Так как в неделе пять рабочих дней, в течение которых проходят торги на биржах, что определяет структуру наших данных, то число лагов для теста Грейнджера также возьмем равное пяти.

В первом периоде значимый вклад в прогноз индекса DAX вносили индексы Nikkei 225, RTS, S&P 500, а также фьючерсные цены на нефть. FTSE 100 оказался зависим от тех же показателей, что и немецкий фондовый индекс. S&P 500 зависел от Nikkei 225, а на RTSI оказывали свое влияние индексы S&P 500, Nikkei 225 и фьючерсные цены на нефть и золото.

Рисунок 2. Причинно-следственные связи в предкризисный период

В период кризиса связи между показателями изменились. DAX остался зависим от S&P 500, но на месте остальных влияющих на него факторов появились фьючерсные цены на золото. Золото в этом периоде оказалось фактором, вносящим значимый вклад в прогноз многих переменных, помимо немецкого индекса - FTSE 100, RTSI, Nikkei 225, S&P 500, а также фьючерсных цен на нефть. Помимо прочего, RTSI оказался зависим от FTSE 100. фондовый индекс россия кризис

Рисунок 3. Причинно-следственные связи в кризисный период.

Период стабилизации охарактеризовался довольно небольшим набором причинно-следственных связей. Можно отметить только, что DAX влияет на Nikkei 225, FTSE 100 - на S&P, Nikkei 225 - на фьючерсные цены на нефть; фондовые индексы Великобритании и Японии испытывают взаимозависимость, а значит, скорее всего, на них влияет еще какая-то переменная. Связи индекса RTS с какими-либо показателями прослеживаются слабо. Возможно, это стало результатом ослабления интеграции фондовых рынков после украинского кризиса и присоединения Крыма - экономические связи между Россией и западом из-за санкций и ряда других причин ослабли, что и привело к таким итогам.

Рисунок 4. Причинно-следственные связи в период стабилизации.

Тест Грейнджера способствовал выявлению направления влияния тех или иных факторов на другие. Однако этот анализ помог выяснить только лишь наличие взаимосвязей между некоторыми нашими переменными. Для того, чтобы охарактеризовать особенности, характер и силу влияния факторов друг на друга, потребуется дальнейшее исследование, в частности, построение векторной авторегрессионной модели.

VAR-модель

Для проведения дальнейшего анализа следует вначале оценить модель векторной авторегрессии. Для построения этой модели временные ряды должны быть стационарными.

Для начала нужно выбрать порядок VAR-модели; для этого оценивались модели с количеством лагов от 0 до 6, использовались Байесовский информационный критерий (BIC) и информационный критерий Акаике (AIC). В Таблице № 11 меньшие значения критериев выделены более светлым тоном, однако выбирать число лагов меньше 2 нецелесообразно. По этой причине для всех трех периодов возьмем количество лагов, равное 2.



Таблица № 11. Информационные критерии.

VAR	3	2	1
Lag	AIC	BIC	AIC	BIC	AIC	BIC
0	-42,573	-42,36302	-31,4741	-31,3274	-38,5472	-38,5074
1	-42,5416	-40,86199	-31,4981	-30,6176	-38,6553	-38,3773
2	-41,9766	-38,82734	-31,3393	-29,725	-38,6105	-38,0941
3	-42,1254	-37,50649	-31,2945	-28,9465	-38,553	-37,7983
4	-41,9407	-35,85215	-31,1035	-28,0218	-38,5189	-37,526
5	-41,8513	-34,29301	-31,0717	-27,2561	-38,4807	-37,2495
6	-41,9808	-32,95291	-31,0569	-26,5077	-38,438	-36,9684

Для подтверждения правильности нашего выбора, проведем дополнительный анализ. В Приложениях № 1-3 можно увидеть графики инверсных корней полинома. Для числа лагов, равного 2, корни расположены ближе к центру единичной окружности. Если инверсные корни полиному выйдут за границы этой окружности, это будет означать, что в модели нет стационарности. Соответственно, чем ближе они к центру окружности, тем лучше у нас модель, что подтверждает правильность выбора числа лагов, равного двум, для каждого периода.

Для более полной интерпретации полученных результатов далее были проанализированы функции импульсных откликов. В Приложениях № 4-6 представлены графики IRF для каждого периода, на которые была разбита наша выборка. Из анализа этих функций можно сделать вывод о том, что в первый период индекс РТС довольно остро реагирует на изменения немецкого и английского фондовых индексов, правда, длится этот отклик не более двух дней. Положительные отклики наблюдаются и для остальных переменных, хотя реакция на импульс со стороны фьючерсных цен на золото довольно мала.

Кризисный период характеризуется более значительным влиянием импульсов со стороны индексов, включенных в модель, на РТС; отклики на некоторые показатели выросли почти в 5 раз. Отклик на немецкий рынок положителен, но на четвертый день он пропадает. Реакция на FTSE 100 положительна, с пиком на второй день. Отклики на индексы США и Японии полностью положительны.

В третий период отклики индекса РТС очень сильно уменьшились. Реакция на DAX со стороны российского фондового индекса практически незначима. Отклики на FTSE 100, S&P 500 и Nikkei 225 положительны; наряду с фьючерсными ценами на нефть, индекс США оказывает наибольшее влияние на РТС в этот период. Реакция на импульс со стороны фьючерсных цен на золото идет только на третий день, а затем быстро сглаживается. Отклики длятся 10 дней, но значимыми остаются лишь на протяжении 3-5 дней.

Тестирование коинтеграции

Для тестирования коинтеграции временных рядов воспользуемся тестом Йохансена. Мы уже выяснили, что наши данные нестационарны, а значит, необходимое условие для этого теста выполнено.

Временные ряды были проверены на наличие тренда и константы. Согласно Байесовскому информационному критерию и информационному критерию Акаике, самой лучшей моделью во всех периодах является модель без тренда и без константы.

Полученные нормализованные коинтеграционные коэффициенты можно посмотреть в Таблицах № 12, 13, 14.

Коэффициент перед переменной OIL оказался отрицательным в первом и третьем периоде, что отображает прямую связь между индексом РТС и фьючерсными ценами на нефть. Влияние этой переменной возросло в период стабилизации по сравнению с предкризисным временем почти в 2 раза. Степень влияния S&P 500 упала после кризиса, а также зависимость между индексом США и RTSI стало отрицательной, в отличие от второго периода, когда этот показатель прямо влиял на российский фондовый индекс. Nikkei 225 влиял на RTSI отрицательно во время кризиса, в отличие от двух других периодов; во время стабилизации его значимость сильно возросла.

Зависимость от фьючерсных цен на золото была положительной в оба периода, для которых оценивалась модель с этой переменной; после кризиса значимость этого фактора возросла. Степень влияния индекса FTSE 100 сильно возросла во втором периоде, зависимость стала положительной, но уже в третьем периоде снова сменилась на отрицательную. DAX влиял на индекс RTS прямо в первые два периода, после кризиса зависимость стала отрицательной.

Таблица № 12. Нормализованные коинтеграционные коэффициенты (1 период).

RTSI	OIL	SNP	NIKKEI	GOLD	FTSE	DAX
1,00	-0,521380	-	-0,508197	-0,529212	0,222552	-0,264476
	(0,06131)		(0,05907)	(0,06495)	(0,16516)	(0,11746)

Таблица № 13. Нормализованные коинтеграционные коэффициенты (2 период).

RTSI	OIL	SNP	NIKKEI	GOLD	FTSE	DAX
1,00	-	8,210948	0,900998	-	-8,700264	-3,37207
		(1,23391)	(0,71614)		(1,41937)	(1,05721)

Таблица № 14. Нормализованные коинтеграционные коэффициенты (3 период).

RTSI	OIL	SNP	NIKKEI	GOLD	FTSE	DAX
1,00	-1,05857	-2,55213	-8,556914	-4,21216	7,726228	1,675797
	(0,25586)	(1,54518)	(1,09566)	(0,82995)	(1,45174)	(0,83729)

Построение VEC-модели

Для построения векторной модели коррекции ошибками можно использовать только стационарные в разностях временные ряды (DS UR). Для первого, предкризисного периода, мы будем строить модель по логарифмам следующих переменных: DAX, FTSE 100, Nikkei 225, RTSI, а также фьючерсных цен на нефть и золото. Фондовый индекс США сюда не войдет, так как данные по нему обладают трендовой стационарностью.

Аналогично для второго периода мы отбираем DAX, FTSE 100, Nikkei 225, RTSI и S&P 500. В третьем периоде все наши временные ряды обладают стационарностью в разностях, а потому мы не будем исключать ни одну переменную из анализа.

Для предкризисного периода значимыми переменными в модели являются DAX (-1), GOLD(-1), NIKKEI(-1), OIL(-1). Все коэффициенты отрицательные, значит, зависимость между этими факторами и индексом RTS обратная.

Во втором, кризисном периоде все эти переменные, за исключением немецкого фондового индекса, теряют свое влияние, но зато значимыми становятся RTSI(-1) и FTSE(-1). Коэффициент перед переменной DAX(-1) уменьшился, значит, обратная зависимость между ним и RTSI возросла. Зависимость от FTSE(-1) положительная, а вот от RTSI(-1) российский фондовый индекс зависит отрицательно.

Период стабилизации характеризуется тем, что значимым в модели остается только RTSI(-1), обратная корреляция между ним и RTSI увеличивается.



Заключение

В работе были исследованы взаимосвязи национальных фондовых индексов пяти стран, а также проверена гипотеза о влиянии на их взаимодействия цен на нефть и золото. Были построены и оценены модели долгосрочных связей между данными переменными.

Тест Грейнджера позволил выявить основные взаимосвязи между национальными финансовыми индексами и фьючерсными ценами на нефть и золото. В первом периоде были выявлены связи между многими индексами. RTSI влиял на индекс DAX, что можно объяснить тесными экономическими связями между Россией и Германии. Влияние фьючерсных цен на нефть на немецкий фондовый индекс, скорее всего, объясняется тем, что Германия является крупным импортером нефти. Влияние этой же переменной на RTSI также интуитивно понятно - экономика России находится в большой зависимости от цен на энергоресурсы.

Второй период охарактеризовался усилением значения фьючерсных цен на золото - оно влияет на все рассмотренные фондовые индексы. Такую картину можно объяснить тем, что золото является надежным активом для вложений, что во время кризиса является особенно актуальным. Согласно части исследований, котировки золота растут в периоды финансовых потрясений, следовательно, укрепляя свои позиции на мировом рынке, этот драгоценный металл усиливает свое влияние на национальные фондовые рынки различных стран.

В третий период наблюдается сильный распад всех причинно-следственных связей между рассмотренными показателями. С экономической точки зрения это может объясняться тем, что после украинского кризиса и присоединения Крыма происходит уменьшение интеграции между российским рынком и фондовыми рынками США, Европы и ряда других стран, присоединившихся к санкциям против России.

Временные ряды были проверены на стационарность и коинтеграцию, по итогам этих тестов была выбрана VEC-модель.Были рассмотрены национальные фондовые индексы Германии (DAX), Англии (FTSE 100), России (RTSI), США (S&P 500) и Японии (Nikkei 225), а также фьючерсные цены на нефть и золото. При оценке векторной модели коррекции ошибками выяснилось, что в первом периоде на российский фондовый рынок значимо влияли индексы Германии и Японии, а также цены на нефть и золото. В кризисный период свое влияние сохраняет немецкий фондовый индекс, а также значимым становится английский. В период стабилизации другие факторы перестали оказывать влияние на РТС.

Таким образом, гипотеза о высокой степени интегрированности России в мировую экономику не подтверждается, напротив, прослеживается ослабление связей российского фондового рынка с индексами других стран.



Список литературы

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

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

3. Aloui C., Nguyen D. K., Njeh H. Assessing the impacts of oil price fluctuations on stock returns in emerging markets //Economic Modelling. - 2012. - Т. 29. - №. 6. - С. 2686-2695.

4. 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.

5. Asgharian H., Hess W., Liu L. A spatial analysis of international stock market linkages //Journal of Banking & Finance. - 2013. - Т. 37. - №. 12. - С. 4738-4754.

6. Babeckэ J., Komбrek L., Komбrkovб Z. Integration of Chinese and Russian stock markets with world markets: National and sectoral perspectives // BOFIT Discussion Papers. - 2012. - № 4.

7. Basher S. A., Sadorsky P. Oil price risk and emerging stock markets //Global Finance Journal. - 2006. - Т. 17. - №. 2. - С. 224-251.

8. 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.

9. 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.

10. 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.

11. 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

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

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

14. 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.

15. Gay Jr R. D. et al. Effect of macroeconomic variables on stock market returns for four emerging economies: Brazil, Russia, India, and China //International Business & Economics Research Journal (IBER). - 2011. - Т. 7. - №. 3.

16. 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.

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

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

19. Kalra R. Impact of macroeconomic variables on Indian stock market //The IUP Journal of Financial Risk Management. - 2012. - Т. 9. - №. 1. - С. 43-54.

20. Mills T. C. Statistical analysis of daily gold price data //Physica A: Statistical Mechanics and its Applications. - 2004. - Т. 338. - №. 3. - С. 559-566.

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

22. Peresetsky A.A., Korhonen I. What determines stock market behavior in Russia and other emerging countries? // BOFIT Discussion Papers. - 2013. - № 4.

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

24. 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.

25. Sadorsky P. Oil price shocks and stock market activity //Energy Economics. - 1999. - Т. 21. - №. 5. - С. 449-469.

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

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

28. Tully E., Lucey B. M. A power GARCH examination of the gold market //Research in International Business and Finance. - 2007. - Т. 21. - №. 2. - С. 316-325.

29. Wang M. L., Wang C. P., Huang T. Y. Relationships among oil price, gold price, exchange rate and international stock markets //International Research Journal of Finance and Economics. - 2010. - Т. 47. - С. 80-89.

30. Wang X. The Relationship between Economic Activity, Stock Price and Oil Price: Evidence from Russia China and Japan //International Research Journal of Finance and Economics. - 2010. - Т. 60. - С. 102-113.

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

32. 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.

33. Канторович Г.Г. Анализ временных рядов. Лекционные и методические материалы // Экономический журнал ВШЭ. - 2002. - Т. 6. - № 1. - С. 85-116.

34. Канторович Г.Г. Анализ временных рядов. Лекционные и методические материалы // Экономический журнал ВШЭ. - 2002. - Т. 6. - № 2. - С. 251-273.

35. Канторович Г.Г. Анализ временных рядов. Лекционные и методические материалы // Экономический журнал ВШЭ. - 2002. - Т. 6. - № 3. - С. 379-401.

36. 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.

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

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

39. 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.

40. Федорова Е. А., Лазарев М. П. Влияние цены на нефть на финансовый рынок России в кризисный период // Финансы и кредит. 2014. - № 20(596). - С. 14-22.

41. Федорова Е.А., Ланец И.В. Влияние рынка золота на фондовые рынки стран БРИК // Экономический анализ: теория и практика. 2014. - № 19(370). - С. 12-17.

42. Федорова Е.А., Ланец И.В. Инвестирование в драгоценные металлы: оценка внутренних спиловер-эффектов // Финансы и кредит. 2013 - № 48. - С. 2-6.

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

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

45. Федорова Е.А., Панкратов К.А. Влияние макроэкономических факторов на фондовый рынок России // Проблемы прогнозирования. - 2010. - № 2.

46. 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.

47. Федорова Е.А., Черепенникова Ю.Г. Анализ зависимости цены на золото и индекса РТС для Российского рынка с выявлением кризисных периодов. // Экономический анализ: теория и практика. - 2012. - № 44(299). - С. 63-68.

48. https://www.google.com/finance

49. http://www.finam.ru



Приложение 1. Графики инверсных корней полинома для 1 периода

(6 лагов) 1 период

(2 лага) 1 период



Приложение 2. Графики инверсных корней полинома для 2 периода

(6 лагов) 2 период

(2 лага) 2 период



Приложение 3. Графики инверсных корней полинома для 3 периода

(6 лагов) 3 период

(2 лага) 3 период



Приложение 4. Графики импульсных откликов РТС за 1 период



Приложение 5. Графики импульсных откликов РТС за 2 период



Приложение 6. Графики импульсных откликов РТС за 3 период



Приложение 7. VEC-модель за 1 период

Vector Error Correction Estimates
Date: 05/15/15 Time: 07:57
Sample (adjusted): 1/09/2012 8/29/2014
Included observations: 688 after adjustments
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq:	CointEq1
RTSI(-1)	1.000000
DAX(-1)	-0.264476
	(0.11746)
	[-2.25157]
FTSE(-1)	0.222552
	(0.16516)
	[ 1.34747]
GOLD(-1)	-0.529212
	(0.06495)
	[-8.14758]
NIKKEI(-1)	-0.508197
	(0.05907)
	[-8.60269]
OIL(-1)	-0.521380
	(0.06131)
	[-8.50454]
Error Correction:	D(RTSI)	D(DAX)	D(FTSE)	D(GOLD)	D(NIKKEI)	D(OIL)
CointEq1	-0.889867	-0.153861	-0.137918	0.256756	0.170313	0.224735
	(0.05838)	(0.04559)	(0.03338)	(0.05095)	(0.05879)	(0.05728)
	[-15.2435]	[-3.37470]	[-4.13233]	[ 5.03901]	[ 2.89716]	[ 3.92335]
D(RTSI(-1))	-0.006009	0.115683	0.077854	-0.155420	-0.073138	-0.088596
	(0.04437)	(0.03465)	(0.02537)	(0.03873)	(0.04468)	(0.04354)
	[-0.13544]	[ 3.33834]	[ 3.06910]	[-4.01315]	[-1.63690]	[-2.03495]
D(DAX(-1))	-0.172460	-0.428110	0.065154	0.157423	0.179723	-0.035551
	(0.07747)	(0.06051)	(0.04429)	(0.06762)	(0.07802)	(0.07602)
	[-2.22606]	[-7.07537]	[ 1.47097]	[ 2.32798]	[ 2.30366]	[-0.46766]
D(FTSE(-1))	-0.089538	-0.246442	-0.692829	-0.237770	-0.414165	-0.098096
	(0.09719)	(0.07591)	(0.05557)	(0.08484)	(0.09788)	(0.09537)
	[-0.92123]	[-3.24652]	[-12.4680]	[-2.80272]	[-4.23153]	[-1.02857]
D(GOLD(-1))	-0.193393	-0.059317	-0.020498	-0.469353	0.059031	0.015563
	(0.04150)	(0.03241)	(0.02373)	(0.03622)	(0.04179)	(0.04072)
	[-4.65993]	[-1.83006]	[-0.86391]	[-12.9569]	[ 1.41248]	[ 0.38218]
D(NIKKEI(-1))	-0.075890	0.069246	0.069483	0.071515	-0.496874	0.095059
	(0.03620)	(0.02827)	(0.02070)	(0.03160)	(0.03645)	(0.03552)
	[-2.09650]	[ 2.44934]	[ 3.35739]	[ 2.26346]	[-13.6308]	[ 2.67626]
D(OIL(-1))	-0.202318	0.010597	0.003420	0.123108	0.062446	-0.473589
	(0.03808)	(0.02974)	(0.02177)	(0.03323)	(0.03834)	(0.03736)
	[-5.31355]	[ 0.35636]	[ 0.15710]	[ 3.70423]	[ 1.62862]	[-12.6758]
R-squared	0.442723	0.286217	0.349228	0.330900	0.351604	0.344385
Adj. R-squared	0.437814	0.279929	0.343494	0.325005	0.345891	0.338609
Sum sq. resids	0.166258	0.101412	0.054345	0.126665	0.168598	0.160078
S.E. equation	0.015625	0.012203	0.008933	0.013638	0.015734	0.015332
F-statistic	90.16909	45.51201	60.90818	56.13091	61.54728	59.61995
Log likelihood	1888.604	2058.658	2273.261	1982.171	1883.795	1901.634
Akaike AIC	-5.469780	-5.964123	-6.587969	-5.741775	-5.455800	-5.507656
Schwarz SC	-5.423651	-5.917994	-6.541840	-5.695647	-5.409671	-5.461528
Mean dependent	-2.95E-05	-1.27E-05	6.08E-06	1.24E-06	1.36E-05	3.03E-05
S.D. dependent	0.020839	0.014381	0.011025	0.016600	0.019455	0.018852
Determinant resid covariance (dof adj.)	4.64E-24
Determinant resid covariance	4.36E-24
Log likelihood	12646.21
Akaike information criterion	-36.62269
Schwarz criterion	-36.30638



Приложение 8. VEC-модель за 1 период

Vector Error Correction Estimates
Date: 05/15/15 Time: 07:54
Sample (adjusted): 9/03/2014 12/31/2014
Included observations: 86 after adjustments
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq:	CointEq1
RTSI(-1)	1.000000
SNP(-1)	8.210948
	(1.23391)
	[ 6.65442]
NIKKEI(-1)	0.900998
	(0.71614)
	[ 1.25814]
FTSE(-1)	-8.700264
	(1.41937)
	[-6.12967]
DAX(-1)	-3.372069
	(1.05721)
	[-3.18961]
Error Correction:	D(RTSI)	D(SNP)	D(NIKKEI)	D(FTSE)	D(DAX)
CointEq1	-0.181168	-0.029781	-0.000534	0.120584	0.137646
	(0.05534)	(0.01810)	(0.02883)	(0.01787)	(0.02475)
	[-3.27354]	[-1.64527]	[-0.01851]	[ 6.74882]	[ 5.56055]
D(RTSI(-1))	-0.337204	0.044014	0.080174	-0.028196	0.015440
	(0.09480)	(0.03100)	(0.04938)	(0.03060)	(0.04240)
	[-3.55714]	[ 1.41960]	[ 1.62361]	[-0.92128]	[ 0.36414]
D(SNP(-1))	0.642897	-0.469141	-0.134387	-0.439350	-0.481102
	(0.40447)	(0.13229)	(0.21069)	(0.13058)	(0.18091)
	[ 1.58948]	[-3.54638]	[-0.63784]	[-3.36452]	[-2.65930]
D(NIKKEI(-1))	0.067404	0.037113	-0.660111	-0.058836	-0.126182
	(0.18862)	(0.06169)	(0.09825)	(0.06090)	(0.08437)
	[ 0.35735]	[ 0.60160]	[-6.71842]	[-0.96617]	[-1.49563]
D(FTSE(-1))	1.221786	0.030041	0.566373	0.259033	1.119624
	(0.52705)	(0.17238)	(0.27455)	(0.17016)	(0.23574)
	[ 2.31814]	[ 0.17427]	[ 2.06294]	[ 1.52230]	[ 4.74934]
D(DAX(-1))	-1.379984	-0.184180	-0.239777	0.047462	-0.569977
	(0.36020)	(0.11781)	(0.18763)	(0.11629)	(0.16111)
	[-3.83120]	[-1.56340]	[-1.27793]	[ 0.40814]	[-3.53781]
R-squared	0.407295	0.366950	0.446000	0.502269	0.514828
Adj. R-squared	0.370251	0.327384	0.411375	0.471161	0.484505
Sum sq. Resids	0.065583	0.007015	0.017796	0.006836	0.013121
S.E. equation	0.028632	0.009364	0.014915	0.009244	0.012807
F-statistic	10.99488	9.274449	12.88086	16.14587	16.97801
Log likelihood	186.6592	282.7730	242.7468	283.8881	255.8515
Akaike AIC	-4.201377	-6.436582	-5.505740	-6.462514	-5.810500
Schwarz SC	-4.030143	-6.265349	-5.334506	-6.291281	-5.639267
Mean dependent	0.000146	-5.70E-05	-0.000143	-0.000162	-0.000154
S.D. dependent	0.036080	0.011418	0.019440	0.012711	0.017837
Determinant resid covariance (dof adj.)	2.78E-20
Determinant resid covariance	1.94E-20
Log likelihood	1341.599
Akaike information criterion	-30.38602
Schwarz criterion	-29.38716



Приложение 9. VEC-модель за 3 период

Подобные документы

• Взаимовлияние финансовых шоков фондовых рынков РФ, США И ЕС: кейс кризиса 2014-2015 гг.

  Анализ финансовых шоков фондовых рынков России, США, Евросоюза. Структурные разрывы рынков, проверка на стационарность и взаимной интеграции. Оценка краткосрочного импульсного воздействия. Статистические показатели для стабильного и кризисного периодов.
  
  дипломная работа [2,9 M], добавлен 19.02.2017
  

• Основные индексные формулы

  Методология расчета индексов потребительских цен. Понятие о потребительской корзине и методах ее формирования. Различия между индексами цен Ласпейреса, Пааше и Фишера, их взаимосвязь и области применения. Направления использования данных статистики цен.
  
  отчет по практике [1,3 M], добавлен 20.06.2015
  

• Экономическое развитие стран ОПЭК

  ОПЕК - Организация стран-экспортеров нефти. Исследование и анализ экономики стран-участниц ОПЕК: Индонезия, Алжир, Саудовская Аравия, Катар. Деятельность ОПЕК в установлении норм добычи нефти, регулировании цен на нее, в поддержке стран-участниц.
  
  реферат [26,3 K], добавлен 16.01.2008
  

• Государственная антикризисная политика в современных условиях

  Теоретико-методические аспекты изучения современной антикризисной политики государства. Определение сути кризиса, причин его влияния на экономику страны. Преодоления последствий кризиса по этапам и направлениям (на примере развитых зарубежных стран).
  
  реферат [28,2 K], добавлен 22.07.2014
  

• Экономическое развитие Германии: современные реалии и степень влияния креативного класса с учетом региональных особенностей страны

  Количественное измерение креативности при помощи базовых индексов. Факторы влияния на региональное развитие Германии: роль креативного города. Пространственное распределение креативного класса. Основные отрасли промышленности немецкой экономики.
  
  контрольная работа [1,3 M], добавлен 08.01.2017
  

• Теория статистики

  Предмет, метод и организация статистики - науки, изучающей количественную сторону массовых явлений и процессов в неразрывной связи с их качественной стороной. Причинность, регрессия, корреляция, как основные статистические методы выявления взаимосвязи.
  
  учебное пособие [3,8 M], добавлен 05.02.2011
  

• Межбюджетные отношения и модели бюджетного федерализма: понятие и виды

  Анализ современных моделей бюджетного федерализма, используемых развитыми странами мира. Классификационные группы стран межбюджетного взаимодействия. Изучение вопросов налогово-бюджетного взаимодействия между федеральным центром и субъектами федерации.
  
  курсовая работа [41,5 K], добавлен 10.11.2010
  

• Национальная экономика: сущность, признаки, проблемы функционирования в условиях глобализации

  Глобализация экономики, процесс роста взаимосвязи и взаимозависимости экономических систем различных стран. Способы встраивания экономики страны в мирохозяйственные связи. Определение понятий глобальной, мировой, национальной экономики и экономики страны.
  
  реферат [41,0 K], добавлен 24.06.2009
  

• Экономическая статистика России: решение задач

  Определение суммы золото-валютных резервов, необходимых для поддержания идеального платежного баланса России. Расчет размера валового внутреннего продукта страны. Определение средних цен экспорта и импорта с помощью индексов Пааше и Ласпейреса.
  
  контрольная работа [108,4 K], добавлен 23.06.2009
  

• Эволюция теорий международной торговли

  Исследование теорий международной торговли английских классиков, меркантилистов и французских физиократов. Обзор государственного регулирования внешней торговли. Анализ принципов обмена товарами и услугами между национальными хозяйствами разных стран.
  
  курсовая работа [1,4 M], добавлен 31.03.2012
  

• Национальные экономические модели и их особенности

  Классификация типов и моделей национальных хозяйственных систем. Модели современного рыночного хозяйства: либеральная, социально-ориентированная, корпоративная, восточноазиатская. Особенности и закономерности развития национальных экономик разных стран.
  
  курсовая работа [60,1 K], добавлен 20.02.2012
  

• Статистика заработной платы

  Система национальных счетов. Секторы экономики, их характеристики. Счет использования располагаемого дохода, его характеристики. Сводный баланс активов и пассивов. Исчисление показателей в постоянных ценах. Зависимость между индексами Ласпейреса и Пааше.
  
  курсовая работа [181,5 K], добавлен 17.04.2014
  

• Открытость национальной экономики

  История мировых экономических кризисов. Характеристика основных групп национальных экономик: промышленно развитых стран, стран переходного периода и развивающихся стран. Исследование экономической безопасности, мирового рынка и международной торговли.
  
  реферат [118,8 K], добавлен 05.05.2011
  

• Виды экономических индексов

  Понятие индексов, правила их построения и классификация, их взаимосвязь и применение. Примеры использования индексов в статистическом анализе деятельности различных предприятий. Расчет суммы экономии или перерасхода в результате изменения себестоимости.
  
  курсовая работа [192,9 K], добавлен 25.09.2014
  

• Мировые экономические кризисы

  Экономический кризис как нарушение равновесия между спросом и предложением на товары и услуги. Циклический характер развития экономики. Анализ специфики упадка экономики на примере кризиса США, его влияние на мировую экономику, сценарии выхода из кризиса.
  
  курсовая работа [7,4 M], добавлен 04.09.2009
  

• Роль транспорта в экономике страны

  Оценка работы транспорта, показатели его влияния на экономику страны. Анализ взаимодействия и взаимовлияния транспорта и экономического роста. Состояние транспортной системы России. Характеристика IV этапа реформирования железнодорожного транспорта.
  
  курсовая работа [781,3 K], добавлен 14.12.2013
  

• Механизм взаимосвязи между структурой капитала и дивидендной политикой в компаниях из США и развивающихся рынков капитала

  Механизм взаимосвязи решений о политике финансирования и выплатах акционерам. Факторы, определяющие дивидендную политику и структуру капитала. Исследование двусторонней связи между структурой капитала и политикой выплат в компаниях из США, Китая и России.
  
  дипломная работа [3,8 M], добавлен 04.11.2015
  

• Обработка статистической информации

  Заработная плата работника предприятия. Фондоотдача основных фондов. Определение тесноты взаимосвязи между показателями с помощью коэффициента ранговой корреляции. Проверка статистической совокупности на однородность. Сравнение и анализ расчетов.
  
  курсовая работа [161,0 K], добавлен 03.12.2010
  

• Ценообразование

  Научно-теоретические основы ценообразования, его основные функции и принципы, налоговые и другие факторы влияния на данный процесс. Система и структура цен, закономерности их формирования. Особенности ценообразования на фондовых биржах, трансфертного.
  
  учебное пособие [1,3 M], добавлен 23.12.2010
  

• Экономика развитых стран

  Общая характеристика промышленно развитых стран. Основные признаки промышленно развитых стран. Дифференциация и выравнивание уровней экономического развития индустриальных стран Запада. Внутренние рынки промышленно развитых капиталистические стран.
  
  курсовая работа [63,1 K], добавлен 10.03.2003
  

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

Vector Error Correction Estimates
Date: 05/15/15 Time: 07:49
Sample (adjusted): 1/06/2015 4/30/2015
Included observations: 83 after adjustments
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq:	CointEq1
RTSI(-1)	1.000000
SNP(-1)	-2.552125
	(1.54518)
	[-1.65167]
OIL(-1)	-1.058570
	(0.25586)
	[-4.13727]
NIKKEI(-1)	-8.556914
	(1.09566)
	[-7.80979]
GOLD(-1)	-4.212156
	(0.82995)
	[-5.07521]
FTSE(-1)	7.726228
	(1.45174)
	[ 5.32204]
DAX(-1)	1.675797
	(0.83729)
	[ 2.00145]
Error Correction:	D(RTSI)	D(SNP)	D(OIL)	D(NIKKEI)	D(GOLD)	D(FTSE)	D(DAX)
CointEq1	-0.175967	-0.050283	0.109049	0.043621	0.063145	-0.095706	-0.067252
	(0.06807)	(0.01766)	(0.08521)	(0.02237)	(0.02461)	(0.01818)	(0.03025)
	[-2.58512]	[-2.84658]	[ 1.27981]	[ 1.95031]	[ 2.56635]	[-5.26368]	[-2.22289]
D(RTSI(-1))	-0.632364	-0.053986	-0.099261	-0.143457	-0.024699	0.019607	-0.037089
	(0.10631)	(0.02759)	(0.13308)	(0.03493)	(0.03843)	(0.02840)	(0.04725)
	[-5.94832]	[-1.95687]	[-0.74589]	[-4.10683]	[-0.64273]	[ 0.69045]	[-0.78493]
D(SNP(-1))	0.344321	-0.704845	0.437680	0.091819	-0.068704	-0.254756	-0.391803
	(0.41028)	(0.10647)	(0.51358)	(0.13481)	(0.14830)	(0.10959)	(0.18235)
	[ 0.83924]	[-6.62022]	[ 0.85222]	[ 0.68110]	[-0.46326]	[-2.32459]	[-2.14858]
D(OIL(-1))	-0.069061	-0.004299	-0.405260	0.058916	0.057190	-0.031144	-0.019774
	(0.08888)	(0.02306)	(0.11125)	(0.02920)	(0.03213)	(0.02374)	(0.03950)
	[-0.77705]	[-0.18639]	[-3.64267]	[ 2.01744]	[ 1.78017]	[-1.31186]	[-0.50058]
D(NIKKEI(-1))	-0.506227	-0.236252	-0.265338	-0.226337	0.295329	-0.292393	-0.107472
	(0.49261)	(0.12783)	(0.61663)	(0.16186)	(0.17806)	(0.13158)	(0.21895)