Выявление факторов, влияющих на волатильность фондового рынка, с помощью коинтеграционного подхода Текст научной статьи по специальности «Экономика и бизнес»

ВЫЯВЛЕНИЕ ФАКТОРОВ, ВЛИЯЮЩИХ НА ВОЛАТИЛЬНОСТЬ ФОНДОВОГО РЫНКА, С ПОМОЩЬЮ КОИНТЕГРАЦИОННОГО ПОДХОДА

Е. А. ФЁДОРОВА,

кандидат экономических наук, доцент кафедры финансового менеджмента E-mail: [email protected] Всероссийский заочный финансово-экономический институт

Ю. Н. НАЗАРОВА,

экономист ООО «Информгаз» E-mail: [email protected]

В работе разрабатывается и предлагается для практического использования модель, позволяющая оценить влияние различных внешних и внутренних факторов на волатильность фондового рынка Российской Федерации. Выбранная эконометрическая модель была построена на основе коинтеграционного подхода. Проведенное в статье исследование позволяет утверждать, что критерии, имеющие общую долговременную тенденцию с индексом РТС, могут использоваться в качестве индикаторов кризисной ситуации российского фондового рынка.

Ключевые слова: волатильность, фондовый, индекс, рынок, финансовый, капитализация, коинтеграция.

Индикатором состояния национального финансового рынка является изменение фондового индекса. В данной работе мы предлагаем подход для моделирования влияния широкого спектра внешних и внутренних макроэкономических факторов на волатильность российского фондового индекса.

Изучение волатильности является актуальным в период фондового кризиса. Ник Блум, профессор экономики из Стэнфорда, на основании изучения американской экономики за последние 60 лет и основных кризисов считает, что лучшим показателем неопределенности экономики является волатильность фондового рынка. По его расчетам, увеличение показателя волатильности в два раза приводит к падению ВВП на 1,5 %. Перед нынешним кризисом волатильность американского фондового рынка увеличилась более чем вдвое.

Понятие процессов волатильности фондового рынка имеет ряд основ. Во-первых, эмпирически

доказано, что существует негативная связь между волатильностью и ростом экономики [13], волатильность фондового рынка является основным признаком изменения благосостояния экономики, что относится также и к развивающимся рынкам [12]. Во-вторых, в ряде работ, посвященных изучению проблем волатильности на недавно созданных фондовых рынках1, доказывается, что рост волатильности является показателем кризисных ситуаций в экономике.

Следующий блокработпосвящен исследованию взаимовлияния волатильности фондового рынка и финансовой интеграции, где основное внимание фокусируется на выявлении зависимости между ними. Авторы этих работ отмечают [8], что не существует фундаментальной экономической теории, объясняющей зависимость между волатильностью фондового рынка и экономической интеграцией, данная гипотеза проверялась только эмпирически.

С другой стороны, некоторые авторы считают, что в связи с увеличением количества связей между фондовыми рынками волатильность имеет тенденцию к уменьшению.

Несколько недавних исследований показывают, что можно использовать стохастическую динамическую модель экономического цикла [10], которая учитывает монетарные шоки в экономике и их вли-

1 Prasad, Rogoff, Wei, and Kose (2003) provide a review of this literature and report that developing countries can get large welfare gains from international risk-sharing. Pallage and Robe (2003) report that welfare gains associated with consumption smoothing are quite large in several African countries.

яние на волатильность. Для развивающихся рынков негативные шоки имеют гораздо большее значение, потому что данные страны не имеют ярко выраженной диверсификации международной торговли.

Цель нашей статьи состоит в выявлении факторов, влияющих на волатильность фондового рынка. Они могут быть индикаторами изменения волатильности и, как следствие, индикаторами кризисных ситуаций в экономике.

Для исследования выбран период с 1 января 2004 г. по 30 сентября 2008 г. Для расчета статистической волатильности использовано значение индекса РТС на момент закрытия и вычисляем коэффициент вариации индекса за месяц в рамках вышеуказанного периода.

По большинству количественных показателей емкости российский фондовый рынок занимает место во второй пятерке развивающихся стран. По ряду качественных показателей он вышел в лидеры среди развивающихся рынков. Вместе с тем по многим другим качественным показателям (ликвидность рынка, дивидендная доходность, количество торгуемых компаний и т. д.) сохраняется значительное отставание от ведущих развивающихся рынков и тем более — от развитых рынков. Российский фондовый рынок демонстрирует основные отличительные черты, присущие большинству развивающихся рынков. Рассмотрим особенности формирования и функционирования фондового рынка России.

1. Отсутствие нормального и симметричного распределения цен и доходности ценных бумаг. Как показывают многочисленные эмпирические исследования, развивающиеся рынки в отличие от развитых не характеризуются нормальным и симметричным распределением стоимости ценных бумаг. На нихдоминируют асимметрия и эксцесс, величины которых для нормального и симметричного распределения должны быть равны нулю.

Таблица 1

Характеристики индексов фондовых рынков, 2000—2007 гг.

Страна Асимметрия Эксцесс

Развивающиесярынки

Россия 1,50 1,60

Бразилия 0,95 1,11

Китай 2,50 6,05

Развитыерынки

США -0,03 0,73

Япония 0,11 1,50

Великобритания -0,26 1,16

Германия -0,30 1,29

Франция 0,06 1,23

Источник: официальные сайты национальных фондовых бирж, расчеты авторов.

Правосторонняя асимметрия распределения фондового рынка России означает, что дисперсия и стандартное отклонение цен и доходностей акций и облигаций завышают риск по сравнению с ожидаемыми значениями. В случае левосторонней скошенности (в большей степени свойственной развитым рынкам) риск оказывается заниженным.

Подобная особенность может быть объяснена тем, что инвесторы российского развивающегося рынка предпочитают асимметричные вложения в связи с убыванием абсолютной несклонности к риску. Агенты развивающихся рынков более склонны к риску, чем участники развитых рынков. Это и понятно: фондовый рынок России как экономическое явление еще не получил должного развития, и наиболее осторожные инвесторы пока обходят его стороной, в отличие от развитых рынков, участниками которых являются практически все жители страны.

2. Небольшая капитализация фондового рынка. Экономический смысл данного показателя заключается в соизмерении размеров национального рынка акций и экономики. Данные табл. 2 свидетельствуют, что российский фондовый рынок отстает от развитых стран по уровню капиталоемкости ВВП. Однако отставание это с течением времени преодолевается. Видно, что за период с 2004 по 2007 г. отношение капитализации к ВВП России выросло в 2,5 раза.

Анализ динамики темпов прироста капиталоемкости ВВП России показывает, что отечественный рынок — один из наименее плавно развивающихся рынков. Вообще за период 1996—2008 гг. отмечалось два резких скачка в темпах прироста капиталоемкости ВВП и два менее существенных. Дважды был превышен уровень темпов прироста капиталоемкости ВВП в 200 %: в 1997 г. он составил

Таблица 2

Отношение капитализации национальных фондовых рынков к ВВП в 2004—2007г., %

Страна 2004 2005 2006 2007

Россия 40 34 84 99

Бразилия 50 54 67 104

Китай 23 18 43 138

США 140 137 148 144

Великобритания 131 137 160 141

Германия 44 44 57 64

Япония 80 104 108 102

Канада 119 131 134 165

Источник: информация Всемирной федерации бирж (World Federation of Exchanges, WFE) о капитализации рынков акций отдельных бирж и Международного валютного фонда (International Monetary Fond, IMF) о размерах номинального ВВП, расчеты авторов.

220 %, в 1999г. — 363 %, что повлекло последующее снижение значений показателя и согласуется с сокращением темпов прироста ВВП в течение 1998 и 2001гг. соответственно. Менее высокие скачки темпов прироста капиталоемкости в 2001 г. до 67 % и в 2005 г. до 60 % также согласуются как с последующим снижением значений самого показателя, так и со снижением темпов прироста ВВП в те же годы.

3. Высокая волатильность рынка. Любые операции на фондовом рынке всегда содержат определенный элемент риска. В самом общем случае под риском понимают вероятность отклонения развития событий на фондовом рынке от ожидаемого под действием различных факторов. В более узком смысле под риском понимают неоднозначную определенность получения дохода или иных результатов деятельности на рынке ценных бумаг.

Расчет показателя волатильности российского рынка ценных бумаг представлен в табл. 3. По представленным данным, очевидно, что волатильность российского рынка чрезвычайно высока: коэффициент вариации, характеризующий уровень волатильности рынка за 2004—2008гг., равен 45,02%.

Высокая волатильность динамики российских фондовых индексов отражает значительные системные риски нашей экономики, в первую очередь непоследовательность в области политики, недостаточную эффективность и непредсказуемость действий регуляторов экономики.

Таким образом, для российского рынка характерна весомая спекулятивная составляющая в трендовой динамике акций и биржевых индексов [1]. Это проявляется в том, что участники рынка остро и активно реагируют на события, которые по фундаментальным и техническим показателям не относятся к числу реально значимых. Они не могут

Таблица 3

Волатильность фондовых рынков в 2004—2008 гг.

Страна Коэффициент вариации, % Динамика фондовых индексов

2004 2007 2007/2004,%

Россия 45,02 583,48 2 283,33 391,33

Бразилия 38,48 25 579,11 63 458,44 248,09

США 10,04 10 680,02 13413,77 125,60

Япония 17,40 11 086,35 15 520,05 139,99

Великобритания 12,77 4 750,87 6 435,72 135,46

Германия 23,69 4 219,65 7 956,56 188,56

Франция 16,25 3 796,43 5 618,62 148,00

Источник: официальные сайты национальных фондовых бирж, расчеты авторов.

быть причиной продолжительных ценовых изменений, а способны оказывать резкое и краткосрочное воздействие на цены финансовых инструментов, после чего они возвращаются к первоначальным значениям.

Многие вопросы, относящиеся к исследуемой теме, получили (по отдельности) довольно широкое освещение в зарубежной научной мысли.

На фондовый рынок каждой страны оказывают влияние финансовая глобализация и либерализация других стран, тогда как уровень интернациональной финансовой интеграции зависит от эффективности макроэкономической политики в отношении курса валют.

Согласно современной финансовой теории преимущества от интернациональной диверсификации будут более значимыми, если существует корреляция между фондовыми рынками развивающихся стран и инвестор может применять стратегию уменьшения риска посредством диверсификации.

Например, в работе Манесколда [11] демонстрируются преимущества интернациональной диверсификации, однако автор показывает более высокий уровень независимости между вновь образованными рынками и рынками развитых стран, которые существуют в течение долгого времени.

В свою очередь, Джилмор и Манус [6] указывают, что расхождения в уровнях интеграции можно объяснить посредством различий во временных периодах, использовании разных методов исследований или разным уровнем либерализации монетарной политики, ослаблением контроля государства за рынками капитала, товаров и услуг. Инвесторы находятся в поиске рынков с большим уровнем прибыльности и поэтому их интересы обращаются в сторону развивающихся рынков, хотя эмпирические исследования показывают смешанные результаты касательно преимуществ подобных инвестиций, замеченные Манесколдом [11].

Как отмечает Сеабра [14], развивающиеся фондовые рынки обладают чаще всего слабой степенью эффективности, высоким уровнем доходов по облигациям и не являются интегрированными в мировой финансовый рынок. Другие авторы, которые изучали развивающиеся фондовые рынки, с помощью использования моделей ценообразования на рынке ценных бумаг, (Бекарт, Харвей [3] и Хорашек [9]) обнаружили, что такие фондовые рынки больше интегрируют с недавно образованными фондовыми рынками, чем с развитыми рынками.

Даррат [5], анализируя интеграцию развивающихся рынков на Ближнем Востоке, выявил, что рынки разделены в глобальном аспекте, но высоко интегрированы внутри региона. Манес-колд [11] обнаружил коинтеграцию по индексам в долгосрочном периоде между фондовыми рынками США, Турции и Египта, он также эмпирически подтвердил зависимость между рынками в краткосрочном периоде для Турции и США, и для Египта в особые периоды времени. Интеграция между США и главными африканскими рынками является слабой, однако после кризиса 1997г. связь между индийским и азиатскими рынками усилилась, как отметили Бханг и Ванг [4].

Отдельные авторы рассматривают интеграцию и потенциальную диверсификацию без использования фондового рынка США как меры измерения коинтеграции исследуемых рынков в глобальный финансовый рынок. Например, Хатеми [7] анализирует интеграцию между шведским фондовым рынком и рынками Германии и Франции до и после вступления в Европейский Союз (ЕС). Результаты исследования показывают, что после вступления в ЕС интеграция финансовых рынков усиливается.

Рассмотрим методологические подходы. Анализ макроэкономических эмпирических данных почти всегда сталкивается с проблемой нестационарных временных рядов или рядов, имеющих тренд. Примером таких рядов являются ВВП, денежная масса, уровень цен, биржевые показатели и т. д. Но даже после исключения тренда ряд может оставаться нестационарным. Для работы с такими данными необходимо использовать разности и другие преобразования (например, поправку на сезонные колебания), чтобы добиться их стационарности и воспользоваться известным математическим аппаратом.

Общий недостаток методов исключения тенденции заключается в том, что эти методы предполагают некоторую модификацию модели вследствие либо замены переменных, либо добавления в модель фактора времени. Однако в ряде случаев наличие в одном из временных рядов тенденции может быть именно следствием именно того факта, что другой ряд, включенный в модель, тоже содержит тенденцию, а не просто является результатом прочих случайных величин. Поэтому одинаковая или противоположная направленность тенденций рядов может иметь устойчивый характер и наблюдаться на протяжении длительного промежутка времени, а коэффициент корреляции, рассчитанный по уровням временных рядов, может

соответственно не содержать ложной корреляции и характеризовать истинную причинно-следственную связь между ними.

В 1970-е гг. эти предположения были положены в основу новой теории о коинтеграции временных рядов. Под коинтеграцией понимается причинно-следственная зависимость в уровнях двух или более рядов временных рядов, которая выражается в совпадении или противоположной направленности их тенденций и случайной колеблемости [2].

Коинтеграция значительно упрощает процедуры и методы, используемые в целях анализа, поскольку в этом случае можно получать результаты, применяя в качестве исходных данных непосредственно уровни изучаемых рядов, учитывая тем самым информацию, содержащуюся в исходных данных, в полном объеме.

В основе понятия коинтеграции лежит предположение о том, что в некоторых случаях отсутствие стационарности у многомерного процесса вызывается общим стохастическим трендом, который может быть устранен путем взятия определенной линейной комбинации компонент процесса, в результате чего эта линейная комбинация будет стационарной. В результате такая комбинация позволяет бороться с ложной регрессией2 и связывать причинно-следственной связью нестационарные показатели изучаемых объектов.

Коинтеграцию можно интерпретировать в прикладном анализе с позиции теории макроэкономики. Как отмечалось выше, многие экономические показатели имеют нестационарный характер. Однако в макроэкономике существует много устойчивых соотношений, куда в качестве факторных признаков входят нестационарные ряды. Устойчивый характер этих соотношений говорит об их стационарности. Таким образом, коинтеграция отображает математическую формулировку наблюдаемой устойчивости, а также представляет собой инструмент, который позволяет проверять выдвигаемые макроэкономические гипотезы, а в случае принятия такой гипотезы — определить ее количественную оценку.

Рассмотрим схему анализа, проводимого на основе теории коинтеграции. Сначала проверяется, присутствует ли на самом деле коинтеграция в исследуемых данных, т. е. выполняются ли основные предположения о теории интегрированности,

2 Ситуация, в которой привычные показатели адекватности регрессионной модели (коэффициент детерминации, ¿-статистика, ^-статистика) указывают на наличие связи там, где ее на самом деле нет.

для чего ряды тестируются на наличие единичных корней.

Анализ на интегрированность проводится на основе теста Дики-Фуллера (DF-тест), где в качестве нулевой гипотезы выступает гипотеза о наличии единичного корня. После установления порядка интегрированности при условии его однородности у всех рядов с помощью метода Йохансена проверяется гипотеза о ранге коинтеграционного пространства (на основе trace-статистики), для чего строится система векторных авторегрессионных уравнений (VAR).

Выявление ранга коинтеграции является одним из ключевых моментов в построении ЕСМ-модели коррекции ошибок по наблюдаемым статистическим данным. Один из возможных путей решения задачи был предложен Йохонсеном (Johancen, 1994). В этом подходе при формализации соответствующего решения используется из математической статистики критерий отношения правдоподобия для двух различных гипотез.

В качестве исходной (нулевой) гипотезы выступает гипотеза Н0: г=г*, ав качестве альтернативной— гипотеза На: г = г* +1, где г — ранг коинтеграции. Проблема заключается в том, что заранее обычно неизвестно, на какое значение г следует рассчитывать. В таком случае возникает целое множество альтернативных пар гипотез, при проверке которых можно получить несогласующиеся результаты.

Йохонсен предложил последовательную процедуру проверки гипотез, с помощью которых можно получить состоятельную оценку истинного ранга коинтеграции. При этом критические значения статистик отношения правдоподобия зависят не только от г* и N (количества коинтеграционных векторов). Они зависят также оттого, включается ли константа и (или) тренд в коинтеграционное соотношение (CE-cointegrating equation). В связи с этим при каждом значении r-ранга коинтеграции можно рассмотреть следующие пять ситуаций:

— Н2(г): в данных нет детерминированных трендов, в СЕ не включаются ни константа, ни тренд;

— Hj* (г): в данных нет детерминированных трендов, в СЕ включается константа, но не включается тренд;

— Hj(r): в данных есть детерминированный линейный тренд, в СЕ включается константа, но не включается тренд;

— Н*(г): в данных есть детерминированный линейный тренд, в СЕ включаются константа и линейный тренд;

— Н (г): в данных есть детерминированный квадратичный тренд, в СЕ включаются константа и линейный тренд.

Для выбора лучшей модели используется критерий Шварца и Акаике по всем вариантам. Наилучшая модель выбирается по минимуму значения Акаике или критерия Шварца. Впрочем, практика показывает, что более следует доверять критерию Шварца, так как анализ смоделированных данных по критерию Акаике часто приводит к результатам, совершенно не соответствующим процессу порождения данных.

На последнем этапе анализа находятся ко-интеграционные векторы путем максимизации функции правдоподобия.

Анализ коинтеграции позволяет выявить существование долгосрочной зависимости между переменными. В нашем случае в качестве переменных используются индекс фондового рынка России и система внутренних и внешних экономических факторов.

На основе изложенного алгоритма проверим коинтегрированность выбранных переменных. Расчеты проводились авторами в пакете Eviews, 6-я версия.

В качестве факторов, которые могут влиять на волатильность российского фондового рынка, были выбраны следующие факторы:

— уровень безработицы в РФ (BEZRF);

— индекс бразильского фондового рынка (BOVESPA);

— мировые цены на нефть марки Brent (BRENT);

— индекс германского фондового рынка DAX40 (DAX);

— динамика объема привлеченных банковских вкладов (DEPOZ);

— динамика реальных доходов населения (DRD);

— динамика мировых цен на золото (London Fix РМ) (GOLD);

— динамика инвестиций в основной капитал РФ (INV);

— индекс потребительских цен РФ (IPC);

— индекс промышленного производства РФ

(IPP);

— индекс реального эффективного курса рубля к иностранным валютам (IRKR);

— объемденежной массы М2 (М2);

— объявленные ставки по размещению кредитов MIBOR со сроком кредита один день (MIBOR);

— остатки средств на корреспондентских счетах кредитных организаций в Банке России (08ТАТ);

— ставкарефинансирования РФ (ЯЕЕКи);

— международные резервы РФ (КЕ/ЕКУ);

— динамика индекса 8&Р500, США (8Р500);

— сальдо торгового баланса России (ТОЯОКЕ);

— уровень монетизации экономики (иМЕ);

— доходность государственных ценных бумаг США со сроком погашения пять лет (и8ТЯ).

Результаты проверки системы переменных на наличие единичных корней приводятся в табл. 4. Переменные, для которых полученная ¿-статистика меньше критического на уровнях 1 % и 5 %, являются интегрированными I (1) процессами.

Таким образом, по результатам АОЕ-теста в дальнейшее исследование не включены следующие переменные: уровень безработицы, объем привлеченных депозитов, динамика реальных денежных доходов, уровень потребительских цен, индекс промышленного производства, индекс реального эффективного курса рубля, ставки по межбанковским кредитам.

Суммарный тест проверки временных рядов на наличие коинтеграции с индексом РТС показал отсутствие коинтеграционных векторов со следующими показателями: фондовые индексы США, Германии, Бразилии, мировые цены на нефть, золото, доходность американских гособлигаций. Это может

быть объяснено отсутствием долгосрочной общей тенденции между данными факторами и динамикой индекса РТС. Как мы видим, данные факторы включены нами в модель в качестве индикаторов внешней инвестиционной среды. Таким образом, получается, что внешние факторы оказывают значимое влияние на индекс РТС в краткосрочной перспективе, но не в долгосрочной.

Суммарный тест проверки рядов для каждого из возможных вариантов, указанных в первой строке, при всех возможных рангах коинтеграции представлен в табл. 5. Тут приведены:

— значения Zmax w (максимум логарифма функции правдоподобия, соответствующего определенному варианту);

— значение информационного критерия Ака-ике (AIC-Akaike Information Criteria), соответствующего определенному варианту;

— значение информационного критерия Шварца (Schwarz Criteria), соответствующего определенному варианту.

Выявленная коинтегрированность переменных означает, что они имеют единый долговременный стохастический тренд, следовательно, данные показатели являются взаимосвязанными. Ориентируясь на критерий Шварца, наилучшей следует признать модель Нх (3): в данных есть детерминированный линейный тренд. Ранг коинтеграции равен трем.

Таблица 4

Проверка переменных на наличие единичных корней с помощью расширенного теста Дики — Фуллера

Переменная Статистика критерия Критическое значение, уровень 1 % Критическое значение, уровень 5 % Критическое значение, уровень 10 %

RTS -1,336710 -3,5523 -2,9146 -2,5947

BrZRF -2,955047 -3,5523 -2,9146 -2,5947

BOVFSPA -1,123397 -3,5523 -2,9146 -2,5947

BRENT -1,639360 -3,5523 -2,9146 -2,5947

DAX -1,280983 -3,5523 -2,9146 -2,5947

DFPOZ -5,456488 -3,5523 -2,9146 -2,5947

DRD —4,659744 -3,5523 -2,9146 -2,5947

GOrD -0,469569 -3,5523 -2,9146 -2,5947

INV -2,109529 -3,5523 -2,9146 -2,5947

IPC -3,993328 -3,5523 -2,9146 -2,5947

IPP -4,238043 -3,5523 -2,9146 -2,5947

IRKR -2,960828 -3,5523 -2,9146 -2,5947

M2 -0,061569 -3,5523 -2,9146 -2,5947

MIBOR -4,346363 -3,5523 -2,9146 -2,5947

OSTAT -1,416439 -3,5523 -2,9146 -2,5947

RFFRU -1,553038 -3,5523 -2,9146 -2,5947

RFZFRV -0,315662 -3,5523 -2,9146 -2,5947

SP500 -1,308659 -3,5523 -2,9146 -2,5947

TORGRF -1,763693 -3,5523 -2,9146 -2,5947

UMF -1,146576 -3,5523 -2,9146 -2,5947

USTR -1,333003 -3,5523 -2,9146 -2,5947

Примечание: расчеты проводятся для логарифмов уровней, исследуемых временньгх рядов.

и аллЯмра&гКие 3 (168) -2010

Таблица 5

Результаты теста Йохансена на коинтеграцию рядов

Вариант Отсутствует детерминированный тренд, в уравнение не включается ни тренд, ни константа Отсутствует детерминированный тренд, в уравнение не включается тренд, константа включается В данных есть детерминированный линейный тренд, в уравнение включается константа, но не включается тренд В данных есть детерминированный линейный тренд, в уравнение включаются константа и тренд В данных есть детерминированный квадратичный тренд, в уравнение включаются константа и тренд

Максимум логарифма функции правдоподобия, соответствующего определенному варианту

ШУ 682,9751 686,6978 703,3802 703,4094 707,3235

М2 710,2390 714,0527 729,5754 733,3934 737,1741

08Т 730,7815 735,0479 747,4912 751,8679 755,6484

БЕГ 746,8734 751,4073 761,0011 768,8906 772,6694

ягггяу 758,2524 763,8667 768,2230 780,2627 783,8999

тояс 765,0496 770,9199 774,4222 787,0605 790,2159

имг 769,7800 775,8291 778,7440 792,4645 795,4846

Критерий Акаике

ШУ -22,33596 -22,40191 -22,74820 -22,81431 -22,73360

М2 -22,50115 -22,54720 -22,81786 -22,86792 -22,82358

08Т -22,33645 -22,35879 -22,40811 -22,66410 -22,68727

БЕГ -22,00180 -21,99709 -22,05172 -22,29311 -22,33512

ягггяу -21,59200 -21,55742 -21,62706 -21,87143 -21,94490

тояс -21,02394 -21,08332 -21,08332 -21,36779 -21,36779

Критерий Шварца

ШУ -18,96480 -18,96480 -18,99978 -18,99978 -18,56010

М2 -19,00661 -19,06912 -19,16573 -19,09393 -18,72624

08Т -18,83226 -18,82521 -18,95251 -18,94563 -18,64594

БЕГ -18,41349 -18,35005 -18,43823 -18,37880 -18,15197

ягггяу -17,83288 -17,70630 -17,76373 -17,75917 -17,60514

тояс -17,08089 -16,92074 -16,86057 -16,93408 -16,84775

имг -16,16229 -15,93859 -15,92023 -15,94264 -15,91166

Процесс получения оценки ранга коинтег-рации в ситуации, соответствующей третьему столбцу, для переменной инвестиции в основной капитал, расшифровываеттабл. 6.

Из табл. 6 можно уяснять, что наблюдаемое значение статистики намного меньше критического значения, в результате чего гипотеза при г> 3 не отвергается, и оцененное значение ранга коинтег-рации принимается равным трем, что соответствует истинному положению вещей.

Коинтегрированность переменных означает, что они имеют единый стохастический тренд, следовательно, данные показатели являются взаимосвязанными.

На следующем этапе проведем тест Гренжера — Козалити, чтобы проследить направленность влияния переменных на индекс РТС.

Проанализируем полученные результаты. На основании теста Гренжера — Козалити мы можем сделать выводы о наличии взаимовлияния между фондовым индексом РТС и следующими показателями:

1) уровень монетизации экономики. Следовательно, динамика денежного агрегата, взвешенного по уровню ВВП, оказывает влияние на российский индекс и может быть учтен при принятии решения об инвестировании;

2) уровень остатков на банковских корсчетах. Учитывая коинтеграцию данного фактора с индек-

Таблица 6

Оценка параметров вектора коинтеграции

Гипотезы Значения Хп, используемые в критерии отношения правдоподобия Наблюдаемые значения статистики Критическое значение, уровень 5 %

Отсутствует коинтеграционный 0,735978 226,0668 156,00

вектор

г больше 1 0,614245 152,8220 124,24

г больше 2 0,478728 100,4317 94,15

г больше 3 0,388151 64,60007 68,52

Таблица 7

Результаты теста Гренжера — Козалити

Нулевая гипотеза Количество наблюдений /-статистика Вероятность

TORGRF не зависит от RTSI 57 3,84573 0,02796

RTSI не зависит от TORGRF 6,22998 0,00384

иМЕ не зависит от RTSI 57 0,26841 0,76569

RTSI независит от ИМЕ 5,26601 0,00841

REFRU не зависит от RTSI 57 3,45881 0,03918

RTSI не зависит от REFRU 3,10557 0,05354

08ТАТ не зависит от RTSI 57 0,02896 0,97147

RTSI не зависит от 08ТАТ 6,19608 0,00394

М2 не зависит от RTSI 57 0,22928 0,79594

RTSI не зависит от М2 2,54175 0,08886

1№У не зависит от RTSI 57 0,05102 0,95030

RTSI не зависит от 1№У 4,04476 0,02354

REZERV не зависит от RTSI 57 0,08377 0,91977

RTSI не зависит от REZERV 2,56256 0,08720

сом РТС, можно констатировать, что во временных рядах динамики РТС и остатков на корсчетах существует общая тенденция. Ее не следует игнорировать, так как коинтеграция характеризует

Список литературы

долговременный тренд. Следовательно, этот фактор следует учитывать при долгосрочном планировании и прогнозировании динамики индекса РТС;

3) денежный агрегат М2. Существование в уровнях временных рядов общей долгосрочной тенденции свидетельствует о значимости данного показателя при анализе состояния российского фондового рынка;

4) инвестиции в основной капитал. Обнаруженный коинтеграционный вектор между инвестициями и индексом РТС позволяет нам утверждать, что данный фактор является значимым как при краткосрочном, так и при долгосрочном моделировании;

5) показатель международных резервов РФ. Изначально мы предполагали, что данный показатель может быть значимым при моделировании индекса РТС. Анализ временных рядов на основе теории коинтеграции позволил установить наличие общей долгосрочной тенденции в динамике индекса РТС и показателя международных резервов.

Таким образом, проведенное исследование позволяет утверждать, что критерии, выявленные с помощью метода, основанного на теории коинтеграции, имеют общую долговременную тенденцию с индексом РТС и могут использоваться в качестве индикаторов кризисной ситуации российского фондового рынка.

1. Максимов В. А., Некрасова И. В. Прогнозирование доходности инвестиций на фондовом рынке // Экономика и ма-тематическиеметоды. 2001. № 1.

2. Эконометрика: учебник / И. И. Елисеева, С. В. Курышева, Т. В. Костеева и др.: под ред. И. И. Елисеевой. 2-е изд., перераб. идоп. М.: Финансы и статистика, 2008. с. 447.

3. В. Bekaert G. and G. В. Harvey. 1995. «Time-Varying World Market Integration». Journal ofFinance 50, no. 2 (June): 403—444.

4. Bhang, S. 2003. «The Response of the Indian Stock Market to the Movement of Asia's Emerging Markets: From Isolation Toward Integration». Global Economic Review 32, no. 2 (June): 43—58.

5. Darrat, A. F.; K. Elkhal; and S. R. Hakim. 2000. On the Integration of Emerging Stock Markets in the Middle East». Journal of Economic Development25, no. 2 (December): 119—129.

6. Gilmore C. G. and G. M. McManus. 2002. «International Portfolio Diversification: U. S. and Central European Equity Markets». Emerging Markets Review 3, no. 1 (March): 69—83.

7. Hatemi J.A., P. -O. Maneschi Id and E. Rocca. 2005. «Is the Swedish Stock Market Becoming More Integrated with Those of Germany and France?». Working Paper, University of Sk vde, Sweden.

8. Kim S. H.«Dynamics ofbusiness Cycle in development country», Review of development economics.

9. Korajczyk R. A. 1996. «А Measure of Stock Market Integration for Developed and Emerging Markets». World Bank Economic Review 10, no. 2 (May): 267-289.

10. Kose and Yi (2003) discuss the implications of trade integration on the dynamics ofbusiness cycles, Lane (2001) and Sarno (2001) provide surveys of the rapidly growing research program that employs sticky-price models.

11. Maneschi Id P. -O. 2005. «International Diversification Benefits Between U. S., Turkish, and Egyptian Stock Markets». Review ofMiddle East Economics and Finance 3, no. 2 (August): 115—133.

12. Prasad, Rogoff, Wei and Kose (2003) examine various dimensions of international financial integration. See Edison, Klein, Ricci, and Slok (2002) for a survey about the effects of financial integration on growth.

13. Ramey Gand V.A. Ramey, 1995 «Gross-Country Evedence on the link BettweenVolatility and Growth», American Economic Review, Vol. 85, pp. 1138-51.

14. Seabra F. 2001. «А Cointegration Analysis Between Mercosur and International Stock Markets». Applied Economics Letters 8, no. 7 (July).