Влияние мировой цены нефти на рынки акций стран
advertisement
Федеральное государственное бюджетное учреждение науки Институт мировой экономики и международных отношений Российской академии наук На правах рукописи КОПЫТИН Иван Александрович ВЛИЯНИЕ МИРОВОЙ ЦЕНЫ НЕФТИ НА РЫНКИ АКЦИЙ СТРАН ЭКСПОРТЕРОВ НЕФТИ Диссертация на соискание ученой степени кандидата экономических наук Специальность – 08.00.14 Мировая экономика Научный руководитель доктор экономических наук, Жуков Станислав Вячеславович Москва – 2014 2 ОГЛАВЛЕНИЕ ВВЕДЕНИЕ............................................................................................................ 3 ГЛАВА 1. Рынки акций в странах–нефтеэкспортерах: масштабы и динамика развития ............................................................................................. 14 1.1. Мировая цена нефти и экономический рост ............................................... 15 1.2. Становление и развитие рынков акций ........................................................ 21 1.3. Рынок акций в процессе образования основного капитала ....................... 54 ГЛАВА 2. Трансмиссия шоков нефтяных цен на рынки акций нефтеэкспортеров ................................................................................................ 62 2.1. Теоретические подходы................................................................................. 62 2.1.1. Прямое влияние динамики нефтяных цен на цену акций ............ 62 2.1.2. Опосредованное влияние в ансамбле экономических и финансовых индикаторов ........................................................................... 66 2.2. Прикладные подходы..................................................................................... 70 ГЛАВА 3. Анализ чувствительности рынков акций нефтеэкспортеров к ценовым сигналам мирового рынка нефти ................................................... 81 3.1. Оценка прямого влияния динамики цены нефти на доходность фондовых индексов ................................................................................................................. 81 3.2. Модели векторной авторегрессии (VAR) для рынков акций России и Норвегии ................................................................................................................ 93 3.2.1. Базовая модель .................................................................................. 95 3.2.2. Проверка базовой модели на робастность.................................... 111 3.2.3. Качество базовых активов.............................................................. 120 ЗАКЛЮЧЕНИЕ ................................................................................................. 129 БИБЛИОГРАФИЯ ............................................................................................ 133 ПРИЛОЖЕНИЯ ................................................................................................ 149 3 ВВЕДЕНИЕ Актуальность темы исследования определяется возрастающей ролью стран–нефтеэкспортеров в мировой экономике и необходимостью более глубокого изучения закономерностей развития их усложняющейся экономической структуры, включая финансовые рынки. Характер и степень чувствительности рынков акций к ценовому сигналу с мирового рынка нефти является важнейшим объективным индикатором эффективности политики по управлению активами и качества проводимой экономической политики. Причем данный сигнал поступает в национальные экономики в режиме реального времени. В 2000–е годы на мировом рынке нефти произошел важный структурный сдвиг: за относительно короткое время цена барреля нефти выросла в номинальном выражении в несколько раз с менее 25 долл. до более 100 долл. и на момент завершения настоящей работы остается на этом высоком уровне, несмотря на латентный финансово-экономический кризис и существенное замедление темпов роста глобальной экономики, прежде всего развитых ее центров. В результате взлета нефтяных цен и увеличения экспортных доходов экономический рост в странах–нефтеэкспортерах ускорился, а их удельный вес в мировом ВВП увеличился с 9% в 1995 г. до 17% в 2012 г. [191,193] Наряду с этим нефть, точнее фьючерсные контракты и другие деривативы на сырую нефть и нефтепродукты, конституировались в качестве особого класса финансовых активов и органично интегрировались в кругооборот современной финансово-экономической системы. Мировой рынок нефти представляет собой гибридное образование, функционирующее на стыке рынка физической нефти и рынка нефтяных деривативов. Механизм ценообразования на мировом рынке нефти управляется не только «старыми» фундаментальными факторами, включающими спрос и предложение сырой нефти, а также такими буферными механизмами, как запасы и свободные 4 мощности ОПЕК, но и «новыми» фундаментальными факторами, в том числе – притоком инвестиций в нефтяные биржевые и внебиржевые деривативы, состоянием наиболее ликвидного американского фондового рынка, обменным курсом доллара. Одной из составных частей этого масштабного и эшелонированного процесса является ускоренное развитие в нефтеэкспортерах фондовых рынков, включая рынки акций. На начало 2013 г. рынки акций действовали в 22 странах–нефтеэкспортерах, а их совокупная капитализация превышала 6,5 трлн. долл. Доля нефтеэкспортеров в совокупной мировой капитализации возросла с 5,1% в 2000 г. до 12,5% в 2012 г. [193] Для владельцев и менеджмента публичных компаний фондовый рынок является объективным индикатором эффективности политики по управлению активами, для регуляторов – информационным сигналом обратной связи о качестве проводимой финансовой и макроэкономической политики. Рынки стран–нефтеэкспортеров дают широкие возможности для изучения проблематики влияния ценовых сигналов с мирового рынка нефти на динамику котировок акций в странах–нефтеэкспортерах, развивающихся в различных институциональных контекстах и находящихся на разных стадиях экономического развития. Изучение зависимости рынка акций от мировой цены нефти представляет особую актуальность для России: во-первых, для построения эффективного императивно и диверсифицированного необходимо для финансового обеспечения рынка, что глобальной конкурентоспособности отечественных компаний и национальной экономики в целом; во-вторых, для превращения в самостоятельный активный элемент мировой финансово-экономической системы; в-третьих, для повышения эффективности управления компаниями (активами), что в свою очередь позволит повысить эффективность на макроуровне. 5 Интуитивно с позиций здравого смысла представляется, что рынки акций в странах–нефтеэкспортерах находятся в прямой и сильной зависимости от динамики мировых цен на нефть. Между тем сколько-нибудь комплексного анализа места и роли, которую рынки акций играют в экономиках стран–нефтеэкспортеров, и того, в каком соотношении котировки акций публичных компаний в этих странах находятся с динамикой цены нефти, не проводилось. Степень разработанности темы исследования. Проблема влияния динамики нефтяных цен на котировки акций в странах–нефтеэкспортерах рассматривалась в ряде зарубежных и отечественных научных работ, которые носят преимущественно техно-эконометрический характер (Ароури М. и др., 2011; Бьорланд Х.С., 2008; Магъяре А., 2004; Моханти С.К. и др., 2011; Садорски П., 1999; Федорова Е.А., Панкратов К.А., 2010). В основном работы концентрируются на установлении факта наличия или отсутствия реакции рынка акций на динамику цены нефти без выявления причин такой реакции. Микроструктура фондовых рынков и особенности национальных публичных компаний стран-нефтеэкспортеров, как правило, не рассматриваются. В данной диссертации при анализе крупнейших стран– нефтеэкспортеров рынков акций используется единая методология и одинаковые временные периоды; анализ проведен в высокочастотном ежедневном и месячном временных режимах; полученные результаты тестируются на устойчивость путем модификации моделей и использования разных временных периодов оценивания. Анализ не просто фокусируется на установлении факта реакции котировок акций в странах–нефтеэкспортерах на ценовые сигналы с мирового рынка нефти, но и преследует цель объяснить причины такой реакции. 6 Цели и задачи исследования. Главная цель настоящей работы – провести углубленный анализ влияния ценового сигнала с мирового рынка нефти на рынки акций стран–нефтеэкспортеров. Реализация поставленной цели потребовала решить следующие задачи: 1) сформировать группу стран–нефтеэкспортеров с достаточно протяженной историей функционирования рынков акций и проанализировать общие закономерности и особенности функционирования рынков этих стран; 2) оценить силу и характер прямого влияния ценовых сигналов с мирового рынка нефти на динамику цен акций в странах–нефтеэкспортерах, используя национальные фондовые индексы; 3) построить структурную модель для анализа опосредованного влияния колебаний цены нефти на динамику котировок акций с учетом финансовой теории и теоретических представлений о функционировании открытой сырьевой экономики; 4) оценить построенную модель на фактических данных России и Норвегии; 5) протестировать полученные с помощью структурной модели выводы на робастность путем модификации исходной модели и изменения временного периода оценивания. Научная новизна работы заключается в комплексном анализе влияния динамики цены нефти на котировки акций в странах– плане алгоритм нефтеэкспортерах. В работе получены следующие основные результаты. Разработан устойчивый в эконометрическом определения чувствительности рынков акций в странах-нефтеэкспортерах (на примере России и Норвегии) к колебаниям важнейших глобальных и локальных риск-факторов, включая мировую цену нефти. Введена авторская система индикаторов и факторов, характеризующих качество базовых активов (публичных нефтегазовых компаний). Качество 7 базовых активов – это объективная основа, предопределяющая приход на рынок акций инвесторов определенного типа. Определена слабая чувствительность рынка акций к ценовому сигналу с мирового рынка нефти. Такая слабая чувствительность может наблюдаться как в странах-нефтеэкспортерах с развивающимся рынком акций, так и в странах-нефтеэкспортерах с развитым фондовым рынком. В первой группе стран, к которой принадлежит и Россия, низкая чувствительность объясняется незрелостью рынка акций, компаний и экономической системы в целом, во второй группе стран (Норвегия и др.) – подстроенностью долгосрочных стратегий инвесторов в акции компаний к волатильным и цикличным колебаниям цены нефти. Теоретическая и практическая значимость исследования. Теоретическая значимость работы заключается в разработке системы универсальных характеристик публичных компаний, отражающих качество базовых активов и определяющих реакцию рынка акций на динамику риск– факторов, включая мировую цену нефти. Полученные в ходе работы результаты могут быть использованы владельцами и менеджментом публичных российских компаний для повышения качества базового актива. Для Центрального Банка Российской Федерации, Министерства экономического развития и Министерства финансов России, крупнейших коммерческих банков и финансовых институтов интерес могут представлять выводы диссертационного экономические активы в исследования виде о эффективных том, что, публичных во-первых, компаний, доходность которых коррелирована с глобальными циклами мировой конъюнктуры, представляют собой важный информационный механизм, сигнализирующий об адекватности проводимой экономической политики. Во-вторых, такие активы являются необходимым условием для 8 формирования полноценного и глобально конкурентоспособного национального финансового сектора. Для мегарегулятора российского финансового рынка (Центральный Банк Российской Федерации) полезным может оказаться анализ устройства рынка акций в развитых странах–нефтеэкспортерах, в частности, фактическое разделение рынка на несколько структурных сегментов в зависимости от качества активов. Методология и методы исследования. В основу теоретической разработки общенаучные поставленной проблемы методы исследования: и решения задач дескриптивный, положены экономико- статистический и сравнительный анализ. Предмет и объект исследования. Предметом исследования является реакция рынков акций в странах–нефтеэкспортерах на динамику мировой цены нефти. В качестве объекта исследования выступают крупнейшие по размерам рынки акций стран – нефтеэкспортеров, которые анализируются с помощью унифицированных экономико-статистических методов. Особое внимание уделено Норвегии, которая представляет зрелый рынок акций, и опыт которой, по мнению автора, имеет наибольшее значение для России. Теоретические основы работы. Теоретическую базу исследования составили фундаментальные и прикладные работы отечественных и зарубежных авторов, раскрывающие различные проблемы функционирования современной мировой экономики. В первую очередь следует выделить современной исследования по финансово-экономической проблемам системы, функционирования включая работы отечественных авторов Евстигнеева В.Р., Королева И.С., Миркина Я.М., Портного М.А., Рубцова В.В., Смыслова Д.В., Хесина Е.С. и зарубежных авторов Баумоля У., Кейнса Дж.М., Мэддисона А., Стиглица Дж., Тейлора Л. Автор опирался на выводы отечественных и зарубежных специальных исследований по рынкам акций, включая работы Бьорланд Х.С., Делонга 9 Дж.Б., Джориона П., Кохрейна Дж., Ливайна Р., Лобанова А.А., Мертона Р.С., Миловидова В.Д., Ричардса А. Дж., Росса С.А., Садорски П., Тепловой Т.Ю., Фамы Ю., Чугунова А.В., Шарпа У. и Шоломицкого А.Г. Большую помощь автору оказали работы, посвященные особенностям функционирования открытых сырьевых экономик и общим закономерностям экономического роста в эпоху глобализации. В том числе работы Дынкина А.А., Жукова С.В., Загашвили В.С., Ивановой Н.И., Кларида Р., Мельянцева В.А., Свенсон Л.Е.О., Улиг Х., Фридмана Л.А., Ченери Х., Шейниса В.Л., Широкова Г.К., Шишкова Ю.В. и Эльянова А.Я.. При работе над диссертацией учитывались также выводы специалистов по мировому рынку нефти, в том числе работы Григорьева Л.М., Йергина Д., Конопляника А.А., Маброу Р., Медлока К. и Фаттуха Б. Хронологические рамки работы и используемые базы данных. Анализ концентрируется на периоде 2000–2012 гг. Для проверки полученных выводов на устойчивость, анализ также выполнялся за два подпериода: 2000– 2005 гг. и 2006–2012 гг., также полученные результаты были подтверждены добавлением в выборку данных за 2013 г. В диссертационном исследовании используются три основные базы статистических данных. Первая база данных, составленная автором по материалам агентства Bloomberg, представлена ежедневными котировками фондовых индексов стран–нефтеэкспортеров (включая Австралию, Индонезию, Канаду, Катар, Колумбию, Мексику, Нигерию, Норвегию, Россию и Саудовскую Аравию), а также ежедневными значениями таких риск–факторов, как цена нефти Brent, уровень американского фондового индекса S&P500 и текущие обменные курсы национальных валют нефтеэкспортеров относительно доллара США. Вторая база – месячные временные ряды данных по риск–факторам за период январь 2000 – август 2012 гг. для российского и норвежского рынка акций – построена автором по публикациям Центрального Банка РФ, Федеральной службы 10 государственной статистики РФ (Росстат), Статистического управления Норвегии, Организации экономического сотрудничества и развития (ОЭСР) и включает такие показатели, как глобальная процентная ставка (в качестве переменной–заменителя используется трехмесячная процентная ставка по гособлигациям США), индекс доллара относительно корзины валют, американский фондовый индекс S&P500, цена нефти Brent, обменные курсы российского рубля и норвежской кроны, национальные краткосрочные трехмесячные процентные ставки, индексы промышленного производства и уровень безработицы в России и Норвегии. Третья база данных, охватывающая основные производственные характеристики и показатели капитализации крупнейших мировых вертикально–интегрированных нефтегазовых компаний за период 2006–2010 гг., была составлена автором по отчетам компаний, данным информационных агентств Bloomberg и Energy Intelligence. Расчеты проводились с помощью пакетов программ Stata 12 и Excel. Положения выносимые на защиту: 1) показано, что в странах–нефтеэкспортерах в последние десять – пятнадцать лет рынки акций росли опережающими темпами, что повысило долю этих стран в совокупной мировой капитализации. Рынки акций в нефтеэкспортерах оказались более устойчивыми к негативным шокам мирового финансово–экономического кризиса 2008–2009 гг. в сравнении с фондовыми рынками в других странах; 2) установлено, что в высокочастотном дневном режиме доходности на большинстве крупных по абсолютным масштабам рынках акций стран – нефтеэкспортеров (Канада, Мексика, Норвегия, Индонезия и Россия) устойчиво зависят от динамики нефтяных котировок. В некоторых странах– нефтеэкспортерах (Катар и Саудовская Аравия) такая связь также существует, но при этом структура реакции рынков акций на ценовые шоки нефтяного рынка носит нелинейный характер; 11 3) на примере развитых рынков акций в странах–нефтеэкспортерах (Норвегия) сделан вывод, что месячные колебания котировок акций национальных публичных компаний подчинены общему, в значительной мере синхронизированному, циклу колебаний глобальной хозяйственной конъюнктуры (краткосрочная процентная ставка Федеральной резервной системы США, курс доллара и цена нефти) и локальных (краткосрочная национальная процентная ставка и обменный курс национальной валюты) риск–факторов. Цена нефти встроена в ансамбль глобальных риск–факторов и играет в этом ансамбле далеко не первую роль; 4) показано, что, начиная со второй половины 2000-х годов, динамика котировок акций российских компаний в месячном режиме не коррелирована или слабо коррелирована с динамикой глобальных риск-факторов, включая цену нефти, и определяется исключительно собственными шоками; 5) предложена авторская система оценки качества активов публичных российских нефтегазовых компаний в сравнении с ведущими мировыми частными вертикально-интегрированными нефтяными компаниями, учитывающая: рыночный риск, долю акций в свободном обращении, объем выплачиваемых дивидендов и налоговый режим; 6) сделан вывод, что из-за оторванности колебаний котировок акций национальных публичных компаний от колебаний глобальных риск– факторов, включая цену нефти, российские финансовые и экономические регуляторы не получают с рынка акций информации, необходимой для оценки проводимой макроэкономической политики, а собственники и менеджеры публичных компаний – информации, подтверждающей эффективность политики по управлению активами. Степень достоверности и апробация результатов исследования. Степень достоверности результатов проведенного исследования обусловлена развитой теоретико-методологической базой исследования, основанной на современной финансовой теории и теоретических подходах к 12 функционированию открытой сырьевой экономики; богатой статистической базой исследования статистического и и использованием эконометрического современного аппарата экономико- анализа; глубокой проработкой отечественной и зарубежной научной литературы по мировой финансово-экономической системе, современному экономическому росту, методологии анализа финансовых рынков. Результаты диссертационного исследования отражены в научных публикациях автора, в том числе четырех статьях в рецензируемых Высшей аттестационной комиссией (ВАК) Министерства образования и науки России журналах. Некоторые положения диссертации были изложены на научных и научно-практических конференциях и семинарах, включая Глобальный форум по сырьевым товарам ЮНКТАД (Женева, 2011); Интеграция нефтяного и финансового рынков (РГУ нефти и газа им. И.М. Губкина, Москва, 2011); Нефть как особый класс финансовых активов: современные тенденции и риски (Газпромбанк, Москва, 2011); Энергетический диалог ИМЭМО РАН (ИМЭМО РАН, Москва, 2010 и 2011); Интеграция нефтяного и финансового рынков и сдвиги в ценообразовании на нефть (семинар А.С. Некрасова, Институт проблем прогнозирования РАН, 2012); Ситуационный анализ «Тенденции и перспективы развития повестки российско- американских отношений» (ИМЭМО РАН, Москва, декабрь 2013). Рукопись диссертации была обсуждена на расширенном заседании Отдела глобальных экономических проблем и внешнеэкономической политики и Центра энергетических исследований ИМЭМО РАН (1 июля 2013 г.) с привлечением ведущих специалистов других научно- исследовательских и практических финансово–экономических организаций по профилю исследования: Евстигнеева международных валютно-финансовых В.Р. (д.э.н., зав. кафедрой отношений, факультет мировой экономики и мировой политики НИУ ВШЭ), Касаткина Д.М. (к.э.н., 13 начальник департамента стратегии и инвестиций ЗАО УК «Аэропорты Регионов»). Структурно работа состоит из введения, трех глав, заключения, списка используемой литературы и статистических приложений и подчинена задаче комплексного анализа исследуемой проблемы. 14 ГЛАВА 1. Рынки акций в странах–нефтеэкспортерах: масштабы и динамика развития Глобальная волна финансовой либерализации, набравшая силу со второй половины 1970-х годов и подталкиваемая международными финансовыми организациями в лице Международного валютного фонда и Мирового Банка, способствовала повсеместному ускоренному развитию фондовых рынков, включая рынки акций. За последние два – три десятилетия рынки акций сформировались в десятках стран разного уровня и типа развития. На начало 2013 г. рынки акций функционировали более чем в ста десяти странах современного мира, их совокупная капитализация превышала пятьдесят три трлн. долл., на них обращались акции около пятидесяти тысяч компаний–эмитентов.1 Неотъемлемой частью этого глобального процесса является развитие рынков акций в странах, экспортирующих нефть. На начало 2013 г. рынки акций устойчиво функционировали в двадцати двух странах– нефтеэкспортерах, а их совокупная капитализация приближалась к семи трлн. долл. Фондовые рынки в этой группе стран развиваются опережающими темпами. Доля нефтеэкспортеров в совокупной мировой капитализации возросла с 5,1% в 2000 г. до 10,8% в 2005 г. и 12,5% в 2012 г. [193] В центре внимания настоящей главы находятся три вопроса: вопервых, зависимость экономического развития стран–экспортеров углеводородов от колебаний мировых цен на нефть; во-вторых, место рынков акций в экономиках крупнейших экспортеров нефти, в-третьих, основные характеристики этих рынков. 1 Речь идет о тех странах, которые систематически поставляют информацию о своих фондовых рынках в международные финансово–экономические организации. 15 1.1 Мировая цена нефти и экономический рост В большом числе отечественных и зарубежных исследований установлено, что темпы и пропорции экономического роста во многом определяются базовыми характеристиками страны, включая ее наделенность природными ресурсами. В работах по экономическому росту принято выделять типологическую группу стран, динамика развития которых критически зависит от изменений мировой цены нефти. В серии фундаментальных работ по исследованию процесса современного экономического роста и дифференциации развивающихся стран, выполненных в ИМЭМО в начале 1980-х годов, в особую группу нефтеэкспортеров было выделено одиннадцать стран, включая: Бахрейн, Бруней, Габон, Ирак, Иран, Катар, Кувейт, Ливию, Объединенные Арабские Эмираты, Оман и Саудовскую Аравию. [18] Эксперты ЮНКТАД при анализе проблематики экономического роста развивающихся стран, опираясь на два показателя – долю углеводородов в совокупном национальном экспорте и стоимость нефтегазового экспорта не менее определенного порогового значения – выделяют типологическую группу нефтеэкспортеров в составе: Анголы, Алжира, Венесуэлы, Ирака, Ирана, Катара, Кувейта, Ливии, Нигерии, Объединенных Арабских Эмиратов, Омана и Саудовской Аравии. [192] Каждая типологическая классификация государств, отличающихся огромным разнообразием и уникальными характеристиками, в определенной мере условна и подчинена общей задаче исследования. В настоящей работе критерием отнесения страны к типологической группе нефтеэкспортеров (см. ПРИЛОЖЕНИЕ 1) служит высокая доля доходов от экспорта минерального топлива в совокупных экспортных доходах, причем, исходя из главной цели исследования, мы не делаем различия между развивающимися и развитыми странами. Такой подход обусловлен не только тем, что целью настоящей работы является выявление влияния динамики цены нефти на колебания цен 16 акций вне зависимости от социально-экономических характеристик конкретных стран, включая уровень их развития. Мы также отталкиваемся от того, что в силу многих причин рынки акций могут быть в значительной мере оторваны от того социальноэкономического контекста, в котором они функционируют. Особенности развития национальных фондовых рынков могут задаваться не только и даже не столько внутренними факторами, но факторами глобального порядка. Такой подход, на наш взгляд, правомерен и потому, что во многих странах, в том числе нефтеэкспортерах, развитие фондовых рынков является во многом наведенным, заданным императивами глобализации. Отступая от последовательной логики изложения и несколько забегая вперед, отметим, что в ходе проведенного анализа последняя гипотеза подтвердилась лишь частично. Во многих странах–нефтеэкспортерах, в том числе России, рынки акций, будучи запущенными в разгар финансовой либерализации и открытия национальной экономики международной конкуренции, развивались под определяющим влиянием глобализации лишь непродолжительный период времени. В дальнейшем, подчиняясь логике внутреннего развития, в первую очередь генезису института собственности, они выпали из глобализационного алгоритма. В то же время в некоторых нефтеэкспортерах рынки акций все теснее интегрируются в глобальное экономическое поле. По базам данных Мирового Банка и ЮНКТАД была выявлена тридцать одна страна, которые относятся к нефтеэкспортерам. Опираясь на эти базы данных и восполняя имеющиеся в ней лакуны по базе данных Международного валютного фонда и базе по мировому экономическому росту А. Мэддисона, были построены временные ряды абсолютных значений ВВП анализируемой выборки стран за 1980–2012 гг. в долларах 2000 г. На эту группу в 2010–2011 гг. приходилось 92% мирового экспорта нефти и 73% экспорта природного газа. [171] Следует иметь в виду, что в современной 17 глобальной экономике с интенсивными перетоками капитала, технологий и рабочей силы добыча и экспорт нефти могут быть налажены с нуля в сжатые сроки. Поэтому нынешние нефтеэкспортеры не обязательно входили в данную типологическую группу на протяжении всего рассматриваемого периода времени. На уровне группы стран–нефтеэкспортеров в целом обнаруживается высокая зависимость динамики экономического роста от изменений мировой цены нефти, что подтверждает визуальный анализ рисунка 1. [186, 187, 193] Коэффициент корреляции между темпами роста ВВП и колебаниями цены нефти за период 1980–2012 гг. составил 0,67, а в 1996–2012 гг. повысился до 0,71. При этом ситуация на уровне отдельных стран была не столь однозначной. 80 6 5 60 4 40 3 20 2 0 1 -20 0 -40 -1 -60 -2 1981 1983 1985 1987 1989 1991 1993 1995 Темпы роста ВВП, % (правая шкала) 1997 1999 2001 2003 2005 2007 2009 2011 Рост/снижение цены нефти, % (левая шкала) Рисунок 1. Динамика роста ВВП стран–нефтеэкспортеров и изменения цены нефти в 1981–2012 гг., %. Самая высокая корреляция между темпами роста ВВП и динамикой цены нефти обнаруживается в Объединенных Арабских Эмиратах и 18 постсоветских нефтеэкспортерах: России, Казахстане и в меньшей степени Азербайджане (таблица 1 (рассчитано по данным [186, 187, 193])). Сравнительно высока зависимость экономического роста от колебаний нефтяных цен в Мексике и Тринидад и Тобаго. В остальных нефтеэкспортерах, если брать весь период 1980–2012 гг., экономическая динамика слабо зависит от колебаний нефтяных котировок. Таблица 1 Страны–нефтеэкспортеры: коэффициент корреляции между темпами роста ВВП и ростом цены нефти Brent 1980 – 2012 1980 – 1995 1996 – 2012 ОАЭ 0,65 0,82 0,58 Россия … 0,63* 0,72 Казахстан ,, 0,48** 0,38 Мексика 0,30 0,43 0,49 Азербайджан … 0,15 0,34** Иран 0,29 0,34 0,41 Ангола 0,15 0,22 0,33 Тринидад и Тобаго 0,13 0,15 0,30 Боливия 0,29 -0,10 0,39 Нигерия 0,26 0,07 0,30 Катар 0,25 -0,17 0,15 Канада 0,24 0,04 0,46 Индонезия 0,22 0,21 0,46 Алжир 0,20 0,19 0,03 Ирак 0,18 0,20 -0,01 Колумбия 0,18 0,18 0,25 Саудовская Аравия 0,16 -0,16 0,43 Египет 0,15 0,14 0,23 Венесуэла 0,12 -0,25 0,25 Кувейт 0,12 0,03 0,42 Судан 0,11 0,11 0,06 Австралия 0,08 -0,06 0,25 Эквадор 0,01 -0,47 0,14 Ливия -0,03 -0,01 -0,12 Норвегия -0,04 -0,19 0,18 Камерун -0,08 -0,26 -0,22 Йемен -0,10 -0,06 -0,07 Оман -0,12 -0,13 0,18 Сирия -0,12 -0,02 -0,24 19 Габон -0,21 Кот д 'Ивуар -0,22 * – 1989-2012; ** – 1990-2012. -0,22 -0,06 -0,26 -0,40 Однако если взять период 1996–2012 гг., то высокая зависимость темпов роста ВВП от динамики цены нефти обнаруживается уже не только в постсоветских экспортерах и ОАЭ, но также и в Канаде, Саудовской Аравии, Индонезии, Кувейте и Нигерии. Корреляция между колебаниями цены нефти и экономическим ростом в этот период по сравнению с периодом 1980–1995 гг. стала более тесной в пятнадцати из тридцати одной рассматриваемой стране. Важно отметить, что корреляция усилилась в самых крупных по абсолютным размерам национальной экономики и добыче углеводородов нефтеэкспортерах. В 1996–2012 гг. среднегодовые темпы роста ВВП по всей выборке нефтеэкспортеров возросли до 3,5% по сравнению с 2,8% в период 1980–1995 гг. (таблица 2 (рассчитано по данным [186, 187, 193])). Ускорение экономической динамики наблюдалось в двадцати двух странах этой группы из тридцати одной. Особенно заметно темпы роста возросли в Катаре, Азербайджане, Анголе, Казахстане, Тринидаде и Тобаго, Объединенных Арабских Эмиратах, Иране и России, то есть главным образом в тех странах, которые вышли на мировой рынок нефти, либо переориентировали на экспорт значительные объемы углеводородного сырья. Ускорение экономического развития данной типологической группы во многом объясняется ростом мировой цены нефти, особенно после 2002 г. При этом коэффициент вариации темпов роста по всей выборке, хотя и снизился, остается высоким, что свидетельствует о слабой конвергенции индивидуальных траекторий движения отдельных нефтеэкспортеров и о сильном влиянии на их развитие каких-то других, помимо цены нефти, факторов. 20 Таблица 2. Динамика экономического роста в странах–нефтеэкспортерах Среднегодовые темпы Доля в роста ВВП (%) и мировом коэффициент вариации ВВП, % темпов роста 1980–1995 1996–2012 1995 2012 Все страны (31) Все страны (31) 9,3 16,3 ВВП 2,8 3,5 Коэффициент вариации 180 58 Россия … 4,0 Россия 1,1 2,7 Канада 2,4 2,5 Канада 2,0 2,5 Австралия 3,1 3,1 Австралия 1,3 2,2 Мексика 1,7 2,8 Мексика 1,1 1,6 Индонезия 6,9 3,6 Индонезия 0,68 1,3 Сауд. Аравия 0,5 3,2 Сауд. Аравия 0,48 0,92 Норвегия 2,9 1,9 Норвегия 0,50 0,70 Иран 2,5 4,1 Иран 0,30 0,68 Колумбия 3,8 3,2 Колумбия 0,37 0,51 ОАЭ 1,6 4,3 ОАЭ 0,21 0,51 Венесуэла 1,7 2,6 Венесуэла 0,26 0,47 Нигерия 1,5 4,9 Нигерия 0,12 0,38 Египет 4,8 4,3 Египет 0,20 0,36 Алжир 1,9 3,2 Алжир 0,14 0,29 Казахстан – 6,3 Казахстан 0,06 0,28 Катар -0,6 12,2 Катар 0,03 0,26 Кувейт 0,1 4,2 Кувейт 0,09 0,24 Ирак -9,6 3,1 Ирак 0,17* 0,18 Ангола 0,1 8,4 Ангола 0,02 0,16 Ливия -3,1 1,7 Ливия 0,11 0,12 Оман 7,9 4,3 Оман 0,05 0,11 Азербайджан – 10,9 Азербайджан 0,01 0,1 Эквадор 2,2 3,5 Эквадор 0,07 0,1 Сирия 4,1 3,2 Сирия 0,06 0,07* Судан 3,4 4,2 Судан 0,02 0,07 Йемен 4,0 3,0 Йемен 0,04 0,05 Боливия 1,5 3,6 Боливия 0,02 0,04 Камерун 1,6 3,7 Камерун 0,03 0,03 Кот д 'Ивуар 1,0 1,4 Кот д 'Ивуар 0,04 0,03 Трин. и Тобаго -1,1 4,5 Трин. и Тобаго 0,02 0,03 21 Габон 2,2 * – грубая оценка автора. 1,8 Тем что не менее, повторимся, Габон в 0,02 крупнейших странах 0,02 данной типологической группы, оказывающих критическое влияние на динамику ее совокупных показателей, зависимость роста от колебаний нефтяных цен возросла. Из всех стран группы только Кот д’Ивуар в рассматриваемый период развивался медленнее мировой экономики в целом. Растущие доходы от экспорта нефти способствовали упрочению в странах–нефтеэкспортерах современного реального сектора, интегрированного в глобальную экономику. Параллельно усилилось их включение в мировую экономику через финансовый сектор, включая развитие рынков акций. 1.2. Становление и развитие рынков акций На начало 2012 г. рынки акций функционировали в тридцати одной стране–нефтеэкспортере. Мы не располагаем систематическими данными по девяти странам, включая Азербайджан, Алжир, Анголу, Габон, Ирак, Йемен, Камерун, Сенегал и Судан. При этом в Азербайджане рынок акций функционирует с 2000 г., Алжире – с 1997 г., Ираке – с 2004 г. В любом случае рынки акций в девяти странах, не вошедших в рассматриваемую выборку, находятся в зачаточном состоянии, невелики по объему и не играют сколько–нибудь значимой роли в национальной экономике. Совокупная капитализация рынков акций двадцати двух нефтеэкспортеров составила в 2011 г. 6,1 трлн. долл., на них обращались акции более 8,7 тыс. компаний (таблица 3 [193,194]). При этом сами рынки возникли в этих странах в разные исторические эпохи. Первые рынки акций в странах, относящихся в настоящее время к типологической группе нефтеэкспортеров, сформировались еще в середине – второй половине XIX века. В Австралии, Канаде и Норвегии рынки начали 22 Таблица 3. Рынок акций в странах–нефтеэкспортерах в 2011 г. Страна Совокупная Отношение капитализация капитализации рынка, к ВВП, млрд. долл. % Число компаний, акции которых обращаются на рынке Год создания фондовой биржи Канада 1907 108 3932 1861 Австралия 1198 78 1922 1861 Россия 796 43 327 1993 (1997)* Мексика 409 35 128 1908 Индонезия 390 44 440 1912 (1988) Сауд. Аравия 339 52 150 1994 Норвегия 219 45 192 1881 Колумбия 201 55 79 1928 Катар 125 68 42 1995 Иран 107 22 347 1962 Кувейт 101 58 206 2000 ОАЭ 94 26 104 1968 Египет 49 19 231 1996 Казахстан 43 22 63 1960 Нигерия 39 14 196 1988 Оман 20 25 136 1993 Бахрейн 17 65 44 1947 Трин. и Тобаго 15 62 37 1981 Кот д'Ивуар 6 26 33 1976 Эквадор 6 8 41 1993 Венесуэла 5 2 36 1947 Боливия 4 15 40 1990 * – фондовый рынок в постсоветской России начал функционировать в 1993 г., с 1997 г. начались относительно активные торги. функционировать в период между 1861–1881 годами, еще до того, как добыча и экспорт нефти приобрели в экономиках этих стран особую значимость. В колониальной Индонезии рынок акций был создан метрополией – Голландией – в 1912 г. [173] В Российской Империи первая биржа была учреждена Петром I в Санкт-Петербурге в 1721 г., а торговля 23 акциями началась в 1836 г. [4] И в Индонезии, и в России по разным причинам фондовые рынки надолго прекратили свою работу и были запущены вновь только в последней четверти прошлого века. В обеих странах вновь формирующиеся рынки не связаны с историческим наследием и традицией. В латиноамериканских нефтеэкспортерах – Мексике, Колумбии и Венесуэле – рынки акций сформировались в 1930-е – 1950-е годы, когда там начала развиваться современная добывающая и обрабатывающая промышленность с участием иностранного капитала. Вместе с тем в большинстве стран–нефтеэкспортеров рынки акций начали зарождаться существенно позднее. В восьми из двадцати двух стран, включенных в таблицу 3, фондовые рынки возникли лишь в 1990-е годы или даже позднее. Совокупная капитализация рынков в странах–нефтеэкспортерах за 2000–2011 гг. выросла в 14,3 раза и составила на конец указанного периода 6,1 трлн. долл. (рисунок 2 (рассчитано по данным[193])). 8000 16 7000 14 6000 12 5000 10 4000 8 3000 6 2000 4 1000 2 0 0 Совокупная капитализация, млрд. долл. (левая шкала) Доля в мировой капитализации, % (правая шкала) Рисунок 2. Динамика капитализации в странах–нефтеэкспортерах в 1988 – 2011 гг. (показатели за разные годы не строго сопоставимы). 24 В 2010 г. по совокупной капитализации рынки акций нефтеэкспортеров почти восстановились после кризиса 2008 г. Однако в 2011 г. капитализация вновь снизилась, что отражает общую ситуацию неопределенности в мировой экономике и до некоторой степени отток капитала с фондовых рынков развивающихся стран и стран с переходной экономикой, активы которых являются сравнительно более рискованными. При этом в других странах отток капитала с рынков акций оказался даже более заметным, о чем говорит продолжающееся увеличение доли нефтеэкспортеров в мировой капитализации. При этом только в трех странах – Канаде, Австралии и России – абсолютный объем рынка акций (капитализация) в 2011 г. превышал 500 млрд. долл. На три эти крупнейшие рынка приходилось 68% совокупной капитализации рынков акций нефтеэкспортеров. Для пяти нефтэкспортеров с крупнейшими рынками акций данный показатель достигал 80%, десяти – 95% (рисунок 3 (рассчитано по [193])). Катар 2% Остальные 6% Иран 2% Канада; 31% Колумбия 3% Норвегия 4% Сауд. Аравия 6% Индонезия 6% Мексика 7% Австралия 20% Россия 13% Рисунок 3. Структура капитализации рынков акций нефтеэкспортеров в разрезе стран в 2011 г., % 25 При рассмотрении развития рынков акций нефтеэкспортеров в динамике обнаруживается, что в последнее десятилетие опережающими темпами росли рынки России, Индонезии, Кувейта, Колумбии и Саудовской Аравии (таблица 4 (рассчитано по [193])). Во многом это объясняется эффектом низкой стартовой базы, но также и спецификой экономического роста. В России, например, темпы развития и либерализации финансового сектора существенно опередили развитие реальной экономики, что в конечном счете и объясняет особенно быстрое развитие фондового рынка. Таблица 4. Структура капитализации рынков акций нефтеэкспортеров в разрезе стран, % 2000 2005 2011 Канада 51,1 Канада 31,6 Канада 31,3 Австралия 22,6 Австралия 17,1 Австралия 19,7 Мексика 7,6 Сауд. Аравия 13,8 Россия 13,1 3 страны 81,4 3 страны 62,5 3 страны 64,0 Сауд. Аравия 4,1 Россия 11,7 Мексика 6,7 Норвегия 4,0 Мексика 5,1 Индонезия 6,4 5 стран 89,4 5 стран 79,3 5 стран 77,2 Россия 2,4 ОАЭ 4,8 Сауд. Аравия 5,6 Египет 1,7 Норвегия 4,1 Норвегия 3,6 Индонезия 1,6 Кувейт 2,8 Колумбия 3,3 Кувейт 1,3 Катар 1,9 Катар 2,1 Колумбия 0,6 Индонезия 1,7 Иран 1,8 10 стран 97,0 10 стран 94,5 10 стран 93,5 Остальные 3,0 Остальные 5,5 Остальные 6,5 Всего 100 Всего 100 Всего 100 Общей чертой наиболее быстро растущих рынков нефтеэкспортеров является преобладание на этих рынках очень крупных по капитализации компаний. Как следует из материалов рисунка 4 [193], усредненное значение капитализации в расчете на одну публичную компанию достигало в данной типологической группе стран около 750 млн. долл. При этом в Мексике, Катаре, Колумбии, России, Саудовской Аравии и Норвегии этот показатель был существенно выше. Это значит, что в основе опережающего роста 26 рынков акций в странах–нефтеэкспортерах лежит быстрое наращивание капитализации ограниченного числа компаний. 3500 3000 2500 2000 1500 1000 500 0 Рисунок 4. Капитализация в расчете на одну компанию в листинге бирж в 2011 г., млн. долл. Рассмотрим более подробно некоторые крупнейшие по объему капитализации рынки акций стран–нефтеэкспортеров (капитализация в 2011 г. не менее 200 млрд. долл.). Канада Среди стран–нефтеэкспортеров самый крупный рынок акций функционирует в Канаде. Его доля в мировой капитализации рынков акций с 2010 г. превышает 4%. Канадский фондовый рынок является одним из самых старых в мире. Первое публичное размещение акций в Канаде произошло в 1832 г., когда группа брокеров начала торговать акциями железной дороги в одном из кофейных домов Монреаля. Первая фондовая биржа – Montreal Stock Exchange – была открыта в 1874 г., в 1878 г. начала работать Toronto Stock Exchange. [183, c.2] Позиции Канады на мировом рынке акций значительно усилились примерно с середины 2000-х гг., что объясняется 27 повышательным ценовым трендом на рынке нефти (рисунок 5 (рассчитано по [193])). По отношению совокупной капитализации публичных компаний к ВВП Канада сопоставима с США и Великобританией, причем динамика этого показателя по трем странам все больше синхронизируется (рисунок 6 (рассчитано по [193])), что, на наш взгляд, свидетельствует о том, что глобальные инвесторы стремятся более пропорционально распределить риск в страновом разрезе. 2500 4,5 4,0 2000 3,5 3,0 1500 2,5 2,0 1000 1,5 1,0 500 0,5 0 0,0 Совокупная капитализация, млрд. долл. (левая шкала) Доля в мировой капитализации, % (правая шкала) Рисунок 5. Динамика капитализации рынка акций в Канаде. 250 200 150 100 50 0 Канада Великобритания США Рисунок 6. Динамика отношения совокупной рыночной капитализации к ВВП в Канаде, Великобритании и США, %. 28 По числу компаний–эмитентов Канада в 2011 г. занимала четвертое место в мире после Индии, США и Японии. Современный рынок акций в современной Канаде имеет сложную структуру. До 1999 г. здесь действовало пять фондовых бирж: Vancouver Stock Exchange, Alberta Stock Exchange, Toronto Stock Exchange, Montreal Exchange и Winnipeg Stock Exchange. К тому же на бирже Торонто функционировала площадка Canadian Dealing Network по торговле «через прилавок» акциями мелких компаний. В 1999 г. канадский бизнес и экономические власти начали глубокую перестройку национального фондового рынка с целью повышения его ликвидности, снижения издержек для участников и углубления специализации. Пройдя несколько волн реструктуризации, все биржевые площадки объединились под зонтиком группы компаний Toronto Stock Exchange. Акции зрелых состоявшихся компаний торгуются на Toronto Stock Exchange (TSX). Одновременно для компаний, находящихся на ранней стадии бизнеса, действует венчурная биржа TSX Venture Exchange. Обычно на эту биржу приходят иностранные компании, в том числе из добывающего сектора. Для компаний же, только выходящих на биржу, предназначена Canadian National Stock. [135, cc.270–271], [183, cc.5–6] Фактически рынок акций Канады состоит из трех сегментов, в каждом из которых обращаются бумаги компаний, находящихся на различных стадиях рыночной зрелости. Эти три сегмента образно можно уподобить низшей, средней и высшей ступеням образования. Требования к раскрытию информации, стандартам корпоративной отчетности, как и издержки листинга и брокерские и юридические услуги на Toronto Stock Exchange (TSX) самые высокие; на Canadian National Stock – самые низкие. [96] Отличительной чертой канадского рынка акций является доминирование ограниченного числа компаний–эмитентов – на 200 крупнейших публичных компаний, акции которых обращаются на TSX и TSX Venture Exchange, приходится около 90% совокупной капитализации 29 двух этих бирж. [130, c.133] Вместе с тем на 1000 компаний, капитализация каждой из которых не превышает 5 млн. долл., приходится всего около 11% совокупной рыночной капитализации двух биржевых рынков. [130, c.134] Около 200 крупнейших канадских публичных компаний одновременно котируются на американских биржах, а также на лондонской бирже. [130, c.134] Еще около 250 канадских компаний торгуются в США на неорганизованных биржевых площадках «через прилавок». К тому же, благодаря действующей информации многоюрисдикционной (multijurisdictional disclosure системе system), раскрытия компаниям, зарегистрированным на канадской бирже, легче провести листинг на американских биржах, чем компаниям других стран. [81, c.4] В этом отношении канадский рынок акций представляет собой трамплин для выхода на крупнейший мировой фондовый рынок. На нефтегазовые компании приходится около 30% совокупной капитализации Toronto Stock Exchange. На TSX Venture Exchange компании этого сектора обеспечивают около 20% совокупной капитализации. Более трети всех нефтегазовых компаний мира котируются на канадских биржах. [98] TSE/TSX по данному показателю далеко опережает все другие мировые биржевые площадки (рисунок 7 [96]). 450 400 350 300 250 200 150 100 50 0 TSE/TSX TSE/TSX ASX ASX LSE-AIM LSE-AIM NYSE NYSE NASDAQ NASDAQ NYSE Amex Oslo Bors NYSE Amex Oslo Bors 30 TSE/TSX – Toronto Stock Exchange/ TSX Venture Exchange (Канада) ASX – (Австралия) LSE-AIM – (Великобритания) NYSE – New York Stock Exchange (США) NASDAQ – (США) NYSE Amex – (США) Oslo Bors – (Норвегия) Рисунок 7. Число нефтегазовых компаний, котирующихся на различных биржевых площадках мира (конец 2010 г.). Россия Несмотря на сравнительную молодость, российский рынок акций в 2011 г. был третьим по объему капитализации крупнейшим рынком среди стран–нефтеэкспортеров. В мировой табели о рангах с 1,8% российский рынок акций занимал 16 место. Особенно быстро капитализация на российском рынке увеличивалась до 2007 г. включительно (рисунок 8 (рассчитано по [193])). Однако в 2008 г. в разгар мирового финансовоэкономического кризиса капитализация обвалилась почти на три четверти. После кризиса российский рынок акций так и не восстановился, а в 2011 г. его капитализация вновь начала снижаться. 1600 140 1400 120 1200 100 1000 80 800 60 600 40 400 20 200 0 0 -20 Капитализация, млрд. долл. (левая шкала) Капитализация, % от ВВП (правая шкала) Рисунок 8. Динамика капитализации рынка акций в России. 31 Замедлился после кризиса и выход на биржу новых компаний (рисунок 9 (рассчитано по [193])). При этом усредненная капитализация в расчете на одну компанию, несмотря на продолжающееся снижение, оставалась в 2011 г. на уровне близком 2,5 млрд. долл. Российский рынок акций – это рынок в первую очередь крупных и сверхкрупных компаний. 5000 400 4500 350 4000 300 3500 3000 250 2500 200 2000 150 1500 100 1000 50 500 0 0 Капитализация на одну компанию, млн. долл. (левая шкала) Число компаний в листинге (правая шкала) Рисунок 9. Россия: динамика числа компаний в листинге национальных бирж и усредненная рыночная капитализация в расчете на одну публичную компанию. Норвегия Динамика агрегированных показателей по норвежскому рынку акций в целом сходна с российской. Быстрый рост капитализации компаний и рынка в целом совпал здесь с повышательной тенденцией на мировом рынке нефти, наблюдавшейся с 2002 г. (рисунок 10 [193]). Финансово-экономический кризис 2008 г. обрушил и абсолютную и относительную капитализацию норвежского рынка. После некоторого восстановления в 2009 г. с 2010 г. и абсолютная, и относительная капитализация рынка акций вновь начала снижаться. В 2011 г. рынок акций Норвегии откатился примерно к тем позициям, которые он занимал в 2003 г. перед началом взлета мировых цен на нефть. 32 Усредненный показатель капитализации на одну норвежскую публичную компанию остается на уровне 1,1 млрд. долл. (рисунок 11 [193]). При этом число выходящих на биржу компаний не растет примерно с конца 1990-х годов. 400 100 350 90 80 300 70 250 60 200 50 150 40 30 100 20 50 10 0 0 Капитализация, млрд. долл. (левая шкала) Капитализация, % от ВВП (правая шкала) Рисунок 10. Динамика капитализации рынка акций в Норвегии. 2000 250 1800 1600 200 1400 1200 150 1000 800 100 600 400 50 200 0 0 Капитализация на одну компанию, млн. долл. (левая шкала) Число компаний в листинге (правая шкала) Рисунок 11. Норвегия: динамика числа компаний в листинге национальных бирж и усредненная рыночная капитализация в расчете на одну публичную компанию. 33 Индонезия Фондовый рынок Индонезии представлен тремя биржами. Крупнейшая площадка – фондовая биржа Джакарты (ФБД) – была открыта в 1912 г. колониальным правительством Голландии. В 1956 г. она была закрыта и приступила к работе вновь только в 1987 г. [116], [140, c.9] Две более мелкие площадки представлены фондовой биржей Сурабайи, открытой в 1989 г., и так называемой «параллельной биржей» – Bursa Paralel, на которой с 1988 г. осуществляются «операции через прилавок». В 1994 г. биржа Сурабайи поглотила последнюю площадку. [107, c.5] Большая часть зарегистрированных на ФБД компаний представлена предприятиями обрабатывающей промышленности. [134, c.144] Современная система электронной торговли и свободная торговля акциями начала внедряться на бирже только в конце 1990-х – начале 2000-х годов. [140, c.12] В 1989 г. Индонезия открыла свой фондовый рынок иностранному капиталу. По оценкам, за 2002–2007 гг. нерезиденты контролировали 41% всей рыночной капитализации и почти 70% акций, находящихся в свободном обращении (free float). [136] 450 60 400 50 350 300 40 250 30 200 150 20 100 10 50 0 0 Капитализация млрд. долл. (левая шкала) Капитализация % ВВП (правая шкала) Рисунок 12. Динамика рыночной капитализации в Индонезии. 34 В сравнении с другими нефтеэкспортерами в Индонезии динамика как абсолютных, так и относительных показателей капитализации рынка акций заметно более нестабильна (рисунок 12 (рассчитано по [193])). За последние двадцать лет индонезийский рынок прошел через три крупных кризиса, но всякий раз не просто восстанавливался, но выходил на новый более высокий уровень капитализации. Особенно показательно, что после глубокого падения в 2008 г. к 2011 г. абсолютная капитализация индонезийского рынка акций заметно выросла и на 84% превысила предкризисный максимум. Число индонезийских компаний, выходящих на рынок акций, демонстрирует устойчивую долговременную тенденцию к росту (рисунок 13 [193]). По этому показателю Индонезия обходит и Россию, и Норвегию. При этом увеличивается и усредненная капитализация в расчете на одну публичную компанию, что стало особенно заметно после кризиса 2008 г. В 2011 г. этот показатель приблизился к 900 млн. долл. 1000 500 900 450 800 400 700 350 600 300 500 250 400 200 300 150 200 100 100 50 0 0 Капитализация на одну компанию, млн. долл. (левая шкала) Число компаний в листинге (правая шкала) Рисунок 13. Индонезия: динамика числа компаний в листинге национальных бирж и усредненная рыночная капитализация в расчете на одну публичную компанию. 35 Саудовская Аравия Крупнейшим рынком акций в Персидском Заливе и арабском мире в целом является рынок Саудовской Аравии – ат-Тадавуль (рисунок 14 (рассчитано по [193])). По совокупной капитализации компаний Саудовская Аравия в 2011 г. занимала шестое место среди стран–нефтеэкспортеров, вслед за Канадой, Австралией, Россией, Мексикой и Индонезией. Первое акционерное общество появилось в Саудовской Аравии в 1935 г., однако до середины 1980-х годов рынок был представлен считанным числом преимущественно финансовых компаний, частично национализированных правительством в 1970-е годы. При этом рынок никак не регулировался. Только под влиянием краха фондового рынка в соседнем Кувейте в первой половине 1980-х годов саудовские власти приступили к формированию организованного рынка акций. В 1985 г. начал рассчитываться национальный фондовый индекс, а в 1990 г. на ат-Тадавуль внедрена электронная система торгов. [106, cc.25–26] 2% 2% 12% 13% 42% 13% 16% Сауд. Аравия Катар Иран Кувейт ОАЭ Оман Бахрейн Рисунок 14. Капитализация рынков акций стран–нефтеэкспортеров Залива в 2011 г., млрд. долл. 36 Его абсолютная и относительная капитализации быстро пошли вверх только в начале 2000-х годов (рисунок 15 [193]), что объясняется начавшимся в том момент повышательным ценовым трендом на мировом рынке нефти и, что даже более значимо, репатриацией значительных саудовских капиталов из США после террористического акта 11 сентября 2001 г. [106, c.2] На волне широких антиарабских настроений в США тесный политический альянс между элитами двух стран временно ослаб, и некоторые саудовские инвесторы, опасаясь за судьбу своих инвестиций в американской экономике, перевели часть капиталов на национальный фондовый рынок. В свою очередь, это дало толчок модернизации системы торговли акциями и созданию в 2003 г. независимого национального регулятора фондового рынка. Также началось постепенное открытие рынка акций для нерезидентов. В декабре 2007 г. в рамках политики по региональной интеграции операции на ат-Тадавуль были разрешены гражданам арабских стран–членов Совета по сотрудничеству государств Арабского Залива. В августе 2008 г. право работать на саудовском рынке получили неарабские резиденты через своповые механизмы с местными утвержденными и лицензированными структурами. [162, c.4] регулятором посредническими финансовыми 37 700 250 600 200 500 150 400 300 100 200 50 100 0 0 Капитализация млрд. долл. (левая шкала) Капитализация % ВВП (правая шкала) Рисунок 15. Динамика рыночной капитализации в Саудовской Аравии. Главными игроками на саудовском рынке акций выступают розничные инвесторы, на которых приходится около 90% всего оборота торговли. Доля корпоративного сектора составляет всего 7–8% и еще 1–2% приходится на фонды взаимных инвестиций. В первой половине 2000-х годов на рынке наблюдался подъем, вызванный выходом на рынок большого числа компаний в ходе первичного размещения акций. В феврале 2006 г. на пике лихорадки ат-Тадавуль со всего 78 компаниями с очень небольшой долей акций в свободном обращении вошел в десятку крупнейших рынков мира по капитализации. [162, c.5] Лихорадочный подъем привел к обвалу совокупной капитализации рынка акций в 2006 г. почти на 50%, однако уже в следующем году рынок во многом отыграл это падение. Кризис 2008 г. обвалил ат-Тадавуль уже более чем наполовину. К 2011 г. совокупная капитализация саудовского рынка акций несколько восстановилась примерно до уровня 2004 г. При этом капитализация 38 относительно ВВП снизилась до 52%, что примерно соответствует уровню России и Норвегии. Важно отметить, что 100% государственная нефтегазовая компания Saudi Aramco – монополист по добыче и экспорту нефти в королевстве и крупнейший в мире производитель углеводородов – не является публичной компанией. Тем не менее, на саудовском рынке преобладают очень крупные компании с усредненной капитализацией на уровне около 2 млрд. долл. (рисунок 16 [193]). При этом число публичных компаний в Саудовской Аравии, хотя и растет с середины 2000-х годов, но не превышает 150. 9000 160 8000 140 7000 120 6000 100 5000 80 4000 60 3000 2000 40 1000 20 0 0 Капитализация на одну компанию, млн. долл. (левая шкала) Число компаний в листинге (правая шкала) Рисунок 16. Саудовская Аравия: динамика числа компаний в листинге национальной биржи и усредненная рыночная капитализация в расчете на одну публичную компанию. Наиболее сильные позиции на саудовском фондовом рынке занимают компании финансового сектора, включая недвижимость, нефтехимические и обрабатывающие производства и телекоммуникации (рисунок 17 [189]). Такая структура рынка акций вполне типична для стран–нефтеэкспортеров, особенно отказавшихся от вывода на биржу добывающих нефтегазовых компаний, и, в принципе, делает его особенно уязвимым для внешних шоков. 39 2% 2% 0% 8% 8% 46% 11% 23% Финансы, страхование, недвижимость Нефтехимия Обраб. промышленность Телекоммуникации Потребительские товары и услуги Коммунальные услуги Нефть и газ Прочие Рисунок 17. Структура капитализации рынков акций Саудовской Аравии в разрезе отраслей на конец 2009 г., %. 1.2.1. Профиль риск – доходность Рассмотрим более подробно характеристики риска и доходности на рынках акций крупнейших нефтеэкспортеров, которые решающим образом влияют на поведение инвесторов. Начнем с простейших мер риска.2 Мы используем стандартное определение доходности, рассчитываемой по формуле: ln( yt ) , где yt – цена актива в момент времени t, yt-1 – цена y t 1 актива в момент времени t-1. В качестве основной меры риска используется стандартное отклонение доходности. Дополнительными мерами риска являются коэффициенты эксцесса и асимметричности доходности. 2 Здесь и далее все расчеты доходности и риска выполнены по дневным данным. распределения 40 По характеристикам доходность–риск рынки акций нефтеэкспортеров подразделяются на несколько групп (таблица 5 и рисунок 18 (рассчитано по [181])). Первую группу образуют зрелые рынки акций Австралии и Канады. Невысокая доходность сочетается здесь с низким риском. Вторую группу стран с пониженным риском и низкой доходностью образуют Кувейт, Нигерия и ОАЭ. Низкий риск здесь – результат не эффективности, а следствие пониженной ликвидности рынка. В третью группу входят рынки таких стран как Саудовская Аравия, Эквадор, Мексика и Катар. И доходность, и риск здесь немного выше, чем на зрелых рынках акций развитых стран. 0,025 Россия Норвегия 0,02 Египет Мексика С.Аравия Австралия Риск 0,015 Канада Кувейт Индонезия Нигерия 0,01 Эквадор Венесуэла Колумбия Катар ОАЭ 0,005 0 -0,0004 -0,0002 0 0,0002 0,0004 Доходность 0,0006 0,0008 0,001 0,0012 Рисунок 18. Кластеризация рынков акций стран–нефтеэкспортеров по характеристикам риск – доходность в период 2000 – 2012 (август) гг. 41 Таблица 5 Описательная статистика характеристик доходности и риска на рынках акций в странах–нефтеэкспортерах Средняя Стандартное Эксцесс Асимметрия Тест Жаркедоходность отклонение Берра доходности Россия Норвегия Мексика Австралия Канада Колумбия Катар Индонезия Саудовская Аравия Нигерия Кувейт ОАЭ Египет Венесуэла Эквадор для сравнения США (S&P500) 0,0007 0,0004 0,0004 0,0002 0,0002 0,0011 0,0006 0,0005 0,0004 0,0001 -0,0002 0,0003 0,0003 0,0007 0,0005 0,0234 0,0208 0,0177 0,0157 0,0153 0,0175 0,0153 0,0190 0,0161 0,0131 0,0118 0,0124 0,0187 0,0206 0,0159 7,8663 6,2242 5,6380 8,8889 7,8180 8,5978 10,7326 7,4656 9,3587 11,0484 3,0599 9,4555 8,81045 390,6867 214,574 -0,4481 -0,4970 -0,0937 -0,8265 -0,5917 -0,3326 -0,3969 -0,6708 -1,0201 -0,2294 -0,6345 -0,1153 -0,4486 -12,0811 6,1467 6805 3877 3466 986 6452 7969 14000 6696 11000 22000 432 5971 3613 51000 1300000 -1,4*10^-5 0,0136 7,2364 -0,1566 247 42 Наконец, четвертую группу образуют Россия, Норвегия и Венесуэла, к которым примыкают Индонезия и Египет. Рынки акций этих стран отличаются от других стран–нефтеэкспортеров повышенным уровнем риска. Показательно, что самым рискованным среди пятнадцати рассматриваемых нефтеэкспортеров был российский рынок акций. При этом в России и Венесуэле рынки акций отличались и повышенной доходностью. В большинстве развивающихся стран–нефтеэкспортеров доходность на рынках акций отличается повышенными значениями асимметричности и эксцесса (таблица 5 [181]), что свидетельствует о нестабильности инвестиционного процесса и зависимости его от ограниченного числа сделок. Причиной этого является низкая капитализация, нерегулярный характер торговли и сравнительно небольшое число эмитентов, по акциям которых осуществляются торговые операции. В целом все эти и связанные с ними факторы снижают привлекательность данных рынков для стратегических инвесторов с длительным горизонтом инвестирования и делают эти рынки заложником действий краткосрочных спекулянтов. Важную информацию для понимания профиля риск – доходность на рынках акций в странах–нефтеэкспортерах дает анализ их реакции на глобальные финансово-экономические кризисы. Расчеты показывают, что фондовые рынки в этих странах особенно чувствительны к глобальным финансово-экономическим шокам, составной частью которых практически всегда является резкая смена ценовых тенденций на мировом рынке нефти. Среди включенных в таблицу 6 (рассчитано по [181]) стран наиболее глубоко под влиянием шока, заданного финансовым кризисом 2008 г., обвалились рынки акций именно в нефтеэкспортерах: России (-80%), Саудовской Аравии (-80%), Нигерии (-79%), Норвегии (-75%), Египте (-73%), Индонезии (-70%), Объединенных Арабских Эмиратах (-66%). 43 Таблица 6. Динамика рынков акций нефтеэкспортеров в период глобального финансово-экономического кризиса 2007-2009 гг. и последующего восстановления* Глубина снижения Значение индекса на конец 2012 Страна индекса, %* к предкризисному максимуму, % Канада -62 80 Австралия -68 77 Норвегия -75 80 Колумбия -54 141 Индонезия -70 147 Мексика -64 109 Катар -67 65 Саудовская Аравия -80 33 Россия -80 61 Кувейт -68 49 Оман -65 48 ОАЭ -66 42 Нигерия -79 32 Египет -73 39 Эквадор -30 97 Венесуэла -55 380 для сравнения США -57 91 Япония -64 61 Германия -61 85 Франция -62 57 *– от максимального значения индекса перед банкротством Lehman Brothers в 2008 г. до минимального значения индекса после банкротства банка. 1.2.2. Рыночный риск на рынках акций стран–нефтеэкспортеров Одним из главных векторов эволюции финансовой системы после кризиса стало усиление контроля над риском. В этой связи особый интерес представляет анализ рыночного риска в группе стран–нефтеэкспортеров, которые, благодаря высоким ценам на нефть, не снизили, а повысили темпы экономического роста. 44 В последние десять с небольшим лет рынки акций в странах– нефтеэкспортерах демонстрируют завидную динамику доходности.3 Как показывают материалы, включенные в таблицу 7 (рассчитано по данным [181]), в 2000–2012 гг. доходность инвестиций в акции компаний в этих странах заметно превышала аналогичные показатели по странам нефтеимпортерам с крупнейшими и зрелыми фондовыми рынками. Причем за некоторыми исключениями эта закономерность действовала и до, и после глобального финансово–экономического кризиса 2007–2009 годов. Если брать весь период 2000–2012 гг., самую высокую доходность среди нефтеэкспортеров демонстрируют рынки акций России, Мексики, Норвегии, Нигерии и Саудовской Аравии. Показательно и то, что положительная доходность была продемонстрирована на крупнейших рынках акций всех нефтеэкспортеров, в то время как акции компаний в странах–импортерах давали отрицательную доходность. Таблица 7. Доходность и риск на рынках акций стран–нефтеэкспортеров в 2000– 2012 гг.* 2000–2007 2009–2012 2000–2012 Среднедневная доходность, % Россия (РТС) 0,1299 0,0889 0,0673 Норвегия (OBX) 0,0723 0,0943 0,0426 Нигерия (GSE All Shares) 0,1212 -0,0229 0,0399 Мексика (MBI) 0,0636 0,0737 0,046 Саудовская Аравия (Tadawul) 0, 0848 0,0349 0,0373 Австралия (S&P/ASX 200) 0,0496 0,0603 0,0262 Канада (S&P/TSX Composite) 0,0435 0,0525 0,023 для сравнения США (S&P500) -0,00003 0,0454 -0,0009 Великобритания (FTSE 100) 0,0067 0,0390 -0,0047 Риск (стандартное отклонение доходности, %) Россия (РТС) 2.0658 2.1314 2.3234 Норвегия (OBX) 1.4402 2.3378 2.0617 3 По сравнению с таблицей 5 для доказательства выдвигаемых тезисов мы несколько скорректировали временные ряды данных, по которым рассчитывается доходность. 45 Мексика (MBI) 1,5687 1,6763 Нигерия (GSE All Shares) 1,7571 1,3667 Саудовская Аравия (Tadawul) 1,5944 1,1818 Австралия (S&P/ASX 200) 1,1296 1,6481 Канада (S&P/TSX Composite) 1,1514 1,5875 для сравнения США (S&P500) 1,1150 1,3279 Великобритания (FTSE 100) 1,1683 1,5543 * – долларовые, либо пересчитанные в доллары национальные индексы. 1,7553 1,6228 1,5961 1,5587 1,5147 1,3507 1,4883 фондовые Как уже отмечалось, платой за высокие показатели доходности является повышенный уровень риска. Данная закономерность была выявлена на многих так называемых развивающихся рынках и получила подтверждение в работах по российскому рынку акций для периода второй половины 1990-х – первой половины 2000-х годов. [2], [15] При этом уровень риска на российском рынке акций является высоким даже в сравнении с другими нефтеэкспортерами. Причем среди последних только в Канаде и, в меньшей степени, Австралии риск инвестиций в акции оказался близок к уровню риска в странах с наиболее развитыми фондовыми рынками. Следует отметить, что после кризиса в 2009–2012 гг. уровень риска повысился на большинстве рассматриваемых фондовых рынках нефтеэкспортеров, исключая Саудовскую Аравию. При этом норвежский рынок акций даже немного обошел по этому показателю российский рынок. Однако произошло это не за счет снижения риска российского фондового индекса – этот показатель вырос, а за счет повышения риска акций в других странах–нефтеэкспортерах. Важно отметить и то, что во время кризисных шоков 2008 г. уровень риска акций российских эмитентов оказался особенно высоким. 46 Повышенный уровень риска во многом определяет основные тенденции развития рынков акций в странах–нефтеэкспортерах и оказывает определяющее влияние на поведение инвесторов на этих рынках. Оценим стоимость рыночного риска для инвесторов в акции компаний стран–нефтеэкспортеров с помощью рекомендованного Базельским комитетом по банковскому надзору метода «стоимость–под– риском» (Value–at–Risk или VaR). [29,c. 284]; [37] Этот метод позволяет определить максимальные убытки по инвестиционной позиции, которые не будут превзойдены с определенным доверительным интервалом за определенный период времени. Простота и наглядность – в качестве меры риска выступает всего одна расчетная величина с фиксированным значением – сделали VaR наиболее распространенным методом риск– менеджмента, с помощью которого банки и финансовые институты оценивают размеры резервируемого капитала. В общем виде математически VaR определяется следующим образом: P(ln( St ) VaR ( )) 1 , S t 1 где St – цена актива в момент времени t, а α – доверительный уровень оценивания или заданная квантиль распределения доходностей. Оценим VaR по дневным значениям доходности фондовых индексов нефтеэкспортеров историческим методом с 99%, 97,5% и 95% доверительными интервалами на временном отрезке с начала 2000 г. по конец 2011 г. Инвестиционные портфели игроков на рынке акций по структуре вряд ли соответствуют структуре фондовых индексов. Однако, первичные ожидания инвесторов относительно перспективности того или иного рынка акций формируются на базе профиля риск – доходность, 47 присущего рынку в целом, поэтому использование фондовых индексов в качестве прототипов инвестиционных портфелей вполне уместно. В основе исторического метода расчета VaR лежит нелинейное оценивание. Его основное преимущество наряду с простотой реализации заключается в том, что при оценке не требуется никаких априорных предпосылок о характере распределения доходности. [27, c.68]; [37] При расчете VaR по историческим данным доходности актива ранжируются в порядке убывания, а затем от «хвоста» отрицательных доходностей отсекается заданный процент выборки. Например, при 99% доверительном интервале отсекается 1% наибольших отрицательных значений доходности и т.д. Моделирование по российским акциям показало, что для длинных временных горизонтов исторический VaR дает наиболее точные оценки по сравнению с другими моделями. [62, c.68] Для проверки также рассчитаем VaR дельта−нормальным методом с 99% доверительным интервалом. Этот метод исходит из гипотезы о нормальном распределении доходности, а «стоимость−под−риском» определяется как соответствующая квантиль нормального распределения доходности по формуле: VaR= k(1-α) ∙ σ ∙ Q , где Q – величина позиции, σ – волатильность доходности, k(1-α) – заданная квантиль нормального распределения. [38, c.6] Как следует из данных, представленных в таблице 8 (рассчитано по [181]), на каждые инвестированные в индекс фондового рынка сто долларов в странах–нефтеэкспортерах максимальные потенциальные убытки находились в зависимости от доверительного интервала в пределах 3–7 долл. Особенно заметные убытки инвесторы в акции могли понести на российском и норвежском рынках при доверительном интервале в 99%. Во всех вариантах расчетов возможные убытки инвесторов на российском рынке акций оказываются наибольшими, причем по мере повышения 48 значения доверительного интервала сравнительные потери по инвестициям в российские акции постоянно возрастали. В принципе, расчеты VaR дельта–нормальным методом подтверждают эти выводы. Бэктестинг или проверка модели на адекватность проведена по данным за 2012 г., по всем рынкам фактические доходности ни разу не превышают или, на профессиональном жаргоне риск–менеджеров, «не пробивают» смоделированный уровень VaR (таблица 9 (рассчитано по [178], [181])). Таблица 8. Оценка «стоимости–под–риском» историческим методом для стран– нефтеэкспортеров за период 2000–2011 гг. на 100 долл. инвестиций, долл. исторический метод с для сравнения доверительным дельтаинтервалом нормальный метод с 99% 97,5% 95% доверительным интервалом 99% Россия (РТС) 7,0 5,1 3,7 5,5 Норвегия (OBX) 6,2 4,5 3,3 4,9 Саудовская Аравия (Tadawul) 5,9 4,0 2,6 3,8 Нигерия (GSE All Shares) 5,5 3,5 2,4 3,9 Мексика (MBI) 5,2 3,7 2,7 4,2 Австралия (S&P/ASX 200) 4,6 3,2 2,4 3,7 Канада (S&P/TSX Composite) 4,6 3,0 2,4 3,6 для сравнения США (S&P500) 3,9 2,9 2,2 3,2 Великобритания (FTSE 100) 4,1 3,1 2,4 3,5 Таблица 9. Бэктестинг модели исторического дневного VaR с 99% доверительным интервалом по данным 2012 г. и оценка резервируемого под риск капитала Число Зона превышений «базельского порога VaR светофора» за 250 Коэффициент для расчета резервного капитала Объем резервируем ого капитала на позицию 49 рабочих дней Россия (РТС) Норвегия (OBX) Саудовская Аравия (Tadawul) Нигерия (GSE All Shares) Мексика (MBI) Австралия (S&P/ASX 200) Канада (S&P/TSX Composite) для сравнения США (S&P500) Великобритания (FTSE 100) в 100 долл., долл. 4 0 0 0 0 0 0 0 зеленая зеленая зеленая зеленая зеленая зеленая зеленая 3 3 3 3 3 3 3 66 59 56 52 49 44 44 0 0 зеленая зеленая 3 3 37 39 Это значит, что риск на всех рассматриваемых рынках акций попадает в зеленую зону «базельского светофора». В зависимости от числа нарушений при бэктестинге моделей в Базеле выделяется три зоны: зеленая с числом пробитий VaR до 4; желтая – от 5 до 9 пробитий и красная – более 9 пробитий. Для каждой из зон используется свой коэффициент для расчета резервируемого под риск капитала – минимальный для зеленой зоны и максимальный для красной. В таблице 9 также представлены оценки объемов капитала, который инвесторы должны в соответствии с требованиями Базеля зарезервировать под риск вложений в акции. Если резервы под риск на американском фондовом рынке принять за 100%, то на равные инвестиции в российский, норвежский, саудовский и нигерийский индексы требуется отвлекать соответственно на 78%, 59%, 51% и 41% больше ресурсов в резервный капитал. Даже при инвестициях в портфель австралийских и канадских акций придется отвлечь почти на 20% больше финансовых ресурсов, чем при направлении аналогичных средств в акции американских компаний. Как правило, крупные портфельные инвесторы рассматривают акции компании как базовый актив и формируют за счет них значительную часть 4 Согласно требованиям Базеля, рассчитывается по текущему дневному значению VaR на 10 дней вперед по формуле 10 VaR t 10VaR t 1 . 50 своего портфеля. Однако необходимость омертвлять в резервах дополнительные ресурсы снижает привлекательность инвестирования в акции компаний из стран–нефтеэкспортеров как инструмента повышения устойчивости и надежности инвестиционного портфеля. Важную информацию дает анализ того «хвоста» распределений доходностей, которые нарушают или пробивают заданный доверительный уровень VaR. На рисунке 19 (рассчитано по [181]) представлен временной график нарушений исторического VaR с 99% доверительным интервалом по ежедневным доходностям фондовых индексов России (РТС) и Норвегии (OBX) за период с января 2000 г. по декабрь 2012 г. 0 доходность, % -5 -10 -15 -20 -25 01.01.00 15.05.01 27.09.02 09.02.04 23.06.05 Индекс РТС 05.11.06 19.03.08 01.08.09 14.12.10 27.04.12 Индекс OBX Рисунок 19. Временной график нарушений исторического VaR с 99% доверительным интервалом по ежедневным доходностям фондовых индексов России (РТС) и Норвегии (OBX) за период с января 2000 г. по декабрь 2012 г. Визуальный анализ рисунка показывает, что по норвежскому индексу нарушения VaR кучно распределены на временном отрезке май 2008 г. – июль 2009 г., то есть приходятся на период глобального финансово-экономического кризиса и, в меньшей степени, на период после 51 кризиса. Кластеризация пробитий смоделированного значения VaR на узком отрезке времени с последующими вторичными шоками представляет собой нормальную реакцию зрелого фондового рынка в ответ на внешние возмущения. Эффект кластеризации может быть учтен для построения по норвежскому рынку акций параметрического VaR с использованием семейства GARCH моделей [78], [129], которые показали неплохие результаты при моделировании волатильности доходности. В принципе специально построенный параметрический VaR может на определенном временном горизонте позволить инвестору снизить размеры средств, отвлекаемых в резервный капитал. Для российского фондового индекса временное распределение пробитий заданной «стоимости–под–риском» носит во многом случайный характер. Хотя кластеризации, и здесь можно волатильность выделить бессистемно определенные распределена рассматриваемом горизонте и до, и после кризиса. отрезки на всем Это значит, что российский рынок постоянно реагирует на некие внешние шоки, природа которых не до конца очевидна и не поддается систематизации. Сравнительная бессистемность временного распределения пробитий VaR существенно затрудняет моделирование риска параметрическими методами, что дополнительно отпугивает долгосрочных инвесторов, не желающих отвлекать ресурсы для поддержания резервного капитала. Полученные выводы полезно проверить, построив модель рыночного риска для крупных нефтегазовых компаний, которые составляют основу рынка акций в некоторых странах–нефтеэкспортерах. Сделаем это по компаниям России и Норвегии. В структуре фондового индекса РТС на нефтегазовые компании приходится 52% совокупной капитализации, индекса OBX – 22% (на конец 2012 г. по данным [169], [190]). 52 Оценки VaR по дневным значениям доходности акций шести российских, одной норвежской и для сравнения двух американских нефтегазовых компаний историческим методом с 99%, 97,5% и 95% доверительными интервалами за период 2000–2011 гг. и результаты бэктестинга, тестирующие адекватность используемой модели, приведены в таблицах 10 (рассчитано по [181]) и 11 (рассчитано по [178], [181]). Таблица 10. Оценка «стоимости–под–риском» историческим методом для крупных публичных нефтегазовых компаний за период 2000–2011 гг. на 100 долл. инвестиций, долл. ОАО «Газпромнефть» ОАО «Татнефть» ОАО «НК «Роснефть» ОАО «Сургутнефтегаз» ОАО «Газпром» ОАО «Лукойл» Statoil для сравнения Exxon Mobil Chevron 99% 9,9 9,4 9,3 9,1 8,8 7,8 6,5 доверительный интервал 97,5% 6,8 6,7 6,8 6,4 6,5 6,7 5,0 4,5 4,5 3,5 3,5 95% 4,7 4,8 4,9 4,8 4,5 5,7 3,8 2,6 2,7 Таблица 11. Бэктестинг модели исторического дневного VaR с 99% доверительным интервалом по данным 2012 г. и оценка резервируемого под риск капитала для крупных публичных нефтегазовых компаний ОАО «НК «Роснефть» ОАО «Лукойл» ОАО «Сургутнефтегаз» ОАО «Газпромнефть» ОАО «Газпром» ОАО «Татнефть» Statoil Число превышений порога VaR за 250 рабочих дней 0 0 1 0 0 0 0 Зона «базельско го светофора» Коэффициент для расчета резервного капитала Объем резервируемого капитала на позицию в 100 долл., долл. зеленая зеленая зеленая зеленая зеленая зеленая зеленая 3 3 3 3 3 3 3 88 74 86 94 83 89 61 53 для сравнения Exxon Mobil Chevron зеленая зеленая 0 0 3 3 43 42 В целом подтверждаются все ранее сделанные выводы. Во-первых, рыночные риски акций российских и, в существенно меньшей степени, норвежской компании выше аналогичных рисков по крупнейшим мировым вертикально–интегрированным нефтегазовым корпорациям. Во-вторых, для хеджирования этого риска инвесторам в акции норвежской и, особенно, российских компаний пришлось бы резервировать существенно бóльшие объемы капитала. Суммируем. Проведенный анализ показывает, что для рынков акций стран–нефтеэкспортеров и акций компаний в этих странах характерен повышенный уровень риска, причем российский рынок заметно выделяется по этому показателю даже в этой группе стран. Высокий риск акций российских компаний снижает их инвестиционную привлекательность для отечественных и зарубежных инвесторов. Особо следует отметить, что это мешает банкам и финансовым структурам использовать данный инструмент для диверсификации своего инвестиционного портфеля. Таким образом, повышенный риск акций российских эмитентов препятствует здоровому развитию не только самого фондового рынка, но и финансовой системы в целом. При переходе к Базелю–III, стандарты которого предполагают более полный учет рисков, сравнительно слабая инвестиционная привлекательность российских акций станет еще более очевидной. 54 1.3. Рынки акций в процессе образования основного капитала Проанализируем, какую роль рынки акций играют в процессе капиталообразования в странах–экспортерах нефти. Теоретические подходы к этому вопросу полярны. В литературе неоклассического направления считается, что развитие фондового рынка национальных благоприятно сбережений, что, воздействует в свою на формирование очередь, положительно сказывается на инвестиционном процессе и, в конечном счете, ускоряет экономический рост. [30] В ряде эмпирических работ этот тезис находит подтверждение. Хенри П.Б. (2000) на примере одиннадцати развивающихся стран показывает, что либерализация фондового рынка ведет к буму частных инвестиций. [102] Левайн Р. (2003), используя данные по сорока девяти странам в период 1976–1993 гг., доказывает, что между процессами развития фондового рынка и экономическим ростом существует сильная положительна связь. [117] Бекаерт Г.и др. (2005), анализируя выборку по большому числу стран, приходит к выводу, что либерализация фондового рынка в среднем ускоряет прирост среднедушевого ВВП примерно на один процентный пункт. [73] Выводы этих работ противоречат известному положению Кейнса Дж. М. (1936), уподобившему фондовый рынок казино или игорному дому: «когда развитие капитала в стране становится побочным продуктом деятельности игорного дома, трудно ожидать хороших результатов». [7] Следующие кейнсианской традиции современные экономисты не находят убедительных доказательств того, что фондовый рынок оказывает на экономическое развитие положительное влияние. [154] Об объеме ресурсов, которые нефтеэкспортеры мобилизуют через фондовый рынок, можно приблизительно судить по масштабам эмиссии акций. Из материалов, представленных в таблице 12 [194], следует, что 55 существенные ресурсы через эмиссию акций привлекаются только в Австралии, Канаде и, в меньшей степени, Норвегии. При этом в Канаде финансово-экономический кризис 2008 г. практически не повлиял на масштабы эмиссионной активности, а в Австралии и Норвегии объемы эмиссии достаточно быстро восстановились после кризиса. Аналогичные по сути, хотя и не столь значительные по абсолютным масштабам, процессы наблюдались в Индонезии. Причем в отдельные годы по объему ресурсов, мобилизуемых через эмиссию акций, индонезийский рынок не уступал норвежскому. Иная ситуация сложилась в Колумбии, Мексике, России и Саудовской Аравии. В этих странах эмиссия акций не превышает в среднем 1–2 млрд. долл. в год и носит спорадический характер. Таблица 12. Объем финансовых ресурсов, мобилизованных через эмиссию акций, млрд. долл. Страна 2006 2007 2008 2009 2010 Австралия 46,5 69,3 52,0 83,2 53,8 Канада 44,1 56,1 52,9 Норвегия 15,1 8,0 2,6 8,9 9,6 Индонезия 1,8 5,4 8,3 1,2 8,5 Колумбия 0,2 5,5 0,7 0,0 0,0 Мексика 1,0 3,7 2,7 Россия 0,0 1,7 Саудовская Аравия 1,4 1,1 для сравнения США* 120,5 153,2 289,6 246,2 216,3 *– данные по биржевым площадкам NYSE Euronext(US) и NASDAQ OMX. Конечно, речь идет только о прямой мобилизации сбережений через эмиссию акций. Публичные компании, акции которых обращаются на рынке, имеют возможность использовать другие механизмы для привлечения ресурсов для инвестирования через выпуск облигаций, кредиты и другие финансовые инструменты. Так, российские компании 56 только в 2009–2011 гг. привлекли на рынке капитала 150 млрд. долл. [46] Тем не менее, подавляющая часть этих ресурсов была привлечена из мировой финансовой системы, а не напрямую из национальных сбережений. До кризиса ряд ведущих российских компаний мобилизовали ресурсы через первичные публичные размещения акций – IPO (бокс 1 [174], [175], [176]). Объемы привлеченных таким образом ресурсов оказались значительными, особенно в сравнении с масштабами мобилизации средств через эмиссию акций. Однако IPO носят разовый характер и по определению не могут обеспечить стабильный переток сбережений в накопление. Бокс 1. Крупнейшие публичные размещения (IPO) ведущих российских компаний до глобального финансово-экономического кризиса Привлечено Компания Дата и место проведения IPO средств, млрд. долл. июль 2006 г.; ММВБ, РТС и Роснефть 10,7 Лондонская фондовая биржа (LSE) Сбербанк февраль 2007 г.; ММВБ и РТС 3,2 май 2007 г.; ММВБ, РТС и ВТБ 8,0 Лондонская фондовая биржа (LSE) Для сравнения отметим, что на зрелом и крупном американском фондовом рынке эмиссия акций в 2006–2010 гг. составляла в среднем 205,2 млрд. долл. в год и не демонстрировала тенденции к затуханию. Даже с поправкой на абсолютные размеры рассматриваемых экономик очевидно, что в нефтеэкспортерах из числа развивающихся стран и стран с переходной экономикой мобилизация сбережений для накопления через фондовый рынок развита несопоставимо слабее. Особо необходимо оговорить тот факт, что из шести крупнейших российских нефтегазовых компаний IPO провела лишь Роснефть, хотя 57 проведение публичного размещения акций планировалось и другими отечественными компаниями. С одной стороны, это означает, что у российского рынка акций сохраняется потенциал для дальнейшего развития и привлечения через него масштабных инвестиций, но, с другой стороны, отсюда следует, что у российского рынка акций есть другая функция. Существующая система собственности не позволяет в полной мере привлекать инвестиции через долевое участие. Целесообразно сопоставить объем ресурсов, мобилизованных через эмиссию акций, с валовыми вложениями в основной капитал, которые отражают процесс образования физического капитала (таблица 13 рассчитано по [193], [194]). Расчеты показывают, что наиболее существенную роль в процессе капиталообразования рынок акций играет в Австралии и Канаде. В этих странах через эмиссию акций в рассматриваемый период финансировалось от 15% до 31% валовых вложений в основной капитал. По этому показателю обе страны даже обгоняли США, у которых он находился на уровне 5–12%. Таблица 13. Отношение инвестиций, привлеченных через эмиссию акций, к валовым вложениям в основной капитал, % Страна 2006 2007 2008 2009 2010 Австралия 24 31 18 Канада 15 17 18 Бразилия 9 18 8 15 28 Индонезия 2 5 6 1 4 Малайзия 3 6 4 20 Колумбия 1 12 1 0 0 Норвегия 23 9 3 11 Мексика 1 2 1 Россия 0 0 Саудовская Аравия 2 1 для сравнения США* 5 6 11 12 *– данные по биржевым площадкам NYSE Euronext(US) и NASDAQ OMX. 58 Также существенную, хотя и несколько меньшую роль в привлечении инвестиций рынок акций играет в Малайзии и Норвегии. Последние пять лет уровень привлеченных через рынок акций инвестиций там держался на уровне США. В России отношение привлеченных инвестиций на рынке акций к валовым вложениям в основной капитал одно из самых низких среди рассматриваемых стран нефтеэкспортеров. Парадоксально, но, несмотря на высокую абсолютную капитализацию, роль рынка акций в мобилизации ресурсов для инвестиций в основной капитал несущественна. Это свидетельствует о том, что отечественный фондовый рынок не выполняет функцию привлечения инвестиций в реальный сектор. Дескриптивный анализ полезно дополнить анализом экономикоэконометрическим. Учитывая ограниченность имеющихся временных рядов по фондовому рынку стран–нефтеэкспортеров, воспользуемся панельной межстрановой регрессией, оценивающей зависимость инвестиционного процесса от капитализации фондового индекса. В общем виде модель панельной регрессии имеет вид: yit = α + X'it β + υit, i = 1,…,N t = 1,…,T. где i ― номер вектора (в нашем случае одномерный вектор), t ― время, α ― свободный член, β ― вектор коэффициентов размерности K×1, X'it = (X1it , … ,Xk it) ― вектор-строка матрицы K, включающий объясняющие переменные (в нашем случае единичная матрица), υit – случайные ошибки. В расчетах используется однокомпонентная модель случайной ошибки: υit = ui + εit , где ui ― ненаблюдаемые индивидуальные эффекты, не зависящие от времени и отвечающие за характеристики объектов, которые не включены в регрессию непосредственно, а εit ― остаточное возмущение, которое 59 меняется в зависимости от времени и объектов, и может рассматриваться как обычная случайная составляющая в регрессии.[59] Моделирование проводилось с помощью пакета STATA 12 по ста семидесяти наблюдениям в годовом режиме по Австралии, Венесуэле, Казахстану, Канаде, Катару, Колумбии, Кувейту, Индонезии, Ирану, Мексике, Нигерии, Норвегии, Оману, ОАЭ, России, Саудовской Аравии и Эквадору. В каждой из моделей регрессором выступает капитализация фондовых индексов стран нефтеэкспортеров, регрессантом – валовые инвестиции в основной капитал (GFCF). Были построены три регрессии по панельным данным: регрессия для средних по времени значений переменных (between), фиксированными регрессия эффектами с (within) детерминированными и регрессия с или рэндомными эффектами (random effect).5 Результаты моделирования приведены в таблице 14 (рассчитано по [191]; [194]). Таблица 14. Коэффициенты панельной регрессии валового накопления основного капитала (GFCF) на капитализацию и их значимость (p-value) Капитализация Константа R2 регрессия between Коэффициент 0.0288664 0.2045374 0.0389 Значимость p-value 0.448 0.000 регрессия within Коэффициент 0.0193435 0.2092566 0.0459 Значимость p-value 0.008 0.000 регрессия random effects Коэффициент 0.0196851 0.2090873 Значимость p-value 0.005 0.000 Тест Вальда sigma_u 0.05154687 F-тест ui=0: sigma_e 0.02772292 F(16, 5 что все (fraction of variance due to u i) 152) = Prob > F = Подробное описание каждого типа моделей регрессий по панельным данным приведено в [39]. 60 33.41 rho 0.0000 0.77564474 Тест Хаусмана (b) (B) (b-B) sqrt(diag(V_b-V_B)) коэффициенты 0.01934 0.01969 -0.00034 0.00135 Тест: Ho: разница в коэффициентах не является систематической Хи2 (1) = (b-B)'[(V_b-V_B)^(-1)](b-B) = 0.06 2 Вероятность>Хи = 0.8003 Сравнительный анализ коэффициента R2 показывает, что предсказательная сила регрессии between ниже, чем в регрессии within. Для определения наилучшей модели были проведены тесты: Вальда и Хаусмана. Так, сравнение моделей сквозной регрессии и within при помощи теста Вальда показало, что основная гипотеза о равенстве нулю всех индивидуальных эффектов отвергается, что говорит о том, что регрессия с детерминированными эффектами лучше подходит для описания динамики показателей, чем простая сквозная регрессия. В свою очередь, тест Хаусмана свидетельствует, что основная гипотеза о некоррелированности эффектов ui и капитализации не отвергается. Поэтому, учитывая значение p-value, модель со случайными эффектами лучше подходит для описания процесса. При этом, однако, значение коэффициента при регрессоре крайне мало, что говорит о том, что связь между валовыми инвестициями в основной капитал и капитализацией практически отсутствует. Проведенный анализ роли рынков акций в процессе капиталообразования показывает, что крупнейшие нефтеэкспортеры делятся на две группы. В первой группе, которую образуют Австралия, Канада и Норвегия, рынок акций достаточно эффективно выполняет функцию мобилизации национальных сбережений с целью инвестирования в основной капитал. В странах второй группы, к которой принадлежит и 61 Россия, роль рынка акций в мобилизации внутренних финансовых ресурсов для инвестирования незначительна. В этих странах рынок акций выступает скорее в качестве механизма распределения и перераспределения прав собственности на активы. При том, что стабилизация отношений собственности занимает не одно десятилетие, а критическая спекулятивного зависимость фондового капитала повышает рынка от «финансовую иностранного хрупкость» национальной экономики и ее восприимчивость к макроэкономическим шокам [51], особое значение в таких условиях приобретает повышение нормы накопления и облагораживания структуры инвестиций за счет стимулирования притока прямых иностранных инвестиций. 62 ГЛАВА 2. Трансмиссия шоков нефтяных цен на рынки акций нефтеэкспортеров В центре внимания настоящей главы – исследование каналов трансмиссии шоков нефтяных цен на рынки акций в странах– нефтеэкспортерах. Анализ фокусируется на теоретических подходах, которые позволяют составить системное представление о влиянии цены нефти на котировки акций публичных компаний. Также представлены краткий обзор и оценка тех работ, в которых данная проблематика рассматривается в прикладном аспекте. 2.1. Теоретические подходы Логически и с позиций здравого смысла справедливо полагать, что информационный сигнал об изменении цен на рынке нефти поступает на рынок акций по двум каналам: во-первых, передается напрямую в цены акций; во-вторых, поступает на рынок акций опосредованно, пройдя «сквозь» глобальную и национальную экономику. Для адекватного оценивания прямой и опосредованной трансмиссии ценового сигнала с мирового рынка нефти в цену акций требуется вписать эти оценки в существующие теоретические подходы. 2.1.1. Прямое влияние динамики нефтяных цен на цену акций Согласно теоретическим финансовым подходам, цена акции представляет собой дисконтированный ожидаемый будущий денежный поток компании (cм. например [105]): p E (c ) E (r ) где p – цена акции, c – денежный поток, r – ставка дисконтирования и E – оператор ожиданий. С некоторыми упрощениями (игнорируя выплату 63 дивидендов) можно считать, что доходность акции R может быть представлена как: R d ( E (c)) d ( E (r )) E (c ) E (r ) где d(…) отражает операцию дифференцирования. Таким образом, доходность акции определяется систематическими изменениями в ожидаемых денежном потоке и ставке дисконтирования. Изменения цены нефти могут оказать заметное влияние как на денежный поток компании, так и ставку дисконтирования через потенциальное влияние на уровень процентной ставки. Для публичных компаний, являющихся чистыми производителями (экспортерами) рост цены нефти увеличивает денежный поток, а значит и доходность, и цену акций. Верно и обратное: снижение цены нефти, в конечном счете, может вызвать снижение цены акций таких компаний. Для публичных компаний, являющихся чистыми потребителями нефти, ситуация обратная. В современной финансовой теории рассматриваются более сложные формы зависимости между дисконтированным ожидаемым денежным потоком и ценой акций (cм. например [127]). Цена акции может быть представлена как текущая цена неопределенного будущего денежного потока, дисконтированного по ожидаемой процентной ставке, скорректированной на риск. Соответственно цену индекса фондового рынка P, рассчитываемого по n компаниям, можно представить следующей формулой: n Dti1 Pt M Et t f i i 1 t 0 1 rt 1 ert 1 где: Pt M − цена индекса фондового рынка; i – индекс компании; n – число компаний, входящих в расчет фондового индекса; Et − оператор ожиданий; Dti1 − денежный поток компании i в момент времени t+1; rt f 1 − 64 доходность безрискового актива в момент времени t+1; erti1 − премия за риск доходности акции i таким образом, что erti1 rti1 rt f 1 , где rti1 − доходность акции в момент времени t+1. Из формулы следует, что доходность акции зависит от трех факторов: денежного потока, безрисковой процентной ставки и премии за риск. Цена нефти оказывает влияние на все три эти фактора. Имеется несколько общепризнанных подходов, позволяющих оценить стоимость актива. Один из них – хорошо известная модель CAPM (Capital Asset Pricing Model). В основе модели CAPM лежит гипотеза о том, что ожидаемая доходность акции (актива) должна возрастать вместе с рискованностью этого актива.6 Обычно CAPM формулируется следующим образом: E (ri ) rf ( E (rM ) rf ) Mi где левая часть уравнения представляет собой премию за риск по акциям компании i, а Mi – ковариацию доходностей по акциям компании i и рынка акций в целом. Полагая, что премия за риск по акциям отдельной компании равна eri E (ri ) rf и по рынку в целом M E (rM ) r f , CAPM приобретает вид: E (eri ) M Mi . Тем самым, ожидаемая доходность по акциям компании i свыше доходности безрискового актива представляет собой премию за риск единицы риска по рынку в целом. Следует при этом учитывать, что модель CAPM (и ICAPM) релевантна только в идеальном, логическом времени. При переходе из логического времени в историческое время из-за ослабления гипотезы о 6 CAPM является однопериодной моделью, поэтому в новейших работах используется межпериодная модель ICAPM (Intertemporal Capital Asset Pricing Model), в которой инвесторы с долгосрочным горизонтом инвестирования хеджируют свои риски. ICAPM не меняет основных положений CAPM, а лишь расширяет ее (cм.[34]). 65 полностью эффективном рынке, а также, принимая во внимание неоднородность ожиданий рыночных игроков, наблюдаемая фактическая цена акций должна отклоняться от фундаментальной цены. Саммерс Л.Х. [159] показал, что в модели неэффективного рынка фактическая цена акций систематически отклоняется от фундаментальной, и предложил следующую формулу для описания данного процесса: Pнаблюдаемая = Pфундаментальная + μ, где Pнаблюдаемая – фактическая наблюдаемая цена, Pфундаментальная – фундаментальная цена, определяемая влиянием фундаментальных рыночных факторов, и μ – стационарный, стремящийся к среднему, стохастический процесс. Эмпирические исследования подтверждают, что амплитуда колебаний фактических цен акций действительно слишком широка и не может быть объяснена только фундаментальными факторами. [133]; [144] Таким образом, в реальном историческом времени фундаментальная цена представляет собой ядро, постоянный компонент стохастического процесса, в котором также присутствует непостоянный переходный элемент. Близка CAPM теория ценового арбитража APT (Arbitrage Pricing Theory), предложенная Россом С. [139] APT постулирует, что ожидаемые доходы актива зависят от нескольких факторов, которые могут быть оценены эмпирически на базе модели вида E (eri ) j ij , где E(eri) ожидаемая доходность актива, превышающая доходность безрискового актив; ij – влияние риск–фактора j на доходность акции компании i и ʎj – премия за риск на фактор j. В отличие от CAPM APT опирается на иную линейку риск–факторов, определяющих движение цены акции, которые посредством статистического анализа подбираются из большого круга потенциальных претендентов. На операционном уровне оба подхода эквивалентны. 66 В прикладном смысле оба эти близких теоретических подхода открывают возможность для оценки динамики доходности актива, включая акции, в зависимости от движения макроэкономических и финансовых переменных. 2.1.2. Опосредованное влияние в ансамбле экономических и финансовых индикаторов Помимо прямого канала трансмиссии ценовой информации в цену актива (акции) существуют и опосредованные каналы – ценовой сигнал с мирового рынка нефти приходит на рынок акций нефтеэкспортеров, пройдя предварительно «сквозь» глобальную и национальную экономики, а также «сквозь» параметры денежной и курсовой политики финансовоэкономических властей. Для оценивания этого косвенного сигнала необходимо глубже разобраться с механизмом функционирования сырьевой открытой экономики. Согласно существующим теоретическим классификациям, все страны–нефтеэкспортеры могут быть отнесены к группе открытых сырьевых экономик, отличающихся набором структурных характеристик, которые, в конечном счете, определяют темпы и пропорции экономического роста этих стран. Эти структурные характеристики оказывают заметное влияние и на развитие финансового сектора, в том числе рынок акций. С точки зрения настоящей работы, особое значение имеют следующие моменты.7 Во-первых, решающее влияние на пропорции потребления и производства в странах–нефтеэкспортерах оказывает внешняя торговля. Трансляция импульсов из глобальной экономики осуществляется через экспорт, доля которого в валовом внутреннем 7 Анализ структурных характеристик открытых нефтеэкспортеров и экономической политики их экономических властей опирается на широкий круг источников, в первую очередь [6], [28], [32], [160]. 67 продукте открытого нефтеэкспортера находится на повышенном уровне (таблица 15 рассчитано по [191]). Таблица 15. Страны – нефтеэкспортеры: доля экспорта в ВВП в 2011 г., % > 50% Объединенные Арабские Эмираты 86,9 Кувейт 71,1 Ангола 70,5 Тринидад и Тобаго 63,3 Саудовская Аравия 63,0 Катар 61,7 Азербайджан 58,7 Оман 56,4 Ирак 53,1 Ливия 52,6 Нигерия 51,3 >30% – 50% Казахстан 49,9 Кот Д'Ивуар 49,0 Алжир 44,4 Боливия 44,1 Норвегия 42,1 Эквадор 36,1 Йемен 31,7 Мексика 31,7 Канада 31,2 Россия 31,1 <30% Венесуэла 30,4 Сирия 30,0 Иран 27,9 Габон 26,4 Индонезия 26,3 Австралия 21,6 Египет 20,6 Колумбия 19,0 Камерун 18,1 При этом цены на основные предметы экспорта формируются вне пределов национального экономического пространства или заданы 68 экзогенно. Учитывая, что цены на сырье, в том числе нефть, в долговременном периоде подвержены колебаниям в режиме «бум–спад» (подробнее см. [87]), а динамика экспортного (внешнего) спроса на сырье подчинена глобальному циклу хозяйственной конъюнктуры, экспортные доходы отличаются повышенной высокой волатильностью, волатильностью всех что экономических оборачивается и финансовых макропрорций нефтеэкспортеров. Из этого, в частности, вытекает, что, наряду с экспортными доходами, циклическим, а зачастую резким и непредсказуемым колебаниям, подвержена и динамика финансовых рынков. Как доказывается в ряде работ, открытие платежных балансов привело к усилению индивидуальные взаимозависимости траектории движения национальных которых экономик, стали более взаимосвязанными. Причем главным образом это касается финансовых рынков. Взаимозависимость движения индикаторов реального сектора остается недоказанной. [80] Хотя общепризнанной теории бизнес циклов не существует, определяющие очевидно, что экономическую многие динамику, ключевые склонны индикаторы, двигаться по коррелированным траекториям.8 В 2000-е годы изменения процентных ставок, курсов валют, цен акций, цен сырьевых товаров были особенно тесно коррелированы отрицательно. Этому между во собой многом либо положительно, способствовала либо нарастающая финансиализация современной экономики, проявляющаяся как через усложнение и синхронизацию движения финансовых рынков, так и через опережающее развитие «экономики запасов (или активов)», вовлекающей в свою орбиту все новые товары и услуги. Все это кумулятивно ведет к 8 О концепциях и моделях бизнес циклов в различных течениях экономической мысли и у разных авторов подробнее см.[44]. 69 тому, что цены на финансовых и сырьевых товарных рынках изменяются более или менее синхронно. Во-вторых, критическое воздействие на развитие открытых сырьевых экспортеров, в том числе их финансового сектора, включая рынок акций, оказывают внешние факторы – глобальная процентная ставка, курс доллара и цена нефти (cм., например [6]; [160]). К глобальным риск–факторам, определяющим развитие рынков акций в странах– нефтеэкспортерах, мы, учитывая интегрированность современного мирового рынка нефти в рынок финансовый [5], добавляем американский фондовый индекс S&P500. В-третьих, возможности национальных денежных властей в сырьевых экономиках, особенно тех из них, которые критически зависят от экспортных доходов, воздействовать на обменный курс, а при определенных обстоятельствах и на ставку процента, ограничены. В открытой экономике процентная ставка, уровень инфляции и обменный курс находятся в сложной взаимозависимости друг от друга. В открытой экономике, уровень функционирующей в контексте глобальной экономики, обменного курса в долговременном плане задан взаимоотношениями национальной экономики с мировой. В подавляющем большинстве развивающихся стран, являющихся экспортерами сырья или продукции сельского хозяйства, он критически зависит от динамики мировых сырьевых цен, а также от глобальных перетоков капитала. До финансово–экономического обвала 1998 г. обменный курс рубля в российской экономике фактически выступал в качестве глобального риск–фактора, а попытка поставить этот параметр под контроль параллельно раздуванию пирамиды ГКО–ОФЗ окончилась крахом последней и глубокой девальвацией национальной валюты.[51] Только с конца 1990-х годов денежные власти начали частично контролировать 70 обменный курс (cм., например: [34; 49; 82]). С 1998 г. по 2008 г. Банк России публиковал количественные оценки ожидаемых пределов реального эффективного курса рубля, иначе говоря, осуществлял «мягкое таргетирование» обменного курса или посредством интервенций на валютном рынке поддерживал контролируемые колебания национальной валюты. Примерно в 2007 г. Банк России начал переход от режима контролируемого коридора обменного курса к режиму таргетирования уровня инфляции посредством регулирования процентной ставки. Однако смена курса была временно прервана из-за кризиса. Только в 2012 г. российский Центробанк возобновил переход к новому режиму денежно– кредитной политики, когда основным ее инструментом становится процентная ставка. В пределе это означает максимально возможный отказ от вмешательства в процесс формирования курса, который должен свободно колебаться в зависимости от мирохозяйственной конъюнктуры, то есть ситуации на сырьевых рынках. В Норвегии обменный курс кроны был отпущен в контролируемое плавание в 1992 г. С 2001 г. норвежский центральный банк начал официально изменение проводить политику процентной ставки. таргетирования [77] инфляции Специальные через исследования подтвердили, что, исключая короткий турбулентный период 1996/97–1998 годов, процентная ставка действительно использовалась для контроля над инфляцией. [131] 2.2. Прикладные подходы В настоящем параграфе рассматриваются главные выводы специальных прикладных исследований, в которых в том или ином виде анализируется вопрос о влиянии динамики цены нефти на котировки акций. Для удобства изложения весь корпус литературы по данной 71 проблематике разделен на три группы. В первую группу включены общие работы, оценивающие влияние цены нефти на рынки акций, безотносительно к тому является ли страна экспортером или импортером нефти. Во вторую – исследования влияния ценовых сигналов нефтяного рынка на рынки акций в нефтеэкспортирующих странах. Наконец, третья группа работ посвящена российскому рынку акций. Многие из этих работ представляют собой техно–экономические исследования, преследующие главным образом цель продемонстрировать возможности того или иного эконометрического метода анализа. Одной из первых прикладных работ по анализируемой проблематике является статья Джонса С.М. и Кауля Г. по четырем развитым странам с крупнейшими фондовыми рынками. [108] Авторы показали, что в США и Канаде цены акций компаний откликаются на шоки нефтяных цен, причем такая реакция обусловлена тем, что котировки акций отражают дисконтированные ожидания будущих реальных финансовых потоков. При этом, однако, для котировок публичных компаний в Великобритании и Японии такая закономерность не проявляется (см. Таблицу 16) В работе Садорски П. [142] с помощью векторной авторегрессии по месячным данным анализируется длительный временной период по США. Автор делает вывод о прямой отрицательной связи между ценой нефти и котировками американских акций. В работе также установлено, что повышенная волатильность нефтяных цен отрицательно сказывается на ценах акций. В работе Папатреу Е. [132], использующей векторную авторегрессию с коррекцией ошибок, показано, что рост цены нефти быстро транслируется в снижение доходности акций на греческом фондовом рынке. 72 В то же время многофакторную эль-Шариф И. и соавторы [86], опираясь на регрессионную модель, получили интуитивно ожидаемый вывод, что котировки акций британских нефтегазовых компаний растут вслед за ростом цены нефти. Главные выводы исследований, в которых специально рассматривается вопрос о влиянии динамики цены нефти на цены (доходности) акций в странах–нефтеэкспортерах обобщены в таблице 17. Мы проанализировали основные работы по данной проблематике, причем, включая те, в которых рынки акций нефтеэкспортеров рассматриваются вместе с рынками других, как правило, развивающихся стран. В работе Садорски П. [141] установлена прямая положительная зависимость котировок акций канадских нефтегазовых компаний от динамики цены нефти. Хаммудех С. и Алейса Е. [100] установили, что рынки акций в пяти странах Персидского Залива, включая Бахрейн, Кувейт, ОАЭ, Оман и Саудовскую Аравию, чувствительны к котировкам торгующихся на НьюЙоркской товарно–сырьевой бирже NYMEX трехмесячных фьючерсных контрактов на нефть WTI. Однако устойчивая связь между котировками фьючерсов и доходностью фондового индекса обнаружена только для Саудовской Аравии. В то же время в статье Магйере А. [120], использующей генерализированную векторную авторегрессию по ежедневным котировкам акций в двадцати двух развивающихся странах в период 1998– 2004 гг., зависимости цен акций от шоков нефтяных цен не обнаружено. В одном из самых обстоятельных исследований Башера С.А. и Садорски П. [70] на базе выборки из двадцати одной развивающейся страны, включая таких нефтеэкспортеров, как Венесуэла, Индонезия, Колумбия и Мексика, за период январь 1992 г. – октябрь 2005 г. сделан 73 вывод о значительном влиянии нефтяных цен на динамику доходности фондовых индексов в развивающихся странах. При этом, если брать рынки в целом, котировки акций быстро откликаются на рост нефтяных цен, при снижении же цены нефти цены акций снижаются с определенным запозданием. Зарур Б.А. [167] на примере пяти арабских нефтеэкспортеров Персидского Залива, включая Бахрейн, Кувейт, Абу–Даби, Оман и Саудовскую Аравию, с помощью векторной авторегрессии показывает, что повышательная динамика нефтяных цен в середине 2000-х годов до некоторой степени транслируется в рост котировок акций местных компаний. Особенно чувствительны к динамике цены нефти котировки акций в Саудовской Аравии, которые очень быстро реагируют на ценовые сигналы с мирового рынка нефти. В то же время ценовой сигнал с рынка нефти очень слаб и не имеет систематического характера. Более того, в Бахрейне и в Абу–Даби рост нефтяных цен приводит к снижению котировок акций. В работе Моханти С.К., Нандха М., Туркистани А.К. и Алаитани М.Ю. [124] на базе множественной регрессии по недельным данным выявлена заметная зависимость динамики котировок акций от колебаний нефтяных цен в арабских нефтеэкспортерах Персидского Залива, исключая Кувейт. При этом установлен асимметричный характер такой зависимости. При снижении нефтяных котировок цены акций в рассматриваемых странах также идут вниз. Однако при повышении нефтяных цен цены акций растут только в двух странах – Объединенных Арабских Эмиратах и Саудовской Аравии. По четырем странам – Бахрейну, Катару, Кувейту и 74 Таблица 16. Результаты общих исследований, рассматривающих влияние цены нефти на цену и доходность акций Работа Рынки акций Период Частота Методика Вывод Jones and Kaul США 1947–1991 год простая рост цены нефти (1996) Канада 1960–1991 линейная ведет к снижению Япония 1970–1991 регрессия доходности акций в Великобритания 1962–1991 США и Канаде Sadorsky (1999) США январь 1947 – месяц векторная рост цены нефти апрель 1996 авторегрессия ведет к снижению доходности акций в краткосрочном периоде Papapetrou (2001) Греция январь 1989 – июнь месяц векторная рост цены нефти 1996 авторегрессия с ведет к снижению коррекцией доходности акций в ошибок первые 4 месяца El-Sharif et al. Великобритания 1 января 1989 – 30 день многофакторная рост цены нефти (2005) июня 2001 регрессионная ведет к повышению модель доходности акций нефтегазовых компаний 75 Таблица 17. Результаты исследований, рассматривающих влияние цены нефти на цену и доходность акций в странах– нефтеэкспортерах Работа Рынки акций Период Частота Методика Выводы Sadorsky (2001) Канада апрель 1984 – месячные множественная высокая апрель 1999 линейная зависимость между регрессия ценой нефти и котировками акций компаний Hammoudeh, Бахрейн, 15 февраля 1994 – дневные векторная определенная Aleisa (2004) Кувейт, ОАЭ, 25 декабря 2011 авторегрессия с зависимость между Оман, С.Аравия коррекцией ценой нефти и ошибок доходностью фондовых индексов Maghyereh (2004) 22 1998 - 2004 дневные генерализированн очень слабая развивающиеся ая векторная зависимость между страны авторегрессия шоками цены нефти и доходностью акций Basher, Sadorsky 21 декабрь 1992 – дневные множественная существенное (2006) развивающаяся октябрь 2005 линейная влияние нефтяных страна, включая регрессия цен на динамику Венесуэлу, котировок акций Индонезию, Колумбию и Мексику Zarour (2006) Бахрейн, 25 мая 2001 – дневные векторная усиление влияния 76 24 мая 2005 Mohanty, Nandha, Turkistani, Alaitani (2011) Кувейт, Абу– Даби, Оман, С.Аравия Бахрейн, Катар, Кувейт, ОАЭ, Оман, С.Аравия авторегрессия январь 2005 – декабрь 2009 недельные Hammoudeh, AlGudhea (2006 ) Саудовская Аравия 9 июля 1994 – 14 октября 2004 недельные Arouri, Lahiani, Nguyen (2011) Бахрейн, Катар, Кувейт, ОАЭ, Оман, С.Аравия 7 июня 2005 – 21 февраля 2010 дневные растущих нефтяных цен на котировки акций множественная заметное влияние линейная нефтяных цен на регрессия котировки акций, исключая Кувейт множественная определенное линейная влияние нефтяных регрессия цен на котировки акций комбинированная неодинаковая векторная реакция котировок авторегрессия – акций в разных генерализированн странах на шоки ая нефтяных цен; авторегрессионна перетекание я обусловленная ценовой гетероскедастичн волатильности с ость нефтяного рынка на рынки акций наблюдается только в некоторых странах 77 Оману – анализ также проведен на уровне отдельных отраслей. Дезагрегированный отраслевой анализ показал высокую зависимость котировок акций коммерческих банков от динамики цен на нефть, что объясняется тем, что банковский сектор является одним из основных держателей акций местных публичных компаний. Это и делает национальный рынок акций чрезвычайно чувствительным к шокам нефтяных цен. В исследовании Хаммуде С. и аль-Гудеа С. [99] сделан вывод, что цены акций саудовских компаний в таких секторах как промышленность, электроэнергетика и цемент существенно сильнее зависят от динамики нефтяных цен в сравнении с акциями компаний других секторов. В то же время ценность этих выводов невысока из-за невысокой объясняющей силы используемых регрессионных моделей. Таблица 18. Трансмиссия шоков цены нефти на рынки акций стран Персидского залива Цена нефти Волатильность цены нефти растет снижается Бахрейн снижается растет слабое влияние Катар растет снижается слабое влияние Кувейт слабое влияние слабое влияние заметное влияние ОАЭ слабое влияние слабое влияние заметное влияние Оман растет снижается заметное влияние Сауд. Аравия слабое влияние слабое влияние заметное влияние Ароури М., Лахиани А. и Нгуйен Д. [68], опираясь на модель, комбинирующую авторегрессионную векторную авторегрессию обусловленную и генерализированную гетероскедастичность (VAR(1)– GARCH(1,1)), показывают, что в аравийских монархиях лагированные цены нефти заметно влияют на котировки акций только в Бахрейне, Катаре и Омане. Причем в первом случае зависимость между ценами нефти и акций носит обратный характер (таблица 18 (составлено по [68])). В 78 Кувейте, Объединенных Арабских Эмиратах и Саудовской Аравии изменения цены нефти слабо влияют на котировки акций местных компаний. Интересно также, что ценовая волатильность с мирового рынка нефти перетекает в цены акций не всех шести рассматриваемых стран– нефтеэкспортеров. Существенным общим недостатком большинства как общих, так и специальных работ по нефтеэкспортерам, является отсутствие тестов на робастность полученных выводов. Исключением в этом плане являются работы Башер С.А., Садорски П. [70] и Башер С.А., Ханг А., Садорски П. [72], в которой выводы, полученные с помощью базовых моделей, подкреплены тестами на робастность с помощью альтернативных модельных спецификаций. Особый интерес представляют работы по российскому рынку акций. В работе Хайо Б. [101] рассматривается зависимость ежедневной доходности российского фондового рынка (индекс РТС) за период 1 сентября 1995 – 30 ноября 2001 от цены нефти, а также таких риск– факторов, как американский фондовый индекс S&P500, специально построенные авторами индексы «новостей с глобальных энергетических рынков» и «новостей из Чечни». Алгоритмы построения обоих индексов представляются нам весьма субъективными. Авторы заключают, что решающее влияние на доходность на российском фондовом рынке оказывает американский фондовый индекс. Значимое, но несопоставимо более слабое влияние на доходность российских акций оказывают также цены на нефть. Евстигнеев В. [2] показывает, что российский рынок акций представляет собой функцию от американских фондовых индексов. В работе продемонстрирована высокая зависимость доходности сглаженных 79 ежедневных котировок российских индексов от S&P500, DJIA и NASDAQ за период 1998–2001 гг. Анатольев С. [66] анализирует доходность индекса MSCI (Morgan Stanley Capital Index) по России на недельном интервале за период 1995– 2004 гг. В качестве основных риск–факторов наряду с ценой нефти марки Brent рассматриваются обменный курс рубль/доллар, индекс MSCI для США, процентная ставка по трехмесячным облигациям Федеральной резервной системы США, процентная ставка mibor по предложению кредитов на российском межбанковском рынке, золотовалютные резервы Центрального банка РФ, объем корреспондентских счетов коммерческих банков в Центральном Банке РФ. Главный вывод автора состоит в том, что взаимосвязи доходности и риск–факторов на российском фондовом рынке отличаются крайней нестабильностью. Причем эта нестабильность не просто связана с финансово–экономической катастрофой 1998 г., но имеет устойчивый характер. В работе Федоровой Е. и Панкратова К. [61] с помощью многофакторной экспоненциальной модели генерализированной авторегрессии (EGARCH) оценено влияние цены нефти Brent на динамику фондового индекса ММВБ. Оценивание по месячным данным за период январь 2007–сентябрь 2008 года показало очень высокую степень влияния мировой цены нефти на динамику российского фондового индекса. Вторым важнейшим фактором, определяющим доходность российских акций, хотя и значительно более слабым, чем нефтяные котировки, является обменный курс рубль/доллар. В работе используется сверхкороткий временной ряд, включающий всего двадцать одно наблюдение. Модель EGARCH, суть которой заключается в выявлении кластеризации волатильности исследуемых индикаторов, в принципе не подходит для анализа столь коротких временных рядов. К тому же 80 анализируемый временной период четко разбивается на два принципиально разных режима движения нефтяных котировок: резкий их взлет до июля 2008 г., а затем столь же резкое снижение, начало которого захватил рассматриваемый в статье период. Это также может давать смещенные оценки. В работе Кан С. [109], рассматривающей дневные показатели за период с 3 февраля 2003 г. по 31 марта 2010 г., в комбинированной модели векторной авторегрессии с коррекцией ошибок и многофакторной обобщенной авторегрессионной условной гетероскедастичности в особой спецификации (VECM–GARH(BEKK)) сделан вывод о высокой зависимости котировок российских акций от шоков нефтяных цен как в краткосрочном (несколько дней), так и долгосрочном периоде. При этом для исследования характерен очевидный перекос в сторону чисто технического подхода с усложненным математическим аппаратом в ущерб содержательному экономическому анализу. Некоторые выводы автора, например, вывод о долгосрочной зависимости цены нефти Brent от цен российских акций, обоснованы с эконометрической точки зрения, но иррелевантны с позиции здравого смысла. Корхонен И. и Пересецкий А. [112] по ежедневным данным за период октябрь 1997 – февраль 2012 гг. с помощью множественной линейной регрессии со скользящим окном показывают, что доходность российского фондового индекса MICEX коррелировала с динамикой цены нефти WTI только до 2006 г. Ни в одной из рассмотренных работ по российскому рынку акций тесты на робастность полученных выводов не проводились. 81 Глава 3. Анализ чувствительности рынков акций нефтеэкспортеров к ценовым сигналам мирового рынка нефти В настоящей главе дан комплексный анализ влияния нефтяных цен на динамику цен акций в странах–нефтеэкспортерах с учетом теоретических подходов, рассмотренных во второй главе. Исследование прямой передачи ценового сигнала с мирового рынка нефти на рынки акций опирается на линейную, квантильную и GARCH регрессии. Исследование опосредованной трансмиссии проведено с использованием векторной авторегрессии. Подчеркнем, что мы не ставим своей задачей построить прогностическую экономико-статистическую модель зависимости доходностей на рынках нефти и акций. Задача – установить наличие устойчивой реакции рынков акций нефтеэкспортеров на ценовой сигнал, исходящий с рынка нефти. 3.1. Оценка прямого влияния динамики цены нефти на доходность фондовых индексов Оценим количественно влияние динамики цены нефти на динамику котировок акций в десяти странах–нефтеэкспортерах с самыми крупными фондовыми рынками, на которые приходится 94% совокупной капитализации публичных компаний всех стран данной типологической группы, что делает полученные выводы репрезентативными. Наша исследовательская стратегия реализуется в два этапа. На первом этапе мы используем линейную регрессию, на втором – проверяем полученные выводы с помощью квантильной регрессии. Динамику рынков акций аппроксимируют основные фондовые индексы рассматриваемых стран, причем взяты долларовые значения этих индексов. В качестве риск–факторов цены акций, следуя выводам многих работ ([2]; [9]; [61]; [70] и др.), помимо цены нефти используются индекс 82 американского фондового рынка S&P500 как переменная–заменитель мирового фондового рынка и обменный курс национальной валюты. Все показатели для соблюдения требования о стационарности временных рядов взяты в виде логразностей. Оценивание проведено по ежедневным значениям за период 1 января 2000 г. – 31 августа 2012 г. (всего 3133 наблюдения) и для двух примерно равных временных подпериодов: 2000– 2005; 2006–2012(август). Регрессия имеет вид: fi x1i oilBrent x2i sp500 x3i exchri где: fi – национальный фондовый индекс страны i, oilBrent – цена нефти Brent, sp500 – американский фондовый индекс, exchri – обменный курс национальной валюты страны i, x1, х2 и х3 – коэффициенты при регрессорах, ε – ошибка оценивания. В такой простой модели риск–факторы, в том числе цена нефти, являются строго экзогенными параметрами. Результаты оценивания линейной регрессии обобщены в таблице 2 ПРИЛОЖЕНИЕ 2 (рассчитано по данным [181]). Анализируемые рынки акций нефтеэкспортеров делятся на три группы. В первой группе, представленной Канадой, Мексикой, Норвегией, Индонезией и Россией, динамика котировок национальных фондовых индексов зависит от колебаний цен на нефть. При этом в 2006–2012 гг., то есть период взлета мировых нефтяных цен, эта зависимость усилилась. Особенно это справедливо для России, где в период 2000–2005 гг. динамика цены нефти не оказывала влияния на доходность индекса РТС. В странах второй группы, которую образуют Катар, Нигерия и Саудовская Аравия, связи между динамикой доходности национальных фондовых индексов и нефтяными котировками не наблюдалось. Причем этот вывод справедлив как для всего рассматриваемого периода, так и для 83 двух временных подпериодов. Более того, крайне низкое значение коэффициента детерминации говорит о том, что используемая модель для этой тройки стран специфицирована неправильно. Говоря другими словами, в Катаре, Нигерии и Саудовской Аравии динамика доходности фондовых индексов зависит от каких-то других риск–факторов. Возможная причина этого заключается в том, что фактическое распределение доходностей фондовых индексов в этой тройке стран особенно сильно отклоняется от нормального распределения (см. рисунок 20. (рассчитано по данным [181])).9 Между двумя этими группами находятся Австралия и Колумбия, динамика доходности на рынке акций которых слабо реагирует на ценовые сигналы, исходящие с рынка. Стандартные тесты результатов оценивания по пяти странам первой группы подтверждают отсутствие мультиколлинеарности [10], [39], но свидетельствуют стандартных о наличии процедур гетероскедастичности. [10], удалось [39] С помощью элиминировать гетероскедастичность для Мексики, Норвегии и России. Для Канады и Индонезии этого сделать не удается, поэтому оценивание было выполнено с помощью GARCH (1,1). Результаты оценивания приведены в таблице 19, в целом они подтверждают вышеизложенные выводы. Таблица 19. Нефтеэкспортеры: зависимость доходностей национальных фондовых индексов от изменений цены нефти (результаты линейной регрессии)* 2000 – 2012(авг.) 2000 – 2005 2006 – 2012 (авг.) коэффициент R2 p-value коэффициент R2 pvalue коэффициент R2 p-value Страны, где доходность фондового индекса зависит от доходности цены нефти Канада Brent oil S&P500 9 0,0801 0,5828 ** 0 0 0,0356 0,5311 0,58 См. также значение коэффициентов Жарке–Берра в таблице 5 Глава 1. 0 0 0,1311 0,6112 ** 0 0 84 СА$/U$ 1,0141 Const 0,0001 Мексика Brent oil 0,0296 S&P500 0,6856 Peso/$ 1,1874 Const 0,0005 Норвегия Brent oil 0,1648 S&P500 0,3494 CR/$ 1,7334 Const 0,0014 Индонезия Brent oil 0,03 S&P500 0,0784 Rupiah/$ 1,4156 Const 0,0012 Россия Brent oil 0,1747 S&P500 0,3554 RR/$ 1,5603 Const -0,0012 0 0,175 1,0547 -0,0001 0 0,789 0,987 -0,0001 0,64 0 0 0 0,004 0,0319 0,6887 1,070 0,0007 0,51 0 0 0 0,047 ** 0,22 0 0,372 0,46 0,008 0 0 0,024 0,0222 0,6838 1,2371 0,0004 0,75 0,064 0 0 0,064 0,0555 0,3004 0,7856 0,0005 0,23 0 0 0 0,133 0,1646 0,6493 1,7703 -0,0026 0,68 0 0 0 0,002 0 0 0 0 0,0029 0,0036 1,2552 0,0011 ** 0,752 0,85 0 0,001 0,268 -0,0515 1,4486 -0,0034 0,37 0 0,16 0 0 0 0 0 0,212 0,0729 0,145 3,2791 -0,0046 0,11 0,012 0, 024 0 0 0,0887 0,248 1,978 -0,0007 0,38 0,007 0 0 0,547 Страны, где доходность фондового индекса не зависит от доходности цены нефти Австралия Brent oil S&P500 AU$/$ Const Колумбия Brent oil S&P500 Peso/$ Const 0,0018 -0,026 1,4127 0,0001 0,57 0,89 0,16 0 0,9 0,0141 0,113 1,0947 0,0004 0,41 0,12 0 0 0,377 -0,0182 -0,0027 1,4873 -0,0002 0,59 0,234 0,906 0 0,616 0,0193 0,1245 1,3621 0,0009 0,49 0,125 0 0 0 0,0638 0,0172 1,3812 0,002 ** 0 0,544 0 0 0,0107 0,1573 1,3656 0,0028 0,6 0,439 0 0 0 Страны, где доходность фондового индекса неадекватно описывается выбранными риск–факторами Саудовская Аравия Brent oil 0,0614 S&P500 0,1871 Real/$ -0,1214 Const 0,0004 Катар Brent oil 0,0382 S&P500 0,0407 Real/$ 0,6775 Const 0,0006 0,04 0 0 0,909 0,188 0,0225 0,0524 20,1719 0,0014 0,01 0,063 0,035 0,001 0 0,0812 0,2524 -0,2544 -0,0006 0,06 0 0 0,841 0,221 0,01 0,001 0,046 0,568 0,037 0,0051 0,0128 -2,3774 0,0014 0,00 0,733 0,678 0,334 0 0,0759 0,0328 1,3674 -0,0001 0,02 0 0,257 0,327 0,626 85 Нигерия Brent oil S&P500 Naira/$ Const -0,0005 0,0033 -0,4267 0,0001 0,05 0,968 0,88 0 0,753 -0,0128 -0,0452 -0,7763 0,0006 0,25 0,57 0,54 0 0,232 0,0018 0,006 -0,238 -0,0001 0,01 0,908 0,8 0 0,765 * – все показатели взяты в виде логразностей; ** – из-за гетероскедастичности оценка была проведена с помощью GARCH (1,1). Для проверки полученных выводов на робастность аналогичная регрессия с применением всех стандартных процедур по исключению коллинеарности и элиминированию гетероскедастичности была оценена за период 2000–2013 гг. Значимость коэффициентов при регрессорах и R2 регрессий в обоих временных периодах оценивания отличаются незначительно (таблица 20 (рассчитано по данным [181]). Страны, исключая Колумбию, распределяются по аналогичным группам. В Колумбии расширение временного периода оценивания принципиально меняет ситуацию – модифицированная модель обнаруживает появление зависимости доходности колумбийского фондового индекса от динамики цены нефти. В принципе такая нестабильность оценок свидетельствует о невозможности выявить устойчивые связи между исследуемыми переменными с помощью различных спецификаций линейной регрессии, поэтому мы оставляем Колумбию в той группе нефтеэкспортеров, в которых доходность фондового индекса не зависит от доходности цены нефти Таблица 20. Нефтеэкспортеры: проверка оценки зависимости доходности национальных фондовых индексов от изменений цены нефти на робастность (результаты линейной регрессии fi x1i oilBrent x2i sp500 x3i exchri )* Коэффициент при p-value R2 регрессии регрессоре Brent oil Страны, где доходность фондового индекса зависит от доходности цены нефти Канада 2000 – 2012 (август) 0,0801 0 ** 86 2000 – 2013 0,0774 0 ** Мексика 2000 – 2012 (август) 0,0296 0 0,64 2000 – 2013 0,0284 0 0,64 Норвегия 2000 – 2012 (август) 0,1648 0 0,51 2000 – 2013 0,1658 0 0,51 Индонезия 2000 – 2012 (август) 0,03 0 ** 2000 – 2013 0,0258 0 ** Россия 2000 – 2012 (август) 0,1747 0 0,22 2000 – 2013 0,0768 0 0,37 Страны, где доходность фондового индекса не зависит от доходности цены нефти Австралия 2000 – 2012 (август) 0,0018 0,89 0,57 2000 – 2013 0,0004 0,98 0,56 Колумбия 2000 – 2012 (август) 0,0193 0,125 0,49 2000 – 2013 0,0934 0 ** Страны, где доходность фондового индекса неадекватно описывается выбранными риск–факторами Саудовская Аравия 2000 – 2012 (август) 0,0614 0 0,04 2000 – 2013 0,0578 0 0,04 Катар 2000 – 2012 (август) 0,0382 0,001 0,01 2000 – 2013 0,0372 0 0,01 Нигерия 2000 – 2012 (август) -0,0005 0,968 0,05 2000 – 2013 -0,0022 0,852 0,05 * – все показатели взяты в виде логразностей; **– из-за гетероскедастичности оценка была проведена с помощью GARCH (1,1). -.1 -.05 0 .05 TSX_Canada .1 20 10 0 -.1 -.05 0 .05 .1 IGBC_Columbia .15 -.2 -.1 0 .1 JSX_Indonesia .2 .1 .15 -.1 -.05 0 .05 ASI_Nigeria .1 40 0 -.2 -.1 0 .1 OBX_Norway .2 -.1 -.05 0 .05 DSM_Qatar 20 40 Density 15 10 0 5 0 Density 20 60 -.05 0 .05 IPC_Mexico 25 -.1 0 0 0 10 20 10 Density 20 Density 30 20 Density 20 10 Density 40 30 Density 10 0 -.15 60 .05 30 -.05 0 asx_Australia 50 -.1 30 40 20 Density 30 40 30 0 10 20 Density 20 0 10 Density 30 40 87 -.2 -.1 0 .1 RTS_Russia .2 -.1 -.05 0 .05 TASI_SaudiArabia .1 Рисунок 20. Сравнение фактического распределения доходностей национальных фондовых индексов с нормальным распределением. .1 88 Известно, что стандартная линейная регрессия дает адекватные оценки в тех случаях, когда исходные параметры имеют нормальное распределение. Учитывая то обстоятельство, что и доходность фондовых индексов в странах–нефтеэкспортерах, и риск факторы могут иметь распределение, отличное от нормального (рисунок 20 (рассчитано по данным [181])), протестируем робастность полученных выводов для пяти нефтеэкспортеров, где доходность фондовых индексов зависит от динамики цены нефти, с помощью квантильной регрессии. Квантильная регрессия в качестве инструмента анализа введена в научный оборот Кѐнкером и Бассетом. [110]; [111] Она относится к методам непараметрического оценивания и не требует априорной предпосылки о нормальности распределения исследуемых переменных, что позволяет адекватно оценивать данные, распределения которых сильно отличаются от нормального. Для оценки коэффициентов при регрессорах в квантильной регрессии используются методы линейного программирования. В отличие от простой линейной регрессии данная регрессия минимизирует не квадрат ошибки, а ее абсолютное значение по формуле: ∑ где: ρ(∙) – функция квантильной регрессии, τ – значение квантили, yi – ряд значений доходности фондового индекса, ε(xi,β) – ошибка регрессии, β – вектор коэффициентов регрессии. Оценка проводится не по всем значениям зависимой переменной (в нашем случае – доходности фондовых индексов), а только по тем ее значениям, которые входят в определенную квантиль. При этом в выбранной для построения регрессионного оценивания квантили ошибкам при отдельных наблюдениях придается разный вес. Выбрав квантиль, мы устанавливаем порог отсечения. При этом τ отражает число ошибок 89 регрессии, которые расположены выше линии отсечения, а τ-1 – ниже этой линии. Например, при медианной регрессии (квантиль 0,5) половина ошибок оказывается выше регрессионной линии, а половина – ниже (рисунок 21 [111]). ρ τ(u) τ-1 τ Рисунок 21. Схематическое представление медианной квантильной регрессии. Проиллюстрируем методику оценивания с помощью квантильной регрессии более подробно, используя график зависимости доходности индекса РТС от доходности цены нефти Brent (рисунок 22 (рассчитано по данным [181]). Кривые на графике отражают зависимости, рассчитанные по линейной и квантильной регрессиям. График наглядно демонстрирует, как угол наклона линии регрессии (или значение коэффициента при регрессоре цена нефти) меняется в зависимости от выбранной квантили оценивания. Также становится очевиднее, почему линейная и медианная квантильная регрессия могут давать разные результаты. 90 0,1 0,08 0,06 доходность РТС 0,04 0,02 0 -0,02 -0,04 -0,06 -0,08 -0,1 -0,2 -0,15 -0,1 -0,05 0 0,05 0,1 0,15 доходность Brent Индекс РТС простая регрессия Q=0.5 Q=0.2 Q=0.7 Рисунок 22. Коэффициенты доходности цены нефти Brent квантильных регрессий с разными квантилями и простой линейной регрессии доходности индекса РТС. Оценим ту же регрессию fi x1i oilBrent x2i sp500 x3i exchri по девяти квантилям и проведем проверку устойчивости результатов квантильного регрессионного моделирования, используя те же два временных периода, что и ранее. Значения коэффициентов и их значимость во всех квантилях в регрессиях за периоды 2000-2012 гг. и 2000–2013 гг. оказались близки (таблица 21 (рассчитано по данным [181]). Это подтверждает устойчивость полученных выводов к изменению спецификации модели. До некоторой степени они корректируют выводы, полученные на основе множественной линейной регрессии. Сопоставление результатов оценивания двумя методами позволяет утверждать, что в высокочастотном дневном режиме логдоходности на рынках акций Канады, Мексики, Норвегии, Индонезии и России устойчиво чувствительны к динамике логдоходности цены нефти. Причем со второй 91 Таблица 21. Значимость коэффициентов при доходности цены нефти в квантильной регрессии (выделены незначимые коэффициенты) Номер 1 2 3 4 5 6 7 8 9 квантили 2000-2012 (авг.) Россия 0,1695*** 0,122*** 0,0986*** 0,0922*** 0,0852*** 0,0786*** 0,0745*** 0,0821*** 0,101*** Норвегия 0,189*** 0,1467*** 0,1247*** 0,1185*** 0,1168*** 0,0989*** 0,1046*** 0,089*** 0,0623** Канада 0,1167*** 0,1012*** 0,0893*** 0,0842*** 0,0792*** 0,0785*** 0,077*** 0,0783*** 0,0684*** Колумбия 0,084*** 0,0837*** 0,0584*** 0,0497*** 0,0535*** 0,0486*** 0,0388*** 0,0422*** 0,0453*** Индонезия 0,0738*** 0,053*** 0,0444*** 0,0401*** 0,0434*** 0,0435*** 0,0487*** 0,0408*** 0,0549** Катар 0,0668** 0,0251* 0,0214*** 0,0191*** 0,0183*** 0,0232*** 0,0263*** 0,0418*** 0,0603** Саудовская 0,1184*** 0,0635*** 0,0458*** 0,0365*** 0,0445*** 0,0431*** 0,0327*** 0,0324** 0,0367 Аравия Мексика 0,0405** 0,0377*** 0,0451*** 0,0378*** 0,0358*** 0,0254*** 0,0178* 0,0343** 0,0329* Австралия 0,0312* 0,0162* 0,0152** 0,0108 0,007 0,0007 0,0016 0,0075 -0,0089 Нигерия 0,013 0,0127 0,0124 0,0041 0,0061 0,0088 0,0097 -0,0176 -0,0155 2000-2013 Россия 0,1606*** 0,1126*** 0,0884*** 0,0889*** 0,0924*** 0,0823*** 0,0727*** 0,0786*** 0,0948*** Норвегия 0,1826*** 0,1389*** 0,1126*** 0,1164*** 0,1154*** 0,0999*** 0,109*** 0,0954*** 0,0715*** Канада 0,1151*** 0,0955*** 0,875*** 0,0819*** 0,0781*** 0,0779*** 0,0739*** 0,0774*** 0,0705*** Колумбия 0,1083*** 0,1005*** 0,0875*** 0,0818*** 0,0789*** 0,0823*** 0,0776*** 0,0808*** 0,0925*** Индонезия 0,0574** 0,0443*** 0,0425*** 0,0352*** 0,0405*** 0,0355*** 0,0416*** 0,0368*** 0,051*** Катар 0,0465** 0,0221** 0,0254*** 0,0189*** 0,015*** 0,0201*** 0,0251*** 0,0267*** 0,0312*** Саудовская 0,0991*** 0,0615*** 0,0399*** 0,0316*** 0,0416*** 0,0364*** 0,0347*** 0,0315** 0,0387* Аравия Мексика 0,0359** 0,0362*** 0,0433*** 0,037*** 0,0348*** 0,0231*** 0,0213** 0,032*** 0,0323** Австралия 0,0301* 0,0161* 0,0144** 0,0118 0,0071 0,003 0,0003 0,0076 -0,003 Нигерия 0,013 0,0046 0,0082 -0,0003 0,0049 0,0035 0,0061 -0,0125 -0,0018 2000-2005 92 Россия Норвегия Канада Колумбия Индонезия Катар Саудовская Аравия Мексика Австралия Нигерия 0,119* 0,0885*** 0,036** 0,0219 0,039 0,0046 0,0863** 0,071*** 0,0435*** -0,0142 0,0082 -0,0039 0,0516* 0,0508*** 0,0488*** 0,0047 0,0205 0,0056 0,0578** 0,0554*** 0,0477*** 0,0147 0,0124 0,0065 0,0578*** 0,0574*** 0,0475*** 0,014 0,0175 0,0046 0,0451* 0,0622*** 0,0448*** 0,0117 -0,0011 0,0085 0,0493*** 0,0557*** 0,0421*** 0,016 0,0072 0,0116 0,0588** 0,044*** 0,0392*** 0,0094 0,0203 0,0174 0,0398 0,019 0,0186 0,0384 0,0403 0,0373 0,0464** 0,0353*** 0,0273** 0,0159** 0,0234** 0,02** 0,0198*** 0,0028 -0,013 0,0337 0,0125 0,0091 0,0189 0,0223* 0,0209 0,0437*** 0,0187** 0,0153 0,0261* 0,0018 -0,029 0,0254** 0,0041 -0,0139 0,0316* -0,0008 -0,0334 0,0295 -0,0001 -0,0057 Россия Норвегия Канада Колумбия Индонезия Катар Саудовская Аравия Мексика Австралия Нигерия 0,2312*** 0,1852*** 0,1908*** 0,1145*** 0,1562*** 0,0833 0,1676*** 0,1479*** 0,1554*** 0,1094*** 0,0762*** 0,0778*** 0,1412*** 0,1367*** 0,1393*** 0,0877*** 0,0685*** 0,0488*** 0,0337*** 0,0315*** 0,0186** 0,0153** -0,0002 -0,0064 2006-2012 (авг.) 0,1357*** 0,1118*** 0,131*** 0,1215*** 0,1315*** 0,13*** 0,0719*** 0,0586*** 0,0782*** 0,0803*** 0,0441*** 0,0452*** 0,1178*** 0,1398*** 0,1206*** 0,0601*** 0,0735*** 0,0579*** 0,1084*** 0,1307*** 0,11*** 0,0541*** 0,062*** 0,0734*** 0,1289*** 0,1188*** 0,1201*** 0,0375* 0,0696*** 0,0471* 0,1234** 0,0929** 0,1184*** 0,048** 0,0932** 0,0768 0,1263*** 0,0786*** 0,0616*** 0,0537*** 0,055*** 0,0547*** 0,0462*** 0,05* 0,1038** 0,0416 0,0003 0,0278 0,0578*** 0,0104 0,0125 0,0504*** -0,0062 0,0098 0,0329** -0,0099 0,0073 0,032*** -0,0184 0,0099 0,0212* -0,0131 0,0255 0,0094 -0,0114 0,0139 0,0169 -0,0162 -0,0234 0,0171 -0,0413 -0,0219 *– коэффициент значим при 10% уровне значимости; **– коэффициент значим при 5% уровне значимости; ***– коэффициент значим при 1% уровне значимости. 93 половины 2000-х годов чувствительность крупнейших рынков акций среди стран нефтеэкспортеров к динамике цены нефти усилилась. 3.2. Модели векторной авторегрессии (VAR) для рынков акций России и Норвегии Для анализа опосредованного влияния цены нефти на динамику фондовых индексов в странах–нефтеэкспортерах воспользуемся векторной авторегрессией (vector autoregression – VAR), введенной в широкий научный оборот Кристофером Симсом. [147] В наиболее общем виде множественная VAR с числом параметров n представляет собой линейное разложение n-мерного вектора параметров на вектор лагированных значений этих параметров той же размерности. Иначе говоря, VAR представляет собой систему одновременных уравнений, число уравнений в которой равно числу переменных в модели. Для каждой переменной имеется одно уравнение, где она в левой части выступает в качестве зависимой величины. В каждом из уравнений в правой части присутствуют лагированные значения всех переменных модели, включая саму зависимую величину. Число оптимальных лагов определяется с помощью специальных эконометрических тестов. VAR модель с одним временным лагом для трех переменных имеет следующий вид: xt 0 1xt 1 2 yt 1 3 zt 1 1 yt 0 1 yt 1 2 xt 1 3 zt 1 2 zt 0 1zt 1 2 xt 1 3et 1 3 где x, y и z – включенные в модель переменные; α0 β0 и χ0 – константы, α1,2,3, β1,2,3 и χ1,2,3 – коэффициенты оценивания; ε1,2,3 – ошибки оценивания. Методика векторной авторегрессии имеет следующие преимущества. Во-первых, она не требует каких-либо априорных гипотез о причинно– следственных взаимосвязях между рассматриваемыми переменными и 94 оценивается при минимуме математических (эконометрических) ограничений. Во-вторых, позволяет оценить характеристики экономического процесса и взаимосвязи между переменными в динамике. В-третьих, с помощью VAR можно моделировать влияние «скачков» или шоковых изменений значений одной из переменных на динамику всех анализируемых переменных. Сразу же оговоримся, что мы специально фокусируемся на анализе краткосрочных – до двух-трех месяцев – зависимостей между включенными в модель переменными, абстрагируясь от выявления долговременных взаимосвязей между ними, что обусловлено двумя моментами. С одной стороны, сигнал, передающий информацию об изменении нефтяных котировок, «долго не живет». С другой стороны, на российском рынке акций отсутствует устойчивая долговременная структура цен и доходностей.[9] При этом, как и любой статистический метод анализа, векторная авторегрессия не свободна от недостатков. Очевидной потенциальной проблемой является неправильная спецификация модели или невключение в нее важных объясняющих параметров. В том случае, если опущенные параметры коррелируют с включенными, полученные оценки взаимовлияния параметров друг на друга будут смещенными. Однако, это универсальная проблема всех многофакторных эконометрических моделей, в том числе простой линейной регрессии. Самым слабым местом VAR является зависимость результатов оценивания от налагаемых ограничений на взаимосвязи между параметрами. Тем более, что при отсутствии автоматического алгоритма определения таких ограничений выводы, полученные с помощью векторной авторегрессии, зависят от допущений и аналитических гипотез. [157]; [164]; [165] Преодолеть эти недостатки и снизить вероятность возможных ошибок можно путем оценки робастности выводов, модифицируя базовую модель. 95 3.2.1. Базовая модель По типу экономического роста Норвегия и Россия относятся к странам– нефтеэкспортерам с открытой экономикой. Доля экспорта в ВВП России и Норвегии составляет соответственно 30% и 41%, товарного экспорта – 27% и 31% (рисунок 23 (составлено и рассчитано по [193])). Экспорт минерального топлива, преимущественно нефти и природного газа, достигает в обеих странах примерно одной пятой валового внутреннего продукта. 45 41 40 35 30 31 30 27 25 20 20 17 15 10 5 0 Доля экспорта в ВВП, % Доля товарного экспорта в ВВП, % Норвегия Экспорт топлива, % от ВВП Россия Рисунок 23. Некоторые структурные параметры экономик Норвегии и России, 2011 или ближайший год, по которому имеются соответствующие данные. Сопоставление России с Норвегией интересно и потому, что в 1970– 2012 гг. экономика последней развивалась среднегодовым темпом 3% по сравнению с 2,7% по развитым странам в целом. Именно нефть (а с второй половины 1970-х и природный газ) позволили Норвегии обойти по 96 среднедушевому ВВП Данию и Швецию, от которых она до открытия углеводородных запасов заметно отставала. В значительной степени близки и параметры рынков акций двух стран. Совокупная капитализация публичных компаний составляла в 2011 г. соответственно 43% и 45% российского и норвежского ВВП (таблица 22 [193]). Оборот торговли акциями находился в обеих экономиках на уровне 52–54% валового внутреннего продукта. Число компаний эмитентов, акции которых обращались на национальных биржах, составляло около двухсот в Норвегии и трехсот тридцати в России. Таблица 22. Некоторые характеристики рынков акций Норвегии и России 2000 2005 2011 Норвегия Россия Норвегия Россия Норвегия Россия Капитализация к ВВП, % 39 15 63 72 45 43 Капитализация, млрд. долл. 65 39 191 549 219 796 Оборот торговли акциями к ВВП, % 36 8 64 21 52 54 Компании в листинге, единиц 191 249 191 296 192 327 Норвежские публичные компании могут торговать акциями на двух организованных рынках: фондовой бирже Осло Oslo Børs (OSE) и фондовой бирже Oslo Axess. На OSE обращаются бумаги крупных компаний с долгой рыночной историей и полностью отвечающие требованиям регуляторов Евросоюза. На Oslo Axess котируются акции недавно образованных публичных компаний, возраст которых не превышает трех лет, и которые стремятся привлечь внимание инвесторов и, повысив корпоративные стандарты, перейти в высшую биржевую лигу. В России примерно до конца 2011 г. акции компаний торговались параллельно на двух крупных биржевых площадках – РТС и ММВБ. В декабре 2011 г. произошло объединение двух бирж, и с 2012 г. единственной 97 национальной биржевой площадкой является Московская биржа (Объединенная биржа "ММВБ и РТС"). При этом объединенная биржа продолжает поддерживать, в том числе и прежний фондовый индекс РТС, который рассчитывается в долларах, что в долларизированной российской экономике с большим объемом трансакций через оффшоры удобно для инвесторов. Хотя OSE официально начала работать в 1819 г., а российские биржи только в первой половине 1990-х годов, по некоторым ключевым технологическим и институциональным характеристикам рынки акций в Норвегии и России имеют много общего. Торговля акциями и облигациями на Oslo Børs началась только в 1881 г. (здесь и далее анализ эволюции торговли акциями на бирже Осло опирается на [127]). При этом до 1988 г. торговля осуществлялась через периодические аукционы по мере накопления заявок. Затем на смену периодическим аукционам пришла электронная торговля. При этом, однако, очередность подаваемых заявок не соблюдалась, брокеры выбирали встречные заявки по своему усмотрению. В 1999 г. биржа перешла на полностью электронную компьютеризированную торговую систему с непрерывным торговым режимом и с учетом очередности поступающих в торговый стакан заявок. В 2002 г. биржа Осло вошла в объединенную биржевую систему Северных европейских стран, вместе с биржей Стокгольма, Копенгагена и Исландии. Оставаясь юридически независимыми, биржи североевропейских государств использовали единую торговую систему и гармонизировали регулирование биржевых рынков. В 2009 г. биржа Осло, выйдя из альянса NOREX, вступила в стратегическое партнерство с London Stock Exchange Group (LSE). Две биржи сотрудничают на рынках облигаций, деривативов и акций. Цель партнерства – обеспечить бóльшую ликвидность на обеих площадках, для чего Oslo Børs перешла на торговые системы LSE. Стратегическое партнерство позволило норвежской бирже повысить торговый оборот. Наряду с этим, для 98 привлечения компаний из таких нишевых секторов, как энергетика, аквакультура, оффшорные морские работы и судостроение Oslo Børs заключила специальные соглашения с сингапурской Singapore Exchange (SGX) и канадской Toronto Stock Exchange/TSX Venture Exchange, которые облегчают компаниям, прошедшим листинг на этих биржах, второй дополнительный листинг на норвежской бирже, используя VPS (Virtual Private Server) – виртуальный частный сервер. Российские биржи, пользуясь «преимуществом отсталости», практически с момента своего зарождения используют современные электронные технологии торговли и в этом отношении не отстают от норвежской биржи. Рынки акций в двух странах близки и по некоторым институциональным характеристикам и микроструктуре рынка. Во-первых, и в Норвегии, и в России значительные пакеты акций компаний контролируются государством. Например, доля правительств различных уровней в совокупной капитализации компаний на Oslo Børs с 2005 г. колеблется в пределах 35–40% (рисунок 24 [190]). Такая значительная доля государства в акционерном капитале публичных компаний высока даже по меркам скандинавских стран.[5] В России в 2010 г. на десять крупнейших государственных публичных компаний приходилось 46% совокупной капитализации двухсот самых крупных компаний российского рынка, в то время как в 2004 г. эта доля составляла 31%.[60] Во-вторых, и на российском, и на норвежском рынках акций масштабно присутствуют компании–нерезиденты. В Норвегии иностранные инвесторы резко расширили свое присутствие в акционерном капитале местных компаний в 2003–2007 гг. Начиная с 2009 г., иностранцы контролируют примерно такую же долю норвежских публичных компаний, как и государство. При этом иностранцы обеспечивают бóльшую часть торгового оборота – до 60–70% ежедневных торгов акциями [123] − и имеют наиболее короткий временной горизонт инвестирования в сравнении с 99 местными финансовыми и индивидуальными инвесторами. [31] На российских биржах, по данным Банка России, на нерезидентов устойчиво приходится порядка 30–40% торговли акциями. [57] 45 8 7,5 40 7 6,5 5,5 30 доля, % 6 доля, % 35 5 4,5 25 4 3,5 20 3 дек.00 дек.01 дек.02 дек.03 дек.04 дек.05 дек.06 дек.07 дек.08 дек.09 дек.10 дек.11 ноя.12 Рисунок 24. Доля различных групп инвесторов в капитализации акций компаний на фондовой бирже Осло OSE. Правительство (левая шкала) Иностранцы (левая шкала) Домохозяйства (правая шкала) В-третьих, инвестиционная активность домохозяйств на рынке акций в обеих странах невысока, что особенно справедливо в отношении России. По данным Московской биржи, число активных клиентов брокеров или клиентов, заключавших хотя бы одну сделку в месяц, в феврале 2013 г. не превышало 70 тыс. человек, что примерно соответствует уровню 2007 г. Средний размер ресурсов тех, кто готов инвестировать в акции российских компаний, составляет всего около 1 тыс. долл. [58] В Норвегии с 2008 г. доля домашних хозяйств в совокупной капитализации компаний, торгуемых на 100 бирже Осло, снизилась до всего 3,5%. Между тем, еще в начале 2000-х годов этот показатель составлял 7,5%. В-четвертых, оба рынка характеризуются низкой ликвидностью. Исключая три–четыре десятка «голубых фишек», акции большинства российских и норвежских компаний торгуются далеко не каждый день (cм., например [123,c.5]). Наконец, в-пятых, отраслевая структура рынков акций в России и Норвегии до некоторой степени близка. В России 52% капитализации индекса РТС на конец 2012 г. приходилось на нефтегазовые компании и еще 5% на энергетические и обслуживающие их сервисные компании (рисунок 25 (рассчитано по данным [177], [190])). В Норвегии аналогичные показатели составляли соответственно 22% и 29%. 100 90 80 43,4 49,4 доля,% 70 60 5,1 50 40 29,0 30 51,5 20 21,6 10 0 РТС OBX Рисунок 25. Отраслевая структура фондовых индексов России и Норвегии. Нефть и газ Энергетические и сервисные компании Прочие Учитывая значимость нефтегазового сектора в обеих экономиках, близость важнейших макроэкономических пропорций и высокую долю нефтегазовых компаний в структуре национальных фондовых индексов, 101 интуитивно представляется, что котировки акций российских и норвежских компаний должны с повышенной чувствительностью реагировать на динамику мировой цены нефти. Начнем с VAR с девятью переменными, включив в нее следующие показатели. Во-первых, переменные, которые для открытых сырьевых экономик задаются глобальной экономикой или мировым рынком. Такими строго экзогенными переменными являются цена нефти Brent (oil), фондовый индекс S&P500 (sp500), индекс курса доллара к мировым валютам (doll) и глобальная краткосрочная процентная ставка (gir), которую аппроксимирует трехмесячная процентная ставка США. Нефтеэкспортеры, как и подавляющее большинство развитых и развивающихся стран, не оказывают на переменные этой группы сколько-нибудь значимого и систематического влияния. Во-вторых, переменные, отражающие монетарную и курсовую политику финансово–экономических властей, включая обменный курс национальной валюты (er) и внутреннюю краткосрочную трехмесячную процентную ставку (iir). В-третьих, переменные, аппроксимирующие структурные и макроэкономические характеристики: индекс промышленного производства и уровень безработицы. Девятой переменной в модели является значение основного национального фондового индекса (stock). Размерность и обозначения переменных представлены в таблице 23. Таблица 23. Параметры Цена нефти Brent Индекс S&P500 Индекс обменного курса доллара Глобальная процентная ставка Обменный курс национальной валюты/доллар Локаль ные рискфактор ы Глобальные риск-факторы Переменные в VAR модели по Норвегии и России Размерность Обозначения rnoil разность логарифмов rns&p500 rndoll абсолютное значение в % gir разность логарифмов rner ern – для Норвегии; err – для России 102 Фондовый рынок Внутренняя процентная ставка Индекс промышленного производства Уровень безработицы Национальный фондовый индекс абсолютное значение в % iir iirn – для Норвегии; iirr – для России разность логарифмов rnind rindn – для Норвегии; rnindr – для России абсолютное значение в % разность логарифмов unplm unplmn – для Норвегии; unplmr – для России rnstock rnstockn – для Норвегии; rnstockr – для России Временные ряды были составлены по базам данных Bloomberg, Energy Information Administration, Federal Reserve System, OECD, национальных центробанков, статистических служб и бирж. Оценивание модели проведено по месячным данным за период январь 2000 – август 2012 гг. (152 наблюдения) и – для проверки на стабильность выводов – за два подпериода: январь 2000 – декабрь 2005 гг. (72 наблюдения) и январь 2006 – август 2012 гг. (80 наблюдений). Учитывая быстро меняющуюся структуру объекта исследования, временной ряд представляется достаточным для того, чтобы вскрыть динамические связи между переменными, если таковые имеются. Все переменные, кроме процентных ставок, включены в модель в виде логразностей, процентные ставки взяты в исходной форме. Период 2000–2012 гг. отличался повышенной волатильностью нефтяных цен. При этом основные характеристики ценового сигнала за два временных подпериода достаточно близки (таблица 24 (рассчитано по данным [171])). Соответственно причины возможно различной реакции рынков акций на динамику нефтяных котировок следует искать на самих этих рынках, а не на рынке нефти. Таблица 24. Характеристики волатильности цены нефти Brent за два анализируемых подпериода наблюдений январь январь 2000 – 2006 – декабрь август 103 число месяцев с растущими ценами число месяцев со снижающимися ценами средний темп роста цены, % средний темп снижения цены, % максимальный рост цены за месяц, % максимальное снижение цены за месяц, % рост цен не менее 3 месяцев подряд, число периодов снижение цен не менее 3 месяцев подряд, число периодов максимальное число месяцев непрерывного роста цен максимальное число месяцев непрерывного снижения цен 2005 72 месяца 41 31 7,9 6,9 22 21 8 2012 80 месяцев 50 30 6,8 7,9 20 27 6 1 3 4 10 3 5 Временные ряды показателей были протестированы на наличие единичного корня с помощью стандартных тестов. Результаты оценивания с помощью фильтров Дики–Фуллера и Филиппа–Перрона показали, что индексы промышленного производства и уровень безработицы не могут быть включены в модель (таблица 25 (рассчитано по данным Таблицы 3.1 ПРИЛОЖЕНИЕ 3)). Причем это справедливо как в отношении России, так и Норвегии. Это заставляет сузить число риск–факторов в векторной авторегрессии до шести. Таблица 25. Результаты тестов на наличие единичного корня (все расчеты выполнены с 12 лагами) Test Critical value при уровне MacKinnon statistics доверия в approximate p1% 5% 10% value Риск-факторы норвежского рынка за период 2000 – 2012 augmented Dickey–Fuller test rnindn -3.279 -3.497 -2.887 -2.577 0.0159 unplmn -2.119 -3.497 -2.887 -2.577 0.2368 Phillips–Perron test rnindn -24.805 -3.493 -2.887 -2.577 0 unplmn -1.554 -3.493 -2.887 -2.577 0.5065 Риск-факторы норвежского рынка за период 2000 – 2005 augmented Dickey–Fuller test 104 rnindn unplmn rnindn unplmn rnindn unplmn rnindn unplmn rnindr unplmr rnindr unplmr rnindr unplmr rnindr unplmr rnindr unplmr rnindr unplmr -3.063 -0.997 -3.567 -2.923 -2.596 0.0294 -3.567 -2.923 -2.596 0.7545 Phillips–Perron test -22.366 -3.551 -2.913 -2.592 0 -0.870 -3.551 -2.913 -2.592 0.7977 Риск-факторы норвежского рынка за период 2006 – 2012 augmented Dickey–Fuller test -1.593 -3.556 -2.916 -2.593 0.4871 -1.924 -3.556 -2.916 -2.593 0.3209 Phillips–Perron test -14.124 -3.539 -2.907 -2.588 0 -2.343 -3.539 -2.907 -2.588 0.1584 Риск-факторы российского рынка за период 2000 – 2012 augmented Dickey–Fuller test -3.565 -3.497 -2.887 -2.577 0.0065 -1.730 -3.497 -2.887 -2.577 0.4157 Phillips–Perron test -14.724 -3.493 -2.887 -2.577 0 -3.025 -3.493 -2.887 -2.577 0.0326 Риск-факторы российского рынка за период 2000 – 2005 augmented Dickey–Fuller test -2.311 -3.567 -2.923 -2.596 0.1684 -1.709 -3.567 -2.923 -2.596 0.4266 Phillips–Perron test -16.173 -3.551 -2.913 -2.592 0 -4.314 -3.551 -2.913 -2.592 0.0004 Риск-факторы российского рынка за период 2006 – 2012 augmented Dickey–Fuller test -2.406 -3.556 -2.916 -2.593 0.1400 -2.723 -3.556 -2.916 -2.593 0.0702 Phillips–Perron test -6.910 -3.539 -2.907 -2.588 0 -1.524 -3.539 -2.907 -2.588 0.5216 Следует особо оговорить, что, несмотря на то, что для обеспечения максимальной исследуемых статистической переменных чистоты взяты в оценивания форме пять логразностей, из семи полностью трансформировать исходные данные в стационарные временные ряды не удается. Так, единичные корни содержат некоторые ряды процентных ставок. Мы, однако, отказались от еще более глубокой трансформации данных, так 105 как это означало бы полную потерю содержащейся в них исходной экономической информации. Тем более, что все оцениваемые векторные авторегрессии удовлетворяют критерию стабильности. При оценивании векторной авторегрессии выбор оптимального числа лагов был сделан с помощью информационных критериев Акаике и Шварца. В большинстве случаев оптимальная VAR содержит два, реже три лага, что соответствует гипотезе о том, что анализируемые переменные очень быстро реагируют на изменения друг друга. Мы используем все три инструмента, которые для анализа взаимосвязи и взаимовлияния анализируемых показателей дает векторная авторегрессия: тест Грэнджера, импульсную функцию отклика в ответ на индивидуальные шоки (изменения) включенных в модель переменных и декомпозицию ошибок прогноза. Начнем с теста Грэнджера, который позволяет установить, насколько лаггированные или предыдущие значения переменной позволяют предсказать текущие значения другой переменной. Важно при этом учитывать, что данный тест выявляет причинно-следственные взаимозависимости между переменными только в статистическом смысле. Сущностная интерпретация взаимосвязей возможна только в рамках систематической экономической теории. Прикладное значение теста Грэнджера состоит в первичном ответе на вопрос, насколько используемый в векторной авторегрессии набор показателей адекватен поставленной исследовательской задаче. Анализ данных, включенных в таблицу 26 (составлено по данным Таблицы 3.3 ПРИЛОЖЕНИЕ 3), подтверждает, что модель VAR специфицирована адекватно. При этом для периода 2006–2012 гг. тест показывает, что цена нефти в статистическом смысле предсказывала доходность индекса РТС при высоком уровне доверия. Ответ на вопрос, является ли это статистическим артефактом или отражает реально существующую взаимозависимость, дает последующий анализ. 106 Таблица 26. Норвегия и Россия: результат теста Грэнджера для VAR с семью переменными: доходность акций против шоков переменных (ответ на вопрос: предсказывают ли лагированные значения параметров будущие изменения фондового индекса? Отражены только значимые результаты теста) шоки gir rndoll rnsp500 iir все rnoil rner параметры период 2000 – 2012 Норвегия да** да*** да** Россия да* да* период 2000 – 2005 Норвегия да** Россия период 2006 – 2012 Норвегия да** да* да*** да*** Россия да*** да** да*** да*** * – ***, ** и *: соответственно 1%, 5% и 10% уровень доверия. Импульсная функция отклика отражает ответ текущего (одновременного с импульсом) и будущих значений каждой из включенных в VAR переменных на единичный шок (импульс) одной из переменных. В стандартном случае шок задается как стандартное отклонение одной из ошибок уравнения векторной авторегрессии в данном периоде, при этом полагается, что уже в следующем периоде шок сходит на нет, а шоки всех остальных индикаторов равны нулю. Процедура моделирования одного единичного шока при условии, что все остальные ошибки остаются постоянными, имплицитно предполагает, что ошибки в уравнениях VAR некоррелированы. Импульсная функция отклика позволяет проследить, каким образом влияние шока развивается во времени. Графики импульсных функций отклика фондовых индексов России и Норвегии на шоки цены нефти приведены на рисунке 26. Как следует из графиков, в 2000–2012 гг., а также на протяжении двух выделенных субпериодов, динамика цены нефти не оказывала значимого систематического влияния на изменения котировок акций российских и 107 норвежских компаний. Особенно это справедливо для России, где доверительные интервалы значений в функции отклика rnstock на шоки цены нефти оказались слишком широкими. Другой вывод заключается в том, что для российского фондового индекса статистически незначимыми оказываются и практически все остальные рассматриваемые риск–факторы. Систематическую реакцию индекс РТС демонстрирует только в ответ на шоки своих собственных прошлых значений. Хотя и эта реакция в статистическом смысле малозначима (рисунок 27). Разложение ошибок прогноза позволяет проследить, шоки каких индикаторов оказывают наиболее сильное влияние на динамику данного индикатора по времени. Анализ методом разложения Холецкого в целом подтверждает сделанные выше выводы. Как показывают расчеты, фондовый индекс РТС систематически реагирует исключительно на свои собственные шоки, а также шоки американского фондового индекса S&P500 (таблица 27 (рассчитано по данным Таблицы 3.4. ПРИЛОЖЕНИЕ 3)). Причем в последние годы влияние последних шоков несколько ослабло. Фондовый же индекс биржи Осло систематически реагирует не только на собственные шоки, но и шоки S&P500 и курса доллара к основным мировым валютам. Наряду с этим, норвежский индекс во втором рассматриваемом периоде реагирует, хотя и слабо, на шоки глобальной процентной ставки. При этом в турбулентный период развития мировой экономики 2006– 2012 гг. и повышенной волатильности ключевых экономических и финансовых индикаторов, влияние американского фондового рынка и относительного курса доллара на норвежский индекс возросло. Последнее косвенно подтверждает то, что акции норвежских компаний в портфелях инвесторов являются якорными, и их текущая стоимость постоянно переоценивается параллельно с другими глобальными активами. Российские же акции рассматриваются инвесторами как спекулятивные активы, полезные для реализации краткосрочных стратегий. 108 Россия Норвегия 2000-2012 2000-2005 2006-2012 Рисунок 26. Импульсная реакция rnstock на один стандартный шок rnoil c доверительными интервалами. 109 Россия Норвегия 2000-2012 Рисунок 27. Импульсная реакция rnstock на один стандартный шок переменных VAR с доверительными интервалами. 110 Рисунок 27 (продолжение). Импульсная реакция rnstock на один стандартный шок переменных VAR с доверительными интервалами. 111 Таблица 27. Норвегия и Россия: результаты разложения ошибок прогноза методом Холецкого для 7-факторной VAR, % период 2000 – 2012 Норвегия шоки/лаги gir rnern iirn rndoll rnsp500 rnoil rnstockn 1 0,11 2,65 4,49 0,11 25,38 24,93 42,32 3 4,07 3,24 4,34 0,78 23,92 23,65 40,00 12 4,00 4,05 5,03 2,19 23,33 22,86 38,54 Россия шоки/лаги gir rndoll rnsp500 rnoil lgerr iirr rnstockr 1 0,00 0,09 1,74 0,06 0,77 0,17 97,17 3 0,14 3,37 4,43 0,56 0,63 0,13 90,75 12 0,16 7,75 1,78 0,67 1,65 1,03 86,96 период 2000 – 2005 Норвегия шоки/лаги gir rnern rndoll rnsp500 rnoil iirn rnstockn 1 0,35 0,04 0,88 16,17 29,81 44,61 8,14 3 0,44 0,60 2,35 15,00 27,60 44,84 9,17 12 1,17 0,99 2,38 15,07 26,81 10,77 42,81 Россия шоки/лаги gir rndoll rnsp500 rnoil lgerr iirr rnstockr 1 0,15 0,01 0,00 4,12 3,42 18,48 73,82 3 1,30 0,01 0,04 4,13 5,22 20,49 68,80 12 1,92 1,04 0,55 4,08 5,10 20,67 66,63 период 2006 – 2012 Норвегия шоки/лаги gir rnern iirn rndoll rnsp500 rnoil rnstockn 1 0,18 4,39 5,58 1,23 31,93 22,05 34,64 3 5,33 5,48 2,11 11,80 25,94 21,39 27,95 12 6,85 6,41 4,46 10,53 26,68 19,06 26,00 Россия шоки/лаги gir rndoll rnsp500 rnoil lgerr iirr rnstockr 1 0,42 0,46 5,90 2,31 0,80 0,30 89,81 3 1,00 4,27 6,91 0,75 1,03 15,89 70,14 12 1,82 9,21 6,33 0,93 0,48 17,71 63,52 3.2.2. Проверка базовой модели на робастность Для проверки базовой модели на робастность полученных выводов мы используем несколько альтернативных спецификаций цены нефти. В ряде работ установлено, что экономические индикаторы – ВВП, промышленное 112 производство и др. – по разному реагируют на повышение и снижение цены нефти. [98]; [125] Согласно некоторым исследованиям, та же закономерность проявляется и на фондовых рынках. [77] Мы задаем три альтернативных спецификации ценового сигнала с мирового рынка нефти: OIL+ – повышение нефтяных котировок; OIL- – снижение нефтяных котировок и OIL net – так называемое «чистое повышение» цены нефти. Последняя спецификация предложена Гамильтоном. Считается, что цена нефти в текущем месяце растет лишь в том случае, если ее значение превышает максимальный ее уровень за предшествующие двенадцать месяцев [77]; [97]. Если же цена, несмотря на рост, остается ниже предшествующего 12-месячного максимума, считается, что она только восстанавливается. Для постоянно рыскающей вверх–вниз цены нефти такая спецификация является весьма информативной и полезной. Наглядно временная структура нефтяного ценового сигнала в различных спецификациях представлена на рисунке 28 (рассчитано по данным [181]). OIL OIL+ 0,1 0,1 0,08 0,06 доходность доходность 0,05 0 -0,05 0,04 0,02 0 -0,02 -0,1 -0,04 -0,15 -0,06 OILnet 0,1 2,5 0,05 2 0 -0,05 доходность доходность OIL- 1,5 1 -0,1 0,5 -0,15 0 113 Рисунок 28. Временная структура ценового сигнала с мирового рынка нефти в различных спецификациях. Результаты суммированы в тестов таблице Грэнджера 28 для (рассчитано модифицированных по данным Таблицы VАR 3.3 ПРИЛОЖЕНИЕ 3). Они позволяют сделать следующие выводы. Во-первых, доходности цен акций норвежских компаний в статистическом смысле могут быть лучше предсказаны на базе динамики цены нефти в тех случаях, когда эта цена снижается. Динамика доходностей котировок норвежских акций не реагирует на рост нефтяных котировок. Таблица 28. Норвегия и Россия: результат теста Грэнджера для VAR с семью переменными при различных спецификациях цены нефти: доходность акций против шоков переменных (ответ на вопрос: предсказывают ли лагированные значения параметров будущие изменения фондового индекса? Отражены только значимые результаты теста) шоки gir rndoll rnsp500 iir все rnoil rner параметры базовая модель VAR-7 oil+ период 2000 – 2012 Норвегия да** да*** да* Россия базовая модель VAR-7 oil+ период 2000 – 2005 Норвегия да* Россия базовая модель VAR-7 oil+ период 2006 – 2012 Норвегия да*** да*** да* да* Россия да** да* базовая модель VAR-7 oil- период 2000 – 2012 Норвегия да** да*** да* Россия да* да* базовая модель VAR-7 oil- период 2000 – 2005 Норвегия да** да*** Россия базовая модель VAR-7 oil- период 2006 – 2012 Норвегия да* да* да* да** Россия да* да* да* да* да* базовая модель VAR-7 oil net период 2000 – 2012 Норвегия да*** да* да** да*** 114 Россия Норвегия Россия базовая модель VAR-7 oil net период 2000 – 2005 да*** базовая модель VAR-7 oil net период 2006 – 2012 Норвегия да** да** да* да** Россия да*** * – ***, ** и *: соответственно 1%, 5% и 10% уровень доверия. да* Во-вторых, чистый рост цены нефти систематически предсказывает динамику доходности акций норвежских компаний. В-третьих, особенно сильно нефтяные котировки влияли на динамику доходности норвежских акций в период 2006–2012 гг. Доходность российского фондового индекса реагирует только на снижение цены нефти и только в период 2006–2012 годов. На временном интервале 2000–2005 годов, как и в целом для временного периода 2000–2012 годов, динамика цены нефти «не предсказывает» изменения доходности российских акций. Россия 2000–2012 Норвегия Рисунок 29. Импульсная реакция rnstock на один стандартный шок rnoil c доверительными интервалами. 115 Вместе с тем, импульсная реакция цены акций в ответ на стандартный шок цены нефти (рисунок 29) и разложение ошибок прогноза (таблица 29 (рассчитано по данным Таблицы 3.4 ПРИЛОЖЕНИЕ 3)) не подтверждают, что цена нефти систематически влияет на динамику доходности норвежских и российских акций. Таблица 29. Норвегия и Россия: результаты разложения ошибок прогноза методом Холецкого для 7-факторного VAR при различных спецификациях цены нефти, % базовая модель VAR-7 oil+ за период 2000 – 2012 Норвегия шоки/лаги gir rnoil rnern iirn rndoll rnsp500 rnstockn 1 0,10 1,56 5,24 0,28 25,44 24,47 42,92 3 4,05 2,07 5,02 0,96 24,00 23,16 40,73 12 4,09 1,99 5,95 2,76 23,52 22,47 39,22 Россия шоки/лаги gir rndoll rnsp500 rnoil lgerr iirr rnstockr 1 0,07 0,22 1,34 0,52 1,29 0,36 96,20 3 0,06 3,83 3,54 0,92 0,79 0,88 89,99 12 0,11 9,75 3,30 2,12 0,50 1,63 82,60 базовая модель VAR-7 oil+ за период 2000 – 2005 Норвегия шоки/лаги gir rnoil rnern iirn rndoll rnsp500 rnstockn 1 0,00 0,31 1,46 6,06 12,66 31,51 48,00 3 0,01 0,35 3,06 5,93 13,58 30,95 46,11 12 0,21 0,35 3,10 6,08 13,61 30,84 45,81 Россия шоки/лаги gir rndoll rnsp500 rnoil lgerr iirr rnstockr 1 0,10 0,00 0,56 2,54 4,05 17,04 75,71 3 1,35 0,00 0,57 2,99 5,73 18,89 70,46 12 1,87 1,02 0,80 3,00 5,63 19,24 68,43 базовая модель VAR-7 oil+ за период 2006 – 2012 Норвегия шоки/лаги rnoil rnern iirn gir rndoll rnsp500 rnstockn 1 0,47 2,20 0,25 32,91 20,04 35,48 8,67 3 2,24 0,88 10,58 27,85 20,68 29,76 8,01 12 9,42 2,95 9,75 4,19 28,09 18,51 27,09 Россия шоки/лаги gir rndoll rnsp500 rnoil lgerr iirr rnstockr 1 0,65 0,08 4,48 0,42 1,69 2,00 90,69 3 1,14 3,65 0,45 0,77 1,09 14,82 78,09 116 12 Норвегия шоки/лаги 1 3 12 Россия шоки/лаги 1 3 12 Норвегия шоки/лаги 1 3 12 Россия шоки/лаги 1 3 12 Норвегия шоки/лаги 1 3 12 Россия шоки/лаги 1 3 12 Норвегия шоки/лаги 1 3 12 Россия шоки/лаги 1 2,00 9,33 1,27 0,31 1,84 15,16 базовая модель VAR-7 oil- за период 2000 – 2012 gir 0,09 4,03 3,90 iirn 0,05 0,80 1,78 rnstockn 42,99 40,74 39,22 gir rndoll rnsp500 rnoil lgerr iirr 0,00 0,36 1,54 0,29 0,64 0,09 0,02 4,16 3,85 1,48 0,98 0,18 0,19 9,85 4,04 1,51 1,28 0,64 базовая модель VAR-7 oil- за период 2000 – 2005 rnstockr 97,08 89,34 82,49 gir 0,69 0,73 1,30 iirn 7,66 8,46 10,07 rnstockn 45,75 45,21 42,77 gir rndoll rnsp500 rnoil lgerr iirr 0,16 0,01 0,45 4,65 3,33 19,06 1,33 0,02 0,50 4,50 5,23 21,12 2,01 0,99 1,05 4,42 5,08 21,34 базовая модель VAR-7 oil- за период 2006 – 2012 rnstockr 72,35 67,29 65,10 gir 0,07 11,56 10,26 iirn 1,41 1,83 2,78 rnstockn 36,33 29,33 26,88 gir rndoll rnsp500 rnoil lgerr iirr 0,00 0,03 1,84 1,49 0,64 9,70 0,26 3,31 6,01 0,89 1,60 21,49 0,71 8,90 6,93 0,83 0,67 19,55 базовая модель VAR-7 oil net за период 2000 – 2012 rnstockr 86,31 66,43 62,40 rndoll 25,42 24,00 23,37 rndoll 15,08 13,70 13,69 rndoll 31,86 25,19 24,88 rnsp500 25,15 23,95 23,07 rnsp500 29,96 27,37 26,56 rnsp500 23,67 22,09 19,52 rnoil 1,86 2,22 3,86 rnoil 0,00 1,89 2,87 rnoil 1,73 4,79 10,37 rnern 4,44 4,26 4,79 70,11 rnern 0,86 2,65 2,74 rnern 4,93 5,20 5,31 gir 0,24 3,01 2,92 rndoll 25,63 23,89 23,08 rnsp500 24,23 22,71 21,46 rnoil 0,23 3,10 4,65 rnern 5,41 5,26 6,17 iirn 0,13 0,40 2,42 rnstockn 44,13 41,63 39,30 gir 0,07 rndoll 0,23 rnsp500 1,18 rnoil 0,00 lgerr 1,30 iirr 0,63 rnstockr 96,58 117 3 12 0,10 4,03 3,19 0,14 0,71 1,38 0,12 10,40 3,13 0,46 0,49 2,40 базовая модель VAR-7 oil net за период 2000 – 2005 Норвегия шоки/лаги 1 3 12 Россия шоки/лаги 1 3 12 Норвегия шоки/лаги 1 3 12 Россия шоки/лаги 1 3 12 gir 0,24 0,56 1,52 rndoll 16,12 14,88 14,83 rnsp500 29,37 27,22 26,71 rnoil 0,25 0,80 0,87 rnern 1,05 2,50 2,60 90,45 83,00 iirn 9,28 10,24 11,35 rnstockn 43,70 43,80 42,12 gir rndoll rnsp500 rnoil lgerr iirr 0,20 0,02 0,01 2,13 3,92 17,49 1,12 0,02 0,99 3,13 5,51 18,97 1,66 0,78 1,27 3,11 5,37 19,45 базовая модель VAR-7 oil net за период 2006 – 2012 rnstockr 76,24 70,27 68,35 gir 0,24 10,10 8,93 rndoll 32,48 26,00 27,10 rnsp500 19,00 19,43 17,39 rnoil 0,07 4,90 5,22 rnern 9,50 8,88 10,22 iirn 0,44 0,57 3,55 rnstockn 38,27 30,13 27,59 gir 0,26 1,01 2,16 rndoll 0,07 4,10 10,30 rnsp500 4,04 12,83 12,65 rnoil 0,00 0,33 1,32 lgerr 2,44 0,90 0,31 iirr 2,70 1,97 3,12 rnstockr 90,47 78,86 70,14 Доходность акций норвежских компаний определяется такими риск– факторами, как обменный курс доллара, американский фондовый индекс S&P500 и в меньшей степени – динамикой глобальной и национальной процентных ставок. Очень важным фактором являются и лагированные значения национального фондового индекса Oslo Børs. Динамика же доходности российского фондового индекса практически исключительно определяется предыдущими его значениями и до некоторой степени колебаниями американского фондового индекса S&P500. Вплоть до настоящего момента мы опирались на спотовые цены нефти. Проверим полученные выводы с помощью модифицированной модели VAR, в которой вместо текущих нефтяных цен используются спреды между текущими ценами и котировками 3-х месячных фьючерсных 118 контрактов на нефть Brent. Воспользуемся также «усиленным вариантом» модифицированной VAR, включив в последнюю только те значения спредов, которые превышают 3 долл. Такие модификации могут использоваться для моделирования поведения инвесторов, которые, сопоставляя информацию со спотового и фьючерсного рынков, оценивают перспективы вхождения в акции компании в расчете на рост ее денежного потока, что, как минимум, обеспечит повышенные дивиденды, а, возможно, и рост котировок. Положительный спред, тем более спред в 3 долл. на баррель, является достаточным побудительным мотивом для принятия решения о заходе в акции с тем, чтобы через квартал получить повышенные дивиденды и остаться в акциях или выйти из них в зависимости от будущего спреда между спотовой ценой и ценой фьючерсного контракта. Будем при этом использовать весь временной период 2000–2012 годов. Результаты тестирования модифицированных векторных авторегрессий представлены на рисунке 30 и таблицах 30 и 31 (рассчитано по данным Таблиц 3. 3 и 3.4 ПРИЛОЖЕНИЕ 3)). Таблица 30. Норвегия и Россия: результат теста Грэнджера для VAR с семью переменными – спред текущих цен и цен 3-х месячных фьючерсов: доходность акций против шоков переменных (ответ на вопрос: предсказывают ли лагированные значения параметров будущие изменения фондового индекса? Отражены только значимые результаты теста) шоки gir rndoll rnsp500 iir все rnoilfut rner а) параметры базовая модель VAR-7 положительный спред (Futures3 – spot) Норвегия да** да*** да*** Россия да* базовая модель VAR-7 положительный спред >3 долларов Норвегия да*** да*** да*** Россия да* * – ***, ** и *: соответственно 1%, 5% и 10% уровень доверия. а) rnoilfut – спред цен трехмесячного фьючерсного контракта и спотовой цены нефти. Показатели взяты в виде логразностей и используются только положительные спреды. 119 Как следует из материалов таблицы 31, подобная стратегия упреждающего вхождения в акции компаний с потенциально растущим денежным потоком и дивидендами с высокой вероятностью успеха может быть реализована на норвежском рынке акций. Здесь положительные спреды между ценами трехмесячных фьючерсов на сырую нефть и спотовыми ценами «предсказывают» в статистическом смысле динамику котировок акций. Для российских акций подобная закономерность не обнаруживается. Россия Норвегия Рисунок 30. Импульсная реакция rnstock на один стандартный шок rnoilfut3 и rnoilfut3>3 долларов c доверительными интервалами. Более того, выясняется, что в данной спецификации векторной авторегрессионной модели доходность российского фондового индекса определяется практически исключительно своими собственными прошлыми 120 значениями и не зависит от каких-либо других факторов (таблица 31). Для норвежских акций сохраняется обычная структура риск–факторов. Таблица 31. Норвегия и Россия: результаты разложения ошибок прогноза методом Холецкого для 7 факторного VAR– спред текущих цен и цен 3-х месячных фьючерсов, % базовая модель VAR-7 положительный спред (Futures3 – spot) Норвегия шоки/лаги gir rnern iirn rndoll rnsp500 rnoil rnstockn 1 0,48 0,62 4,77 0,14 24,55 25,27 44,17 3 3,69 6,78 4,35 1,16 21,73 22,94 39,35 12 3,80 8,00 5,34 3,32 20,88 21,89 36,78 Россия шоки/лаги gir rndoll rnsp500 rnoil lgerr iirr rnstockr 1 0,04 0,15 1,72 2,68 2,01 0,30 93,10 3 0,03 3,20 4,34 1,63 0,98 0,85 88,98 12 0,09 7,24 4,81 0,77 0,70 2,18 84,21 базовая модель VAR-7 положительный спред >3 долларов Норвегия шоки/лаги gir rnern iirn rndoll rnsp500 rnoil rnstockn 1 0,34 0,76 4,95 0,16 24,79 25,29 43,72 3 3,77 5,30 4,53 1,20 22,30 23,27 39,63 12 3,77 6,38 5,52 3,41 21,58 22,25 37,09 Россия шоки/лаги gir rndoll rnsp500 rnoil lgerr iirr rnstockr 1 0,04 0,07 1,57 2,67 2,22 0,18 93,24 3 0,03 2,67 4,34 1,99 1,06 0,70 89,20 12 0,11 6,24 4,98 1,09 0,62 2,16 84,80 3.2.3. Качество базовых активов Полученные результаты парадоксальны, прежде всего, потому, что у нефтегазовых компаний динамика таких показателей как денежный поток, выручка, прибыль, дивидендные выплаты и т.п., которые влияют на рыночную капитализацию, напрямую зависят от движения нефтяных котировок. Денежные потоки компаний в обеих странах, особенно нефтегазовых и энергетических компаний, на которые приходится более половины капитализации всего рынка акций, казалось бы, должны быть подчинены волатильным циклам динамики цены нефти. 121 Чем тогда можно объяснить отсутствие влияния изменений нефтяных цен на котировки акций российских и норвежских компаний? Мы полагаем, что цены акций имеющих сравнительно давнюю рыночную историю норвежских компаний находятся на достаточно высоком равновесном уровне. Капитализация зрелых компаний мало чувствительна к конъюнктурным колебаниям цены нефти и даже резким перепадам цен в периоды цикла «бум–спад» на сырьевых рынках. В значительной мере они подстроили свои долгосрочные бизнес–стратегии к волатильной динамике цены своего базового актива. Денежный поток, прибыль и дивидендная политика максимизируются компаниями на длинном временном горизонте, что позволяет минимизировать влияние шоков нефтяных цен на цену акций. При этом котировки акций реагируют на динамику глобальных риск– факторов, которые уже учитывают колебания нефтяных цен. На развивающемся рынке акций (пример – Россия) иная ситуация. Здесь нечувствительность к динамике мировой цены нефти объясняется низким качеством базовых активов (публичных компаний). Качество активов с позиции инвестора – ненаблюдаемый показатель, поэтому представим его через систему факторов и индикаторов. В состав последних входят: сравнительно высокий уровень рыночного риска, незначительная доля акций в свободном обращении, сравнительно низкие дивиденды инвесторам, низкая транспарентность компаний и частые нарушения корпоративных процедур, повышенная ставка налогообложения. Рассмотрим эти факторы более подробно. Сравнительный анализ в главе 1 показал, что для хеджирования рыночного риска инвесторам в акции российских компаний приходится отвлекать заметно большие объемы финансовых ресурсов. При этом параметризация профиля риска для российского рынка акций особенно проблематична. Российские нефтегазовые компании в сравнении с ведущими мировыми частными нефтегазовыми компаниями отличаются низкой долей 122 акций, находящихся в свободном обращении (таблица 32 (составлено по [181]), что делает активы слабо прозрачными и менее привлекательными для инвестирования. Таблица 32. Сравнение российских и ведущих мировых публичных нефтегазовых компаний по доле обыкновенных акций, находящихся в свободном обращении (free float), % на конец 4 квартала 2013 г.* ОАО «Газпром» ОАО «НК «Роснефть» ОАО «ЛУКОЙЛ» ОАО «Газпром нефть» ОАО «Татнефть» ОАО «Башнефть» ОАО «Новатэк» для сравнения Statoil Exxon Mobil Royal Dutch Shell Chevron BP Total 46,3 12 57 4 32 12 27 29,3 99,7 99,96 99,97 99,98 86,6 * – с учетом только обыкновенных акций. Из-за дефицита информации перепроверить эти данные по независимым источникам не представляется возможным. Таблица 33. Отношение дивидендов к чистой прибыли, % ОАО «Газпром» ОАО «НК «Роснефть» ОАО «ЛУКОЙЛ» ОАО «Газпром нефть» ОАО «Татнефть» ОАО «Башнефть» ОАО «Новатэк» для сравнения Statoil Exxon Mobil Royal Dutch Shell Chevron Total 2007 2008 2009 2010 2011 2012 9,9 1,2 7,3 – 16,3 11,6 Среднее невзвешенное за 2007–2012 гг. 9,3 3,9 12,9 7,4 13,9 15,5 20,8 9,9 18,4 11,7 18,4 23,4 19,3 12,0 17,3 – 23,5 22,0 33,2 17,1 124,1 23,0 33,4 18,4 26,8 199,3 29,4 24,1 23,8 113,1 24,4 22,0 17,6 – 12,7 – 20,8 8,9 28,4 20,4 39,4 73,3 26,9 30,4 18,6 28,7 22,4 25,6 32,4 17,8 36,2 – 21,6 104,3 41,6 84,1 50,6 64,2 52,3 28,8 50,7 29,8 50,7 26,3 22,7 33,8 22,8 43,9 31,2 23,2 40,8 26,1 – 46,2 25,5 45,7 30,3 41,2 123 Другой причиной низкой оценки рынком цены российских компаний заключается в специфической дивидендной политике последних. В сравнении с нефтегазовыми компаниями в развитых экономиках российские компании в 2006–2012 гг. направляли на выплату дивидендов существенно меньшую часть чистой прибыли (таблица 33 (рассчитано по данным [171], [181])). Наряду с этим в отдельные годы у некоторых российских компаний дивиденды превосходили чистую прибыль, что также является отходом от стандартной практики и рассматривается инвесторами как дополнительный риск. Важное значение при оценке инвесторами качества активов является налоговая и ценовая политика властей. С 1999 г. для российских нефтяных компаний установлен особый режим налогообложения экспортной выручки: при повышении мировой цены нефти налоговая ставка на компании прогрессивно возрастает. [45] Начиная с определенного ценового порога бюджет забирает практически всю долю выручки от повышения цены нефти. Это означает, что экономика компании, включая ее рыночную капитализацию, становится мало чувствительной к динамике нефтяных котировок. Данный налоговый режим для российских нефтегазовых компаний, которые критически зависят от реализации продукции на зарубежных рынках (таблица 34 (составлено по данным [177, 181]), был введен в тот момент, когда мировая цена нефти Brent колебалась около 20 Таблица 34. Доля экспорта (зарубежных продаж) в совокупных продажах российских нефтегазовых компаний, % 2012 г. или ближайший год, по которому имеются соответствующие данные ОАО «Газпром» ОАО «НК «Роснефть» ОАО «ЛУКОЙЛ» ОАО «Газпром нефть» ОАО «Татнефть» ОАО «Башнефть» ОАО «Новатэк» 67 77 78 49 96 57 26 124 долл. за баррель. При том, что с января 2006 г., исключая острую фазу кризиса 2008–2009 гг., среднемесячная цена барреля европейской нефтяной бенчмарки не опускалась ниже 60 долл., а с октября 2007 г. – ниже 80 долл., цены акций российских нефтегазовых компаний практически утратили связь с динамикой цены нефти. Понижательное давление на капитализацию одной из крупнейшей российской нефтегазовой регулирования внутренних макроэкономическими и компании цен на Газпром оказывает природный газ. социально-экономическими политика Диктуемые императивами сравнительно низкие цены на газ не позволяют Газпрому действовать как стандартная рыночная корпорация. В интегральном виде низкое качество базовых активов проявляется через пониженную оценку рынком российских публичных компаний. Проанализируем этот вопрос на примере нефтегазовых компаний, на которые в структуре индекса РТС приходится более половины капитализации. На базе ежегодных рейтингов Energy Intelligence, базе данных информационного агентства Bloomberg и отчетов компаний была сформирована выборка данных по крупнейшим мировым публичным нефтегазовым компаниям за 2006–2010 гг. В выборку вошли показатели по капитализации, текущей добыче и совокупным запасам углеводородов восьми крупнейших частных публичных нефтяных компаний мира (всего 40 наблюдений). С помощью производственной функции Кобба–Дугласа Y=A·Q·R была оценена зависимость капитализации публичных нефтегазовых компаний (Y) от текущей добычи нефти и газа (Q) и запасов углеводородов, находящихся на корпоративных балансах (R) (такой подход используется, например, в работе Н.М. Виктор [163]). В формуле А – константа, а и – коэффициенты при регрессорах. Конечно, такая модель значительно упрощает действительность, так как капитализация вертикально– интегрированных нефтегазовых компаний зависит и от многих других факторов. Тем не менее, запасы и текущая добыча углеводородов – ключевые 125 параметры, характеризующие текущую производственную деятельность и перспективы компаний в нефтегазовом бизнесе. Оба параметра обязательно используются для построения корпоративных рэнкингов ведущими мировыми нефтяными агентствами и консалтинговыми компаниями. Прологарифмировав исходную производственную функцию, получим уравнение lnY = сonst + · ln Q + · ln R, которое можно оценить с помощью линейной регрессии. Результаты регрессионного анализа представлены в таблице 35 (рассчитано по данным [181]). Как и следовало ожидать, совместное оценивание по текущей добыче и запасам углеводородов является в эконометрическим смысле «плохим», о чем свидетельствует значение p-value при регрессоре «добыча». Это – результат сильной коллинеарности между двумя используемыми регрессорами. При этом оценивание отдельно по текущей добыче или запасам дает «хорошие» в эконометрическом смысле результаты, что говорит о правильном выборе регрессоров. Для стандартной частной нефтяной компании коллинеарность между запасами и добычей является естественной, поэтому мы считаем модель адекватной. Таблица 35. Коэффициенты в регрессии капитализации нефтегазовых компаний на добычу и запасы10 Регрессоры Коэффициент при регрессоре p-value оценка только по добыче и запасам добыча 0.216044 0.213 запасы 0.843953 0 константа 2.338247 0 оценка только по добыче добыча 1.039367 0 константа 2.200173 0 оценка только по запасам запасы 1.089971 0 константа 3.35439 0 10 Расчеты с использованием коэффициентов только при запасах или текущей добыче принципиально не отличаются от расчетов, использующих оба коэффициента. 126 Используя коэффициенты из регрессионного уравнения, была оценена «расчетная капитализация» российских нефтегазовых компаний и Statoil. Сопоставление расчетной и фактической капитализации (таблица 36 (рассчитано по данным [181])) показывает, что все российские нефтегазовые вертикально-интегрированные сравнении с крупнейшими компании частными существенно публичными недооценены в нефтегазовыми компаниями мира. В то же время по Statoil, исключая кризисный 2008 г., расчетная капитализация примерно совпадет с фактической. Таблица 36. Отношение фактической капитализации компании к расчетной, % 2008 2009 2010 2011 2012 2013 ОАО «Газпром» 6 10 10 9 7 – 38 20 ОАО «НК «Роснефть» 20 43 36 29 24 23 ОАО «ЛУКОЙЛ» 12 23 21 20 – – ОАО «Сургутнефтегаз» 16 27 30 – ОАО «Газпром нефть» 17 38 27 26 30 18 ОАО «Татнефть» 10 25 22 23 24 21 ОАО «Башнефть» – 31 37 32 49 42 ОАО «Новатэк» 10 23 37 39 26 27 для сравнения Statoil 69 107 104 111 107 102 Подведем главные итоги. Проведенный анализ по месячным данным опровергает интуитивную гипотезу о том, что в двух крупных производителях и экспортерах нефти и газа – России и Норвегии – цена нефти оказывает существенное влияние на динамику котировок акций. В Норвегии изменения в котировках акций определяются главным образом двумя глобальными риск–факторами: изменениями американского фондового индекса S&P500 и курса доллара относительно других ведущих мировых валют – и в существенно меньшей степени – динамикой глобальной и национальной краткосрочной процентной ставки. В России котировки акций откликаются только на специфические шоки российского фондового рынка. Таким образом, вывод о том, что ценовым якорем для российского рынка акций являются американские фондовые индексы [2] можно 127 скорректировать: с середины 2000-х годов российский рынок в значительной мере утратил и этот якорь и движется в рамках своих собственных ценовых алгоритмов. При этом стоимость крупнейших российских публичных компаний существенно ниже относительно аналогичных по отраслевой специализации компаний в развитых экономиках. Это свидетельствует о том, что рыночные котировки рассмотренных в диссертации российских компаний оторваны от циклов мировой хозяйственной конъюнктуры. Даже взлет нефтяных цен в несколько раз в последние десять лет и обрушившийся на экономики стран– нефтеэкспортеров превращению «золотой акций дождь» российских нефтедолларов компаний в не привели привлекательный к для инвесторов актив. Низкая транспарентность российского фондового рынка, а также чрезмерно высокая роль иностранных инвесторов в спекулятивной торговле ограниченным объемом находящихся в свободном обращении акций (free float) порождают повышенный рыночный риск, существенно снижают привлекательность акций отечественных компаний для долгосрочных инвесторов, как внутренних, так и зарубежных. Качество базовых активов предопределяет доминирование на российском рынке акций инвесторов особого типа. На российском рынке заметно преобладают спекулянты, а среди спекулянтов высока доля скальперов. Такие инвесторы работают на коротких временных горизонтах от нескольких минут до нескольких недель, а информация, в том числе с мирового рынка нефти, практически без задержки отражается в котировках акций компаний. Именно поэтому информационный сигнал на российском фондовом рынке «живет» от двух до трех недель, а затем происходит структурный разрыв (structural break). [3] Следует также отметить, что зарубежные инвестиционные фонды, которые преобладают среди портфельных инвесторов на российском рынке акций, инвестируют в рамках «лимитных позиций». Упрощенно говоря, инвестиции в российские акции или акции других стран–нефтеэкспортеров 128 направляются потому, что, руководствуясь собственной инвестиционной стратегией, штаб-квартира фонда решила открыть позиции на развивающемся рынке в размере нескольких процентов или десятых процента от совокупного инвестиционного портфеля. При повышении риска и/или при каких-то других обстоятельствах, которые могут быть никак не связаны с конкретной страной размещения инвестиционных ресурсов, но подчинены оптимизации совокупного инвестиционного портфеля, такие инвесторы могут мгновенно уйти с рынка. Подобное развитие событий наблюдалось на российском рынке в 2008–2009 гг. и в 2013–2014 гг. При решении об инвестировании в российские акции цена нефти является важным фактором для глобальных спекулянтов только в случае очень резких ее колебаний (более 10% в ту или иную сторону). Менее значимые колебания не имеют для них большого значения. 129 ЗАКЛЮЧЕНИЕ В фокусе анализа в выполненном диссертационном исследовании находятся два главных вопроса: во-первых, каналы трансмиссии шоков нефтяных цен в открытую сырьевую экономику стран – нефтеэкспортеров; во-вторых, чувствительность котировок рынков акций нефтеэкспортеров к ценовым сигналам, поступающим с мирового рынка нефти. Основной вклад настоящей работы в разработку исследуемой проблематики заключается в том, что анализ не просто фокусируется на установлении факта реакции котировок акций в странах–нефтеэкспортерах на ценовые шоки с мирового рынка нефти, но выявляет причины такой реакции, которая объясняется качеством базовых активов, определяемым характеристиками публичных компаний, акции которых обращаются на национальных фондовых рынках, а также встроенностью нефтяного ценового сигнала в ансамбль глобальных риск-факторов, которые поступают в национальные экономики одновременно и к тому же взаимно влияют друг на друга. В диссертации получены следующие основные выводы: Значительное повышение цены нефти с начала 2000-х годов ускорило экономическое развитие стран–нефтеэкспортеров, обеспечило рост их доходов от экспорта нефти и газа и тем самым создало объективные предпосылки для опережающего развития в этих странах финансового сектора, в том числе рынка акций. Политика финансовой либерализации, поддерживаемая международными финансовыми организациями, ускорила становление и развитие фондовых рынков в десятках стран самого разного уровня и типа развития. В странах–нефтеэкспортерах рынки акций развивались особенно бурно. В сравнении с фондовыми рынками в других странах рынки акций в нефтеэкспортерах продемонстрировали большую устойчивость к шокам мирового финансово–экономического кризиса 2008– 2009 гг. Анализ по репрезентативной выборке десяти крупнейших рынков акций нефтеэкспортеров, на которые приходится 94% совокупной 130 капитализации всех стран данной типологической группы (Австралия, Индонезия, Канада, Катар, Колумбия, Мексика, Нигерия, Норвегия, Россия и Саудовская Аравия), с помощью линейной и квантильной многофакторных регрессий в высокочастотном дневном режиме показал, что доходности акций существенно зависят от динамики нефтяных котировок. В большинстве случаев эта зависимость положительна и линейна, в ряде стран Персидского залива данная зависимость носит нелинейный характер. Моделирование с помощью векторной авторегрессии по месячным данным позволило установить, что в Норвегии (которая является примером зрелого рынка акций) изменения в котировках национального фондового индекса определяются двумя глобальными риск–факторами: колебаниями американского фондового индекса S&P500 и курса доллара относительно других ведущих мировых валют и в существенно меньшей степени динамикой глобальной и национальной краткосрочной процентной ставки. На развивающемся рынке акций (пример – Россия) котировки акций представляют собой «черный ящик», откликающийся только на собственные шоки. Известный вывод о том, что ценовым якорем для российского рынка акций являются американские фондовые индексы можно скорректировать: с середины первого десятилетия 2000-х годов российский фондовый рынок в значительной мере утратил и этот якорь и движется в рамках собственных алгоритмов. Даже взлет нефтяных цен в несколько раз в последние десять лет, и обрушившийся на экономику «золотой дождь» нефтедолларов не привели к превращению акций российских компаний в привлекательный для инвесторов актив. Низкое качество активов для инвесторов определятся системой характеристик российских публичных нефтегазовых компаний, включая: - повышенный уровень рыночного риска и трудности параметризации временного профиля этого риска с помощью стандартных линейных методов; - незначительная доля акций, находящихся в свободном обращении, что снижает информационную прозрачность компании; 131 - специфическая дивидендная политика. В сравнении с ведущими мировыми частными нефтегазовыми компаниями российские компании направляли на выплату дивидендов заметно меньшую долю чистой прибыли. В то же время некоторые российские нефтяные компании выплачивали дивиденды, превосходящие чистую прибыль, что также оценивается инвесторами как дополнительный и к тому же неквантифицируемый риск; - сравнительно высокая налоговая ставка на выручку компаний. К этому добавляются такие особенности микроструктуры рынка, как редкая и нерегулярная торговля, недостаточный надзор со стороны регуляторов, а также непрозрачная система собственности и контроля над акционерным капиталом. Относительно низкое качество базовых активов предопределяет доминирование на российском рынке акций спекулятивных инвесторов, работающих на коротких временных горизонтах. При решении об инвестировании в российские акции цена нефти является важным фактором для глобальных спекулянтов только в случае очень резких ее колебаний. В диссертации получены и некоторые важные дополнительные выводы, позволяющие составить более объемную картину роли и места рынков акций в экономике стран–нефтеэкспортеров, а также специфических характеристик этих рынков, которые представляют интерес для инвесторов и регуляторов. Проведенный анализ роли рынков акций в процессе капиталообразования показал, что крупнейшие нефтеэкспортеры делятся на две группы. В первой группе, которую образуют Австралия, Канада и Норвегия, рынок акций достаточно эффективно выполняет функцию мобилизации национальных сбережений с целью инвестирования в основной капитал. В странах второй группы, к которой принадлежат Колумбия, Мексика и Россия, роль рынка акций в мобилизации внутренних финансовых ресурсов для инвестирования незначительна. В этих странах рынок акций выступает скорее в качестве механизма распределения и перераспределения 132 прав собственности на активы. При том, что стабилизация отношений собственности занимает не одно десятилетие, а критическая зависимость фондового рынка от иностранного спекулятивного капитала повышает «финансовую хрупкость» национальной экономики и ее восприимчивость к макроэкономическим шокам, особое значение в таких условиях приобретает повышение нормы накопления и облагораживания структуры инвестиций за счет стимулирования притока прямых иностранных инвестиции. Трудно при этом согласиться с достаточно распространенной точкой зрения, что развивающиеся страны, включая страны–нефтеэкспортеры, «недозрели» для создания рынка акций и должны опираться исключительно на банковскую систему. Противопоставление континентальной финансовой системы, основу которой составляют банки, и англо-саксонской, базирующейся на специализированных финансовых рынках, несостоятельно ни теоретически, ни практически. Современная финансовая система должна включать и банковский и фондовый сектора. При этом институционализация рынка акций оказывает заметное косвенное положительное влияние на инвестиционный процесс. Публичные компании могут получать упрощенный доступ к сравнительно дешевому кредиту через эмиссию облигаций. По объему российский рынок корпоративных облигаций многократно превосходит рынок акций. Особенно важно, что через выпуск облигаций компании могут получить доступ к ресурсам в свободно конвертируемой валюте. Облигации российских эмитентов, выплаты по которым обеспечены запасами сырья и/или поддержкой государства, привлекательны для инвесторов, в том числе зарубежных. Более того, между рынками облигаций и акций имеется и обратная связь – моделирование с помощью векторной авторегрессии по месячным данным за период 2000–2013 гг. показывает, что доходность российского фондового индекса РТС коррелирует с лагом с доходностью облигаций (подробнее см. ПРИЛОЖЕНИЕ 4). Это означает, что инвестиции в акции российских компаний зависят от ситуации на рынке облигаций. 133 БИБЛИОГРАФИЯ Монографии и аналитические исследования на русском языке 1. Бушуев В.В., Конопляник А.А., Миркин Я.М. и др. Цены на нефть: анализ, тенденции, прогноз. М.: ИД Энергия. 2013. 344 с. 2. Евстигнеев В.Р. Портфельные инвестиции в мире и России: Выбор стратегии. М.: Эдиториал УРСС. 2002. 304 с. 3. Евстигнеев В.Р. Прогнозирование доходности на рынке акций. М.: Маросейка. 2009. 192 с. 4. Жуков Е.Ф., Нишатов Н.М. Рынок ценных бумаг. 3-е издание. М.: ЮНИТИ-ДАНА. 2009. 254 с. 5. Жуков С.В., Копытин И.А., Масленников И.А. Интеграция финансового и нефтяного рынков: влияние на процесс ценообразования на нефть. М.: Институт народнохозяйственного прогнозирования РАН. 2012. 30 с. 6. Жуков С.В. Императивы экономического роста в условиях глобализации/ С.В. Жуков// Докторская диссертация на соискание ученой степени доктора экономических наук. М.: ИМЭМО. 2005. 469 c. 7. Кейнс Дж. М. Общая теория занятости, процента и денег. М.: Гелиос АРВ. 2002. 352 c. 8. Конопляник А.А. Основные виды и условия финансирования инвестиционных проектов в нефтегазодобывающей промышленности/ А.А. Конопляник// учебное пособие. М.: РГУ нефти и газа им. И.М. Губкина. 2011. 61 с. 9. Копытин И.А. Рыночный риск и риск-факторы российского фондового рынка/ И.А. Копытин// магистерская диссертация. М.: НИУ ВШЭ. 2009. 146 c. 10. Мангус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика: начальный курс. М.: Дело. 2004. 576 с. 11. Мельянцев В.А. Развитые и развивающиеся страны в эпоху перемен. М.: ИД Ключ – С. 2009. 216 с. 12. Мельянцев В.А. Восток и Запад во втором тысячелетии: экономика, история и современность. М.: Изд-во МГУ. 1996. 304 с. 134 13. Меньшиков И.С., Шелагин Д.А. Рыночные риски: модели и методы/ Отв. ред. ак. А.А. Петров// М.: Вычислительный центр РАН. 2000. 46 с. 14. Миркин Я.М. Финансовое будущее России: экстремумы, бумы, системные риски. М.: Гелеос, Кэпитал Трейд Компани. 2011. 480 с. 15. Миркин Я.М. Рынок ценных бумаг России: воздействие фундаментальных факторов, прогноз и политика развития. М.: Альпина Паблишер. 2002. 624 с. 16. Мировая экономика: глобальные тенденции за 100 лет/ Отв. ред. И. С. Королев// М.: Юристъ. 2003. 604 с. 17. Мировой фондовый рынок и интересы России / Отв. ред. Смыслов Д.В.// М.: Наука-М. 2006. 360 c. 18. Развивающиеся страны: экономический рост и социальный прогресс/ под ред. Шейниса В.Л., Эльянова А.Я. и др.// М.: Главная редакций восточной литературы издательства Наука. 1983. 656 c. 19. Российский фондовый рынок и создание международного финансового центра. Идеальная модель фондового рынка России на долгосрочную перспективу (до 2020 года) при участии Центра развития фондового рынка. Ernst and Young, Thomas Murray. М.: НАУФОР. 2008. 395 с. 20. Шишков Ю.В. Догоняющее развитие в эпоху глобализации. М.: ВАВТ. 2006. 242 с. 21. Шишков Ю.В. Интернационализация производства – новый этап развития мировой экономики. М.: ИМЭМО РАН. 2009. 92 с. 22. Рубцов В.В. Современные фондовые рынки. М.: Альпина Бизнес Букс. 2007. 926 с. 23. Рубцов В.В. Мировые рынки ценных бумаг. М.: Экзамен. 2002. 448 с. 24. Типология несоциалистических стран (Опыт многомерностатистического анализа народных хозяйств). М.: Наука. 1976. 270 с. 25. Хесин Е. С. Всемирное хозяйство: тенденции развития и их влияние на международные валютно-кредитные и финансовые отношения// Международные валютно-кредитные и финансовые отношения / Отв. ред. Л. Н. Красавина. М.: Финансы и статистика. 2005. СС.5–25. 135 26. Шарп У.Ф., Александер Г. Дж., Бейли Дж. В. Инвестиции. М.: Инфра-М. 2004. 1028 c. 27. Шоломицкий А. Г. Теория риска. Выбор при неопределенности и моделирование риска. М.: ГУ ВШЭ. 2005. 400 c. 28. Эльянов А.Я. Развивающиеся страны: проблемы экономического роста и рынок. М.: Мысль. 1976. 295 c. 29. Энциклопедия финансового риск–менеджмента/ Под ред. Лобанова А.А., Чугунова А.В. 2-е издание// М.: Альпина Бизнес Букс. 2005. 934 c. Монографии и аналитические исследования на иностранных языках 30. Baumol W.J. The Stock Market and Economic Efficiency. New York: Fordham University Press. 1965. 109 p. 31. Che L. Investors' performance and trading behavior on the Norwegian stock market/ Series of Dissertations 5/2011// BI Norwegian Business School. Oslo: 2011. 140 p. 32. Chenery H., Syrquin M. Patterns of Development: 1950-1970. Oxford: Oxford University Press. 1975. 234 p. 33. Cochrane J. Asset Pricing/ Revised edition. Princeton University Press. 2005. 463 p. 34. Economic Survey of Russia 2009. Paris: OECD. 15 July 2009. 35. Hamilton J.D. Time Series Analysis. Princeton, New Jersey: Princeton University Press. 1994. 799 p. 36. Horsnell P., Mabro R. Oil Markets and Prices: The Brent Market and the Formation of World Oil Prices. Oxford: Oxford University Press. 1993. 334 p. 37. Jorion P. Financial Risk Manager Handbook/ GARP. Fifth Edition. Wiley Finance. 2009. 752 p. 38. Longerstaey J., Spencer M. RiskMetricsTM/ Technical Document. Fourth Edition. New York: J.P. Morgan/Reuters. December 17, 1996. 102 p. 39. Maddala G.S. Introduction to Econometrics/ 3th Edition. John Wiley & Sons. 2001. 636 p. 136 40. Stiglitz, J. Globalization and Its Discontents. W.W. Norton&Company, 2003. 304 p. 41. Taylor L. Varieties of Stabilization Experience. Oxford: Clarendon Press. 1988. 180 p. 42. Taylor L. Income Distribution, Inflation, and Growth. Cambridge, Mass.: MIT Press. 1991. 290 p. 43. Taylor L. Reconstructing Macroeconomics. Structuralist Proposals and Critiques of the Mainstream. Cambridge, Mass.: Harvard University Press. 2004. 442 p. 44. Taylor L. Maynard’s Revenge. The Collapse of Free Market Macroeconomics. Cambridge, Mass.: Harvard University Press. 2010. 385 p.. Статьи в научных журналах, сборниках научных трудов, главы в коллективных монографиях, рабочие записки и аналитические материалы на русском языке 45. Бобылев Ю.Н., Идрисов Г.И., Синельников-Мурылев С.Г. Экспортные пошлины на нефть и нефтепродукты: необходимость отмены и сценарный анализ последствий/ Научные труды № 161Р// М.: Изд. Института экономической политики имени Е.Т. Гайдара. 2012ю 84 с. 46. Гинзбург Б. Приготовиться к новым условиям на рынке// Финансовая Россия. Ведомости Форум. 2011. №11ю С.31 47. Григорьев Л.М., Гурвич Е. Т., Саватюгин.А. Л. Финансовая система и экономическое развитие// МЭиМО. 2003. № 7. CC.62–75. 48. Григорьев Л.М. Мировая рецессия и энергетические рынки// Мировой кризис и глобальные перспективы энергетических рынков/ Сост. и науч. ред. С. В. Чебанов. М.: ИМЭМО РАН. 2009. СС.39–57. 49. Гурвич Е.Т., Соколов В.Н., Улюкаев А.В. Анализ связи между курсовой политикой ЦБ и процентными ставками: непокрытый и покрытый паритет// Журнал Новой Экономической Ассоциации. 2009, № 1–2. СС.104– 126. 137 50. Евстигнеев В.Р. Ситуация на американском фондовом рынке и прогнозирование российского рынка акций// Мировой фондовый рынок и интересы России/ Ред. Смыслов Д.В. М.: Наука. 2006. СС.222–234. 51. Жуков С.В. Иностранные инвестиции в России: опыт 1992-1998гг.// Переходная экономика: теоретические аспекты, российские проблемы, мировой опыт/ Отв. ред. В.А. Мартынов, В.С. Автономов, И.М. Осадчая. М.: Экономика. 2005. CС.340–376. 52. Жуков С.В., Копытин И.А., Масленников А.О. Регулирование рынка энергетических деривативов: планы и реалии// Деньги и кредит. 2011. №9. CС.13–16. 53. Масленников А.О. Регулирование рынка энергетических деривативов// МЭиМО. 2012. №2. СС.50–56. 54. Миловидов В.Д. Философия финансового рынка// МЭиМО. 2012. №8. СС. 3–13. 55. Миловидов В.Д. Либерализм и регулирование финансового рынка// МЭиМО. 2012. № 9. СС.20–30. 56. Миловидов В.Д. Асимметрия информации заблуждений»// МЭиМО. 2013. №3. СС. 45–53. и «симметрия 57. Обзор финансового рынка// Департамент исследований и информации Банка России. М.: 2011. №72. 70 с.; 2012. №74. 69 с. 58. Орлова Ю., Яковлева М. Инструменты с гарантированной бедностью// Коммерсантъ. 2013. 19 марта. 59. Ратникова Т.А. Анализ панельных данных в пакете «STATA»// Методические указания к компьютерному практикуму по курсу “Эконометрический анализ панельных данных”. М.: ГУ ВШЭ. 2004. 40 с. 60. Теплова Т.Ю. Постприватизационное функционирование компаний на трех рынках постсоветского пространства: сопоставление частных и смешанных по структуре собственности компаний// XII международная научная конференция по проблемам развития экономики и общества/ Отв. ред. Е.Г. Ясин. М.: НИУ ВШЭ. 2012. СС.553–562. 61. Федорова Е.А., Панкратов К.А. Влияние макроэкономических факторов на фондовый рынок России// Проблемы прогнозирования. 2010. №2. СС. 78–83. 138 62. Щерба А.В. Сравнение моделей оценок VaR на интервалах прогнозирования разной срочности для акций российского фондового рынка// Прикладная эконометрика. 2011. №4. СС. 58–70. 63. Юдаева К.В., Синяков А.А. Эффективность процентной политики Банка России в 2000-2011 гг. М.: Центр макроэкономических исследований Сбербанка России. Декабрь 2011. 32 с. Статьи в научных журналах, сборниках научных трудов, главы в коллективных монографиях, рабочие записки и аналитические материалы на иностранных языках 64. Allsopp C., Fattouh B. Oil Prices: Fundamentals or Speculation. Presentation at the Bank of England. 13 June 2008. 30 p. 65. Ambler S., Dib A., Rebei N. Nominal Rigidities and Exchange rate PassThrough in a Structural Model of a Small Open Economy. Ottawa: Bank of Canada Working Paper №03–29. 2003. 57 p. 66. Anatolyev Stanislav. A 10-year Retrospective on the Determinants of Russian Stock Returns// Research in International Business and Finance. 2008. Vol.22, №1. 2008. PP.56–67. 67. Anatolyev Stanislav. A Ten-Year Retrospective of the Behavior of Russian Stock Returns. Helsinki: Bank of Finland (BOFIT), Institute for Economies in Transition. Discussion Paper. 2005. №9. 11 p. 68. Arouri M., Lahiani A., Nguyen D. Return and volatility transmission between world oil prices and stock markets of the GCC countries// Economic Modelling. 2011. №28. PP.1815–1825. 69. Barro R.B. The Stock Market and Investment// The Review of Financial Studies. 1990. №3. PP.115–131. 70. Basher S. A., Sadorsky P. Oil price risk and emerging stock markets// Global Finance Journal. 2006. Issue 2. PP.224–251. 71. Basher S. A., Hang A., Sadorsky P. Oil Prices, Exchange Rates and Emerging Stock Markets. New Zealand: University of Otago, Department of Economics. Working Papers 1014. Revised Sep. 2010. 13 p. 139 72. Bekaert G., Harvey C.R., Lundblad C. Liquidity and Expected Returns: Lessons from Emerging Markets// Review of Financial Studies. 2007. Vol.20. PP.1783–1831. 73. Bekaert G., Harvey C.R., Lundblad C. Does financial liberalization spur growth// Journal of Financial Economics. 2005. Vol. 77, №1. PP.3-55. 74. Bekaert G., Harvey C.R. Emerging Equity Market Volatility// Journal of Financial Economics. 1997. Vol.43, №1. PP.29–77. 75. Bergin, P. Putting the `New Open Economy Macroeconomics` to a Test// Journal of International Economics. 2003. Vol.60. PP.3–34 . 76. Blanchard O., Rhee C., Summers L. The Stock Market, Profit, and Investment// Quarterly Journal of Economics. 1993. Vol. 108. PP.115–136 77. Bjorhland H.C. Oil Price Shocks and Stock Market Booms in an Oil Exporting Country. Oslo: Norges Bank Working Paper. 2008. №2008/16. 37 p. 78. Bollerslev T. Generalized Autoregressive Conditional Heteroskedasticity// Journal of Econometrics. 1986. Vol.31, Issue 3. PP.307–327. 79. Bosworth B. The Stock Market and the Economy// Brookings papers on Economic Activity. 1975. №2. PP.257–300. 80. Brooks R., Forbes K., Mody A. How Strong are Global Linkages? 2003. Manuscript. URL: http://www.imf.org/external/np/res/seminars/2003/global/pdf/ over.pdf. 81. Carpentier C., L’Her J-F., Suret J-M. Competition and Survival of Stock Exchanges: Lessons from Canada. Montreal: CIRANO, Scientific Series. November 2007. 37 p. 82. Central Bank of the Russian Federation. Exchange Rate Flexibility and Russia’s Monetary Policy Shift// The Influence of External Factors on Monetary Policy Frameworks and Options. BIS Background Papers. October 2010. №57. 83. Chen N., Roll R., Ross S.A. Economic Forces and the Stock Market// Journal of Business. 1986. Vol.59, №3. PP. 383–403. 84. Clarida R., Gali J., Getler M. Optimal Monetary Policy in Open versus Closed Economies: An Integrated Approach// American Economic Review Papers and Proceedings. 2001. Vol.91, Issue 2. PP.248–252. 140 85. Delong, J.B., Schleifer, A., Summers, L.H., Waldmann, R.J. The Size and Incidence of the Losses from Noise Trading// Journal of Finance. 1989. Vol.44, №3. PP.681–696. 86. El-Sharif I., Brown D., Burton B., Nixon B., Russell A. Evidence on the Nature and Extent of the Relationship between Oil Prices and Equity Values in the UK// Energy Economics. 2005. Vol.27, №6. PP.819–830. 87. Erten B. Ocampo J. A. Super-cycles of commodity prices since the midnineteenth century// World Development. 2013. Vol.44, Issue C. PP.14–30. 88. Fama E., French К. Common Risk Factors in the Returns on Stocks and Bonds// Journal of Financial Economics. 1993. Vol.33, №1. PP.3–56. 89. Fama E., James M. Risk, Return, and Equilibrium: Empirical Tests// Journal of Political Economy. 1973. Vol.81, Issue 3. PP.607–636. 90. Fama E. Stock Returns, Real Activity, Inflation and Money// American Economic Review. 1981. Vol.71, №4. PP.545–565. 91. Fama E. Stock Returns, Expected Returns, and Real Activity// Journal of Finance. 1990. Vol.45, №4. PP.1089–1108. 92. Fattouh B. Oil Market Dynamics Through the Lens of the 2002–2009 Price Cycle. Oxford Institute for Energy Studies. 19 January 2010. WPM 39. 59 p. 93. The Financial Market in Norway 2009: Risk Outlook. Oslo: Finanstilsynet (The Financial Supervisory Authority of Norway). March 2010. 85 p. 94. Frenkel R., Taylor L. Real Exchange Rate, Monetary Policy and Employment. DESA Working Paper No.19, February 2006. 12 p. 95. Goriaev A., Zabotkin A. Risks of Investing in the Russian Stock Market: Lessons of the First Decade. Centre for Economic and Financial Research, New Economic School. Working Paper No.77. August 2006. 27 p. 96. Gray C. Accessing Canadian Capital Markets for Global Oil & Gas Companies. Toronto Stock Exchange and TSX Venture Exchange. December 2010. 62 p. 97. Hamilton J.D. This is what happened to the oil price – macroeconomy relationship// Journal of Monetary Economics. 1996. Vol.38, №2. PP.215–220. 141 98. Hamilton J.D. What is an Oil Shock// Journal of Econometrics. 2003. Vol.113, №2. PP.363–398. 99. Hammoudeh, S., & Al-Gudhea, S. Return, risk and global factors in Saudi equity sectors// International Journal of Emerging Markets. 2006. Vol.10, №3. PP. 55–64. 100. Hammoudeh S., Aleisa E. Dynamic Relationships among GCC Stock Markets and NYMEX Oil Futures// Contemporary Economic Policy. 2004. Vol.22, N2. PP.250–269. 101. Hayo B., Ali K.M. The Impact of News, Oil Prices, and Global Market Developments on Russian Financial Markets. William Davidson Institute. Working paper №656. February 2004. 29 p. 102. Henry P. B. Do stock market liberalizations cause investment booms?// Journal of Financial Economics. October 2000. Vol.58, №1–2. PP.301–334. 103. Holton G.A. History of Value-at-Risk: 1922-1998. Contingency Analysis. Working Paper. 2002. 27 p. 104. Hoppe R. VaR and the Unreal World// Risk. 1998. Vol.11, №7. PP.45–50. 105. Huang R.D., Masulis R.W., Stoll H.R. Energy Shocks and Financial Markets// Journal of Futures Markets. 1996. Vol.16, №1. PP.1–27. 106. Ibnrubbian A. K. Effect of Regulation, Islamic Law and Noise Traders on the Saudi Stock Market. UK: Department of Economics and Finance, Brunel University. May 2012. 164 p. 107. James G., Karoglou M. Financial Liberalization and Stock Market Volatility: The Case of Indonesia. Department of Economics, Loughborough University. Working Paper 2009–11. September 2009. 25 p. 108. Jones C.M., Kaul G. Oil and the Stock Market// Journal of Finance. 1996. Vol.51, №2. PP.463–491. 109. Khan S. Crude Oil Price Shocks to Emerging Markets: Evaluating the BRICs Case. Munich Personal RePEc Archive. 30 April 2010. 18 p. 110. Koenker R., Bassett G. J. Regression quantiles// Econometrica. 1978. Vol. 46, №1. PP.33–50. 142 111. Koenker R., Hallock K. Quantile Regression// Journal of Economic Perspectives. 2001. Vol. 51, №4. PP. 143–156. 112. Korhonen I., Peresetsky A. What determines stock market behavior in Russia and other emerging countries? BOFIT Discussion Papers № 4/2013. 2013. 27 p. 113. Kose, M.A., C. Otrok, and C.H. Whiteman. International Business Cycles: World, Region and Country-Specific Factors// American Economic Review. 2003. Vol. 93, №4. PP. 1216–1239. 114. Kose, M.A., C. Otrok, and C.H. Whiteman.Understanding the Evolution of World Business Cycles. International Monetary Fund. WP/05/211. 2005. 36 p. 115. Lane P. The New Open Economy Macroeconomics: A Survey// Journal of International Economics. 2001. Vol.54, №2. PP.235–266. 116. Leo K.C., Kendall J.D. An Empirical Analysis of Stock Indices in Three Southeast Asian Countries. Singapore: Nanyang Business School, Nanyang Technological University. Applied Economics Research Series. Regional Issues in Economics. 1996. Vol. 2. PP.91–116. 117. Levine R. Stock Markets Liquidity and Economic Growth: Theory and Evidence/ in Paganetto L. and Phelps Edmond S. – eds. Finance, Research, Education and Growth. New York: Palgrave Macmillan. 2003. PP.1–24. 118. Mabro R. The Oil Price Conundrum/ Oxford Energy Forum. August 2008. №74. 5 p. 119. Mabro R. On the Futures Oil Markets and the Price of Oil// Middle East Economic Survey. 31 May 2004. Vol.47, №22. 120. Maghyereh A. Oil Price Shocks and Emerging Stock Markets: A Generalized VAR Approach// International Journal of Applied Econometrics and Quantitative Studies. 2004. Vol.1–2. PP.27–40. 121. Medlock K.B. III, Jaffe A.M. Who Is In the Oil Futures Market and How Has It Changed? James A. Baker III Institute for Public Policy, Rice University. August 26, 2009. 18 p. 122. Merton R. C. An Intertemporal Capital Asset Pricing Model// Econometrica. 1973. Vol.41, №5. PP.867–887. 143 123. Moberg J-M., Sucarrat G. Stock Market Return, Order Flow and Financial Market Linkages. Norwegian School of Economics and Business Administration, 2 August 2007. 28 p. 124. Mohanty S. K., Nandha M., Turkistani A. Q., Alaitani M.Y. Oil price movements and stock market returns: Evidence from Gulf Cooperation Council (GCC) countries// Global Finance Journal. 2011. Vol.22, №1. PP.42–55. 125. Mork K.A. Oil and the Macroeconomy. When Prices Go Up and Down: An Extension of Hamilton’s Results// Journal of Political Economy. 1989. Vol. 97, №3. PP. 740–744. 126. Morck R., Shleifer A., Vishny R.W. The Stock Market and Investment: Is the Market a Sideshow?// Brookings papers on Economic Activity. 1990. №2. PP. 157–215. 127. Næs R., Skjeltorp J.A., Ødegaard B.A. Liquidity at the Oslo Stock Exchange. Oslo: Norges Bank Research Department, Working Paper №2008/9. April 24, 2008. 52 p. 128. Nandha M., Faff R. Does Oil Move Equity Prices? A Global View// Energy Journal. 2008. Vol.30, №3. PP.986–997. 129. Nelson D.B. Conditional Heteroskedasticity in Asset Returns: A New Approach// Econometrica. 1991. Vol.59, №2. PP.347–370. 130. Nicholls C. The Characteristics of Canada’s Capital Markets and the Illustrative Case of Canada’s Legislative Regulatory Response to Sarbanes-Oxley/ Maintaining a Competitive Capital Market in Canada// Commissioned by the Task Force to Modernize Securities Legislation in Canada. June 15, 2006. Vol. 4. PP. 127–214. 131. Olsen K., Qvigstad J.F., Røisland Ø. Monetary Policy in Real Time: The Role of Simple Rules. Bank of International Settlements Papers. 2003. №19. PP.368–382. 132. Papapetrou E. Oil price shocks, stock market, economic activity and employment in Greece// Energy Economics. 2001. Vol.23, №5. PP.511–532. 133. Poterba J.M., Summers L. H. Mean Reversion in Stock Prices: Evidence and implications// Journal of Financial Economics. 1988. Vol. 22, №1. PP.27–59. 144 134. Pranowo K., Achsani N.A., Manurung A.H., Nuryartono N. The Dynamics of Corporate Financial Distress in Emerging Market Economy: Empirical Evidence from the Indonesian Stock Exchange 2004-2008// European Journal of Social Sciences. 2010. Vol. 16, № 1. PP.138–149. 135. Puri P. Local and Regional Interests in the Debate on Optimal Securities Regulatory Structure. Research Study Prepared for the Wise Persons’ Committee. October 7, 2003. Vol.6. PP. 205–272. 136. Rhee S.G., Wang J. Foreign Institutional Ownership and Stock Market Liquidity: Evidence from Indonesia// Journal of Banking and Finance. 2009. Vol. 33, №7. PP. 1312–1324. 137. Richards A.J. Volatility and Predictability in National Stock Markets: How Do Emerging and Mature Markets Differ? IMF Staff Papers. 1996. №3. PP.461– 501. 138. Roll R., Ross S.A. An Empirical Investigation of the Arbitrage Pricing Theory// Journal of Finance. 1980. Vol.35, №.5. PP.1073–1103. 139. Ross S. A. The arbitrage theory of capital asset pricing//Journal of Economic Theory. 1976. Vol.13, №3. PP.341–360. 140. Rosul M. The Capital Market in Indonesia’s Economy: Development and Prospects. AT10 Research Conference. 7-8 May 2002. 23 p. 141. Sadorsky P. Risk Factors in Stock Returns of Canadian Oil and Gas Companies// Energy Economics. 2001. Vol.23, №1. PP.17–28. 142. Sadorsky P. Oil Price Shocks and Stock Market Activity// Energy Economics. 1999. Vol.21, №5. PP.449–469. 143. Salman K. Crude Oil Price Shocks to Emerging Markets: Evaluating the BRICs Case. Munich Personal RePEc Archive, Paper №22978. 30 April 2010. 18 p. 144. Shiller R.J. Do Stock Prices Move Too Much to be Justified by Subsequent Changes in Dividends?// American Economic Review. 1981. Vol. 71, №3. PP.421–436. 145. Sims C.A. Money, Income and Causality// American Economic Review. 1972. Vol.64, №4. PP. 540–552. 145 146. Sims C.A. Comparison of interwar and postwar business cycles// American Economic Review. 1980. Vol. 70, №2. PP.250–257. 147. Sims C.A. Macroeconomics and Reality// Econometrica. 1980. Vol.48, №1. PP.1–48. 148. Sims C.A. Policy Analysis With Econometric Models. Brookings Papers on Economic Activity. 1982. №1. PP. 107-164. 149. Sims C.A. Are Forecasting Models Useful for Policy Analysis? Federal Reserve Bank of Minneapolis Quarterly Review. Winter 1986. Vol.10, №1. PP.2– 16. 150. Sims C.A. “A Nine Variable Probabilistic Macroeconomic Forecasting Model/ Chapter 5. Business Cycles, Indicators, and Forecasting// Ed. James H. Stock and Mark W. Watson. NBER Studies in Business Cycles Chicago: University of Chicago Press. 1993. PP.179–212. 151. Sims C.A., Stock J.H. Watson M.W. Inference in Linear Time Series Models with Some Unit Roots// Econometrica. 1990. Vol.58, №1. PP.113–144. 152. Sims C.A., Zha T. Error bands for impulse responses// Econometrica. 1999. Vol.67, №5. PP.1113–1155. 153. Singh A. The Stock Market and Economic Development: Should Developing Countries Encourage Stock Markets?// UNCTAD Review. 1992. №4. PP.1–28. 154. Singh A. Financial Liberalization, Stock Markets and Economic Development// Economic Journal. 1997. Vol.107, №442. PP. 771–782. 155. Singh A. Stock Markets in Low Income Countries. Workshop on Debt, Finance and Emerging Issues in Financial Integration. DESA. UN. 8–9 April 2008. 31 p. 156. Stiglitz, J. The Role of the State in Financial Markets. Proceedings of the Annual Bank Conference on Development Economics. Washington D.C.: World Bank. 1993. PP.19 –52. 157. Stock J. H., Watson M.W. Vector Autoregressions// Journal of Economic Perspectives. 2001. Vol.15, №4. PP. 101–115. 146 158. Svensson L.E.O. Clarida R., Gali J., Getler M. Optimal Monetary Policy in Open versus Closed Economies: An Integrated Approach// American Economic Review Papers and Proceedings. 2001. Vol.91, №2. PP.248–252. 159. Summers L.H. Does the Stock Market Rationally Reflect Fundamental Values?// The Journal of Finance. 1986. Vol.41, №3. PP.591–601. 160. Taylor. L. Economic Openness – Problems to the Century’s End. Helsinki: World Institute for Development Economics Research. Working Paper №41. April 1988. 81 p. 161. Taylor L. Exchange Rate in Determinacy in Portfolio Balance, Mundell– Flemming, and Uncovered Interest Rate Parity Models// Cambridge Journal of Economics. 2004. Vol.28, №2. PP.205–227. 162. The Saudi Stock Market: Structural Issues, Recent Performance and Outlook. Samba Report Series. Riyadh: Saudi Arabia. December 2009. 13 p. 163. Viktor N.M. On Measuring the Performance of National Oil Companies (NOCs). Stanford University. Working Paper №64. September, 2007. 45 p. 164. Villaverde J.F., Rubio-Ramirez J.F. Structural Vector Autoregressions. URL: http://economics.sas.upenn.edu/~ jesusv/svars_format.pdf. 8 p. 165. Uhlig H. What are the Effects of Monetary Policy on Output? Results from an Agnostic Identification Procedure// Journal of Monetary Economics. 2005. Vol.52, №2. PP.381–419. 166. Yergin D. Oil at the “Break Point”. Prepared Testimony by Chairman of Cambridge Energy Research Associates, before the US Congress Joint Economic Committee. Washington D.C.: June 25, 2008. 12 p. 167. Zarour B.A. Wild Oil Prices, But Brave Stock Markets! The Case of GCC Stock Markets// Operational Research. 2006. Vol.6, №2. PP.145–162. Публикации и материалы национальных статистических служб, международных и исследовательских организаций, базы данных, сайты бирж, справочники 168. База данных Федеральной службы государственной статистики (Росстат). URL: http://www.gks.ru. 147 169. База данных РТС. URL: http://www.rts.ru. 170. База данных Центрального банка России. URL: http://www.cbr.ru. 171. База данных Energy Information Administration. URL: http://www.eia.gov. 172. База данных OECD. URL: http://www.oecd.org. 173. Финансы. Толковый словарь. 2-е изд./ Общая ред. д.э.н. Осадчая И.М.// Батлер Б., Джонсон Б., Сидуэл Г. и др. М.: ИНФРА-М. Издательство Весь Мир. 2000. 174. Официальный сайт http://www.rosneft.ru. 175. Официальный http://www.sbrf.ru. компании сайт ОАО компании «НК ОАО «Роснефть». «Сбербанк». URL: URL: 176. Официальный сайт компании ОАО «ВТБ» . URL: http://www.vtb.ru. 177. Официальный сайт Московской биржи. URL: http://www.rts.micex.ru 178. Basle Committee on Banking Supervision . URL: http://www.bis.org. 179. Basel Committee on Banking Supervision, International Convergence of Capital Measurement and Capital Standards. A Revised Framework Comprehensive Version. Annex 10. Overview of Methodologies for the Capital Treatment of Transactions Secured by Financial Collateral under the Standardized and IRB Approaches, June 2006. 180. Basel Committee on Banking Supervision, Amendment to the Capital Accord to incorporate market risks. Updated November 2005. 181. Bloomberg. URL: http://www.bloomberg.com 182. Bureau of Labor http://www.bls.gov. Statistics, Department of Labor USA. URL: 183. Canada’s Financial Services Sector. Department of Finance, Canada, January 2005. 184. Energy Intelligence. URL: http://www.energyintel.com. 185. International Energy Agency. URL: http://www. iea.org. 148 186. International Monetary Fund. World Economic Outlook Database. October 2012. 187. Maddison A. Historical Statistics of the World Economy: 1–2006 AD. 188. The Toronto Stock Exchange. URL :http://www.tsx.com. 189. Saudi Stock Exchange (Tadawul). URL:http://www.tadawul.com.sa. 190. Oslo Bors. URL: http://www.oslobors.no. 191. UN Data Bases. URL: http://data.un.org. 192. UNCTAD. Handbook of Statistics. UN. New York and Geneva. New York & Geneva, 2011 and 2012. 193. World Bank. World Development Indicators. 2012. 194. World Federation of Exchanges. URL: http://www.world-exchanges.org/ 149 ПРИЛОЖЕНИЯ Приложение 1 Таблица 1. Типологическая группа стран - нефтеэкспортеров Доля в мировом экспорте нефти, % Доля в мировом экспорте природного газа, % Страна 2010 Страна 2011 Саудовская Аравия 16,0 Россия 21,3 Россия 11,4 Катар 11,0 Иран 5,6 Норвегия 9,4 Нигерия 5,5 Канада 8,5 ОАЭ 5,0 Алжир 5,0 Ангола 4,5 Индонезия 3,7 Ирак 4,5 Австралия 2,6 Венесуэла 3,8 Нигерия 2,5 Норвегия 3,7 Тринидад и Тобаго 1,7 Мексика 3,4 Боливия 1,3 Канада 3,4 Оман 1,1 Казахстан 3,3 Египет 1,0 Кувейт 3,3 Казахстан 0,9 Ливия 3,2 Иран 0,9 Катар 2,6 Йемен 0,8 Алжир 2,6 Азербайджан 0,5 Азербайджан 2,1 ОАЭ 0,5 Оман 1,6 Ливия 0,4 Коумбия 1,1 Колумбия 0,2 Судан 0,9 Мексика 0,02 Эквадор 0,80 Эквадор − Индонезия 0,79 Венесуэла − Австралия 0,73 Ирак − Габон 0,53 Кувейт − Йемен 0,41 Саудовская Аравия − Сирия 0,36 Ангола − Египет 0,20 Камерун − Тринидад и Тобаго 0,18 Кот Д'Ивуар − Камерун 0,13 Габон − Кот Д'Ивуар 0,08 Судан − Боливия − Сирия − Всего 91,8 Всего 73,4 Источники: рассчитано по данным Energy Information Administration. 150 Приложение 2 Таблица 2. Нефтеэкспортеры: зависимость доходностей национальных фондовых индексов от изменений цены нефти (первичные результаты линейной регрессии)* 2000 – 2012(авг.) 2000 – 2005 2006 – 2012 (авг.) коэффициен т R2 p-value коэффици ент R2 pvalue коэффициен т R2 p-value Страны, где доходность фондового индекса зависит от доходности цены нефти Канада Brent oil S&P500 СА$/U$ Const Мексика Brent oil S&P500 Peso/$ Const Норвегия Brent oil S&P500 CR/$ Const Колумбия Brent oil S&P500 Peso/$ Const Индонезия Brent oil S&P500 Rupiah/$ Const Россия Brent oil S&P500 RR/$ Const 0.0891 0.6324 1.0682 0.0001 0.72 0 0 0 0.635 0.038 0.5916 0.9789 0.0002 0.56 0 0 0 0.235 0.1506 0.6208 1.0418 -0.0001 0.80 0 0 0 0.707 0.0296 0.6856 1.1874 0.0005 0.64 0 0 0 0.004 0.0319 0.6887 1.070 0.0007 0.46 0.008 0 0 0.024 0.0222 0.6838 1.2371 0.0004 0.75 0.064 0 0 0.064 0.1288 0.4834 1.375 0.0002 0.52 0 0 0 0.377 0.0555 0.3004 0.7856 0.0005 0.23 0 0 0 0.133 0.1694 0.4884 1.6327 0.0001 0.63 0 0 0 0.869 0.0648 0.2115 1.4397 0.0009 0.45 0 0 0 0 0.0245 0.028 1.4463 0.002 0.25 0.112 0.381 0 0 0.0741 0.2796 1.4027 0.0001 0.53 0 0 0 0.688 0.0556 0.0979 1.4183 0.0006 0.36 0 0 0 0.03 0.0172 0.0322 1.2164 0.0004 0.36 0.248 0.291 0 0.268 0.0847 0.0861 1.7302 0.0007 0.38 0 0.004 0 0.068 0.1017 0.3470 1.739 0.0007 0.22 0 0 0 0.057 0.0574 0.03418 1.4699 0.0013 0.06 0.009 0 0 0.018 0.1641 0.3126 1.7128 0.0002 0.34 0 0 0 0.75 Страны, где доходность фондового индекса не зависит от доходности цены нефти Австралия Brent oil S&P500 AU$/$ Const 0.0008 0.0319 1.348 0.0001 0.58 0.927 0.02 0 0.774 0.009 0.0534 1.1187 0.0003 0.56 0.22 0 0 0.13 -0.0182 -0.0027 1.4873 -0.0002 0.59 0.234 0.906 0 0.616 Страны, где доходность фондового индекса неадекватно описывается 151 выбранными риск–факторами Саудовская Аравия Brent oil 0.0614 S&P500 0.1871 Real/$ -0.1214 Const 0.0004 Катар Brent oil 0.0382 S&P500 0.0407 Real/$ 0.6775 Const 0.0006 Нигерия Brent oil -0.0005 S&P500 0.0033 Naira/$ -0.4267 Const 0.0001 0.04 0 0 0.909 0.188 0.0225 0.0524 20.1719 0.0014 0.01 0.063 0.035 0.001 0 0.0812 0.2524 -0.2544 -0.0006 0.06 0 0 0.841 0.221 0.01 0.001 0.046 0.568 0.037 0.0051 0.0128 -2.3774 0.0014 0.00 0.733 0.678 0.334 0 0.0759 0.0328 1.3674 -0.0001 0.02 0 0.257 0.327 0.626 0.05 0.968 0.88 0 0.753 -0.0128 -0.0452 -0.7763 0.0006 0.25 0.57 0.54 0 0.232 0.0018 0.006 -0.238 -0.0001 0.01 0.908 0.8 0 0.765 152 ПРИЛОЖЕНИЕ 3 Таблица 3.1. Результаты тестов на наличие единичного корня (все расчеты выполнены с 12 лагами) Test statistics Critical value при уровне доверия в 1% gir rndoll rnsp500 rnoil rnoil+ rnoillgoilnet gir rndoll rnsp500 rnoil rnoil+ rnoillgoilnet gir rndoll rnsp500 rnoil rnoil+ rnoillgoilnet gir rndoll rnsp500 rnoil rnoil+ rnoillgoilnet gir rndoll rnsp500 rnoil rnoil+ rnoillgoilnet 5% 10% Глобальные риск-факторы период 2000 – 2012 augmented Dickey–Fuller test -2.238 -3.497 -2.887 -2.577 -4.131 -3.497 -2.887 -2.577 -3.235 -3.497 -2.887 -2.577 -4.499 -3.497 -2.887 -2.577 -3.956 -3.497 -2.887 -2.577 -3.753 -3.497 -2.887 -2.577 -3.358 -3.497 -2.887 -2.577 Phillips–Perron test -1.659 -3.493 -2.887 -2.577 -7.95 -3.493 -2.887 -2.577 -9.496 -3.493 -2.887 -2.577 -9.842 -3.493 -2.887 -2.577 -12.622 -3.493 -2.887 -2.577 -3.753 -3.497 -2.887 -2.577 -8.023 -3.493 -2.887 -2.577 Глобальные риск-факторы период 2000 – 2005 augmented Dickey–Fuller test -0.473 -3.567 -2.923 -2.596 -1.419 -3.567 -2.923 -2.596 -1.622 -3.567 -2.923 -2.596 -1.688 -3.567 -2.923 -2.596 -1.743 -3.567 -2.923 -2.596 -2.103 -3.567 -2.923 -2.596 -1.812 -3.567 -2.923 -2.596 Phillips–Perron test -1.556 -3.551 -2.913 -2.592 -6.037 -3.551 -2.913 -2.592 -7.237 -3.551 -2.913 -2.592 -9.176 -3.551 -2.913 -2.592 -10.021 -3.551 -2.913 -2.592 -9.149 -3.551 -2.913 -2.592 -5.912 -3.551 -2.913 -2.592 Глобальные риск-факторы период 2006 – 2012 augmented Dickey–Fuller test -1.865 -3.556 -2.916 -2.593 -3.271 -3.556 -2.916 -2.593 -2.376 -3.556 -2.916 -2.593 -3.201 -3.556 -2.916 -2.593 -3.482 -3.556 -2.916 -2.593 -2.345 -3.556 -2.916 -2.593 -2.684 -3.556 -2.916 -2.593 MacKinnon approximate p-value 0.1926 0.0009 0.0181 0.0002 0.0017 0.0034 0.0125 0.4523 0 0 0 0 0.0034 0 0.8971 0.5732 0.4718 0.4371 0.409 0.2434 0.3746 0.5054 0 0 0 0 0 0 0.3487 0.0162 0.1486 0.0199 0.0084 0.1579 0.0768 153 gir rndoll rnsp500 rnoil rnoil+ rnoillgoilnet rnern iirn rnindn unplmn rnstockn rnern iirn rnindn unplmn rnstockn rnern iirn rnindn unplmn rnstockn rnern iirn rnindn unplmn rnstockn rnern iirn rnindn unplmn rnstockn rnern iirn rnindn unplmn rnstockn rnerr Phillips–Perron test -0.904 -3.539 -2.907 -2.588 -5.491 -3.539 -2.907 -2.588 -6.36 -3.539 -2.907 -2.588 -5.322 -3.539 -2.907 -2.588 -7.597 -3.539 -2.907 -2.588 -4.321 -3.539 -2.907 -2.588 -5.503 -3.539 -2.907 -2.588 Риск-факторы норвежского рынка период 2000 – 2012 augmented Dickey–Fuller test -4.645 -3.497 -2.887 -2.577 -1.995 -3.497 -2.887 -2.577 -3.279 -3.497 -2.887 -2.577 -2.119 -3.497 -2.887 -2.577 -3.879 -3.497 -2.887 -2.577 Phillips–Perron test -7.687 -3.493 -2.887 -2.577 -1.541 -3.493 -2.887 -2.577 -24.805 -3.493 -2.887 -2.577 -1.554 -3.493 -2.887 -2.577 -9.942 -3.493 -2.887 -2.577 Риск-факторы норвежского рынка период 2000 – 2005 augmented Dickey–Fuller test -1.788 -3.567 -2.923 -2.596 -1.03 -3.567 -2.923 -2.596 -3.063 -3.567 -2.923 -2.596 -0.997 -3.567 -2.923 -2.596 -1.615 -3.567 -2.923 -2.596 Phillips–Perron test -5.958 -3.551 -2.913 -2.592 -0.644 -3.551 -2.913 -2.592 -22.366 -3.551 -2.913 -2.592 -0.870 -3.551 -2.913 -2.592 -7.573 -3.551 -2.913 -2.592 Риск-факторы норвежского рынка период 2006 – 2012 augmented Dickey–Fuller test -3.34 -3.556 -2.916 -2.593 -1.338 -3.556 -2.916 -2.593 -1.593 -3.556 -2.916 -2.593 -1.924 -3.556 -2.916 -2.593 -3.044 -3.556 -2.916 -2.593 Phillips–Perron test -5.028 -3.539 -2.907 -2.588 -1.568 -3.539 -2.907 -2.588 -14.124 -3.539 -2.907 -2.588 -2.343 -3.539 -2.907 -2.588 -6.888 -3.539 -2.907 -2.588 Риск-факторы российского рынка период 2000 – 2012 augmented Dickey–Fuller test -3.461 -3.497 -2.887 -2.577 0.7866 0 0 0 0 0.0004 0 0.0001 0.2887 0.0159 0.2368 0.0022 0 0.5134 0 0.5065 0 0.3864 0.7423 0.0294 0.7545 0.4753 0 0.8608 0 0.7977 0 0.0132 0.6117 0.4871 0.3209 0.031 0 0.4994 0 0.1584 0 0.0091 154 iirr rnindr -2.328 -3.565 -3.497 -3.497 -2.887 -2.887 -2.577 -2.577 0.163 0.0065 unplmr -1.730 -3.497 -2.887 -2.577 0.4157 rnstockr 0.406 rnerr iirr rnindr unplmr rnstockr rnerr iirr rnindr unplmr rnstockr rnerr iirr rnindr unplmr rnstockr rnerr iirr rnindr unplmr rnstockr rnerr iirr rnindr unplmr rnstockr -3.497 -2.887 -2.577 Phillips–Perron test -9.154 -3.493 -2.887 -2.577 -5.455 -3.493 -2.887 -2.577 -14.724 -3.493 -2.887 -2.577 -3.025 -3.493 -2.887 -2.577 -0.34 -3.493 -2.887 -2.577 Риск-факторы российского рынка период 2000 – 2005 augmented Dickey–Fuller test -1.451 -3.567 -2.923 -2.596 -0.946 -3.567 -2.923 -2.596 -2.311 -3.567 -2.923 -2.596 -1.709 -3.567 -2.923 -2.596 -2.574 -3.567 -2.923 -2.596 Phillips–Perron test -6.683 -3.551 -2.913 -2.592 -5.735 -3.551 -2.913 -2.592 -16.173 -3.551 -2.913 -2.592 -4.314 -3.551 -2.913 -2.592 -8.342 -3.551 -2.913 -2.592 Риск-факторы российского рынка период 2006 – 2012 augmented Dickey–Fuller test -2.416 -3.556 -2.916 -2.593 -1.942 -3.556 -2.916 -2.593 -2.406 -3.556 -2.916 -2.593 -2.723 -3.556 -2.916 -2.593 0.527 -3.556 -2.916 -2.593 Phillips–Perron test -6.556 -3.539 -2.907 -2.588 -2.026 -3.539 -2.907 -2.588 -6.910 -3.539 -2.907 -2.588 -1.524 -3.539 -2.907 -2.588 -0.367 -3.539 -2.907 -2.588 0.9817 0 0 0 0.0326 0.9196 0.5575 0.7725 0.1684 0.4266 0.0984 0 0 0 0.0004 0 0.1373 0.3124 0.1400 0.0702 0.9857 0 0.2754 0 0.5216 0.9155 155 Таблица 3.2. Результаты тестов на определение оптимального числа лагов VAR моделей результаты тестов Норвегия исходная модель VAR-9; исходная модель VAR-9 модификация I; исходная модель VAR-9 модификация II Pre estimation Sample: 2000m1-2012m8 Number of observations =149 lag 0 1 2 3 LL 1798.89 2803.18 2911.62 2982.64 LR df p 2008.6 216.88 142.04 81 81 81 0.000 0.000 0.000 FPE 2.5e-22 9.7e-28 6.7e-28* 7.9e-28 AIC -24.1877 -36.6646 -37.0354* -36.9005 HQIC -24.1137 -35.9241* -35.6284 -34.827 SBIC -24.0055 -34.842* -33.5724 -31.7972 исходная модель VAR-9; исходная модель VAR-9 модификация I; исходная модель VAR-9 модификация II Pre estimation Sample: 2000m1-2012m8 Number of observations =149 Россия lag 0 1 2 3 LL 1167,36 2030,45 2112,51 2174,73 LR df p 1726,2 164,11 124,45 81 81 81 0,000 0,000 0,001 FPE 1,3e-18 3,3e-23 3,3e-23* 4,4e-23 AIC -15,6535 -26,2223 -26,2366* -25,9829 HQIC -15,5794 -25,4818* -24,8296 -23,9094 SBIC -15,4712 -24,3997* -22,7736 -20,8795 Норвегия базовая модель VAR-7; базовая модель VAR-7 модификация I Pre estimation Sample: 2000m1-2012m8 Number of observations =149 lag 0 1 2 3 LL 1502.74 2223.38 2314.11 2357.35 LR df p 1441.3 181.46 86.469* 49 49 49 0.000 0.000 0.001 FPE 4.5e-18 5.5e-22 3.1e-22* 3.4e-22 AIC -20.0771 -29.0924 -29.6525* -29.5751 HQIC -20.0198 -28.6337 -28.7925* -28.3137 SBIC -19.936 -27.9634* -27.5356 -26.4704 базовая модель VAR-7; базовая модель VAR-7 модификация I Россия Pre estimation Sample: 2000m1-2012m8 Number of observations =149 lag 0 1 2 3 LL 853.972 1480.02 1536.16 1564.27 LR df p 1252.1 112.27* 56.229 49 49 49 0.000 0.000 0.222 FPE 2.7e-14 1.2e-17 1.1e-17* 1.4e-17 AIC -11.3688 -19.1144 -19.2101* -18.9298 HQIC -11.3114 -18.6557* -18.3501 -17.6684 SBIC -11.2276 -17.9854* -17.0933 -15.8251 Норвегия базовая модель VAR-7; базовая модель VAR-7 модификация I Pre estimation Sample: 2000m1-2005m12 Number of observations =69 lag 0 1 2 3 LL 724.596 1109.07 1162.46 1198.05 LR df p 768.95 106.78 71.173* 49 49 49 0.000 0.000 0.021 FPE 2.2e-18 1.3e-22 1.2e-22* 2.0e-22 AIC -20.7999 -30.5238 -30.651* -30.2622 HQIC -20.71 -29.8045* -29.3022 -28.284 SBIC -20.5732 -28.7106* -27.2513 -25.2759 базовая модель VAR-7; базовая модель VAR-7 модификация I Россия Pre estimation Sample: 2000m1-2005m12 Number of observations =69 lag 0 1 2 LL 717.966 946.949 1016.06 LR df p 457.97 138.23 49 49 0.000 0.000 FPE 2.6e-18 1.4e-20 8.4e-21* AIC -20.6077 -25.8246 -26.4076* HQIC -20.5178 -25.1053* -25.0588 SBIC -20.3811 -24.0114* -23.0079 156 3 1061.38 90.627* 49 0.000 1.0e-20 -26.3008 -24.3226 -21.3145 Норвегия базовая модель VAR-7; базовая модель VAR-7 модификация I Pre estimation Sample: 2006m1-2012m8 Number of observations =77 lag 0 1 2 3 LL 811.165 1158.85 1248.62 1295.33 LR df p 695.36 179.55 93.42* 49 49 49 0.000 0.000 0.000 FPE 2.0e-18 8.6e-22 3.1e-22* 3.5e-22 AIC -20.8874 -28.6453 -29.7044* -29.6449 HQIC -20.8022 -27.9635 -28.426* -27.7699 SBIC -20.6743 -26.9407* -26.5083 -24.9573 базовая модель VAR-7; базовая модель VAR-7 модификация I Россия Pre estimation Sample: 2006m1-2012m8 Number of observations =77 lag 0 1 2 3 LL 389.199 737.659 795.181 843.803 LR df p 696.92 115.04 97.244* 49 49 49 0.000 0.000 0.000 FPE 1.2e-13 4.8e-17 4.0e-17* 4.4e-17 AIC -9.92726 -17.7054 -17.9268* -17.9169 HQIC -9.84203 -17.0236* -16.6484 -16.0419 SBIC -9.71418 -16.0008* -14.7307 -13.2293 HQIC -21.3137 -29.7933 -29.8628* -29.2606 SBIC -21.2295 -29.12* -28.6004 -27.4091 HQIC -12.6885 -19.919* -19.5052 -18.8339 SBIC -12.6044 -19.2457* -18.2427 -16.9823 HQIC -21.9763 -31.1154* -30.4473 -29.4837 SBIC -21.8383 -30.0118* -28.378 -26.4488 HQIC -21.7833 -26.3884* -26.1699 -25.4621 SBIC -21.6453 -25.2848* -24.1007 -22.4273 Норвегия базовая модель VAR-7 oil+ Pre estimation Sample: 2000m1-2012m8 Number of observations =149 lag 0 1 2 3 LL 1588.48 2294.8 2378.78 2413.06 LR df p 1412.6 167.96 68.548 49 49 49 0.000 0.000 0.034 FPE 1.2e-18 1.7e-22 1.1e-22* 1.3e-22 AIC -21.3713 -30.2541 -30.7268* -30.5278 базовая модель VAR-7 oil+ Россия Pre estimation Sample: 2000m1-2012m8 Number of observations =149 lag 0 1 2 3 LL 950.214 1564.1 1612.32 1641.48 LR df p 1227.8 96.431 58.321 49 49 49 0.000 0.000 0.170 FPE 6.9e-15 3.3e-18* 3.4e-18 4.5e-18 AIC -12.7461 -20.3797* -20.3691 -20.101 Норвегия базовая модель VAR-7 oil+ Pre estimation Sample: 2000m1-2005m12 Number of observations =69 lag 0 1 2 3 LL 757.272 1138.55 1186.38 1224.16 LR df p 762.55 95.658 75.566 49 49 49 0.000 0.000 0.009 FPE 6.2e-19 3.5e-23* 3.8e-23 6.0e-23 AIC -22.0668 -31.8397* -31.8052 -31.4753 базовая модель VAR-7 oil+ Россия Pre estimation Sample: 2000m1-2005m12 Number of observations =69 lag 0 1 2 3 LL 750.71 977.828 1040.95 1087.43 LR df p 454.24 126.24 92.965 49 49 49 0.000 0.000 0.000 FPE 7.5e-19 4.0e-21 2.8e-21* 3.3e-21 AIC -21.8738 -27.1126 -27.5279* -27.4538 Норвегия базовая модель VAR-7 oil+ Pre estimation Sample: 2006m1-2012m8 Number of observations =77 157 lag 0 1 2 3 LL 847.411 1178.54 1269.45 1308.93 LR df p 662.25 181.83 78.965 49 49 49 0.000 0.000 0.004 FPE 5.9e-19 3.5e-22 1.2e-22* 1.7e-22 AIC -22.1161 -29.5405 -30.6434 -30.393 HQIC -22.0303 -28.8541 -29.3565* -28.5055 SBIC -21.9014 -27.8231* -27.4233 -25.6702 HQIC -11.2335 -17.9032* -17.3774 -16.7396 SBIC -11.1046 -16.8721* -15.4442 -13.9043 HQIC -20.867 -29.5536 -29.7429* -29.2571 SBIC -20.7828 -28.8803* -28.4804 -27.4055 HQIC -12.1738 -19.5806* -19.2746 -18.6235 SBIC -12.0897 -18.9073* -18.0122 -16.7719 HQIC -21.8433 -31.0314* -30.6279 -29.5322 SBIC -21.7054 -29.9278* -28.5587 -26.4974 HQIC -21.5946 -26.3071 -26.3826* -25.5715 SBIC -21.4566 -25.2035* -24.3134 -22.5366 HQIC -21.4333 -28.8848 -29.2063* -28.4978 SBIC -21.3044 -27.8538* -27.2731 -25.6624 базовая модель VAR-7 oil+ Россия Pre estimation Sample: 2006m1-2012m8 Number of observations =77 lag 0 1 2 3 LL 437.133 762.401 814.243 861.83 LR df p 650.54 103.68 95.174 49 49 49 0.000 0.000 0.000 FPE 2.9e-14 2.0e-17 1.9e-17* 2.2e-17 AIC -11.3193 -18.5895 -18.6643* -18.6271 Норвегия базовая модель VAR-7 oilPre estimation Sample: 2000m1-2012m8 Number of observations =149 lag 0 1 2 3 LL 1555.42 2277.06 2369.9 2412.79 LR df p 1443.3 185.68 85.78 49 49 49 0.000 0.000 0.001 FPE 1.9e-18 2.2e-22 1.2e-22* 1.3e-22 AIC -20.9246 -30.0144 -30.6068* -30.5242 базовая модель VAR-7 oilРоссия Pre estimation Sample: 2000m1-2012m8 Number of observations =149 lag 0 1 2 3 LL 912.124 1539.06 1595.25 1625.91 LR df p 1253.9 112.38 61.304 49 49 49 0.000 0.000 0.112 FPE 1.1e-14 4.7e-18 4.3e-18* 5.5e-18 AIC -12.2314 -20.0414 -20.1386* -19.8906 Норвегия базовая модель VAR-7 oilPre estimation Sample: 2000m1-2005m12 Number of observations =69 lag 0 1 2 3 LL 752.751 1135.69 1192.52 1225.81 LR df p 765.88 113.66 66.584 49 49 49 0.000 0.000 0.048 FPE 7.0e-19 3.8e-23 3.2e-23* 5.7e-23 AIC -21.9339 -31.7556 -31.9859* -31.5239 базовая модель VAR-7 oilРоссия Pre estimation Sample: 2000m1-2005m12 Number of observations =69 lag 0 1 2 3 LL 744.294 975.065 1048.18 1091.15 LR 461.54 146.23 85.937 df p 49 0.000 49 0.000 49 0.001 FPE 9.0e-19 4.3e-21 2.2e-21* 3.0e-21 AIC -21.6851 -27.0313 -27.7406* -27.5632 Норвегия базовая модель VAR-7 oilPre estimation Sample: 2006m1-2012m8 Number of observations =77 lag 0 1 2 3 LL 824.727 1179.7 1263.74 1308.64 LR df p 709.95 168.08 89.794 49 49 49 0.000 0.000 0.000 FPE 1.1e-18 3.4e-22 1.4e-22* 1.7e-22 AIC -21.5191 -29.5712 -30.4932 -30.3852 158 4 1363.4 109.52* 49 0.000 1.7e-22 -30.5369* -28.0489 -24.3114 HQIC -10.4654 -17.9328* -17.5103 -17.0678 SBIC -10.3365 -16.9018* -15.5771 -14.2325 HQIC -13.8302 -22.4795 -22.5797* -21.9112 SBIC -13.746 -21.8062* -21.3172 -20.0596 HQIC -5.2031 -12.5344* -12.1489 -11.476 SBIC -5.11894 -11.8611* -10.8865 -9.62438 HQIC -15.1179 -24.3121* -23.7445 -22.9472 SBIC -14.98 -23.2086* -21.6753 -19.9123 базовая модель VAR-7 oilРоссия Pre estimation Sample: 2006m1-2012m8 Number of observations =77 lag 0 1 2 3 LL 407.946 763.527 819.294 874.3 LR df p 711.16 111.53 110.01 49 49 49 0.000 0.000 0.000 FPE 6.2e-14 1.9e-17 1.7e-17 1.6e-17* AIC -10.5512 -18.6191 -18.7972 -18.9553* Норвегия базовая модель VAR-7 oil net Pre estimation Sample: 2000m1-2012m8 Number of observations =149 lag 0 1 2 3 LL 1034.69 1753.58 1839.83 1869.2 LR df p 1437.8 172.49 58.74 49 49 49 0.000 0.000 0.161 FPE 2.2e-15 2.6e-19 1.6e-19* 2.1e-19 AIC -13.8878 -22.9403 -23.4436* -23.1783 базовая модель VAR-7 oil net Россия Pre estimation Sample: 2000m1-2012m8 Number of observations =149 lag 0 1 2 3 LL 396.292 1017.64 1067.95 1096.99 LR df p 1242.7 100.62* 58.076 49 49 49 0.000 0.000 0.176 FPE 1.2e-11 5.4e-15 5.3e-15* 7.0e-15 AIC -5.2607 -12.9951 -13.0129* -12.7431 Норвегия базовая модель VAR-7 oil net Pre estimation Sample: 2000m1-2005m12 Number of observations =69 lag 0 1 2 3 LL 524.088 907.237 958.485 1001.92 LR df p 766.3 102.5 86.87 49 49 49 0.000 0.000 0.001 FPE 5.9e-16 3.2e-20 3.1e-20* 4.1e-20 AIC -15.2085 -25.0364 -25.1025* -24.9388 базовая модель VAR-7 oil net Россия Pre estimation Sample: 2000m1-2005m12 Number of observations =69 lag LL LR df p 0 1 2 515.686 748.073 807.567 464.77 118.99 49 49 0.000 0.000 3 854.958 94.782 49 0.000 FPE AIC HQIC SBIC 7.5e-16 3.4e-18 2.6e18* 3.1e-18 -14.9614 -20.3551 -20.6637* -14.8708 -19.6308* -19.3058 -14.7329 -18.5272* -17.2366 -20.6164 -18.6248 -15.5899 Норвегия базовая модель VAR-7 oil net Pre estimation Sample: 2006m1-2012m8 Number of observations =77 lag 0 1 2 3 Россия LL 546.86 884.369 966.004 1000.89 LR df p 675.02 163.27 69.776 49 49 49 0.000 0.000 0.027 базовая модель VAR-7 oil net FPE 1.6e-15 8.1e-19 3.5e-19* 5.6e-19 AIC -14.2069 -21.7992 -22.658* -22.2866 HQIC -14.1211 -21.1128 -21.3711* -20.3992 SBIC -13.9922 -20.0818* -19.4379 -17.5638 159 Pre estimation Sample: 2006m1-2012m8 Number of observations =77 lag 0 1 2 3 LL 130.423 461.452 514.686 560.075 LR df p 662.06 106.47 90.778 49 49 49 0.000 0.000 0.000 FPE 9.2e-11 5.5e-14 5.1e-14* 6.1e-14 AIC -3.24798 -10.6698 -10.7812* -10.6862 HQIC -3.16218 -9.98344* -9.4943 -8.79872 SBIC -3.0333 -8.95241* -7.56111 -5.96338 Норвегия базовая модель VAR-7 oil positive spread (Futures3 – spot) Pre estimation Sample: 2000m1-2012m8 Number of observations =148 lag 0 1 2 3 LL 1113.97 1846.54 1934.44 1966.55 LR 1465.1 175.81 64.21 df 49 49 49 p 0.000 0.000 0.071 FPE 7.5e-16 7.3e-20 4.3e-20* 5.5e-20 AIC -14.9591 -24.1964 -24.7222* -24.4939 HQIC -14.9015 -23.7357 -23.8582* -23.2267 SBIC -14.8173 -23.0624* -22.5958 -21.3751 базовая модель VAR-7 oil positive spread (Futures3 – spot) Россия Pre estimation Sample: 2000m1-2012m8 Number of observations =148 lag 0 1 2 3 LL 472.299 1115.3 1165.38 1198.51 LR df p 1286 100.16* 66.252 49 49 49 0.000 0.000 0.051 FPE 4.4e-12 1.4e-15 1.4e-15* 1.8e-15 AIC -6.28783 -14.3149 -14.3295* -14.115 HQIC -6.23023 -13.8542* -13.4656 -12.8479 SBIC -6.14607 -13.1808* -12.2031 -10.9963 HQIC -14.8393 -23.6855 -23.8119* -23.185 SBIC -14.7552 -23.0122* -22.5494 -21.3335 HQIC -6.17922 -13.8252* -13.4398 -12.8364 SBIC -6.09506 -13.1519* -12.1773 -10.9848 Норвегия базовая модель VAR-7 oil spread >$3 (Futures3 – spot) Pre estimation Sample: 2000m1-2012m8 Number of observations =148 lag 0 1 2 3 LL 1109.37 1842.82 1931.01 1963.46 LR df p 1466.9 176.38 64.897 49 49 49 0.000 0.000 0.064 FPE 8.0e-16 7.7e-20 4.6e-20* 5.8e-20 AIC -14.8969 -24.1463 -24.6758* -24.4522 базовая модель VAR-7 oil spread >$3 (Futures3 – spot) Россия Pre estimation Sample: 2000m1-2012m8 Number of observations =148 lag 0 1 2 3 LL 468.524 1113.17 1163.48 1197.66 LR df p 1289.3 100.62 68.365 49 49 49 0.000 0.000 0.035 FPE 4.6e-12 1.5e-15 1.5e-15* 1.8e-15 AIC -6.23682 -14.286 -14.3037* -14.1035 160 Таблица 3.3. Норвегия и Россия – основные фондовые индексы: результаты теста Гранджера в VAR моделях: акции против шоков переменных Норвегия Россия исходная модель VAR-9; исходная модель VAR-9 модификации I и II период 2000 – 2012 1,6187 2 0,445 5,2832 2 0,071 2,6358 2 0,268 1,6207 2 0,445 2,8967 2 0,235 0,68744 2 0,709 0,06257 2 0,969 1,4149 2 0,493 20,142 16 0,214 базовая модель VAR-7; базовая модель VAR-7 модификация I период 2000 – 2012 gir 2,0038 2 0,367 rnstockn gir 6,3785 2 0,041 rnstockr rnstockn rndoll 0,7639 2 0,683 rnstockr rndoll 4,6189 2 0,099 rnstockn rnsp500 0,8362 2 0,658 rnstockr rnsp500 2,0885 2 0,352 rnstockn rnoil 1,1704 2 0,557 rnstockr rnoil 1,5037 2 0,471 rnstockn rnern 0,89991 2 0,638 rnstockr rnerr 5,0413 2 0,080 iirr 2,4572 2 0,293 rnstockn iirn 14,184 2 0,001 rnstockr rnstockn ALL 18,384 12 0,105 ALL 19,635 12 0,074 rnstockr базовая модель VAR-7; базовая модель VAR-7 модификация I период 2000 – 2005 rnstockn gir 1,7169 2 0,424 rnstockr gir 3,5951 2 0,166 rnstockn rndoll 0,10097 2 0,951 rnstockr rndoll 0,44006 2 0,802 rnstockn rnsp500 3,795 2 0,150 rnstockr rnsp500 4,33 2 0,115 rnstockn rnoil 0,43175 2 0,806 rnstockr rnoil 0,13899 2 0,933 rnstockn rnern 0,90078 2 0,637 rnstockr rnerr 3,5701 2 0,168 rnstockr iirr 3,0098 2 0,222 rnstockn iirn 6,0215 2 0,049 rnstockn ALL 17,666 12 0,126 rnstockr ALL 13,51 12 0,333 rnstockn rnstockn rnstockn rnstockn rnstockn rnstockn rnstockn rnstockn rnstockn gir rndoll rnsp500 rnoil rnern iirn rnindn unplmn ALL 7,6498 0,74142 0,56881 1,3679 0,85329 9,8348 0,26428 2,0958 22,326 2 2 2 2 2 2 2 2 16 0,022 0,690 0,752 0,505 0,653 0,007 0,876 0,351 0,133 rnstockr rnstockr rnstockr rnstockr rnstockr rnstockr rnstockr rnstockr rnstockr gir rndoll rnsp500 rnoil rnerr iirr rnindr unplmr ALL базовая модель VAR-7; базовая модель VAR-7 модификация I период 2006– 2012 rnstockn rnstockn rnstockn rnstockn rnstockn rnstockn rnstockn gir rndoll rnsp500 rnoil rnern iirn ALL 10,666 0,89333 4,9795 3,5892 2,1411 19,055 34,493 rnstockn rnstockn rnstockn rnstockn rnstockn rnstockn rnstockn gir rndoll rnsp500 rnoil rnern iirn ALL 6,0208 0,67216 0,95638 1,1194 1,0021 14,21 19,577 2 2 2 2 2 2 12 0,005 0,640 0,083 0,166 0,343 0,000 0,001 rnstockr rnstockr rnstockr rnstockr rnstockr rnstockr rnstockr gir rndoll rnsp500 rnoil rnerr iirr ALL 0,72927 12,53 5,4185 9,3821 4,8998 6,5525 26,9 2 2 2 2 2 2 12 0,694 0,002 0,067 0,009 0,086 0,038 0,008 базовая модель VAR-7 oil+ период 2000 – 2012 2 2 2 2 2 2 12 0,049 0,715 0,620 0,571 0,606 0,001 0,076 rnstockr rnstockr rnstockr rnstockr rnstockr rnstockr rnstockr gir rndoll rnsp500 rnoil rnerr iirr ALL 1,8367 4,019 2,1367 0,38988 4,1187 2,3086 17,146 2 2 2 2 2 2 12 0,399 0,134 0,344 0,823 0,128 0,315 0,144 2 2 2 2 2 2 0,186 0,818 0,125 0,984 0,190 0,232 базовая модель VAR-7 oil+ период 2000 – 2005 rnstockn rnstockn rnstockn rnstockn rnstockn rnstockn gir rndoll rnsp500 rnoil rnern iirn 0,36932 0,0453 0,00502 0,00153 1,0443 3,7364 1 1 1 1 1 1 0,543 0,831 0,944 0,969 0,307 0,053 rnstockr rnstockr rnstockr rnstockr rnstockr rnstockr gir rndoll rnsp500 rnoil rnerr iirr 3,3668 ,4024 4,1588 ,03252 3,3235 2,9186 161 rnstockn ALL 9,6768 gir rndoll rnsp500 rnoil rnern iirn ALL 8,8064 0,59375 5,5215 0,56131 1,391 16,546 30,318 6 0,139 rnstockr ALL 13,384 12 0,342 2 2 2 2 2 2 12 0,616 0,038 0,074 0,317 0,243 0,212 0,104 1,9482 2 4,8706 2 2,0363 2 2,1741 2 4,9756 2 1,9207 2 19,129 12 0,378 0,088 0,361 0,337 0,083 0,383 0,085 базовая модель VAR-7 oil+ период 2006 – 2012 rnstockn rnstockn rnstockn rnstockn rnstockn rnstockn rnstockn 2 2 2 2 2 2 12 0,012 rnstockr 0,743 rnstockr 0,063 rnstockr 0,755 rnstockr 0,499 rnstockr 0,000 rnstockr 0,003 rnstockr gir rndoll rnsp500 rnoil rnerr iirr ALL 0,96893 6,5547 5,2114 2,2983 2,8321 3,1009 18,396 базовая модель VAR-7 oil- период 2000 – 2012 rnstockn rnstockn rnstockn rnstockn rnstockn rnstockn rnstockn gir rndoll rnsp500 rnoil rnern iirn ALL 6,5451 0,7732 0,84594 1,064 0,65883 14,02 19,515 rnstockn rnstockn rnstockn rnstockn rnstockn rnstockn rnstockn gir rndoll rnsp500 rnoil rnern iirn ALL 2,2326 0,11519 3,2804 2,2263 1,1082 6,3967 19,9 2 2 2 2 2 2 12 0,038 0,679 0,655 0,587 0,719 0,001 0,077 rnstockr rnstockr rnstockr rnstockr rnstockr rnstockr rnstockr gir rndoll rnsp500 rnoil rnerr iirr ALL базовая модель VAR-7 oil- период 2000 – 2005 2 2 2 2 2 2 12 0,327 0,944 0,194 0,329 0,575 0,041 0,069 rnstockr rnstockr rnstockr rnstockr rnstockr rnstockr rnstockr gir rndoll rnsp500 rnoil rnerr iirr ALL 3,8028 0,39257 4,5015 0,58777 3,7101 3,1519 14,045 2 2 2 2 2 2 12 0,149 0,822 0,105 0,745 0,156 0,207 0,298 1,2369 18,054 15,375 15,363 3,321 11,587 46,753 3 3 3 3 3 3 18 0,744 0,000 0,002 0,002 0,345 0,009 0,000 gir 1,8514 2 rndoll 3,7722 2 rnsp500 1,7706 2 lgoilnet 0,15932 2 rnerr 3,6132 2 iirr 2,5474 2 ALL 16,89 12 0,396 0,152 0,413 0,923 0,164 0,280 0,154 базовая модель VAR-7 oil- период 2006 – 2012 rnstockn rnstockn rnstockn rnstockn rnstockn rnstockn rnstockn gir rndoll rnsp500 rnoil rnern iirn ALL rnstockn rnstockn rnstockn rnstockn rnstockn rnstockn rnstockn gir rndoll rnsp500 lgoilnet rnern iirn ALL rnstockn rnstockn rnstockn rnstockn rnstockn rnstockn rnstockn gir rndoll rnsp500 lgoilnet rnern iirn ALL 12,09 1,43 4,5681 5,5154 3,0793 17,923 37,148 2 2 2 2 2 2 12 0,002 0,489 0,102 0,063 0,214 0,000 0,000 rnstockr rnstockr rnstockr rnstockr rnstockr rnstockr rnstockr gir rndoll rnsp500 rnoil rnerr iirr ALL базовая модель VAR-7 oil net период 2000 – 2012 4,6255 0,53772 1,4378 5,6374 1,3011 12,966 24,647 2 2 2 2 2 2 12 0,099 0,764 0,487 0,060 0,522 0,002 0,017 rnstockr rnstockr rnstockr rnstockr rnstockr rnstockr rnstockr базовая модель VAR-7 oil net период 2000 – 2005 2,0437 0,10068 4,1247 0,41439 0,92773 6,0135 17,645 2 2 2 2 2 2 12 0,360 0,951 0,127 0,813 0,629 0,049 0,127 rnstockr rnstockr rnstockr rnstockr rnstockr rnstockr rnstockr gir 2,7962 rndoll 0,55815 rnsp500 4,1377 lgoilnet 0,70231 rnerr 3,4434 iirr 2,7825 ALL 14,181 2 2 2 2 2 2 12 0,247 0,756 0,126 0,704 0,179 0,249 0,289 базовая модель VAR-7 oil net период 2006 – 2012 rnstockn rnstockn rnstockn rnstockn gir rndoll rnsp500 lgoilnet 6,4389 0,62434 6,6345 6,3164 2 2 2 2 0,040 0,732 0,036 0,043 rnstockr rnstockr rnstockr rnstockr gir rndoll rnsp500 lgoilnet 0,93867 5,2411 4,457 0,13328 2 2 2 2 0,625 0,073 0,108 0,936 162 rnstockn rnstockn rnstockn rnern iirn ALL 1,6798 11,385 38,253 2 2 12 0,432 0,003 0,000 rnstockr rnstockr rnstockr rnerr iirr ALL 1,7852 2,2172 15,797 2 2 12 0,410 0,330 0,201 базовая модель VAR-7 oil positive spread (Futures3 – spot) период 2000 – 2012 rnstockn rnstockn rnstockn rnstockn rnstockn rnstockn rnstockn gir rndoll rnsp500 lgoilfut rnern iirn ALL 4,3422 0,78971 0,71617 12,935 0,70605 8,2942 32,837 2 2 2 2 2 2 12 0,114 0,674 0,699 0,002 0,703 0,016 0,001 rnstockr rnstockr rnstockr rnstockr rnstockr rnstockr rnstockr gir rndoll rnsp500 lgoilfut rnerr iirr ALL 1,7654 3,1053 2,0868 1,5242 5,1796 2,8664 18,407 2 2 2 2 2 2 12 0,414 0,212 0,352 0,467 0,075 0,239 0,104 базовая модель VAR-7 oil spread >$3 (Futures3 – spot) период 2000 – 2012 rnstockn rnstockn rnstockn rnstockn rnstockn rnstockn rnstockn gir rndoll rnsp500 lgoilfut3 rnern iirn ALL 4,5884 0,67017 0,74001 10,236 0,58318 8,9658 29,807 2 2 2 2 2 2 12 0,101 0,715 0,691 0,006 0,747 0,011 0,003 rnstockr rnstockr rnstockr rnstockr rnstockr rnstockr rnstockr gir rndoll rnsp500 lgoilfut3 rnerr iirr ALL 1,8081 2,8846 2,3155 1,3821 5,1973 2,8798 18,249 2 2 2 2 2 2 12 0,405 0,236 0,314 0,501 0,074 0,237 0,108 163 Таблица 3.4. Результаты разложения Холецкого в VAR моделях, % Норвегия исходная модель VAR-9 период 2000 – 2012 шоки/лаги gir rndoll rnsp500 rnoil rnern 1 0,01 25,23 2,79 4,33 25,35 2 4,09 24,08 3,60 4,08 23,98 3 4,71 23,56 3,54 4,15 23,94 4 4,67 23,52 3,68 4,12 23,80 5 4,64 23,48 3,81 4,20 23,69 6 4,61 23,39 3,87 4,34 23,57 7 4,60 23,35 3,91 4,41 23,48 8 4,59 23,32 3,94 4,45 23,41 9 4,58 23,29 3,96 4,47 23,36 10 4,58 23,27 3,98 4,49 23,31 11 4,58 23,24 3,99 4,50 23,27 12 4,58 23,22 4,00 4,51 23,23 iirn 0,29 0,41 0,59 0,88 1,05 1,18 1,28 1,36 1,42 1,47 1,51 1,54 rnindn 0,00 0,05 0,11 0,18 0,19 0,21 0,21 0,21 0,21 0,21 0,21 0,21 unplm n 0,00 0,00 0,21 0,27 0,32 0,38 0,45 0,53 0,60 0,67 0,74 0,81 rnstock n 42,01 39,72 39,19 38,89 38,63 38,44 38,31 38,20 38,11 38,03 37,96 37,90 Россия исходная модель VAR-9 период 2000 – 2012 шоки/лаги gir rndoll rnsp500 rnoil rnerr 1 0,03 0,08 1,87 0,04 1,09 2 0,06 0,47 3,16 0,02 0,56 3 0,08 2,73 4,68 0,64 0,52 4 0,09 4,43 3,50 0,68 1,00 5 0,19 5,19 2,87 0,64 1,07 6 0,21 5,75 2,57 0,63 1,01 7 0,19 6,47 2,43 0,58 0,91 8 0,20 7,03 2,31 0,59 0,86 9 0,20 7,31 2,18 0,64 0,87 10 0,19 7,28 2,07 0,71 0,89 11 0,18 7,10 1,98 0,77 0,92 12 0,17 6,88 1,90 0,84 0,98 iirn 0,40 0,22 0,33 0,70 0,80 0,93 1,09 1,26 1,50 1,76 2,02 2,27 rnindr 1,17 0,89 0,96 0,87 0,76 0,65 0,58 0,56 0,55 0,54 0,53 0,52 unplmr 0,65 0,33 0,23 0,22 0,20 0,18 0,17 0,17 0,18 0,21 0,24 0,27 rnstockr 94,69 94,29 89,83 88,51 88,28 88,07 87,56 87,02 86,57 86,37 86,28 86,18 rnindn 0,00 0,05 0,11 0,18 0,19 0,20 0,21 0,21 0,21 0,20 0,20 0,20 unplmn 0,00 0,00 0,21 0,27 0,32 0,38 0,45 0,53 0,60 0,67 0,74 0,81 rnindr 0,00 unplmr 0,00 Норвегия исходная модель VAR-9 модификация I период 2000 – 2012 шоки/лаги gir rndoll rnsp500 rnoil rnern iirn rnstockn 1 0,01 25,23 2,79 4,33 0,29 25,35 42,01 2 4,09 24,08 3,60 4,08 0,41 23,98 39,72 3 4,71 23,56 3,54 4,15 0,59 23,94 39,19 4 4,67 23,52 3,68 4,12 0,88 23,80 38,89 5 4,64 23,48 3,81 4,20 1,05 23,69 38,63 6 4,61 23,39 3,87 4,34 1,18 23,57 38,44 7 4,60 23,35 3,91 4,41 1,28 23,48 38,31 8 4,59 23,32 3,94 4,45 1,36 23,41 38,21 9 4,58 23,29 3,96 4,47 1,42 23,36 38,12 10 4,58 23,27 3,98 4,49 1,47 23,31 38,04 11 4,58 23,24 3,99 4,50 1,51 23,27 37,96 12 4,58 23,22 4,00 4,51 1,54 23,23 37,90 Россия исходная модель VAR-9 модификация I период 2000 – 2012 шоки/лаги gir rndoll rnsp500 rnoil rnerr iirr rnstockr 1 0,08 0,36 2,06 0,02 0,98 0,72 95,79 164 2 3 4 5 6 7 8 9 10 11 12 0,04 0,05 0,08 0,11 0,11 0,10 0,09 0,08 0,08 0,08 0,08 0,87 4,30 7,18 8,54 9,28 9,79 10,09 10,22 10,25 10,22 10,16 3,98 5,60 5,80 5,90 5,92 5,90 5,86 5,82 5,78 5,73 5,67 0,03 0,31 0,27 0,22 0,19 0,17 0,17 0,18 0,19 0,21 0,23 0,50 0,66 0,62 0,54 0,48 0,43 0,41 0,40 0,40 0,40 0,40 0,00 0,00 0,00 0,01 0,02 0,03 0,03 0,03 0,03 0,03 0,03 0,10 0,09 0,07 0,07 0,09 0,12 0,16 0,22 0,28 0,35 0,42 Норвегия исходная модель VAR-9 модификация II период 2000 – 2012 шоки/лаги gir rndoll rnsp500 rnoil rnstockn rnern iirn 1 0,01 25,23 2,79 0,00 0,00 25,35 46,63 2 4,09 24,08 3,60 0,14 0,19 23,98 43,88 3 4,71 23,56 3,54 0,19 0,41 23,94 43,33 4 4,67 23,52 3,68 0,24 0,67 23,80 42,97 5 4,64 23,48 3,81 0,33 0,83 23,69 42,72 6 4,61 23,39 3,87 0,44 0,96 23,57 42,57 7 4,60 23,35 3,91 0,49 1,06 23,48 42,47 8 4,59 23,32 3,94 0,52 1,12 23,41 42,37 9 4,58 23,29 3,96 0,54 1,18 23,36 42,28 10 4,58 23,27 3,98 0,56 1,23 23,31 42,21 11 4,58 23,24 3,99 0,57 1,27 23,27 42,14 12 4,58 23,22 4,00 0,58 1,30 23,23 42,07 rnindn 0,00 0,05 0,11 0,18 0,19 0,20 0,21 0,21 0,21 0,20 0,20 0,20 unplmn 0,00 0,00 0,21 0,27 0,32 0,38 0,45 0,53 0,60 0,67 0,74 0,81 Россия исходная модель VAR-9 модификация II период 2000 – 2012 шоки/лаги gir rndoll rnsp500 rnoil rnstockr rnerr iirr 1 0,08 0,36 2,06 0,02 0,00 0,00 97,48 2 0,04 0,87 3,98 0,03 0,43 0,03 94,52 3 0,05 4,30 5,60 0,31 1,49 0,07 88,08 4 0,08 7,18 5,80 0,27 1,75 0,08 84,77 5 0,11 8,54 5,90 0,22 1,74 0,10 83,31 6 0,11 9,28 5,92 0,19 1,70 0,14 82,55 7 0,10 9,79 5,90 0,17 1,69 0,19 82,02 8 0,09 10,09 5,86 0,17 1,71 0,25 81,63 9 0,08 10,22 5,82 0,18 1,74 0,31 81,39 10 0,08 10,25 5,78 0,19 1,78 0,38 81,24 11 0,08 10,22 5,73 0,21 1,82 0,44 81,13 12 0,08 10,16 5,67 0,23 1,86 0,50 81,05 rnindr 0,00 0,00 0,00 0,00 0,01 0,02 0,03 0,03 0,03 0,03 0,03 0,03 unplmr 0,00 0,10 0,09 0,07 0,07 0,09 0,12 0,16 0,22 0,28 0,35 0,42 Норвегия базовая модель VAR-7 период 2000 – 2012 шоки/лаги gir rnoil rndoll rnsp500 1 0,11 2,65 25,38 24,93 2 3,46 3,30 24,43 23,68 3 4,07 3,24 23,92 23,65 4 4,06 3,50 23,81 23,53 5 4,03 3,69 23,72 23,38 6 4,00 3,79 23,61 23,23 0,92 1,05 1,09 1,15 1,26 1,39 1,53 1,66 1,79 1,92 2,05 93,55 87,92 84,88 83,46 82,66 82,07 81,66 81,38 81,20 81,07 80,97 rnern 4,49 4,26 4,34 4,29 4,41 4,65 iirn 0,11 0,46 0,78 1,16 1,40 1,59 rnstockn 42,32 40,42 40,00 39,66 39,37 39,13 165 7 8 9 10 11 12 3,99 3,98 3,98 3,99 3,99 4,00 23,53 23,48 23,44 23,40 23,36 23,33 23,13 23,06 23,00 22,94 22,90 22,86 Россия базовая модель VAR-7 период 2000 – 2012 шоки/лаги gir rndoll rnsp500 1 0,00 0,09 1,74 2 0,02 0,68 2,93 3 0,14 3,37 4,43 4 0,16 5,51 3,31 5 0,27 6,41 2,68 6 0,26 7,06 2,39 7 0,24 7,62 2,27 8 0,22 7,98 2,16 9 0,20 8,10 2,05 10 0,18 8,04 1,94 11 0,17 7,91 1,86 12 0,16 7,75 1,78 3,86 3,91 3,95 3,99 4,02 4,05 4,78 4,85 4,90 4,95 5,00 5,03 1,74 1,85 1,95 2,04 2,12 2,19 38,98 38,87 38,77 38,68 38,61 38,54 rnoil 0,06 0,03 0,56 0,55 0,50 0,47 0,46 0,49 0,55 0,59 0,62 0,67 rnerr 0,77 0,43 0,63 1,40 1,63 1,62 1,53 1,50 1,51 1,55 1,59 1,65 iirr 0,17 0,09 0,13 0,39 0,39 0,41 0,47 0,56 0,66 0,78 0,90 1,03 rnstockr 97,17 95,80 90,75 88,68 88,13 87,79 87,42 87,09 86,93 86,93 86,95 86,96 rnern 0,88 1,56 2,35 2,32 2,33 2,32 2,35 2,37 2,37 2,38 2,38 2,38 iirn 8,14 8,33 9,17 9,93 10,13 10,23 10,29 10,39 10,50 10,60 10,69 10,77 rnstockn 44,61 43,51 44,84 44,19 43,77 43,51 43,38 43,25 43,12 43,01 42,91 42,81 rnerr 4,12 4,05 4,13 4,09 4,09 4,09 4,08 4,08 4,08 4,08 4,08 4,08 iirr 3,42 5,12 5,22 5,16 5,14 5,11 5,10 5,10 5,10 5,10 5,10 5,10 rnstockr 73,82 68,88 68,80 67,52 67,14 66,80 66,69 66,68 66,66 66,65 66,64 66,63 Норвегия базовая модель VAR-7 период 2000 – 2005 шоки/лаги gir rnoil rndoll rnsp500 1 0,35 0,04 16,17 29,81 2 0,49 0,59 15,69 29,83 3 0,44 0,60 15,00 27,60 4 0,81 0,61 14,78 27,36 5 1,02 0,86 14,71 27,19 6 1,04 0,89 14,90 27,11 7 1,04 0,89 15,00 27,05 8 1,04 0,92 15,01 27,02 9 1,07 0,94 15,02 26,98 10 1,10 0,95 15,03 26,92 11 1,14 0,97 15,05 26,86 12 1,17 0,99 15,07 26,81 Россия базовая модель VAR-7 период 2000 – 2005 шоки/лаги gir rndoll rnoil rnsp500 1 0,15 0,01 0,00 18,48 2 1,17 0,01 0,00 20,77 3 1,30 0,01 0,04 20,49 4 1,50 0,58 0,27 20,88 5 1,75 0,70 0,35 20,83 6 1,88 0,87 0,52 20,73 7 1,89 1,02 0,52 20,70 8 1,89 1,02 0,54 20,68 9 1,89 1,03 0,55 20,68 10 1,91 1,03 0,55 20,68 11 1,92 1,04 0,55 20,67 12 1,92 1,04 0,55 20,67 166 Норвегия базовая модель VAR-7 период 2006 – 2012 шоки/лаги gir rnoil rndoll rnsp500 1 0,18 4,39 31,93 22,05 2 5,82 11,19 28,14 18,88 3 5,33 11,80 25,94 21,39 4 5,23 11,49 26,12 20,94 5 6,20 11,21 26,00 20,34 6 6,47 10,97 25,89 19,91 7 6,61 10,82 26,11 19,64 8 6,61 10,70 26,40 19,43 9 6,72 10,64 26,57 19,28 10 6,80 10,58 26,61 19,18 11 6,84 10,55 26,64 19,11 12 6,85 10,53 26,68 19,06 rnern 5,58 5,32 5,48 5,33 5,27 5,90 6,12 6,22 6,23 6,30 6,37 6,41 iirn 1,23 1,32 2,11 2,65 3,41 3,75 4,00 4,14 4,27 4,36 4,42 4,46 rnstockn 34,64 29,33 27,95 28,23 27,56 27,11 26,70 26,50 26,29 26,16 26,07 26,00 Россия базовая модель VAR-7 период 2006 – 2012 шоки/лаги gir rndoll rnsp500 1 0,42 0,46 5,90 2 0,38 1,06 12,66 3 1,00 4,27 15,89 4 1,83 7,33 15,52 5 2,38 8,14 16,21 6 2,40 8,61 16,93 7 2,33 9,05 17,13 8 2,25 9,29 17,28 9 2,14 9,34 17,45 10 2,02 9,30 17,61 11 1,90 9,24 17,70 12 1,82 9,21 17,71 rnoil 2,31 3,55 6,91 6,38 5,97 5,78 5,71 5,83 5,97 6,08 6,20 6,33 rnerr 0,80 0,54 0,75 0,69 0,82 0,78 0,75 0,78 0,82 0,86 0,90 0,93 iirr 0,30 1,36 1,03 0,89 0,86 0,77 0,69 0,63 0,58 0,54 0,51 0,48 rnstockr 89,81 80,45 70,14 67,37 65,62 64,74 64,34 63,94 63,70 63,60 63,55 63,52 Норвегия базовая модель VAR-7 oil+ период 2000 – 2012 шоки/лаги gir rnoil rndoll rnsp500 1 0,10 1,56 25,44 24,47 2 3,33 2,02 24,53 23,28 3 4,05 2,07 24,00 23,16 4 4,07 2,04 23,97 23,12 5 4,04 2,03 23,91 22,99 6 4,01 2,01 23,80 22,84 7 4,01 2,01 23,72 22,75 8 4,03 2,00 23,67 22,68 9 4,04 2,00 23,63 22,62 10 4,05 2,00 23,59 22,56 11 4,07 1,99 23,55 22,51 12 4,09 1,99 23,52 22,47 rnern 5,24 4,95 5,02 4,97 5,20 5,50 5,64 5,72 5,78 5,84 5,90 5,95 iirn 0,28 0,57 0,96 1,45 1,75 1,99 2,16 2,32 2,45 2,57 2,67 2,76 rnstockn 42,92 41,32 40,73 40,39 40,09 39,85 39,70 39,58 39,48 39,39 39,30 39,22 Россия базовая модель VAR-7 oil+ период 2000 – 2012 шоки/лаги gir rndoll rnsp500 rnoil 1 0,07 0,22 1,34 0,52 2 0,04 0,67 2,49 0,90 rnerr 1,29 0,68 iirr 0,36 0,60 rnstockr 96,20 94,62 167 3 4 5 6 7 8 9 10 11 12 0,06 0,08 0,08 0,08 0,07 0,06 0,06 0,07 0,08 0,11 3,83 6,61 8,06 8,80 9,22 9,46 9,59 9,66 9,71 9,75 3,54 3,47 3,38 3,37 3,38 3,38 3,37 3,36 3,33 3,30 0,92 1,24 1,60 1,80 1,91 1,99 2,04 2,07 2,10 2,12 0,79 0,75 0,66 0,59 0,56 0,54 0,52 0,51 0,50 0,50 0,88 0,89 0,90 0,98 1,10 1,22 1,34 1,44 1,54 1,63 89,99 86,97 85,32 84,37 83,76 83,36 83,08 82,89 82,73 82,60 Норвегия базовая модель VAR-7 oil+ период 2000 – 2005 шоки/лаги gir rnoil rndoll rnsp500 1 0,00 0,31 12,66 31,51 2 0,01 0,30 13,73 31,27 3 0,01 0,35 13,58 30,95 4 0,02 0,35 13,61 30,93 5 0,03 0,35 13,62 30,92 6 0,05 0,35 13,62 30,91 7 0,07 0,35 13,62 30,90 8 0,09 0,35 13,62 30,89 9 0,12 0,35 13,62 30,88 10 0,14 0,35 13,62 30,87 11 0,18 0,35 13,61 30,85 12 0,21 0,35 13,61 30,84 rnern 1,46 2,58 3,06 3,08 3,09 3,09 3,09 3,10 3,10 3,10 3,10 3,10 iirn 6,06 5,83 5,93 5,96 5,98 6,00 6,02 6,04 6,05 6,06 6,08 6,08 rnstockn 48,00 46,29 46,11 46,04 46,01 45,98 45,95 45,92 45,89 45,86 45,83 45,81 Россия базовая модель VAR-7 oil+ период 2000 – 2005 шоки/лаги gir rndoll rnoil rnsp500 1 0,10 0,00 0,56 17,04 2 1,14 0,00 0,57 19,36 3 1,35 0,00 0,57 18,89 4 1,55 0,53 0,65 19,38 5 1,75 0,70 0,74 19,35 6 1,82 0,86 0,80 19,29 7 1,84 1,01 0,80 19,25 8 1,84 1,01 0,80 19,25 9 1,85 1,01 0,80 19,25 10 1,85 1,02 0,80 19,25 11 1,86 1,02 0,80 19,24 12 1,87 1,02 0,80 19,24 rnerr 2,54 2,61 2,99 2,99 3,00 3,00 3,00 3,00 3,00 3,00 3,00 3,00 iirr 4,05 5,64 5,73 5,69 5,66 5,64 5,63 5,63 5,63 5,63 5,63 5,63 rnstockr 75,71 70,67 70,46 69,20 68,81 68,59 68,47 68,47 68,45 68,45 68,44 68,43 Норвегия базовая модель VAR-7 oil+ период 2006 – 2012 шоки/лаги gir rnoil rndoll rnsp500 1 0,47 2,20 32,91 20,04 2 2,28 10,14 29,93 18,02 3 2,24 10,58 27,85 20,68 4 2,81 10,11 28,10 20,09 5 2,86 10,06 27,94 19,61 6 9,79 2,89 27,62 19,35 7 9,72 2,92 27,59 19,13 rnern 8,67 7,71 8,01 7,74 8,06 9,02 9,29 iirn 0,25 0,44 0,88 1,57 2,54 3,10 3,43 rnstockn 35,48 31,49 29,76 29,59 28,93 28,22 27,91 168 8 9 10 11 12 9,61 9,54 9,48 9,44 9,42 2,95 2,95 2,94 2,94 2,95 9,37 9,41 9,54 9,67 9,75 3,66 3,87 4,03 4,13 4,19 27,68 27,47 27,30 27,18 27,09 Россия базовая модель VAR-7 oil+ период 2006 – 2012 шоки/лаги gir rndoll rnoil rnsp500 1 0,65 0,08 4,48 0,42 2 0,66 0,49 0,70 10,62 3 1,14 3,65 0,45 14,82 4 1,86 6,72 0,59 14,27 5 2,35 8,08 0,77 14,37 6 2,49 8,82 0,91 14,77 7 2,51 9,29 1,04 14,91 8 2,45 9,49 1,13 15,00 9 2,34 9,51 1,19 15,10 10 2,21 9,45 1,24 15,16 11 2,09 9,38 1,26 15,17 12 2,00 9,33 1,27 15,16 rnerr 1,69 0,85 0,77 0,58 0,48 0,41 0,36 0,33 0,32 0,31 0,31 0,31 iirr 2,00 1,22 1,09 0,91 0,81 0,84 0,97 1,14 1,32 1,51 1,68 1,84 rnstockr 90,69 85,46 78,09 75,06 73,14 71,75 70,92 70,46 70,23 70,13 70,10 70,11 Норвегия базовая модель VAR-7 oil- период 2000 – 2012 шоки/лаги gir rnoil rndoll rnsp500 1 0,09 1,86 25,42 25,15 2 3,49 2,23 24,50 23,94 3 4,03 2,22 24,00 23,95 4 4,00 2,65 23,89 23,81 5 3,97 3,17 23,73 23,60 6 3,94 3,41 23,61 23,44 7 3,92 3,53 23,55 23,33 8 3,91 3,62 23,51 23,26 9 3,90 3,70 23,47 23,20 10 3,90 3,76 23,44 23,15 11 3,90 3,81 23,40 23,11 12 3,90 3,86 23,37 23,07 rnern 4,44 4,22 4,26 4,22 4,28 4,47 4,58 4,65 4,69 4,73 4,76 4,79 iirn 0,05 0,50 0,80 1,06 1,23 1,37 1,47 1,55 1,61 1,67 1,73 1,78 rnstockn 42,99 41,12 40,74 40,37 40,02 39,77 39,62 39,51 39,43 39,35 39,28 39,22 Россия базовая модель VAR-7 oil- период 2000 – 2012 шоки/лаги gir rndoll rnsp500 rnoil 1 0,00 0,36 1,54 0,29 2 0,03 0,85 2,79 0,51 3 0,02 4,16 3,85 1,48 4 0,02 6,92 3,86 1,60 5 0,02 8,16 3,92 1,49 6 0,02 8,82 4,02 1,42 7 0,02 9,27 4,06 1,40 8 0,03 9,54 4,07 1,42 9 0,05 9,68 4,08 1,45 10 0,08 9,76 4,08 1,48 11 0,13 9,81 4,07 1,50 12 0,19 9,85 4,04 1,51 rnerr 0,64 0,39 0,98 1,17 1,22 1,22 1,21 1,22 1,24 1,26 1,27 1,28 iirr 0,09 0,08 0,18 0,21 0,23 0,29 0,36 0,42 0,48 0,54 0,59 0,64 rnstockr 97,08 95,35 89,34 86,22 84,96 84,22 83,68 83,29 83,01 82,80 82,63 82,49 27,81 27,99 28,05 28,06 28,09 18,92 18,77 18,65 18,58 18,51 169 Норвегия базовая модель VAR-7 oil- период 2000 – 2005 шоки/лаги gir rnoil rndoll rnsp500 1 0,69 0,00 15,08 29,96 2 0,78 2,07 14,37 29,46 3 0,73 1,89 13,70 27,37 4 1,15 1,99 13,46 27,22 5 1,23 2,62 13,34 26,99 6 1,23 2,72 13,56 26,91 7 1,23 2,71 13,64 26,84 8 1,23 2,76 13,64 26,78 9 1,24 2,80 13,64 26,73 10 1,26 2,81 13,66 26,67 11 1,28 2,85 13,68 26,61 12 1,30 2,87 13,69 26,56 Россия базовая модель VAR-7 oil- период 2000 – 2005 шоки/лаги gir rndoll rnoil rnsp500 1 0,16 0,01 0,45 19,06 2 1,14 0,01 0,50 21,37 3 1,33 0,02 0,50 21,12 4 1,58 0,63 0,78 21,55 5 1,81 0,70 0,81 21,51 6 1,97 0,85 1,01 21,40 7 1,98 0,97 1,01 21,37 8 1,98 0,98 1,05 21,34 9 1,98 0,98 1,05 21,34 10 2,00 0,99 1,05 21,34 11 2,01 0,99 1,05 21,34 12 2,01 0,99 1,05 21,34 rnern 0,86 1,87 2,65 2,62 2,62 2,61 2,68 2,71 2,72 2,73 2,73 2,74 iirn 7,66 7,69 8,46 9,22 9,44 9,51 9,58 9,70 9,81 9,90 9,99 10,07 rnstockn 45,75 43,75 45,21 44,34 43,76 43,45 43,32 43,19 43,07 42,97 42,87 42,77 rnerr 4,65 4,55 4,50 4,42 4,43 4,42 4,41 4,42 4,42 4,42 4,42 4,42 iirr 3,33 5,16 5,23 5,14 5,12 5,09 5,08 5,08 5,08 5,08 5,08 5,08 rnstockr 72,35 67,28 67,29 65,90 65,62 65,26 65,17 65,15 65,13 65,12 65,10 65,10 Норвегия базовая модель VAR-7 oil- период 2006 – 2012 шоки/лаги gir rnoil rndoll rnsp500 1 0,07 1,73 31,86 23,67 2 5,22 10,91 27,26 19,92 3 4,79 11,56 25,19 22,09 4 4,86 11,36 25,24 21,80 5 7,64 10,95 24,68 20,97 6 9,00 10,68 24,37 20,46 7 9,77 10,48 24,47 20,10 8 9,94 10,39 24,71 19,88 9 10,12 10,34 24,84 19,72 10 10,25 10,29 24,86 19,63 11 10,34 10,27 24,86 19,56 12 10,37 10,26 24,88 19,52 rnern 4,93 5,06 5,20 5,24 5,07 5,13 5,18 5,21 5,22 5,25 5,29 5,31 iirn 1,41 1,39 1,83 1,98 2,28 2,41 2,50 2,56 2,63 2,70 2,75 2,78 rnstockn 36,33 30,25 29,33 29,53 28,41 27,95 27,50 27,32 27,13 27,02 26,94 26,88 Россия базовая модель VAR-7 oil- период 2006 – 2012 шоки/лаги gir rndoll rnoil rnsp500 1 0,00 0,03 1,84 9,70 2 0,03 0,68 1,83 17,82 3 0,26 3,31 6,01 21,49 rnerr 1,49 1,00 0,89 iirr 0,64 1,73 1,60 rnstockr 86,31 76,91 66,43 170 4 5 6 7 8 9 10 11 12 0,55 0,71 0,61 0,57 0,54 0,52 0,53 0,59 0,71 5,52 6,05 6,77 7,89 8,71 9,09 9,25 9,16 8,90 0,68 0,55 0,61 0,78 0,83 0,88 0,90 0,87 0,83 1,19 1,14 1,07 0,93 0,84 0,78 0,72 0,69 0,67 67,31 67,64 66,59 65,71 65,02 64,17 63,38 62,84 62,40 Норвегия базовая модель VAR-7 oil net период 2000 – 2012 шоки/лаги gir rnoil rndoll rnsp500 1 0,24 0,23 25,63 24,23 2 2,76 0,69 24,85 23,18 3 3,01 3,10 23,89 22,71 4 2,94 4,03 23,53 22,46 5 2,92 4,57 23,41 22,17 6 2,89 4,62 23,32 21,95 7 2,88 4,65 23,26 21,81 8 2,88 4,65 23,22 21,70 9 2,88 4,65 23,18 21,62 10 2,89 4,65 23,14 21,56 11 2,90 4,65 23,11 21,51 12 2,92 4,65 23,08 21,46 rnern 5,41 5,20 5,26 5,15 5,21 5,53 5,74 5,87 5,96 6,05 6,11 6,17 iirn 0,13 0,25 0,40 0,83 1,18 1,52 1,78 1,97 2,12 2,24 2,34 2,42 rnstockn 44,13 43,07 41,63 41,06 40,54 40,15 39,89 39,71 39,58 39,47 39,38 39,30 Россия базовая модель VAR-7 oil net период 2000 – 2012 шоки/лаги gir rndoll rnsp500 rnoil 1 0,07 0,23 1,18 0,00 2 0,05 0,69 2,21 0,01 3 0,10 4,03 3,19 0,14 4 0,13 6,89 3,12 0,33 5 0,14 8,44 3,04 0,41 6 0,13 9,29 3,08 0,42 7 0,12 9,79 3,14 0,43 8 0,11 10,05 3,17 0,43 9 0,10 10,19 3,19 0,44 10 0,10 10,28 3,18 0,45 11 0,11 10,35 3,16 0,45 12 0,12 10,40 3,13 0,46 rnerr 1,30 0,71 0,71 0,70 0,64 0,59 0,55 0,53 0,51 0,50 0,49 0,49 iirr 0,63 1,00 1,38 1,46 1,51 1,61 1,76 1,91 2,05 2,18 2,29 2,40 rnstockr 96,58 95,33 90,45 87,36 85,83 84,87 84,22 83,80 83,52 83,31 83,15 83,00 Норвегия базовая модель VAR-7 oil net период 2000 – 2005 шоки/лаги gir rnoil rndoll rnsp500 1 0,24 0,25 16,12 29,37 2 0,61 0,82 15,60 29,49 3 0,56 0,80 14,88 27,22 4 0,92 0,87 14,70 26,89 5 1,20 0,86 14,62 26,84 6 1,21 0,88 14,78 26,80 7 1,24 0,88 14,85 26,82 8 1,28 0,88 14,84 26,84 rnern 1,05 1,45 2,50 2,52 2,53 2,51 2,52 2,56 iirn 9,28 9,47 10,24 10,76 10,93 11,00 11,00 11,06 rnstockn 43,70 42,56 43,80 43,34 43,02 42,81 42,69 42,56 16,81 13,94 11,84 10,32 9,33 8,60 7,94 7,39 6,93 7,95 9,97 12,51 13,80 14,72 15,95 17,27 18,45 19,55 171 9 10 11 12 1,32 1,39 1,46 1,52 0,88 0,87 0,87 0,87 2,59 2,59 2,60 2,60 11,15 11,23 11,30 11,35 42,42 42,31 42,21 42,12 Россия базовая модель VAR-7 oil net период 2000 – 2005 шоки/лаги gir rndoll rnoil rnsp500 1 0,20 0,02 0,01 17,49 2 1,04 0,02 0,55 19,65 3 1,12 0,02 0,99 18,97 4 1,37 0,38 1,23 19,56 5 1,53 0,55 1,26 19,53 6 1,60 0,65 1,26 19,50 7 1,62 0,77 1,26 19,47 8 1,63 0,78 1,26 19,46 9 1,64 0,78 1,26 19,46 10 1,65 0,78 1,27 19,46 11 1,65 0,78 1,27 19,45 12 1,66 0,78 1,27 19,45 rnerr 2,13 2,42 3,13 3,09 3,08 3,09 3,11 3,11 3,11 3,11 3,11 3,11 iirr 3,92 5,54 5,51 5,41 5,39 5,38 5,37 5,37 5,37 5,37 5,37 5,37 rnstockr 76,24 70,78 70,27 68,96 68,67 68,52 68,40 68,39 68,38 68,37 68,36 68,35 Норвегия базовая модель VAR-7 oil net период 2006 – 2012 шоки/лаги gir rnoil rndoll rnsp500 1 0,24 0,07 32,48 19,00 2 2,10 10,34 29,13 16,48 3 4,90 10,10 26,00 19,43 4 5,07 9,78 26,08 19,14 5 5,40 9,60 26,11 18,73 6 5,27 9,36 26,18 18,26 7 5,30 9,23 26,44 18,00 8 5,26 9,12 26,71 17,78 9 5,26 9,05 26,89 17,64 10 5,23 8,99 26,98 17,52 11 5,23 8,95 27,05 17,44 12 5,22 8,93 27,10 17,39 rnern 9,50 8,23 8,88 8,63 8,73 9,56 9,73 9,87 9,95 10,08 10,17 10,22 iirn 0,44 0,48 0,57 1,14 1,94 2,52 2,85 3,09 3,28 3,41 3,50 3,55 rnstockn 38,27 33,22 30,13 30,16 29,49 28,85 28,45 28,17 27,94 27,78 27,66 27,59 Россия базовая модель VAR-7 oil net период 2006 – 2012 шоки/лаги gir rndoll rnoil rnsp500 1 0,26 0,07 4,04 0,00 2 0,37 0,52 0,08 9,16 3 1,01 4,10 0,33 12,83 4 1,80 7,13 0,77 12,19 5 2,38 8,70 0,99 12,03 6 2,63 9,64 1,05 12,35 7 2,69 10,14 1,09 12,50 8 2,64 10,34 1,14 12,59 9 2,53 10,38 1,19 12,68 10 2,39 10,35 1,23 12,71 11 2,27 10,32 1,28 12,70 12 2,16 10,30 12,65 1,32 rnerr 2,44 1,39 0,90 0,68 0,56 0,48 0,43 0,39 0,36 0,34 0,32 0,31 iirr 2,70 2,03 1,97 1,83 1,75 1,81 1,98 2,21 2,45 2,70 2,93 3,12 rnstockr 90,47 86,44 78,86 75,60 73,59 72,04 71,17 70,70 70,42 70,27 70,20 70,14 14,82 14,82 14,82 14,83 26,82 26,78 26,74 26,71 172 Норвегия базовая модель VAR-7 oil positive spread (Futures3 – spot) период 2000 – 2012 шоки/лаги gir rndoll lgoilfut+ rnern iirn rnsp500 rnstockn 1 0,48 0,62 4,77 0,14 24,55 25,27 44,17 2 2,95 3,66 4,53 0,62 23,05 23,59 41,59 3 3,69 6,78 4,35 1,16 21,73 22,94 39,35 4 3,82 7,98 4,26 1,79 21,33 22,68 38,15 5 3,82 8,00 4,49 2,24 21,23 22,50 37,72 6 3,81 7,96 4,83 2,57 21,12 22,30 37,42 7 3,79 7,99 5,02 2,78 21,04 22,16 37,21 8 3,78 8,01 5,13 2,93 20,99 22,07 37,08 9 3,78 8,02 5,19 3,05 20,96 22,01 36,98 10 3,78 8,02 5,25 3,15 20,93 21,96 36,91 11 3,79 8,01 5,30 3,24 20,90 21,92 36,84 12 3,80 8,00 5,34 3,32 20,88 21,89 36,78 Россия базовая модель VAR-7 oil positive spread (Futures3 – spot) период 2000 – 2012 шоки/лаги gir rndoll rnsp500 lgoilfut+ rnerr iirr rnstockr 1 0,04 0,15 1,72 2,68 2,01 0,30 93,10 2 0,02 0,47 3,09 1,83 1,06 0,60 92,93 3 0,03 3,20 4,34 1,63 0,98 0,85 88,98 4 0,04 5,49 4,39 1,51 0,92 0,91 86,75 5 0,04 6,57 4,43 1,24 0,86 0,98 85,88 6 0,03 7,06 4,59 1,09 0,81 1,12 85,31 7 0,03 7,29 4,72 1,02 0,77 1,29 84,88 8 0,03 7,38 4,79 0,97 0,74 1,48 84,61 9 0,03 7,37 4,83 0,92 0,73 1,67 84,45 10 0,04 7,33 4,84 0,87 0,72 1,86 84,35 11 0,06 7,29 4,83 0,82 0,71 2,03 84,27 12 0,09 7,24 4,81 0,77 0,70 2,18 84,21 Норвегия базовая модель VAR-7 oil spread >$3 (Futures3 – spot) период 2000 – 2012 шоки/лаги gir rnern iirn rndoll rnsp500 lgoilfut+3 rnstockn 1 0,34 0,76 4,95 0,16 24,79 25,29 43,72 2 3,10 2,88 4,68 0,64 23,45 23,76 41,49 3 3,77 5,30 4,53 1,20 22,30 23,27 39,63 4 3,81 6,33 4,44 1,85 21,99 23,07 38,51 5 3,78 6,41 4,67 2,32 21,91 22,87 38,04 6 3,76 6,35 5,01 2,65 21,82 22,68 37,74 7 3,74 6,37 5,20 2,88 21,75 22,54 37,53 8 3,74 6,38 5,31 3,03 21,70 22,45 37,39 9 3,74 6,39 5,38 3,15 21,66 22,38 37,29 10 3,75 6,39 5,44 3,25 21,63 22,33 37,21 11 3,76 6,39 5,48 3,34 21,60 22,29 37,15 12 3,77 6,38 5,52 3,41 21,58 22,25 37,09 Россия базовая модель VAR-7 oil spread >$3 (Futures3 – spot) период 2000 – 2012 шоки/лаги gir rndoll rnsp500 lgoilfut+3 rnerr iirr rnstockr 1 0,04 0,07 1,57 2,67 2,22 0,18 93,24 2 0,02 0,28 2,99 2,28 1,24 0,43 92,77 3 0,03 2,67 4,34 1,99 1,06 0,70 89,20 173 4 5 6 7 8 9 10 11 12 0,04 0,04 0,03 0,03 0,03 0,03 0,05 0,07 0,11 4,78 5,79 6,23 6,42 6,47 6,43 6,37 6,30 6,24 4,47 4,53 4,71 4,87 4,96 5,00 5,02 5,01 4,98 1,71 1,40 1,29 1,27 1,25 1,22 1,18 1,13 1,09 0,93 0,84 0,77 0,72 0,68 0,66 0,65 0,63 0,62 0,75 0,82 0,97 1,16 1,38 1,60 1,80 1,99 2,16 87,32 86,59 86,00 85,53 85,22 85,05 84,94 84,86 84,80 174 ПРИЛОЖЕНИЕ 4 Для анализа влияния глобальных и национальных риск-факторов на динамику котировок российского фондового индекса РТС дополнительно была построена VAR модель в следующей спецификации: RTS t 0 1 RTS t 1 2 RU 30t 1 3 SP500t 1 4 Brentoil t 1 где RTS (доходность фондового индекса РТС), RU30 (доходность 30-летних российских облигаций), SP500 (доходность американского фондового индекса S&P500), Brent oil (доходность цены нефти Brent) – включенные в модель переменные; α0 – константа, α1,2,3,4 – коэффициенты оценивания; ε – ошибка оценивания. Оценивание проводилось по ежемесячным значениям за период 2000– 2013 гг. Результаты регрессионного анализа обобщены в таблице 4. Они свидетельствуют, что динамика доходностей российского фондового индекса РТС зависит с лагом в два месяца от влияния доходности российских 30летних облигаций. Таблица 4. Зависимость доходностей отраслевых субиндексов РТС от изменений цены нефти и индекса РТС* No. of obs 164 Log likelihood 981.844 FPE 1.15E-10 Det(Sigma_ml) 7.41E-11 Equation Parms rts 9 Коэффициенты rts L1. 0.11449 L2. -0.09261 russia30 L1. 0.304123 L2. 0.43021 brentspot L1. -0.02174 L2. 0.136191 sp500 L1. 0.243741 L2. -0.21984 α0 0.004738 AIC -11.5347 HQIC -11.2584 SBIC -10.8542 RMSE R-sq chi2 P>chi2 0.10322 0.1026 18.74691 0.0163 P-value 0.313 0.417 0.227 0.094 0.808 0.104 0.273 0.32 0.561
