Особенности формирования синтетического валютного курса на базе виртуальной экономики

Далее необходимо рассмотреть то, как внутриигровые и околоигровые факторы влияют на теневой валютный рынок и валютный спред.

Теневой валютный курс:

Гипотеза о неадекватности регрессионной модель отвергается на любом уровне значимости.

Анализируя следующую модель, стоит обратить внимание, что один фактор оказывается значимым на 1%, три фактора оказываются значимыми на 5% уровне значимости, один на 10% и, аналогично, предыдущей модели “Substitutes” оказывается незначимым.

Так, на неофициальный валютный курс наибольшее влияние (coef=10.8429 и P=0.009 оказывают события, связанные со стимулированием внутриигрового процесса - “Stimulus”. Возможно, это связано с тем, что во время событий, которые являются важными для игроков, например, когда Blizzard выпускают новый фильм или устраивают распродажи, аналогично поступают и продавцы внутриигровой валюты. Т.е. они также корректируют цены/устраивают распродажи, приурочивая к каким-то важным для фанатов событиям, чтобы спровоцировать потребление.

Остальные факторы также являются значимыми, как и в предыдущей модели, однако, стоит акцентировать внимание на факторе “Blocks”. Как и в предыдущей модели этот фактор оказался менее значимым, чем ожидалось (coef=9.2500 и P=0.090). Учитывая информацию, полученную от консультанта, можно сделать вывод о том, что прочие факторы, влияющие на внутриигровой процесс, имеют гораздо больший вес, при ведении ценовой политики, чем факторы, влияющие на поставку внутриигровой валюты. Однако, стоит учесть тот факт, что в полной линейной модели этот фактор оказался единственно значимой дамми-переменной.

Последней моделью является модель валютного спреда.

Валютный спред:

В данной модели, как уже было сказано ранее, официальный валютный курс является повыдерем, то и большинство факторов, которые оказывают влияние на официальный валютный курс должны оказывать и на валютный спред. Таким образом в данной модели оказываются значимыми почти все факторы, что и в предыдущих моделях.

Однако, стоит обратить внимание, что фактор “Pack” в данной модели оказался незначимым, что позволяет судить о данной модели немного в другом ключе. Т.к. валютный спред является разницей между официальным и теневым валютным курсом, то значимость коэффициентов в данной модели является показателем того, что разные рынки по-разному реагируют на происходящие события. Т.е., если бы факторы изменялись одинаково, то коэффициенты оказывались незначимыми. Аналогичная ситуация произошла с коэффициентом “Pack” (coef =7.2238 и P=0.225). Это говорит о том, что хоть игроки и магазины по-разному готовятся к выпуску обновлений, но в итоге, когда выходит массивное обновление клиента игры, и магазины, и игроки реагируют одинаково на данный процесс. Поэтому возникает незначимость.

Анализ модели GARCH.

В данной модели используются аналогичные линейной регрессии переменные, за исключением дамми. Таким образом учитываются следующие факторы Под доходностью в данном анализе воспринимается процентное изменение показателей, в относительных величинах.:

Без лага:

ДE_EUR/RUB - доходность валютного курса EUR/RUB;

ДP_Oil - доходность котировок нефти марки Brent;

ДP_Gold - доходность биржевых котировок золота;

ДI_MOEX - доходность индекса MOEX;

ДI_Blizzard - доходность котировок акций компании Blizzard;

ДP_RUS - доходность показателя инфляции;

Лаговые:

ДE_EUR/RUB (1) - доходность валютного курса EUR/RUB с лагом;

ДP_Oil (1) - доходность котировок нефти марки Brent с лагом;

ДP_Gold (1) - доходность биржевых котировок золота с лагом;

ДI_MOEX (1) - доходность индекса MOEX с лагом;

ДI_Blizzard (1) - доходность котировок акций компании Blizzard с лагом;

ДP_RUS (1) - доходность показателя инфляции с лагом;

После подборки факторов и анализа выборки было необходимо подобрать наиболее грамотную модель, а также протестировать на основные проблемы, возникающие при построении.

В первую очередь, это проверка наличия стационарности, гетероскедастичности и автокорреляции в остатках, так как от этого наиболее полно зависит выбор модели. Для проверки стационарности были использованы методы расширенного Дикки-Фуллера и Филипса-Перрона, и во всех случаях остатки не были нестационарными. Для проверки автокорреляции были проанализированны графики частичной и полной автокорреляции остатков. Проверка гетероскедастичности также проверялась анализом графиков остатков. Также был проведен тест тест ARCH-LM, который отвергал гипотезу отсутствия гетероскедастичности в остатках, то есть присутствует кластеризация волатильности.

Остатки имеющие постоянную дисперсию т называются гомоскедастичными, если нет - то гетероскедастичными. Гетероскедастичность приводит к тому, что при использовании стандартного МНК коэффициенты регрессии больше не являются эффективными оценками.

После построения модели обобщенной авторегрессии условной гетероскедастичности GARCH(p,q), был проведен тест ARCH-LM и он не отвергает гипотезу отсутствия гетероскедастичности.

В итоге, модель была протестирована на состоятельность, путем проверки наличия автокорреляции и ARCH эффекта. В обоих случаях, нулевая гипотеза о наличии автокорреляции и ARCH эффекта были отвергнуты, что позволяет нам сделать заключение об адекватности модели.

При анализе факторов, стоит омтетить, что большая часть переменных оказалась значима, а также интересный момент, что такие факторы доходность нефти и доходность золота оказались незначимы (P=0.07233) и (P=0.1994) соответственно, в то время как их лаговые значения оказались значимы на любом адекватном уровне значимости.

Источник: данные автора

Сальдо курса рубля к евро оказалось значимым на 10% интервале (P=0.0800), в рамках рассматриваемой модели имеет положительный коэффициент, что может свидетельствовать о росте стоимости внутриигровой валюты при повышении курса евро (coef=0.062197). Однако, т.к.й большинство товаров и услуг, продаваемых Blizzard на территории РФ, привязано фиксированным курсом к значению валютного курса, то подобная зависимость является противоречивой и скорее всего незначимой.

Изменение стоимости нефти марки Brent, в свою очередь, оказалось незначимой переменной (P=0.7233). Допустимое объяснение подобного результата может заключаться в “заторможенности” влияния. Т.к. изменение курса нефти - это серьезный показатель, описывающий благосостояние российских пользователей, то, как это будет доказано далее, этот показатль должен влиять с лаговым значением.

Сальдо биржевых котировок золота (P=0.1994) также оказалось незначимо. Данному фактору можно найти аналогичное обоснование, что и курсу нефти. Т.к. данные параметры выбирались исходя из предположений о влиянии этих показателей на благосостояние граждан, то стоит ожидать значимости этого показателя с лагами.

Дневное изменение индекса ММВБ адекватно на 5% уровне значимости в данной модели (P=0.353), оказывая слабое отрицательное влияние на стоимость внутриигровой валюты (coef=-0.088609). Падение индекса ведет к изменению курса WoWGold в обратном направлении.

Изменение котировок акций Blizzard в долларах имеет близкую к 10% значимость, таким образом, возможно потенциальное наличие объясняющей силы у переменной. Влияние в данном случае могло бы быть охарактеризовано как положительное, однако на текущих данных принимать данное утверждение как однозначное не представляется возможным.

Инфляция РФ, в свою очередь, является незначимой переменной, влияние которой согласно теории PPP, должно быть очевидно. Однако, периодически, в научном мире, принято предполагать, что связь инфляции и валютного курса, уже учитывается в использованных регрессорах модели.

Сальдо курса рубля к евро с единичным лагом оказалось значимым на 1% интервале (P=0.0062), в рамках рассматриваемой модели имеет отрицательный коэффициент (coef=-0.093917)., что может свидетельствовать о снижении стоимости внутриигровой валюты при повышении курса евро. Т.к. механизм формирования цен на внутриигровом рынке рыночный, то повышение спроса на внутриигровую валюту, должно приводить к ее укреплению. Т.е. за большое количество рублей можно будет получить меньшее количество внутриигровой валюты.

Лаговая переменная дневного изменения котировок на нефть марки Brent также оказалась значимой (P=-0.0009) на 1% доверительном интервале. Кроме того, рост биржевой стоимости нефти отрицательно (P= -0.057916) сказывается на стоимости внутриигровой валюты.

Сальдо биржевых котировок золота с лагом значим на 1% уровне значимости (P=0.0010). При этом, связь может быть охарактеризована как положительная (coef=0.133971). Этот показатель действительно оказался значимым, как и предполагалось. В связи с тем, что данная переменная не може напрямую влиять на переменные, ей необходимо время, чтобы повлиять на объясняемый фактор.

Кроме того, значимость переменной дневного изменения индекса ММВБ, при учете лага, находится на интервале 1%. Влияние отрицательное, о чем свидетельствует найденный коэффициент. Можно заключить, что при росте индекса на один рубль, цена игровой валюты Gold снизится на 0,166 рубля. При этом, переменная обладает наиболее высокой значимостью, как с учетом лага, так и без него.

При анализе модели была получена значимая на 10% интервале константа, фактическое значение которой, при этом, отрицательно и очень мало.

Все прочие переменные, а именно изменение котировок акций Blizzard в долларах и инфляция в России, оказались незначимы даже с учетом лага. Подобная ситуация могла возникнуть по причине того, что влияние данных переменных уже учтено в описанных ранее индексе, курсе евро и стоимости нефти.

Таким образом, было обнаружено, что на внутриигровой валютный курс влияют, как внутренние, так и внешние факторы:

· Внутренние:

o Preparation - оказалась наиболее значимой переменной во всех моделях. Это говорит о том, что ироки реагируют на поступающую информацию рационально и используют эту информацию для прогнозов изменения показателей в будущем.

o Pack - также оказалась значимой переменной, на которую теневой и официальный рынки реагируют одинаково.

o Blocks - одна из основополагающих переменных, при формировании теневого валютного курса, оказывающая влияние и на формирование официального валютного курса.

o Rules - переменная также оказалась значимой, особенно для теневого валютного курса, где продавцы внутриигровой валюты особенно учитывают фактор изменения правил.

o Stimulus - фактор стимулирования также оказался значим, что говорит об успешности данной политики со стороны Blizzard

o Substitutes - единственный фактор, который оказался незначимым, в связи с тем, что подписчики World of Warcraft являются очень лояльной аудиторией, которая не реагирует на выпуск игр-субститутов.

· Внешние

o Oil - данный фактор, отражающий изменение цен, оказался значимым, подтверждая то, что и магазины, и игроки реагируют на изменение внешнеэкономической ситуации.

o Gold - значение котировок золота, данная переменная оказалась незначимой, скорее всего это связано с тем, что цена на золото сильно изменяется во время международных кризисов, однако, во время Российского кризиса 2014-2016 данный показатель оставался в пределах своих нормальных значений.

o MOEX - значение индекса московской фондовой биржи, как показатель успешности российской экономики, также оказался значимым в моделях, что подтверждает выводы, сделанные по нефти.

o Blizzard - значение котировок акций Blizzard на фондовой бирже NASDAQ; Данный показатель, который потенциально, зависит от тех же факторов, что и внутриигровой валютный курс, также оказался значимым, что подтверждает гипотезу о взаимном влиянии этих факторов.

Большинство гипотез подтвердилось.

Более того, было обнаружено, что официальный валютный курс постепенно снижается, что, возможно, говорит об инфляции в экономике. Подобные выводы подтверждают, сказанное Heeks (2008).

Также, стоит отметить, что после введения официального валютного курса рынок постепенно самоотрегулировался и пришел в состояние NAC (валютный спред сократился более чем в 58 раз). Где те, кто хочет рискнуть и купить золото подешевле отправляются на теневой рынок и получают за это определенный бонус, однако, разница составляет небольшой процент от общей стоимости. Подобное поведение валютного курса говорит о том, что решение Blizzard по борьбе с теневым рынком оказалось верным и со временем, феномен теневого валютного рынка должен исчезнуть, в связи с его полным вытеснением официальным.

Заключение

Также в данной работе вводилось предположение, что часть внутриигровой экономики, которая связана с реальной экономикой, с помощью RMT, должна зависеть и от происходящего внутри реального мира, т.к. все игроки также участвуют в реальных отношениях. Поэтому были выбраны основные факторы, которые формируют реальные экономические отношения внутри страны. Следующие факторы были выбраны: курс Руб/Евро, котировки нефти Brent, котировки золота, индекс МОЕХ, уровень инфляции в России.

Для проверки данных гипотез были сформированы соответствующие модели. Результаты регрессионного анализа подтвердили гипотезу о значимости данных факторов при формирование валютного курса. Более того, было выявлено, что на официальный и теневой валютные курсы влияют, как схожие факторы, так и специфические. Так, например, для теневого валютного курса большую роль влияют блокировки аккаунтов, в то время, как для официального валютного курса, наиболее значимые - это факторы, происходящие внутри экономики, такие как выпуск патчей и подготовка к ним.

Также было обнаружено значимое влияния такого фактора, как котировки акций Blizzard. Тест причинности по Грейнджеру показал, что существует лаговая зависимость между переменными обменным курсом и акциями компании Blizzard.

Тем не менее, на данном этапе, построение линейных взаимосвязей обладает существенными недостатками, т.к. большое количество связей между данными факторами, возможно, не учтено. Более того, ввиду большого количества наблюдений и малого количества дамми-факторов судить о их значимости очень сложно. В связи с этим не удалось действительно качественно проанализировать влияние дамми-факторов на формирование внутреигровых факторов. Для уточнения результатов анализа, необходимо использовать другие многофакторные модели.

Необходимо в заключение определить дальнейшие возможности по исследованию данной проблемы. Во-первых, в процессе исследования аналитических материалов, посвященных изучению валютных курсов, было обнаружено, что многие связи между факторами являются нелинейными, а поэтому использование подобных моделей сопряжено с определенными рисками. Поэтому для наиболее точного результата необходимо использовать новые модели, построенные на обучение нейронных сетей. Наконец, представляется важным исследование влияния внутриигрового курса валют на акции компании эмитента игры. А также анализ возможности прогнозирования поведения курсов акций компании по курсу внутриигровой валюты.

Список литературы

1. Молчанов, АА; ,Использование GARCH модели для исследования динамики курса валют,Гаудеамус,2,20,,2012,

2. Орлов А.И. Эконометрика. Учебник. М.: Издательство "Экзамен", 2002.

3. Фёдорова, ЕА; Панкратов, КА; ,Моделирование волатильности фондового рынка в период кризиса,Финансовая аналитика: проблемы и решения,,37,,2011,Общество с ограниченной ответственностью «Издательский дом Финансы и Кредит»

4. Alberg, Dima; Shalit, Haim; Yosef, Rami; «Estimating stock market volatility using asymmetric GARCH models»,Applied Financial Economics,18,15,1201-1208,2008,Taylor & Francis

5. Aloui, Riadh; Aпssa, Mohamed Safouane Ben; «Relationship between oil, stock prices and exchange rates: A vine copula based GARCH method»,The North American Journal of Economics and Finance,37,,458-471,2016,Elsevier

6. Apergis, Nicholas; «Can gold prices forecast the Australian dollar movements? » International Review of Economics & Finance, 29,75-82,2014, Elsevier

7. Barro, Robert J; «Money and the price level under the gold standard» The Economic Journal, 89,353,13-33,1979, JSTOR

8. Beckmann, Joscha; Czudaj, Robert; «Oil prices and effective dollar exchange rates», International Review of Economics & Finance, 27,621-636,2013, Elsevier

9. Bollerslev, Tim; «Generalized autoregressive conditional heteroskedasticity,Journal of econometrics», 31,3,307-327,1986,Elsevier

10. Caporale, Guglielmo Maria; Ali, Faek Menla; Spagnolo, Nicola; «Exchange rate uncertainty and international portfolio flows: A multivariate GARCH-in-mean approach», Journal of International Money and Finance, 54,,70-92,2015,Elsevier

11. Castillo-Maldonado, Carlos Eduardo; Pйrez-Macal, Fidel; «Assessment of models to forecast exchange rates: The quetzal-US dollar exchange rate», Journal of Applied Economics,16,1,71-99,2013, Elsevier

12. Castronova, Edward; «A cost-benefit analysis of real-money trade in the products of synthetic economies», info,8,6,51-68,2006, Emerald Group Publishing Limited

13. Castronova, Edward; «On the research value of large games: Natural experiments in Norrath and Camelot», Games and Culture",1,2,163-186,2006,"Sage Publications Sage CA: Thousand Oaks, CA"

14. Castronova, Edward; «On virtual economies» 2002,

15. Castronova, Edward; «Synthetic worlds: The business and culture of online games» 2008, University of Chicago press

16. Castronova, Edward; «Virtual worlds: A first-hand account of market and society on the cyberian frontier» 2001,

17. Cheung, Yin-Wong; Chinn, Menzie D; Pascual, Antonio Garcia; «Empirical exchange rate models of the nineties: Are any fit to survive? », Journal of international money and finance,24,7,1150-1175,2005, Elsevier

18. Ciaian, Pavel; Rajcaniova, Miroslava; Kancs, d'Artis; «The economics of BitCoin price formation», Applied Economics,48,19,1799-1815,2016, Taylor & Francis

19. Debeauvais, Thomas; Nardi, Bonnie A; Lopes, Cristina V; Yee, Nicholas; Ducheneaut, Nicolas; «10,000 Gold for 20 Dollars: An exploratory study of World of Warcraft gold buyers», Proceedings of the International Conference on the Foundations of Digital Games,105-112,2012, ACM

20. Dreger, Christian; Fidrmuc, Jarko; Kholodilin, Konstantin A; Ulbricht, Dirk; «The Ruble between the hammer and the anvil: Oil prices and economic sanctions» 2015,

21. Engle, Robert F; «Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation», Econometrica: Journal of the Econometric Society,987-1007,1982, JSTOR

22. Fama, Eugene F; «Efficient capital markets: A review of theory and empirical work», The journal of Finance,25,2,383-417,1970, JSTOR

23. Fama, Eugene F; «The behavior of stock-market prices» The journal of Business,38,1,34-105,1965, JSTOR

24. Hassanain, Khalifa; «Special drawing right and currency risk management», International Journal of Economics and Financial Issues,5, 3,2015, Econjournals

25. Heeks, RICHARD; «Current Analysis and Future Research Agenda on “Gold-Farming"», Development Informatics Working Paper, 32,2008,

26. Keegan, Brian; Ahmed, Muhammad Aurangzeb; Williams, Dmitri; Srivastava, Jaideep; Contractor, Noshir; «Dark gold: Statistical properties of clandestine networks in massively multiplayer online games»,"Social Computing (SocialCom), 2010 IEEE Second International Conference on»,201-208,2010, IEEE

27. Kristoufek, Ladislav; «BitCoin meets Google Trends and Wikipedia: Quantifying the relationship between phenomena of the Internet era», Scientific reports, 33415,2013, Nature Publishing Group

28. Lehdonvirta, Vili; «Real-money trade of virtual assets: ten different user perceptions» 2005,

29. Lehdonvirta, Vili; «Virtual consumption» 2009,

30. Lehtiniemi, Tuukka; Lehdonvirta, Vili; «How big is the RMT market anyway» Virtual Economy Research Network, 3,2007, Sn

31. Li, Xin; Wang, Chong Alex; «The technology and economic determinants of cryptocurrency exchange rates: The case of Bitcoin» Decision Support Systems 2016, Elsevier

32. Lichtenstein, Donald R; Burton, Scot; O'Hara, Bradley S; «Marketplace attributions and consumer evaluations of discount claims, Psychology & Marketing» 6,3,163-180,1989, Wiley Online Library

33. Marks E. L. “Price Dynamics in Virtual World Auctions” (2009)

34. Mennecke, Brian; Terando, William D; Janvrin, Diane Joyce; Dilla, William N; «"It's just a game, or is it? Real money, real income, and real taxes in virtual worlds"» 2007,

Размещено на Allbest.ru