Размещено на http://www.allbest.ru/

3

Размещено на http://www.allbest.ru/

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ АВТОНОМНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ

ВЫСШЕГО ОБРАЗОВАНИЯ

НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ УНИВЕРСИТЕТ «ВЫСШАЯ ШКОЛА ЭКОНОМИКИ»

Факультет экономических наук

Образовательная программа «Финансовые рынки и финансовые институты»

МАГИСТЕРСКАЯ ДИССЕРТАЦИЯ

выпускная квалификационная работа

по направлению подготовки 38.04.08 Финансы и кредит

Выполнил:

Студент МФР161

Гиндуллина Залия Фаилевна

Научный руководитель:

доцент, к.э.н. Столяров Андрей Иванович

Москва 2018

Введение

Периоды политической нестабильности являются неотъемлемой частью человеческой истории с момента формирования государственности. Несмотря на обширные достижения в технологии, науке и медицине, отличающие современный мир от далекого прошлого, политические события продолжают оказывать значительное влияние на экономическое положение государств и их граждан. Политическая неопределенность, вызванная национальными выборами, протестами, войнами, сменой режимов и другими политическими изменениями, может возникнуть и в развитых, и в развивающихся странах. Более того, в условиях глобализации, данная неопределенность зачастую обретает значительные масштабы. Например, исход референдума о выходе Великобритании из Европейского Союза не только привел к падению британского индекса FTSE100 на 500 пунктов, что соответствует потерям в размере 85 миллиардов евро, но и к снижению значений испанского IBEX 35, греческого ATHEX, голландского AEX, чешского PX Index и польского WIG30 на 8-15% (Aristeidis & Elias, 2017). В то же время, серия политических переворотов в Средней Азии, начавшаяся в 2010 году, привела к увеличению волатильности европейских рынков как реакции на беспрецедентную волну беженцев (Czudaj, 2018).

Политические события меняют ожидания инвесторов в отношении экономических и социальных изменений в странах, что в свою очередь влияет на их решения о распределении инвестиций. В частности, пессимизм рынков в отношении выхода Великобритании из Европейского Союза был связан с неопределенностью условий будущих экономических отношений данной страны с со странами Европы (Adesina, 2017), в то время как падение Азиатских рынков из-за новости об избрании президентом США кандидата от республиканской партии было вызвано его предвыборной риторикой о повышении импортных тарифов (Shaikh, 2017). Таким образом, оценка влияния политических рисков на общий рисковый профиль стран актуальна для инвесторов и аналитиков, оценивающих риски, составляющих прогнозы (Andersen et al., 2005) и торговые стратегии (Shaikh, 2017).

На данный момент, оценки волатильности доходностей широко используются как мера риска в академической литературе и финансовой индустрии (Andersen et al., 2005; Christoffersen & Diebold, 1998; Engle, 2004). Исследования, посвященные политической нестабильности, зачастую рассматривают влияние политической неопределенности на изменения волатильности в попытке определить направление и силу корреляции между политическим риском и общим рисковым профилем рассматриваемой ценной бумаги или индекса (Chau et al., 2014; Adesina, 2017; Czudaj, 2018). Некоторые исследования проводятся на выборках, включающих более пятидесяти стран (Vortelinos & Saha, 2016; Suleman et al., 2017). Однако, насколько известно автору настоящей работы, подобные исследования не учитывают потенциального влияния уровней финансовых и экономических рисков стран на действия инвесторов в условиях политической нестабильности. Данный механизм может представлять интерес для исследования различий поведения инвесторов в контексте разных уровней развития стран. Так, в развитых странах, обладающих высокими уровнями финансовой и экономической стабильности, политические события могут оказывать меньшее влияние на волатильность фондовых рынков. В случае развивающихся странах данная зависимость может быть обратной: с меньшей финансовой устойчивостью и низким уровнем экономического развития, политические события могут сильнее влиять на волатильность.

В данной работе проводится исследование влияния политической нестабильности, отраженной в политических рисках, на волатильность доходностей рынков акций 42 развитых и развивающихся стран на квартальных данных в течении периода 1997-2017 гг. Волатильность доходностей индексов рынков акций соответствующих государств оценивается с помощью построения GARCH-оценок дисперсий доходностей выбранных инструментов. Политическая нестабильность измеряется индексом политического риска и его компонентами, предоставленными базой данных International Country Risk Guide (ICRG) компании Political Risk Services (PRS). Зависимость между оценками волатильности доходностей индексов и политическими рисками оценивается с помощью метода робастных наименьших квадратов на данных с панельной структурой. Кроме фактора политического риска и его компонентов, анализ дополнен исследованием зависимости волатильности от экономического и финансового рисков государств.

Данное исследование дополняет академическую литературу выбранного направления, осуществляя сравнительный анализ зависимости оценок волатильности и политической нестабильности в контекстах развитых и развивающихся стран. Более того, в данной работе проводится анализ политических рисков и их влияния на общих уровень риска на рынках акций стран в условии информации о финансовых и экономических рисках, что позволяет продемонстрировать процесс принятия решения инвесторами в условиях, более приближенных к реальным. Данное исследование также использует временную шкалу сигнальной теории для детального объяснения исследуемой зависимости.

Данная работа организована следующим образом: следующая часть представляет собой обзор актуальной литературы, посвященной исследованию зависимости между волатильностью доходностей рынков акций стран и политическими событиями, третья часть работы описывает методологию проведенного исследования, четвертая часть посвящена описанию результатов произведенного анализа, пятая часть представляет собой заключение.

Обзор Литературы

Данная часть работы представляет собой обзор актуальной академической литературы, посвященной исследованию влияния политических событий на волатильность финансовых рынков стран. Данный обзор открывает описание дискуссии о связи волатильности и риска, далее приводится описание основных результатов эмпирических исследований выбранного направления. Далее представлен обзор способов измерения политической нестабильности, вызванной политическими событиями. Обзор литературы завершает объяснение исследуемой зависимости в контексте сигнальной теории и формулировка гипотез исследования.

1. Волатильность и риск

Согласно (Engle, 2004), ценность знания о величине риска заключается в возможности его устранения. Так как устранить все риски невозможно, инвестор может попытаться максимизировать свою полезность при условии минимизации риска. Данная идея послужила источником вдохновения для работ Markowitz (1952) и Tobin (1958), которые связывают риск с дисперсией стоимостей портфелей. Условие стремления к минимизации риска позволило исследователям смоделировать оптимальное поведение банков и оптимальный портфель ценных бумаг. В свою очередь, Sharpe (1964) создал модель поведения инвесторов, преследующих аналогичные цели в условиях одинакового доступа к информации, которая получила название модели определения стоимости капитальных активов (Capital Asset Pricing Model). Данная модель указывает на существование взаимосвязи между ожидаемыми доходностями и их дисперсией.

В работах Black & Scholes (1972) и Merton (1973) проблема оценки взаимосвязи риска и доходностей рассматривается в контексте опционов. Риск, оцененный с помощью расчета дисперсии доходности актива, является неотъемлемой частью моделей, измеряющих стоимость «страховки», которую могут предоставить опционы в заданных условиях.

Разработка фундаментальных финансовых моделей, упомянутых выше, подтолкнула глобальную финансовую индустрию к поиску оптимальных способов оценки рисков (Engle, 2005). На сегодняшний день, расчет рисковых профилей проводится различными способами в зависимости от целей аналитиков. В своей работе Andersen et al., (2005) составляют обзор различных применений и методов прогнозирования волатильности. В частности, для финансовой индустрии авторы выделяют четыре направления: управление рисками, расчет ковариационного риска, составление инвестиционных портфелей, а также оценка стоимости опционов. Во всех случаях, описанных авторами, дисперсия доходностей базовых активов является прокси-переменной рискованности вложения в данный актив.

Таким образом, в академической литературе и в среде практикующих финансистов сложился консенсус об оценке риска с помощью расчета дисперсий доходностей интересующего актива. Тем не менее, некоторые исследователи критически относятся к данному «тождеству», и ставят под сомнение оправданность измерения рисков оценками дисперсии доходностей. Например, в книге «Экономические Идеи, Которые Должны Быть Забыты» В списке использованной литературы данная книга значится под названием “Economic Ideas You Should Forget”, Peter Cauwels описывает поведение волатильности и риска в контексте рыночных пузырей в качестве примера отличий двух понятий. Автор подчеркивает, что прямо перед рыночными обвалами уровень волатильности обычно низок, в то время как уровень рисков велик, поэтому волатильность тождественна не риску, а скорее уровню ожиданий инвесторов относительно риска.

В данной работе волатильность является оценкой рискового профиля фондового рынка рассматриваемой страны. Однако, несмотря на то, что в данной работе взаимодействие политического, финансового и экономического рисков стран рассматривается с точки зрения их значимости для риска финансовых рынков, идея, предложенная Peter Cauwels, используется для создания теоретической модели с помощью сигнальной теории, а также для интерпретации полученных результатов.

2. Влияние политической нестабильности на фондовые рынки

Политический риск представляет собой один из важных факторов, определяющий динамику доходностей и уровни волатильности фондовых рынков. Реакция рынков на политические события, увеличивающие данный тип риска, подтверждает данное утверждение (Nivorozhkin and Castagneto-Gissey, 2016; Mnasri and Nechi, 2016; Hudson and Urquhart, 2016). Нестабильность геополитической ситуации последних лет была во многом обоснована серией конфликтов в Средней Азии, которые привели к массивному потоку беженцев в Турцию и страны Европейского Союза. Также, из ярких политических событий недавнего времени можно выделить вооруженный конфликт в Украине, который привел к обвалу российского рынка в 2014 году, а также выход Великобритании из Европейского Союза. В данном разделе работы некоторые из этих событий рассматриваются с точки зрения реакции на них показателей фондовых рынков.

Согласно Chau et al., (2014), серия протестов в Средней Азии началась с самосожжения молодого торговца овощами в маленьком городе в Тунисе, который таким образом выразил протест против коррупции и непрофессионального поведения полицейских. Данное происшествие вызвало цепную реакцию протестов в разных регионах страны, которая распространилась и за её пределы. Данная серия политических событий, получившая название «Арабская Весна», привела к разным последствиям: в некоторых случаях, лидеры государств вынуждены были покинуть свои посты, а в других протесты привели лишь к некоторым реформам. Исследование стран Средней Азии Chau et al., (2014) показывает, что в результате описанных политических событий значительно возросла волатильность исламских индексов, в то время как волатильность индексов фондовых рынков рассмотренных государств не изменилась. Более того, в результате изменений, произошедших в обществах из-за протестов, фондовые рынки государств Средней Азии не показали большей интеграции с мировыми рынками.

Исследование террористических атак, произошедших в 12 странах Северной Африки и Средней Азии в течении периода 2000-2015 (Mnasri and Nechi, 2016), показало результаты, противоречащие Chau et al., (2013) в отношении интеграции фондовых рынков - рассмотренные рынки демонстрировали региональную интеграцию. Однако, волатильность рассмотренных фондовых рынков была выше нормы вследствие террористических атак в среднем в течении 20 дней, что больше, чем результаты аналогичного исследования реакции рынков развитых стран на теракты. События Арабской Весны также привели к изменению политического климата и в развитых странах. Так, в своей работе Czudaj, (2018), автор использует индексы миграционного страха, основанные на содержании новостных изданий США, Германии, Франции и Великобритании для оценки изменений волатильности фондовых рынков соответствующих стран. Полученные результаты показывают, что волатильность проанализированных рынков, особенно, в случае Германии, была значительно обусловлена миграционным страхом. Данный эффект проявился особенно ярко в 2015 г.

Другим примером влияния политических событий на динамику показателей фондового рынка может служить реакция российского рынка на события в Украине в 2014 г. Из-за соответствующей интерпретации продолжающегося на данный момент конфликта, ряд стран запада ввел санкции, ограничивающие въезд и экономические возможности представителей некоторых российских компаний и официальных лиц в пределах этих стран.

Работа Nivorozhkin and Castagneto-Gissey, (2016) проводит сравнительное исследование доходностей российского и мировых финансовых рынков после 2014 года. Авторы показывают, что в результате соответствующих событий, динамика доходностей российского рынка разошлась с мировым рынком (корреляция доходностей снизилась на 30-50%). Более того, динамика доходностей внутри индустрий российского рынка показала большую склонность к сходимости, в то время как санкции вызвали его изоляцию и стремительный отток капитала. Таким образом, авторы приходят к выводу о том, что динамика российского рынка в ближайшем будущем будет обусловлена именно идиосинкратическими новостями. Данные выводы подкрепляют результаты работы Ankudinov et al, (2013), которые подчеркивают важность идиосинкратических новостей на российском рынке и связывают возросшую волатильность доходности с комбинацией увеличенного геополитического напряжения, санкций и резкого снижения цен на нефть.

Политические события оказывают значительное влияние на динамику фондового рынка и в развитых странах. Так, исследование политической нестабильности во время президентских выборов в США (Goodell and Vдhдmaa, 2012) показало, что индекс волатильности VIX возрастает с каждым увеличением вероятности выигрыша итогового победителя. Авторы данной работы подчеркивают, что такая нестабильность рынков скорее всего связана с различными макроэкономическими политиками, которые представляют кандидаты. Более того, Shaikh (2017), исследующий реакцию американских финансовых рынков на исход президентских выборов 2016 года, также связывает возросшую волатильность рынков с частыми изменениями относительно макроэкономической политики. Исследования, описывающие эффекты новости об итогах выхода Великобритании из Европейского союза с точки зрения финансовых рынков также объясняют возросшую волатильность неопределенностью дальнейшей макроэкономической политики Великобритании (Aristeidis and Elias, 2017; Adesina, 2017).

Описанные реакции финансовых рынков стран на политические события характеризуют изменчивую натуру политического риска. И случаи политической нестабильности, и реактивная волатильность возникают из-за разных причин в описанных трех случаях. В случае развитых стран динамика волатильности финансовых рынков меняется из-за ожиданий инвесторов относительно изменении макроэкономической политики. В то же время, в случае конфликта 2014 года в Украине, геополитическая изоляция является основной причиной увеличенной волатильности на российском рынке и его дезинтеграции с мировым рынком. В третьем случае хаос и разрушения вооруженных конфликтов Средней Азии объясняют панику на соответствующих фондовых рынках стран.

Как подчеркивает (Dimic et al, 2015), политический риск отличается от других видов риска тем, что его повышение не приводит к большей доходности. К данному выводу пришли Diamonte et al., (1996); Perotti and van Oijen, (2001); Lehkonen and Heimonen, (2015). Таким образом, политический риск интересен тем, что он не подчиняется классической предпосылке о прямой взаимосвязи риска и доходности, которую описывает Engle, (2005). В таком случае, его рассмотрение в контексте других типов рисков, характеризующих государство, было бы интересно с академической точки зрения.

3. Измерение политической нестабильности

Академическая литература, посвященная исследованию политического риска в контексте финансовых рынков, использует различные способы его оценки. Их можно условно разделить на три категории. К первой категории можно отнести исследование рынка (или рынков) во временных рамках конкретного политического явления, произошедшего в стране или в группе стран (case study). Ко второй группе можно отнести исследования, использующие данные о различных странах в течении определенного периода времени. В таких работах исследователи обычно используют определенные индикаторы, характеризующие уровень политического риска. К третьей группе исследований можно определить работы, исследующие отдельные категории повторяющихся событий (таких, как выборы) (serial event studies).

Исследования динамики показателей финансовых рынков в рамках отдельных политических событий

Как упомянуто выше, к первой категории работ, посвященных исследованию взаимосвязи политической нестабильности и рыночных показателей, относятся исследования рыночных индикаторов в рамках конкретного события, которое имеет определенные временные рамки.

Одной из типичных работ этой группы является статья (Chau et al., 2014), посвященная исследованию взаимосвязи между политической нестабильностью и оценками волатильности основных финансовых рынков Средней Азии в течении периода 01.06.2009-09.06.2012. Авторы используют многомерные GARCH-модели для моделирования волатильности. Затем полученная выборка делится по датам на периоды восстаний и мирные периоды. Показатели финансовых рынков, оцененные для разделенных периодов, впоследствии сравниваются.

(Brooks et al., 1997) применили схожую методологию с (Chau et al., 2014) в их определении политической нестабильности, а также в отношении оценки волатильности доходности рассмотренного финансового рынка. Данная работа исследует влияние снятия режима апартеида в Южно-Африканской Республике 2 февраля 1990 года на динамику показателей фондового рынка страны. До снятия апартеида ЮАР находилась под действием жестких санкций, изолирующих страну от внешнего мира. Исследователи проверил гипотезу о повышении интегрированности ЮАР с мировым финансовым рынком с помощью ARCH-моделей оценок волатильности доходностей Южно-Африканского рынка акций в течении периода с 20.03.1986-23.02.1996. Проведенное исследование действительно показало повышение интегрированности Южно-Африканского финансового рынка с глобальным рынком.

Исследование (Gьnay S., 2016) также можно отнести к рассматриваемому направлению литературы. Gьnay S., (2016) анализирует несколько последовательных политических событий в Турции за период 2001-2014 гг. Так же, как и в работах описанных выше, автор исследует динамику турецкого фондового индекса BIST100 во временных рамках исследуемых политических событий, чтобы обнаружить изменения, которые можно объяснить повышением политического риска. Gьnay S., (2016) пришел к выводу о том, что современный финансовый рынок Турции реагирует на политические события, но в меньшей мере, по сравнению с началом рассмотренного периода.

Группа исследований первого типа, в целом, может оценить влияние политической нестабильности на динамику показателей финансовых рынков довольно точно, но так как эти исследования предполагают контекст естественного эксперимента, их результаты довольно трудно распространять на общие случаи.

Исследование влияния политической нестабильности на финансовые рынки с помощью экспертных оценок и индикаторов

Ко второй категории исследований реакции показателей рынков акций стран на политические изменения определены научные работы, в которых политические события отражаются в изменении экспертных оценок различных международных организаций (например, индекс политической нестабильности Всемирного Банка). Данное исследование использует индикатор политического риска международной организации PRS (Political Risk Guide) как показатель политической нестабильности, и поэтому также относится ко второму типу исследований.

К данному направлению можно отнести работу (Lehkonen and Heimonen, 2015), исследующую влияние политических режимов и уровней политических рисков на динамику показателей фондовых рынков. Авторы используют регрессионный анализ на данных по индексам рынков акций 49 развивающихся стран в течении периода 2000-2012 гг. Политические режимы и уровень политического риска были определены с помощью индикаторов Polity IV и Political Risk от International Country Risk Group соответственно. Lehkonen and Heimonen, (2015) приходят к выводу о том, что зависимость рыночной доходности от качества политических режимов имеет параболическую функциональную форму. Однако основной вывод работы состоит в обнаружении отрицательной зависимости между политическим риском и доходностью, что соответствует результатам предыдущих исследований (Diamonte et al., 1996; Perotti and van Oijen, 2001).

Chang T. et al., (2015) посвящают исследование поиску причинно-следственной связи между политической нестабильностью и доходностями рынков акций. Авторы используют ежемесячные данные о семи финансовых рынках развитых стран в течении периода 2001-2003 гг. На основании проведенных бутстрап-тестов на панельных данных, авторы не получили однозначной зависимости. Основная гипотеза о том, что новости об изменении экономической политики приводит к падению доходности рынков акций не находит подтверждения во всех тестируемых случаях. Гипотеза о том, что изменение цен на фондовых рынков предшествует политическим заявлениям, не отвергается в случае Италии и Испании, в то время как в случае Великобритании и США находит подтверждение обратная гипотеза. Более того, для ряда стран (Канады, Франции и Германии) обе гипотезы исследования были отвергнуты.

Dimic N. et al., (2015), Vortelinos D., Saha S., (2016) используют экспертные оценки политического риска как способ измерения политической нестабильности.

В частности, Dimic N. et al., (2015) исследует влияние компонентов политического риска на динамику показателей развитых, развивающихся и «передовых» (frontier) рынков. В данной работе используются значения индексов рынков акций 64 государств за период 1990-2013 гг. Авторы используют классификацию MSCI на как развитые, развивающиеся и передовые. Как и в исследовании Lehkonen H., Heimonen K., (2015), политическая нестабильность измеряется показателем Political Risk от ICRG. Регрессионный анализ панельных данных указывает на значимость переменных политического риска во всех рассмотренных категориях стран, но при этом индивидуальные эффекты по странам оказались более значительными, чем по выбранной классификации.

Vortelinos D., Saha S., (2016) изучают влияние политического риска на динамику показателей фондовых и валютных рынков 66 стран в течении периода 2001-2014 гг с помощью 20 индикаторов политического риска. В частности, авторами производят оценку воздействия политических рисков на доходность рынков, их волатильность с месячным шагом. Исследователи заключают, что показатели европейских финансовых рынков сильнее реагировали на риски, обусловленные экономической цикличностью, в то время как политические риски объясняли изменения волатильности на финансовых и валютных рынках в остальных регионах.

Исследования категорий событий, вызывающих политическую нестабильность

К третьей группе исследований можно отнести работы, в которых в качестве источника политической нестабильности рассматриваются группы политических событий, которые имею циклический характер или тенденцию к повторению. В отличие от исследований, определенных в первую группу, в работах третьей категории обычно изучается не одно политическое событие, а сразу несколько.

К типичным исследованиям рассматриваемой группы можно отнести Belo et al., (2013). Авторы анализируют различия потоков ликвидности и доходности финансовых рынков США в периоды правления республиканской и демократической партий. Исследователи используют данные о доходности отраслей, обслуживающих государственные заказы в периоды правления соответствующих партий США, с июля 1929 года по декабрь 2009 года. Осуществляя, главным образом, качественный анализ потоков ликвидности, авторы показывают, что во время правления президентов от демократической партии, компании, обслуживающие государственные заказы, демонстрировали приливы ликвидности и рост на фондовых рынках, в то время как при наличии у власти президентов-республиканцев данная ситуация менялась на противоположную. Авторы также рассчитали, что инвестиционная стратегия, эксплуатирующая описанные закономерности партийности президентов США, генерирует аномальную годовую доходность в 6,9%.

Другим типом политических событий, которые происходят довольно часто и обычно анализируется в группах, являются новости. К подобному типу исследований относится, например, работа (Chan et al, 1996), посвященная изучению воздействия политических новостей на волатильность фондовых рынков Гонконга в течении периода 1990-1993 гг. В исследовании изучаются два индекса: Hang Seng Index и Red-Chip Index, отражающие динамики гонконгского рынка голубых фишек и рынка «красных фишек» Китая. Авторы ежедневно фиксировали политические новости как позитивные или негативные на основании анализа заголовков газеты «Утренние Новости Южного Китая». Данное исследование показывает, что политические новости увеличивают волатильность доходностей компаний обоих рынков. При этом, негативные (позитивные) политические новости приводят к понижению (повышению) доходности индекса Hang Seng. В свою очередь, ни положительные, ни отрицательные новости не влияют на доходность индекса Red Chip. Таким образом, компании, образующие индекс Red Chip, более защищены от краткосрочной политической нестабильности, чем компании индекса Hang Seng.

Другое исследование, принадлежащее третьей группе, (Narayan P., Smyth R., 2013) изучает динамику показателей Южно-Тихоокеанского Фондового Рынка. Политическая нестабильность в случае данной работы определяется значением фиктивной переменной, которая обозначает наличие или отсутствие политического переворота в определенный момент времени. На основании регрессионного анализа авторы находят статистически значимое влияние политической нестабильности на образование ценовых кластеров.

4. Интерпретация рыночных сигналов волатильности с точки зрения сигнальной теории

Для того, чтобы детальнее изучить, каким образом инвесторы интерпретируют сигналы о политической нестабильности, данный коммуникативный процесс можно рассмотреть с точки зрения сигнальной теории. Spence (1974) и Connelly et al. (2011) описывают сигнальную теорию как инструмент, с помощью которого можно рассматривать отношения двух сторон в контексте информационной асимметрии. Данный раздел работы посвящен описанию механизма интерпретации рынком политической нестабильности в контексте сигнальной теории, описанной в работе Connelly et al. (2011).

В начале сигнального процесса отправитель принимает решение о том, в какой форме передать информацию адресату, который в свою очередь интерпретирует сигнал и выбирает, какие действия ему нужно совершить. В рамках зависимости, изучаемой в данной работе, сигнал о политической нестабильности отправляет государство, в юрисдикции которого существует финансовый рынок. Адресатом сигнала являются инвесторы, которые на основании собственной интерпретации политических рисков, которые несет политическая ситуация, изменяют свое представление об общем рисковом профиле финансового рынка. Отправители-государства могут по-разному формулировать свои сигналы, используя, например, государственные средства массовой информации, чтобы передать своё толкование политических ситуаций или выбирать тон дискуссии о том или ином направлении экономической или социальной политики.

Другим важным аспектом сигнальной теории является сам сигнал, под которым в данной работе понимается информация, которую направил отправитель адресату. Например, смена политического режима, референдумы, определяющие будущую макроэкономическую политику, отношения к оппозиции, стабильность государства - являются сигналами, которые инвесторы получают и интерпретируют для формирования собственного представления о уровне политической нестабильности в стране.

Роль адресата в сигнальном процессе состоит в интерпретации информации отправителя. С точки зрения данной работы, эта фаза сигнального процесса представляет наибольший интерес. В частности, политический риск не является «типичным» с точки зрения классических представлений о взаимосвязи риска и доходности в финансовой теории, потому что увеличение политического риска юрисдикции актива не повышает его доходность. Более того, интересы отправителя и инвесторов могут быть частично противоположны, и у отправителя сигналов может возникнуть мотивация исказить информацию в свою пользу (Bird and Smith, 2005). Данный случай оппортунистического поведения не рассматривается в данной работе, так как политическая нестабильность измеряется индикаторами политического риска, предоставленными независимой организацией PRS.

На последней фазе сигнального процесса адресаты сигнала принимают решения на основании их интерпретации. В данном случае, оценив доступную информацию о риске, инвесторы принимают решения о перераспределении своих активов по финансовым рынкам различных стран. В свою очередь, решения инвесторов влияют на полезность отправителя сигнала, в случае данной работы, государства.

Гипотеза данного исследования связана c фазой интерпретации сигнала о политической нестабильности инвесторами. Оценки волатильности доходностей фондовых рынков представляют собой скорее представления инвесторов о риске, чем само понятие риска (Frey and Iselin, 2017), и поэтому в данном исследовании анализ полученных статистических взаимосвязей будет проводиться с точки зрения инвесторов. Более того, политический риск является особым типом риска, не схожим с финансовым, так как его увеличение не приводит к повышению доходности (Diamonte et al., 1996; Perotti and van Oijen, 2001; Lehkonen and Heimonen, 2015). Это значит, что сигналы о политическом риске интерпретируются рынком не так, как сигналы о повышении финансовых рисков. Чтобы проверить данное утверждение, основная гипотеза исследования сформулирована от противного, как в случае, если бы политический риск был составной частью классического представления о финансовом риске:

“Политическая нестабильность увеличивает волатильность доходности финансовых рынков”

Чтобы более полно изучить процесс интерпретации инвесторами сигналов о политической нестабильности, финансовые рынки, участвующие в исследовании были разделены на развитые и развивающиеся. Так как развивающиеся страны традиционно ассоциируются с высокими рисками, вторая гипотеза звучит следующим образом:

“Политическая нестабильность увеличивает волатильность доходности финансовых рынков развивающихся стран в большей мере, чем аналогичный показатель финансовых рынков развитых стран.”

Методология

1. Данные

Выбранные страны и индексы рынков акций

Для тестирования гипотез данной работы были использованы месячные данные по значениям индексов рынков акций 42 стран (19 развивающихся и 23 развитых) в течении периода 31.12.1996-31.12.2017, предоставленные терминалом Thomson Reuters.

Выбранные для исследования страны были классифицированы на развитые и развивающиеся. В частности, принадлежность к группе развитых стран определялась одновременным выполнением следующих критериев:

1. Страна должна быть членом Организации Экономического Сотрудничества и Развития на март 2018 года;

2. Страна должна быть классифицирована как развитая в соответствии с отчетом о Глобальной Экономической Ситуации (United Nations, 2018)

Страны, которые были выбраны для исследования, но не соответствующие данным критериям, были классифицированы как развивающиеся страны. Полный список проанализированных стран и их классификация приведены в Таблице 1 Приложения к настоящей работе. В Таблице 1 также указаны названия рассмотренных индексов рынков акций соответствующих стран, а также их идентификаторы в терминале Thomson Reuters. Выбор индексов рассматриваемых государств был основан на количестве компаний, которые его составляли, а также доступности информации о соответствующих котировках. Предпочтение отдавалось индексам с большим количеством включенных компаний, так как они охватывают большую долю капитализации рынка.

Также, в работе были использованы ежемесячные данные по значениям глобального индекса MSCI и индекса вздутия волатильности VIX, также представленные терминалом Thomson Reuters.

База данных International Country Risk Guide - Данные по категориям Политического, Экономического и Финансового Рисков Стран

В данном исследовании измерение политической нестабильности производится с помощью данных рейтинговой системы International Country Risk Guide организации Political Risk Guide (PRS). Данная система состоит из 22 компонентов, которые группируются в три категории рисков: политические, финансовые и экономические. При этом политический риск состоит из 12 компонентов, в то время как финансовый и экономический риск включают в себя по 5 компонентов.

Согласно методологии ICRG, компоненты указанных видов рисков представляют собой экспертные оценки, которые выставляются персоналом ICRG на основании собранной ими политической, экономической и финансовой информации. Оценки политических категорий выставляются на основании субъективных суждений экспертов, в то время как экономические и финансовые оценки отражают объективную информацию, измеряемую количественно. В итоге, каждому компоненту рисков присваивается числовое значение; чем оно больше, тем меньше значение риска, который он характеризует.

Автору исследования были доступны ежегодные данные по указанным 22 компонентам, которые были линейно аппроксимированы с квартальным шагом, чтобы детальнее рассмотреть взаимодействие политических, экономических и финансовых рисков стран с волатильностью доходности финансовых рынков.

2. Измерение Политического Риска

В данном исследовании политический риск измеряется согласно методологии ICRG. Как было упомянуто ранее, показатель политического риска представляет собой совокупность двенадцати компонентов. В частности, согласно ICRG, мера политического риска является суммой значений каждого из компонентов, максимальные значения и названия которых приведены в Таблице 1.

Таблица 1 Компоненты политического риска. Источник: Методология ICRG, PRS

Так как компоненты политического риска также рассматриваются в качестве факторов одной из спецификаций моделей данных, далее приводится краткое описание каждого из них (составлено на основе методологии ICRG). Более подробное разъяснение каждого из индикаторов доступно в методологии ICRG (PRS, 2018).

Индикатор государственной стабильности представляет собой оценку способности государства к ведению объявленной политики, а также устойчивость его политической власти. Данный индикатор в свою очередь оценивается исходя из трех под-факторов: сплоченности государства, законодательной силы и наличия поддержки населения. Показатель государственной стабильности определен на промежутке , где 0 обозначает большой политический риск, связанный с государственной стабильностью, в то время как 12 обозначает очень низкий уровень соответствующего риска.

Показатель социально-экономических условий является индикатором социально-экономического давления в государстве, которое может ограничить действия государства и/или стать причиной увеличения недовольства граждан. Данный фактор в свою очередь определяется уровнями безработицы, потребительской удовлетворенностью и уровнем бедности. Также, как и показатель государственной стабильности, индикатор социально-экономических условий определен на промежутке и его высокие значения обозначают низкий уровень политического риска, вызванного данным фактором.

Индикатор инвестиционного профиля включает в себя факторы, определяющие инвестиционный риск, который не объясняют другие политические, экономические или финансовые компоненты риска. В частности, данный индикатор состоит из оценок контрактной силы и риска экспроприации, меры репатриации прибыли и наличия отсрочек платы по государственным заказам. Как и предыдущие индикаторы, показатель инвестиционного профиля определен на промежутке и его высокие значения соответствуют низкому уровню политического риска.

Показатель внутренних конфликтов является индикатором наличия вооруженных политических конфликтов внутри страны и их влияния на государственность. Высокий балл по данному фактору присваивается странам, в которых нет вооруженной гражданской оппозиции действующему государству и в которых государство не осуществляет военной политики по отношению к группам собственных граждан. В соответствии со значениями трех под-факторов: ведение гражданской войны/риск переворота, терроризм/вооруженный политический конфликт, беспорядки - общему индикатору внутренних конфликтов присваивается значение на промежутке. Чем больше значение индикатора, тем меньше политический риск, вызванный данным фактором.

Индикатор внешних конфликтов представляет собой оценку как дипломатического давления зарубежных партнеров, так и риска вооруженного внешнего вторжения. Внешние конфликты могут влиять на развитие бизнеса в стране как в форме экономических ограничений в отношении торговли и зарубежных операций компаний, так и в форме разрушения цепей поставок ресурсов и насильственной реструктуризации общества в случае вооруженных конфликтов. Значение показателя внешних конфликтов определяется тремя под-факторами: ведение войны, наличие межгосударственного конфликта, наличие международного давления. Данный показатель определен на промежутке. Как и в предыдущих случаях, высокие значения данного индикатора соответствуют низким значениям риска.

Еще одним компонентом политического риска является индикатор коррупции в политических системах. Коррупция может снизить величину потока иностранных инвестиций из-за нескольких причин. В частности, коррупция оказывает негативное воздействие на экономический и финансовый климат стран, она уменьшает эффективность государственного аппарата, а также провоцирует нестабильность политического процесса. Значение индикатора коррупции ICRG основано на наличии в странах склонности к патронажу при найме на государственные должности, непотизму, «услуг за услугу», скрытие источников финансирования политических партий и связи государственных служащих с ведением бизнеса. Данный индикатор является экспертной оценкой, определенной на промежутке , где высокие значения показателя соответствуют низкому уровню риска, связанного с ним.

Военная элита не избирается гражданами государств, и поэтому вмешательство военных лидеров в политику ведет к уменьшению демократической ответственности. Причины увеличения влияния военных лидеров в государствах могут быть разные, от вынужденного ответа на внешнюю угрозу до военного переворота предыдущего режима. В любом случае, вмешательство военных лидеров в политику ведет к неустойчивости государства в долгосрочном периоде, потому что такая форма государства очень часто ведет к новым вооруженным переворотам. Индикатор роли военных лидеров определен на промежутке , где высокие значения показателя соответствуют низкому уровню риска, связанного с ним.

Религиозные конфликты могут возникнуть, если какая-либо религиозная группа стремится заменить гражданское законодательство религиозными законами, а также исключить другие религии из политического и социального процессов. Риск подобных ситуаций может быть представлен различными вариантами, от пребывания у власти некомпетентных лиц до разжигания межконфессиональной розни и гражданских войн. Индикатор религиозных конфликтов определен на промежутке , где высокие значения показателя соответствуют низкому уровню риска, связанного с ним.

Закон и порядок представляют собой единый компонент политического риска, но два его элемента оцениваются отдельно. Уровень законности определяется силой и независимостью судебной системы, в то время как элемент порядка является индикатором общественной приверженности закону. В сумме, индикатор закона и порядка определен на промежутке , где высокие значения показателя соответствуют низкому уровню риска, связанного с ним.

Индикатор этнических конфликтов представляет собой экспертную оценку степени значимости конфликтов расового, национального или языкового характеров. Высокие значения рейтинга, также определенного на промежутке , присваиваются странам с наименее острыми этническими конфликтами.

Показатель демократической ответственности обозначает степень ответственности государства перед своими гражданами. Чем ниже данный уровень, чем выше вероятность свержения действующего режима, которое может пройти мирно в условиях демократии или привести к вооруженному конфликту в условиях недемократических режимов. Как правило, высокие значения индикатора присваиваются демократическим режимам, в то время как низкие - автаркиям. Так же, как и предыдущие индикаторы, показатель демократической ответственности определен на промежутке .

Показатель качества бюрократического аппарата является мерой силы и качества института бюрократии, которые необходимы при смене государственных лидеров. Высокие значения индикатора присваиваются в тех случаях, когда передача власти происходит без существенных изменений в политике государств и без прерывания государственной службы. В таких случаях бюрократический аппарат автономен относительно политического давления и имеет устоявшийся механизм найма госслужащих и их подготовки. Данный индикатор определен на промежутке .

Общий показатель политического риска представляет собой сумму двенадцати описанных выше индикаторов. Он определен на промежутке . Согласно рекомендациям ICRG, значения индикатора менее 50 соответствуют очень высоким значениям политического риска, значения 50-60 обозначают высокий риск, значения 60-70 - средний уровень риска, в то время как 70-80 - низкий риск, и 80-100 - очень низкий риск.

3. Построение рядов доходности и GARCH-оценок дисперсии доходностей индексов анализируемых рынков

В данной работе дисперсия доходностей индексов анализируемых рынков оценивалась с помощью моделей GARCH, потому что данный способ оценки дисперсии доходностей учитывает ARIMA-схему временных рядов доходностей финансовых рынков (Engle, 2005; Andersen et al., 2005).

Все рассмотренные данные по значениям индексов стран с месячным шагом представлены в национальной валюте. Доходность выбранных инструментов вычисляется следующим образом:

,

где - цена закрытия индекса i в момент времени t, - цена закрытия индекса i в момент времени t-1. Логарифмическая формула роста была выбрана из-за её статистических свойств, а именно эквивалентности проведения дифференциации (differencing) первого порядка, что может обеспечить стационарность временного ряда в случае его изначальной интегрированности первого порядка.

Затем проводилась процедура оценки дисперсии доходностей анализируемых рынков. В первую очередь ряды доходностей были проверены на стационарность при помощи Расширенного Теста Дики-Фуллера, так как стационарность анализируемых рядов является обязательным условием для построения адекватных оценок дисперсии.

После проверки на стационарность осуществлялся поиск наиболее адекватных ARIMA-схем моделей доходности рынков при помощи информационного критерия Шварца и анализа поведения автокорреляционных (ACF) и частных автокорреляционных (PACF) функций (ACF - autocorrelation function, PACF - partial autocorrelation function) временных рядов. В каждом случае выбор осуществлялся в пользу модели, обладающей наименьшим значением информационного критерия Шварца; оценка поведения автокорреляционных функций по кореллограмам служила в качестве подтверждения результатов, предложенных информационным критерием Шварца.

Далее, следом за выбором ARIMA-схемы модели, оценивалась регрессия, характеризующая ежедневную доходность рассматриваемого индекса. Кроме лаговых компонентов, определенных на предыдущем шаге, аналогично (Chau et al, 2014), в качестве независимых переменных была введена доходность мировых фондовых рынков, измеряемая индексом MSCI World для учета изменений, объясняемых мировой интеграцией финансовых рынков, а также фиктивные переменные, обозначающие номер месяца для принятия во внимание календарных эффектов (Chau et al, 2014). Таким образом, общая модель данных для оценок уравнений доходности принимает следующий вид:

(1).

В приведенной выше модели данных - доходность оцениваемого индекса в момент , - доходность индекса мирового рынка индекса в момент , - фиктивная переменная для номера месяца (декабрь был исключен во избежание сингулярности), - ошибка в момент .

Для оценки степени применимости GARCH моделей для моделирования дисперсии ошибки оптимальной модели доходности (1) были проверены с помощью теста Бокса-Льюинга, который проверяет на отличие от нуля заданное число коэффициентов автокорреляции. Также, для тестирования наличия ARCH-эффекта в оптимальной модели использовался тест множителей Лагранжа (ARCH LM test). Результаты данных тестов (а также ARIMA-спецификации моделей доходности) были включены в Таблицу 2 Приложения.

Модели с условной гетероскедастичностью ARMAX/GARCH в общем виде имеют следующий вид:

Ограничения на параметры: , , ,, то есть для корректного определения условной дисперсии все коэффициенты в модели должны быть положительными или равными нулю (кроме свободного члена). Выбор оптимальной модели GARCH(s,r) для дисперсии доходностей в данном исследовании осуществлялся на основе информационного критерия Шварца среди спецификаций GARCH(1,1), GARCH(1,2), GARCH(2,1) и GARCH(2,2). Полученные спецификации и коэффициенты компонентов оценок дисперсий доступны в Таблице 3 Приложения.

Для получения оценок волатильности, полученные оценки дисперсии доходностей рынков акций были рассчитаны следующим образом:

Где - оценка волатильности доходности индекса в момент времени с месячным шагом, а - GARCH оценка дисперсии волатильности доходности индекса в момент времени с месячным шагом. Чтобы привести данные в квартальный формат, были рассчитаны трехмесячные средние полученных оценок, которые затем были умножены на необходимый коэффициент:

Где - оценка волатильности доходности индекса в момент времени с квартальным шагом, - средняя трехмесячная оценка волатильности доходности индекса, соответствующая моменту времени .

4. Статистический анализ

В данной работе производится статистический анализ зависимости общего рискового профиля финансовых рынков от политического риска, рассмотренного в контексте экономического и финансового рисков стран. Статистический анализ проводится в рамках двух стадий: анализ описательных статистик полученных данных и регрессионный анализ.

Описательная статистика

Анализ описательных статистик данных позволяет оценить их структуру и определить первичную спецификацию регрессионных моделей. В данной работе описательная статистика была проанализирована в два шага. Также, как и в (Alfaro, L. et al., 2004), первый шаг включал в себя расчет и анализ показателей средних значений, стандартного отклонения, минимальных и максимальных значений переменных, а также тестов на нормальность всех факторов, использованных в регрессионном анализе. Анализ, проведенный на первом шаге, позволяет обнаружить потенциальные выбросы и потенциальные проблемы сравнимости факторов. Более того, в качестве дополнительной проверки результатов регрессионного анализа, можно рассмотреть средние и стандартные отклонения зависимой переменной и оценок модели. Второй шаг анализа описательных статистик представляет собой анализ корреляционной матрицы, включающей в себя рассматриваемые факторы и зависимую переменную. Анализ подобного рода (также использованный в работе Penman (1996)) позволяет выявить линейные зависимости между выбранными факторами и зависимой переменной. Более того, анализ корреляции между использованными факторами позволяет контролировать возникновение проблемы мультиколлинеарности, которая может нарушить устойчивость значимости оценок коэффициентов и их точность. волатильность политический капитальный

Регрессионный анализ

В данной работе, в качестве инструмента проверки гипотез использовался регрессионный анализ по методу робастных наименьших квадратов на квартальных панельных данных в течение периода 31.12.1996-31.12.2017. Зависимой переменной являются оценки волатильности доходностей рынков акций выбранных стран, в то время как основными независимыми переменными являются индикатор политического риска и его компоненты, а также фиктивная переменная, определяющая принадлежность юрисдикции индекса определенной страны к развитым или развивающимся странам. В данном разделе работы описаны контрольные переменные, которые создают контекст для проверки гипотез, сформулированных в обзоре литературы, а также модели данных оцененных регрессий.