Влияние макроэкономических факторов
Механизмы влияния на доходность фондовых индексов. Анализ влияния макроэкономических факторов на динамику фондовых рынков стран БРИКС. Эконометрические аспекты построения моделей, особенности выбора переменных. Сравнительный анализ моделей разных стран.
| Рубрика | Экономика и экономическая теория |
| Вид | дипломная работа |
| Язык | русский |
| Дата добавления | 26.10.2016 |
| Размер файла | 2,1 M |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Если посмотреть на рис.4, то можно увидеть, что Китай является лидером по уровню конкурентоспособности среди стран БРИКС, он занимает 28 место. Последнее место среди стран БРИКС занимает Индия - 71 место в рейтинге.
Рис. 4 Динамика изменений ранговых позиций стран БРИКС по методике ВЭФ с 2007 по 2014 гг. Александрова Е.Н. Орлов В.И. Роль и перспективы развития стран БРИКС в глобальной экономике// Теория и практика общественного развития №8, 2015
Необходимо отметить, что фондовые рынки стран БРИКС представляют большой интерес среди инвесторов, так как страны в данной группе страны динамично развиваются. "Экономический потенциал Бразилии, России, Индии, Китая и Южной Африки таков, что, по мнению ряда экономических аналитиков, они могут стать пятью доминирующими экономическими системами к 2050 г". Джусов А.А. Исследование динамики фондовых рынков высокоразвитых стран и стран БРИКС// Альманах современной науки и образования, № 12 (67), 2012
Динамика темпов роста стран БРИКС после мирового финансового кризиса 2008 г стала постепенно увеличиваться и немного опережает темпы развитых стран. Связано это с тем, что каждая страна из данной группы обладает рядом индивидуальных особенностей развития собственной экономики.
Рис. 5 БРИКС и мир: динамика развития Московская биржа http: //moex.com/
Данный стабильный рост и значительная роль в глобальной экономике поддерживается наличием важных ресурсов в данных странах для мировой экономики.
Так Бразилия занимает сильные позиции на рынке сельскохозяйственных продуктов, Россия является сильнейшим экспортером нефти, Индия является экспортером продуктов питания и руды, Китай является крупнейшим импортером по сырьевым товарам, а также обладатель дешевой рабочей силы, а ЮАР обладает богатыми природными ресурсами. Таким образом, страны БРИКС являются крупными экспортерами сырьевых и несырьевых товаров (рис. 6). Однако необходимо иметь в виду, что инвестирование в фондовые рынки стран БРИКС может быть рискованным. Так инвестиционный портфель, который будет состоять из акций стран БРИКС, в случае неблагоприятной ситуации может уменьшить капитализацию.
Но в случае экономического роста фондовые рынки стран БРИКС будут расти быстрее, чем фондовые биржи развитых стран.
В результате можно сделать вывод, что при инвестировании средств в фондовый рынок необходимо учитывать период экономического цикла на рынке. Так в период подъема рынка инвесторам выгодно вкладывать свои средства в акции компаний стран БРИКС, а если рынок находится на стадии спада, вкладывают в акции данных стран нежелательно.
Рис. 6 Операции стран БРИКС с внешним миром
Так как страны БРИКС занимают существенную роль в развитии мировой экономики, то целесообразно будет использовать данную группу стран для того, чтобы выявить, какое влияние оказывают макроэкономические факторы данных стран на динамику их фондовых рынков.
Глава 2. Эконометрические аспекты построения моделей
2.1 Выбор переменных для построения моделей
В качестве источника данных был использован терминал Bloomberg. Для каждой из стран BRICS в меню страны был выбран раздел Economic statistics search (Функция ECST), далее - подраздел Key Indicators. В данном подразделе выделяются наиболее значимые макроэкономические показатели для каждой страны. Общее количество показателей варьируется от ~60 до 250 на каждую страну.
Из полученного множества факторов отбирались показатели с наибольшей доступной историей. Предпочтение отдавалось показателям с частотой публикации в 1 месяц для формирования выборки из достаточного количества наблюдений (не менее 100, желательно - около 150-200).
По итогам отбора для большинства стран были выделены следующие показатели:
§ Номинальный ВВП. Статистические службы публикуют данный показатель ежеквартально, поэтому выгруженные данные сглаживались экспоненциальной средней. Данные в bloomberg учитывают задержку в публикации, поэтому дополнительной коррекции не потребовалось.
§ Объем денежной массы. Данные по денежной массе публикуются ежемесячно во всех странах. В зависимости от страны, это был или денежный агрегат М2, или агрегат М3.
§ Инфляция. Для большинства стран инфляция измерялась как CPI. Для этого показателя применялась дополнительная обработка.
§ Ставка процента. В разных экономиках под ставкой процента принимается разные показатели. Это может быть ставка по 10-летним государственным облигациям, ставка обратного репо с Центральным банком, целевая ставка и т.д.
§ Валютный курс. Использовался обратный валютный курс (т.е. сколько единиц национальной валюты стоит 1 доллар США). Для эконометрических целей использовался средний курс за месяц.
§ Ставка ФРС. Целевая ставка ФРС.
§ Индекс S&P 500. Динамика развивающихся рынков часто зависит от настроений на американском рынке, что обуславливает необходимость включить S&P в список факторов. В расчетах использовалось среднее значение индекса за месяц.
§ Цена на нефть, цена на золото, и т.д. - фондовые рынки стран BRICS чувствительны к динамике конкретных факторов (например, Россия - к цене на нефть), которые необходимо индивидуально учитывать. Значения цен приводились как средние за месяц.
2.2 Модель коррекции ошибок (VECM)
Основной проблемой при эконометрическом анализе фондового рынка является нестационарность рыночных цен и производных от них индикаторов. Как правило, цены на рынке являются интегрируемыми временными рядами первого порядка, а значит, применение обычной МНК-регрессии с высокой долей вероятности приведет к т. н. "spurious regression" - наблюдению фиктивной взаимосвязи между ценами и факторами при её реальном отсутствии.
Наиболее подходящей моделью для анализа влияния макроэкономических факторов на динамику фондового рынка является модель коррекции ошибок (Error correction model).
Пусть существует некоторая фундаментальная взаимосвязь между ценой и фактором, описываемая уравнением:
( (1)
Применение ECM (Error Correction Model) предполагает следующий вид зависимости между фактором и ценой:
( (2)
где - разности соответствующих переменных,
- ошибка модели,
- коэффициенты.
В данной модели предполагается, что:
§ В краткосрочном периоде изменение цены зависит от разностей факторов
§ Существует долгосрочная взаимосвязь между ценой и факторами
§ Цена стремится вернуться к равновесию в случае отклонения от него
§ Скорость возвращения к равновесию определяется коэффициентом
Краткосрочное воздействие Долгосрочное воздействие
Все элементы модели, включая отклонение от равновесия , являются стационарными, что позволяет получить состоятельные оценки параметров регрессии.
Таким образом, ECM удобна для анализа фондового рынка, так как:
§ Позволяет работать с изначально нестационарными временными рядами
§ Позволяет выделить фундаментальную взаимосвязь между факторами
§ Различает краткосрочные и долгосрочные эффекты
2.3 Реализация VECM
Естественное требование к первичным временным рядам, используемым в модели коррекции ошибок - интегрируемость первого порядка I (1). Это свойство почти всегда выполняется для динамики цен и рыночных индексов, но не всегда применимо к временным рядам, относящимся к макроэкономическим факторам. В частности, нельзя использовать в модели без дополнительных преобразований следующие показатели:
§ Инфляция - относительный показатель, показывающий изменение уровня цен к предыдущему году, т.е. у показателя изменяется база для расчета. Вместо инфляции в модель следует включать значение индекса инфляции, для которого базовый год зафиксирован.
§ Темп роста ВВП - аналогично, для данного показателя базой служит значение ВВП предыдущего года. Вместо роста следует использовать абсолютные значения ВВП.
§ Доходности индекса. Доходность фактически является нормализованной первой разностью ряда I (1), поэтому их прямое использование некорректно. Следует использовать абсолютные значения цен и индексов.
Если для какого-либо показателя были доступны только относительные данные (только темпы роста) - показатель пересчитывался как индекс: для некоторого года устанавливалось базовое значение 100, затем по темпам прироста восстанавливались значения для остальных периодов.
При условии, что все первичные данные являются интегрируемыми рядами первого порядка, можно переходить к построению модели. На основе первичных временных рядов оценивается долгосрочная составляющая модели, а на первых разностях - краткосрочная.
В краткосрочной составляющей, помимо первых разностей факторов, будут использованы еще две переменные:
§ Лаг первой разности объясняемой переменной. Поскольку в качестве объясняемой переменной будет использована динамика индекса, то коэффициент при данной переменной можно интерпретировать как меру моментум-эффекта.
§ Ошибка долгосрочной модели.
На практике вместо включения в модель и абсолютных значений, и разностей, производится отдельная оценка долгосрочной модели, а затем ошибка данной модели используется в качестве фактора в модели краткосрочной
Вспомогательная долгосрочная модель будет оцениваться на нестационарных временных рядах, поэтому МНК-оценки коэффициентов такой модели будут заведомо смещенными из-за автокорреляции остатков. Как следствие, для долгосрочной модели необходимо дополнительно учесть автокорреляцию остатков. При оценке будет использован Обобщенный метод наименьших квадратов, форма зависимости ошибок будет специфицирована как AR (1), т.е. ошибки подчиняются автокорреляции первого порядка.
2.4 Проверка Фондовых индексов на стационарность.
Требование модели коррекции ошибок - объясняемая переменная должна быть интегрируемой первого порядка. Это значит, что объясняемая переменная не является стационарной, тогда как её первая разность - является. Одним из наиболее распространенных способов проверки на стационарность является расширенный тест Дикки-Фуллера. Приведем ниже результаты данного теста для индексов:
Таблица 1. Критические значения расширенного теста Дикки-Фуллера
|
Критические значения расширенного теста Дикки-Фуллера |
||||
|
Значимость |
1% |
5% |
10% |
|
|
Граница теста |
-2.58 |
-1.95 |
-1.62 |
Таблица 2. Результаты гипотезы о стационарности
|
Значение статистики теста |
|||
|
Страна |
Индекс |
Первая разность |
|
|
ЮАР |
2.63 |
-8.45 |
|
|
Китай |
-0.19 |
-5.73 |
|
|
Бразилия |
-0.08 |
-8.78 |
|
|
Индия |
1.00 |
-7.39 |
|
|
Россия |
0.30 |
-7.80 |
Как можно видеть, для каждой страны отвергается гипотеза о стационарности самого индекса, но не отвергается гипотеза о стационарности для первой разности. Таким образом, исходные данные подходят для построения модели коррекции ошибок.
2.5 Гипотезы
В отношении выбранных факторов можно сформулировать следующие гипотезы:
§ Для большинства стран БРИКС факторы будут влиять на динамику фондового рынка в одном направлении
§ Рост ВВП положительно влияет на динамику фондового индекса
§ Расширение денежной массы (или падение процентной ставки) положительно влияет на фондовый индекс
§ Лаг значения индекса положительно влияет на динамику самого индекса (имеет место моментум эффект)
§ Для экономик-экспортеров сырья цена на сырье (нефть/золото) будет статистически значимым драйвером рынка
§ Валютный курс может влиять как положительно, так и отрицательно, но он статистически значим.
§ На фондовом рынке будет иметь место эффект коррекции ошибки (наблюдается тенденция возвращения значений индекса к фундаментальному равновесию)
Глава 3. Эмпирический анализ влияния макроэкономических факторов на динамику фондового рынка
3.1 Бразилия
3.1.1 Первичные данные
В качестве факторов модели были взяты следующие переменные
§ Brlusd - Обратный курс бразильского реала к доллару США
§ Fed - процентная ставка ФРС
§ Snp - Индекс S&P 500
§ Gdpq. adj - Экспоненциально сглаженный квартальный ВВП
§ Rate - целевая ставка Brazil Selic Target Rate
§ Cpi. adj - абсолютное значение индекса потребительской инфляции, базовое значение 100 на начало 1994
§ M2. abs - объем денежной массы в экономике
§ brent - цена за баррель нефти марки Brent
В качестве объясняемой переменной взят индекс IBovespa.
Итоговая модель имеет следующий вид:
Где Error Correction - ошибка долгосрочной модели
Модель долгосрочного равновесия имеет вид:
Где , т.е. ошибки характеризуются автокорреляцией первого порядка.
3.1.1.1 Краткосрочные эффекты
Краткосрочная составляющая модели
По результатам F-теста модель является статистически значимой в целом, скорректированный R2 модели составляет 0.51.
Таблица 3. Значения коэффициентов краткосрочной составляющей модели для Бразилии
|
Коэффициенты краткосрочной составляющей модели. Цветом выделены статистически значимые коэффициенты (уровень 10%) |
||||||||||
|
brlusd |
fed |
snp |
gdpq. adj |
cpi. adj |
rate |
m2. abs |
brent |
Error Correction |
Index. l1 |
|
|
-3194 |
-1633 |
24.8 |
0.0 |
-1.2 |
-122.4 |
-5.7 |
155.8 |
-0.01 |
0.1 |
Статистически значимыми факторами являются курс национальной валюты, ставка ФРС США, Динамика индекса S&P500, цена за баррель нефти и собственное значение индекса с лагом в 1 месяц.
Положительное влияние оказывает укрепление национальной валюты, снижение ставки ФРС и рост на американском рынке. Положительное влияние на рост бразильского рынка оказывает рост цен на нефть, так как Бразилия является крупным экспортером нефти. Бразильский рынок подвержен моментум-эффекту, о чем говорит статистически значимое положительное значение коэффициента при лаге индекса.
Важным результатом является низкое (-0.01) и статистически незначимое значение коэффициента при переменной коррекции ошибки. Это значит, что динамика индекса, даже при существовании долгосрочного равновесия, не имеет тенденции возвращаться в этому равновесию (расхождение сокращается на ~1% в месяц).
По графику видно, что модель в целом недооценивает шоки индекса, но верно определяет направление шоков. Рынок склонен избыточно реагировать на изменение макроэкономических факторов.
Рис. 7 Динамика в разностях первого порядка для индекса IBovespa
3.1.1.2 Долгосрочные эффекты
Несмотря на низкую скорость подстройки индекса к равновесным значениям, долгосрочный компонент модели интересен с точки зрения набора факторов.
Таблица 4. Значения коэффициентов долгосрочной составляющей модели для Бразилии
|
Коэффициенты долгосрочной составляющей модели. Цветом выделены статистически значимые коэффициенты (уровень 10%) |
||||||||
|
brlusd |
fed |
snp |
gdpq. adj |
cpi. adj |
rate |
m2. abs |
brent |
|
|
-3199.1 |
-1421.7 |
24.7 |
0.0 |
-1.4 |
-34.3 |
-8.9 |
162.9 |
В долгосрочном периоде динамика индекса определяется преимущественно курсом национальной валюты и динамикой индекса S&P500. Ниже приведены результаты оценки модели статистическим пакетом.
Долгосрочная составляющая модели
3.1.2 Логарифмическая спецификация
Модель, построенная на абсолютных значениях, не всегда удобна с точки зрения интерпретации результатов. В частности, сложно объяснить экономический смысл значений коэффициентов модели. Переход к логарифмам от первоначальных данных позволяет интерпретировать коэффициенты модели как эластичности объясняемой переменной по соответствующим факторам.
3.1.2.1 Краткосрочные эффекты
Краткосрочная составляющая модели
По результатам F-теста модель является статистически значимой в целом, скорректированный R2 модели составляет 0.57, что больше, чем в линейной спецификации.
Таблица 5. Значения коэффициентов краткосрочной составляющей модели для Бразилии (логарифмическая спецификация)
|
Коэффициенты краткосрочной составляющей модели. Цветом выделены статистически значимые коэффициенты (уровень 10%) |
||||||||||
|
brlusd |
fed |
snp |
gdpq. adj |
cpi. adj |
rate |
m2. abs |
brent |
Error Correction |
Index. l1 |
|
|
-0.55 |
-0.07 |
0.78 |
1.14 |
0.14 |
-0.15 |
-0.03 |
0.08 |
-0.01 |
0.08 |
В логарифмической спецификации, в отличии от линейной, статистически значимыми оказываются динамика ВВП и процентная ставка внутри экономики. Направление влияния соответствует здравому смыслу: Рост ВВП оказывает положительное влияние, рост процентных ставок - отрицательное. При этом основными драйверами рынка являются S&P500, курс национальной валюты и динамика ВВП. Так, рост ВВП на 1% добавляет индексу в краткосрочной перспективе 1,15%. Влияние цен на нефть на фондовый индекс значимо статистически, но количественно невелико: рост нефти на 1% приведет к увеличению бразильского индекса на 0.08%. В логарифмической спецификации, как и в линейной, коррекция ошибок является статистически незначимой величиной.
Рис.8 Динамика в разностях первого порядка для Бразилии (логарифмическая спецификация)
Модель на части выборки недооценивает шоки индекса, верно определяя направление шока. Следует заметить, что модель достаточно точно определяет падение индекса в июле 2008 года.
3.1.2.2 Долгосрочные эффекты
Долгосрочная составляющая модели
Долгосрочные эффекты модели по своему влиянию достаточно близки к краткосрочным эффектам, значения коэффициентов по курсу валюты, индексу S&P500 практически точно совпадают. Абсолютные значения коэффициентов при "внутренних факторах" (ВВП и процентная ставка) в долгосрочной модели ниже. Также в данной модели ниже чувствительность к ставке ФРС.
Таблица 6. Значения коэффициентов долгосрочной составляющей модели для Бразилии (логарифмическая спецификация)
|
Коэффициенты долгосрочной составляющей модели. Цветом выделены статистически значимые коэффициенты (уровень 10%) |
||||||||
|
brlusd |
fed |
snp |
gdpq. adj |
cpi. adj |
rate |
m2. abs |
brent |
|
|
-0.54 |
-0.05 |
0.80 |
0.98 |
0.07 |
-0.12 |
-0.10 |
0.08 |
3.2 Россия
3.2.1 Первичные данные
В качестве факторов модели были взяты следующие переменные
§ brent - цена за баррель нефти марки brent
§ usdrub - Обратный курс рубля к доллару США
§ Fed - процентная ставка ФРС
§ Snp - Индекс S&P 500
§ Gdpq. adj - Экспоненциально сглаженный квартальный ВВП
§ rateAdj - процентная ставка. До 08.2013 принимает значения ставки рефинансирования ЦБ РФ, с 08.2013 - ключевая ставка ЦБ РФ + премия в 2.75 процентных пункта.
§ Cpi. adj - абсолютное значение индекса потребительской инфляции, базовое значение 100 на начало 2001 года.
В качестве объясняемой переменной взят индекс ММВБ.
3.2.1.1 Краткосрочные эффекты
Краткосрочная составляющая модели
По результатам F-теста модель является статистически значимой в целом, скорректированный R2 модели составляет 0.51.
Таблица 7. Значения коэффициентов кратксрочной составляющей модели для России
|
Коэффициенты краткосрочной составляющей модели. Цветом выделены статистически значимые коэффициенты (уровень 10%) |
|||||||||
|
brent |
usdrub |
gdpq. adj |
fed |
snp |
Cpi. adj |
rateAdj |
Error Correction |
Index. l1 |
|
|
7.22 |
9.43 |
0.02 |
31.90 |
0.65 |
3.22 |
-6.29 |
-0.01 |
0.03 |
Статистически значимыми факторами являются курс рубля, стоимость барреля brent, Динамика индекса S&P500 и инфляция.
Положительное влияние оказывает ослабление рубля, рост нефтяных цен и рост на американском рынке. Российских фондовый рынок также учитывает динамику инфляции - стоимость компаний "индексируется" пропрорционально инфляции.
Существенным результатом является низкое (-0.01) и статистически незначимое значение коэффициента при переменной коррекции ошибки. Индекс ММВБ не имеет тенденции возвращаться к равновесию (расхождение сокращается на ~1% в месяц).
Рис.9 Динамика в разносятх первого пордяка для индекса ММВБ
Модель может недооценивать шоки индекса, но верно определяет направление шоков. Рынок склонен избыточно реагировать на изменение макроэкономических факторов.
3.2.1.2 Долгосрочные эффекты
Несмотря на низкую скорость подстройки индекса к равновесным значениям, долгосрочный компонент модели интересен с точки зрения набора факторов.
Таблица 8. Значения коэффициентов долгосрочной составляющей модели для России
|
Коэффициенты долгосрочной составляющей модели. Цветом выделены статистически значимые коэффициенты (уровень 10%) |
|||||||
|
brent |
usdrub |
gdpq. adj |
fed |
snp |
cpi. adjusted |
rateAdj |
|
|
7.21 |
9.95 |
0.02 |
37.73 |
0.66 |
2.92 |
-5.57 |
В долгосрочном периоде динамика индекса определяется стоимостью барреля нефти, курсом рубля и динамикой индекса S&P500. Коэффициента при инфляции является статистически незначимым по формальному критерию, но p-value составляет 0.1026, что достаточно близко к критическому 10% уровню. Таким образом, можно говорить о тождественном наборе факторов, определяющих динамику российского рынка в краткосрочном и долгосрочном периодах.
Долгосрочная составляющая модели
3.2.2 Логарифмическая спецификация
Построим VECM-модель на логарифмированных данных
3.2.2.1 Краткосрочные эффекты
Краткосрочная составляющая модели
По результатам F-теста модель является статистически значимой в целом, скорректированный R2 модели составляет 0.43, что меньше, чем в линейной спецификации.
Таблица 9. Значения коэффициентов краткосрочной составляющей модели для России (логарифмическая спецификация)
|
Коэффициенты краткосрочной составляющей модели. Цветом выделены статистически значимые коэффициенты (уровень 10%) |
|||||||||
|
brent |
usdrub |
gdpq. adj |
fed |
snp |
Cpi. adj |
rateAdj |
Error Correction |
Index. l1 |
|
|
0.31 |
0.24 |
-0.08 |
0.001 |
0.92 |
1.37 |
-0.06 |
-0.01 |
0.14 |
В логарифмической спецификации, в отличии от линейной, влияние курса рубля является статистически незначимым (p-value 0.145), при этом значимым становится коэффициент при лаге индекса. Наиболее чувствительным российский рынок оказывается к динамике S&P500 и инфляции. Влияние нефти существенно, но ограниченно (при росте цены brent на 1% индекс растет на 0.31%). В логарифмической спецификации, как и в линейной, коррекция ошибок является статистически незначимой величиной.
Рис.10 Динамика в разносятх первого пордяка для индекса ММВБ (логарифмическая спецификация)
Модель на первой части выборки недооценивает шоки индекса, верно определяя направление шока.
3.2.2.2 Долгосрочные эффекты
Долгосрочная составляющая модели
Долгосрочные эффекты модели по своему влиянию достаточно близки к краткосрочным эффектам. Влияние курса рубля по прежнему оценивается как статистически незначимое, но p-value составляет всего 0.127, что достаточно близко к 10% уровню.
Таблица 10. Значения коэффициентов долгосрочной составляющей модели для России (логарифмическая спецификация)
|
Коэффициенты долгосрочной составляющей модели. Цветом выделены статистически значимые коэффициенты (уровень 10%) |
|||||||
|
brent |
usdrub |
gdpq. adj |
fed |
snp |
cpi. adj |
rateAdj |
|
|
0.32 |
0.25 |
-0.25 |
0.03 |
0.96 |
1.42 |
-0.05 |
3.3 Индия
3.3.1 Первичные данные
В качестве факторов модели были взяты следующие переменные
§ fed - процентная ставка ФРС
§ usdiru - обратный курс индийской рупии к доллару США
§ snp - Индекс S&P 500
§ rate - ставка РЕПО с ЦБ Индии
§ m3 - предложение денег, измеренное как денежный агрегат m3
§ commod. adj - ценовой индекс сырьевых товаров, производимых в Индии
В качестве объясняемой переменной взят индекс NYFTY.
Квартальные временные ряды по ВВП Индии рассчитываются Центральной Индийской статистической службой только с 2011 г., а более ранние ряды посчитаны только на годовом интервале. Вместо динамики ВВП в модель будут включены следующие показатели, рассчитываемые индийской статистической службой ежемесячно c 2005 г.:
§ exports - ежемесячный экспорт включая реэкспорт
§ indrastr - индекс производства в сфере инфраструктуры
§ indust - индекс промышленного производства
Линейная комбинация данных 3-х факторов будет частично аппроксимировать динамику ВВП.
3.3.1.1 Краткосрочные эффекты
Краткосрочная составляющая модели
По результатам F-теста модель является статистически значимой в целом, скорректированный R2 модели составляет 0.54.
Таблица 11. Значения коэффициентов краткосрочной составляющей модели для Индии
|
Коэффициенты краткосрочной составляющей модели. Цветом выделены статистически значимые коэффициенты (уровень 10%) |
|||||||||||
|
fed |
usdiru |
snp |
rate |
m3 |
exports |
ifrastr |
indust |
Commod adj |
Error Correction |
Index. l1 |
|
|
118.61 |
-85.77 |
2.72 |
-34.47 |
0.0005 |
-0.0008 |
-1.89 |
3.29 |
0.01 |
-0.03 |
0.11 |
Статистически значимыми факторами являются курс индийской рупии к доллару, объем денежной массы, динамика индекса S&P500 и собственное значение индекса в предыдущем периоде. Положительное влияние оказывает увеличение денежной массы, укрепление курса национальной валюты и рост на американском рынке. Эффект от коррекции ошибки составляет - 0.03, что существенно больше в сравнении результатами моделей для других стран.
Рис.11 Динамика в разносятх первого пордяка для индекса NIFTY
Модель может недооценивать шоки индекса, но верно определяет направление шоков. Так, модель недооценила масштаб фондового ралли в 2007, но корректно диагностировала размер спада в кризис 2008-го.
3.3.1.2 Долгосрочные эффекты
Таблица 12. Значения коэффициентов долгосрочной составляющей модели для Индии
|
Коэффициенты долгосрочной составляющей модели. Цветом выделены статистически значимые коэффициенты (уровень 10%) |
|||||||||
|
fed |
usdiru |
snp |
rate |
m3 |
exports |
ifrastr |
indust |
commod. adj |
|
|
189.09 |
-88.38 |
2.68 |
-52.36 |
0.00 |
0.00 |
-1.74 |
3.92 |
0.01 |
В долгосрочном периоде динамика индекса определяется курсом национальной валюты и динамикой индекса S&P500. Близкими к статистической значимости оказываются коэффициенты при ставке ФРС и объеме денежной массы, p-value составляют 0.115 и 0.131 соответственно.
Долгосрочная составляющая модели
3.3.2 Логарифмическая спецификация
Построим VECM-модель на логарифмированных данных
3.3.2.1 Краткосрочные эффекты
Краткосрочная составляющая модели
По результатам F-теста модель является статистически значимой в целом, скорректированный R2 модели составляет 0.596, что, больше, чем в линейной спецификации.
Таблица 13. Значения коэффициентов краткосрочной составляющей модели для Индии (логарифмическая спецификация)
|
Коэффициенты краткосрочной составляющей модели. Цветом выделены статистически значимые коэффициенты (уровень 10%) |
|||||||||||
|
fed |
usdiru |
snp |
rate |
m3 |
exports |
ifrastr |
indust |
commod. adj |
ErrorCorrection |
Index. l1 |
|
|
0.06 |
-0.78 |
0.85 |
-0.16 |
0.77 |
-0.03 |
-0.08 |
0.12 |
0.08 |
-0.04 |
0.15 |
В логарифмической спецификации набор значимых факторов не отличается от линейной спецификации. Влияние трех основных факторов примерно равносильно, абсолютные значения эластичностей индекса по каждому из факторов составляют около 0,8. На границе статистической значимости находятся коэффициенты при ставке ФРС и ставке ЦБ Индии. Также в логарифмической спецификации еще заметнее выражен эффект коррекции ошибок. Коэффициент статистически значим на 10% уровне и составляет - 0.04, то есть индекс NYFTY учитывает макроэкономически обоснованное значение и корректируется к нему ежемесячно ~на 4%.
Рис.12 Динамика в разносятх первого пордяка для индекса NIFTY (логарифмическая спецификация)
Аналогично линейной спецификации, модель может недооценивать шоки индекса, но верно определяет направление шоков.
3.3.2.2 Долгосрочные эффекты
Долгосрочная составляющая модели
В долгосрочном периоде набор факторов не отличается от краткосрочного. Статистически значимо влияют процентные ставки (ставка ФРС - положительно, ставка ЦБ индии - отрицательно). Даже в долгосрочным периоде ни один из индексов, призванный аппроксимировать динамику ВВП, не является значимым.
Таблица 14. Значения коэффициентов долгосрочной составляющей модели для Индии (логарифмическая спецификация)
|
Коэффициенты долгосрочной составляющей модели. Цветом выделены статистически значимые коэффициенты (уровень 10%) |
|||||||||
|
fed |
usdiru |
snp |
rate |
m3 |
exports |
ifrastr |
indust |
commod. adj |
|
|
0.08970 |
-0.82355 |
0.83524 |
-0.18414 |
0.71539 |
-0.03704 |
-0.07814 |
0.12719 |
0.00612 |
3.4 Китай
3.4.1 Первичные данные
В качестве факторов модели были взяты следующие переменные
§ fed - процентная ставка ФРС
§ cnyusd - Обратный курс рубля к доллару США
§ gdpQ. adj - экспоненциально сглаженный квартальный ВВП
§ pmi. adj - отклонение индекса PMI от 50.
§ CPIadj - абсолютное значение индекса потребительской инфляции, базовое значение 100 на начало 2000 года.
§ snp - Индекс S&P 500
§ rate10 - ставка по 10-летним государственным облигациям
В качестве объясняемой переменной взят индекс Shanghai Composite.
3.4.1.1 Краткосрочные эффекты
Краткосрочная составляющая модели
По результатам F-теста модель является статистически значимой в целом, скорректированный R2 модели составляет 0.195, что существенно ниже в сравнении с моделями для других стран
Таблица 15. Значения коэффициентов краткосрочной составляющей модели для Китая
|
Коэффициенты краткосрочной составляющей модели. Цветом выделены статистически значимые коэффициенты (уровень 10%) |
|||||||||
|
fed |
cnyusd |
gdpQ. adj |
pmi. adj |
CPIadj |
snp |
rate10 |
Error Correction |
Index. l1 |
|
|
109.74 |
428.48 |
-0.02 |
-9.42 |
0.20 |
0.98 |
108.32 |
-0.04 |
0.34 |
Статистически значимыми факторами являются лаговое значение самого индекса, динамика и S&P500 и эффект коррекции ошибки.
Положительное влияние оказывает рост на американском рынке. Китайскому рынку, как и большинству других фондовых рынков, свойственен моментум-эффект.
Эффект коррекции ошибки оказался статистически значим, несмотря на относительно низкое качество модели.
Рис.13 Динамика в разносятх первого пордяка для индекса Shanghai Composite
Визуальный анализ показывает, что модель систематически недооценивает шоки индекса и не всегда корректно определяет направление шока.
3.4.1.2 Долгосрочные эффекты
Несмотря на значимый эффект коррекции ошибок, модель долгосрочных эффектов является недостаточно качественной и легко интерпретируемой.
Таблица 16. Значения коэффициентов долгосрочной составляющей модели для Китая
|
Коэффициенты долгосрочной составляющей модели. Цветом выделены статистически значимые коэффициенты (уровень 10%) |
|||||||
|
fed |
cnyusd |
gdpQ. adj |
pmi. adj |
CPIadj |
snp |
rate10 |
|
|
253.6092 |
159.5114 |
-0.0046 |
-8.38275 |
-0.19771 |
1.155173 |
201.1954 |
В долгосрочном периоде динамика Shanghai composite определяется изменением ставки ФРС и динамикой индекса S&P500. Также близким к статистически значимому является коэффициент при ставке по китайским 0-летним гособлигациям (p-value 0.128).
Долгосрочная составляющая модели
3.4.2 Логарифмическая спецификация
Построим VECM-модель на логарифмированных данных
3.4.2.1 Краткосрочные эффекты
Краткосрочная составляющая модели
По результатам F-теста модель является статистически значимой в целом, скорректированный R2 модели составляет 0.20. Объясняющая сила модели, как и в линейной спецификации, относительно слаба.
Таблица 17. Значения коэффициентов краткосрочной составляющей модели для Китая (логарифмическая спецификация)
|
Коэффициенты краткосрочной составляющей модели. Цветом выделены статистически значимые коэффициенты (уровень 10%) |
|||||||||
|
fed |
cnyusd |
gdpQ. adj |
pmi. adj |
CPIadj |
snp |
rate10 |
Error Correction |
Index. l1 |
|
|
0.002 |
0.31 |
0.24 |
-0.01 |
-0.01 |
0.39 |
0.14 |
-0.03 |
0.36 |
Эластичность Shanghai Composite по индексу S&P500 составляет 0.39, что существенно ниже типичных для развивающихся рынков 0.7-0.8. Одновременно с этим значение коэффициента при лаговой переменной (равное 0.36) выше типичных 0.1-0.2. Таким образом, можно сделать вывод о существенно большей независимости китайского индекса от внешних факторов в сравнении с индексами других стран БРИКС.
Рис.14 Динамика в разносятх первого пордяка для индекса Shanghai Composite (логаримическая спецификация)
Логарифмическая модель, также как и линейная, плохо предсказывает резкие шоки индекса и не всегда корректно определят направление шока.
3.4.2.2 Долгосрочные эффекты
Долгосрочная составляющая модели
Долгосрочная составляющая модели оценивает эффект от влияния S&P500 несколько выше (0.44 вместо 0.39). Модель диагностирует положительную статистически значимую взаимосвязь между динамикой процентных ставок и индексом китайского рынка, что не согласуется с ожиданиями.
Таблица 18. Значения коэффициентов долгосрочной составляющей модели для Китая (логарифмическая спецификация)
|
Коэффициенты долгосрочной составляющей модели. Цветом выделены статистически значимые коэффициенты (уровень 10%) |
|||||||
|
fed |
cnyusd |
gdpQ. adj |
pmi. adj |
CPIadj |
snp |
rate10 |
|
|
0.03 |
-0.28 |
0.50 |
-0.01 |
-0.36 |
0.44 |
0.27 |
3.5 ЮАР
3.5.1 Первичные данные
В качестве факторов модели были взяты следующие переменные
§ gold - цена тройской унции золота
§ fed - ставка ФРС
§ randusd - обратный курс южноафриканского ранда к доллару
§ snp - Индекс S&P 500
§ rate - средняя ставка РЕПО
§ m3 - предложение денег, рассчитанное как денежный агрегат m3
§ cpi. adj - абсолютное значение индекса потребительской инфляции, базовое значение 100 на конец 2012 года
§ mining - абсолютные значения индекса объема добываемого золота, базовое значение 100 на начало 2001 года
§ gdp. adj - Абсолютные значения индекса, отражающие динамику поквартального ВВП. В изначальных данных была только информация о поквартальных темпах прироста. Пересчет темпов прироста в индекс позволил получить временной ряд, пропорциональный действительной динамике ВВП. Использование этого ряда вместо действительных значений ВВП в логарифмической модели не окажет никакого влияния, а в линейной - повлияет на масштаб коэффициента, не меняя его знака и статистической значимости.
В качестве объясняемой переменной взят индекс TOP40.
3.5.1.1 Краткосрочные эффекты
Краткосрочная составляющая модели
По результатам F-теста модель является статистически значимой в целом, скорректированный R2 модели составляет 0.50.
Таблица 19. Значения коэффициентов краткосрочной составляющей модели для ЮАР
|
Коэффициенты краткосрочной составляющей модели. Цветом выделены статистически значимые коэффициенты (уровень 10%) |
|||||||||||
|
gold |
fed |
randusd |
snp |
rate |
m3 |
cpi. adj |
mining |
gdp. adj |
Error Correction |
Index. l1 |
|
|
5.04 |
-506.6 |
47.91 |
13.64 |
47.19 |
5.80 |
47.51 |
5.72 |
-5.94 |
-0.05 |
0.04 |
Статистически значимыми факторами являются цена золота, ставка ФРС, динамика индекса S&P500, объем денежной массы и эффект коррекции ошибки.
Положительное влияние оказывает увеличение денежной массы, рост S&P500 и рост цен на золото. Отрицательное и статистически значимое влияние имеет ставка ФРС. Эффект от коррекции ошибки составляет - 0.05, что существенно в сравнении результатами моделей для других стран.
Рис.15 Динамика в разносятх первого пордяка для индекса TOP40
Модель недооценивает масштабы шока в периоды волатильности, но верно определяет направление шоков.
3.5.1.2 Долгосрочные эффекты
Таблица 20. Значения коэффициентов долгосрочной составляющей модели для ЮАР
|
Коэффициенты долгосрочной составляющей модели. Цветом выделены статистически значимые коэффициенты (уровень 10%) |
|||||||||
|
gold |
fed |
randusd |
snp |
rate |
m3 |
cpi. adj |
mining |
gdp. adj |
|
|
5.30 |
-339.45 |
111.70 |
13.92 |
-29.97 |
5.72 |
78.12 |
7.80 |
-2.90 |
В долгосрочном периоде уменьшается влияние ставки ФРС на динамику Южноафриканского рынка. Основными факторами остаются S&P500, цена золота и денежная масса. Ниже приведен результат оценки долгосрочной модели в статистическом пакете:
Долгосрочная составляющая модели
3.5.2 Логарифмическая спецификация
Построим VECM-модель на логарифмированных данных
3.5.2.1 Краткосрочные эффекты
Краткосрочная составляющая модели
По результатам F-теста модель является статистически значимой в целом, скорректированный R2 модели составляет 0.53.
Таблица 21. Значения коэффициентов краткосрочной составляющей модели для ЮАР (логарифмическая спецификация)
|
Коэффициенты краткосрочной составляющей модели. Цветом выделены статистически значимые коэффициенты (уровень 10%) |
|||||||||||
|
gold |
fed |
randusd |
snp |
rate |
m3 |
cpi. adj |
mining |
gdp. adj |
Error Correction |
Index. l1 |
|
|
0.34 |
-0.05 |
0.20 |
0.86 |
-0.08 |
0.10 |
-0.10 |
0.06 |
0.07 |
-0.03 |
0.13 |
В логарифмической спецификации набор статистически значимых факторов пополняется курсом национальной валюты к доллару США. Логарифмическая модель позволяет понять, что влияние ставки ФРС, значимое статистически, является незначимым экономически: рост ставки в 1,5 раза приведет к снижению индекса всего на 2,5%.
Также, в отличие от линейной модели, статистически значимым является коэффициент при лаговом значении индекса, что говорит в пользу наличия на фондовом рынке ЮАР моментум-эффекта.
Рис.16 Динамика в разностях первого пордяка для индекса TOP 40 (логаримическая спецификация)
Логарифмическая спецификация модели в большинстве случаев корректно определяет как направление, так и размер шока индекса.
3.5.2.2 Долгосрочные эффекты
Долгосрочная составляющая модели
В долгосрочной модели сохраняется влияние индекса S&P 500, цены золота и обратного валютного курса на динамику фондового индекса. Влияние ставки ФРС в долгосрочном периоде незначимо статистически и экономически. Влияние денежной массы в долгосрочном периоде оказывается
Также долгосрочная модель диагностирует отрицательное влияние внутренней процентной ставки, которое, впрочем, не является существенным (Эластичность индекса TOP-40 по процентной ставке - 0.11)
Таблица 22. Значения коэффициентов долгосрочной составляющей модели для ЮАР (логарифмическая спецификация)
|
Коэффициенты долгосрочной составляющей модели. Цветом выделены статистически значимые коэффициенты (уровень 10%) |
|||||||||
|
gold |
fed |
randusd |
snp |
Rate |
m3 |
cpi. adj |
mining |
gdp. adj |
|
|
0.35 |
-0.03 |
0.21 |
0.90 |
-0.11 |
0.19 |
-0.22 |
0.07 |
0.16 |
3.6 Сравнительный анализ моделей разных стран
Проводить прямое сравнение моделей возможно только для логарифмических спецификаций, поскольку коэффициенты таких моделей интерпретируются как эластичности и не имеют привязки к числовой размерности. Тем не менее, линейные спецификации моделей могут быть полезны, так как для них также проведена проверка на статистическую значимость факторов. Ниже приведена сводная таблица для факторов моделей и коэффициентов моделей из краткосрочных логарифмических спецификаций. Жирным выделены факторы, статистически значимые для любой спецификации, серым - только в одной из спецификаций.
Таблица 23. Коэффициенты моделей макроэкономических факторов стран БРИКС
|
S&P500 |
Лаг индекса |
Валютный курс |
Эффект коррекции |
Ставка ФРС |
Сырье |
ВВП |
||
|
Бразилия |
0.78 |
0.08 |
-0.55 |
-0.07 |
0.08 |
1.14 |
||
|
Китай |
0.39 |
0.36 |
-0.03 |
|||||
|
Россия |
0.92 |
0.14 |
0.24 |
0.31 |
||||
|
Индия |
0.85 |
0.15 |
-0.78 |
-0.04 |
||||
|
ЮАР |
0.86 |
0.13 |
0.20 |
-0.03 |
-0.05 |
0.34 |
||
|
Медиана |
0.85 |
0.14 |
-0.18 |
-0.03 |
-0.06 |
0.33 |
Одним из самых значимых факторов для всех стран является динамика американского фондового рынка. За исключением Китая, все страны имеют коэффициент при S&P500 в интервале от 0.8 до 0.9. Другим значимым факторов является лаговое значение самого индекса, эластичность по которому варьируется от 0.1 до 0.2 (за исключением Китая). Баланс двух данных коэффициентов можно интерпретировать как соотношение настроений (внешних или внутренних), определяющих на динамику рынка. Так, китайский рынок оказывается достаточно независимым, тогда как рынки остальных стран очень чувствительны к настроениям на мировых финансовых рынках.
Количественно близкое влияние валютного курса Обратного курса, т. е. измеряемого в количестве единиц национальной валюты за одну единицу базовой характерно для России и ЮАР. Обесценение национальной валюты в целом положительно сказывается на динамике фондового рынка: девальвация в 1% ведет к росту индекса на 0.24% в России и на 0.2% в ЮАР. Аналогичная ситуация с сырьевыми товарами (Россия - Экспортер нефти, ЮАР - металлов платиновой группы, т.е. в том числе и золота). Эластичность фондового индекса по соответствующему товару составляет 0.31 для России и 0.34 для ЮАР.
Для Бразилии было зафиксировано положительное влияние цены на нефть на фондовый рынок, и отрицательное влияние курса. Данный эффект объясняется тем, что, хотя Бразилия и является крупным экспортером нефти, бразильская экономика в целом является нетто-импортером, т.е. обесценение национальной валюты отрицательно влияет на экономику.
Эффект коррекции ошибок статистически незначим для Бразилии и России и экономически мал для всех стран. Даже для Индии эластичность индекса по ошибке составляет - 0.04, т.е. потребуется более 16 месяцев для сокращения ошибки вдвое. Это означает что фондовый рынок очень медленно перестраивается в направлении фундаментального равновесия. Данный факт подтверждает, что при применении фундаментального анализа следует ориентироваться на горизонт инвестирования от года до нескольких лет.
Для всех стран, за исключением Бразилии, коэффициенты при ВВП являются статистически незначимыми. Монетарные факторы, хотя и статистически значимы в отдельных странах, являются своими для каждой страны, что затрудняет прямое сопоставление. Приведем ниже результаты оценки коэффициентов при монетарных факторах:
Таблица 24. Коэффициенты моделей монетарных факторов
|
Бразилия |
Россия |
Индия |
ЮАР |
|
|
Ставка % |
CPI |
Денежная масса |
Денежная масса |
|
|
-0.15 |
1.37 |
0.77 |
0.10 |
Для России обнаружена сильная взаимосвязь между индексом и инфляцией. Коэффициент больше единицы означает, что фондовый рынок растет быстрее инфляции.
В Индии и ЮАР наблюдается положительная взаимосвязь между объемом денежной массы и фондовыми индексами. Объяснение тривиально: рост денежной массы на руках у экономических агентов стимулирует их часть средств инвестировать в активы, в том числе в фондовый рынок. Растущий спрос фондовые активы вызывает и рост цен, а значит и рост индекса.
В Бразилии положительное влияние на индекс оказывает снижение процентной ставки. Объяснение также простое: снижение ставки стимулирует рост денежную массу, а далее вступает в действие механизм аналогичный случаю с расширением денежной массы.
Общий анализ по всем станам БРИКС позволяет сделать следующие выводы
§ Страны БРИКС оказались подвержены влиянию примерно схожего набора факторов, причем масштаб влияния отдельных факторов сопоставим.
§ Исключение составляет фондовый рынок Китая - для последнего были получены другие оценки коэффициентов и намного более низкое качество модели
§ Ключевыми детерминантами фондового рынка стран БРИКС являются динамика фондового рынка США, валютный курс, моментум-эффект и отдельные монетарные факторы.
§ Для России, ЮАР и Бразилии цены на сырье положительно влияют на динамику фондового рынка.
§ Влияние внутренних немонетарных факторов, таких как ВВП или индексов, аппроксимирующих ВВП, практически отсутствует.
§ Фондовые рынки всех стран характеризуются очень низкими эффектами коррекции ошибок, т.е. не стремятся к возвращению к долгосрочному равновесию.
Заключение
В рамках данной работы был проведен анализ влияния макроэкономических факторов на фондовые рынки стран БРИКС. Было установлено, что существенными детерминантами для фондовых рынков являются динамика индекса S&P, моментум-эффект, а также валютный курс. Важно, что влияние валютного курса было положительным для стран-экспортеров сырья (за исключением Бразилии, которая является нетто-импортером с 2008 года), и отрицательным для прочих стран.
Оценки влияния индекса S&P500 и моментум эффекта для стран выборки (кроме Китая) оказались количественно близкими, что говорит об определенной близости фондовых рынков БРИКС. В то же время, влияние внутренних фундаментальных факторов, таких как динамика ВВП, оказалось статистически незначимым у всех стран, за исключением Бразилии. Последнее позволяет предполагать, что рынки слабо чувствительны к динамике ВВП, так как информация по нему публикуется с недостаточно высокой частотой и отыгрывается рынком достаточно быстро. Также было установлено, что монетарное расширение так или иначе положительно влияет на динамику фондовых индексов, хотя прямое сопоставление невозможно из-за различных метрик.
Данная работа показывает, что фондовые рынки стран БРИКС, за исключением Китая, в целом идентично реагируют на динамику американского фондового рынка и имеют сопоставимый моментум-эффект. В то же время, реакция рынка на другие факторы определяется страновыми особенностями.
Список литературы
1. Ричард Э. Ямароне Ключевые экономические индикаторы: руководство трейдера. М.: Интернет-трейдинг, 2004 - 328 с.
2. Глинкина С.П. Новое направление российской внешней и внешнеэконо - мической политики - взаимодействие в БРИКС / Отв. ред. С.П. Глинкина; колл. авторов. - М.: Институт экономики РАН, 2014. - 220 с
3. Евлахова Ю.С. Макроэкономические факторы влияния на динамику российского рынка акций и инструменты государственного регулирования // Проблемы современной экономики № 1 (45), 2013
4. Мацкевич А.А. Факторы, определяющие эффективность фондового рынка // Вестник Челябинского государственного университета № 32 (323) / 2013
5. Федорова Е.А., Панкратов К.А. Влияние макроэкономических факторов на фондовый рынок России // Проблемы прогнозирования, №2, 2010
6. Федорова Е.А. Влияние цены на нефть на финансовый рынок России в кризисный период // Финансы и кредит,20 (596) - 2014
7. Александрова Е.Н. Орлов В.И. Роль и перспективы развития стран БРИКС в глобальной экономике // Теория и практика общественного развития №8, 2015
8. Джусов А.А. Исследование динамики фондовых рынков высокоразвитых стран и стран БРИКС // Альманах современной науки и образования, № 12 (67), 2012
9. Robert D. Gay, Jr. Effect Of Macroeconomic Variables On Stock Market Returns For Four Emerging Economies: Brazil, Russia, India, And China // International Business & Economics Research Journal - March 2008 Volume 7, Number 3 http://cluteinstitute.com/ojs/index. php/IBER/article/view/3229/3277
10. Ramin Cooper Maysami, Lee Chuin Howe, Mohamad Atkin Hamzah. Relationship between Macroeconomic Variables and Stock Market Indices: Cointegration Evidence from Stock Exchange of Singapore's All-S Sector Indices // Jurnal Pengurusan 24 (2004) 47-77 http://202.185.40.50/penerbit/jurnal_pdf/Jp24-03. pdf
11. Martin Sirucek. Macroeconomic variables and stock market: US review // International Journal of Computer Science and Management Studies, August 2012 http://mpra. ub. uni-muenchen. de/39094/1/MPRA_paper_39094. pdf
12. Ifuero Osad Osamwonyi and Esther Ikavbo Evbayiro-Osagie The Relationship between Macroeconomic Variables and Stock Market Index in Nigeria // J Economics, №3 (1), 2012, pp.55-63
13. Adamopoulos Antonios Stock market and economic growth: an empirical analysis for Germany. Business and Economics Journal, 2010 http://astonjournals.com/manuscripts/Vol2010/BEJ-1_Vol2010. pdf
14. Maheen Jamil, Naeem Ullah Impact of Foreign Exchange rate on stock prices // IOSR Journal of Business and Management, №3 (7), pp.45-51 http://iosrjournals.org/iosr-jbm/papers/Vol7-issue3/G0734551. pdf? id=5284
15. Dr. Aurangzeb Factors Affecting Performance of Stock Market: Evidence from South Asian Countries // nternational Journal of Academic Research in Business and Social Sciences, №9 (2), 2012
16. AdarmolaAnthony Olugbenga Exchange Rate Volatility and Stock Market Behaviour: The Nigerian Experience // Research Journal of Finance and Accounting №3 (3), 2012 http://www.iiste.org/Journals/index. php/RJFA/article/viewFile/1537/1469
17. Ifuero Osad Osamwonyi and Esther Ikavbo Evbayiro-Osagie The Relationship between Macroeconomic Variables and Stock Market Index in Nigeria // J Economics, №3 (1), 2012 pp/ 55-63 http://www.krepublishers.com/02-Journals/JE/JE-03-0-000-12-Web/JE-03-1-000-12-Abst-PDF/JE-03-1-055-12-052-Osamwonyi-I-O/JE-03-1-055-12-052-Osamwonyi-I-O-Tt. pdf
18. Naeem Muhammad and Abdul Rasheed Stock Prices and Exchange Rates: Are they Related? Evidence from South Asian Countries // The Pakistan Development Review №41 (4), 2002, pp.535-550 https: // www.researchgate.net/publication/24046328_Stock_Prices_and_Exchange_Rates_Are_they_Related_Evidence_from_South_Asian_Countries
19. Amare, T., M. Mohsin Stock Prices and Exchange Rates in the Leading Asian Economies: Short Versus Long Run Dynamics // journal of the Economic Society of Singapore, №45 (2), 2000, pp.165-181.
20. Onasanya, Olanrewaju. K, Femi J. Ayoola Does macroeconomic variables have effect on stock market movement in Nigeria // Journal of Economics and Sustainable Development, №10 (3), 2012
Подобные документы
Основные цели и задачи экономического анализа в макроэкономике. Характеристика ключевых макроэкономических моделей. Виды макроэкономических показателей. Понятие макроэкономических индикаторов и особенности их применения в экономическом прогнозировании.
курсовая работа [225,5 K], добавлен 19.12.2014Характеристика макроэкономических факторов, влияющих на динамику уровня инфляции в Российской Федерации. Анализ объема государственного внутреннего и внешнего долга. Исследование индексов потребительских цен на все товары и услуги в 2008-2013 годах.
контрольная работа [364,3 K], добавлен 30.05.2015Исследование теории применения макроэкономических индикаторов в предвидении экономической конъюнктуры. Изучение основных задач построения сводных индикаторов в рамках концепции циклов роста. Анализ моделей, агрегирующих процессы рыночного взаимодействия.
реферат [230,8 K], добавлен 19.07.2013Выявление связи экспорта и экономического роста стран БРИКС для периода 1989–2014 гг. Тестирование гипотезы о наличие краткосрочного и долгосрочного влияния экспорта на валовый внутренний продукт. Количество коинтеграционных соотношений по каждой стране.
дипломная работа [619,3 K], добавлен 30.11.2016Анализ финансовых шоков фондовых рынков России, США, Евросоюза. Структурные разрывы рынков, проверка на стационарность и взаимной интеграции. Оценка краткосрочного импульсного воздействия. Статистические показатели для стабильного и кризисного периодов.
дипломная работа [2,9 M], добавлен 19.02.2017Характеристика экономических моделей Армении и Молдовы, анализ их основных макроэкономических показателей. Оценка институтов стабильности и стратегии развития стран. Разработка мер по либерализации экономик, внедрение рыночного механизма ценообразования.
курсовая работа [2,5 M], добавлен 22.11.2019Исследование статистического индексного метода и его положения в статистике. Определение влияния отдельных факторов на общую динамику сложного явления. Анализ особенностей агрегатных, средневзвешенных и индексов с постоянными и переменными величинами.
реферат [60,8 K], добавлен 23.06.2012Структурная группировка макроэкономических показателей европейских стран; графики распределения по располагаемому доходу. Расчет индексов цены, физического объема, стоимости, производительности; динамика изменения показателей; факторный анализ издержек.
контрольная работа [104,0 K], добавлен 21.01.2013Расчет абсолютного отклонения. Особенности расчета влияния фактора "Выручка от продажи" и "Количество проданной продукции (товаров)". Влияния факторов на чистую прибыль отчетного периода. Расчет коэффициента соотношения доходов и расходов организации.
реферат [149,1 K], добавлен 10.06.2010Способы измерения влияния факторов в анализе хозяйственной деятельности. Способ цепной подстановки, используемый для расчета факторов во всех типах детерминированных факторных моделей. Методика факторного анализа. Сущность статистического наблюдения.
курсовая работа [441,9 K], добавлен 18.01.2015
