Эффекты заражения между американским и российским фондовыми рынками в 2020–2023 годах

Настоящее исследование посвящено оценке перетеканий волатильности между российским фондовым индексом RTSI и американским индексом S&P-500 в период с января 2020 г. по декабрь 2023 г., охватывающий как докризисный этап, так и период широкомасштабных международных санкций против России. Цель работы – выявить изменения характера взаимозависимости и динамики волатильности двух рынков под воздействием глобальных и региональных шоков, включая санкционные ограничения 2022 г. Методологической основой исследования является двумерная модель VAR(1)-GARCH(1,1), позволяющая одновременно анализировать средние и условные дисперсии доходностей, а также фиксировать эффекты переливания волатильности и заражения. Выбор модели обусловлен ее способностью учитывать асимметричные реакции рынков на внутренние и внешние шоки и оценивать временную изменчивость взаимосвязей. Результаты показывают, что до введения санкций наблюдались значительные двусторонние переливания волатильности, особенно в условиях глобальных кризисов, таких как пандемия COVID-19. После 2022 г. интенсивность этих эффектов снизилась, при этом условная корреляция между рынками ослабла в периоды региональных потрясений. Для российского рынка выявлена высокая постоянная составляющая волатильности, отражающая структурный уровень риска, тогда как для американского рынка волатильность формировалась в основном за счет прошлых шоков. Выводы исследования указывают на возросшую независимость российского фондового рынка от динамики американского, сопровождающуюся признаками адаптации к санкционному режиму. Полученные результаты могут быть полезны при анализе трансграничных финансовых связей, управлении рисками и формировании инвестиционных стратегий в условиях геополитической неопределенности.

1. Аганин А. Д., Пересецкий А. А. Волатильность курса рубля: нефть и санкции // Прикладная эконометрика. 2018. № 4(52). С. 5–21

2. Аганин А. Д. Волатильность российского фондового индекса: нефть и санкции // Вопросы экономики. 2020. № 2. С. 86–100. URL: https://doi.org/10.32609/0042-8736-2020-2-86-100

3. Ануфриева Е. В. Влияние макроэкономических показателей на доходность индексов российской фондовой биржи // Финансовый журнал. 2019. № 4. С. 75– 87. URL: https://doi.org/10.31107/2075-1990-2019-4-75-87

4. Владимиров Е. Системный риск российской экономики // Финансы и бизнес. 2017. № 4(13). С. 117–130.

5. Тугушева Н. С. Влияние макроэкономических факторов на динамику фондового рынка: анализ на примере стран БРИКС // ВШЭ. Магистерская диссертация. 2016. URL: https://www.hse.ru/ba/epa/students/diplomas/182292215

6. Федорова Е., Неврединов А., Черникова Л. Влияние санкций на капитализацию отечественных компаний: отраслевой аспект // Корпоративные финансы. 2023. № 2(17). С. 50–67. URL: https://doi.org/10.17323/j.jcfr.2073-0438.17.2.2023.50-67

7. Черных А. А. Обзор методов анализа эффективности экономических санкций и их адаптация для оценки влияния на Россию в новом информационном контексте // Вестник Российского экономического университета им. Г. В. Плеханова. 2024. № 4. С. 48–62. URL: https://doi.org/10.21686/2413-2829-2024-4-48-62

8. Afanasyev D., Fedorova E., Ledyaeva S. Strength of words: Donald Trump’s tweets, sanctions and Russia’s ruble // Journal of Economic Behavior & Organization. 2021. Vol. 184. P. 253–277. URL: https://doi.org/10.1016/j.jebo.2021.02.002.

9. Arin K. P., Caporale G. M., Kyriacou K., Spagnolo N. Financial Integration in the GCC Region: Market Size Versus National Effects // Open Econ Rev. 2020. Vol. 31. P. 309–316. URL: https://doi.org/10.1007/s11079-019-09554-6.

10. Arouri, Amine Lahiani, Duc Khuong Nguyen. World gold prices and stock returns in China: Insights for hedging and diversification strategies // Economic Modelling. 2015. Vol. 44. P. 273–282. URL: https://doi.org/10.1016/j.econmod.2014.10.030

11. Bauwens L., Laurent S., Rombouts J. V. K. Multivariate GARCH models: a survey // J. Appl. Econ. 2006. Vol. 21. P. 79–109. URL: https://doi.org/10.1002/jae.842

12. Beirne J., Caporale G. M., Schulze-Ghattas M., Spagnolo N. Volatility Spillovers From Mature Stock Markets // Review of International Economics. 2013. Vol. 21. P. 1060–1075. URL: https://doi.org/10.1111/roie.12091

13. Bollerslev T. Modelling the coherence in short-run nominal exchange rates: a multivariate generalized ARCH approach // Rev. Econ. Stat. 1990. Vol. 72. P. 498–505. URL: https://doi.org/10.2307/2109358

14. Engle R. F., Kroner K. F. Multivariate simultaneous generalized ARCH // Econ. Theory. 1995. Vol. 11. P. 122–150.

15. Ling S., McAleer M. Asymptotic theory for a vector ARMA–GARCH model // Econ. Theory. 2003. Vol. 19. P. 278–308. URL: https://doi.org/10.1017/S0266466603192092.

16. Obi P., Freshia W., Moses N. An event study on the reaction of equity and commodity markets to the onset of the Russia–Ukraine Conflict // Journal of Risk and Financial Management. 2023. Vol. 16(5). P. 256. URL: https://doi.org/10.3390/jrfm16050256.

17. Omidi Z., Farazmand H., Anvari E., Arman S. A. Investigating the impact of exchange rate and oil price fluctuations on Iran’s steel exports to China with sanctions in focus: A wavelet and multivariate-GARCH approach // International Journal of Iron & Steel Society of Iran. 2021. Vol. 18(1). P. 98–105. URL: https://doi.org/10.22034/ijissi.2021.540392.1209

18. Sultonov M. The Impact of International Sanctions on Russian Financial Markets // Economies. 2020. Vol. 8(4). P. 107. URL: https://doi.org/10.3390/economies8040107

19. Syriopoulos T., Makram B., Boubaker A. Stock market volatility spillovers and portfolio hedging: BRICS and the financial crisis // International Review of Financial Analysis. 2015. Vol. 39. P. 7–18. URL: https://doi.org/10.1016/j.irfa.2015.01.015