляции в периоде (3)
	Каузальный	Следствие американских и азиатских рынков в (1-2), следствие российского рынка в (2). Причина японского рынка в (3), что странно.
	VAR модель	Долго угасающий (для 3 периода особенно) положительный импульс на индекс MICEX в IRF.
	Коинтеграционный	Отрицательное влияние в (3).
FTSE 100	Визуальный	Повторяет поведение европейских графиков. Есть подозрение на наличие тренда.	Листинг на лондонской бирже проходит большое количество крупных российских компаний, однако после кризиса на Украине и введения санкций против России степень интеграции снижается.
	Корреляционный	Стабильная средняя положительная корреляция в периодах (1-2) с значимым падением корреляции в периоде (3)
	Каузальный	Следствие для американских и азиатских рынков в (1-2). Причина для китайского в (2) и чешского индексов (2-3). Следствие российского рынка в (1).
	VAR модель	Долго угасающий (для 3 периода особенно) положительный импульс на индекс MICEX в IRF.
	Коинтеграционный	Положительное влияние в (3).
S&P 500	Визуальный	Имеет сильно выраженный тренд, поведение схоже с индексом NIKKEI	США принято рассматривать как отдельный макроэкономический фактор, поэтому чаще всего именно США, с его мощным и развитым фондовым рынком, который в десятки раз по рыночной капитализации больше российского рынка. Когда в период кризиса и высокой волатильности взаимозависимость между странами менялась, на первое место выходил американский рынок. Особенно активное влияние было во втором кризисном периоде.
	Корреляционный	Стабильная средняя положительная корреляция в периодах (1-2) с значимым падением корреляции в периоде (3)
	Каузальный	Причина европейских рынков в периоде (1-2) и российского с чешским рынков в периоде (3), однако является следствием французского рынка в периоде (3).
	VAR модель	Долго угасающий положительный импульс на индекс MICEX в IRF.
	Коинтеграционный	Отрицательное влияние в (3).
VIX	Визуальный	Стационарен, на негативные шоки отвечает наиболее агрессивно. Особенно хорошо зеркально отражает негативные шоки на американском и рынке все время и на российском в (2) периоде.	Индикатор VIX оказался качественным индикатором волатильности на европейских рынках. Он оказывает сильный отрицательный импульс на российский индекс и российский рынок крайне агрессивно отвечает на рост этого поведенческого индикатора.
	Корреляционный	Средняя отрицательная корреляция в периоде (1) с ростом в периоде (2) и падением в периоде (3).
	Каузальный	В периоде (1-2) причина европейских рынков. Следствие китайского рынка в (1;3) и японского (3).
	VAR модель	Долго угасающий отрицательный импульс на индекс MICEX в IRF.
	Коинтеграционный	Отрицательное влияние на российский рынок в (3) периоде.
NIKKEI 225	Визуальный	Имеет выраженный тренд, поведение схоже с индексом S&P 500.	Япония менее интегрирована экономически и финансово с Россией, поэтому взаимовлияние слабее выражено чем в случае с Китаем, однако степень интеграции с азиатскими рынками явно становиться выше чем с европейскими.
	Корреляционный	Средняя положительная корреляция в периоде (1) с резким падением сначала в периоде (2), потом в периоде (3).
	Каузальный	Причина европейских рынков (1-2), и китайского (1), в третьем периоде причина индикатора VIX что опять же странно.
	VAR модель	Строго положительный, но относительно быстро угасающий импульс на индекс MICEX в IRF.
	Коинтеграционный	Отрицательное долгосрочное влияние на российский рынок (3). Положительное краткосрочное влияние (3).
HSI	Визуальный	Есть подозрения на тренд в (3) периоде. Не схож похож по поведению на другие графики, однако испытывает схожие негативные шоки, что и европейские рынки.	Китай, несмотря на независимую и самостоятельную внешнюю политику (чаще всего она выражается в нейтралитете), имеет экономику, колоссально зависящую от экспорта. Падение объемов торговли с Россией во (2) периоде не могло не сказаться на экономике Китая, что нашло отражение в уменьшении взаимовлияния индексов. Однако наблюдается некий разворот Российского рынка в сторону Китайского, что позволяет сгладить последствия кризиса. Главным драйвером взаимовлияния в случае с Китаем выступают: объёмы торговли с России и географическая близость.
	Корреляционный	Средняя положительная корреляция в периоде (1) с сильным падением в периоде (2) и восстановление до докризисного уровня в периоде (3)
	Каузальный	Причина VIX и следствие FTSE в периоде (3). Причина европейских рынков, и российского. Следствие японского рынка в (1).
	VAR модель	Стабильный двухдневный положительный импульс на индекс MICEX в IRF (но на третий-четвёртый день быстро угасает).
	Коинтеграционный	Отрицательное долгосрочное влияние на индекс в (3). Положительное краткосрочное влияние (3).

Резюмируем полученные результаты по второй главе.

Выводы по второй главе

В данной главе подробно описаны используемые в исследовании дневные данные торгов и устранён ряд проблем, таких как пропущенные наблюдения и «эффект асинхронности торгов». Первая проблема устранена восстановлением пропущенных значений с помощью значения индекса по значениям прошлой торговой сессии, тогда как вторая проблема устранена с помощью взятия цены открытия для индекса ММВБ вместо цены закрытия и оценивания лаговых переменных по данным с европейских и американских торговых площадок (данных «вчерашнего дня»), а также оценивания текущих значений для азиатских индексов и индекса ММВБ (данных «сегодняшнего дня»).

Предложена периодизация исследования на основании оценки волатильности доходности индекса ММВБ (и оценке ряда других показателей), состоящая из трёх периодов: «докризисный», «начало кризиса» и «период высокой волатильности на рынке». Предложена для оценки первичная модель и описательная статистика по данным. Гипотеза о нормальности распределения оцениваемых индексов отвергается для всех переменных и всех периодов на 5% уровне значимости, хотя асимптотическая нормальность этих переменных совершенно бесплатно обеспечивается за счет Центральной Предельной Теоремы.

Проведён визуальный и корреляционный анализ, выявивший возможное наличие нестационарности временных рядов и тенденцию к понижению связи между индексом ММВБ и остальными изучаемыми индексами, кроме индикатора VIX для периода начала кризиса, что, скорее всего, связано с тем, что именно в этот период наибольшая часть негативной информации исходила от украинского конфликта, в который была вовлечена Россия. Также наблюдается относительно стабильная связь российского и китайского индекса, отражающей хорошую степень связи наших рынков, что эмпирически подтверждается в последнее время. На фоне ослабевания связи с рядом стран Европы, Америки и Азии, можно предположить, что Россия сильнее развернулась в сторону китайского рынка. Стоит учесть, что данные результаты получены при удалении трендовой составляющей из оцениваемых индексов, при обычной оценке логарифмов получаются крайне противоречивые результаты. Сезонности в поведении индексов на изучаемом промежутке времени не обнаружено. Уточняется, что корреляционный и визуальный анализ не позволяют нам определить причинно-следственную связь между переменными и требуется использование более качественного инструмента для анализа.

С помощью процедуры Доладо-Дженкинсона обнаружена нестационарность исследуемых временных рядов и первый порядок их интеграции. Применена процедура перехода к стационарным временным рядам с помощью взятия первой разности логарифмов и дальнейшая оценка.

Проведён каузальный анализ исследуемых индексов, позволивший определить причинно-следственную связь между факторами, а также определены функции импульсного отклика на факторы.

Построены VAR, VECM модели и проведён коинтеграционный анализ временных рядов. Проведена оценка качества моделей на соблюдения условий теоремы Гаусса- Маркова.

На основании полученных результатов проведена оценка степени и силы взаимовлияния исследуемых индексов с разбивкой на три периода.



Заключение

В этом мире не лжет,

потому что просто не в состоянии,

только одна вещь, и это - Математика. [79]

В данном исследовании проведена оценка взаимовлияния национальных фондовых индексов России, Чехии, Франции, Германии, Англии, США, Японии, Китая и оценено влияние индикатора VIX (индикатора страха глобальных инвесторов). Анализ проведён в призме влияния национальных фондовых рынков и индикатора VIX на российский национальный фондовый рынок, представленный индексом российской фондовой биржей ММВБ и индексом MICEX.

Для анализа используются дневные данные торгов в период с 3 января 2013 года по 30 апреля 2015 года. Выборка делится на три периода, характеризующие: «докризисный период» до 28 февраля 2014 г., «период начала кризиса» до 28 ноября 2014 г., «период высокой волатильности» на рынке ММВБ - до 30 апреля 2015 г.

Основные результаты исследования подробно разбираются в выводах по каждой главе, рассмотрим лишь наиболее интересные в призме решения задач исследования и достижения основной цели - проанализировать процессы взаимовлияния глобального и отечественного фондовых индексов и оценить характер изменений, вызванных текущим финансовым кризисом.

Проведённый анализ факторов, оказывающих влияние на индекс MICEX, показал, что большая часть исследуемых временных рядов имеет единичный корень и является нестационарной в разностях, остальные ряды были исключены из дальнейшего анализа.

На российский индекс значимо влияют в докризисный и в период начала кризиса - европейские рынки, азиатские и американские фондовые рынки, когда в период высокой волатильности

Для докризисного периода подтверждается гипотеза о географической связи рынка - чем ближе рынки, тем выше взаимовлияние. Подтверждается основная гипотеза о смене характера взаимовлияния индексов в период финансового кризиса 2014-2015 гг. Замеченные ранее в других исследованиях взаимовлияния российского и чешского фондовых рынком не подтвердились. Влияние американского и японского рынка на российский рынок подтверждается.

Мы выявили, что наблюдается падение уровня финансовой интеграции России и европейских стран в период кризиса и период высокой волатильности, что, ссылаясь на систематизацию результатов предыдущих исследований, выглядит относительно неожиданно, так как чаще всего в кризисные периоды наблюдается рост финансовой взаимозависимости. Однако комплексный ряд факторов, таких как ситуация на юго-востоке Украины, введение санкций, «бегство капиталов» из страны и волатильность национальной валюты делают российский рынок менее-привлекательным для мировых инвесторов и понижает степень интеграции Российского и европейского фондового рынка, но открывают новые возможности на азиатких рынках.

Дальнейшее направление развития нашего исследования определяется в получении данных по периоду завершения финансового кризиса и данных по посткризисному периоду для сравнения результатов, полученных «до», «в начале» и в периоде высокой волатильности доходностей (по индексу ММВБ) текущего кризиса. Предлагается использовать полученные результаты для построения и прогнозирования сценариев по исследуемым показателям.

Также, по мнению Самойлова [6, стр. 257], можно использовать полученные данные о характере и степени взаимовлияния национальных индексов для построения модели вероятности наступления кризиса (моделей класса EWS).

С методической стороны вопроса, дальнейшая работа также может быть направлена на создания программных модулей для реализации процедуры Доладо-Дженкинса, Сосвила-Ривела (D-J-S-R) [15] в наиболее известных статистических пакетах, например, Eviews, STATA и т.п. Так как, по нашему мнению, автоматизация процедуры D-J-S-R является актуальной и интересной задачей для дальнейших исследований.



Список литературы

1. Baumцhl E., Vэrost T. Stock market integration: Granger causality testing with respect to nonsynchronous trading effects // Czech Journal of Economics and Finance. 2010. 60 (5). Р. 414-425.

2. Peresetsky, A.A. What determines stock market behavior in Russia and other emerging countries? // BOFIT Discussion Papers. 2013. 4.

3. Федорова, Е.А., Панкратов Е.К. Влияние мирового финансового рынка на фондовый рынок России // Аудит и финансовый анализ; 2009 - №2. - С. 267-274.

4. [Электронный документ]. Сайт GOOGLE финансы. Ссылка: https://www.google.com/finance

5. [Электронный документ]. Сайт Finam. Ссылка: http://www.finam.ru/profile/mirovye-indeksy/micex/

6. Самойлов Д.В. Факторы, оказывающие влияние на индекс РТС во время финансового кризиса 2008-2009 гг. и до него // Экономический журнал Высшей школы экономики. 2010. № 2. С. 65-68.

7. Федорова Е.А. Методологические аспекты оценки зависимости валютных и фондовых рынков в условиях кризиса // Финансы и кредит. 2010. № 35. С. 27-34.

8. Федорова Е.А. Оценка влияния фондовых рынков США, Китая и Германии на фондовый рынок России // Экономический анализ: теория и практика. 2013. №47(350). С. 29-37.

9. Канторович Г.Г. Анализ временных рядов. Лекционные и методические материалы // Экономический журнал ВШЭ, № 1 - М.: ВШЭ, 2002 г. стр. 85-116.

10. Sims C.A. Macroeconomics and Reality Econometrica, Vol. 48, No. 1. 1980. P. 1-48.

11. Engle R.F. Autoregressive Conditional Heteroskedastisity with Estimates of the Variance of U.K. Inflation // Econometrica. 1982. Vol. 50. P. 987-1007.

12. Bollerslev T. Generalized Autoregressive Conditional Heteroscedastisity // Journal of Econometrics. 1986. Vol. 31. P. 307-327.

13. Nelson C. R. and Kang H. Pitfalls in the Use of Time as an Explanatory Variable in Regression // Journal of Business and Economic Statistics. Vol. 2. January 1984. P. 73-82.

14. Nelson C. R. and Plosser C. I. Trends and Random Walks in Macroeconomic Time Series Some Evidence and Implication // Journal of Monetary Economics. 1982. 10. P. 139-62.

15. Dolado J.J., Jenkinson T. and Sosvilla-Rivero S. Cointegration and Unit Roots //Journal of Economic Survey. 1990. Vol. 4. P. 249-73.

16. Dickey D.A. and Fuller W.A. Distribution of the Estimators for Autoregressive Time-Series with a Unit Root // Journal of the American Statistical Assiciation. Vol. 74. 1979. P. 427-431

17. Schwarz G. Estimating the Dimension of a Model // The Annals of Statistics. 1978. 6. P. 461-464.

18. Akaike H. A New Look at the Statistical Model Identification, IEEE Transactions on Automatic Control, AC-19. 1974. P. 716-723.

19. Канторович Г.Г. Анализ временных рядов. Лекционные и методические материалы // Экономический журнал ВШЭ, № 2 - М.: ВШЭ, 2002 г. стр. 251-273.

20. Granger C.W.J., Newbold P. Forecasting Economic Time Series. N.Y.: Academic Press, 1977.

21. Liu Steven Zongshin, Kung-Cheng Lin, Sophia Meiying Lai. Stock Market Interdependence and Trade Relations: A Correlation Test for the U.S. and its Trading Partners // Economics Bulletin. 2006. Vol. 7. №5. P. 1-15.

22. Lьtkepohl, Helmut "Impulse response function" // The New Palgrave Dictionary of Economics. 2008 P.245

23. Липсет С. М. Некоторые социальные предпосылки демократии: Экономическое развитие и политическая легитимность. // Концепция модернизации в зарубежной социально-политической теории 1950-1960 гг.: Сб. переводов / РАН. ИНИОН. -- М., 2012. -- С. 35-86.

24. Peresetsky A., Ivanter A. Interaction of the Russian financial markets // Economics of Planning. 2000. 33. P. 103-140.

25. Федорова Е.А., Панкратов К.А. Влияние мирового финансового рынка на фондовый рынок России // Аудит и финансовый анализ. 2009. № 2. С. 78-83.

26. Peresetsky, A.A. What determines stock market behavior in Russia and other emerging countries? // BOFIT Discussion Papers. 2013. 4.

27. Peresetsky A.A. What determines the behavior of the Russian stock market // MPRA Paper 41508. 2011.

28. Федорова Е.А., Лыткина О.А. Прогноз кризисного состояния на фондовом рынке Российской Федерации с помощью модели Маркова // Финансы и кредит. - 2012. - № 13(493). - С. 48-53.

29. Федорова Е.А. Влияние цены на нефть на фондовые рынки стран БРИКС // Финансы и кредит. 2013. - № 46(574). - С. 34-40.

30. Федорова Е.А., Панкратов Е.К. Влияние мирового финансового рынка на фондовый рынок России // Аудит и финансовый анализ. 2009 - №2. - С. 267-274.

31. Федорова Е.А. Взаимосвязь валютного и фондового рынков: эмпирический анализ на примере российского рынка // Экономический анализ: теория и практика. - 2014. - № 45(348). - С. 16-23.

32. Федорова Е.А. Оценка влияния фондовых рынков США, Китая и Германии на фондовый рынок России // Экономический анализ: теория и практика. 2013. №47(350). С. 29-37.

33. Давниc В.В., Касаткин С.Е., Тимченко О.В. Модели портфельного образа и оценка возможностей их практического использования // Современная экономика: проблемы и решения. 2011. № 9 (21). С. 126-137.

34. Давниc В.В. Коротких В.В. Кроссрыночные связи на глобальном фондовом // Бизнес без границ. 2013. С. 120-128.

35. Федорова Е.А. Влияние либерализационных процессов на уровень финансовой глобализации фондовых рынков (финансовой интеграции) // Аудит и финансовый анализ. 2010. № 3. С. 1-4.

36. Ekholm K. The globalisation of the financial markets following the global financial crisis // SVERIGES RIKSBANK ECONOMIC REVIEW. 2013. 1. C. 6-30.

37. Mehl A., Reynaud J. P. M. The determinants of'domestic'original sin in emerging market economies. - 2005.

38. Fedorova E. Transfer of financial risk in emerging eastern European stock markets: A sectoral perspective // BOFIT Discussion Papers. 2011. 24.

39. Федорова Е.А., Литовка С.В. Анализ влияния финансовой интеграции на конъюнктуру фондовых рынков в условиях финансового кризиса // Аудит и финансовый анализ. 2010. № 2. С. 1-9.

40. Hayo B., Kutan A.M. The impact of news, oil prices, and global market de-velopments on Russian financial markets // Economics of Transition. 2005. 13 (2). Р. 373-393.

41. Jalolov M., Miyakoshi T. Who drives the Russian financial markets? // The Developing Economies. 2005. 43 (3). Р. 374-395.

42. Anatolyev S. A ten-year retrospective of the behavior of Russian stock returns // Research in International Business and Finance. 2008. 22 (1). Р. 56-67.

43. http://www.world-exchanges.org/statistics/annual-query-tool

44. Cha B., Oh S. The relationship between developed equity markets and the Pacific Basin's emerging equity markets //International Review of Economics & Finance. - 2000. - Т. 9. - №. 4. - С. 299-322.

45. Федорова Е. А., Назарова Ю. Н. Факторы, влияющие на изменение индекса РТС российского фондового рынка //Аудит. - 2010. - №. 1. - С. 174-179.

46. Gilmore C. G., McManus G. M. International portfolio diversification: US and Central European equity markets //Emerging Markets Review. - 2002. - Т. 3. - №. 1. - С. 69-83.

47. Berument H., Ince O. Effect of S&P500's return on emerging markets: Turkish experience //Applied Financial Economics Letters. - 2005. - Т. 1. - №. 1. - С. 59-64.

48. Felix A.O., Dufrene U. B., Chatterjee A. Investment implications of the Korean financial market reform //International Review of Financial Analysis. - 1998. - Т. 7. - №. 1. - С. 83-94.

49. Phylaktis K., Ravazzolo F. Measuring financial and economic integration with equity prices in emerging markets //Journal of International Money and Finance. - 2002. - Т. 21. - №. 6. - С. 879-903.

50. Adler M., Qi R. Mexico's integration into the North American capital market //Emerging Markets Review. - 2003. - Т. 4. - №. 2. - С. 91-120.

51. Giot P. Relationships between implied volatility indexes and stock index returns //The Journal of Portfolio Management. - 2005. - Т. 31. - №. 3. - С. 92-100.

52. Fleming J., Ostdiek B., Whaley R. E. Predicting stock market volatility: a new measure //Journal of Futures Markets. - 1995. - Т. 15. - №. 3. - С. 265-302.

53. Sarwar G. Is VIX an investor fear gauge in BRIC equity markets? //Journal of Multinational Financial Management. - 2012. - Т. 22. - №. 3. - С. 55-65.

54. De Gooijer J. G., Sivarajasingham S. Parametric and nonparametric Granger causality testing: Linkages between international stock markets //Physica A: Statistical Mechanics and its Applications. - 2008. - Т. 387. - №. 11. - С. 2547-2560.

55. Allayannis G., Ihrig J., Weston J. P. Exchange-rate hedging: Financial versus operational strategies //American Economic Review. - 2001. - С. 391-395.

56. Lin C. H. Exchange rate exposure in the Asian emerging markets //Journal of multinational financial Management. - 2011. - Т. 21. - №. 4. - С. 224-238.

57. Bartov E., Bodnar G. M. Firm valuation, earnings expectations, and the exchange?rate exposure effect // The journal of Finance. - 1994. - Т. 49. - №. 5. - С. 1755-1785.

58. Dominguez K. M. E., Tesar L. L. Exchange rate exposure //Journal of International Economics. - 2006. - Т. 68. - №. 1. - С. 188-218.

59. Akram Q. F. Commodity prices, interest rates and the dollar //Energy Economics. - 2009. - Т. 31. - №. 6. - С. 838-851.

60. Ji Q., Fan Y. How does oil price volatility affect non-energy commodity markets? // Applied Energy. 2012. 89. Р. 273-280

61. Peresetsky A., Ivanter A. Interaction of the Russian financial markets // Economics of Planning. 2000. 33. P. 103-140.

62. Иванова, Е.В. Биржевые операции и биржевые индексы: правовой режим и экономическая сущность // Инвестиционный банкинг. - 2008. - N3

a. Артамонов Н. В. Введение в эконометрику: курс лекций //М.: МЦНМО. - 2011.

63. Кубышкина М. А., давнис в. В. Обзор литературы на тему взаимовлияния мирового и национального фондовых рынков //APRIORI. Серия: Гуманитарные науки. - 2014. - №. 4.

64. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс. -- М.: Дело, 2007. -- 504 с

65. Давниc В.В., Касаткин С.Е., Ардаков А.А. Главные компоненты и их применение в моделях портфельного инвестирования // Современная экономика: проблемы и решения. 2012. № 7 (31). C. 150-157.

66. Федорова Е. А., Сафина Ю. А., Литовка С. В. 3.12. Анализ влияния финансовой интеграции на конъюнктуру фондовых рынков в условиях финансового кризиса //аудит. - 2010. - №. 2. - с. 187-195.

67. Федорова Е.А. Влияние цены на нефть на фондовые рынки стран БРИКС // Финансы и кредит. 2013. - № 46(574). - С. 34-40.

68. Федорова Е.А., Панкратов Е.К. Влияние мирового финансового рынка на фондовый рынок России // Аудит и финансовый анализ. 2009 - №2. - С. 267-274.

69. Федорова Е.А. Методологические аспекты оценки зависимости валютных и фондовых рынков в условиях кризиса // Финансы и кредит. - 2010. № 35(419). С. 27-34.

70. Федорова Е.А. Оценка влияния фондовых рынков США, Китая и Германии на фондовый рынок России // Экономический анализ: теория и практика. 2013. №47(350). С. 29-37.

71. [Электронный документ] Сайт мирового банка. Ссылка: http://data.worldbank.org/indicator/CM.MKT.LCAP.CD

72. [Электронный документ] Россия и страны мира - 2014 г. // Сборник ГКС, 2014г. Ссылка: http://www.gks.ru/bgd/regl/b14_39/Main.htm

73. Engle R. F., Granger C. W. J. Cointegration and Error Correction: Representation, Estimation, and Testing // Econometrica. V. 55. 1987. № 2.

74. Johansen Soren. «Estimation and Hypothesis Testing of Cointegration Vectors in Gaussian Vector Autoregressive Models» // Econometrica. 1991. № 59. Pp. 1551-1580.

a. Johansen Soren. Likelihood-based Inference in Cointegrated Vector Autoregressive Models. Oxford: Oxford University Press. 1995

75. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс. -- М.: Дело, 2007. -- 504 с.

76. [Электронный документ] Валуев А.В. Психологический анализ инвесторов // Курсовая работа. 2009 г. Ссылка: http://www.hse.ru/data/2011/04/19/1210849182/Valuev_final.doc

a. Лефевр Э. Воспоминания биржевого спекулянта. - Olympus Business, 2010. MLA

77. Носко В.П. Эконометрика: учебник М.: Изд. дом «Дело» РАНХиГС, 2011. Кн. 1. Ч. 1. 672 с.



Приложение А. Справочные и аналитические таблицы

Динамика рыночной капитализации, визуализация:



Динамика рыночной капитализации ряда бирж, визуализация:

Внешняя торговля, визуализация

Первые разности логарифма ММВБ с 09 января 2013 по 30 апреля 2015

Логарифмы курса доллара к рублю, индекса ММВБ, цены на нефть BRENT с 06 января 2014 по 30 апреля 2015.

Описательная статистика первого периода.

Переменная	LNMICEX	LNPX	LNCAC	LNFTSE	LNDAX	LNSP500	LNVIX	LNNIKKEI	LNHSI
Наблюдений	301	301	301	301	301	301	301	301	301
Среднее	7,2759	6,8854	8,2917	8,7801	9,0421	7,4170	2,6522	9,5265	10,0243
Медиана	7,2901	6,8885	8,2928	8,7816	9,0278	7,4154	2,6225	9,5570	10,0333
Ст. отклонение	0,0453	0,0449	0,0569	0,0290	0,0760	0,0670	0,1201	0,1114	0,0375
Минимум	7,1623	6,7486	8,1875	8,7041	8,9173	7,2842	2,4248	9,2579	9,8941
Максимум	7,3546	6,9718	8,3937	8,8343	9,1843	7,5253	3,0653	9,6984	10,0874
Дисперсия	0,0021	0,0020	0,0032	0,0008	0,0058	0,0045	0,0144	0,0124	0,0014
Асимметрия	-0,6172	-0,8273	-0,0675	-0,4254	0,3245	-0,1249	0,9718	-0,8282	-0,9610
Эксцесс	2,3877	3,7095	1,6487	2,6746	1,8446	1,9638	3,5818	2,8266	3,7267
Тест Харке-Бера	23,8092	40,6468	23,1287	10,4070	22,0275	14,2493	51,6176	34,7883	52,9569
P-value	0,0000	0,0000	0,0000	0,0055	0,0000	0,0008	0,0000	0,0000	0,0000

Описательная статистика второго периода.

Переменная	LNMICEX	LNPX	LNCAC	LNFTSE	LNDAX	LNSP500	LNVIX	LNNIKKEI	LNHSI
Наблюдений	195	195	195	195	195	195	195	195	195
Среднее	7,2526	6,8933	8,3789	8,8086	9,1593	7,5701	2,6076	9,6343	10,0580
Медиана	7,2520	6,8963	8,3850	8,8141	9,1637	7,5739	2,5855	9,6334	10,0536
Ст. отклонение	0,0488	0,0267	0,0316	0,0218	0,0336	0,0312	0,1596	0,0540	0,0402
Минимум	7,1200	6,8038	8,2735	8,7316	9,0563	7,5042	2,3341	9,5404	9,9609
Максимум	7,3393	6,9478	8,4327	8,8362	9,2133	7,6367	3,2677	9,7694	10,1393
Дисперсия	0,0024	0,0007	0,0010	0,0005	0,0011	0,0010	0,0255	0,0029	0,0016
Асимметрия	-0,2541	-0,2731	-0,7808	-1,1082	-0,5747	0,0316	1,3668	0,6994	0,0443
Эксцесс	2,2902	2,8569	3,1953	3,9718	2,9254	2,0182	5,9806	3,1713	2,4879
Тест Харке-Бера	6,1912	2,5907	20,1232	47,5883	10,7783	7,8641	132,8929	16,1362	2,1945
P-value	0,0452	0,2738	0,0000	0,0000	0,0046	0,0196	0,0000	0,0003	0,3338

Описательная статистика третьего периода.

Переменная	LNMICEX	LNPX	LNCAC	LNFTSE	LNDAX	LNSP500	LNVIX	LNNIKKEI	LNHSI
Наблюдений	108	108	108	108	108	108	108	108	108
Среднее	7,3887	6,9078	8,4542	8,8214	9,2947	7,6341	2,7521	9,8172	10,1153
Медиана	7,4065	6,9157	8,4636	8,8292	9,2979	7,6361	2,7228	9,7972	10,1060
Ст. отклонение	0,0734	0,0394	0,0796	0,0313	0,0847	0,0166	0,1625	0,0558	0,0562
Минимум	7,2395	6,8387	8,2954	8,7295	9,1414	7,5872	2,4698	9,7265	10,0249
Максимум	7,5168	6,9646	8,5696	8,8684	9,4234	7,6581	3,1600	9,9128	10,2557
Дисперсия	0,0054	0,0016	0,0063	0,0010	0,0072	0,0003	0,0264	0,0031	0,0032
Асимметрия	-0,4595	-0,2204	-0,2586	-0,6669	-0,1564	-0,6523	0,5145	0,1931	1,1784
Эксцесс	2,2915	1,5398	1,6879	2,7173	1,5729	2,6913	2,3340	1,6271	3,5894
Тест Харке-Бера	6,0601	10,4695	8,9511	8,3655	9,6050	8,0888	6,7599	9,1524	26,5582
P-value	0,0483	0,0053	0,0114	0,0153	0,0082	0,0175	0,0340	0,0103	0,0000

Логарифмы переменных из модели 2.2.

Корреляционные матрицы, разделённые на периоды.

Вся выборка: с 09.01.2013 по 30.05.2015 г. - 604 наблюдения
	MICEX	PX	CAC	FTSE	DAX	SP500	VIX	NIKKEI
PX	0.4997	1.0000
CAC	0.5279	0.4763	1.0000
FTSE	0.4111	0.4067	0.8680	1.0000
DAX	0.5710	0.4256	0.9720	0.8178	1.0000
SP500	0.3774	0.1911	0.8568	0.7355	0.9053	1.0000
VIX	-0.0698	-0.3816	-0.1151	-0.3845	-0.0264	0.0158	1.0000
NIKKEI	0.4719	0.1165	0.8331	0.7252	0.8854	0.9029	0.0897	1.0000
HSI	0.6756	0.4840	0.6437	0.5432	0.6520	0.5884	-0.1602	0.5840
«Докризисный период» с 09.01.2013 г. по 03.03.2014 г. - 301 наблюдение
	MICEX	PX	CAC	FTSE	DAX	SP500	VIX	NIKKEI
PX	0.7458	1.0000
CAC	0.3214	0.2845	1.0000
FTSE	0.1824	0.1657	0.8367	1.0000
DAX	0.3141	0.2881	0.9448	0.7965	1.0000
SP500	0.1190	0.0552	0.9198	0.8317	0.9569	1.0000
VIX	-0.3826	-0.3550	-0.0835	-0.3185	-0.0352	-0.0267	1.0000
NIKKEI	-0.1112	-0.1929	0.7856	0.7949	0.7986	0.9083	0.0002	1.0000
HSI	0.7583	0.7254	0.3106	0.2224	0.2348	0.0836	-0.4644	-0.0182
Период «Начало кризиса» с 04.03.2014 г. по 28.11.2014 г. -195 наблюдений
	MICEX	PX	CAC	FTSE	DAX	SP500	VIX	NIKKEI
PX	0.0730	1.0000
CAC	0.1266	0.8290	1.0000
FTSE	0.2936	0.5747	0.8211	1.0000
DAX	0.4677	0.6531	0.8877	0.8550	1.0000
SP500	0.7892	-0.1981	-0.1216	0.1811	0.2146	1.0000
VIX	-0.4902	-0.5339	-0.7089	-0.8276	-0.8339	-0.3707	1.0000
NIKKEI	0.6734	-0.2348	-0.2743	-0.0438	0.0226	0.9016	-0.1076	1.0000
HSI	0.5171	-0.2833	-0.2099	0.1837	0.0250	0.7178	-0.2093	0.5777
«Период высокой волатильности» с 01.12.2014 г. по 30.05.2015 г. - 108 наблюдений
	MICEX	PX	CAC	FTSE	DAX	SP500	VIX	NIKKEI
PX	0.6080	1.0000
CAC	0.7258	0.8857	1.0000
FTSE	0.7600	0.8013	0.9247	1.0000
DAX	0.6821	0.8726	0.9885	0.8774	1.0000
SP500	0.4791	0.6777	0.6514	0.7470	0.5871	1.0000
VIX	-0.3717	-0.7476	-0.6343	-0.7199	-0.5740	-0.8927	1.0000
NIKKEI	0.5025	0.9124	0.9328	0.8317	0.9254	0.7090	-0.7433	1.0000
HSI	0.5050	0.6392	0.7580	0.7540	0.6964	0.5353	-0.5371	0.7358

Корреляционные матрицы, без трендовой составляющей.

...

Вся выборка: с 09.01.2013 по 30.05.2014 г. - 499 наблюдения
	D_LNMICEX	D_LNPX	D_LNCAC	D_LNFTSE	D_LNDAX	D_LNSP500	D_LNVIX	D_LNNIKKEI
D_LNPX	0.2705	1.0000
D_LNCAC	0.3205	0.5504	1.0000
D_LNFTSE	0.3288	0.4896	0.8126	1.0000
D_LNDAX	0.3284	0.5284	0.9093	0.7635	1.0000
D_LNSP500	0.2783	0.3255	0.5805	0.5834	0.5355	1.0000
D_LNVIX	-0.2590	-0.2558	-0.4512	-0.4459	-0.3792	-0.8414	1.0000
D_LNNIKKEI	0.2466	0.1762	0.3168	0.2757	0.2878	0.3927	-0.3260	1.0000
D_LNHSI	0.1888	0.0886	0.1932	0.1832	0.1660	0.2984	-0.2948	0.3957
«Докризисный период» с 09.01.2013 г. по 03.03.2014 г. - 296 наблюдение
	D_LNMICEX	D_LNPX	D_LNCAC	D_LNFTSE	D_LNDAX	D_LNSP500	D_LNVIX	D_LNNIKKEI
D_LNPX	0.3337	1.0000
D_LNCAC	0.4212	0.6100	1.0000
D_LNFTSE	0.4041	0.5604	0.8108	1.0000
D_LNDAX	0.4400	0.6190	0.9044	0.7856	1.0000

Подобные документы

• Модель авторегрессии и скользящего среднего (ARMA)

  Использование эконометрических моделей, построенных на основе временных рядов, для прогнозирования перспектив бизнеса и экономики. Общий вид модели авторегрессии первого порядка. Характеристика модели скользящего среднего. Идентификация модели ARMA.
  
  курсовая работа [2,0 M], добавлен 13.09.2015
  

• Статистический анализ рядов динамики в MS Excel

  Статистический анализ рядов динамики. Показатели изменения уровней ряда динамики. Связный анализ рядов динамики. Корреляционный анализ рядов динамики. Элементы интерполяции и экстраполяции. Встроенные функции MS Excel для анализа рядов динамики.
  
  курсовая работа [1,0 M], добавлен 17.12.2015
  

• Количественный анализ рыбных ресурсов на территории Российской Федерации

  Охрана рыбных ресурсов, принципы и подходы, законодательно-правовая база данного процесса. Порядок проведения математического анализа рыбных ресурсов современной России: корреляционный, временных рядов (выделение трендов) и регрессионный анализ.
  
  курсовая работа [245,9 K], добавлен 06.03.2012
  

• Статистический анализ инвестиционной деятельности в регионе

  Инвестиционная деятельность как объект исследования. Состав и роль инвестиции в основной капитал. Первичный, корреляционный и регрессионный анализ данных. Статистический анализ временных рядов. Методика построения диаграмм рассеивания между переменными.
  
  курсовая работа [790,9 K], добавлен 03.11.2014
  

• Финансовая интеграция развитых стран

  Анализ степени финансовой интеграции и свободы движения капитала в США, Германии, Корее и Китае. Построение глобальной кривой доходности, ее параметры. Анализ спредов–отклонений процентных ставок от предписываемых непокрытым процентным паритетом.
  
  дипломная работа [3,0 M], добавлен 04.11.2015
  

• Анализ прогнозирования в деятельности СУ-167 ОАО "МОЗЫРЬПРОМСТРОЙ"

  Понятие и основные этапы разработки прогноза. Задачи анализа временных рядов. Оценка состояния и тенденций развития прогнозирования на основе анализа временных рядов СУ-167 ОАО "Мозырьпромстрой", практические рекомендации по его совершенствованию.
  
  курсовая работа [378,6 K], добавлен 01.07.2013
  

• Среднеарифметический и среднегармонический индексы в анализе рыночных процессов

  Теоретические основы среднеарифметического и среднегармонического индексов, понятия средней величины и индексов, среднеарифметического и среднегармонического индексов. Построение статистических рядов распределения предприятий по различным признакам.
  
  курсовая работа [1,5 M], добавлен 19.03.2010
  

• Бизнес-прогнозирование с помощью моделей временных рядов

  Понятие временного ряда, компоненты. Сглаживание, анализ периодических колебаний. Сезонность, аддитивная и мультипликативная модели. Понятие белого шума в моделях динамики рядов. Оператор лагового сдвига. Оценка и вывод автокорреляционной функции.
  
  курсовая работа [659,4 K], добавлен 13.09.2015
  

• Экономическое моделирование

  Методы анализа структуры временных рядов, содержащих сезонные колебания. Рассмотрение подхода методом скользящей средней и построение аддитивной (или мультипликативной) модели временного ряда. Расчет оценок сезонной компоненты в мультипликативной модели.
  
  контрольная работа [57,9 K], добавлен 12.02.2015
  

• Типы и модели экономических систем

  Элементы, критерии и типы экономической системы. Смешанная экономика: сущность и модели. Сравнительный анализ основных социально-экономических моделей развитых стран. Неоиндустриальная модернизация в современной России. Инновационный путь развития.
  
  курсовая работа [32,4 K], добавлен 10.04.2016
  

• Расчет и построение системы индексов товарооборота, цен и физического объема продаж

  Способы анализа ряда динамики: приведение параллельных данных, смыкание рядов динамики, аналитическое выравнивание. Расчет средних цен на товар; определение дисперсии, среднего квадратического отклонения, коэффициента вариации, индивидуальных индексов.
  
  контрольная работа [65,5 K], добавлен 12.04.2012
  

• Характеристики точности моделей

  Анализ системы показателей, характеризующих как адекватность модели, так и ее точность; определение абсолютной и средней ошибок прогноза. Основные показатели динамики экономических явлений, использование средних значений для сглаживания временных рядов.
  
  контрольная работа [16,7 K], добавлен 13.08.2010
  

• Анализ динамических рядов и построение уравнения множественной регрессии

  Анализ, расчет и построение исходных динамических рядов признака-функции и признака-фактора. Расчет показателей вариации динамических рядов. Количественное измерение тесноты связи признака-функции и признаков-факторов методом парной корреляции.
  
  курсовая работа [92,7 K], добавлен 24.09.2014
  

• Расчет численности работающих в акционерных обществах

  Определение вида корреляционной зависимости между суммарными активами и объемом вложений акционеров. Построение линейного уравнения регрессии, расчет параметров. Вычисление изменения товарооборота, используя взаимосвязь индексов физического объема и цен.
  
  контрольная работа [145,6 K], добавлен 14.12.2011
  

• Экономико-статистический анализ деятельности акционерного общества (АО), выпускающего промышленную продукцию

  Факторный и индексный анализ продукции. Статистика эффективности использования трудовых и производственных ресурсов. Анализ динамики средней себестоимости с помощью системы индексов. Факторы величины прибыли и модели изменения уровня рентабельности.
  
  курсовая работа [216,7 K], добавлен 02.04.2014
  

• Анализ динамики импорта и экспорта США

  Анализ динамических рядов и выбор исходных данных. Графическое представление динамического ряда, расчет показателей изменения уровней динамических рядов и средних показателей. Периодизация динамических рядов и анализ основной тенденции динамики ряда.
  
  курсовая работа [2,8 M], добавлен 16.09.2010
  

• Анализ взаимосвязей производственных показателей фирмы (на примере фондовооруженности и производительности труда)

  Корреляционно-регрессионный анализ как объект статистического изучения, система статистических показателей, его характеризующих. Особенности и принципы применения метода корреляционно-регрессионного анализа. Построение статистического ряда распределения.
  
  курсовая работа [453,1 K], добавлен 28.01.2014
  

• Экономическая интеграция

  Сущность и формы экономической интеграции. Финансово-промышленные группы как фактор развития экономической интеграции. Стратегия создания и основные направления ФПГ в Беларуси. Цели создания СНГ. Тенденции развития экономической интеграции стран СНГ.
  
  курсовая работа [38,6 K], добавлен 23.01.2009
  

• Классификация временных рядов

  Понятие и значение временного ряда в статистике, его структура и основные элементы, значение. Классификация и разновидности временных рядов, особенности сферы их применения, отличительные характеристики и порядок определения в них динамики, стадии, ряды.
  
  контрольная работа [30,9 K], добавлен 13.03.2010
  

• Анализ рядов динамики

  Методика проведения анализа динамических рядов социально-экономических явлений. Компоненты, формирующие уровни при анализе рядов динамики. Порядок составления модели экспорта и импорта Нидерландов. Уровни автокорреляции. Корреляция рядов динамики.
  
  курсовая работа [583,6 K], добавлен 13.05.2010
  

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