Предмет. Поставлен вопрос, насколько взаимосвязаны фондовые рынки развитых стран и фондовый рынок России. Ответ на него важен для инвестиционных стратегий и международной диверсификации инвестиций. Цели. Исследование динамических корреляций и причинно-следственных связей между развитыми рынками и российским рынком. Методология. Для измерения изменяющихся во времени динамических условных корреляций между российским фондовым рынком и рынками развитых стран применялись модели BEKK GARCH, ССС GARCH и DCC-GARCH, использовались данные о доходности фондовых индексов SP500 (США), FTSE 100 (Великобритания), DAX 30 (Германия), CAC 40 (Франция), RTSI (Россия). Результаты. Установлено, что корреляции между российским фондовым рынком и рынками США и Великобритании, Германии и Франции во времени снижаются. Наиболее значительное снижение произошло с рынком США. Величина корреляции рынка США с российским рынком меньше, чем с развитыми рынками Европы. Выявлена двунаправленная корреляция между рынками РФ и зрелыми рынками Европы. Связь рынка США с рынком РФ однонаправленная. Передачи шоков от РФ к США не происходит. Влияние волатильности развитых стран значительно больше на текущую волатильность российского рынка, чем обратное. Выводы. Оценка передачи волатильности позволила установить статистическую значимость передачи волатильности от всех зрелых рынков к рынку РФ, незначимость обратной связи от рынка РФ к рынкам Великобритании и Германии. Это говорит о слабой интеграции российского рынка с рынками других стран. Учитывая, что корреляции с рынками развитых стран с 2014 г. после введения санкций значительно снизились, появилась возможность выгодно диверсифицировать международные портфели на российском рынке.
Ключевые слова: фондовый рынок, корреляции, модель BEKK GARCH (1,1), волатильность, модель DCC GARCH
Список литературы:
Al-Zeaud H., Alshbiel S.O. Multivariate Volatility and Spillover Effects in Financial Markets Case Study USA and Major European Stock Markets. Interdisciplinary Journal of Contemporary Research in Business, 2012, vol. 4, iss. 6, pp. 902–913. URL: Link
Anatolyev S. A Ten-Year Retrospective on the Determinants of Russian Stock Returns. Research in International Business and Finance, 2008, vol. 22, iss. 1, pp. 56–67. URL: Link
Jalolov M., Miyakoshi T. Who Drives the Russian Financial Markets? The Developing Economies, 2005, vol. 43, iss. 3, pp. 374–395. URL: Link
Федорова Е.А., Панкратов К.А. Влияние мирового финансового рынка на фондовый рынок России // Аудит и финансовый анализ. 2009. № 2. С. 78–83. URL: Link
Федорова Е.А. Оценка влияния фондовых рынков США, Китая и Германии на фондовый рынок России // Экономический анализ: теория и практика. 2013. № 47. С. 29–37. URL: Link
Chien-Chiang Lee, Chun-Ping Chang, Pei-Fen Chen. Money Demand Function versus Monetary Integration: Revisiting Panel Cointegration Among GCC Countries. Mathematics and Computers in Simulation, 2008, vol. 79, iss. 1, pp. 85–93. URL: Link
Gupta R., Donleavy G.D. Benefits of Diversifying Investments into Emerging Markets with Time-Varying Correlations: An Australia Perspective. Journal of Multinational Financial Management, 2009, vol. 19, iss. 2, pp. 160–177. URL: Link
Syllignakis M.N., Kouretas G.P. Dynamic Correlation Analysis of Financial Contagion: Evidence from the Central and Eastern European Markets. International Review of Economics & Finance, 2011, vol. 20, iss. 4, pp. 717–732. URL: Link
Samar Zlitni Abdelkefi, Walid Khoufi. Stock Markets Linkages Before, During and After Subprimes Crisis: Bivariate BEKK GARCH (1, 1) and DCC Models. International Journal of Economics, Finance and Management Sciences, 2015, vol. 3, iss. 3, pp. 213–230. URL: Link
Sakthivel P., Naresh Bodkhe, Kamaiah B. Correlation and Volatility Transmission across International Stock Markets: A Bivariate GARCH Analysis. International Journal of Economics and Finance, 2012, vol. 4, iss. 3, pp. 253–264. URL: Link
Paramati S.R., Gupta R., Tandon K. Dynamic Analysis of Time-Varying Correlations and Cointegration Relationship Between Australia and Frontier Equity Markets. International Journal of Business and Emerging Markets, 2016, vol. 8, iss. 2, pp. 121–145. URL: Link
Ajaya Panda, Swagatika Nanda. A GARCH Modelling of Volatility and M-GARCH Approach of Stock Market Linkages of North America. Global Business Review, 2018, vol. 19, iss. 6, pp. 1538–1553. URL: Link
Aziz Kutlar, Pınar Torun. The Econometric Analysis of Volatility Dynamics between Developed Market Economies and Emerging Market Economies. Scholars Journal of Economics, Business and Management, 2014, vol. 1, iss. 7, pp. 291–297. URL: Link
Erginbay Ugurlu, Eleftherios Thalassinos, Yusuf Muratoglu. Modeling Volatility in the Stock Markets using GARCH Models: European Emerging Economies and Turkey. International Journal in Economics and Business Administration, 2014, vol. II, iss. 3, pp. 72–87. URL: Link
Seth N., Singhania M. Volatility in Frontier Markets: A Multivariate GARCH Analysis. Journal of Advances in Management Research, 2019, vol. 16, iss. 3, pp. 294–312. URL: Link
Saleem Kashif. International Linkage of the Russian Market and the Russian Financial Crisis: A Multivariate GARCH Analysis. BOFIT Discussion Paper,2008, no. 8. URL: Link
Asaturov K., Teplova T., Hartwell C. Volatility Spillovers and Contagion in Emerging Europe. Journal of Applied Economic Sciences, 2015, vol. X, iss. 6, pp. 929–945. URL: Link
Salmanov O.N., Babina N.V., Bashirova S.V. et al. The Importance of the Country's GDP in the Evaluation of Companies Using Multiplies on the European Stock Market. Regional and Sectoral Economic Studies, 2016, vol. 16, no. 1, pp. 34–44. URL: Link
Салманов О.Н., Бабина Н.В., Баширова С.В., Самошкина М.В. Основные тенденции на российском рынке акций и сравнительная оценка компаний технологического сектора развивающихся рынков // Социально-экономические и правовые основы развития экономики: коллективная монография. Уфа: Аэтерна, 2016. С. 77–104.
Baba Y., Engle R.F., Kraft D., Kroner K.F. Multivariate Simultaneous Generalized ARCH. University of California, San Diego, 1990.
Engle R.F., Kroner K.F. Multivariate Simultaneous Generalized ARCH. Econometric Theory, 1995, vol. 11, iss. 1, pp. 122–150. URL: Link
Bollerslev T. Modelling the Coherence in Short-Run Nominal Exchange Rates: A Multivariate Generalized Arch Model. The Review of Economics and Statistics, 1990, vol. 72, iss. 3, pp. 498–505. URL: Link
Engle R.F. Dynamic Conditional Correlation: A Simple Class of Multivariate Generalized Autoregressive Conditional Heteroskedasticity Models. Journal of Business & Economic Statistics, 2002, vol. 20, iss. 3, pp. 339–350. URL: Link
