CC BY
96
Вестник Томского государственного университета. Экономика. 2023. № 63. С. 118-134. Tomsk State University Journal of Economics. 2023. 63. рр. 118-134.
Научная статья
УДК 336.7
doi: 10.17223/19988648/63/7
Анализ структурных сдвигов на рынке ценных бумаг России в период 2019-2022 гг.
Анастасия Витальевна Покровская1
1 Национальный исследовательский Томский государственный университет, Томск, Россия, avp@stud.tsu.ru
Аннотация. Актуальность исследования обусловлена стремительностью изменения экономической и рыночной ситуаций в исследуемом периоде, при которых финансовый рынок в общем и рынок ценных бумаг в частности столкнулись с масштабным шоком, что повлекло за собой расшатывание устойчивости финансовой системы России. Для того чтобы выявить признаки структурных сдвигов на рынке ценных бумаг России в исследуемом периоде, были выделены особенности российского рынка ценных бумаг; обозначены возможные причины структурных сдвигов; данные временного ряда со значениями доходности Индекса РТС были проверены на наличие тренда, сезонности, нормальности распределения и соответствия уровня шума нормальным значениям; с помощью модели машинного обучения SARIMAX были получены прогнозы на данных временного ряда, а также проверено соответствие остатков нормальным значениям; с помощью теста Чоу установлено наличие структурных сдвигов на рынке ценных бумаг России в исследуемом периоде. Кроме того, была проанализирована динамика распределения акций в базе расчета Индекса РТС по секторам экономики с целью установить, какие изменения произошли в обнаруженный нами период структурного сдвига на рынке ценных бумаг России. Ключевые слова: российский рынок ценных бумаг, структурный сдвиг, Индекс РТС, модель машинного обучения SARIMAX, тест Чоу
Для цитирования: Покровская А.В. Анализ структурных сдвигов на рынке ценных бумаг России в период 2019-2022 гг. // Вестник Томского государственного университета. Экономика. 2023. № 63. С. 118-134. doi: 10.17223/19988648/63/7
Original article
Analysis of structural changes in the Russian securities market in the period 2019-2022
Anastasia V. Pokrovskaya1
1 National Research Tomsk State University, Tomsk, Russian Feederation, avp@stud.tsu.ru
Abstract. The relevance of the research is determined by the rapid changes in the economic and market situation during the period 2019-2022, when the financial market
© Покровская А.В., 2023
in general, and the securities market in particular, faced a massive shock that destabilized the financial system of Russia. In light of the unprecedented events and the magnitude of their economic consequences, the forecasts and conclusions obtained from relevant studies conducted until the end of 2021 may have lost practical significance. To identify signs of structural shifts in the Russian securities market in 20192022, the characteristics of the Russian securities market were identified. Possible causes of structural shifts were indicated, and time series data of the RTS Index returns were examined for trends, seasonality, normal distribution, and adherence to normal values of the noise level. The SARIMAX machine learning model was used to obtain forecasts for the time series data, and the conformity of residuals to normal values was also verified. The Chow test was employed to determine the presence of structural shifts in the Russian securities market during the studied period. Additionally, the dynamics of stock distribution in the RTS Index calculation base were analyzed by economic sectors to identify the changes that occurred during the detected period of structural shift in the Russian securities market. The obtained results are of interest to investors, regulatory bodies, and market participants, and can be used to make more informed decisions and develop strategies in a rapidly changing market environment. Specifically, they can be utilized in investment decision-making, risk management, strategic planning, and forecasting future trends in the securities market, as well as aiding in understanding general economic trends and assessing their impact on the securities market. The findings of this work contribute to updating information on topics related to the research of the Russian securities market and can be used for further analysis of structural shifts in the securities market in Russia. The results of analyzing the significance of regressors for predicting RTS Index returns and volatility can be applied to investment planning.
Keywords: Russian securities market, structural shift, RTS Index, SARIMAX machine learning model, Chow test
For citation: Pokrovskaya, A.V. (2023) Analysis of structural changes in the Russian securities market in the period 2019-2022. Vestnik Tomskogo gosudarstvennogo uni-versiteta. Ekonomika - Tomsk State University Journal of Economics. 63. pp. 118— 134. (In Russian). doi: 10.17223/19988648/63/7
В связи со стремительным изменением экономической и рыночной ситуаций финансовый рынок в общем и рынок ценных бумаг в частности столкнулись с масштабным шоком - последствия пандемии коронавируса, санкционирование крупнейших финансовых организаций, заморозка активов, ограничение доступа к платежно-расчетной инфраструктуре и пр. Это повлекло за собой расшатывание устойчивости финансовой системы, сокращение реальных доходов и падение кредитоспособности как бизнеса, так и населения, что, в свою очередь, оказало влияние на интерес к инструментам финансового рынка и рост инвестиционной активности, которая может быть рассмотрена как способ сохранения капитала.
Следствием также стали рост розничного кредитования, массовый приток инвесторов на рынок ценных бумаг, повышение ключевой ставки Центральным банком России, введение ограничений на продажу высоко рисковых активов для неквалифицированных инвесторов, пересмотр вектора развития финансового рынка России в сторону приоритизации поиска внутренних ресурсов для трансформации экономики страны. Все вышеперечисленное дает основания для выдвижения гипотезы о формировании
структурных сдвигов на рынке ценных бумаг России в период с 2019 по 2022 г.
Поскольку в научно-исследовательском дискурсе понятие структурного сдвига не определено однозначно, необходимо сформировать и обозначить авторскую позицию. В данном исследовании в качестве структурного сдвига рассматривались накопленные за определенный период количественные изменения структурных элементов, которые трансформируют качество связей между ними. Структурные сдвиги играют значимую роль в экономике, поскольку они определяют изменения в структуре производства и потребления.
В свете беспрецедентности обозначенных выше событий и масштабности их экономических последствий прогнозы и выводы, полученные в релевантных исследованиях, проводимых вплоть до конца 2021 г., могли потерять практическую значимость. Этим обосновывается актуальность исследования.
Российский рынок ценных бумаг имеет ряд уникальных особенностей, отличающих его от других фондовых рынков мира. Некоторые из них представлены ниже:
- индексы: российский рынок ценных бумаг представлен несколькими фондовыми индексами, которые дают представление об эффективности рынка в целом и могут использоваться в качестве эталона эффективности инвестиций. В настоящем исследовании мы сосредоточим внимание на Индексе РТС, поскольку с учетом волатильности валютного курса анализ его значений может оказаться более репрезентативным при исследовании динамики рынка ценных бумаг России;
- участие государства: Правительство России имеет значительное присутствие на российском фондовом рынке как через государственные компании, так и через прямые инвестиции [1];
- статус развивающегося рынка до 2022 г.: Россия классифицировалась как развивающийся рынок, это означает, что она имела менее развитую экономику и финансовый рынок по сравнению с более развитыми странами. В 2022 г. рынок России приобрел статус автономного [2]. Инвесторами это может быть расценено и как преимущество, поскольку существует высокий потенциал роста и ценные бумаги многих компаний недооценены, и как недостаток из-за большей волатильности и высокого уровня неопределенности;
- волатильность: для российского рынка ценных бумаг характерна высокая волатильность. Это затрудняет принятие инвесторами долгосрочных инвестиционных решений. Рынок подвергается резким колебаниям в ответ на политические и экономические события как внутри страны, так и в мире [3, 4];
- ограниченная прозрачность: уровень прозрачности российского рынка ценных бумаг ниже по сравнению с более развитыми фондовыми рынками, что затрудняет получение инвесторами точной и достоверной информации о компаниях и рынке в целом;
- валютный риск: российский рынок ценных бумаг подвержен валютному риску, поскольку курс рубля может колебаться по отношению к другим валютам. Это может повлиять на стоимость вложений в акции для международных инвесторов, а также на способность российских компаний конкурировать на международных рынках [5];
- дивидендная доходность: российский рынок ценных бумаг предлагает относительно высокую дивидендную доходность по сравнению с развитыми рынками, что может быть привлекательным для инвесторов, стремящихся получить доход. Однако важно отметить, что на стабильность и устойчивость этих дивидендов могут повлиять экономические и политические условия в стране [6];
- зависимость от нефти и природных ресурсов: российская экономика сильно зависит от экспорта нефти и природных ресурсов, и это отражается на структуре рынка ценных бумаг. Многие из крупнейших компаний, котирующихся на российском фондовом рынке, работают в энергетическом секторе (ПАО «Газпром», ПАО НК ЛУКОЙЛ, ПАО «Татнефть», ПАО «Полюс», «Норильский никель» [7]);
- ограниченные иностранные инвестиции: российский рынок ценных бумаг исторически привлекал ограниченные иностранные инвестиции по сравнению с другими развивающимися рынками. Это может объясняться проблемами и рисками, связанными с инвестированием в Россию, а также ограничениями на иностранные инвестиции, установленными правительством;
- экономические санкции: Россия столкнулась с экономическими санкциями со стороны ряда стран, которые оказали негативное влияние на экономику страны, финансовый рынок в общем и на рынок ценных бумаг в частности. Санкции могут ограничить доступ российских компаний к капиталу, технологиям и рынкам, что негативно сказывается на работе рынка ценных бумаг.
Отдельным пунктом следует отметить влияние внешнеполитических факторов на развитие российского рынка ценных бумаг, в частности введение ряда экономических санкций, наложенных на страну международным сообществом, включая ограничения на доступ к международным рынкам капитала. Следствием стало резкое снижение Индекса РТС (фактически обвал рынка ценных бумаг в 2022 г.), падение курса рубля, запрет на покупку наличной валюты, блокировка международных финансовых резервов России.
Структурные изменения и сдвиги на российском рынке ценных бумаг могут быть вызваны рядом факторов, в том числе макроэкономическими условиями, государственной политикой и изменениями в конкурентной среде. Некоторые из ключевых событий, оказавших влияние на рынок, включают изменения процентных ставок, колебания валютных курсов и изменения настроений инвесторов. Кроме того, изменения в нормативно-правовой среде и технологические достижения также могут играть роль в формировании эволюции рынка.
В рамках текущего исследования было сделано предположение о том, что параметрами, определяющими структурные сдвиги на рынке ценных бумаг России, могут быть следующие:
- изменение списка компаний, входящих в Индексы РТС и МосБиржи: например, выход некоторых компаний из Индекса или добавление новых;
- изменение внешних факторов, таких как инфляция, ключевая процентная ставка, налоговая политика;
- изменение предпочтений инвесторов: например, сдвиг от акций к облигациям или наоборот, или изменение объема торгов на рынке ценных бумаг;
- изменение на рынке технологий, в частности, разработка новых финансовых инструментов;
- изменение конъюнктуры в международной экономике, влияние международных торговых диспутов, кризисов валютного рынка или изменения денежно-кредитной политики.
Изменение списка компаний, входящих в индексы РТС и МосБиржи. Приведем некоторые из изменений, произошедших в списках компаний, входящих в индексы РТС и МосБиржи в период с 2019 по 2022 г.:
- в 2019 г. из базы расчета индексов РТС и МосБиржи были исключены акции ПАО «Мечел» (февраль [9]), ПАО «ТМК» (май [10]), ПАО НК «Рус-сНефть», ПАО «САФМАР» и ПАО «М.видео» (ноябрь [11]). В августе 2019 г. в базу расчета индексов были включены акции ПАО «Группа ЛСР»;
- в 2020 г. из базы расчета индексов РТС и МосБиржи были исключены депозитарные расписки Ленты Лтд. (февраль [13]), место которых заняли депозитарные расписки Мэйл.ру Груп Лимитед, КИВИ ПиЭлСи, обыкновенные акции «Петропавловск ПиЭлСи» и ПАО «Россети» (август [14]), а также депозитарные расписки «Глобалтранс Инвестмент ПиЭлСи», «Озон Холдингс ПиЭлСи» и «ХэдХантер Групп ПиЭлСи» (ноябрь [15]);
- в 2021 г. были исключены акции ПАО «Юнипро» (февраль [16]), КИВИ ПиЭлСи (июнь [17]), ПАО «Россети» (август [18]), ПАО «Группа ЛСР» (ноябрь [19]). В июне было объявлено о включении в базу расчета индексов депозитарных расписок Фикс Прайс Груп Лтд, в ноябре - акций компании МК ПАО «ЭН+ГРУП»;
- в 2022 г. было объявлено об исключении акций ПАО «ФСК ЕЭС» (май [20]) и депозитарных расписок HeadHunter Group PLC (август [21]) из базы расчета индекса.
Изменение внешних факторов. Согласно данным Росстата [22], в период 2019-2022 гг. наблюдается рост уровня инфляции по показателям Индекса потребительских цен: с 3,0% в 2019 г. до 8,4% в 2021 г.
Период 2019-2022 гг. был также отмечен изменением ключевой ставки. По данным Банка России, в указанный период были утверждены следующие значения:
- 2019 г.: январь - 7,75%, июнь - 7,5%, июль - 7,25%, сентябрь - 7,0%, октябрь - 6,5%, декабрь - 6,25%;
- 2020 г.: февраль - 6%, апрель - 5,5%, июнь - 4,5%, июль - 4,25%;
- 2021 г.: март - 4,5%, апрель - 5%, июнь - 5,5%, июль - 6,5%, сентябрь - 6,75%, октябрь - 7,5%, декабрь - 8,5%;
- 2022 г.: февраль (начало) - 9,5%, февраль (конец) - 20%, апрель -17%, май (начало)- 14%, май (конец) - 11%, июнь - 9,5%, июль - 8%, сентябрь - 7,5%.
На рис. 1 представлен график динамики ключевой ставки Банка России.
В обозначенном периоде также присутствуют изменения налоговой политики: в 2020 г. [24] было принято решение о введении с 1 января 2021 г. налога на доходы, превышающие 42,5 тыс. руб. по банковским вкладам и депозитам, однако в марте 2021 г. было объявлено об освобождении от налога на проценты по вкладам в российских банках в 2021 и 2022 гг. [25]. Подобные меры могли оказать влияние на предпочтения частных инвесторов.
Изменение предпочтений инвесторов. Отметим в общих чертах некоторые тенденции, актуальные на рынке ценных бумаг России в период 2019— 2022 гг. Низкие процентные ставки на депозиты в банках (2020-2021 гг.) привели к увеличению спроса на инструменты, обеспечивающие более высокий уровень доходности, в том числе и на акции. По данным Московской биржи [26-28], в указанный период наблюдается ежегодное увеличение количества частных инвесторов. Предпочтения отдавались ценным бумагам крупных компаний с высокой капитализацией, таким как «Газпром», «ЛУКОЙЛ», Сбербанк и Роснефть. Также были популярны инвестиции в облигации, особенно облигации федерального займа. Кроме того, можно было наблюдать повышенный интерес инвесторов к технологическим компаниям, таким как «Яндекс» и Mail.ru Group, которые активно развивались и увеличивали свою рыночную долю. Также были популярны акции компаний в секторе потребительских товаров и услуг, таких как X5 Retail Group и «Магнит».
Разработка новых финансовых инструментов. В период с 2019 по 2022 г. в России появились криптовалютные проекты. Так, в ноябре 2021 г. Сбербанк объявил о запуске собственной криптовалюты, которая будет называться «Сберкойн» (SBC). Планируется, что SBC будет использоваться для выпуска облигаций на блокчейне для упрощения расчетов между компаниями-партнерами и для других целей [30].
Рис. 1. Динамика ключевой ставки Банка России за 2019-2022 гг. Источник: составлено автором с использованием статистических данных Банка России [23]
Изменение конъюнктуры в международной экономике. В России произошел ряд политических событий, среди них проведение конституционных реформ в 2020 г., введение новых санкций, которые оказали влияние на инвестиционный климат в стране и настроения инвесторов, что в свою очередь, отразилось на рынке ценных бумаг.
Всё вышесказанное подкрепляет предположение о наличии структурных сдвигов на рынке ценных бумаг России в исследуемом периоде.
Для того чтобы обнаружить и проанализировать структурные изменения и сдвиги, финансовые аналитики и исследователи часто используют статистические инструменты, включая анализ временных рядов, экономет-рические модели и алгоритмы машинного обучения.
Для проведения исследования были использованы статистические данные Московской биржи: исторические ежедневные значения цены закрытия Индекса РТС за период с января 2018 по декабрь 2022 г., на базе которых была рассчитана рыночная доходность индекса. Значения полученного временного ряда были проверены на наличие тренда, сезонности, нормальности распределения и соответствия уровня шума нормальным значениям. На рис. 2 представлены основные статистические характеристики ряда, полученные с помощью применения функции describe() библиотеки Pandas Python, и гистограмма распределения значений, построенная с помощью функции hist(bins=100) той же библиотеки Python.
Распределение значений доходности Индекса РТС
200
count 1246 , 0М000
mean 0 , 01—682
STd 2 ,3SS75S
min -ЗИ. ,302148
25% -0 ,796634
50% 0 ,151019
75% 1 ,019290
max 26 ,11756Б
-40 -30 -20 -10 0 10 20
Доходность
Рис. 2. Основные статистические характеристики ряда со значениями доходности Индекса РТС и гистограмма распределения значений.
Источник: составлено автором
По полученной гистограмме можем заключить, что распределение значений ряда близко к нормальному. Значение среднего меньше, чем медиана, что говорит о смещении влево (большая часть данных принимает значение меньше среднего). Медиана приблизительно равна нулю, следова-
тельно, половина сделок с активом принесла отрицательную доходность. Минимальное значение доходности составляет 38%, максимальное - 26%. Большая часть сосредоточена между 0,8 и 1% (1 и 3 квартиль).
Построим тепловую карту со средними значениями доходности по месяцам (рис. 3). Концентрация зеленых оттенков указывает на понижение значений доходности, а красных - на их повышение.
Средние значения доходности
|ап - 0 41 0.65 -0.10 <1.0? -0.47
РеЬ - 0.02 -О 10 -0.78 0.17 -1.13
Маг- -0.13 0.05 -0.99 0 22 1.65
Арг ■ ■0.32 0.15 СХ52 0.03 0.33
Мау - 0.05 0.15 045 0.3 7 0.66
|ип - -0.03 0.37 -0.01 0 16 0.54
м- 0 08 -О 06 ПО 9 -0.07 -0.79
дид - ■о.зо -0.22 0110 0.11 0.48
<-;: - 044 0.15 -0.29 0.25 -0.74
оа - -0.24 0.2Е -0.44 0.18 0.27
Мои1 - 0 01 0.06 С194 -0-52 0.07
□ее - -0.25 0 36 0137 ■0.12 -0.65
201» 2019 2020 2021 2022
I
■ о
- о
I
Рис. 3. Тепловая карта со средними значениями доходности Индекса РТС за период с января 2018 по декабрь 2022 г.
Источник: составлено автором
На карте отмечаем два пиковых значения: в ноябре 2020 и в марте 2022 г. Минимальные значения наблюдаются в марте 2020 и в феврале 2022 г. Наиболее привлекательным с точки зрения максимизации доходности и минимизации риска выглядит 2019 г.: 9 месяцев средняя ежемесячная доходность была положительной. В столбце 2021 г. также превалируют красные оттенки, соответствующие положительной доходности, однако в столбце присутствуют более низкие значения по сравнению с 2019 г. Наиболее нестабильным был 2022 г.: в столбце наблюдаются как экстремально высокие, так и экстремально низкие значения. Кроме того, средняя годовая доходность была отрицательной.
Проверим наличие тренда и сезонности, а также посмотрим, насколько однородным выглядит график шума (рис. 4).
Наблюдается сезонность, а также существенные колебания графика шума в 2020 и 2022 гг. Учитывая график сезонности, выполним недельное ресемплирование данных и построим новые графики (рис. 5).
На графике сезонности заметны ежегодные повторы. При дальнейшем моделировании параметр сезонности примем равным 52 (по количеству недель в году).
V3, Сезонность г«1'
yjif у
aate Шум
----И -
Рис. 4. Графики тренда, сезонности и шума для значений ежедневной доходности Индекса РТС. Источник: составлено автором
3QU . )!■ ¿ио ииг ¿JjJ
Рис. 5. Графики тренда, сезонности и шума для значений ежедневной доходности Индекса РТС после недельного ресемплирования.
Источник: составлено автором
Наличие или отсутствие структурных сдвигов по данным временного ряда со значениями доходности Индекса РТС будет установлено посредством проведения теста Чоу на остатках от прогнозирования. Для проведения теста Чоу были выполнены следующие действия:
- подобрана модель машинного обучения и её параметры;
- выполнен прогноз на данных всего временного ряда;
- набор разбит на две выборки (до и после года, когда предположительно произошёл структурный сдвиг) и выполнен прогноз с помощью модели с теми же параметрами на данных полученных выборок;
- найдена сумма квадратов ошибок полученных прогнозов и рассчитана F-статистика теста Чоу;
- проведено сравнение полученного значения со значением F-распределения Фишера.
При предположении о нормальном распределении случайных значений статистика теста Чоу должна быть распределена по закону Фишера и с k и N-2k степенями свободы (k - количество параметров модели, N - количество наблюдений). Если значение F меньше или равно F^a, k, N-2k), то гипотеза о структурной стабильности временного ряда не отвергается и для моделирования лучше использовать единую модель - следовательно, структурный сдвиг на данных не зафиксирован. Если значение F превышает F^(a, k, N-2k), то гипотеза о структурной стабильности временного ряда отвергается и для прогнозирования лучше использовать кусочную модель (т.е. необходимо подобрать параметры модели для прогнозирования на данных для каждой выборки), что, в свою очередь, может свидетельствовать о наличии структурного сдвига.
В качестве модели машинного обучения была использована SARIMAX (Seasonal Auto-Regressive Integrated Moving Average with Exogenous Variables), которая представляет собой расширенную версию модели ARIMA. Эта модель используется для анализа и прогнозирования временных рядов, учитывая сезонность, и позволяет работать с внешними факторами [31].
Для определения наилучшей SARIMAX-модели необходимо найти оптимальные значения параметров модели (p, d, q) и сезонных параметров (P, D, Q, m), где p - порядок авторегрессии, d - порядок интеграции, q - порядок скользящей средней, P - порядок сезонной авторегрессии, D - порядок сезонной интеграции, Q - порядок сезонной скользящей средней и m -длина сезона.
В модуле Python statsmodels предоставлены классы и функции для оценки множества различных статистических моделей, а также для проведения статистических тестов и исследования статистических данных. В этом модуле в том числе представлена модель SARIMAX.
Для того чтобы подобрать параметры модели для анализа и прогнозирования структурных сдвигов на рынке ценных бумаг, необходимо проверить качество прогнозов полученной модели, а также определить экзогенный фактор. Это можно сделать с помощью различных статистических методов, например, с помощью информационного критерия Акаике (AIC) [32]. Модель с наименьшим значением AIC считается наиболее подходящей.
Для того чтобы определить экзогенный параметр для модели SARIMAX, необходимо было провести оценку значимости регрессоров. В начале исследования мы предположили, что к появлению структурного сдвига на рынке ценных бумаг России может привести ряд факторов. Из полученного перечня были выбраны те факторы, для которых существует количественное выражение, а именно: количественный состав базы расчета Индекса РТС, ключевая процентная ставка, уровень инфляции. Затем с помощью градиентного бустинга (GradientBoostingRegressor), реа-
лизация которого доступна в библиотеке Scikit-learn Python, была проведена оценка значимости регрессоров.
Согласно полученным результатам наибольшее влияние на изменение доходности Индекса РТС среди представленных регрессоров в исследуемом периоде оказало изменение предпочтений инвесторов, выраженное в объеме торгов (коэффициент значимости: 0.42). Чуть менее значимым ре-грессором оказался уровень инфляции (коэффициент значимости: 0.29). Значимость изменения ключевой процентной ставки определилась на уровне 0.3. Изменение базы расчета Индекса РТС не оказало существенного влияния при прогнозировании доходности Индекса РТС (коэффициент значимости: 0.05).
С результатами подбора параметров модели для прогнозирования на ресемплированных понедельно данных со значениями доходности можно ознакомиться на рис. 6.
KAKMAXRemlb
Dep. Variable: revenue Ко. Observations: 261
Model: КАЕШМВД 0,2М1,1 ЛИ- 52) Log Lbsliuxid. 431.755
Dae: Wed. 16 Apri] 2023 AIC 975.511
Time: 1S:5 = :4^ BIC SE.S.6S6
Sample: 01-07-201B HQIC 9"9.ST9
- 01-01-2023
CDvariarte Type: ope
coef -■ta erx г P=-z [0.025 C.S75]
ma.Ll 0.0514 0.074 C.évO 0.49C -0.095 o. :9~
ma.L2 -0.1018 3.3": -1.417 0.157 -C.24Î 3 039
arS152 -0.4336 0.0» -4.7Э2 0.000 -0.611 -0.256
ma.SJL52 -0J469 0.179 -Î.Ois 0.002 -0.397 -0.156
Э.0В0 B.B60 0.000 21252 33J25
Liude-BD^ (LI) (Q): 0.00 JajqiB-Б era (IB): 21.22
ProbCQ): 0.9S PTD1J(JE;: 0.00
Heteroieda^LCLty :TT!: 1.65 Sb-.v: -0.21
PlobCE) (tïKj-sided): 0.0 = Kmtoiii: 4.7T
Рис. 6. Параметры модели SARIMA для временного ряда со значениями доходности Индекса РТС с наименьшим значением AIC.
Источник: составлено автором
Моделью с наименьшим значением AIC стала SARIMAX (1, 0, 0)*(1, 1, 0, 52). По результатам делаем следующие выводы:
- все коэффициенты (value, ar.Ll, ar.S.L52) являются статистически значимыми при уровне значимости 0.05;
- статистика Ljung-Box для первого лага (L1) равна 0.09 - нет статистически значимой автокорреляции остатков на первом лаге;
- значение статистики Jarque-Bera равно 183.3, при вероятности 0.00 указывает на значимое отклонение остатков от нормального распределения. Это может свидетельствовать о наличии нелинейности или выбросов в данных;
- значение Heteroskedasticity (H) 1.97 свидетельствует о наличии признаков гетероскедастичности в остатках модели;
- скос (skewness) -0.15 указывает на отрицательную асимметрию в распределении остатков, что может говорить о наличии отклонений от нормальности;
- значение Kurtosis, равное 8.35, указывает на наличие значительного пика, что может свидетельствовать о наличии тяжелых хвостов в распределении остатков.
Исходя из представленных результатов, модель SARIMAX с указанными параметрами может быть признана достаточно хорошей, так как она имеет низкие значения AIC и BIC, статистически значимые коэффициенты.
Заключительным этапом исследования было проведение теста Чоу, алгоритм которого описан выше. Результаты теста Чоу для выборок каждого периода на прогнозных значениях модели SARIMAX представлены в табл. 1.
Таблица 1. Результаты теста Чоу для периодов 2019-2022 гг.
Выборки Год, когда предположительно произошел сдвиг Сравнение F-статистики теста Чоу с критическим значением для прогнозных значений SARIMAX
['2018-01' ['2019-01' '2018-12'] '2022-12'] 2019 2.81 > 2.41
['2018-01' ['2020-01' '2019-12'] '2022-12'] 2020 3.52 > 2.41
['2018-01' ['2021-01' '2020-12'] '2022-12'] 2021 -7.27 < 2.41
['2018-01' ['2022-01' '2021-12'] '2022-12'] 2022 1.33 < 2.41
Источник: составлено автором.
Значение Б статистики Чоу превышает критическое значение для прогнозов модели БАЫМАХ при разбиении на выборки ['2018-01':'2018-12'] -['2019-01':'2022-12'] и ['2018-01':'2019-12'] - ['2020-01':'2022-12'], значит, гипотеза о структурной стабильности временного ряда отвергается и для прогнозирования значений временного ряда необходимо подбирать параметры модели для каждой выборки, что подтверждает предположение о наличии структурного сдвига на рынке ценных бумаг России в 2019-2020 гг.
В остальных периодах значение Б статистики Чоу не превышает соответствующее значение Б-критическое, следовательно, предположение о наличии структурного сдвига на рынке ценных бумаг России в этих годах было отвергнуто.
Проанализируем динамику распределения акций в базе расчета Индекса РТС по секторам экономики с целью установить, какие изменения произошли в обнаруженный нами период структурного сдвига на рынке ценных бумаг России. Перечень секторов экономики и их долей в базе расчета Индекса РТС представлен в табл. 2. Данные отсортированы в порядке убывания по значениям 2018 г.
Анализ данных таблицы позволяет выделить несколько ключевых моментов:
- сектор «Нефть и газ» имеет самую высокую долю в экономике на протяжении всего периода, в 2019 и 2020 гг. наблюдается ее снижение, в 2021 г. происходит небольшой рост, а в 2022 г. доля остается стабильной;
- секторы «Финансы», «Металлы и добыча» также имеют значительную долю в расчете Индекса РТС. Для сектора «Финансы» в период 20192021 гг. наблюдается рост, в 2022 г. его доля немного снижается. Доля сектора «Металлы и добыча» немного колеблется - наблюдается рост в 2020 г., но в целом остается на одном уровне;
- «Потребительский сектор» и «Телекоммуникации» имеют не столь значимые, но стабильные доли. «Потребительский сектор», - в 2019 г. отмечаем небольшое падение, в 2020 г. - рост. «Телекоммуникации» имеют небольшой рост с 2018 по 2019 г., но затем в 2020-2021 гг. снижаются, после чего в 2022 г. происходит некоторое восстановление;
- доля сектора «Информационные технологии» имеет значительный рост в период 2019-2020 гг., затем в 2021 и 2022 гг. наблюдается снижение;
- сектор «Электроэнергетика» имеет снижение доли в экономике с 2018 по 2022 г., хотя разница между значениями невелика;
- секторы «Сельское хозяйство», «Транспорт», «Строительство», «Прочее» имеют незначительные доли в базе расчета Индекса РТС. Примечательно, что в период 2019-2020 гг. сектор «Строительства» был включен в базу, а «Прочее» - исключен.
Таблица 2. Динамика распределения акций в базе расчета Индекса РТС по секторам экономики за период с 2018 по 2022 г.
Сектор экономики 2018 г. 2019 г. 2020 г. 2021 г. 2022 г.
Нефть и газ 50.46 46.96 37.85 42.18 43.8
Финансы 17.42 19.75 19.46 20.63 18.95
Металлы и добыча 16.64 16.53 20 18.05 17.48
Потребительский сектор 5.61 4.92 5.44 4.56 5.41
Телекоммуникации 2.79 2.99 2.33 1.74 2.35
Информационные технологии 2.76 4.63 11.03 8.45 6.66
Электроэнергетика 2.38 2.48 1.967 1.65 1.66
Сельское хозяйство 0.84 0.66 0.61 1.01 2.05
Транспорт 0.52 0.4 0.71 0.67 0.49
Строительство 0 0.28 0.22 0 0
Прочее 0.16 0 0 0.2 0.32
Источник: составлено автором с использованием данных сайта Московской биржи [33].
Резюмируя полученные результаты, можем отметить, что в интересующий нас период (2019-2020 гг.) наиболее значимыми изменениями в базе расчета Индекса РТС стали следующие:
- доли сектора «Нефть и газ» существенно сократились по отношению к значениям 2018 г. (с 50.46 до 37.85);
- рост значений сектора «Информационные технологии» (с 2.76 до 11.03);
- рост значений «Металлы и добыча» (с 16.64 до 20).
Данные выводы могут быть использованы для принятия более обоснованных решений и разработки стратегий в условиях быстро меняющейся рыночной среды, а именно: в принятии инвестиционных решений, управлении рисками, стратегическом планировании и прогнозировании будущих тенденций на рынке ценных бумаг, а также в помощь в понимании общих экономических тенденций и оценке их влияния на рынок ценных бумаг.
Список источников
1. Гринкевич Д. Правительство направит на поддержку фондового рынка 1 трлн рублей из ФНБ // Ведомости. 01.03.2022. URL: https://www.vedomosti.ru/economics/ articles/2022/03/01/911494-pravitelstvo-napravit-podderzhku
2. S&P Dow Jones Indices Treatment for Sri Lanka, Russia, Lebanon, Argentina and Nigeria // S&P Dow Jones Indices. 2023. URL: https://www.spglobal.com/spdji/en/ docu-ments/indexnews/announcements/20220603-1452986/1452986_spdjitreatmentforvariousco-untries03-06-2022.pdf
3. Market Classification // S&P Dow Jones Indices. 2023. URL: https://www.spglobal.com/spdji/en/landing/topic/market-classification
4. Жуков П.Е., Исаакян О.А. Зависимость российского рынка ценных бумаг от макроэкономических показателей и мировых индексов // Академия бюджета и казначейства Минфина России. Финансовый журнал. 2010. № 2 (4). С. 39-50.
5. Решетникова Т.В., Тульский Ю.М. Волатильность рынка ценных бумаг и ее влияние на эффективность IPO // Вестник Магнитогорского государственного технического университета им. Г.И. Носова. 2011. № 4 (36). С. 100-103.
6. Обзор рисков финансовых рынков. Июль 2022. Информационно-аналитический материал // Банк России. М., 2022. URL: https://cbr.ru/Collection/Collection/File/42228/ 0RFR_2022-07.pdf
7. Литова Е., Шелудченко С. Российский рынок акций показал в 2021 году лучшую дивидендную доходность за 10 лет // Ведомости. 09.12.2021. URL: https://www.vedomosti.ru/finance/articles/2021/12/08/899733-rossiiskii-rinok-aktsii
8. Файловые архивы итогов торгов // Московская биржа. М., 2023. URL: https://www.moex.com/ru/marketdata/#/mode=groups&group=4&collection=3&boardgroup= 57&data_type=history&date=2023-03-01&category=main
9. Новые базы расчета индексов Московской биржи // Московская биржа / Новости и пресс-релизы. М., 27.02.2019. URL: https://www.moex.com/n22717/?nt=108
10. Новые базы расчета индексов Московской биржи // Московская биржа / Новости и пресс-релизы. М., 29.05.2019. URL: https://www.moex.com/n23776/?nt=108
11. Новые базы расчета индексов Московской биржи // Московская биржа / Новости и пресс-релизы. М., 27.11.2019. URL: https://www.moex.com/n26020/?nt=108
12. Новые базы расчета индексов Московской биржи // Московская биржа/ Новости и пресс-релизы. М., 29.08.2019. URL: https://www.moex.com/n24823/?nt=108
13. Новые базы расчета индексов Московской биржи // Московская биржа / Новости и пресс-релизы. М., 28.02.2020. URL: https://www.moex.com/n27110/?nt=108
14. Новые базы расчета индексов Московской биржи // Московская биржа / Новости и пресс-релизы. М., 27.08.2020. URL: https://www.moex.com/n29889/?nt=108
15. Новые базы расчета индексов Московской биржи // Московская биржа/ Новости и пресс-релизы. М., 27.11.2020. URL: https://www.moex.com/n31406/?nt=108
16. Новые базы расчета индексов Московской биржи // Московская биржа / Новости и пресс-релизы. М., 26.02.2021. URL: https://www.moex.com/n32765/?nt=108
17. Новые базы расчета индексов Московской биржи // Московская биржа / Новости и пресс-релизы. М., 03.06.2021. URL: https://www.moex.com/n34446/?nt=101
18. Новые базы расчета индексов Московской биржи // Московская биржа / Новости и пресс-релизы. М., 27.08.2021. URL: https://www.moex.com/n35930/?nt=108
19. Новые базы расчета индексов Московской биржи // Московская биржа / Новости и пресс-релизы. М., 26.11.2021. URL: https://www.moex.com/n38156/?nt=108
20. Новые базы расчета индексов Московской биржи // Московская биржа / Новости и пресс-релизы. М., 27.05.2022. URL: https://www.moex.com/n47861/?nt=108
21. Новые базы расчета индексов Московской биржи // Московская биржа / Новости и пресс-релизы. М., 31.08.2022. URL: https://www.moex.com/n51050/?nt=108
22. Цены в России. 2022 : стат. сб. // Росстат. M., 2022. URL: https://rosstat.gov.ru/ storage/mediabank/Cena_2022.pdf
23. Ключевая ставка Банка России // Банк России. M., 2023. URL: https://www.cbr.ru/hd_base/KeyRate/?UniDbQuery.Posted=True&UniDbQuery.From=01.01. 2019&UniDbQuery.To=24.02.2023
24. Федеральная налоговая служба : официальный сайт. 2023. URL: https://www.na-log.gov.ru/rn77/news/activities_fts/10237437/
25. Налоговый кодекс Российской Федерации (часть вторая) от 05.08.2000 № 117-ФЗ (ред. от 29.05.2023, с изм. от 31.05.2023) (с изм. и доп., вступ. в силу с 01.06.2023) // КонсультантПлюс: надежная правовая поддержка. М., 2023. URL: https://www.consultant.ru/document/cons_doc_LAW_28165/625f7f7ad302ab285fe87457521 eb265c7dbee3c
26. Московская биржа зарегистрировала 3 миллиона частных инвесторов // Московская биржа / Новости и пресс-релизы. М., 01.10.2019. URL: https://www.moex.com/ n25254/?nt=106
27. Количество частных инвесторов на Московской бирже в ноябре превысило 8 млн человек // Московская биржа / Новости и пресс-релизы. М., 03.12.2020. URL: https://www.moex.com/n31494/?nt=106
28. Число частных инвесторов на Московской бирже достигло 15 миллионов // Московская биржа / Новости и пресс-релизы. М., 28.10.2021. URL: https://www.moex.com/n37253/?nt=106
29. Количество частных инвесторов на Московской бирже превысило 22 млн // Московская биржа / Новости и пресс-релизы. М., 07.11.2022. URL: https://www.moex.com/n52876/?nt=106
30. Сберкоин // СберПрайм. М., 2021. URL: https://sberpraim.ru/sberkoin
31. Brendan ArtleyTime Series Forecasting with ARIMA, SARIMA and SARIMAX // Towards Data Science. 2022. URL: https://towardsdatascience.com/time-series-forecasting-with-arima-sarima-and-sarimax-ee61099e78f6
32. Akaike H. Information theory and an extension of the maximum likelihood principle // Second International Symposium on Information Theory. 1973. Р. 267-281.
33. Архив Баз расчета Индекса МосБиржи (Индекса ММВБ) и Индекса РТС // Московская биржа. М., 2023. URL: https://www.moex.com/a1583
References
1. Grinkevich, D. (2022) Pravitel'stvo napravit na podderzhku fondovogo rynka 1 trln rubley iz FNB [The government will allocate 1 trillion rubles from the National Welfare Fund to support the stock market]. Vedomosti. 01 March. [Online] Available from: https://www.vedomosti.ru/economics/ articles/2022/03/01/911494-pravitelstvo-napravit-podderzhku
2. S&P Dow Jones Indices. (2022) S&P Dow Jones Indices Treatment for Sri Lanka, Russia, Lebanon, Argentina and Nigeria. [Online] Available from: https://www.spglobal.com/spdji/en/ documents/indexnews/announcements/20220603-1452986/1452986_spdjitreatmentforvariousco-untries03-06-2022.pdf
3. S&P Dow Jones Indices. (2023) Market Classification. [Online] Available from: https://www.spglobal.com/spdji/en/landing/topic/market-classification
4. Zhukov, P.E. & Isaakyan, O.A. (2010) Zavisimost' rossiyskogo rynka tsennykh bumag ot makroekonomicheskikh pokazateley i mirovykh indeksov [Dependence of the Russian securities market on macroeconomic indicators and world indices]. Akademiya byudzheta i kaznacheystva Minfina Rossii. Finansovyy zhurnal. 2 (4). pp. 39-50.
5. Reshetnikova, T.V. & Tul'skiy, Yu.M. (2011) Volatil'nost' rynka tsennykh bumag i ee vliyanie na effektivnost' IPO [Volatility of the securities market and its impact on the effectiveness of IPOs]. Vestnik Magnitogorskogo gosudarstvennogo tekhnicheskogo universiteta im. G.I. Nosova. 4 (36). pp. 100-103.
6. Bank of Russia. (2022) Obzor riskovfinansovykh rynkov. Iyul'2022. Informatsionno-analiticheskiy material [Review of financial market risks. July 2022. Information and analytical material]. [Online] Available from: https://cbr.ru/Collection/Collection/File/42228/ 0RFR_2022-07.pdf
7. Litova, E. & Sheludchenko, S. (2021) Rossiyskiy rynok aktsiy pokazal v 2021 godu luchshuyu dividendnuyu dokhodnost' za 10 let [The Russian stock market showed the best dividend yield in 10 years in 2021]. Vedomosti. 09 December. [Online] Available from: https://www.vedomosti.ru/fmance/articles/2021/12/08/899733-rossiiskii-rinok-aktsii
8. MOEX. (2023) Faylovye arkhivy itogov torgov [File archives of trading results]. [Online] Available from: https://www.moex.com/ru/marketdata/#/mode=groups&group= 4&collection=3&boardgroup=57&data_type=history&date=2023-03-01&category=main
9. MOEX. (2019) Novye bazy rascheta indeksovMoskovskoy birzhi [New bases for calculating Moscow Exchange indices]. [Online] Available from: https://www.moex.com/n22717/?nt=108
10. MOEX. (2019) Novye bazy rascheta indeksov Moskovskoy birzhi [New bases for calculating Moscow Exchange indices]. [Online] Available from: https://www.moex.com/n23776/?nt=108
11. MOEX. (2019) Novye bazy rascheta indeksov Moskovskoy birzhi [New bases for calculating Moscow Exchange indices]. [Online] Available from: https://www.moex.com/n26020/?nt=108
12. MOEX. (2019) Novye bazy rascheta indeksov Moskovskoy birzhi [New bases for calculating Moscow Exchange indices]. [Online] Available from: https://www.moex.com/n24823/?nt=108
13. MOEX. (2020) Novye bazy rascheta indeksov Moskovskoy birzhi [New bases for calculating Moscow Exchange indices]. [Online] Available from: https: //www.moex. com/n27110/?nt= 108
14. MOEX. (2020) Novye bazy rascheta indeksov Moskovskoy birzhi [New bases for calculating Moscow Exchange indices]. [Online] Available from: https://www.moex.com/n29889/?nt=108
15. MOEX. (2020) Novye bazy rascheta indeksov Moskovskoy birzhi [New bases for calculating Moscow Exchange indices]. [Online] Available from: https: //www.moex. com/n31406/?nt= 108
16. MOEX. (2021) Novye bazy rascheta indeksov Moskovskoy birzhi [New bases for calculating Moscow Exchange indices]. [Online] Available from: https://www.moex.com/n32765/?nt=108
17. MOEX. (2021) Novye bazy rascheta indeksov Moskovskoy birzhi [New bases for calculating Moscow Exchange indices]. [Online] Available from: https: //www.moex. com/n34446/?nt= 101
18. MOEX. (2019) Novye bazy rascheta indeksov Moskovskoy birzhi [New bases for calculating Moscow Exchange indices]. [Online] Available from: https://www.moex.com/n35930/?nt=108
19. MOEX. (2021) Novye bazy rascheta indeksov Moskovskoy birzhi [New bases for calculating Moscow Exchange indices]. [Online] Available from: https://www.moex.com/n38156/?nt= 108
20. MOEX. (2022) Novye bazy rascheta indeksov Moskovskoy birzhi [New bases for calculating Moscow Exchange indices]. [Online] Available from: https: //www.moex. com/n47861/?nt= 108
21. MOEX. (2022) Novye bazy rascheta indeksov Moskovskoy birzhi [New bases for calculating Moscow Exchange indices]. [Online] Available from: https://www.moex.com/n51050/?nt= 108
22. Rosstat. (2022) Tseny v Rossii. 2022: stat. sb. [Prices in Russia. 2022]. [Online] Available from: https://rosstat.gov.ru/storage/mediabank/Cena_2022.pdf
23. Bank of Russia. (2023) Klyuchevaya stavka Banka Rossii [Key rate of the Bank of Russia]. [Online] Available from: https://www.cbr.ru/hd_base/KeyRate/?UniDbQuery.Posted= True&UniDbQuery.From=01.01.2019&UniDbQuery.To=24.02.2023
24. Federal Tax Service. [Online] Available from: https://www.na-log.gov.ru/rn77/ news/activities_fts/10237437/ (In Russian).
25. RF. (2023) Nalogovyy kodeks Rossiyskoy Federatsii (chasf vtoraya) ot 05.08.2000 № 117-FZ (red. ot 29.05.2023, s izm. ot 31.05.2023) (s izm. i dop, vstup. v silu s 01.06.2023) [Tax Code of the Russian Federation (Part Two) of 05 August 2000 No. 117-FZ (as amended on 31 May 2023) (with amendments and additions, effective since 1 June 2023)]. [Online] Available from: https://www.consultant.ru/document/cons_doc_LAW_28165/ 625f7f7ad302ab285fe87457521eb265c7dbee3c
26. MOEX. (2019) Moskovskaya birzha zaregistrirovala 3 milliona chastnykh investorov [Moscow Exchange has registered 3 million private investors]. [Online] Available from: https://www.moex.com/ n25254/?nt=106
27. MOEX. (2020) Kolichestvo chastnykh investorov na Moskovskoy birzhe v noyabre prevysilo 8 mln chelovek [The number of private investors on the Moscow Exchange in November exceeded 8 million]. [Online] Available from: https://www.moex.com/n31494/?nt=106
28. MOEX. (2021) Chislo chastnykh investorov na Moskovskoy birzhe dostiglo 15 millionov [The number of private investors on the Moscow Exchange has reached 15 million]. [Online] Available from: https://www.moex.com/n37253/?nt=106
29. MOEX. (2022) Kolichestvo chastnykh investorov na Moskovskoy birzhe prevysilo 22 mln [The number of private investors on the Moscow Exchange exceeded 22 million]. [Online] Available from: https://www.moex.com/n52876/?nt=106
30. Sberpraim. (2021) Sberkoin [SberCoin]. [Online] Available from: https://sberpraim.ru/ sberkoin
31. Towards Data Science. (2022) Brendan Artley Time Series Forecasting with ARIMA, SARIMA and SARIMAX. [Online] Available from: https://towardsdatascience.com/time-series-forecasting-with-arima-sarima-and-sarimax-ee61099e78f6
32. Akaike, H. (1973) Information theory and an extension of the maximum likelihood principle. Second International Symposium on Information Theory. pp. 267-281.
33. MOEX. (2023) Arkhiv Baz rascheta Indeksa MosBirzhi (Indeksa MMVB) i Indeksa RTS [Archive of calculation bases for the Moscow Exchange Index (MICEX Index) and RTS Index]. [Online] Available from: https://www.moex.com/a1583
Информация об авторе:
Покровская А.В. - магистрант Института экономики и менеджмента, Национальный исследовательский Томский государственный университет (Томск, Россия). E-mail: avp@stud.tsu.ru
Автор заявляет об отсутствии конфликта интересов. Information about the author:
A.V. Pokrovskaya, master's student, Institute of Economics and Management, National Research Tomsk State University (Tomsk, Russian Federation). E-mail: avp@stud.tsu.ru
The author declares no conflicts of interests.
Статья поступила в редакцию 30.06.2023; одобрена после рецензирования 08.08.2023; принята к публикации 30.08.2023.
The article was submitted 30.06.2023; approved after reviewing 08.08.2023; accepted for publication 30.08.2023.
