Подготовка данных и определение фазы экономического цикла

Для анализа был выбран временной промежуток с сентября 1997 года по ноябрь 2012 года. Были собраны следующие данные по экономике России:

• - Индекс промышленного производства по месяцам (г/г, %), IP.
• - Безработица по месяцам (%), U.
• - Торговый баланс по месяцам (млрд. USD), ТВ.
• - Индекс цен производителей по месяцам (м/м, %), PPI.
• - Индекс цен потребителей по месяцам (м/м, %), CPI.
• - Объем денежной массы М2 по месяцам (млрд, руб), М2.
• - Ставка рефинансирования по месяцам (%), DR.
• - Дневные значения закрытия индекса MICEX (используется для отслеживания агрегированного влияния на фондовый рынок), МСХ. Данные были получены из достоверных источников, таких как Федеральная государственная служба статистики, публично открытых баз данных холдинга «Финам» и российской медиа группы «РосБизнесКонсалтинг».

Для продолжения дальнейшей работы по выявлению влияния фазы бизнес-цикла на восприятие рынком макроэкономических новостей, нужно классифицировать уровни экономической активности. Возьмем годовой индекс промышленного производства за период 1992-2011 гг. (1992 г. = 100).

Рис. 4.1. Индекс промышленного производства в экономике России,

1992-2011 гг.

Построим линию тренда и определим ее функцию. Добавим константу к тренду и вычтем ее из тренда. Константа необходима для того, чтобы создать верхние и нижние интервалы. Константа равняется 10 и подобрана она таким образом, чтобы действительные значения промышленного производства были выше верхней границы в 25% случаев, и ниже нижней границы в 25% случаев.

Таким образом, мы выявили периоды высокой (пром. пр-во > верхние 25%), низкой (пром. пр-во < нижние 25%) и средней экономической активности (верхние 25% > пром. пр-во > нижние 25%).

Результаты

Для оценки влияния новой информации на стоимость акций будем использовать классическую линейную мультирегрессионную модель. В качестве регрессоров будут использоваться вышеупомянутые 7 типов показателей:

• - Индекс промышленного производства.
• - Безработица по месяцам.
• - Торговый баланс по месяцам.
• - Индекс цен производителей по месяцам.
• - Индекс цен потребителей по месяцам.

• - Объем денежной массы М2 по месяцам.
• - Ставка рефинансирования по месяцам.

В общем виде формула будет выглядеть следующим образом:

где ЛР₍ - процентное изменение в стоимости индекса относительно предыдущего дня,

Дх₍ - вектор 1 *7, содержащий в себе информацию об изменении макропоказателей относительно предыдущего периода, а - скалярная величина, b - вектор коэффициентов, е, - случайная ошибка.

Грант МакКвин и Вэнс Роли в своей модели [12] вначале используют компоненты ожидания, но впоследствии отказываются от них, ввиду их непоказательности.

Сначала проверим гипотезу Гранта МакКвина и Вэнса Роли для экономики России. Для этого оценим влияние экономических новостей на изменения фондовых индексов без учета цикличности экономического развития. Затем будет оценено влияние экономических новостей на изменения фондовых индексов с учетом цикличности экономического развития.

Грант МакКвин и Вэнс Роли в своей работе высокую и низкую фазу экономического цикла идентифицировали исключительно на основании 25%-ных границ: все, что выше, - высокая фаза, ниже - низкая. При подобном анализе представляется более правильным разбивать “высокие” и “низкие” фазы на более мелкие промежутки. Это позволит обнаружить скрытые тренды.

Вначале идентифицируем модель, описывающую зависимость индекса MICEX от макроэкономической статистики без учета бизнес- циклов. Построение модели (4.1) проведено в духе оригинального исследования МакКвина и Роли:

Статистические результаты вышеуказанной модели приведены в табл. 4.1.

Таблица 4.1

Эконометрические характеристики модели (4.1): зависимость индекса М1СЕХ от макроновостей без учета _кондиционного фактора

Мы видим очень низкий R² и наличие незначимых коэффициентов, соответственно, модель показывает отсутствие явного влияния совокупности выбранных регрессоров на динамику объясняемой переменной (нулевую гипотезу нельзя отвергнуть).

Произведем оптимизацию модели, уберем незначимые факторы:

Статистические характеристики модели приведены в табл. 4.2.

Таблица 4.2

Эконометрические характеристики модели (4.2): зависимость индекса MICEX от макроновостей без учета кондиционного фактора

Мы попытались выявить зависимость между индексом фондового рынка и макроэкономическими новостями без учета влияния кондиционного фактора. Мы построили две модели: первую - в духе оригинальных исследований МакКвина и Роли, а вторую - оптимизированную. Тем не менее, полученные результаты не позволяют говорить о явной зависимости и не противоречат более ранним работам в данном направлении.

Теперь проведем кондиционный анализ. Выберем из нашего временного ряда значения, соответствующие «высокой» фазе цикла. Для этого обратимся к рис. 4.1. Соответственно, этот период будет начинаться в январе 2007-го года и заканчиваться в декабре 2008-го.

Как и в случае с моделями (4.1) и (4.2), сначала мы построим модели, использующие оригинальный вектор регрессоров 1*7, а затем проведем их оптимизацию.

Проанализируем данные (см. табл. 4.3).

Таблица 4.3

Эконометрические характеристики модели (4.3): зависимость индекса MICEX от макроновостей с учетом кондиционного фактора _(«высокая» фаза)

Эконометрические характеристики модели для «высокой» фазы цикла не позволяют считать данную модель значимой и адекватной (низкий R², высокие P-значения для всех факторов).

Таким образом, для подтверждения гипотезы Гранта МакКвина и Вэнса Роли о значимости кондиционного фактора, нам необходимо произвести оптимизацию вышеописанной модели. Первым делом, построим по одной однофакторной модели для каждого из 7 регрессоров, а затем оценим результаты. Наилучшие результаты показывает однофакторная модель для изменений в ставке рефинансирования (см. табл. 4.4):

Таблица 4.4

Эконометрические характеристики модели (4.4): зависимость индекса MICEX

от изменений в ставке рефинансирования («высокая» фаза)

Также, хорошая зависимость (причем квадратичная, параметры которой находятся в табл. 4.5) обнаруживается между индикатором денежной массы М2 и индексом MICEX:

Таблица 4.5

Эконометрические характеристики модели (4.5): зависимость индекса MICEX от индикатора М2 («высокая» фаза)

Остальные однофакторные модели не демонстрируют значимых характеристик. Но необходимо выделить двухфакторную модель, использующую в качестве регрессоров индикатор денежной массы М2 и изменения в ставке рефинансирования. Эконометрические характеристики приведены ниже (таблица 4.6).

Таблица 4.6

Эконометрические характеристики модели (4.6): зависимость индекса MICEX от индикатора М2 и ставки рефинансирования _(«высокая» фаза)

Теперь становится очевидно, что кондиционный фактор играет свою роль. Значимыми индикаторами в «высокой» фазе цикла являются индикатор денежной массы М2 и изменения в ставке рефинансирования.

Зависимость между изменениями в ставке рефинансирования Центробанка и индексом MICEX описывается перевернутой параболой (модель 4.4, рис. 4.2). Максимальный прирост стоимости индекса MICEX составляет 1.3% при условии, что Центральный банк объявляет о своем решении оставить ставку рефинансирования неизменной. Можно сделать вывод о том, что рынок настороженно воспринимает изменения в ставке рефинансирования, когда экономика находится в фазе роста. При повышении ставки процента инвесторы видят активную заинтересованность ЦБ в проведении сдерживающей монетарной политики, что для участников фондового рынка является показателем приближения экономики к своему долгосрочному потенциалу. При уменьшении ставки процента инвесторы могут опасаться развертывания инфляции.

Таким образом, максимальный рост индекса достигается, когда ставка рефинансирования стабильна и неизменна в период подъема экономики. Точка максимума - (О ADR; 1.3 АМСХ).

Рис. 4.2. Зависимость индекса AMICEX от изменений ставки рефинансирования

Индикатор М2 отражает изменения в объеме денежной массы. Исходя из полученных данных, зависимость между М2 и индексом MICEX описывается параболой, ветви которой направлены вверх. На уменьшение и увеличение денежной массы инвесторы реагируют позитивно. В первом случае происходит упрощение доступа к прочим ресурсам, а во втором - облегчение доступа к деньгам. Опасаются инвесторы лишь стагнации денежной массы в период «высокой» фазы.

Теперь проанализируем «низкую» фазу экономического цикла. Обратившись к рисунку 4.1, определим ее границы: сентябрь 1997 г. - декабрь 2007 г. Как и в случае с «высокой» фазой, оригинальная многофакторная модель (4.7) не является значимой (см. табл. 4.7).

Таблица 4.7

Эконометрические характеристики модели (4.7): зависимость индекса MICEX от макроновостей с учетом кондиционного фактора

(«низкая» фаза)

Проведем оптимизацию вышеописанной модели, для этого построим по одной однофакторной модели для каждого регрессора. Самым значимым индикатором в момент низкой экономической активности является индекс цен производителей, параметры модели в таблице 4.8:

Таблица 4.8

Эконометрические характеристики модели (4.8): зависимость ин- декса MICEX от индекса цен производителей («низкая» фаза)

Зависимость между индексом цен производителей и индексом фондового рынка MICEX описывается полиномом третьего порядка. Таким образом, при увеличении ИЦП фондовый индекс падает, при уменьшении растет. Когда экономика находится “на дне”, агентами финансового рынка негативно воспринимается информация об увеличении ИЦП, так как возросшие издержки производителей могут помешать экономике начать подъем. Для периода оживления характерна низкая инфляция, высокая же может нести самые разнообразные последствия и спекуляции вокруг будущей монетарной политики.