Авторефераты по всем темам >>
Авторефераты по экономике
Финансовая интеграция фондовых рынков: теория, методология и инструментарий
Автореферат докторской диссертации по экономике
|
Страницы: | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | |
СКАЧАТЬ ОРИГИНАЛ ДОКУМЕНТАТаблица 10 - Результаты оценивания GARCH-модели с учетом изменения во времени
Коэффициент |
Ст. ошибка |
z-статистика |
Знач. вероят. |
|
C |
0,002394 |
0,000364 |
6,574693 |
0,0000 |
DL_RTSI(-1) |
0,089306 |
0,045665 |
1,955675 |
0,0505 |
DL_RTSI1_T |
-2,32E-05 |
5,79E-05 |
-0,484499 |
0,6280 |
DL_RTSI(-3) |
-0,075637 |
0,043082 |
-1,755649 |
0,0791 |
DL_RTSI3_T |
5,01E-05 |
5,54E-05 |
0,883863 |
0,3768 |
Уравнение условной дисперсии |
||||
C |
1,34E-05 |
3.92E-06 |
3.407904 |
0.0007 |
RESID(-1)^2 |
0,117615 |
0,021550 |
5,457823 |
0,0000 |
GARCH(-1) |
0,845315 |
0,026738 |
31,61431 |
0,0000 |
Степ. своб. |
||||
Распределение Стьюдента |
5,969713 |
0,847936 |
7,040284 |
0,0000 |
Среднее зависимой переменной |
0,001640 |
Значение критерия Акаике |
-5,375432 |
|
Значение функции макс. правдоподобия |
4691,000 |
Значение критерия Шварца |
-5,347208 |
|
3. В обеих моделях использовалосьа распределение Стьюдента для моделирования случайных остатков. Можно видеть, что данное предположение оказалось оправданным, поскольку в обоих случаях оцененное количество степеней свободы этого распределения оказалось статистически значимым.
В рамках данной работы также рассматривалось влияние календарных эффектов как результат проявления информационной неэффективности фондового рынка. Одним из проявлений информационной неэффективности фондовых рынков является возникновение аномалий. Приведенноеа в диссертационной работе описание методологий оценки календарных аномалий показывает, что на сегодняшний день выявлено уже достаточно большое количество так называемых календарных эффектов, которым можно пытаться дать то или иное логическое объяснение. По нашему мнению, для эконометрического моделирования поведения на фондовом рынке должны применяться более современные подходы, позволяющие учитывать специфику исследуемого объекта. Преимущества разработанного в работе подхода: максимально учитываются с помощью современных эконометрических методик все основные особенности поведения доходностей на фондовом рынке; строитсяа регрессия не только на фиктивных переменных, но и на непрерывных значениях лагов зависимой переменной и т.д. В работе производилась оценка календарных эффектов: эффект начала недели (понедельника), эффект конца недели (выходного дня), эффект января, эффект первой половины месяца. Статистически значимым оказался эффект начала недели. На практике это достаточно известный факт на нашем фондовом рынке: торговые сессии начинаются с проседания в начале недели. Проведенное исследование позволило сделать важный вывод: для российского фондового рынка связь между финансовой интеграцией и информационной эффективностью следующая: рынок является финансово-сегментированным и информационно- неэффективным.
В шестой главе диссертационной работы рассматривается влияние финансовой интеграции фондовых рынков на волатильность фондовых рынков в период кризиса.
В соответствии с теоретической концепцией, рассмотренной во второй главе, во время финансового кризиса усиливается финансовая интеграция между фондовыми рынками , однако существуют различия для развитых и развивающихся фондовых рынков. Анализ влияния финансового кризиса на финансовую интеграцию имеет решающее значение не только для объяснения прошлых кризисов, но и для прогнозирования подобных финансовых кризисов в будущем. Каждый кризис, обладая сходными чертами с предыдущими кризисами, также имеет и отличия, поэтому изучение влияния кризисной ситуации на финансовую интеграцию является актуальным для кризиса 2008 г.
Рассмотрим особенности финансовой интеграции в период кризиса 2008 г. Общая статистика мирового портфеля в кризисный и докризисный периоды показана в табл. 11.
Таблица 11 -Общая статистика мирового портфеля в кризисный и докризисный периоды
Значение |
Показатели |
Доходность за весь период |
-45,4% |
Стандартное отклонение |
24,2% |
Доходность, 2007 |
15,1% |
Стандартное отклонение |
13% |
Доходность, 2008 |
-43,3% |
Стандартное отклонение |
31,2% |
Доходность, 2009 |
-16,5% |
Стандартное отклонение |
25,7% |
Кризисный период |
-36,8% |
Стандартное отклонение |
58% |
Максимальная ежедневная доходность |
8,5% (13.10.08) |
Минимальная ежедневная доходность |
-6,4% (16.10.08) |
Потери в период кризиса, амлн долл. |
-29 148 959 |
См.например: Jarrett J.E., Kyper E. Capital market efficiency and the predictability of daily returns.// Applied Economics.- 2006.-№ 38.- p.631-636., Miller E.M., Prather L.J., Mazumder M.I. Day-of-the-Week Effects among Mutual Funds// Quarterly Journal of Business and Economics.-2003.-№ 42, p. 113-128.
См. например: Moon W. ЦS. Currency crisis and stock market integration: A comparison of East Asian and European experiences. //Journal of International and Area Studies.-2001.-№ 8.-p. 41?56.,
Рассмотрим кросс-корреляцию доходностей фондовых индексов на развитых и развивающихся рынках в докризисный, кризисный и послекризисный периоды (табл. 12).
Таблица 12 - Кросс-корреляция доходностей фондовых индексов на развитых и развивающихся рынках в докризисный, кризисный и послекризисный периоды
Период |
Развитые рынки |
Развивающиеся рынки |
Развитые и развивающиеся рынки |
Предкризисный период |
0,425 |
0,585 |
0,506 |
Кризисный период |
0,597 |
0,793 |
0,685 |
Послекризисный период |
0,437 |
0,681 |
0,569 |
В период кризиса можно увидеть увеличение корреляции на 41% для развитых рынков, на 36% для развивающихся и на 35% по рынкам в целом.а Если измерять финансовую интеграцию фондовых рынков через кросс- корреляцию, как было предложено выше, то можно отметить увеличение интеграционных связей для кризисного периода. Однако более активно на кризис отреагировали развивающиеся рынки, усиление финансовой интеграции произошло как в кризисный, так и в посткризисный периоды. В работе рассматривается временная структура корреляции между парами рынков в предкризисном периоде и кризисном периодах. Так, изменение цен в США в день t-1 коррелирует с ценами тихоокеанского регионаа на уровне 0,591, а в предыдущий день t корреляция составляет всего 0,073.
В работе были сформулированы следующие положения для последнего финансового кризиса.
- Развитые и развивающиеся фондовые рынки по-разному реагируют на кризисную ситуацию в экономике. Для кризиса 2008 г. развивающиеся рынки показывают более высокий уровень волатильности (69%), чем американский фондовый рынок и развитые фондовые рынки (61,2%) в целом.
- Происходит усиление финансовой интеграции фондовых рынков в период финансового кризиса. Кросс-корреляция увеличивается с 0,506 до 0,685, однако при этом финансовая интеграция развивающихся рынков имеет более высокую степень, чем для развитых (корреляция для развивающихся рынков в этот же период составила 0,793, для развитых - 0,597).
- В посткризисный период происходит усиление финансовой интеграции развивающихся рынков.
- В период кризиса или не существует лага в передаче информации (например, для Европы и США) или существует лаг, равный одному дню (для фондовых рынков США и Тихоокеанского региона).
- В период кризиса возросло влияние фондового рынка США (например, коэффициент корреляции с Европой увеличился с 0,484 до 0,646).
Можно отметить, что для кризисного периода характерно увеличение волатильности - она возросла с 13% за 2007 г. до 58% в кризисный период для всех фондовых рынков, увеличение составило 45%, поэтому волатильность можно считать индикатором финансового кризиса (таблица 11). Учитывая, что на фондовых рынках часто возникает высокая волатильность, для ее изучения предлагается использовать обобщенные модели условной авторегрессионной гетероскедастичности остатков (GARCH моделирование). Обычно периоды высокой волатильностиа следуют за периодами относительного спокойствия. Данный феномен называется кластерная волатильность, этот термин был впервые введен в исследованииа Кампбелла и Нетшеля в 1997 г. Другой интересный феномен заключается в том, что плохие новости оказывают большее воздействие на финансовые рынки, чем хорошие. Описываемый феномен известен в литературе как ласимметричная волатильность.
Прикладные исследования показывают особую важность семейства моделей GARCH. Для прогнозирования волатильности фондового рынка в диссертационной работе были использованы модели AGARCH(1,1), EGARCH(1,1), PGARCH(1,1), TGARCH(1,1). Прогноз строился для индексов ММВБ, FTSE и DAX.а В целях моделирования прогноза волатильности были взяты первые 434 значенияа биржевых индексов, и последние 60 значений были использованы для прогнозирования волатильности. Анализ всех моделей производился на основе уравнений условной волатильности.а Оценка качества модели проводилась на основе анализа квантилей, LM-теста, критериев Акаике и Шварца и др.
На основе расчетов в работе было предложено аиспользовать модель EGARCH(1,1) для прогнозирования волатильности российского фондового рынка. Модель EGARCH наиболее подходит для прогнозирования волатильности большинства фондовых рынков, и российский рынок не является исключением, Разработанная модель может быть использована международными и отечественными аинвесторами.
Используемые в настоящее время инструменты не всегда позволяют сформировать пакет эффективных мер государственного регулирования кризисной ситуации в экономике, спланировать и проконтролировать их реализацию в кратко- и долгосрочной перспективе. Одна из причин такого положения в том, что государство реагирует на уже возникший финансовый кризис, не уделяя должного внимания своевременному и эффективному мониторингу предкризисной ситуации в экономике.
Представляется, что начальным этапом государственной антикризисной политики должен быть обязательный и регулярный мониторинг состояния мировой экономический системы. Органы государственного управления могут использовать его результаты для своевременного выявления кризисных ситуаций в отечественной экономике и реагирования на них. Такой мониторинг может включать: разработку и оценку ранних индикаторов прогнозирования экономических кризисов; установление причин их возникновения; определение путей распространения финансовых кризисов иа т. д. Это позволит выявить формирование предкризисной ситуации как на национальном, так и на мировом уровне.
Россия относится к группе стран, весьма чувствительных к изменениям конъюнктуры мировых товарных и финансовых рынков. Хотя финансовые кризисы могут не вызвать резкого спада производства, масштабы потерь от них в последние десятилетия существенно возросли. Научный подход к изучению финансовых кризисов требует использовать эмпирически проверенные методы, что актуально и для России.
При прогнозировании волатильности фондового индексаа следует также учитывать внешние и внутренние факторы. В работе предлагается для дальнейшего практического использования пробит-модель (probit), позволяющая оценить влияние различных внешних и внутренних факторов на волатильность фондового рынка Российской Федерации. В качестве индикатора волатильности российского фондового рынка нами рассматривается коэффициент вариации фондового индекса РТС.
Анализ показывает, что отобранные факторы могут быть сгруппированы в несколько блоков (рис. 4). К первой группе относятся показатели, характеризующие деловую активность в экономике. В большинстве исследований, посвященных проблемам фондового рынка России, отмечается слабая связь между реальной экономикой и фондовым рынком. Однако, по мере стабилизации ситуации в экономике, прогнозы будущих производственных и финансовых результатов компаний становятся все более обоснованными.а В качестве общих, независимых от отраслевой специфики индикаторов ситуации в экономике логично использовать показатели темпа роста ВВП, промышленного производства, реальных доходов населения и т.д. Таким образом, в состав факторных признаков данной группы включаются следующие показатели: динамика промышленного производства,а инвестиции в основной капитал,а индекс потребительских цен и тарифов на товары и услуги населению.а По нашему мнению, показатели, характеризующие уровень жизни в России, могут рассматриваться как факторы, оказывающие определенное давление на внутренний фондовый рынок. Таким образом, в модель добавляются следующие два показателя: динамика реальных денежных доходов населения и общий уровень зарегистрированной безработицы.
Ко второй группе относятся показатели, характеризующие проводимую денежно-кредитную политику. аВ качестве индикаторов денежно-кредитной политики могут выступать: уровень процентных ставок рынка межбанковских кредитов, показатель уровня остатков средств на банковских корсчетах в ЦБ РФ, изменение денежного предложения, динамика объема привлеченных банковских вкладов (депозитов), уровень монетизации экономики (отношение денежной массы М2 к ВВП), ставка рефинансирования ЦБ РФ.
На следующем шаге настоящего исследования анализируются внешние факторы. В качестве факторов внешней среды используются внешнеэкономические факторы, показатели, характеризующие мировые финансовые рынки и конъюнктуру мировых товарных рынков. В качестве внешнеэкономических факторов в нашем исследовании выступают следующие: индекс реального эффективного курса рубля к иностранным валютам, уровень международных резервов РФ, сальдо торгового баланса России.
Риски развивающихся рынков существенно возрастают в периоды глобальных или региональных экономических кризисов. Известно, что индексы развития экономики разных стран ведут себя взаимосвязанно, поэтому рассматриваются индикаторы конъюнктуры международных финансовых рынков. В качестве индикаторов конъюнктуры международных финансовых рынков используются следующие показатели: динамика американского фондового индекса S&P500, доходность 5-летних американских казначейских гособлигаций (US Treasuries 5), динамика германского индекса DAX, динамика бразильского индекса BOVESPA.
Рис. 4 - Система факторов, влияющих на волатильность фондового рынка
Далее рассмотрим индикаторы конъюнктуры мировых товарных рынков. Внешнеэкономическая конъюнктура по-прежнему остается наиболее значимым фактором роста российской экономики. Влияние нефтяных цен на российский фондовый рынок осуществляется через два канала: через изменение рыночной стоимости акций нефтяных компаний, составляющих значительную долю в индексе РТС, и через увеличение или сокращение сальдо платежного баланса и денежной массы. В качестве инструмента исследования использовано пробит-моделирование для выявления статистически значимых факторов, влияющих на волатильность российского фондового рынка. Из всех выбранных факторов значимыми оказались только 10, результаты оценки модели представлены в табл. 13.
|
Страницы: | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | |
Авторефераты по всем темам >>
Авторефераты по экономике