Жарияланымды жүктеу - G

Оценка влияния мировых цен на нефть на фондовый рынок:
современный подход
В современных условиях мировой экономики раскрывая такую
популярную и обсуждаемую тему как связь цен на нефть со стоимостью
ценных бумаг, в первую очередь, необходимо показать основные причины
этой взаимосвязи:

присутствие в структуре фондовых индексов высокой доли компаний
нефтегазового сектора;

распределение «нефтяных» денег в экономиках экспортирующих и
импортирующих нефть стран через заказы от самих нефтяных компаний и
через заказы самих государств;

психологический аспект, т.е. уровень уверенности инвесторов в
стабильности экономики страны, которая зависит от цен на нефть;

уровень денежной массы в странах, которые во многих случаях являются
выручкой
нефтеэкспортеров.
инвесторам
необходимо
вкладывать
появляющиеся при росте м2 «свободные» деньги и это приводит к росту
стоимости активов.
Особенно эти зависимости можно определить с помощью
корреляционных моделей, которыми часто пользуются экономисты всего
мира. Такие зависимости особенно заметны как в импортирующих нефть так
и в экспортирующих нефть странах. Для определении корреляции между
курсами ценных бумаг на фондовом рынке и ценами на нефть для
импортирующих нефть и экспортирующих нефть стран, часто используется
подход DCC-GARCH-GJR. Чтобы проверить вышеупомянутую гипотезу
были выбраны страны, которые занимают особо важную роль на мировом
фондовом рынке: экспортирующие нефть - Канада, Мексика, Бразилия и и
страны импортирующие нефть - США, Германия, Нидерланды.
Одновременные результаты корреляции показывают, что:
1. Изменяющиеся во времени корреляции не отличаются для
импортирующих нефть и экспортирующих нефть экономических систем,
2. корреляция увеличивается положительно (отрицательно) в ответ на
изменение цен на нефть, которое возникает из-за колебаний глобального
экономического цикла или мировых потрясений (например, войны).
Хотя предложение на рынке нефти никак не влияют на оба рынка.
Однако отдельные результаты корреляции показывают что изменения цен на
нефть отрицательно влияет на все цены фондовых рынков, независимо от
того как изменялись цены на нефть. Единственное исключение – 2008 год,
когда глобальный финансовый кризис изолировал цены на нефть и это
положение показало положительную корреляцию на фондовых рынках.
Методы оценки одновременной и изолированной, временной
корреляции между курсами ценных бумаг на фондовом рынке и ценами на
нефть для импортирующего нефть и экспортирующие нефть страны. Такие
изменения были рассмотрены в трудах Килиэна (2009) и Гамильтона (2009),
где говорится о происхождении шоков цены на нефть (совокупный шок со
стороны спроса, ожидаемый шок спроса и шок со стороны предложения).
Надо заметить, что во время исследования очень важную роль играет само
происхождение шоков цены на нефть. Несмотря на то, что влияние цены на
нефть на макроэкономические переменные были экстенсивно изучены, но в
то же время надо отметить что связь между фондовым рынком и ценами на
нефть недостаточно исследованы. Есть некоторые динамические
исследования корреляции между этими двумя рынками. Первый подход к
динамическому движению между ценами на нефть и фондовыми рынками
были выполнены Юингом и Томпсоном (2007). Используя циклические
компоненты цен на нефть и курсы акций. Они пришли к выводу, что цены на
сырую нефть процикличны и могут изолировать курсы акций на 6 месяцев.
Бхарн и Николован (2010) исследовали динамику корреляции между
фондовым рынком и ценами на нефть в России, используя двумерную модель
EGARCH. Они идентифицировали три крупных события (то есть, 11
сентября 2001 года - террористическая атака, война в Ираке 2003 и
гражданская война в Ираке в 2006), которые вызвали отрицательную
корреляцию между Российским фондовым рынком и цены на нефть. Чой и
Хэммудех (2010) применяя симметрическую DCC-GARCH-модель
обнаружили увеличения корреляции среди нефти Брента, нефти WTI, меди,
золота и серебра, и уменьшения корреляции с S&P500-индекса. Чанг,
Макэлир и Тансучет (2010) основываясь на симметрической модели-DCCGARCH также исследовали условные корреляции и избытки изменчивости
между сырой нефтью (WTI и рынками Брента) и FTSE100, NYSE, Доу Джонс
и индексы запаса S&P500.
Дж. Филис, С. Дегианнакис и К. Флорос (2011) для исследования
временной корреляции между нефтью и курсами ценных бумаг на фондовом
рынке и определения происхождения шока цены на нефть использовали
динамическую условную корреляцию асимметричности GARCH или
DCCGARCH-GJR, которая не была применена прежде. Кроме того, здесь
следует правильно отличить отношения между ценами на нефть и
фондовыми рынками среди импортирующих нефть стран и экспортирующих
нефть стран по отдельности. Более точно, Парк и Рати (2008) исследовали 13
европейских стран, где они пришли к заключению что положительные шоки
цены на нефть вызывают положительные эффекты для норвежского
фондового рынка (экспортер нефти), тогда как противоположное происходит
с остальными из 13 европейских фондовых рынков (нефтяные импортеры).
Аперджис и Миллер (2009) с другой стороны, пришли к выводу что
фондовые рынки (как для импортирующих нефть, так для экспортирующих
нефть страны), имеют тенденцию не реагировать на ценовые шоки нефти
(положительно или отрицательно). Чтобы построить DCC-GARCH-GJRмодель они использовали данные от 1987 – 2009 г.г., для шести стран: три
экспортирующих нефть - Канада, Мексика, Бразилия и три импортирующих
нефть - США, Германия, Нидерланды. DCCGARCH-GJR-модель может быть
последовательно оценена для изменения в длительном времени матричной
ковариации, но в то же время это требует оценки меньшего количества
параметров чисел, чем другие многомерные модели GARCH-GJR.
Финансовой литературе есть тенденция, которая в течении определенного
времени изменяет переменную корреляцию между ценами на нефть и
фондовыми рынками. Исследуя динамическую корреляцию между фондовым
рынком и ценой на нефть, экономисты пришли к выводу, что наиболее
подходящая для исследования изменений на фондовом рынке лучше всего
подходит асимметричная модель DCC-GARCH. Таким образом, для более
подробного анализа изменения корреляции между ценами на нефть и
фондовым рынком, необходимо подробно исследовать шоки цен на нефть.
Известно что во многом мировые цены на нефть колеблются из-за
ожидаемых изменений спроса на сырую нефть. Однако, есть четыре
совокупных шоков цены на нефть в отношении спроса. Первый шок
произошел во время Азиатского экономического кризиса, второй в 2000
году, когда показатели спроса значительно уменьшились, и это привело к
кризису на рынке жилья и строительной промышленности. Третий шок
возник в период 2006–2007 г.г., который был следствием возрастающего
спроса на нефть Китая и четвертый шок цены на нефть - глобальный
финансовый кризис 2008 года.
Таким образом, здесь необходимо обсудить возможные механизмы
передачи шоков цены на нефть на фондовый рынок. В экономической теории
отмечается, что любая цена актива должна определяться с его ожидаемыми
дисконтированными денежными потоками (Фишер 1930; Уильямс 1938).
Таким образом, любой фактор, который мог изменить ожидаемый
дисконтированный денежный поток должен иметь существенный эффект на
действующие цены. Следовательно, любое увеличение цены на нефть
привело бы увеличению затрат, ограничивая прибыль и уменьшая доходы
акционеров. Любое увеличение цены на нефть должно сопровождаться
уменьшением курса на акций. Предполагается что данный случай одинаково
влияет на ситуации фондовых рынков импортирующих нефть и
экспортирующих нефть стран, хотя много авторов утверждают, что эффект
цены на нефть на фондовые рынки воздействует лишь косвенно и это можно
объяснить через макроэкономические индикаторы. Согласно Борнланд
(2009), Джименез-Родригес и Санчес (2005) увеличение цен на нефть
приводит к значительному позитивному эффекту в экспортирующих нефть
странах, так как в этом случае увеличиваются доходы страны. Увеличение
ожидаемого дохода приведет к повышению расходов и привлечению
дополнительных инвестиций, которые в свою очередь создают большую
производительность труда и низкий уровень безработицы. В таком случае
фондовые рынки имеют тенденцию реагировать положительно. Для страныимпортера нефти любая цена на нефть приводит к противоположным
результатам (Ле Бланк и Чинн 2004, Хукер 2002). Увеличение цены на нефть
приведет к более высокой стоимости производства, поскольку нефть - один
из самых важных производственных факторов (Ароури и Нгуен 2010; Бакус и
Кручини 2000; Ким и Лунгани 1992). Стоимость увеличенной доли цены на
нефть будет передан к потребителям. Высокие розничные цены в свою
очередь приведут к понижению спроса и к повышению потребительских
расходов. Низкий уровень потребления может привести к понижению
производства и таким образом увеличить уровень безработицы. Фондовые
рынки в таком случае реагируют отрицательно. Однако, ценовые шоки на
нефть могут повлиять на фондовые рынки не только из-за нестабильности во
всем финансовом мире, но это напрямую зависит и от природы самого шока
(со стороны спроса или со стороны предложения). В таком случае фондовые
рынки могут реагировать положительно к шоку цены на нефть, который
происходит из-за спроса, и отрицательно если шок происходит со стороны
предложения.
Важно отметить, что исследование зависимости между фондовым
рынком и цены на нефть сосредоточено на изменяющейся во времени
корреляции. Таким образом, построение модели не предполагает оценить
систему, которая изолирует шоки цен на нефть или исследовать то, как
влияют на шоки цен внутренние или внешние факторы. Предположим (n×1)
вектор и {yt} относятся к многомерному вероятностному процессу быть
оцененным. В существующей образцовой структуре, n=2 и yt =y1,t; y2,t;, где y1,
t обозначает возвращения регистрации индекса запаса, и y2, t обозначает logreturns из цен на нефть (возвращения регистрации - первое различие
логарифмических цен). Процесс новшества для условного εt≡yt −μt имеет
(n×n) условную матрицу ковариации Vt−1(yt) ≡Ht:
yt = μt + εt
εt = Ht1/2zt
zt =f(zt: 0; I;ν)
Ht = σ(Ht−1; Ht−2; …; εt−1; εt−2; …);
(1)
где Et−1(yt) ≡ μt показывает значение yt в условиях доступности
информации во времени t−1, It−1. zt является (n×1) векторным процессом,
таким образом:
E(zt)=0 E(ztz’t)=I. F(zt;0,I,v), обозначает многомерную
стандартизированную плотность распределения Т-Стьюдента:
vn
z 't z t 
f ( zt ;0, I , v) 
(1
) 2 ,
n
/
2
v

2
(v / 2)( (v  2))
((v  n) / 2)
(2)
где Γ(.) - гамма функция, и ν - степень свобод, которые буду т оценены
для ν>2. Многомерное распределение Т-Стьюдента первая модель
предложенная по оценке многомерных моделей ARCH Харви, Руисом,
Сентаной (1992) и Фиоринтини, Сентана и Кальцолари (2003).
σ(.) - положительная измеримая функция изолированной условной
матричной ковариации и процесса новшества. Распределение Т-Стьюдента
позволяет моделировать избыток «leptokurtosis», который не захвачен
процессом ARCH.
Энгл (2002) ввел динамическую условную корреляцию GARCH, или
DCC-GARCH, модель. DCC-GARCH может быть последовательно оценена
для больших изменяющихся во времени матричной ковариации (кроме того,
это требует оценки меньшего количества числа параметров, чем другой
многомерной Модели GARCH). Это предполагает, что матрица ковариации
может анализироваться следующим образом:
Ht = Σt1/2Ct Σt1/2,
(3)
Где Σt1/2- диагональная матрица с условными стандартными
отклонениями вдоль диагонали, то есть:
Σt1/2= diag(σ1, t; σ2. t; …; σn,t)
и Ct - матрица условных корреляций. Модель оценена в двух шагах. В
первом шаге, условных различиях, σi2, t для i=1, …, n активы, оценены как
Глостен, Джаганатхан, и Ранкл (1993) модели GJR:


 i2,t  ai,0  ai  i2,t 1  i d  i,t 1  0  i2,t 1  bi i2,t 1 ,
(4)
где ai,o, ai, γi, bi - параметры, которые будут оценены, Модель GJR
позволяет хорошие новости, (εt−1>0), и дурные вести, (εt−1<0), чтобы иметь
условно различать эффекты (то есть. рычаги или асимметричный эффект).
Поэтому, хорошие новости оказывают влияние ai, в то время как дурные
вести оказывают влияние ai +γi. В симметричной модели GARCH, различие
только зависит от величины а не признака εt, который несколько
противоречит эмпирическому поведению возвращений регистрации, где
эффект рычагов может присутствовать.
Во втором шаге, используя последние данные первой стадии, оценена
условная корреляция. Временная переменная матричной корреляции имеет
форму:
Ct = Qt* −1/2 QtQt*−1/2,
(5)
Матричная корреляция, Q t = (qi, j, t), вычислена следующим образом:
Qt = (1−a−b) Q + a(zt−1z’t−1 ) + bQt−1,
(6)
где zt - остатки, стандартизированные их условным стандартным
отклонением, то есть zt = (z1, t, z2, t, …,zn, t) ′ = (ε1,tσ1,t−1, ε2,tσ2, t−1, …, εn,tσn,t−1)′, Q
безоговорочная ковариация стандартизированных остатков и Qt*−1/2 диагональная матрица, составленная из квадратных корней инверсии
диагональных элементов Qt, то есть Qt*−1/2=diag(q1,1,t−1/2, q2, 2, t−1/2, …, qn, n, t−1/2).
Для технической информации об оценке модели упомянуты в трудах
Ксекалаки и Дегианакис (2010).