ОЦЕНКА МЕЖВРЕМЕННОГО СИСТЕМАТИЧЕСКОГО РИСКА НА ПРИМЕРЕ РОССИЙСКОГО ФОНДОВОГО РЫНКА

Авторы

  • С. П. Сырыгин Ижевский государственный технический университет имени М. Т. Калашникова
  • Е. А. Волохин Ижевский государственный технический университет имени М. Т. Калашникова

DOI:

https://doi.org/10.22213/2618-9763-2024-4-52-63

Ключевые слова:

GARCH-модель, фондовый рынок, корреляция, волатильность, обобщенная авторегрессионная условная гетероскедастичность, динамическая бета, систематический риск

Аннотация

Статья посвящена исследованию систематического риска на примере российского фондового рынка. Предлагается проводить оценку риска на основе межвременной динамической бета с использованием современных многомерных моделей DCC-GARCH, GJR-DCC-GARCH, ADCC-GARCH. Исходным материалом были доходности дневных временных рядов индекса MSCI World, основного и восьми отраслевых индексов Мосбиржи в период с 13.12.2019 по 05.06.2024 год. Для построения GARCH-моделей в рядах доходностей были обнаружены гетероскедастичность, стационарность и отклонение от нормального распределения. На основе сравнения моделей с нормальным распределением и распределением Стьюдента на прогностическую точность с использованием техники кросс-валидации и теста Диболта - Мариано была определена модель ADCC-GARCH с нормальным распределением, которая обеспечивает более точный прогноз. В результате сравнения статистического критерия Акаике и логарифма правдоподобия между моделями выявилось, что наиболее точной моделью является GJR-DCC-GARCH. На основе анализа модели ADCC-GARCH было установлено, что наиболее восприимчивы к недавним шокам и негативным новостям являются индексы транспорта и финансов, наименее восприимчив сектор телекоммуникаций. Определено, что наиболее чувствительной условной корреляцией к мировому рынку по модели ADCC-GARCH обладает индекс электроэнергетики, а долгосрочную «память» корреляций имеет индекс транспорта. На основе описательной статистики бета-индексов Мосбиржи и теста Харки - Бера определено, что индекс нефти и газа имеет наименее экстремальные колебания. В результате визуального анализа доходностей индекса MSCI World и индекса Мосбиржи была установлена тенденция снижения корреляции между глобальным и российским фондовым рынком, что говорит о деглобализации экономики России.

Биографии авторов

С. П. Сырыгин, Ижевский государственный технический университет имени М. Т. Калашникова

кандидат технических наук, доцент

Е. А. Волохин, Ижевский государственный технический университет имени М. Т. Калашникова

магистрант

Библиографические ссылки

Frecautan I. Is the Russian Green Bond Market Strong Enough to Hedge in the Crisis Times? // Journal of Corporate Finance Research. 2024. Vol. 18, no. 2. Pp. 26-41. DOI: 10.17323/j.jcfr.2073-0438.18.2.2024.26-41

J. Guyomey A. Zaitsev Development of Instrumental Approaches to Forecasting the Volatility of the Return of Financial Assets // Sustainable development and engineering economics. 2023. Vol. 2. Pp. 8-22. DOI: 10.48554/SDEE.2023.2.1

Ahmad shah A. Do gold and the US dollar diversify global sectoral risk? Evidence from connectedness and dynamic conditional correlation measures // The Journal of Economic Asymmetries. 2023. Vol. 28. P. 00304. DOI: 10.1016/j.jeca.2023.e00304

Bossman A. EU sectoral stocks amid geopolitical risk, market sentiment, and crude oil implied volatility: An assymetric analysis of the Russia-Ukraine tensions // Resources Policy. 2023. Vol. 82. Pp. 103515-103515. DOI: 10.1016/j.resourpol.2023.103515

Bauwens L., Yongdeng Xu. DCC- and DECO-HEAVY: Multivariate GARCH models based on realized variances and correlations // International Journal of Forecasting. 2023. Vol. 39, Issue 2. Pp. 938-955. DOI: 10.1016/j.ijforecast.2022.03.005

Llorens-Terrazas J., Brownlees С. Projected Dynamic Conditional Correlations // International Journal Forecasting. 2023. Vol. 39, issue 4. Pp. 1761-1776. DOI: 10.1016/j.ijforecast.2022.06.003

Jarjour R., Kung-Sik Chan. Dynamic conditional angular correlation // Journal of Econometrics. 2020. Vol. 216, Issue 1. Pp. 137-150. DOI: 10.1016/j.jeconom.2020.01.010

Hanyu Zh., Dufour A. Managing portfolio risk during crisis times: a dynamic conditional correlation perspective // The Quarterly Review of Economics and Finance. 2024. Vol. 94. P. 241. DOI: 10.1016/j.qref.2024.02.002

Fiszeder P. Robust estimation of the range-based GARCH model: Forecasting volatility, value at risk and expected shortfall of cryptocurrencies // Economic Modelling. 2024. Vol. 141. P. 106887. DOI: 10.1016/j.econmod.2024.106887

Глебова А. Г., Ковалева А. А. Прогнозирование волатильности российского биржевого рынка акций в условиях международных экономических санкций // Финансы: теория и практика. 2024. No. 28 (1). C. 20-29. DOI: 10.26794/2587-5671-2024-28-1-20-29

Трифонов Ю. С., Потанин Б. С. Многомерная асимметричная GARCH-модель с динамической корреляционной матрицей // Финансы: теория и практика. 2022. No. 26 (2). С. 204-218. DOI: 10.26794/2587-5671-2022-26-2-204-2

Трифонов Ю. С., Потанин Б. С. Многомерная асимметричная GARCH-модель с динамической корреляционной матрицей // Финансы: теория и практика. 2022. No. 26 (2). С. 204-218. DOI: 10.26794/2587-5671-2022-26-2-204-2

Mohammed A. E. A., Mwambi H., Omolo B. Time-Varying Correlations between JSE.JO Stock Market and its Partners Using Symmetric and Asymmetric Dynamic Conditional Correlation Models // Stats. 2024. Vol. 7. Pp. 761-776. DOI: 10.3390/stats7030046

Dynamic Conditional Correlation and Volatility Spillover between Conventional and Islamic Stock Markets: Evidence from Developed and Emerging Countries / M. Sahabuddin, Md. A. Islam, M. I. Tabash, Md. K. Alam, L. N. Daniel, I. I. Mostafa // Journal of Risk and Financial Management. 2023. Vol. 16, no. 2. Pp. 1-19. DOI: 10.3390/jrfm16020111

Bossman A. EU sectoral stocks amid geopolitical risk, market sentiment, and crude oil implied volatility: An assymetric analysis of the Russia-Ukraine tensions // Resources Policy. 2023. Vol. 82. Pp. 103515-103515. DOI: 10.1016/j.resourpol.2023.103515

Hafner Ch. M. A dynamic conditional score model for the log correlation matrix // Journal of Econometrics. December. 2023. Vol. 237, Issue 2, Part B., P. 105176. DOI: 10.1016/j.qref.2024.02.002

Fiszeder P., Fatdzinski M., Molnar P. Modeling and forecasting dynamic conditional correlations with opening, high, low, and closing prices // Journal of Empirical Finance. 2023. Vol. 70. Pp. 308-321. DOI: 10.1016/j.jempfin.2022.12.007

Alshammari S., Obeid H. Analyzing commodity futures and stock market indices: Hedging strategies using asymmetric dynamic conditional correlation models // Finance Research Letter. 2023. Vol. 56. P. 104081. DOI: 10.1016/j.frl.2023.104081

Institutional investor attention and stock market volatility and liquidity: international evidence | E. Ouadghiri, E. Erragragui, J. Jaballah and J. Peillex // Applied Economics. 2022. Vol. 54, issue 42. Pp. 20-29. DOI: 10.1007/s10479-021-04042-y

Fang Yi, Zhiquan Shao. The Russia-Ukraine conflict and volatility risk of commodity markets // Finance Research Letters. 2022. Vol. 50. P. 103264. DOI:10.1016/j.frl.2022.103264

Qunxing P., Xiaowen M., Tianqing G. Modeling dynamic conditional correlations with leverage effects and volatility spillover effects: Evidence from the Chinese and US stock markets affected by the recent trade friction // The North American Journal of Economics and Finance. 2022. Vol. 59. P. 101591 DOI: 10.1016/j.najef.2021.101591

Загрузки

Опубликован

28.12.2024

Как цитировать

Сырыгин, С. П., & Волохин, Е. А. (2024). ОЦЕНКА МЕЖВРЕМЕННОГО СИСТЕМАТИЧЕСКОГО РИСКА НА ПРИМЕРЕ РОССИЙСКОГО ФОНДОВОГО РЫНКА. Социально-экономическое управление: теория и практика, 20(4), 52–63. https://doi.org/10.22213/2618-9763-2024-4-52-63

Выпуск

Раздел

Статьи