CC BY
67
УДК 336.76
АНАЛИЗ ЗАВИСИМОСТИ МЕЖДУ ЦЕНОЙ НА НЕФТЬ, ВАЛЮТНЫМ КУРСОМ И ФОНДОВЫМИ РЫНКАМИ РАЗВИВАЮЩИХСЯ СТРАН*
Е. А. ФЕДОРОВА,
кандидат экономических наук,
доцент кафедры финансового менеджмента
E-mail: ecolena@mail. ru
Заочный финансово-экономический институт
Финансового университета при Правительстве РФ
И. Н. СНЯТКОВА,
финансовый менеджер
Е-mail: sniatkowa@yandex. ru
Общество с ограниченной ответственностью
«Строй-сервис»
Ю. Н. СУТЯГИНА,
инженер
Е-mail: ulik-5f8G@yandex. ru Открытое акционерное общество «МОЭСК»
Между ценой на нефть, валютным курсом и фондовыми рынками развитых стран за последние десять лет прослеживается все более прочная связь. Колебания на одном рынке с той или иной силой отражаются на другом, привлекая повышенное внимание аналитиков.
С появлением на рынке новых участников мировая финансовая система значительно усложнилась, как усложнились и процессы, происходящие в ней. Речь идет о развивающихся странах, которые продолжают расти и оказывают большое влияние на экономику планеты.
Целью данного исследования является оценка взаимосвязи между ценой на нефть, валютным курсом и фондовым рынком именно в развивающихся странах
* Статья подготовлена по материалам журнала «Финансовая аналитика: проблемы и решения». 2012. № 41 (131).
за период с 2000 по 2011 г. В качестве переменных используются показатели: цена на нефть, объем добычи нефти, индекс развивающихся стран, индекс глобальной реальной экономической активности, тор-гово-взвешенный индекс доллара США, ТED-спред.
Последний параметр представляет собой разницу между трехмесячной ставкой Libor1 и процентной ставкой по казначейским векселям. TED-спред часто используют для изучения ситуации на кредитном рынке. Его увеличение означает, что в экономике начинается спад, доходность по «безрисковым» ценным бумагам (так часто называют казначейские векселя) падает, а недоверие между банками возрастает (НЬог).
1 ЫЪог - средневзвешенная процентная ставка по межбанковским кредитам, предоставляемым банками, выступающими на Лондонском межбанковском рынке с предложением средств в разных валютах и на разные сроки.
Предполагается разная степень влияния переменных в зависимости от рассматриваемых периодов.
Для достижения поставленной цели рассчитывается корреляция, временные ряды анализируются визуально, строятся автокорреляционная и частная автокорреляционная функции временного ряда для определения типа стационарности, и устанавливаются причинно-следственные связи между переменными.
Данная работа может быть интересна инвесторам, осуществляющим вложения в экономику развивающихся стран.
Обзор литературы. В настоящее время растет число опубликованных исследований о взаимосвязи между ценами на нефть и на акции. Большинство исследований сосредоточено на опыте развитых странах.
Chen, Roll и Ross (1986) [10, с. 383-403] были из числа первых исследователей, кто начал систематически изучать влияние макроэкономических факторов на доходность акций. Эти авторы обнаружили, что процентные ставки, темпы инфляции и спреды доходности облигаций зависят друг от друга, но доказательств того, что цена на нефть как-то влияет на фондовый рынок, не нашли.
Hamao (1989) [14] применил их подход к японскому фондовому рынку, но также не доказал зависимости.
Jones и Kaul (1996) [18, с. 463-491] использовали квартальные данные для проверки зависимости международных фондовых рынков (Канада, Япония, Великобритания и США) и цены на нефть. С помощью модели векторной регрессии они обнаружили, что взаимосвязь является обратной, и особенно сильно она проявляется на рынках Канады и США. Рынки Японии и Соединенного Королевства реагируют не так активно.
Sadorsky (1999) [23, с. 449-469; 24, с. 707-717] моделью VAR оценивает связь между ценой на нефть и изменениями реальной доходности акций в США. В своем анализе он приходит к выводу, что изменения цен на нефть играют важную роль в формировании доходности акций. Резкие колебания цен имеют асимметричное воздействие на экономику. В частности, положительный рост цен оказывает более сильное влияние на доходность акций и экономическую деятельность, чем отрицательный.
Faff и Brailsford (1999) [11, с. 69-87] исследовали чувствительность различных отраслей австралийского фондового рынка к ценам на нефть. Их анализ осуществлялся с помощью ежемесячных данных за период с 1983 по 1996 г. Авторы считают, что нефтя-
ная и газовая отрасль изменяются прямо пропорционально друг другу, в то время как в транспортной отрасли наблюдается отрицательная зависимость.
Apergis и Miller (2009) [6, с. 569-575], используя модель SVAR, проанализировали зависимость между структурными изменениями нефтяного рынка и ценой на акции в развитых странах (Австралия, Канада, Франция, Германия, Италия, Япония, Великобритания, США). Эти авторы считают, что потрясения на рынке нефти не оказывают существенного влияния на цены акций в исследуемых странах.
Papapetrou (2001) [21, с. 511-532] использовал многомерную модель векторной авторегрессии для изучения динамического взаимодействия между ценами на нефть, на акции, процентной ставкой и реальной экономической деятельностью в Греции. Его эмпирические результаты показывают, что изменения цен на нефть влияют на экономику и занятость населения.
Hammoudeh и Eleisa (2004) [15, с. 37-62; 16, с. 250-269] изучили взаимосвязь между ценами на нефть и на акции пяти стран (Бахрейн, Кувейт, Оман, Саудовская Аравия и Объединенные Арабские Эмираты) в Персидском заливе. В результате пришли к выводу, что только фондовый рынок Саудовской Аравии имеет двунаправленную связь между ценами на нефть и на акции.
В отличие от развитых стран относительно мало изучены связи между ценой на нефть и ценами на развивающихся фондовых рынках.
Подходы к определению внешних факторов (ВВП, курс доллара США, отношение курсов евро/доллар, сальдо движения капитала, мировая цена на нефть марки Brent), влияющих на развитие фондового рынка России, рассматривает Е. А. Федорова (2010) [1, с. 27-34; 3, с. 78-83]. В работе была использована эконометрическая модель EGARCH. Полученные результаты показали, что имеется сильная зависимость динамики индекса российской биржи ММВБ в первую очередь от цены на нефть и курса американского доллара.
Basher (2006) [7, с. 224-251], используя модель CAPM, изучил зависимость между ценой на нефть и развивающимся фондовым рынком на примере стран БРИК (Бразилии, России, Индии, Китая) и пришел к выводу, что наиболее сильно реагируют фондовые рынки России и Бразилии. Обратный эффект наблюдается в Индии и Китае, что возможно объяснить сильным влиянием этих стран на международную экономику (в частности на энергоносители).
Аспекты анализа финансовой интеграции фондовых рынков в период мирового финансового кризиса с помощью модели VAR рассматривает
Федорова Е. А.(2010) [4, с. 187-195] на примере фондовых рынков шести стран (РФ, США, Германия, Великобритания, Япония, Китай). В результате проведенных исследований выявлено, что процессы экономической интеграции, развивающиеся в последнее время ускоренными темпами, оказывают существенное влияние на мировые фондовые рынки.
Таким образом, литературы по взаимному влиянию цен на нефть и развивающихся фондовых рынков не так много. В то же время развивающиеся страны являются сильными игроками на международном рынке. С 1990 по 2010 г. реальный ВВП в Китае вырос на 10 %. При этих темпах роста экономики развивающихся стран ВВП будет удваиваться каждые семь лет. Для сравнения: в странах ОЭСР (Организации европейского экономического сотрудничества) ВВП вырос за этот же период на 2,5 % [12, с. 576-593].
В докладе департамента ООН по экономическим и социальным делам на 2012 г. говорится, что в развивающихся странах, несмотря на разразившийся в Еврозоне кризис, ВВП продолжит свой рост. Одновременно повышается спрос на энергоносители, поэтому в качестве переменной в исследовании выбрана именно цена на нефть. По оценкам ОПЕК, в мировом балансе энергопотребления она занимает более одной трети, опережая по своим объемам уголь и газ [20, с. 27-40].
Хотя в перспективе доля нефти в общем объеме первичных энергоносителей будет сокращаться, в абсолютном выражении ее потребление (как и остальных источников энергии) будет только возрастать. Связано это прежде всего с огромным спросом на ресурсы со стороны активно развивающихся экономик.
К примеру, Китай превосходит показатели Японии и является второй по величине страной -потребителем нефти. Индия занимает четвертое место. Достижения научно-технического прогресса в совокупности с дешевой рабочей силой обусловили стремительный рост производства в этих странах в конце прошлого столетия, а приток иностранного капитала поддержал начавшийся переход к рыночной экономике.
Международное энергетическое агентство предсказывает, что с 2008 по 2030 г. среднегодовой темп роста потребления нефти в Китае и Индии будет составлять 3,5 % (по сравнению с 1,0 %-ным мировым среднегодовым темпом роста) [19, с. 78-121].
Идею о том, что существует взаимосвязь между ценой на нефть и колебаниями валютных курсов, также рассматривали Bloomberg и Hariss (1995)
[9, с. 21-38]. Используя модель VAR, они пришли к выводу, что американский доллар ослабевает по отношению к другим валютам при прочих равных условиях. Это связано с тем, что международные покупатели готовы платить больше долларов США за нефть.
В то же время Rotemberg (1990) [22] считает, что именно курс американского доллара в значительной мере влияет на мировые нефтяные цены в долгосрочной перспективе. В краткосрочной же этот эффект ограничен.
В своей статье Е. А. Федорова (2012) [2] анализирует взаимосвязь цены на нефть и валютного курса в период кризисного состояния российского фондового рынка с помощью модели Markov Switching GARCH (MS GARCH), которая служит для изучения зависимости между величинами с возможностью прогнозирования и переключения режимов. В итоге получены выводы о том, что такая зависимость является обратно пропорциональной.
Необходимость рассмотрения взаимосвязи между ценой на нефть и валютным курсом обусловлена тем, что нельзя не учитывать факта: некоторые развивающиеся экономики, такие как Китай и Индия, накапливают большие запасы в иностранной валюте (в основном доллары США), и это делает их сильными игроками на мировых финансовых рынках. По некоторым оценкам, на декабрь 2009 г. геологические запасы Китая оценивались в долларах и золоте в 2,206 трлн. Управление такой суммой денег и защита сбережений означают, что Китай будет иметь большее влияние на мировые рынки капитала [8, с. 869-902].
На валютном рынке существует несколько валют, которые достаточно сильно могут повлиять на нефтяные цены, поэтому в данной работе используется торгово-взвешенный индекс доллара США, который представляет собой средневзвешенное значение курса американской валюты к семи валютам развитых стран (евро, канадский доллар, японская иена, британский фунт, швейцарский франк, австралийский доллар и шведская крона).
Исследуя зависимость между процентными ставками и ценой на нефть, авторы не пришли к однозначному выводу.
Hamilton и Herrera (2004) [13, с. 265-286; 17, с. 107-137], используя модель VAR, пришли к выводу, что корреляция между ценой на нефть и процентными ставками существует. Иногда они связаны между собой, иногда сильно влияют друг на друга, иногда зависимость сводится к минимуму. Авторы считают, что рост процентных ставок увеличивает расходы потребителей, в связи с этим
снижается спрос на продукты переработки нефти (бензин), что в дальнейшем приводит к снижению цен на нефть. Таким образом, существует обратная зависимость между этими факторами.
Akram в 2009 г. [5, с. 838-851] разработал противоположную теорию. Цена на нефть прямо пропорционально зависит от процентных ставок. Это связано с таким явлением, как инфляция, которая обесценивает реальную стоимость финансовых инвестиций (акции и облигации). Центральные банки могут реагировать на инфляционное влияние с помощью повышения процентных ставок. Инвесторы в данной ситуации предпочитают вкладывать в реальные активы, что в итоге приводит к повышению цены на нефть. Таким образом, нет однозначного мнения о зависимости между процентными ставками и нефтяной ценой.
Для анализа зависимости между ценой на нефть, валютным рынком и курсом ценных бумаг на развивающемся рынке были отобраны переменные (табл. 1).
В работе используются ежемесячные значения переменных с января 2000 г. по декабрь 2011 г. Для анализа доступны 144 наблюдения по каждому ряду. Данные поделены на три части по значимости:
- первый период - до кризиса (январь 2000 - август 2008 г.);
- второй период - кризис (сентябрь 2008 - август 2009 г.);
- третий период - посткризисное время (сентябрь 2009 - декабрь 2011 г.).
Началом кризиса в данной классификации является месяц, когда инвестиционный банк Lehman Brothers официально объявил о своем банкротстве и началась первая совместная интервенция центральных банков ведущих стран мира.
Методология исследования. На первом этапе проводится корреляционный анализ с целью измерения тесноты связи между переменными. В качестве характеристики степени тесноты связи используется парный коэффициент корреляции. Он позволяет измерить степень тесноты статистической связи между парой переменных без учета опосредованного или совместного влияния других показателей и вычисляется только по результатам наблюдений анализируемой пары.
На следующем этапе временные ряды проверяются на стационарность. Данный этап обязателен при дальнейшем применении эконометрических методов (каузальном анализе).
В работе для определения стационарности были построены графики (коррелограммы) автокорреляционной и частной автокорреляционной функций для временных рядов. Полученные для всех
Таблица 1
Условные обозначения показателей
Показатель Условное обозначение
Цена на нефть ROP
Мировая добыча нефти OS
Торгово-взвешенный индекс доллара США TWE
Индекс реальной глобальной GREA
экономической активности
TED-спред TED
Индекс развивающихся стран EM
временных рядов результаты были подтверждены тестами на наличие единичных корней (расширенный тест Дики - Фуллера, ADF).
В заключение проводится каузальный анализ (причинный тест Грейнджера), позволяющий определить динамику взаимодействия - направление причинно-следственных связей между изучаемыми показателями.
Результаты исследования. Первым шагом исследования был корреляционный анализ. В табл. 2 представлены корреляционные матрицы для всех трех периодов. Положительное значение коэффициента корреляции свидетельствует о возрастающем характере парной связи факторов, а отрицательное -об убывающем.
Как показывает анализ данных табл. 2, в период кризиса индекс развивающихся стран EM тесно коррелирует с индексом глобальной реальной экономической активности GREA, ценой на нефть ROP и торгово-взвешенным индексом американского доллара TWE. Интересным является то, что между этими показателями до кризиса и после него связь достаточно слабая (за исключением цены на нефть: после кризиса взаимосвязь усилилась).
Например, коэффициент корреляции между индексом развивающихся стран и индексом глобальной экономической активности до кризиса был близок к нулю. Это значит, что связь отсутствовала.
Однако во время кризиса коэффициент увеличился до 0,77, а после кризиса переменные стали двигаться в разных направлениях, о чем свидетельствует отрицательное значение коэффициента корреляции, и связь резко уменьшилась до 0,33.
Примерно такая же ситуация наблюдается между индексом развивающихся стран и торгово-взвешенным индексом доллара США.
Высокие коэффициенты корреляции могут быть обусловлены не только тесной связью исследуемых величин, но и присутствием третьей переменной, которая оказывает сильное влияние на первые две, или наличием повышающего тренда, что и служит причиной высокой коррелированности.
Таблица 2
Корреляционная матрица переменных
EM GREA OS ROP TED TWE
Первый период
EM 1,000000 0,045499 0,244123 -0,100328 -0,371428 -0,076646
GREA 0,045499 1,000000 0,645148 0,547092 0,217459 -0,753668
OS 0,244123 0,645148 1,000000 0,766105 0,405469 -0,895980
ROP -0,100328 0,547092 0,766105 1,000000 0,738598 -0,845343
TED -0,371428 0,217459 0,405469 0,738598 1,000000 -0,532666
TWE -0,076646 -0,753668 -0,895980 -0,845343 -0,532666 1,000000
Второй период
EM 1,000000 0,778482 -0,186611 0,615028 -0,463050 -0,890798
GREA 0,778482 1,000000 -0,244215 0,602543 -0,334186 -0,673113
OS -0,186611 -0,244215 1,000000 0,337550 0,765869 0,025679
ROP 0,615028 0,602543 0,337550 1,000000 0,302460 -0,733565
TED -0,463050 -0,334186 0,765869 0,302460 1,000000 0,229265
TWE -0,890798 -0,673113 0,025679 -0,733565 0,229265 1,000000
Третий период
EM 1,000000 -0,339846 0,095303 0,640277 -0,612829 -0,539444
GREA -0,339846 1,000000 -0,064031 -0,576566 0,115342 0,473183
OS 0,095303 -0,064031 1,000000 0,202547 -0,118722 0,084266
ROP 0,640277 -0,576566 0,202547 1,000000 -0,083879 -0,704562
TED -0,612829 0,115342 -0,118722 -0,083879 1,000000 0,100122
TWE -0,539444 0,473183 0,084266 -0,704562 0,100122 1,000000
Подтвердить или опровергнуть данный факт помогут дальнейшие исследования.
Рассмотрим графики переменных за все периоды (рис. 1).
Можно заметить, что в динамике каждого показателя прослеживаются периоды, характеризующиеся наличием тренда. Индекс развивающихся стран ЕМ в первом периоде стабильно повышается, при этом траектория тренда визуально совпадает с графиком цены на нефть ROP. В то же время торгово-взвешенный индекс американского доллара TWE и цена на нефть ROP движутся в разных направлениях.
В терминах эконометрики это означает, что мы рассматриваем нестационарные временные ряды. В них нет никакого абсолютного постоянства, математическое ожидание и стандартное отклонение в этом случае статистически плохо прогнозируемы и непостоянно изменяются.
Следующим шагом является подтверждение данного заключения с помощью эконометрических методов. Одним из таких методов является построение автокорреляционной (коррелограммы) и частной автокорреляционной функций временного ряда.
Возьмем для примера индекс развивающихся рынков в докризисный период (рис. 2). Коррелог-рамма стационарного временного ряда «быстро убывает» с ростом к после нескольких первых значений. Если же график убывает достаточно медленно, то есть основания предположить нестацио-
нарность ряда. График частной автокорреляционной функции также должен быстро убывать.
Как видно из рис. 2, исследуемый ряд EM не является стационарным.
Последующие расчеты показывают, что для всех временных рядов и временных интервалов, относящихся к различным состояниям экономики (докризисный, кризисный и посткризисный периоды), получаются идентичные результаты.
В заключение проверки временных рядов на стационарность был проведен расширенный тест Дики - Фуллера - ADF на наличие единичных корней (табл. 3). При проведении теста использовалось автоматическое определение величины лага на основании информационного критерия Шварца (Schwarz information criterion, SIC) с ограничением максимальной величины лага до 12.
Как показывает табл. 3, все значения статистики Дики - Фуллера превышают критическое значение статистики на 5 %-ном уровне значимости, на основании чего можно сделать вывод о нестационарности временных рядов. Таким образом, выводы, полученные в результате визуального анализа, полностью подтвердились.
Заключительным этапом в исследовании является проведение причинного теста Грейнджера (Granger causality). Максимальное число лагов берется равным шести. Большее число лагов не имеет экономического смысла. Исследуются индекс развивающихся стран EM, цена на нефть ROP, мировая добыча нефти OS,
ЕМ
GREA
15
Ю
5
-5
-10
I ..... I I i . г
ID01G2G30405Ü6Ü7ÜSÜ9 10 11
OS
ROP
76,000
74,000 -
72,000
70,000 -
08,000
63,000
00 01 02 03 04 05 03 07 0009 10 11
Ol 01 02 03 04 05 06 G7 OS 09 10 11
TED
M
00 01 02 03 04 05 06 07 08 09 10 11
00 01 02 03 04 05 06 07 03 09 10 11
Примечание: Для более наглядной демонстрации все графики поделены на три периода.
Рис. 1. Компьютерное отображение графиков переменных за период с января 2000 по декабрь 2011 г.
Результаты проведения расширенного теста Дики - Фуллера
Таблица 3
Переменная Значение статистики Дики - Фуллера
Докризисный период Кризисный период Посткризисный период
ROP 2,410437 0,833172 0,782810
OS 1,019924 -0,183612 1,059720
TWE -1,212908 -0,072031 -0,175913
GREA -1,260307 -0,987676 -1,424543
TED -0,232165 -1,276774 0,045536
EM -0,930572 -0,000353 -0,147804
Критическое значение статистики -1,943974 -1,977738 -1,953858
на 5 %-ном уровне значимости
Autocorrelation Partial Correlation АС РАС Q-Stat Prob
0 832 0.832 74.130 0.000
1 1 1 1 1
2
1 1 1 □ 0 747 0.175 134.36 0.000
1 1 1 1 3 0 664 0.021 182.55 0.000
1 1 1 [ 1 4 0 581 -0.034 219.77 0.000
1 1 1 [ 1 5 0 496 -0.056 247.1 1 0.000
1 1 1 1 6 0 415 -0.043 266.48 0.000
1 =1 1 1 7 0 344 -0.020 279.92 0.000
1 Z1 1 [ 1 8 0 276 -0.028 288.66 0.000
1 □ 1 [ 1 9 0 209 -0.039 293.75 0.000
1 Ц| 1 [ 1 10 0 145 -0.044 296.22 0.000
1 ] 1 1 1 1 11 0 081 -0.052 297.00 0.000
1 1 1 [ 1 12 0 015 -0.069 297.03 0.000
| [ 1 |[ 1 13 -0 067 -0.122 297.57 0.000
с 1 1 1 1 14 -0 141 -0.082 300.00 0.000
с 1 1 [ 1 15 -0 216 -о.оэо 305.76 0.000
с 1 1 =1 16 -0 152 0.393 308.64 0.000
1С 1 1 1 1 17 -0 163 -0.042 311.99 0.000
с 1 1 [ 1 18 -0 170 -0.060 315.71 0.000
1С 1 1 1 1 19 -0 166 -0.033 319.30 0.000
1С 1 1 [ 1 20 -0 169 -0.056 323.03 0.000
с 1 1 1 21 -0 168 -0.013 326.77 0.000
с 1 1 1 22 -0 173 -0.022 330.78 0.000
с 1 1 1 23 -0 175 -0.018 334.95 0.000
с 1 1 1 24 -0 174 -0.009 339.1 2 0.000
с 1 1 1 25 -0 173 -0.018 343.32 0.000
с 1 1 [ 1 26 -0 177 -0.059 347.75 0.000
с 1 1 [ 1 27 -0 187 -0.105 352.73 0.000
с 1 1 [ 1 28 -0 177 -0.040 357.27 0.000
с 1 1 [ 1 29 -0 183 -0.044 362.1 8 0.000
с 1 1 1 1 30 -0 181 0.029 367.04 0.000
1С 1 1 □ 31 -0 171 0.234 371.45 0.000
с 1 |[ 1 32 -0 171 -0.128 375.93 0.000
1С 1 1 1 1 33 -0 167 -0.059 380.26 0.000
с 1 1 [ 1 34 -0 166 -0.034 384.58 0.000
с 1 1 1 35 -0 156 -0.023 388.46 0.000
1С 1 1 [ 1 36 -0 157 -0.028 392.46 0.000
Рис. 2. Компьютерное отображение автокорреляционной (АС) и частной автокорреляционной (РАС) функций переменной ЕМ
торгово-взвешенный индекс американского доллара TWE, индекс реальной глобальной экономической активности GREA, TED-спред TED. Для расчетов использовалась программа Eviews. Оценивалось влияние каждой переменной по всем трем периодам. Выводы по результатам приведены в табл. 4.
Проведя визуальный, корреляционный и каузальный анализ, можно сделать следующие выводы.
До кризиса ситуация была относительно стабильной на всех рынках. Индекс развивающихся стран демонстрировал устойчивый рост наряду с индексом глобальной экономической активности, добычей нефти и ценой на нефть. Исключением стал торгово-взвешенный индекс доллара США, который в феврале 2002 г. достиг своего исторического максимума и стал снижаться.
Проведенный тест Грейнджера показал причинно-следственную взаимосвязь между переменными. Так, цена на нефть оказывает влияние на индекс развивающихся стран в течение всего первого периода и продолжает данную тенденцию в кризисный период. Это вполне объяснимо высокой потребностью развивающихся стран в энергетических ресурсах. Рост цен на нефть замедляет экономическую активность на развивающихся рынках.
Анализируя ситуацию на валютном рынке до кризиса, можно отметить сильное влияние торго-во-взвешенного индекса доллара США на добычу нефти в течение 6 мес. Корреляция в первом периоде составила 0,89. Интересным является тот факт, что в ходе кризиса и после него связь между этими переменными не наблюдается. Скорей всего, это объясняется тем, что на протяжении 10 лет про-
Таблица 4
Интерпретация результатов тест Грейнджера
m = 2 m = 3 m = 4 m = 5 m = 6
Первый период
GREA нет связи EM GREA нет связи EM GREA нет связи EM GREA нет связи EM GREA нет связи EM
OS нет связи EM OS нет связи EM OS нет связи EM OS нет связи EM OS нет связи EM
ROP ^ EM ROP ^ EM ROP ^ EM ROP ^ EM ROP ^ EM
TED нет связи EM TED нет связи EM EM ^ TED EM ^ TED EM ^ TED
TWE нет связи EM TWE нет связи EM TWE нет связи EM TWE нет связи EM TWE нет связи EM
OS нет связи GREA OS нет связи GREA OS нет связи GREA GREA ^ OS GREA ^ OS
ROP нет связи GREA ROP нет связи GREA ROP нет связи GREA ROP нет связи GREA ROP нет связи GREA
TED нет связи GREA TED нет связи GREA TED нет связи GREA TED нет связи GREA TED нет связи GREA
TWE ^ GREA TWE ^ GREA TWE ^ GREA TWE ^ GREA TWE нет связи GREA
ROP нет связи OS ROP нет связи OS ROP нет связи OS ROP нет связи OS ROP нет связи OS
TED нет связи OS TED нет связи OS TED нет связи OS TED нет связи OS TED нет связи OS
TWE ^ OS TWE ^ OS TWE ^ OS TWE ^ OS TWE ^ OS
ROP ^ TED ROP нет связи TED TED ^ ROP TED ^ ROP TED ^ ROP
TWE нет связи ROP TWE нет связи ROP TWE нет связи ROP TWE нет связи ROP TWE нет связи ROP
TWE нет связи TED TWE нет связи TED TWE нет связи TED TWE нет связи TED TWE нет связи TED
Окончание табл. 4
m = 2 m = 3 m = 4 m = 5 m = 6
Первый период
GREA нет связи EM GREA нет связи EM GREA нет связи EM GREA нет связи EM GREA нет связи EM
Второй период
m = 2 m = 3
GREA нет связи EM GREA нет связи EM
EM ^ OS EM ^ OS
ROP ^ EM ROP ^ EM
TED нет связи EM TED нет связи EM
TWE нет связи EM TWE ^ EM
OS нет связи GREA OS нет связи GREA
ROP нет связи GREA ROP нет связи GREA
TED нет связи GREA TED нет связи GREA
TWE нет связи GREA GREA ^ TWE
ROP нет связи OS ROP нет связи OS
TED нет связи OS TED нет связи OS
TWE нет связи OS TWE нет связи OS
ROP нет связи TED ROP нет связи TED
TWE нет связи ROP TWE нет связи ROP
TWE ^ TED TWE нет связи TED
Третий период
m = 2 m = 3 m = 4 m = 5 m = 6
GREA нет связи EM GREA нет связи EM GREA нет связи EM GREA нет связи EM GREA нет связи EM
OS нет связи EM OS нет связи EM OS нет связи EM OS нет связи EM OS нет связи EM
ROP нет связи EM ROP нет связи EM ROP нет связи EM ROP нет связи EM ROP нет связи EM
TED нет связи EM TED нет связи EM TED нет связи EM TED нет связи EM TED нет связи EM
TWE нет связи EM EM ^ TWE TWE нет связи EM TWE нет связи EM TWE нет связи EM
OS нет связи GREA GREA ^ OS OS нет связи GREA OS нет связи GREA OS нет связи GREA
ROP нет связи GREA ROP нет связи GREA ROP нет связи GREA ROP нет связи GREA ROP нет связи GREA
TED нет связи GREA TED нет связи GREA TED нет связи GREA TED нет связи GREA TED нет связи GREA
TWE нет связи GREA TWE нет связи GREA TWE нет связи GREA TWE нет связи GREA TWE нет связи GREA
ROP нет связи OS ROP нет связи OS ROP нет связи OS ROP нет связи OS ROP нет связи OS
TED нет связи OS TED нет связи OS TED нет связи OS TED нет связи OS TED нет связи OS
TWE нет связи OS TWE нет связи OS TWE нет связи OS TWE нет связи OS TWE нет связи OS
ROP нет связи TED ROP нет связи TED ROP нет связи TED ROP нет связи TED ROP нет связи TED
TWE нет связи ROP TWE нет связи ROP TWE нет связи ROP TWE нет связи ROP TWE нет связи ROP
TWE нет связи TED TWE нет связи TED TWE нет связи TED TWE нет связи TED TED ^ TWE
исходило снижение торгово-взвешенного индекса доллара США, желание компаний компенсировать убытки, связанные с ослаблением доллара, привело к увеличению добычи нефти и ее продажи.
В самый разгар кризиса торгово-взвешенный индекс доллара США стал заметно расти. Усиление американской валюты вызвало панику на рынке, что отразилось уже через два месяца на процентных ставках. В свою очередь, непредвиденное увеличение ТЕБ-спреда является индикатором потенциального спада рынка. Ликвидность изымается, что вызывает еще более сильное стремление инвесторов вкладывать средства в доллары США, тем самым замедляя инвестиционную деятельность на растущих рынках.
Многие развивающиеся страны в некоторой степени привязали свои национальные валюты к
доллару. Таким образом, можно говорить еще об одной возможной причине влияния торгово-взвешен-ного доллара США на индекс развивающихся стран. Укрепление доллара было вызвано ужесточением денежно-кредитной политики США. Центральные банки развивающихся стран стали проводить аналогичные ужесточения монетарной политики для поддержания фиксированного соотношения между американским долларом и их национальной валютой, что в результате и спровоцировало резкое падение индекса развивающихся стран уже через три месяца в пору кризиса.
Проведенный анализ также показал, что индекс глобальной реальной экономической активности влияет на добычу нефти до кризиса и после него с разницей в 5 и 3 мес. соответственно. Это может
быть связано с открытием новых месторождений нефти, более совершенных технологий добычи. Отметим, что в кризисный период коэффициент корреляции составил всего 0,24, а тест Грейнджера показал, что связи между этими переменными нет, что объяснимо отсутствием интенсивного роста и развития на рынке нефти за этот период.
Заключение. Проведя исследование, удалось получить более полное представление о динамических отношениях между ценой на нефть, фондовым рынком развивающихся стран и валютным рынком. Это важно, поскольку эти страны за последние десять лет включают в себя большую часть мирового ВВП, и такая тенденция продолжается. Названные страны имеют наиболее быстро растущие экономики, и сочетание роста и этих масштабов, вероятно, будет влиять на валютные рынки и нефтяные цены.
Расчеты показали, что в то время как рост цены на нефть активно влияет на индекс развивающихся стран, имеет место воздействие самого этого индекса на добычу нефти в кризисный период. Данный результат важен в контексте мировых рынков нефти и глобальной экономической активности. Потребление нефти в большинстве развитых стран минимальное, в развивающихся странах ситуация противоположная. Быстрый экономический рост в дальнейшем будет оказывать сильное ценовое давление на нефтяной рынок, что, несомненно, скажется на мировых валютах.
Можно также отметить, что зависимость между рассматриваемыми переменными постоянно меняется в зависимости от экономической ситуации в мире. Но неизменным остается тот факт, что рынок нефти, валютный и фондовый рынки развивающихся стран тесно коррелируют. И эта взаимосвязь в дальнейшем будет усиливаться.
Список литературы
1. Федорова Е. А. Методологические аспекты оценки зависимости валютных и фондовых рынков в условиях кризиса // Финансы и кредит. 2010. № 35.
2. Федорова Е.А., Ершова И. А., Шаповалова В. А., Черепенникова Ю. Г. Прогнозирование кризисных состояний российского финансового рынка с помощью анализа взаимосвязи цены на нефть и валютного курса // Финансовая аналитика: проблемы и решения. 2012. № 31.
3. Федорова Е.А., Панкратов К. А. Влияние макроэкономических факторов на фондовый рынок России // Проблемы прогнозирования. 2010. № 2.
4. 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.
5. Akram Q. Commodity prices, interest rates and the dollar // Energy Economics. 2009. № 31 (6).
6. Apergis Nicholas and Miller Stephen M. Do structural oil-market shocks affect stock prices? // Energy Economics. 2009. № 31 (4).
7. Basher S. A. andSadorskyP. Oil price risk and emerging stock markets // Global Finance Journal. 2006. № 17.
8. Bernanke B. S., Mihov I. Measuring Monetary Policy // The Quarterly Journal of Economics. 1998. № 113 (3).
9. Bloomberg S. B. and Harris E. S. The commodity-consumer price connection: Fact or fable? Federal Reserve Board of New York // Economic Policy Review. 1995.
10. ChenN.-F., RollR. andRossS. A. Economic forces and the stock market // Journal of Business. 1986. № 59.
11. Faff R. W. and Brailsford T. J. Oil price risk and the Australian stock market // Journal of Energy Finance and Development. 1999. № 4.
12. Golub S. Oil prices and exchange rates // Economic Journal. 1983. № 93.
13. Hamilton J. D. and Herrera A.M. Oil shocks and aggregate macroeconomic behavior: the role of monetary policy // Journal of Money, Credit and Banking. 2004. № 36 (2).
14. Hamao Y. Fundamentals and Stock Returns in Japan // Working Paper Series Center on Japanese Economy and Business. Columbia University, 1990.
15. Hammoudeh S. and Aleisa E. Relationship between spot/futures price of crude oil and equity indices for oil-producing economies and oil-related industries // Arab Economic Journal. 2002. № 11.
16. Hammoudeh S. and Eleisa L. Dynamic relationships among GCC stock markets and NYMEX oil futures // Contemporary Economic Policy. 2004.
17. Herrera A.M. and Pesavento E. Oil price shocks, systematic monetary polic, and the «Great Moderation» // Macroeconomic Dynamics. 2009. № 13.
18. Jones C. M., Kaul G. Oil and the Stock Markets // Journal of Finance. 1996. № 51 (2).
19. Kilian L. A comparison of the effects of exogenous oil sucpply shocks on output and inflation in the G7 countries // Journal of the European Economic Association. 2008. № 6 (1).
20. Maghyereh A. Oil price shocks and emerging stock markets: A generalized VAR ac. roach // International Journal of Aclied Econometrics and Quantitative Studies. 2004. № 1 (2).
21. Papapetrou E. Oil price shocks, stock markets, economic activity and employment in Greece // Energy Economics. 2001. № 23.
22. Rotemberg J. The Excess Co-Movement of Commodity Prices // The Economic Journal. 1990. № 100 (403).
23. Sadorsky P. Oil price shocks and stock market activity. // Energy Economics. 1999. № 21.
24. Sadorsky P. Stock markets and energy prices // Encyclopedia of Energy. 2004. № 5.
