CC BY
186Методы анализа Methods ofanutysis
УДК 330.43
взаимосвязь валютного и фондового рынков: эмпирический анализ на примере российского рынка
interconnection currency and stock markets:
empirical analysis on example of russian market
Елена Анатольевна ФЕДОРОВА,
доктор экономических наук, профессор кафедры финансового менеджмента, Финансовый университет при Правительстве Российской Федерации E-mail: ecolena@mail.ru
В статье рассмотрены теоретические аспекты взаимозависимости валютного и фондового рынков. Проведено эмпирическое исследование оценки влияния TED-спрэда и торгово-взвешенного индекса доллара США на движение российского фондового рынка.
Ключевые слова: фондовый рынок РФ, валютный рынок, коинтеграционный анализ, причинно-следственная связь Гоэнджера, торгово-взвешенный индекс доллара США.
В настоящее время растет число опубликованных исследований о влиянии различных внешних факторов на национальные фондовые рынки. Важным фактором влияния на фондовые рынки является валютный рынок. Валютный рынок - это совокупность валютных пар, котировки которых находятся в постоянном движении. На нем, как известно, денежные единицы различных стран - это и товар, и средство платежа. На фондовом рынке акции и различные производные инструменты про-
Elena A. FEDOROVA,
Doctor of Economic Sciences, Professor of the Department of financial management, Financial University under the Government of the Russian Federation E-mail: ecolena@mail.ru
In the article theoretical aspects of interdependence of currency and stock markets are considered. Empirical research of an assessment of influence of TED spread and the trade weighed index of US dollar on movement of the Russian stock market by means of econometric modeling is presented.
Keywords: Russian stock market, currency market, co-integration analysis, Granger test, trade-weighted U. S. dollar index stock market of Russia.
даются и покупаются за валюту. В этом свете трудно отрицать наличие взаимосвязи между валютным и фондовым рынками.
Однако наличие или отсутствие связи между фондовым и валютным рынками является предметом научной дискуссии. Авторы работы [5] изучали влияние курса доллара на доходность акций компаний развивающихся стран за 1993-2000 гг. Используя коинтеграционный анализ, они пришли к выводу, что между курсом доллара и доходностью
16
ЭКОНОМИЧЕСКИЙ АНАЛИЗ: ШВОРНЯ -и ЪРЛКЮехА
акций существует сильная отрицательная связь, поэтому фирмам необходимо хеджировать валютные риски. В свою очередь Ч. Х. Лин [11] проанализировал взаимосвязь между курсом доллара и развивающимися фондовыми рынками (Индия, Индонезия, Корея, Филиппины, Тайвань и Таиланд) с 1997 по 2010 г. Расчеты показали, что на протяжении всего рассматриваемого периода наблюдалась отрицательная корреляция между изучаемыми переменными. В 2008 г. подобная тенденция усилилась, несмотря на действия национальных центральных банков. По мнению автора, это было связано со значительными запасами долларовых активов у развивающихся стран.
Однако не все авторы согласны с тем, что валютный рынок может воздействовать на прибыль компаний и влиять на национальный фондовый рынок. Так, Э. Бартов и Г. М. Боднар [7] опубликовали эмпирические исследования о взаимосвязи курса доллара США и доходности акций развивающихся компаний, часть из которых вовлечена в международную деятельность. Используя модель VAR и функцию импульсных откликов, авторы пришли к выводу, что валютный курс не оказывает значительного влияния на доходность акции независимо от ее принадлежности к международной деятельности. А небольшие скачки связаны, скорее всего, со спекулятивной деятельностью трейдеров.
Например, К. Домингес и Л. Тесар [9] изучали выборку 287 фирм из восьми стран: Чили, Франции, Германии, Италии, Японии, Нидерландов, Таиланда и Великобритании за 1980-2005 гг. Используя причинно-следственный тест Грейнджера и коин-теграционный анализ, авторы пришли к выводу, что только 5 % из всей совокупности фирм зависят от изменений курса доллара США, из них большая часть относится к развитым фирмам-экспортерам. Одно из возможных объяснений состоит в том, что корпорации широко используют валютные производные инструменты и другие инструменты хеджирования, чтобы защитить себя от неожиданных изменений валютных курсов. В своей работе [12] Р. Уильямсон анализировал влияние курса доллара США, японской иены, немецкой марки и британского фунта на транснациональные корпорации с 1973 по 1995 г. Корреляционный анализ показал, что самое сильное влияние на компании оказывали курсы доллара США и немецкой марки, в то время как влияние японской иены и немецкой марки (даже на национальные филиалы) не столь значительно.
В статье [2] анализируется 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 были получены выводы о том, что такая зависимость является обратно пропорциональной.
Необходимость рассмотрения взаимосвязей между развивающимися фондовыми рынками и валютным курсом обусловлена тем, что нельзя не учитывать следующего факта: некоторые развивающиеся экономики, такие как Китай и Индия, накапливают большие запасы в иностранной валюте (в основном в долларах США), и это делает их сильными игроками на мировых финансовых рынках. По некоторым оценкам, на декабрь 2009 г. запасы Китая оценивались в долларах и золоте в 2,206 трлн. Управление такой суммой и защита сбережений означают, что Китай будет иметь большее влияние на мировые рынки капитала, в том числе и на фондовые рынки.
Влияние процентных ставок на валютный рынок осуществляется по причине финансовой интеграции стран: чем выше процентная ставка по депозитам в стране, тем больше желающих будет приобрести данную валюту. Другими словами, высокие процентные ставки делают валюту любой страны привлекательной в качестве инструмента инвестирования, а значит, спрос на нее на международном валютном рынке повышается, и курс этой валюты растет. Большинство ученых придерживаются данной теории, но есть те, кто доказал обратное.
Профессор Ш.-Ш. Чен [8] исследовал зависимость между процентной ставкой и валютным курсом шести развивающихся стран: Индонезии, Южной Кореи, Филиппин, Таиланда, Мексики и Турции с 01.03.1997 по 30.08.2002, используя для своих расчетов модель GARCH. Автор пришел к выводу, что повышение номинальных процентных ставок не приводит к изменению валютного курса, поэтому инвесторам не рекомендуется делать прогнозы о движении валюты, основываясь на денежно-кредитной политике.
Следует отметить, что интерес вызывают не только сами значения процентных ставок, но и их разность. Например, TED-спрэд в последнее время набирает популярность среди инвесторов.
ЭКОНОМИЧЕСКИЙ АНАЛИЗ: жеорпя ъ ЪР^тжгсх*
17
Это разница между трехмесячной ставкой Libor и процентной ставкой по казначейским векселям. Libor - средневзвешенная процентная ставка по межбанковским кредитам, предоставляемым банками, выступающими на Лондонском межбанковском рынке с предложением средств в разных валютах и на разные сроки. Изучать ситуацию на кредитном рынке позволяет TED-спрэд. 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).
Можно выдвинуть следующие гипотезы о вероятном векторе воздействия макроэкономических факторов на российский фондовый рынок. По предположению автора, обратная связь должна наблюдаться с такими показателями, как TED-спрэд, торгово-взвешенный индекс доллара (TWI). Причем связь должна в период кризиса усиливаться. Проведение комплексного анализа с использованием различных эконометрических методов (корреляционный анализ, каузальный анализ, построение модели VAR и ее оценка функцией импульсных откликов, а также коинтеграционный анализ) позволит подтвердить или опровергнуть данные гипотезы.
В авторском исследовании рассмотрен эконо-метрический инструментарий, который позволяет комплексно оценить влияние макроэкономических факторов на фондовый рынок РФ. Все расчеты произведены в программном продукте Eviews 7.0. Для расчетов использовались ежемесячные данные с января 2000 г. по октябрь 2012 г.
Первый этап исследования - корреляционный анализ. Корреляционные матрицы для двух периодов представлены в табл. 1. Отрицательное значение коэффициента корреляции свидетельствует об убывающем характере парной связи факторов, положительное - о возрастающем. Если значение находится ближе к 1, то это означает наличие сильной связи, а если ближе к 0 - слабой.
Подводя итоги корреляционного анализа, можно отметить, что часть выдвинутых гипотез на данном этапе работы подтвердилась: в относительно стабильном периоде наблюдается обратная зависимость с торгово-взвешенным индексом доллара США. В кризисный период расчеты лучше подтверждают выдвинутые гипотезы. Практически все факторы оказывают то или иное влияние на российский фондовый рынок. Подтвердились результаты Фарука Акрама [4], который изучал влияние процентных
Таблица 1
Корреляционная матрица логарифмов
переменная RTsI, общий период rtsi, кризисный период
TWI -0,916528 -0,865357
TED 0,472615 -0,693248
ставок на фондовые индексы развивающихся стран, в том числе через нефтяной канал, и пришел к выводу, что в кризис наблюдается обратная зависимость. Это связано с инфляцией, которая обесценивает реальную стоимость финансовых инвестиций, в результате инвесторы начинают активно вкладываться в реальные активы (например, нефть), тем самым повышая их цену, что в дальнейшем благоприятно сказывается на фондовых рынках.
Следует помнить, что корреляционный анализ показывает степень тесноты взаимосвязи, но не показывает причинно-следственных зависимостей, равно как и не отрицает наличия третьей переменной, вызывающей ложную корреляцию. Поэтому следующим шагом в работе является проведение причинно-следственного теста Грейнджера. Но прежде чем его проводить, необходимо убедиться, что все рассматриваемые временные ряды одинаковой стационарности. Был проведен расширенный тест Дики - Фуллера - ADF на наличие единичных корней. При проведении теста использовалось автоматическое определение величины лага на основании информационного критерия Шварца (Schwarz information criterion, SIC) с ограничением максимальной величины лага до 12. 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. Учитывая, что все ряды являются нестационарными, можно приступать к каузальному анализу.
Интерпретации тестов Грейнджера с точки зрения направления причинно-следственных связей показаны в табл. 2.
Как показывает анализ данных, представленных в табл. 2, гипотезы о влиянии факторов на индекс РТС подтвердились и корреляционным анализом, и каузальным. К этим факторам относятся торгово-взвешенный индекс доллара США, TED-спрэд и индекс VIX. Во всех случаях связь была односторонней и достаточно длительной. Ситуация в кризисный период практически не изменилась.
18
ЭКОНОМИЧЕСКИЙ АНАЛИЗ: жеот>ЪЯ -и ЪРЛКЮехА
Таблица 2
интерпретация результатов теста Грейнджера для относительно стабильного периода
Показатель Длина лага
m = 2 m = 3 m = 4 m = 5 m = 6
Индекс РТС и TED-спрэд RTSI нет связи TED RTSI нет связи TED RTSI нет связи TED RTSI ^ TED RTSI ^ TED
Индекс РТС и торгово- RTSI ^ TWI RTSI ^ TWI RTSI ^ TWI RTSI ^ TWI RTSI ^ TWI
взвешенный индекс доллара
Таблица 3
Выбор максимального лага в модели векторной авторегрессии для относительно стабильного периода
Информационный Максимальный лаг
критерий 2 3 4 5 6
AIC -42,9769 -43,13651 -43,1529 -44,4277 -48,4759
SC -35,2092 -31,56955 -27,7394 -25,1196 -25,2239
Многие авторы (например, авторы работ [1, 4, 6]) отмечали, что влияние развитых стран чаще всего осуществляется не напрямую, а через валютные и нефтяные рынки. И особенно сильно это проявляется в кризисное время.
Результаты авторского исследования подтверждают это. В относительно стабильный период связь не показывают ни корреляционный анализ, ни каузальный. В кризис наблюдаются только высокие коэффициенты корреляции (обусловленные влиянием цены на нефть и торгово-взвешенного индекса доллара США), прямой же взаимосвязи нет.
Далее проведем анализ с помощью VAR (Value-at-Risk). В изученной литературе нет определенного формального метода выбора порядка VAR-модели. Общая рекомендация сводится к итерационному алгоритму выбора наиболее качественной модели, начиная с максимально разумного лага.
Оценка производилась с помощью информационных критериев Акаике (Akaike information criterion -AIC) и Шварца (Schwarz information criterion - SC) (табл. 3). Критерии Акаике и Шварца являются попыткой свести в один показатель два требования: уменьшения числа параметров модели и повышения ее качества. Из двух моделей
1,5
1-
0,5
-0,5-
-1 -
-1,5
следует выбрать модель с наименьшим значением А1С и SC.
Согласно информационному критерию Шварца для относительно стабильного периода наилучшие статистические качества имеет модель с количеством лагов, равным двум. Критерий Акаике при этом не позволяет сделать однозначных выводов о статистических качествах модели с увеличением количества лагов.
Кроме того, в пользу уменьшения длины лага до двух говорят проверки матричных коэффициентов на выполнение условий стационарности модели. В качестве примера на рис. 1 представлены графики корней обратного характеристического полинома лагового оператора, позволяющего судить о стационарности полученной модели. Для стационарной модели инверсные корни полинома не должны выходить за единичную окружность.
1,5
0,5
-0,5
-1
-1,5
-1,5
-0,5
0,5
1,5
-1,5
-1
-0,5
0
б
0,5
1,5
Рис. 1. Графики инверсных корней полинома: а - для длины лага, равного двум; б - для длины лага, равного шести
ЭКОНОМИЧЕСКИЙ АНАЛИЗ: Ж£ОРКЯ it ЪР^тжгсх*
19
0
0,03 0,020,010
-0,01-0,02-0,03-0,04-0,05
0,03 0,020,010
-0,01 --0,02-0,03 -0,04-| -0,05 •
рис. 2.Функция импульсных откликов на примере ТБО-спрэда: а - для относительно стабильного периода; б - для кризисного периода
Для модели с максимальной величиной лага, равной двум, инверсные корни находятся ближе к центру единичной окружности, чем в случае длины лага, равной шести.
Для кризисного периода максимальная величина лага модели VAR равна двум, так как количество значений временного ряда не позволяет строить модели с большим числом лагов (рис. 1, а).
Далее рассмотрим результаты оценивания VAR при максимальной длине лага, равной двум, для двух периодов. Анализ влияния изучаемых факторов на индекс РТС проводился на основе
построения функций импульсного отклика векторной авторегрессионной модели. Ниже представлен график для индекса РТС, характеризующий функцию импульсного отклика с временным горизонтом на примере TED-спрэда, равного десяти месяцам (для периода относительной стабильности), представлен на рис. 2.
Единичный импульс TED-спрэда вызывает отрицательный отклик российского фондового рынка (рис. 2, а), что в целом объяснимо. Ранее отмечалось, что когда TED-спрэд меняется в сторону увеличения, происходит спад в экономике, доходность по казначейским векселям падает, недоверие между банками возрастает. Безусловно, это не может не сказаться на ситуации на фондовых рынках. Снижение данного фактора не всегда оказывает значительное влияние, инвесторы резко реагируют на негативные новости относительно процентных ставок и не спешат изменить своего решения даже в относительно стабильный период. Так называемое затухание отклика происходит в течение пяти месяцев. Сравнивая результаты корреляционного и каузального анализа и построения модели VAR, можно заметить, что отрицательная корреляция в относительно стабильный период не была выявлена, в то время как тест Грейнджера показал взаимосвязь TED-спрэда и индекса РТС.
Рассмотрим, что происходит с данным показателем в кризисное время (рис. 2, б). Единич-
ЭКОНОМИЧЕСКИЙ АНАЛИЗ: жеб7>ЪЯ -и ЪРЛЖкЫ
ный импульс ТББ-спрэда по-прежнему вызывает отрицательный отклик со стороны российского фондового рынка, но амплитуда колебаний значительна ниже. Скорее всего, это связано с тем, что в кризисное время инвесторы не так остро реагируют на изменение процентных ставок, так как в большинстве своем уже учли негативные стороны финансового кризиса.
Это подтвердили результаты причинно-следственного теста Грейнджера (связь наблюдается только первые три месяца), и к подобным выводам пришли авторы работы [10]. Используя модель VAR, они проанализировали влияние процентных ставок на цену на нефть и фондовые индексы развивающихся стран. По их мнению, в кризисный период резко возрастает инфляция, следовательно, центральные банки поднимают процентные ставки, что приводит к росту расходов потребителей и отрицательно сказывается на экономике страны в целом (в том числе на фондовых рынках).
Далее рассчитаем для каждой пары переменных наличие коинтеграционного вектора в относительно стабильный период (табл. 4).
Результаты коинтеграционного анализа в относительно стабильный период показывают наличие долгосрочных взаимосвязей между индексом РТС и торгово-взвешенным индексом доллара США. Это полностью подтверждает выдвинутые гипотезы. Исключение составляет ТББ-спрэд. Этот фактор является взаимосвязанным с фондовым рынком России длительное время. Аналитики связывают повышение роли данных факторов с банкротством
Таблица 4
Наличие коинтеграционных векторов для российского фондового рынка в относительно стабильный период
Переменная Наличие коинтеграционного вектора Характеристика вектора (при наличии)
TED Отсутствует -
TWI Присутствует Первый ранг коинтег-рации, один коинтеграционный вектор
американского инвестиционного банка Lehman Brothers. Как и причинно-следственный тест Грейнджера, коинтеграционный тест показывает, что влияние макроэкономических факторов на фондовый рынок России в целом стабильно. С той лишь разницей, что после событий 2008 г. инвесторы чаще принимают решения, основываясь на процентных ставках (что в целом характеризует мировую денежно-кредитную систему).
В авторском исследовании для тестирования гипотез о влиянии макроэкономических факторов на фондовый рынок России было проведено четыре вида анализа: корреляционный анализ, каузальный анализ, построение модели VAR и ее оценка, а также коинтеграционный анализ. Полученные результаты приведены в табл. 5.
Любому инвестору необходимо рассматривать в первую очередь долгосрочные зависимости между фондовыми рынками и макроэкономическими факторами, потому что именно они изначально определяют поведение всех рынков.
Таблица 5
Оценка результатов анализа влияния ТЕБ-спрэда и торгово-взвешенного индекса доллара США на индекс РТС
Фактор Вид анализа Результат в относительно стабильный период Результат в кризисный период Экономическая интерпретация
TED-спрэд Корреляционный Средний коэффициент корреляции, связь прямая Высокий коэффициент корреляции, связь обратная Увеличение TED-спрэда сигнализирует о спаде в экономике, доходность по казначейским векселям падает, недоверие между банками возрастает, что отрицательно отражается на российском фондовом рынке в кризисный период В относительно стабильный период изменение данного фактора оказывает только косвенное краткосрочное влияние (все колебания данного фактора инвесторы быстро учитывают)
Каузальный Краткосрочное влияние Длительное влияние
Построение модели VAR Фактор вызывает отрицательный отклик индекса РТС Фактор вызывает отрицательный отклик индекса РТС
Коинтеграционный Коинтеграционного вектора нет Один коинтеграцион-ный вектор
ЭКОНОМИЧЕСКИЙ АНАЛИЗ: Ш5б7>ЪЯ те ЪР*?жг(Ъ4
21
Окончание табл. 5
фактор Вид анализа результат в относительно стабильный период результат в кризисный период экономическая интерпретация
Торгово-взвешенный индекс доллара Корреляционный Высокий коэффициент корреляции, связь обратная Высокий коэффициент корреляции, связь обратная В России длительное время активно проводилась политика укрепления и фиксирования курса рубля. При этом большая часть выручки от экспорта направлялась в резервы Банка России. С увеличением курса доллара, с одной стороны, растет прибыль компаний, с другой стороны, наблюдается постепенный рост инфляции, как следствие - снижение индекса РТС [3]
Каузальный Длительное влияние Длительное влияние
Построение модели VAR Фактор вызывает отрицательный отклик индекса РТС Фактор вызывает отрицательный отклик индекса РТС
Коинтеграционный Один коинтеграцион-ный вектор Один коинтеграцион-ный вектор
Список литературы
1. Федорова Е. А. Методологические аспекты оценки зависимости валютных и фондовых рынков в условиях кризиса // Финансы и кредит. 2010. № 35. С.27-34.
2. Федорова Е. А., Ершова И. А., Шаповалова
B. 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. С. 29-36
3. Федорова Е. А., Панкратов К. А. Влияние мирового финансового рынка на фондовый рынок России // Аудит и финансовый анализ. 2009. № 2.
C. 78-83.
4. Akram Q. Farooq. Commodity prices, interest rates and the dollar // Energy Economics. 2009. № 31. P. 122-128.
5. Allayannis G., Ihrig J., Weston J. P. Exchangerate hedging: financial versus operational strategies // The American Economic Review. 2001. № 91. P. 83-95.
List of references
1. Fedorova E. A. Methodological aspects of dependence of foreign exchange and stock markets in crisis [Metodologicheskie aspekty otsenki zavisimosti valiutnykh i fondovykh rynkov v usloviiakh krizisa], Finansy i kredit - Finance and credit, 2010, no. 35, pp.27-34.
2. Fedorova E. A, Ershov I. A, Shapovalov V. A, Cherepennikova J. G. Forecasting of the Russian financial crisis conditions of the market by analyzing the relationship of oil price and exchange rate [Prognozi-
6. Apergis N., Miller S.M. Do structural oil-market shocks affect stock prices? // Energy Economics. 2009. № 31. P. 25-32.
7. Bartov E., Bodnar G. M. Firm valuation, earnings expectations, and the exchange rate exposure effect // Journal of Finance. 1994. № 44. P. 266-272.
8. Chen S. S. Revisiting the interest rate - exchange rate nexus: a Markov-switching approach // Journal of Development Economics. 2006. № 79. P. 66-78.
9. Dominguez K. M. E, Tesar L. L. Exchange rate exposure // Journal of International Economics. 2006. № 68. P. 26-38.
10. Hamilton J. D., Herrera A.M. Oil shocks and aggregate macroeconomic behavior: the role of monetary policy // Journal of Money. 2004. № 36. P. 112-116.
11. Lin C. H. Exchange rate exposure in the Asian emerging markets // Journal of Multinational Financial Management. 2011. № 21. P. 78-94.
12. Williamson R. Exchange rate exposure and competition: evidence from the automotive industry // Journal of Financial Economics. 2001. № 59. P. 122-131.
rovanie krizisnykh sostoianii rossiiskogo finansovogo rynka s pomoch'iu analiza vzaimosviazi tseny na neft' i valiutnogo kursa], Finansovaia analitika: problemy i resheniia - Financial analytics: problems and decisions, 2012, no. 31, pp. 29-36.
3. Fedorova E. A, Pankratov K. A. Impact of the global financial market to stock market of Russia [Vli-ianie mirovogo finansovogo rynka na fondovyi rynok Rossii], Audit i finansovyi analiz - Audit and financial analysis, 2009, no. 2, pp. 78-83.
4. Akram Q. Farooq. Commodity prices, interest
22
ЭКОНОМИЧЕСКИЙ АНАЛИЗ: Ж£бРЪЯ it ЪРЛЖкЫ
rates and the dollar, Energy Economics, 2009, no. 31 (6), pp. 122-128.
5. Allayannis G., Ihrig J., Weston J. P. Exchangerate hedging: financial versus operational strategies, The American Economic Review, 2001, no. 91 (2), pp.83-95.
6. Apergis N., Miller S. M. Do structural oil-market shocks affect stock prices? Energy Economics, 2009, no. 31 (4), pp. 25-32.
7. Bartov E., Bodnar G. M. Firm valuation, earnings expectations and the exchange rate exposure effect, Journal of Finance, 1994, no. 44 (5), pp. 266-272.
8. Chen S. S. Revisiting the interest rate-exchange rate nexus: a Markov switching approach, Journal of
Development Economics, 2006, no. 79, pp. 66-78.
9. Dominguez K. M. E., Tesar L. L. Exchange rate exposure, Journal of International Economics, 2006, no. 68 (1), pp. 26-38.
10. Hamilton J. D., Herrera A.M. Oil shocks and aggregate macroeconomic behavior: the role of monetary policy, Journal of Money, 2004, no. 36 (2), pp.112-116.
11. Lin C. H. Exchange rate exposure in the Asian emerging markets, Journal of Multinational Financial Management, 2011, no. 21, pp. 78-94.
12. Williamson R. Exchange rate exposure and competition: evidence from the automotive industry, Journal of Financial Economics, 2001, no. 59 (3), pp. 122-131.
3K0H0MMHECKMM AHA/1113: 7HZöp7(Sl it TiPtTcmcz*
23
