Моделирование взаимодействия фондового рынка и рынка сырьевых товаров на примере влияния нефти, золота и индексов других стран на индекс РТС

Введение
За последние несколько десятилетий произошло много экономических шоков и кризисов, которые сильно повлияли на страновые фондовые рынки. Одним из каналов влияния данных событий является изменение природы взаимосвязей между фондовыми индексами разных стран. Сегодня мы столкнулись с кризисом, связанным с пандемией коронавируса. Поэтому нам также представляется особенно важным изучить его влияние на краткосрочные и долгосрочные взаимосвязи фондовых рынков России и развитых и развивающихся стран.
Несмотря на то, что исследований, посвященных данной тематике, было достаточно много, в каждом из них есть своя специфика: делается акцент на определенный период, событие, переменные - все зависит от цели автора. Большое количество работ говорит о том, что данное направление интересует исследователей. Значит, оно является важным, еще не изученным в достаточной мере. Действительно, после ознакомления с литературой на эту тему, мы пришли к выводу, что многие выводы о взаимосвязях не постоянны, изменчивы, зависят от множества факторов. Мы решили остановиться на изучении влияния страновых фондовых индексов, цен золота и нефти на РТС на обширном временном горизонте, а также посмотреть, как менялись взаимосвязи во время разных кризисов, в разные временные интервалы.
Актуальность нашей работы заключается в том, что она вносит свой вклад в широкий пласт литературы о взаимосвязях страновых фондовых индексов и рынков сырьевых товаров. Тем самым, думаем, что это, во-первых, вместе с другими работами поможет выявить некоторые общие тренды в долгосрочных и краткосрочных связях. Во-вторых, мы проанализируем изменения во взаимном влиянии переменных во время кризиса, связанного с пандемией коронавируса. Этот кризис имеет совершенно другую природу, нежели предыдущие изученные, поэтому нам представляется особенно важным исследовать этот период. И, наконец, наша работа будет полезна для рассмотрения возможных сценариев изменения взаимного влияния фондовых индексов и нефти с золотом. Она будет также полезна как стратегическим инвесторам, заинтересованным в долгосрочных стабильных взаимосвязях, так и средне- или кратко - срочным инвесторам, которые могут обратить внимание на наличие краткосрочных связей между интересующими их переменными и направленность откликов этих переменных на шоки других.
Целью нашей работы является исследование влияния цен на нефть, золото и фондовых индексов других стран на российский фондовый индекс РТС в период с декабря 2007 года по декабрь 2020 года. Выбор такого периода обусловлен несколькими факторами. Во-первых, мы хотели охватить широкую выборку данных, позволяющую проанализировать взаимоотношения переменных во время различных кризисов и глобальных изменений на мировом рынке. Так, выбранный период охватывает и мировой кризис 2007 - 2008 года, и российский кризис 2014 – 2016 года, а также период пандемии 2020 года. Во-вторых, в течение этого периода постепенно менялась политическое и экономическое положение стран в мире, что давало развитие новым каналам связи финансового рынка России с рынками других стран, некоторые из которых теряли свою значимость, а некоторые, наоборот, усиливали свое влияние на индекс РТС. Кроме того, российский рынок трансформировался, развивался, выросло количество инвесторов,
Выбор зарубежных индексов обусловлен несколькими критериями. Во-первых, мы хотели охватить географически широкий круг стран: как европейских, так и азиатских. Во-вторых, важно было выбрать те индексы, относительно которых можно было заранее предположить значимое влияние на российский индекс на основе существующих исследований и глобальных политических и экономических событий. Для проведения анализа мы выбрали следующие переменные из числа страновых индексов: DAX (Немецкий фондовый индекс), FTSE100 (ведущий индекс Британской фондовой биржи), S&P 500 (фондовый индекс США), NIKKEI225 (Фондовый индекс Японии), SSEC (Шанхайский фондовый индекс). Рассмотрим, почему мы остановились именно на этих переменных.
Помимо влияния зарубежных рынков на российский, мы также хотели выявить особенности влияния рынка сырьевых товаров, включающий большое количество разнообразных товаров. Отдельно стоит отметить, что наше решение включить в число переменных индикаторы сырьевого рынка обусловлено исследованием данных, включающих период пандемии коронавируса, сопровождаемого снижением спроса на нефть и высокой неопределенностью на фондовых рынках, что в совокупности значимо повлияло на динамику и волатильность сырьевых товаров. В частности, значимую роль в динамике цены на нефть сыграли новости о большом количестве зараженных и введенных строгих ограничительных мерах в США и Китае, занимающих лидирующие места в списке импортеров нефти. Итак, решив исследовать влияние сырьевых рынков, мы решили выбрать наиболее значимые из них – нефть и золото.
Нефть была выбрана, так как она играет важнейшую роль в экономике России, являясь одним из основных экспортных продуктов страны. Кроме того, индекс РТС практически на 50% состоит из компаний нефтегазового сектора, что говорит о его зависимости от цен на нефть и спросе на этот ресурс на мировом рынке (Богучарсков, 2017).
Золото было выбрано среди всего разнообразия драгоценных металлов, так как этот товар является наиболее популярным металлом в инвестиционных портфелях, кроме того, он часто используется как эффективный инструмент хеджирования рисков. Инвесторы обращаются к золоту как «стабильному» инструменту, что подтверждается ростом популярности этого товара в кризисные периоды, в течение которых, как показывают исследования, динамика цены на золото противоположна динамика большинства остальных товаров и индексов. Особую значимость золото, как инструмент хеджирование рисков, приобрело в европейских странах, а также в США. Отметим также, что с начала финансового кризиса 2007 года цена на золото выросла более, чем на 40% (Baur, McDermot, 2010).
Таким образом наш исследовательский вопрос заключается в следующем: “Как фондовые индексы других стран, а также цены нефти BRENT и золота влияют на российский фондовый индекс?”. Объект нашего исследования – индекс РТС, а предмет – характер влияния анализируемых показателей на фондовый индекс России. Для достижения цели исследования будут выполнены следующие задачи:
• Выполнить обзор существующей литературы, посвященной различным аспектам взаимодействия фондовых индексов и сырьевых товаров.
• Сбор и предварительная обработка данных для дальнейшего эмпирического анализа
• Изучить уже использующиеся исследователями модели для работы с финансовыми временными рядами
• Провести статистические тесты в качестве подготовки к построению моделей.
• Изучить динамику переменных, выявить структурные сдвиги.
• Построить эконометрические модели
• Интерпретировать полученные результаты, сделать выводы о существующих связях между переменными в краткосрочном и долгосрочном периодах.
Предполагаемые результаты нашей работы должны проверить три основные гипотезы о взаимосвязи выбранных переменных:
1) Предполагается, что влияние рынков сырьевых товаров (цены на золото и нефть) является значимым для российского фондового рынка.
2) Значимость влияния сырьевых рынков на рынок РТС вырастает в периоды кризисов и шоков нефтяных цен.
3) Влияние американского рынка и рынков азиатских стран статистически значимо для индекса РТС, причем роль китайского рынка стабильно растет в течение последних лет.
Методология нашей работы будет состоять в выполнении следующих шагов. Сначала в первой главе мы рассмотрим наиболее важные существующие на сегодняшний день по данной теме работы и опишем наши данные. Во второй главе мы будем описывать наши эмпирические результаты. Все тесты проведем сначала для общего периода, затем на подвыборках. Основные этапы эмпирической части работы будут заключаться в следующих шагах. Во-первых, мы проверим наши переменные на стационарность с помощью расширенного теста Дики-Фуллера и теста KPSS. Затем мы построим VAR/VECM модель, выбрав для этого необходимое количество лагов и проверим модель на автокорреляцию. После этого мы проанализируем краткосрочные связи с помощью теста на причинность по Грэнджеру. Последними шагами будет тестирование на наличие коинтеграции с помощью теста Йохансена и анализ функций импульсных откликов. При этом, перед проведением этих же шагов на подпериодах, нам будет необходимо разделить общий период на несколько временных интервалов. Это будет сделано с помощью теста Бай-Перрона. Также, мы проведем анализ динамики условных корреляций с помощью модели DCC-GARCH. В конце работы на основе всех проведенных тестов и построенных моделей мы опишем результаты и сделаем выводы.

Оглавление
Введение 3
Глава 1. Теоретические основы исследования 8
1.1. Обзор литературы 8
1.2. Данные 18
Глава 2. Эмпирические результаты 24
2.1. Исследование всего временного интервала 24
2.1.1. Тестирование рядов на стационарность 24
2.1.2. Тестирование на наличие коинтеграции 27
2.1.3. Построение модели 29
2.1.4. Краткосрочные связи на всей выборке 30
2.1.5. Отклики на импульсы 33
2.2. Исследование на подпериодах 34
2.2.1. Изучение структурных переломов 34
2.2.2. Дескриптивные статистики 38
2.2.3. Тестирование рядов на стационарность и на наличие коинтеграции на подвыборках 41
2.2.4. VECM модель на подпериодах 43
2.2.5. Долгосрочные связи 46
2.2.6. Причинность по Грэнджеру 51
2.2.7. Импульсные отклики на подпериодах 57
2.3. Анализ динамики условных корреляций 63
Заключение 71
Список литературы 79
Приложения 84

Добрый день! Уважаемые студенты, Вашему вниманию представляется дипломная работа на тему: «Моделирование взаимодействия фондового рынка и рынка сырьевых товаров на примере влияния нефти, золота и индексов других стран на индекс РТС»

Оригинальность работы 89%

Список литературы
1. Беляев С. А. ИССЛЕДОВАНИЕ ВЛИЯНИЯ ИЗМЕНЕНИЙ ТОРГОВЫХ ОТНОШЕНИЙ С ТОП-20 ЭКОНОМИК МИРА НА СОСТОЯНИЕ РОССИЙСКОЙ ЭКОНОМИКИ //Вестник НГИЭИ. – 2020. – №. 3 (106).
2. Головнин М. Ю., Никитина С. А. Каналы воздействия пандемии COVID-19 НА ЭКОНОМИКУ РОССИИ //Вестник Института экономики РАН. – 2020. – №. 5.
3. Григорьев Р. А., Джеффри Ш., Марченко Г. Н. Несинхронность дневных данных в анализе межрыночных взаимосвязей (на примере БРИК и развитых стран) //Прикладная эконометрика. – 2012. – №. 2 (26).
4. Ильясов Р. Х., Куразова Д. А. Анализ динамики индикаторов российского фондового рынка //Известия Санкт-Петербургского государственного экономического университета. – 2016. – №. 4 (100).
5. Канторович Г. Анализ временных рядов. Лекционные и методические материалы // Экономический журнал ВШЭ. 2002. Т. 6. № 4. С. 498–523
6. Лукасевич И. Я. ИССЛЕДОВАНИЕ ЗАВИСИМОСТЕЙ И ОЦЕНКА ВЛИЯНИЯ МИРОВЫХ ФОНДОВЫХ РЫНКОВ НА ФОНДОВЫЙ РЫНОК РОССИИ //Экономика. Налоги. Право. – 2020. – Т. 13. – №. 4.
7. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс: Учеб. — 6-е изд., перераб. и доп. - М.: Дело, 2004. - 576 с. ISBN 5-7749-0055-Х.
8. Самойлов, Д. В. (2010). Факторы, оказывающие влияние на индекс РТС во время финансового кризиса 2008-2009 гг. И до него. Экономический журнал Высшей школы экономики, 14 (2), 244-267.
9. Федорова Е. А., Сафина Ю. А., Литовка С. В. Анализ влияния финансовой интеграции на конъюнктуру фондовых рынков в условиях финансового кризиса //Аудит и финансовый анализ. – 2010. – №. 2. – С. 187.
10. Федорова Е. А. Оценка влияния фондовых рынков США, Китая и Германии на фондовый рынок России //Экономический анализ: теория и практика. – 2013. – №. 47 (350).
11. Фролова И. Ю. Китайский проект" Экономический пояс Шёлкового пути": развитие, проблемы, перспективы //Проблемы национальной стратегии. – 2016. – Т. 38. – №. 5. – С. 47.
12. Baig M. M. et al. Relationship between gold and oil prices and stock market returns //Economica. – 2013. – Т. 9. – №. 5. – С. 28-39.
13. Baumohl, E., & Vyrost, T. (2010). Stock Market Integration: Granger Causality Testing with Respectto Nonsynchronous Trading Effects. Journal of Economics and Finance, 60, 420.
14. Baur, Dirk G. and McDermott, Thomas K. J., Is Gold a Safe Haven? International Evidence (September 1, 2009).
15. Bogucharskov A. V. Analysis of causal relationships between oil price movements and RTS index // Finance and Credit, 2017, vol. 23, iss. 17, pp. 1003–1014
16. Bollerslev T. Generalized autoregressive conditional heteroskedasticity //Journal of econometrics. – 1986. – Т. 31. – №. 3. – С. 307-327.
17. Bragoli D. Now-casting the Japanese economy //International Journal of Forecasting. – 2017. – Т. 33. – №. 2. – С. 390-402.
18. Chen Y. et al. A dynamic analysis of S&P 500, FTSE 100 and EURO STOXX 50 indices under different exchange rates //PloS one. – 2018. – Т. 13. – №. 3. – С. e0194067.
19. Engle R. F. Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation //Econometrica: Journal of the econometric society. – 1982. – С. 987-1007.
20. Floros C. Price linkages between the US, Japan and UK stock markets //Financial Markets and Portfolio Management. – 2005. – Т. 19. – №. 2. – С. 169-178.
21. Johansen S. Statistical analysis of cointegration vectors // Journal of Economic Dynamics and Control. 1988. №12. С. 231-254.
22. Korhonen, I., & Peresetsky, A. (2013). What determines stock market behavior in Russia and other emerging countries? // BOFIT Discussion Papers. DP. Bank of Finland Institute for Economies in Transition, 2013. No. 4.
23. Kurecic P., Kokotovic F. Empirical analysis of the impact of Brexit referendum and post-referendum events on selected stock exchange indexes //The South East European Journal of Economics and Business. – 2018. – Т. 13. – №. 1. – С. 7-16.
24. Mamcarz K. (2019) Gold Market and Selected Stock Markets–Granger Causality Analysis. In: Tarczyński W., Nermend K. (eds) Effective Investments on Capital Markets. Springer Proceedings in Business and Economics. Springer, Cham.
25. McIver R. P., Kang S. H. Financial crises and the dynamics of the spillovers between the US and BRICS stock markets //Research in International Business and Finance. – 2020. – Т. 54. – С. 101276.
26. Morales, L. and Andreosso-O'Callaghan, B. (2020). Covid19: Global Stock Markets' Black Swan. Critical Letters in Economics & Finance 1(1). Onali, E. (2020).
27. Orskaug E. Multivariate dcc-garch model:-with various error distributions : дис. – Institutt for matematiske fag, 2009.
28. Park, J. and Ratti, R.A. (2008) Oil Price Shocks and Stock Markets in the U.S. and 13 European Countries. Energy Economics, 30, 2587-2608.
29. Ratanapakorn O., Sharma S. C. Interrelationships among regional stock indices //Review of Financial Economics. – 2002. – Т. 11. – №. 2. – С. 91-108.
30. Sadorsky P. Oil price shocks and stock market activity //Energy economics. – 1999. – Т. 21. – №. 5. – С. 449-469.
31. Saleem, Kashif, International Linkage of the Russian Market and the Russian Financial Crisis: A Multivariate GARCH Analysis (June 13, 2008). BOFIT Discussion Paper No. 8/2008
32. Salmanov O. N. et al. The effects of volatility and changes in conditional correlations in the stock markets of Russia and developed countries //Economic Annals. – 2020. – Т. 65. – №. 227. – С. 67-94.
33. Smith G. The price of gold and stock price indices for the United States //The World Gold Council. – 2001. – Т. 8. – №. 1. – С. 1-16.
34. Syahri, A., & Robiyanto, R. (2020). The correlation of gold, exchange rate, and stock market on covid-19 pandemic period. Jurnal Keuangan dan Perbankan, 24(3), 350-362.
35. Tregub I. V. Cointegration Models of The BRICS Economies //Article in the open archive. – 2016. – №. 1079.
36. Zhang X., Zhu Y., Yang L. Multifractal detrended cross-correlations between Chinese stock market and three stock markets in The Belt and Road Initiative //Physica A: Statistical Mechanics and its Applications. – 2018. – Т. 503. – С. 105-115.
Источники данных
37. https://www.investing.com

Электронные источники
35. Германия и Россия нашли новые точки роста
URL: Германия и Россия нашли новые точки роста | Решения на РБК+ (rbc.ru)
36. Российский фондовый рынок после кризиса 1998 г.: Зависимость от западных фондовых индексов
URL: Экономический журнал (economicarggu.ru)
37. Российские индексы акций отвязались от нефти. Доказываем и рассказываем почему
URL: Российские индексы акций отвязались от нефти. Доказываем и рассказываем почему (bcs-express.ru)