Контрольные переменные

В данной работе рассматривается зависимость между общим рисковым профилем мировых финансовых рынков и политическим риском, который характеризует юрисдикции данных рынков. Для того, чтобы более точно определить данную зависимость, в оцененные регрессии добавлены факторы экономического и финансового рисков стран, доступные в базе данных PRS, а также индекс вздутия дисперсии VIX, который служит в качестве отражения основных мировых трендов волатильности. Фиксированные эффекты на время не были включены из-за возникновения сингулярности в данных, фиксированные эффекты на страны не были включены, так как исследователь имел целью также определить, имеет ли место разделение на развитые и развивающиеся страны в данном контексте.

Индекс экономического риска, рассчитанный по методологии ICRG, предназначен для оценки сильных и слабых сторон экономического положения стран, рассмотренных в исследовании. Данный показатель рассчитан как сумма пяти факторов, которые перечислены в следующей таблице:

Таблица 2 Компоненты Индикатора Экономического Риска. Источник: Методология ICRG, PRS

Компоненты Экономического Риска
Компоненты	Макс. Знач.
ВВП на душу населения	5
Реальный рост ВВП	10
Ежегодная инфляция	10
Баланс бюджета как % ВВП	10
Текущий платежный баланс как % ВВП	15
Экономический риск	50

Сильные и слабые стороны экономики рассматриваемых государств оценены с помощью группировки значений, которые принимают указанные компоненты экономического риска, и присвоения им значений рейтинга. Во всех случаях высокие значения рейтинга соответствуют низким значениям экономического риска.

Индекс финансового риска, рассчитанный по методологии ICRG, предназначен для оценки способности государства платить по счетам. В частности, система позволяет рассчитывать способность государства финансировать его официальные, коммерческие и торговые задолженности. Также, как и мера экономического риска, мера финансового риска представляет собой сумму оценок его компонентов, которые перечислены в следующей таблице:

Таблица 1 Компоненты Индикатора Финансового Риска. Источник: Методология ICRG, PRS

Компоненты Финансового Риска
Компоненты	Макс. Знач.
Иностранный долг как % ВВП	10
Выплата процентов по внешнему долгу как % экспорта товаров и услуг	10
Текущий платежный баланс как % экспорта товаров и услуг	15
Международная ликвидность как месяцы импортного покрытия	5
Стабильность обменного курса валют	10
Финансовый риск	50

Как и случае экономического риска, количественные значения каждого компонента группированы, и данным группам присвоены значения рейтинга. Чем выше значения рейтинга, присвоенные каждому показателю, тем меньше финансовый риск, ассоциированным с ним.

Индекс вздутия дисперсии VIX представляет собой индекс волатильности, который отражает рыночные ожидания относительно тридцатидневной волатильности. Данный индекс построен на основании подразумеваемой волатильности индексных опционов S&P 500. Данный индекс используется как мера оценки риска на финансовом рынке США. Так как финансовый рынок США является одним из крупнейших в мире, увеличение волатильности на его торговых площадках может привести к увеличению волатильности на рынках, интегрированных в мировую финансовую систему. Поэтому, индекс вздутия дисперсии включен в регрессии в качестве индикатора, характеризующего основные мировые тренды в изменении ожиданий волатильности.

Модели данных

Изначально гипотезы были протестированы регрессиями с помощью классического метода наименьших квадратов. Однако, анализ структуры ошибок полученных регрессии показал их ненормальность, что негативно сказывается на точности полученных коэффициентов. Распределение полученных ошибок оцененных регрессий показало наличие выбросов в данных, и так как оцененная выборка слишком большая для ручного поиска и удаления выбросов, было принято решение воспользоваться методом робастных наименьших квадратов (Huber, 1973), который контролирует выбросы при расчеты коэффициентов. В частности, чтобы охватить возможные выбросы и в зависимой, и в независимых переменных, был выбран метод MM-оценки (Yohai 1987).

Для проверки гипотез исследования были оценены регрессии двух видов: в первом типе регрессий показатель политической нестабильности представлен индикатором политического риска, а во втором - совокупностью компонентов политического риска. Данные регрессии оценивались на трех выборках: на полной выборке, на выборке развитых стран и на выборке развивающихся стран. В частности, модели данных оцененных регрессий первого вида выглядят следующим образом:

1) Индикатор политического риска как как фактор политической нестабильности, полная выборка

2) Индикатор политического риска как фактор политической нестабильности, развитые страны

3) Индикатор политического риска как фактор политической нестабильности, развивающиеся страны

Где - оценка волатильности доходности индексов страны в момент времени , - индикатор политического риска страны в момент времени , - индикатор экономического риска страны в момент времени , - индикатор финансового риска страны в момент времени , - индикатор вздутия дисперсии в момент времени , - фиктивная переменная, принимающая значение 1, если страна развитая, и принимающая значение 0, если страна развивающаяся.

Второй вид регрессий был также оценен на полной выборке, а также на выборках развитых и развивающихся стран:

4) Компоненты политического риска как факторы политической нестабильности, полная выборка

5) Компоненты политического риска как факторы политической нестабильности, развитые страны

6) Компоненты политического риска как факторы политической нестабильности, развивающиеся страны

Где - оценка волатильности доходности индексов страны в момент времени , - индикатор стабильности государства страны в момент времени , - индикатор демократической ответственности страны в момент времени - индикатор этнических конфликтов страны в момент времени - индикатор внутренних конфликтов страны в момент времени - индикатор религиозных конфликтов в стране в момент времени - индикатор роли военных в политике в стране в момент времени - индикатор уровня коррупции в стране в момент времени - индикатор внешних конфликтов в стране в момент времени - индикатор инвестиционного профиля страны в момент времени - индикатор социально-экономической ситуации в стране в момент времени - индикатор уровня законности и порядка в стране в момент времени - индикатор качества бюрократического аппарата страны в момент времени - индикатор экономического риска страны в момент времени , - индикатор финансового риска страны в момент времени , - индикатор вздутия дисперсии в момент времени , - фиктивная переменная, принимающая значение 1, если страна развитая, и принимающая значение 0, если страна развивающаяся.



Результаты

В данной части работы приводится описание результатов проведенного статистического анализа. В первую очередь представлены результаты сравнительного анализа описательных статистик и корреляционной матрицы. Далее приведены результаты регрессионного анализа. Также, в данной части работы представлен анализ полученных результатов с точки зрения академической теории.

1. Описательная статистика

Сравнительный анализ описательной статистики

Рассчитанные значения описательной статистики всех использованных в работе переменных приведены в Таблице 4 Приложения. Также, приведена описательная статистика оценок волатильности финансовых рынков, рассчитанных на основании шести оцененных моделей.

На общей выборке наблюдается средняя волатильность со значением 0,087, в то время как в развитых странах она ниже 0,067, а в развивающихся - выше 0,11. Данная картина соответствует ожиданиям, ведь рисковый профиль развивающихся стран, как правило, выше, чем у развитых. Стандартное отклонение волатильности также в рамках ожидаемых значений, 0.048 в случае развитых стран, 0,069 в случае развивающихся стран и 0,061 при рассмотрении общей выборки. Это значит, что уровень волатильности изменяется с более широким шагом на выборке развивающихся стран.

Среднее значение политического риска на всей выборке составляет 77 пунктов, что соответствует низкому уровню политического риска в глобальной перспективе (здесь и далее классификация рисков как низкий, очень низкий, средний или высокий производится соответственно методологии ICRG). В случае развитых стран данный показатель ниже, среднее значение составляет 68,126 пунктов, что соответствует среднему уровню политического риска. В случае развитых стран, среднее значение показателя политического риска составляет 83.87 пунктов, что соответствует очень низкому уровню политического риска. В целом, данные результаты также соответствуют изначальным предположениям и объясняются высоким рисковым профилем развивающихся стран. При этом стоит отметить, что в среднем выбранные развивающиеся страны не выказывают экстремальных значений политического риска.

Обращаясь к значениям экономического и финансового рисков, стоит отметить гораздо меньшую величину различий между развитыми и развивающимися странами. В целом, обе категории государств показывают похожие результаты экономического риска и финансового риска - в среднем 39,465 и 38,169 пунктов для развитых стран и 36,361 и 38,082 пункта для развивающихся стран соответственно. Данные показатели соответствуют низкому уровню рисков в экономической и финансовой категории, что несколько неожиданно, так как развивающиеся страны обычно ассоциируются с большими значениями этих рисков.

Автором также были проанализированы оценки волатильности доходностей финансовых рынков, полученные с помощью регрессионных моделей, чтобы детальнее рассмотреть их характеристики. В целом, средние значения оценок волатильности сходны со значением волатильности, оцененным при помощи GARCH моделей. Это может означать несмещенность полученных оценок. Однако, так как использованный метод оценки регрессий был выбран с целью уменьшения влияния выбросов на оценку коэффициентов, средние значения оценок чуть ниже, а промежуток их максимальных и минимальных значений уже. Значения коэффициентов асимметрии и коэффициентов эксцесса разнятся в зависимости от модели, что обозначает, что полученные оценки зависимой переменной и сама переменная принадлежат различным распределениям.

Анализ корреляционных матриц

Анализ индивидуальных корреляций Пирсона (Таблица 5 в Приложении) показывает ожидаемые знаки зависимостей факторов риска и величиной волатильности: и политический, и финансовой, и экономический риски отрицательно связаны с полученными оценками волатильности (высокие уровни индикаторов соответствуют низким рискам). Также, анализ связи волатильности с фиктивной переменной, обозначающей уровень развития страны, показывает, что волатильность развитых стран, как правило, ниже волатильности развивающихся стран, что также соответствует ожиданиям. Анализ индивидуальных корреляций волатильности с компонентами политического риска, в целом, также указывает на ожидаемые знаки зависимостей: все компоненты политического риска, кроме индикатора государственной зависимости (положительный знак), отрицательно связаны с величиной волатильности, что говорит о том, что политический риск, связанный с данными компонентами, увеличивает волатильность доходности финансовых рисков. При этом следует отметить, что уровень рассмотренных корреляций невысок - наибольшая по модулю корреляция, которую демонстрирует переменная волатильности - всего -0,37 (с показателем роли военных лидеров в политике).

Показатель политического риска демонстрирует сильную положительную корреляцию со своими компонентами, так как он является их линейной комбинацией. Также, показатель политического риска сильно положительно коррелирован с фиктивной переменной, обозначающей уровень развития рассмотренных стран. Примечательно, что показатель политического риск положительно коррелирован с показателем экономического риска (0,6), причем данная зависимость сильнее, чем уровень корреляции политического риска с финансовым риском (0,19). При этом, экономический риск демонстрирует достаточно сильную зависимость с финансовым риском (0,59).

Компоненты политического риска в некоторых случаях демонстрируют сильную положительную корреляцию друг с другом (например, в случае связей показателей законности и порядка с социально-экономической ситуацией (0.72) и уровнями коррупции (0.69), показателя внутренних конфликтов с ролью военных лидеров в политике (0,65) и внешними конфликтами (0,68), связи качества бюрократического аппарата с уровнем коррупции (0,77), социально-экономической ситуацией (0,73) и законностью и порядком (0,72) и т.д.). Тем не менее, они включены в модели данных рассматриваемых регрессий, оценивающих зависимость между волатильностью финансовых рынков и компонентами политического риска. Оценки регрессий данного типа могут быть подвержены мультиколлинеарности, которая не ухудшает прогнозную силу регрессий (так как не является причиной смещенности оценок), но может ухудшить точность оценок коэффициентов регрессий.

В целом, анализ корреляционных матриц показал ожидаемые результаты, в частности отрицательную связь между индикаторами политического, экономического и финансового рисков и волатильностью, что обозначает положительную связь рисков данного рода с рисковым профилем финансового рынка. Также, анализ индивидуальных корреляций показал взаимосвязь между политическим, экономическим и финансовыми рисками, которая может иметь ценность при интерпретации результатов регрессионного анализа. В заключение, некоторые компоненты политического риска показали высокие уровни корреляции друг с другом, поэтому коэффициенты регрессии, в которую они включены, могут быть неточными.

2. Регрессионный анализ

Результаты оценки регрессий, описанных в методологии, описаны в следующей таблице:



Таблица 2 Результаты оценки регрессий. Источник: Расчеты автора

	(1) Политический риск как фактор политической нестабильности, полная выборка	(2) Политический риск как фактор политической нестабильности, развитые страны	(3) Политический риск как фактор политической нестабильности, развивающиеся страны	(4) Компоненты политического риска как факторы политической нестабильности, полная выборка	(5) Компоненты политического риска как факторы политической нестабильности, развитые страны	(6) Компоненты политического риска как факторы политической нестабильности, развивающиеся страны
C	0.109707***	0.040788***	0.176417***	0.175751***	0.081984***	0.071920***
POLRISK	2.90E-05	0.000337***	-0.000263
ECONRISK	-0.001439***	-0.001229***	-0.001791***	-0.001036***	-0.000482***	-0.002353***
FINRISK	0.000520***	0.000778***	-0.000389	0.000256*	0.000761***	0.001664***
VIX	0.000688***	0.000478***	0.001171***	0.000473***	0.000401***	0.000756***
DEVEM	-0.027683***			0.005849**
GOVERNSTAB			0.002408***	-0.001063***	0.009315***
DEMACCOUNT			4.99E-05	-0.007069	0.000895
ETHNICT				0.004778***	0.006949***	-0.004380***
RELIGT				-0.003685***	-0.000358	0.009378***
MILITINPOLIT			-0.021817***	-0.007494***	-0.019999***
CORRUPT				0.003450***	0.002201***	-0.001642
EXTERNT				-0.000249	0.003773***	-0.001338
INTERNC				0.005001***	0.003865***	0.002513**
INVESTM				-0.000920***	-0.000882**	0.002486***
SOCIOECONOM			-0.002103***	0.001633***	-0.005113***
LAWORD				-0.011977***	-0.004768***	-0.009754***
BEUQ				0.008959***	-0.012565***	0.021830***
Rw-squared	0.265210	0.084501	0.115716	0.479555	0.356579	0.456859
Adjusted R-squared	0.114988	0.037582	0.047975	0.230651	0.246102	0.177990
Количество Наблюдений	3364	1895	1469	3364	1895	1469
*-Коэффициент значим при 10% уровне значимости; **- Коэффициент значим при 5% уровне значимости; *** - Коэффициент значим при 1% уровне значимости

Рассмотрим первый вид оцененных регрессий, в частности, регрессии (1)-(3). В них зависимой переменной выступает волатильность доходностей рассмотренных финансовых рынков, а основным индикатором политической нестабильности - индекс политической нестабильности ICRG. Оценка коэффициентов регрессии (1) по методу робастных наименьших квадратов на полной выборке показала незначимость коэффициента политического риска, в то время как коэффициенты при индикаторах экономического и финансового рисков показали свою значимость. При этом, знак коэффициента при индикаторе экономического риска соответствует ожиданиям - он отрицателен, в то время как знак при индикаторе финансового риска положителен, что является неожиданным результатом. Отрицательный знак при фиктивной переменной, которая обозначает уровень развития стран также соответствует прогнозу - волатильность развивающихся рынков выше волатильности развитых рынков.

При этом результаты, полученные для выборок развитых и развивающихся стран (регрессии (2) и (3)), отличаются от результатов, полученных для общей выборки. На выборке развивающихся стран, факторы политического и финансового риска не значимы. На выборке стран данного вида значим только коэффициент индикатора экономического риска, с ожидаемым отрицательным знаком. В случае развитых стран, индикаторы всех рисков значимы, причем экономический риск показывает ожидаемый отрицательный знак, в то время как политический и финансовый риски показывают положительные знаки.

Второй тип рассмотренных регрессий (4)-(6) отличается от первого тем, что в качестве индикаторов политической нестабильности выступают компоненты политического риска. Из 12 рассмотренных компонентов политического риска на общей выборке значимы все, кроме демократической ответственности и внешних конфликтов. При этом, шесть индикаторов демонстрируют ожидаемые отрицательные знаки: религиозные конфликты, роль военных лидеров в политике, внешние конфликты, инвестиционный профиль, социально-экономическая ситуация и законность и порядок. Однако оставшиеся пять индикаторов демонстрируют положительные знаки: государственная стабильность, уровень коррупции, этнические конфликты, внутренние конфликты и качество бюрократического аппарата. Экономические и финансовый риски значимы, экономический риск демонстрирует ожидаемый отрицательный знак, в то время как финансовый риск демонстрирует положительный знак, не соответствующий ожиданиям. Более того, в присутствии компонентов политического риска, фиктивная переменная меняет свой знак на положительный, что не соответствует предположениям о том, что в развивающихся странах волатильность доходностей финансовых рынков будет выше.

Результаты, полученные для выборок развитых и развивающихся стран для регрессий второго типа отличаются между собой. В частности, среди компонентов политического риска на выборке развитых стран не значим фактор религиозных конфликтов, в то время как на выборке развивающихся стран не значимы факторы коррупции и внешних конфликтов. Для обеих выборок не значим фактор демократической ответственности. При этом, многие значимые переменные меняют свои знаки в зависимости от рассмотренной выборки. В частности, отрицательные знаки переменных государственной устойчивости, качества бюрократического аппарата и инвестиционного профиля соответствуют ожидаемым для развитых стран, в то время как на выборке развивающихся стран эти показатели меняют свой знак на положительный. Это также правдиво для переменных этнических конфликтов и социально-экономического положения, которая положительно влияет на волатильность в случае развитых стран, и меняет знак на обратный в случае развивающихся стран.

В целом, следует отметить, что переменная вздутия волатильности VIX значима и положительна на всех выборках, что говорит о высоком уровне интеграции выбранных финансовых рынков в мировую финансовую систему. Более того, необходимо отметить, что несмотря на большое количество значимых индикаторов, доля объясненной дисперсии, характеризованная двумя видами коэффициентов детерминации, достаточно низкая, и рассмотренные риски не объясняют волатильность доходностей рассмотренных финансовых рынков полностью.

3. Интерпретация результатов

Как подчеркивалось ранее, гипотезы проведенного исследования связаны рассмотрены с точки зрения сигнальной теории. В частности, интерес представляет фаза интерпретации сигнала о политической нестабильности инвесторами. Согласно (Frey and Iselin, 2017), оценки волатильности доходностей фондовых рынков представляют собой скорее представления инвесторов о риске, чем само понятие риска, и поэтому в данном исследовании анализ полученных статистических результатов проводится с точки зрения представления инвесторов о риске, их рисковых ожиданий. В данной части работы приводится последовательная интерпретация полученных статистических результатов с точки зрения сформулированных гипотез исследования.

Гипотеза I: “Политическая нестабильность увеличивает волатильность доходности финансовых рынков”

Политический риск отличается от финансового риска тем, что 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. В данной части работы интерпретируются результаты оценок регрессий на полной выборке стран.

Результаты данного исследования поддерживают данное утверждение, потому что на полной выборке проанализированных индексов финансовых рынков уровень политического риска оказался незначимым. При этом анализ корреляционных матриц показал, что увеличение политического риска взаимосвязано с увеличением волатильности доходностей финансовых рынков. Однако, результаты регрессионного анализа позволяют лучше оценить зависимость волатильности финансовых рынков от политического риска, потому что уровни экономического и финансового рисков стран выступали в качестве контрольных переменных.

Рассуждая с точки зрения сигнальной теории, в условиях присутствия информации об уровнях экономического и финансового рисков стран, инвесторы не пользуются информацией о общем уровне политических рисков государств. Однако исследование компонентов политического риска показало, что инвесторы учитывают информацию о составных частях этого риска.

Реакция инвесторов на информацию о компонентах политического риска неоднозначная. В частности, сигналы о повышении рисков, связанных с религиозными конфликтами, присутствием военных лидеров в политической власти, инвестиционным профилем стран, уровнем закона и порядка, а также социо-экономическим положением граждан, сопровождаются увеличением волатильности соответствующих финансовых рынков. Это значит, что информацию данного типа инвесторы связывают с увеличением рискового профиля соответствующих стран. В свою очередь, увеличение рисков, связанных со стабильностью государств, этническими конфликтами, коррупцией, внутренними конфликтами и качеством бюрократического аппарата, ассоциируется с уменьшением волатильности на рассмотренных рынках.

Данную ситуацию можно интерпретировать с той точки зрения, что возрастание политической нестабильности не всегда приводит к негативным последствиям для бизнеса, особенно в условиях общего низкого уровня рисков. В частности, прекращение дискриминации той или иной группы населения может сопровождаться мирными протестами, но в долгосрочном периоде данные события могут привлечь к экономической деятельности больше граждан стран и тем самым способствовать увеличению эффективности данной экономики. Например, движение за права женщин, несмотря на забастовки и бесчисленные протесты, усилило глобальную экономику, обеспечив более высокий уровень занятости и образованности населения.

Оценки компонентов политического риска построены таким образом, что любой мирный протест снижает стабильность государства и увеличивает риски внутренних конфликтов, протесты против дискриминации национальных меньшинств будут сопряжены с этническими и внутренними конфликтами. Более того, совокупность новостей о борьбе с коррупцией и открытое обсуждение бюрократической системы, могут, несмотря на нарушение стабильности, убедить инвесторов в том, что следует скорее ожидать снижение соответствующих рисков, чем повышение.

В целом, обнаруженную зависимость между волатильностью доходностей индексов финансовых рынков и политическим риском нельзя назвать однозначной. Факторы политического риска выказывают различные направления связей с волатильностью, которая в сумме не воспринимается инвесторами как важный источник информации о риске на финансовых рынках. Инвесторы более склонны воспринимать информацию о экономическом или финансовом рисках как важную для определения рискового профиля того или иного рынка. Таким образом, первая гипотеза о положительной связи политического риска и волатильности доходностей индексов рассмотренных финансовых рынков отвергается.

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

Чтобы более полно изучить процесс интерпретации инвесторами сигналов о политической нестабильности, финансовые рынки, участвующие в исследовании, были разделены на развитые и развивающиеся. Согласно результатам исследования, динамика взаимосвязи политических рисков и волатильности доходностей финансовых рынков развитых и развивающихся стран существенно отличалась.

В частности, в случае развивающихся стран, инвесторы не воспринимали информацию о политическом риске как важную для определения рискового профиля финансового рынка государства. Также, на данных рынках информация о финансовой позиции данного государства тоже не являлась значимой. Единственным фактором из рассмотренных видов риска, который инвесторы принимали во внимание, оказался экономический риск. Такие результаты можно объяснить тем, что инвесторы могут воспринимать развивающиеся страны как площадки с изначально высоким риском, и повышение политического риска скорее является ожидаемым явлением.

В случае развитых стран, все рисковые факторы, включенные в регрессии, продемонстрировали значимые коэффициенты. В частности, увеличение политического риска приводило к уменьшению волатильности доходностей развитых рынков. Рост экономического риска приводил к росту волатильности, в то время как рост финансового риска приводил к уменьшению волатильности. При анализе указанной взаимосвязи политического риска и волатильности на выборке развитых стран, следует вспомнить, что согласно описательной статистике, средняя величина индикатора политического риска для данных стран соответствовала очень низкому уровню. В данных условиях, колебания величины политического риска для данной группы не могут быть большими. Вероятно, увеличения политической нестабильности в таких странах связаны с мирными протестами, направленными на достижение лучших условий жизни для меньшинств различного рода, а также активными действиями на международной арене с целью сохранения и увеличения сфер влияния. В таком случае, политическая нестабильность сопряженная, в целом, с низким уровнем политического риска, может сигнализировать для инвесторов сильную геополитическую позицию государства с развитым гражданским обществом, что будет понижать уровень финансового риска такого государства.

Представляет интерес рассмотрение оцененных зависимостей компонентов политического риска в контекстах обоих категорий стран. При этом следует помнить, что выбранные страны характеризуются достаточно низкими уровнями политического риска (очень низкий для развитых стран и средний для развивающихся стран). В частности, инвесторы воспринимают увеличение нестабильности государства в развитых странах как знак увеличения финансовых рисков, в то время как увеличение данного показателя в развивающихся странах приводит к уменьшению финансовых рисков. Возможно, такая ситуация объясняется большим негативным шоком от неожиданных событий, происходящих в развитых странах, в то время как в развивающихся странах возросший уровень нестабильности государства может быть ожидаем инвесторами и вызван протестами в пользу политик, направленных на улучшение экономического положения граждан.

Интересную динамику зависимостей демонстрируют переменные внешних конфликтов в отношении волатильности доходностей соответствующих рынков. Для развивающихся стран, увеличение рисков, сопряженных с данными конфликтами, ведет к увеличению волатильности. При этом, в контексте развитых стран, увеличение рисков, связанных с данными конфликтами, ведет к уменьшению волатильности. Данный результат можно интерпретировать как то, что инвесторы поощряют укрепление геополитических позиций путем внешний конфликтов в случае развитых стран, и при этом увеличивают рисковые профили участников конфликтов из развивающихся стран.

В целом, регрессионный анализ на выборках развитых и развивающихся стран демонстрирует различную динамику взаимосвязи между политическим риском и волатильностью доходности индексов финансовых рынков. Однако возрастание политических рисков в развитых странах ассоциируется у инвесторов с попытками улучшить институты и отношения с национальными меньшинствами, а также как улучшение и стабилизация геополитического доминирования, что приводит к снижению волатильности финансовых рынков. В случае развивающихся рынков, компоненты политического риска демонстрируют смешанную динамику, которая делает композитный показатель политического риска незначимым. В данном случае инвесторы понимают, что они находятся на рынках с повышенным рисковым профилем, и политическая нестабильность не меняет их ожиданий о рисковом профиле. При этом, уровень экономического риска является важным сигналом для инвесторов, и при его повышении волатильность доходностей таких финансовых рынков возрастает. Таким образом, можно заключить, что и вторая гипотеза исследования отвергается.



Заключение

Данное исследование рассматривает зависимость между политической нестабильностью и волатильностью доходностей индексов финансовых рынков. Политический риск отличается от финансового риска тем, что 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, был проведен регрессионный анализ на панельных данных по 42 финансовым рынкам в течение периода 31.12.1996-31.12.2017. Индикатором политической нестабильности выступал индекс политического риска, разработанный ICRG PRS, и его компоненты.

Полученные оценки проанализированной зависимости не предполагают однозначной связи между политическими рисками и рисками финансовых рынков. В частности, результаты исследования показали, что на полной выборке стран индикатор политического риска незначим в контексте присутствия контрольных переменных экономического и финансового рисков. При этом, его компоненты демонстрируют смешанные результаты в рамках исследуемой зависимости. Подобные результаты могут быть объяснены тем, что инвесторы предпочитают принимать решения в большей мере в соответствии с величинами экономического и финансового рисков, чем в соответствии с информацией о политических изменениях. Более того, данные результаты справедливы для выборки развивающихся стран, что может объясняться тем, что инвестируя в подобные юрисдикции, акционеры готовы к повышенному рисковому профилю в отношении политического риска и более заинтересованы в информации о величине экономических рисков. В случае развитых стран, повышение политического риска было ассоциировано с понижением волатильности. Данный эффект может объясняться тем, что инвесторы интерпретируют повышение политической нестабильности в контексте низких политических рисков как укрепление геополитической позиции, а акции протестов - как нормальный процесс в условии развитых институтов гражданского общества.

Ограничения исследования

Данное исследование обладает некоторыми ограничениями с точки зрения обоснованности, надежности и обобщаемости. Обоснованность исследования обозначает, что на его основе можно делать надежные заключения о связи политической нестабильности и волатильности доходности финансовых рынков. Однако, в данном исследовании был использован регрессионный анализ, который может измерить ассоциативную связь между переменными, но не причинно-следственную связь. Поэтому, все заключения причинно-следственного характера являются скорее предположениями. Более того, исследователь не может исключить возможность ошибок измерения или ошибок данных, предоставленных базами данных Thomson Reuters и PRS. Поэтому выводы исследования стоит воспринимать с осторожностью.

Данное исследование может быть реплицировано другими исследователями, если они будут следовать описанной методологии. Поэтому в целом, оно является надежным, при условии отсутствии ошибок данных в использованных базах данных.

Обобщаемость исследования ограничена выборкой стран и их классификацией на развитые страны и развивающиеся страны. В целом, анализ зависимости в контексте 42 выбранных стран претендует на удовлетворительный уровень обобщаемости. Однако в случае рассмотрения стран, не входящих в проанализированную выборку, выводы данного исследования следует воспринимать с осторожностью.

Возможные направления будущих исследований

Данное исследование не выявило однозначной зависимости между уровнями политического риска и волатильностью доходностей рассмотренных финансовых рынков, и поэтому детальное рассмотрение механизмов данной взаимосвязи представляет академический интерес. В частности, можно было бы исследовать данную зависимость в комбинации с рассмотрением влияния политической нестабильности на доходность финансовых рынков. В таком случае, можно было бы проверить, насколько характеристики политического риска схожи либо отличаются от свойств финансового риска. Более того, можно было бы увеличить выборку рассмотренных стран, включив страны с высоким политическим риском. Также, в данном исследовании для получения большего количества данных показатель политического риска и его компоненты пришлось аппроксимировать. Поэтому было бы интересно провести похожее исследование с использованием месячных данных о динамике политического риска.



Список Использованной Литературы

1. Adesina T. Estimating volatility persistence under a Brexit-vote structural break //Finance Research Letters. - 2017. - Т. 23. - С. 65-68.

2. Alfaro L. et al. FDI and economic growth: the role of local financial markets //Journal of international economics. - 2004. - Т. 64. - №. 1. - С. 89-112.

3. Andersen T. G. et al. Volatility forecasting. - National Bureau of Economic Research, 2005. - №. w11188.

4. Ankudinov A., Ibragimov R., Lebedev O. Sanctions and the Russian stock market //Research in International Business and Finance. - 2017. - Т. 40. - С. 150-162.

5. Aristeidis S., Elias K. Empirical analysis of market reactions to the UK's referendum results-How strong will Brexit be? //Journal of International Financial Markets, Institutions and Money. - 2017.

6. Belo F., Gala V. D., Li J. Government spending, political cycles, and the cross section of stock returns //Journal of Financial Economics. - 2013. - Т. 107. - №. 2. - С. 305-324.

7. Chan Y., Wei K. C. J. Political risk and stock price volatility: the case of Hong Kong //Pacific-Basin Finance Journal. - 1996. - Т. 4. - №. 2. - С. 259-275.

8. Chang T. et al. Are stock prices related to the political uncertainty index in OECD countries? Evidence from the bootstrap panel causality test //Economic Systems. - 2015. - Т. 39. - №. 2. - С. 288-300.

9. Chau F., Deesomsak R., Wang J. Political uncertainty and stock market volatility in the Middle East and North African (MENA) countries //Journal of International Financial Markets, Institutions and Money. - 2014. - Т. 28. - С. 1-19.

10. Christoffersen P. F., Diebold F. X. How relevant is volatility forecasting for financial risk management? //Review of Economics and Statistics. - 2000. - Т. 82. - №. 1. - С. 12-22.

11. Cohen J. B., Black F., Scholes M. The valuation of option contracts and a test of market efficiency //The Journal of Finance. - 1972. - Т. 27. - №. 2. - С. 399-417.

12. Connelly B. L. et al. Signaling theory: A review and assessment //Journal of management. - 2011. - Т. 37. - №. 1. - С. 39-67.

13. Czudaj R. L. Is equity market volatility driven by migration fear? //Finance Research Letters. - 2018.

14. Diamonte R. L., Liew J. M., Stevens R. L. Political risk in emerging and developed markets //Financial Analysts Journal. - 1996. - Т. 52. - №. 3. - С. 71-76.

15. Dimic N., Orlov V., Piljak V. The political risk factor in emerging, frontier, and developed stock markets //Finance Research Letters. - 2015. - Т. 15. - С. 239-245.

16. Engle R. Risk and volatility: Econometric models and financial practice //American economic review. - 2004. - Т. 94. - №. 3. - С. 405-420.

17. Frey B. S., Iselin D. (ed.). Economic ideas you should forget. - Springer, 2017.

18. Goodell J. W., Vдhдmaa S. US presidential elections and implied volatility: The role of political uncertainty //Journal of Banking & Finance. - 2013. - Т. 37. - №. 3. - С. 1108-1117.

19. Gьnay S. Is political risk still an issue for Turkish stock market? //Borsa Istanbul Review. - 2016. - Т. 16. - №. 1. - С. 21-31.

20. Huber P. J. Robust regression: asymptotics, conjectures and Monte Carlo //The Annals of Statistics. - 1973. - С. 799-821.

21. Lehkonen H., Heimonen K. Democracy, political risks and stock market performance //Journal of International Money and Finance. - 2015. - Т. 59. - С. 77-99.

22. Markowitz H. Portfolio selection //The journal of finance. - 1952. - Т. 7. - №. 1. - С. 77-91.

23. Merton R. C. Theory of rational option pricing //The Bell Journal of economics and management science. - 1973. - С. 141-183.

24. Mnasri A., Nechi S. Impact of terrorist attacks on stock market volatility in emerging markets //Emerging Markets Review. - 2016. - Т. 28. - С. 184-202.

25. Narayan P. K., Smyth R. Has political instability contributed to price clustering on Fiji's stock market? //Journal of Asian Economics. - 2013. - Т. 28. - С. 125-130.

26. Nivorozhkin E., Castagneto-Gissey G. Russian stock market in the aftermath of the Ukrainian crisis //Russian Journal of Economics. - 2016. - Т. 2. - №. 1. - С. 23-40.

27. Penman S. H. The articulation of price-earnings ratios and market-to-book ratios and the evaluation of growth //Journal of accounting research. - 1996. - С. 235-259.

28. Perotti E. C., Van Oijen P. Privatization, political risk and stock market development in emerging economies //Journal of International Money and Finance. - 2001. - Т. 20. - №. 1. - С. 43-69.

29. PRS Group et al. ICRG methodology //The PRS Group. - 2011.

30. Shaikh I. The 2016 US presidential election and the Stock, FX and VIX markets //The North American Journal of Economics and Finance. - 2017. - Т. 42. - С. 546-563.

31. Sharpe W. F. Capital asset prices: A theory of market equilibrium under conditions of risk //The journal of finance. - 1964. - Т. 19. - №. 3. - С. 425-442.

32. Smith E. A., Bliege Bird R. Costly signaling and cooperative behavior //Moral sentiments and material interests: The foundations of cooperation in economic life. - 2005. - С. 115-148.

33. Spence A. M. Market signaling: Informational transfer in hiring and related screening processes. - Harvard Univ Pr, 1974. - Т. 143.

34. Suleman T., Gupta R., Balcilar M. Does country risks predict stock returns and volatility? Evidence from a nonparametric approach //Research in International Business and Finance. - 2017. - Т. 42. - С. 1173-1195.

35. Tobin J. Liquidity preference as behavior towards risk //The review of economic studies. - 1958. - Т. 25. - №. 2. - С. 65-86.

36. Urquhart A., Hudson R. Investor sentiment and local bias in extreme circumstances: The case of the Blitz //Research in International Business and Finance. - 2016. - Т. 36. - С. 340-350.

37. World Economic Situation and Prospects 2018 // United Nations: офиц. Сайт междунар. организации 2018. URL: https://www.un.org/development/desa/dpad/publication/world-economic-situation-and-prospects-2018/

38. Vortelinos D. I., Saha S. The impact of political risk on return, volatility and discontinuity: Evidence from the international stock and foreign exchange markets //Finance Research Letters. - 2016. - Т. 17. - С. 222-226.

39. Yohai V. J. High breakdown-point and high efficiency robust estimates for regression //The Annals of Statistics. - 1987. - С. 642-656.



Приложение

Таблица 1 Список исследованных стран и соответствующих индексов

Страна	Уровень Развития	Название Индекса Рынка Акций	Код Индекса
Малайзия	0	FTSE Bursa Malaysia KLCI	.KLSE
Аргентина	0	MERVAL Index	.MERV
Бразилия	0	IBOVESPA	.BVSPUSD
Болгария	0	SOFIX	.SOFIX
Чили	0	IPSA; IGPA	.IPSA
Китай	0	SSE Composite Index	.SSEC
Греция	0	Athex 20 Index	.ATG
Индия	0	NIFTY 500	.NIFTY500
Хорватия	0	CRBEX	.CRBEX
Израиль	0	TA-125 Index	.TA125
Казахстан	0	KASE	.KASE
Румыния	0	BET-10	.BETI
Россия	0	MICEX	.MCX10
Саудовская Аравия	0	TASI	.TASI
Сингапур	0	FTSE ST All Share Index	.FTFSTAS
Южная Африка	0	FTSE JSE All Share Index	.FTJ203
Южная Корея	0	KOSPI	.KS200
Турция	0	ISE-100	.XU100
Украина	0	PFTS Index	.PFTSI
Австралия	1	All Ordinaries Index	.AORD
Австрия	1	ATX Index	.ATX
Бельгия	1	BEL20	.BFX
Канада	1	S&P/TSX Composite Index	.GSPTSE
Чехия	1	PX Index	.PX
Дания	1	OMX Copenhagen 20	.OMXC20
Финляндия	1	OMX Helsinki 25	.OMXH25
Франция	1	SBF 250, after 2011 CAC All-tradable	.FCHI
Германия	1	DAX	.GDAXI
Исландия	1	OMX Iceland 8	.OMXIPI
Ирландия	1	ISEQ Overall Index	.ISEQ
Италия	1	FTSE MIB, previously S&P MIB and MIB-30	.FTMIB
Япония	1	TOPIX	.TOPX
Нидерланды	1	AEX Index	.AEX
Новая Зеландия	1	NZX 50 Index	.NZCI
Норвегия	1	OBX Index	.OBX
Польша	1	WIG Index	.WIG
Португалия	1	PSI-20	.PSI20
Словакия	1	Slovak Share Index	.SAX
Испания	1	IBEX 35	.IBEX
Швеция	1	OMX Stockholm 30	.OMXS30
Швейцария	1	Swiss Market Index	.SSMI
Великобритания	1	FTSE All-Share Index	.FTSE
США	1	S&P 500	.SPX

Таблица 2 Спецификации моделей доходности и результаты тестов

Страна	Unit Root	ARIMA	Box-Ljuing	ARCH LM
Аргентина	No	(0,0,0)	No lags	ARCH Effect
Австралия	No	(0,0,0)	No lags	No ARCH
Австрия	No	(1,0,0)	One lag	No ARCH
Бельгия	No	(1,0,0)	One lag	No ARCH
Бразилия	No	(0,0,0)	No lags	ARCH Effect
Болгария	No	(1,0,0)	One lag	No ARCH
Канада	No	(1,0,0)	One lag	No ARCH
Чили	No	(0,0,0)	No lags	No ARCH
Китай	No	(0,0,0)	No lags	No ARCH
Хорватия	No	(0,0,0)	No lags	No ARCH
Чехия	No	(0,0,0)	No lags	No ARCH
Дания	No	(0,0,0)	No lags	ARCH Effect
Финляндия	No	(1,0,0)	One lag	ARCH Effect
Франция	No	(0,0,0)	No lags	No ARCH
Германия	No	(0,0,0)	No lags	No ARCH
Греция	No	(0,0,0)	No lags	ARCH Effect
Исландия	No	(2,0,0)	Two lags	No ARCH
Индия	No	(0,0,0)	No lags	No ARCH
Ирландия	No	(1,0,0)	One lag	ARCH Effect
Израиль	No	(1,0,0)	One lag	ARCH Effect
Италия	No	(0,0,0)	No lags	ARCH Effect
Япония	No	(1,0,0)	One lag	No ARCH
Казахстан	No	(1,0,0)	One lag	ARCH Effect
Малайзия	No	(1,0,0)	One lag	ARCH Effect
Нидерланды	No	(0,0,0)	No lags	No ARCH
Новая Зеландия	No	(0,0,0)	No lags	ARCH Effect
Норвегия	No	(1,0,0)	One lag	No ARCH
Польша	No	(0,0,0)	No lags	ARCH Effect
Португалия	No	(1,0,0)	One lag	ARCH Effect
Румыния	No	(1,0,0)	One lag	No ARCH
Россия	No	(1,0,0)	One lag	ARCH Effect
Саудовская Аравия	No	(1,0,0)	One lag	ARCH Effect
Сингапур	No	(0,0,0)	No lags	No ARCH
Словакия	No	(0,0,0)	No lags	No ARCH
Южная Африка	No	(0,0,0)	No lags	ARCH Effect
Южная Корея	No	(1,0,0)	One lag	ARCH Effect
Испания	No	(0,0,0)	No lags	No ARCH
Швеция	No	(0,0,0)	No lags	ARCH Effect
Швейцария	No	(0,0,0)	No lags	ARCH Effect
Турция	No	(0,0,0)	No lags ...

Страница:

•  1 
•  2 

дипломная работа "Влияние политической нестабильности на динамику волатильности фондовых рынков" скачать

Подобные документы

• Капитализация фондового рынка

  Статистическое подтверждение связи между изменениями показателей экономического роста стран и уровнем капитализации национальных фондовых рынков. Модели линейной регрессии, используемые в прогнозировании экономических циклов и кризисных явлений.
  
  контрольная работа [416,3 K], добавлен 25.10.2011
  

• Особенности оценки отдельных видов активов: стоимость акций

  Сущность определения показателей возможностей экономической эффективности капитальных вложений. Общая методология и виды оценки стоимости ценных бумаг и акций. Значение экономического анализа для планирования и осуществления инвестиционной деятельности.
  
  реферат [24,2 K], добавлен 22.12.2010
  

• Влияние публикации финансовой отчетности на динамику цен акций российских нефтегазовых компаний в зависимости от характера новости

  Виды информации о компании, специфика ее влияния на цены акций компании. Установление связи между отчетным событием и ценой акции предприятия. Влияние публикации финансовой отчетности на цены акций компаний нефтегазовой отрасли: выборка, модель.
  
  дипломная работа [1,3 M], добавлен 28.09.2017
  

• Теоретические аспекты информационной эффективности финансовых рынков

  Влияние информации на тенденции фондового рынка и на динамику котировок ценных бумаг. Технический анализ гипотезы информационной эффективности, определение возможности получения сверхприбыли на фондовых рынках; индикаторы прогноза доходности рынка.
  
  статья [48,1 K], добавлен 02.12.2010
  

• Модель ценообразования финансовых активов

  Тестирование моделей ценообразования активов на всех временных промежутках. Результаты тестирований на дневных, недельных и месячных данных с помощью моделей GARCH, выбранных по критерию Шварца. Кластеризация волатильности финансовых временных рядов.
  
  дипломная работа [1,5 M], добавлен 30.11.2016
  

• Особенности оценки капитальных активов

  Характеристика модели оценки капитальных активов (САРМ). Риск и доходность в модели, проблемы и перспективы ее применения в российской практике. Применение альтернативных моделей оценки капитальных активов. Анализ моделей Марковитца и выровненной цены.
  
  курсовая работа [782,0 K], добавлен 04.03.2014
  

• Оценка стоимости акций

  Основные методы оценки стоимости обыкновенных акций: номинальный, рыночный, балансовый, ликвидационный, инвестиционный. Оценка стоимости привилегированных акций, прогнозирование денежных потоков, определение ставки дисконтирования, стоимость облигаций.
  
  реферат [231,4 K], добавлен 03.03.2010
  

• Развитие теории кризисов на мировом финансовом рынке

  Понятие, природа и механизмы кризисов финансовых рынков. Институциональный и поведенческий подходы при анализе рисков. Выявление ключевых изменений мирового фондового рынка. Описание новой парадигмы надзора. Определение начальной точки нестабильности.
  
  курсовая работа [721,6 K], добавлен 20.12.2017
  

• Выявление механизмов влияния на капитализацию предприятия

  Изучение теоретических аспектов капитализации - финансового показателя, используемого для оценки совокупной стоимости рыночных инструментов, субъектов и рынков. Регулирование курса акций, их дополнительный выпуск и увеличение их номинальной стоимости.
  
  курсовая работа [52,2 K], добавлен 24.11.2011
  

• Оценка рыночной стоимости одной обыкновенной акции ОАО "Ростовский хлебозавод №1"

  Последовательность определения стоимости объекта оценки. Оценка собственного капитала предприятия доходным, затратным и сравнительным методами, составление прогнозов денежных потоков и расчет ставки дисконтирования по модели капитальных активов.
  
  курсовая работа [907,3 K], добавлен 19.06.2011
  

• Структура капитала компании

  Эмпирический анализ формирования структуры капитала на выборке современных российских компаний. Описание регрессионной модели. Метод волатильности операционной прибыли и максимизации рентабельности собственного капитала. Оценка эффекта финансового рычага.
  
  курсовая работа [183,6 K], добавлен 29.06.2016
  

• Валютный курс и факторы его формирования

  Сущность и виды валютных курсов. Факторы, влияющие на формирование курса. Международный валютный фонд. Противостояние пары евро/доллар в 2012 г. Прогнозирование развития мирового рынка Forex. Итоги прошедшего саммита. Риск волатильности потоков капитала.
  
  курсовая работа [3,5 M], добавлен 22.11.2013
  

• Новые инструменты финансовых рынков

  Основные подходы к анализу сущности капитальных вложений, рынок производных финансовых инструментов. Участники инвестиционной деятельности. Классификация главных производных финансовых инструментов. Инвестиционные ресурсы международных финансовых рынков.
  
  курсовая работа [47,7 K], добавлен 18.12.2009
  

• Управление акционерной стоимостью компании на примере НК "Альянс"

  Актуальность мониторинга стоимости акционерного капитала, способы его увеличения. Интегральный алгоритм расчета стоимости акций. Прогнозирование доходов и расходов НК "Альянс". Исследование динамики денежных потоков компании и ее справедливой стоимости.
  
  контрольная работа [413,5 K], добавлен 06.12.2013
  

• Финансовый менеджмент

  Функциональные обязанности и значение финансового менеджера. Применение моделей прогнозируемого роста дивидендов, капитальных активов, премии за риск и определения стоимости привилегированных ценных бумаг для расчета стоимости собственного капитала.
  
  контрольная работа [41,0 K], добавлен 22.08.2010
  

• Взаимодействие финансовых рынков

  Этапы развития и принципы взаимодействия мировых финансовых рынков систематизация существующих теоретических представлений по данной проблеме на сегодня. Закономерности и основные периоды цикла взаимодействия финансовых рынков по Мартину Прингу.
  
  реферат [31,4 K], добавлен 11.09.2014
  

• Факторы финансовой политики ТНК в условиях финансовой нестабильности (на примере нефтедобывающей промышленности)

  Проблема функционирования транснациональных корпораций. Основные принципы формирования финансовой политики в условиях нестабильности. Приоритеты финансово-экономический деятельности. Факторы риска и техногенная катастрофа в Мексиканском заливе.
  
  курсовая работа [714,3 K], добавлен 18.06.2011
  

• Оценка рыночной стоимости 100% пакета акций ОАО "Вертикаль"

  Теоретическое изучение основных методов оценки стоимости бизнеса и подходов компаний к оценке стоимости акций. Выявление и анализ особенностей оценки стоимости обыкновенных акций. Проведение оценки рыночной стоимости 100% пакета акций ОАО "Вертикаль".
  
  дипломная работа [322,7 K], добавлен 04.08.2012
  

• Общая характеристика финансовых рынков. Страхование в финансовой системе государства

  Понятие финансовых рынков; их существование в виде рынков ценных бумаг ссудных капиталов. Сущность страхования физических и юридических лиц. Рассмотрение резервных и страховых фондов Российской Федерации, изучение основ перераспределения средств.
  
  контрольная работа [159,0 K], добавлен 13.02.2014
  

• Модели оценки стоимости собственного капитала

  Определение стоимости собственного капитала. Модель прогнозируемого роста дивидендов. Ценовая модель капитальных активов фирмы. Модель прибыли на акцию. Определение средневзвешенной стоимости капитала фирмы. Экономический смысл цены капитала.
  
  презентация [514,7 K], добавлен 11.08.2013
  

Другие документы, подобные "Влияние политической нестабильности на динамику волатильности фондовых рынков"

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