Размещено на http://www.allbest.ru/

Введение

Замедление темпов роста экономики Китая, а вместе с ним и ряда других развивающихся стран, остается одной из наиболее обсуждаемых тем в течение последних полутора лет. Опасения экономистов и политиков сложно назвать напрасными, ведь уменьшающиеся темпы роста ВВП провоцируют последующее снижение цен на нефть и другие природные ресурсы в силу того, что львиная доля мирового спроса на продукты полезных ископаемых исходит именно со стороны развивающихся экономик. Особенно важна в текущих событиях роль Китая, являющегося крупнейшим в мире потребителем металлов (Abdul-Hamid, 2015) и вторым по величине потребителем нефти (CIA). Как следствие, ВВП развитых стран в 2015 году вырос больше, чем у развивающихся (1.98% против 1.92%) без учета Китая впервые за последние 16 лет (Невельский, 2016), а цена нефти марки Brent упала с более чем $100/барр. в 2014 до около $45 на текущий момент.

Неудивительно, что подобные структурные сдвиги в экономике и в том числе ряд некоторых внутренних проблем как, например, фондовый пузырь в Китае, время от времени провоцируют значительные колебания на финансовых рынках. Но могут ли колебания на рынках разных стран объяснять друг друга? Путем простого сравнения исторических значений индексов SSE Composite (один из основных рыночных индексов акций Китая), S&P 500 и Dow Jones Industrial Average (одни из наиболее известных индексов США), можно заметить, что в период с 1 июля 2015 по 31 августа 2015 SSE Composite потерял ок.29%, в то время как S&P 500 и DJIA просели на 12% и 10% соответственно. Кроме того, в течение 24 и 25 августа 2015 года, получивших впоследствии название «черных» понедельника и вторника, SSE падал на 9% и 7% соответственно, а DJIA потерял 6% на открытии торгов в понедельник. Ряд экономистов и политиков объясняли столь сильные одновременные колебания возросшей в последние годы интеграцией американской экономики с китайской, и соответственно беспокойством инвесторов относительно перспектив дальнейшего экономического роста Китая и его политикой относительно обменного курса юаня (Popper, 2015; Zaru, 2015; Johnson, 2015). Однако, у этих аргументов также были и оппоненты. Так, например, министр по делам развития и реформ Китая в марте 2016 опроверг все слухи о том, что колебания на китайских фондовых и валютных рынках повлекли за собой аналогичные колебания в развитых странах. Объяснение простое: китайская экономика в принципе не способна провоцировать подобные последствия (Yichen, 2016).

Перечисленные выше события и указанная дискуссия заставили меня задуматься о том, действительно ли мы можем сейчас видеть возросшую зависимость фондового рынка США от Китая и рынков стран БРИКС, а также какой эта зависимость была в течение двух последних десятилетий. В своем исследовании я проверяю гипотезу, что в течение последних двух лет мы наблюдаем процесс усиления влияния экономик и фондовых рынков развивающихся стран на показатели финансовых рынков развитых стран - в частности, на США.

Преимущество моей работы состоит в том, что ее результаты могут быть полезны вне зависимости от конечного вывода: Если будет доказано отсутствие какой- либо значимой зависимости индексов США от стран БРИКС то это будет означать, что все беспокойства инвесторов и экономистов относительно возросшей интеграции фондовых рынков не имеют под собой фундаментальных оснований. В противном же случае можно будет предположить существование структурных изменений в мировой экономике и усиливающейся возможности развивающихся стран определять повестку дня, что несет за собой ряд рисков, обсуждение которых может быть проведено в дальнейшем.

Научная новизна моего исследования состоит в том, что несмотря на довольно большое количество научных работ (см. Обзор литературы), анализирующих влияние указанных фондовых рынков друг на друга, на данный момент не был проведен анализ этого вопроса для периода, захватывающего последнее развитие событий второй половины 2014 и всего 2015 года. В своей работе я пытаюсь заполнить этот пробел.

Результаты исследования потенциально могут быть полезны для инвесторов, принимающих решения о вложении денежных средств в рассматриваемые рынки, а также для более детального понимания текущего развития экономической ситуации в мире людьми, которых в той или иной степени интересует вопрос, изученный в данной научной работе.

Обзор литературы

Множество работ в поисках доказательства интегрированности и, соответственно, взаимозависимости фондовых рынков Китая и США, было опубликовано как в период до Мирового финансового кризиса, так и после. В данном разделе я бы хотел более детально упомянуть несколько статей, результаты которых имеют наибольший интерес для моей научной задачи.

Несмотря на последовательное укрепление позиций экономики Китая на мировой арене как минимум с конца 90-х гг, проведенные до начала финансового кризиса исследования в общем и целом указывают на относительно слабую интегрированность Китая с мировыми рынками, а также на отсутствие способности фондового рынка Китая оказывать влияние на США, в то время как имеет место обратная зависимость. Так, Huang et al. (2000) исследовали коинтеграцию и каузальность между фондовыми рынками США, Японии и SCGT (South China Growth Triangle) в период с 2 октября 1992 до 30 июня 1997. Для тестирования каузальности применялся Granger-Causality test, показавший, что изменения фондовых индексов США имеют большее влияние на SCGT, чем на Японию. Стоит отметить, что авторы также учитывали значительную разницу в работе бирж относительно мирового времени. Таким образом, результаты, в частности, показали, что колебания на фондовом рынке США провоцируют аналогичные изменения на гонконгских и тайваньских биржах на следующий день. Данная статья является полезной для моего исследования, так как (i) в ней применяется ряд методов, которые я также буду использовать в своей работе (тест Дики-Фулера, Granger Causality test), (ii) учтены временные различия в работе бирж Китая и США, что с (iii) с учетом полученных результатов на интервале 1992-1997 гг. создает удобную базу для их сравнения с выводами, которые я получаю на более позднем временном промежутке (я рассматриваю период 1997-2016 гг.).

Hsiao et al. (2003) также обнаружили зависимость азиатских рынков от США как через связь финансовых, так и реальных секторов. Авторы утверждают, что данная зависимость усилилась на фоне бума в развитии информационных технологий. Для доказательства утверждения также использовался тест на причинность по Грэнджеру. Основной результат - однонаправленной связи между ВВП США и ВВП Японии, Тайвани, Кореи и Китая нет. В то же время падения на фондовом рынке США приводят к аналогичным падениям в Японии, Тайвани и Корее, но не в Китае. Lin and Wu (2003) изучали связь Китая с биржами Гонконга, Тайвани и США в период с января 2000 по май 2003. Для оценки зависимости использовались VAR модель с последующей декомпозицией Бернанке-Симса и GARCH - модель. В результате вновь была обнаружена слабая связь Китая и США. Кроме того, авторы пришли к выводу, что состояние Шанхайской фондовой биржи является доминирующим над состоянием Шеньчженьской фондовой биржи. Последний результат позволяет предполагать одинаковые выводы про взаимозависимость Шанхайской и Шеньчженьской бирж с рынками США, которые я покажу в своем исследовании.

Yang et al. (2003) оценивали рост взаимозависимости фондовых рынков США, Японии и ряда азиатских стран как реакцию на Азиатский финансовый кризис 1997-1998 гг. Авторы использовали ECM (error correction model) в качестве основного инструмента. Результаты исследования показали, что рынки начинают больше зависеть друг от друга после кризиса по сравнению с докризисной ситуацией. Однако стоит отметить, что ученые также показали значительное влияние США на Азию в периоды до, в течение, и после кризиса, не обнаружив обратной зависимости наряду с исследованиями упомянутых выше авторов. Несмотря на довольно ранний период анализа, выводы данной работы актуальны для моего исследования: можно предполагать, что в периоды обвалов фондовых рынков в 2015 году мы также наблюдали усиление их интеграции друг с другом.

Tian (2007) изучал вопрос интеграции рынка Китая с рынками США и Японии. Однако в сравнении с Yang et al. (2003) автор рассмотрел не только ближайший к Азиатскому финансовому кризису период, но и уделил особое внимание последствиям запуска программы QFII (Qualified Foreign Institutional Investor) в 2001 году. Данная программа позволила иностранным инвесторам покупать акции китайских компаний типа “A”, которые ранее были доступны только локальным инвесторам. В результате Tian (2007) обнаружил рост интегрированности рынка акций типа “А” с другими рынками, включая США. В то же время автор указал на отсутствие явной зависимости “А”-рынка с “B” - рынком. В частности, “B” - рынок слабо интегрирован в мировую экономику. Тем не менее, несмотря на последние развития событий, Tian (2007) все равно отмечает слабую общую зависимость Китая и США, вновь предполагая относительную изолированность китайских фондовых рынков. Wand and Di Lorio (2007) в своей работе также не подтвердили возрастающую зависимость рынков акций типа “B” и “H” с их мировыми аналогами.

Некоторые статьи, написанные после Мирового финансового кризиса, указывают, что события 2008-2009 гг. повлекли за собой более сильный рост интеграции Китая, однако явной способности китайских рынков влиять на фондовые рынки США вновь не наблюдается. Так, Babecky et al. (2013) в своей статье об интеграции китайского и российского фондовых рынков с мировыми рынками рассматривают период с 1995 по 2010 гг, что позволяет им анализировать последствия как Азиатского финансового кризиса, Российского финансового кризиса в 1998 году, так и Мирового финансового кризиса. Авторы указывают на возросшую зависимость рынков в периоды после и во время кризисов в конце 90-х, которая затем незначительно изменялась до момента наступления мирового кризиса. После 2008-09 гг. волна интеграции вновь возобновилась, но усиления влияния Китая на США не замечается.

Valukonis (2013) анализирует влияние макроэкономических факторов на фондовый рынок Китая, а также основные тенденции основных фондовых индексов на промежутке 2008-2012гг. В качестве основы для исследования берутся три основных индекса: Shanghai Shenszhen CSI 300, Shanghai Stock Exchange Composite Index и Shenzhen Stock Exchange Composite Index, доходность которых сравнивается в дальнейшем с основными индексами других регионов с помощью корреляционного анализа. Автор приходит к выводу, что до начала Мирового финансового кризиса тренды в поведении индексов всех регионов были почти одинаковыми, в то время как после восстановления рынков в 2009 году наблюдаются разнонаправленные по сравнению с глобальными рынками доходности Китая. Кроме того, корреляция между индексами США и Китая очень слаба, что подразумевает их относительную независимость друг от друга, однако в то же время наблюдается зависимость индексов Китая от его собственных макропоказателей. Статья стала еще одним подтверждением низкой зависимости Китая от глобальных рынков.

Johansson (2010) наоборот пытается опровергнуть утверждение об изолированности китайского фондового рынка от других рынков. В своем анализе автор использовал метод условных копул, с помощью которых показал, что несмотря на относительную изолированность Китая от других рынков до наступления Мирового финансового кризиса, после 2008 года наоборот наблюдается тенденция к его интеграции с мировыми рынками. Johannson предлагает несколько объяснений полученным результатам. Во-первых, это постепенное размывание различий между акциями классов A, B и H, что приводит к одновременному уменьшению различий с акциями других стран. Во-вторых, это продолжающийся процесс кросс-листинга акций китайских компаний одновременно на внутренних и международных биржах.

Наконец, George L.Ye (2014), опираясь в своей работе на тот факт, что большинство проведенных ранее эмпирических исследований не показали строгой зависимости индексов китайского и американского фондовых рынков, решает проанализировать способность доходностей индексов S&P500 и DJIA предсказывать положительное или отрицательное изменение индексов SSE и SZSE в момент их открытия на следующий день. Для этого автор использует непараметрический тест с разделением доходностей на дневные, трейдинговые и ночные. В результате автор показал, что американский рынок действительно начал оказывать данное влияние на китайские индексы начиная с 2008 года. В свою очередь, обратная зависимость начала выполняться в намного меньшей степени с 2010 года. Таким образом, George L.Ye продемонстрировал, что в случае очень больших потерь DJIA и S&P 500 в определенный день после 2008 года, можно с уверенностью ожидать слабых показателей SSE и SZSE в момент открытия биржи на следующий день. В своем исследовании я также использую разделение доходностей на три вида, но использую при этом параметрическую модель.

Таким образом, несмотря на большое количество статей, посвященных интеграции фондовых рынка Китая и развивающихся стран в мировые рынки, отчетливых подтверждений способности Китая влиять на значения фондовых индексов США до сих пор найдено не было. Однако стоит отметить, что анализируемые в данных работах периоды не включали в себя события последних двух лет, в то время как мое исследование во многом сконцентрировано именно на этом временном интервале. Является ли обвал фондовых индексов США и Китая (включая страны БРИКС) в 2015 году проявлением изменения зависимости рынков друг от друга? Ответить на этот вопрос я пытаюсь дать в следующих частях работы.

Данные

Для изучения взаимовлияния финансовых рынков друг на друга я использую основные фондовые индексы США и Китая. Так, для США рассматриваются индексы Dow Jones Industrial Average (DJIA) и S&P500. Для Китая используются показатели Shanghai Composite Index (SSE Composite) и Shenzhen Composite Index (SZSE Composite). Исторические значения открытия и закрытия индексов рассматриваются в период с 2 января 1997 года по 31 декабря 2015. Столь длительный временной интервал был выбран во многом для того, чтобы проанализировать, какое влияние друг на друга оказывали рынки исторически, а затем переключиться на период двух последних лет. Все данные были выгружены из системы Thomson Reuters.

Во всех случаях временные ряды абсолютных значений индексов не прошли тест на стационарность (см. Приложение 1), поэтому используются показатели их доходностей. В частности, в зависимости от специфики нужной нам информации рассчитываются дневные (“dayret” в названии переменных), ночные (“overret”), и торговые (“trret”). Отметим, что такой метод расчета доходностей является довольно популярным и неоднократно может встречаться в научной литературе. Так, например, Турмышев (2009/2010) в своей статье о влиянии изменений цены нефти и американских фондовых индексов на российский финансовый рынок со ссылкой на работу Hamao et al. (1990) подразделяет доходности на close-to-open и open-to-close, что позволяет ему и указанным авторам правильнее учитывать влияние результатов торгов на мировых рынках на локальные торги. Кроме того, данный способ также используется в статье George L. Ye (2014), и я применяю тот же метод, что и автор. Опишем этот процесс более подробно:

George L. Ye (2014) определяет (i) - значение индекса при открытии торгов на бирже в день t; (ii) - значение индекса при закрытии торгов на бирже в момент t. Далее автор определяет уже упомянутые выше три вида доходностей индексов:

Дневная доходность ;

Ночная доходность ;

Доходность в течение трейдинговых часов: ;

Подобный подход необходим для проведения анализа, так как время работы бирж относительно всемирного координированного времени значительно отличается среди стран: в общем случае (не учитывая переходы США на летнее время) разница между закрытием бирж в США и открытием торгов в Китае составляет 5,5 часов. Аналогична разница между закрытием торгов в Китае и их открытием в США. Именно поэтому было бы сомнительно анализировать влияние фондовых рынков друг на друга, используя только дневные доходности индексов.

Наконец, довольно часто случалось, что значения индексов существовали в определенные дни для одной страны, но в то же время отсутствовали для другой в результате несовпадения установленных законами дней работы бирж в каждой из стран. В этом случае я удалял данные для несовпадающих дат, оставляя только соответствующие друг другу дни.

Прежде чем перейти к описанию методологии исследования, проанализируем описательные статистики и корреляционные матрицы рассматриваемых переменных. Это позволит нам заранее предположить существование определенных зависимостей между индексами, а также проверить, являются ли нормальными распределения временных рядов.

Для начала рассмотрим описательные статистики наших временных рядов:



Рис.1: Описательные статистики доходностей фондовых индексов США и Китая

Можно заметить, что индексы Китая характеризуются более высокими средней доходностью и стандартными отклонениями по сравнению с индексами США (если говорить о дневных доходностях). Кроме того, ни одно из распределений перечисленных временных рядов не является нормальным, и при этом каждое имеет очень высокий эксцесс.

Далее проанализируем корреляционную матрицу:

Рис.2: Корреляционная матрица доходностей фондовых индексов США и Китая

Как мы можем видеть, дневные доходности биржевых индексов США и Китая скоррелированы очень слабо, в то время как наибольший коэффициент корреляции с США имеют ночные доходности SSE и SZSE, что позволяет нам предварительно предположить значимое влияние дневных доходностей США на ночные китайские. В заключение отметим, что суммы ночных и дневных доходностей Китая также не имеют достаточно высокой корреляции с США и, на мой взгляд, во многом включают в себя эффект зависимости ночных доходностей. Корреляции же обратного типа, то есть зависимости между дневными доходностями Китая и ночными для США скорее указывают нам на потенциальное отсутствие влияния Китая на США на промежутке 1997-2015 гг.:

Рис.3 Корреляционная матрица ночных доходностей США и дневных доходностей Китая

Методология

Анализ данных полностью проводится в статистическом программном обеспечении EViews. Как было отмечено во введении, ни один из индексов не прошел тест на стационарность, поэтому я перевел данные в формат доходностей, впоследствии подразделившихся на три вида.

Сначала нам нужно выбрать временные ряды, которые будут наиболее подходящими для выявления взаимовлияния США и Китая. Выбор тех или иных рядов зависит от величины и значимости коэффициентов. Я использую довольно простые линейные робастные регрессии:

1) Для анализа влияния S&P500 и DJIA на значения SSE Composite и SZSE Compoite линейная регрессия задается следующим уравнением:

где - дневная доходность американского индекса в день (t-1), - ночная доходность одного из китайских индексов в день t. Таким образом, при использовании данной регрессии я проверяю, как объясняется поведение китайского рынка американским, а именно как доходность американского индекса в предыдущий день влияет на ночную доходность китайского индекса в наступивший день.

2) Далее также анализируются результаты регрессий ночных американских доходностей на дневные доходности Китая, то есть по сути метод аналогичный, только в данном случае - дневная доходность китайского индекса, а - ночная доходность одного из американских индексов.

Непосредственно после выбора переменных, с использованием которых регрессии демонстрируют наибольшие значения и значимые коэффициенты, я пытаюсь понять, влияют или не влияют доходности индексов США на Китай и наоборот. На мой взгляд, для ответа на вопрос в подобной постановке наиболее полезным будет тест на каузальность по Грэнджеру (Granger causality test) (Granger, 1969). Так, мы будем считать, что одна переменная является "причинной по Грэнджеру" для другой переменной в том случае, если предсказательная сила будущих значений второй переменной, основанная на своих прошлых значениях (лагах), хуже, чем предсказательная сила, основанная на прошлых значениях обеих переменных одновременно. Отметим, что данный тест удобен тем, что изначально разрабатывался для определения взаимовлияния между двумя переменными (Granger, 1969). Кроме того, тест также вполне устойчив к предпосылке о временных рядах, распределение которых не является нормальным (Hacker and Hatemi-J, 2006). Это особенно актуально для данного исследования, так как анализ всех используемых переменных опроверг гипотезу об их нормальном распределении.

Как мы знаем, результаты теста на каузальность по Грэнджеру могут зависеть от числа используемых лагов, поэтому следующим шагом исследования является определение их оптимального количества. Для решения данной проблемы обратимся к статье Fun and Shim (1989), в которой авторы показали более сильное влияние информационных шоков со стороны США на котировки акций европейских и азиатских фондовых рынков и отсутствие значительного влияния в обратную сторону. Так, Eun and Shim (1989) также посчитали, что в подавляющем числе случаев шоки были учтены фондовыми рынками в течение двух дней, после чего эффект становился практически нулевым. Кроме того, я также провел собственную проверку на рациональность использования двух лагов: последовательно были сделаны дополнительные регрессии индекса SSE Composite на S&P 500 и SSE Composite на DJIA в моменты . В результате в момент коэффициент при DJIAdayret перестал быть значимым, а коэффициент при S&Pdayret был значим только на 10%-ном интервале и незначим в момент (см. Приложение 2). Принимая во внимание данные результаты, я считаю, что использование двух временных лагов является наиболее оптимальным методом.

Определившись с количеством лагов, далее важно понять, как сильно они друг с другом скоррелированы. Действительно, в случае очень высоких корреляций лагов друг с другом интерпретация результатов могла бы значительно усложниться. Тем не менее, мои расчеты показали довольно низкую коррелированность (см. Приложение 3), что значительно облегчает задачу по интерпретации.

Наконец, проведя все перечисленные выше проверки и расчеты, я перехожу к анализу причинностей по Грэнджеру. Как было подчеркнуто ранее, данные рассматриваются на длительном промежутке времени, чтобы проследить историческое взаимовлияние финансовых рынков друг на друга. Таким образом, сначала Грэнджер - тест проводится на промежутке 1997-2016 гг., но так как меня особенно интересует потенциальное изменение зависимости рынков в течение последних двух лет, я разделяю этот промежуток на более короткие путем поиска точек структурного разрыва. Для данной операции наиболее подходящим является Quandt-Andrews breakpoint test с 15% - ным триммингом данных (на мой взгляд, наиболее часто используемая величина тримминга), так как он позволяет определять неизвестную точку структурного разрыва на всём заданном промежутке, в то время как, например, Chow test может быть использован для проверки только конкретно выбранных точек. Последовательно находя структурные сдвиги в данных, я разделяю промежутки данных вплоть до периода последних двух лет и вновь провожу регрессионный анализ и Грэнджер-тест на каждом из них, после чего делаю выводы о наличии или отсутствии влияния фондовых рынков друг на друга.

Результаты: США и Китай

В результате анализа результатов линейных робастных регрессий я выбрал 4 зависимости, которые в наибольшей степени подходят для тестирования взаимовлияния двух рынков: (i) sseoverret на djiadayret, (ii) sseoverret на sp500dayret, (iii) szseoverret на djiadayret, (iv) szseoverret на sp500dayret. Помимо значимости коэффициентов на 1% - ном интервале, каждая из рассмотренных регрессий показала не менее (см. Приложения 4, 5, 6), что является довольно высоким результатом для регрессий с временными рядами подобного рода. Стоит также отметить, что я пробовал добавлять в регрессии квадраты переменных (например, и т.д.), однако эта операция не привела к росту , поэтому от дальнейшего анализа зависимостей такого вида было решено отказаться. Также рассматривались все другие варианты регрессий (например, sseday+over на sp500dayret), включая американские индексы на китайские (например, djiaoverret на ssedayret), но все они обладали более низким : менее 1% в большинстве случаев (все таблицы с результатами доступны по запросу).

Перейдем к результатам анализа причинности по Грэнджеру:

Часть 1: Взаимовлияние SSEoverret и DJIAdayret (см. Приложение 4)

На промежутке 1997-2016 гг. гипотеза об отсутствии каузальности djiadayret на sseoverret не принимается на 1% - ном уровне значимости, в то время как отсутствие каузальности sseoverret и djiadayret не опровергается. Таким образом, можно считать, что исторически показатели фондовых рынков США оказывали влияние на Китай в большей степени, чем наоборот - этот результат в целом совпадает с рассмотренными в обзоре литературы статьями. Проведём упомянутый ранее Quandt-Andrews breakpoint test, чтобы найти первую точку структурного сдвига: результат теста указывает на 15.08.2007. Разделим наш временной ряд на два более коротких и вновь проведем указанные тесты на каждом из них. В результате получаем, что на промежутке 1997-2007 нельзя говорить о зависимости рынков из-за незначимого коэффициента в регрессии и невозможности опровергнуть отсутствие каузальности индексов в обоих направлениях. В свою очередь, на промежутке 2007-2015 можно наблюдать очень высокий по сравнению с предыдущими значениями , а также сохраняющееся влияние американского рынка на китайский.

Последовательно выполняя аналогичные операции, в конечном счете мы получаем структурный разрыв 12.05.2014, что позволяет получить результаты для последних полутора лет. На промежутке 2014-2016 гг., анализ взаимовлияния доходностей SSE Composite и DJIA вновь показал однонаправленное влияние США на Китай, то есть в данном случае моя изначальная гипотеза об изменении направления вектора влияния фондовых рынков двух стран друг для друга не нашла подтверждения. Тем не менее, стоит отметить, что значимость для первой гипотезы сместилась с 1% - ного на 10% - ный интервал. Далее проверим, обладает ли данный результат постоянством при проверке оставшихся пар временных рядов.

Часть 2: Взаимовлияние SSEoverret и SP500dayret (см. Приложение 5)

Промежуток 1997-2016 гг. В данном случае результат совпадает с тем, что мы получили в первой части для SSEoverret и DJIAdayret. Quandt-Andrews тест для SP500dayret вновь указывает на структурный разрыв в точке 15.08.2007.

Промежуток 1997-2007 гг.: Для данного промежутка 1997-2007 результат аналогичен предыдущему.

Промежуток 2007-2015 гг.: Вновь наблюдается очень высокий и сохраняющееся влияние американского рынка на китайский. Аналогично действиям в части 1, получаем последний структурный разрыв в точке 19.11.2014.

Промежуток 2014-2015 гг.: Гипотеза об отсутствии влияния США на Китай не принимается на 5%-ном доверительном интервале. Таким образом, анализ взаимовлияния доходностей индекса SSE Composite с ключевыми американскими индексами продемонстрировал каузальность США на Китай как на длительном промежутке с 1997 по 2015 гг, так и на коротком с 2014 по 2015 гг. Проанализируем две оставшиеся зависимости и проверим, изменятся ли полученные выводы.

Части 3 и 4: Взаимовлияние SZSEoverret и DJIAdayret, SZSEoverret и SP500dayret (см. Приложение 6).

За некоторыми исключениями результаты были аналогичными как для DJIAdayret, так и для SP500dayret, поэтому в целях удобства выводы указаны совместно для обоих индексов.

Промежуток 1997-2015 гг. Granger-causality тест в данном случае показывает одновременное влияние США и Китая друг на друга (в случае с влиянием SZSE на SP500 и DJIA - гипотеза об отсутствии влияния не принимается на 10%-ном интервале). Данный результат противоречит тому, который мы получили при использовании доходности SSE Composite. Такой исход сложно подвергнуть рациональной интерпретации, так как индексы SZSE и SSE Composite не имеют радикальных различий по своей структуре, и при этом капитализация SZSE значительно меньше, чем SSE Composite. Безусловно, одной из возможных версий может быть влияние некоторого третьего фактора, который остается неучтенным в данной работе. Однако цель моего исследования заключается именно в том, чтобы попытаться найти зависимость именно между индексами вне зависимости от сторонних факторов. Вследствие этого я дополнительно решил проверить, будет ли двусторонним влияние рынков друг на друга в том случае (в частности, будет ли влиять ночная доходность SZSE влиять на дневную доходность S&P500 и DJIA), если мы протестируем взаимозависимость индексов в обратном порядке, то есть поочередно прогоним регрессии и Грэнджер-тесты SP500dayret и DJIAdayret на SZSEoverret. Отметим, что в этом случае регрессии не совсем аналогичны предыдущим, так как сперва ночные доходности Китая в момент t+1 прогонялись на дневные доходности США в момент t (то есть в предыдущий день). Ввиду сильных различий во времени работы бирж относительно мирового времени, в новом варианте дневные доходности США в момент t гонятся на ночные доходности Китая также в момент t, то есть мы анализируем, могут ли ночные доходности Китая оказывать влияние на дневные доходности США в тот же календарный день.

Результаты проверки на промежутке 1997-2015 гг. (См. Приложение 6, Рис. 34,35): Получаем, что американские индексы являются каузальными по Грэнджеру для SZSE - это соответствует результату, полученному ранее для SSE и позволяет предположить, что описанное выше одновременное влияние США и Китая друг на друга является следствием некоторого третьего фактора, но изменения направленности влияния все-таки не наблюдается. Далее посмотрим, изменятся ли результаты, если рассмотреть зависимости после первого структурного разрыва 15.08.2007.

Промежуток 2007-2015 гг.: Согласно результатам на новом промежутке, переменные вновь влияют друг на друга. Однако если аналогичным образом провести проверку (сделать регрессии и Грэнджер-тесты обратного вида), то вновь наблюдается влияние США на Китай, но не наоборот (См. Приложение 6, Рис. 38, 39).

Далее найдем вторую точку структурного разрыва: в случае с DJIAdayret структурный разрыв оказывается незначимым (см. Рис. 40), что делает нерациональным рассмотрение промежутка последних двух лет для DJIA. Тем не менее, Quandt-Andrews тест для SP500 указывает на 26.09.2014, поэтому я анализирую результаты регрессии и Грэнджер-теста только для данного индекса.

Промежуток 2014-2015 гг.: На промежутке последних полутора лет мы вновь наблюдаем одностороннее влияние доходностей индекса S&P 500 на SZSE. Учитывая идентичные результаты, полученные в частях 1 и 2, можно утверждать, что моя гипотеза об изменении взаимозависимости фондовых рынков Китая и США в течение последних двух лет, не подтвердилась. Более того, также наблюдается каузальность США на Китай по Грэнджеру и в период с 1997 по 2015 гг. включительно.

Таблица со всеми полученными результатами представлена ниже:

Рис. 4: Взаимовлияние США и Китая

* - Объяснение отсутствия причинности по Грэнджеру в отмеченных случаях представлено выше.

Результаты: США и остальные страны БРИКС

В этом разделе я обсуждаю результаты, полученные для оставшихся стран-членов БРИКС: Бразилия (индекс BOVESPA), Россия (индекс RTS), Индия (SENSEX), Южная Африка (Johannesburg all share index). Исследование зависимости проводилось с применением такой же методологии, что и для США и Китая. Стоит отметить, что возникали ситуации, когда гипотеза о следующей точке структурного разрыва не принималась, что делало бессмысленным рассмотрение зависимостей в период последних двух лет. В этих случаях рассматривался ближайший возможный промежуток (например, 2008-2015 для США и Индии). При выявления одновременного влияния переменных друг на друга (двусторонняя причинность по Грэнджеру), я так же тестировал зависимости рынков при помощи регрессий в обратную сторону. Данная часть исследования является скорее дополняющей к основной, ведь ключевая задача изначально лежала в понимании зависимости Китая и США. В случае с остальными странами БРИКС я ожидал получить идентичные результаты. Тем не менее, как можно видеть ниже, не во всех случаях ожидания совпали с реализовавшимися результатами.

Все таблицы с описательными статистиками, корреляционными матрицами, результатами Quandt-Andrews test, а также регрессиями, на основе которых принимались решения о включении тех или иных видов доходностей, точек структурного сдвига в анализ, доступны по запросу.

США и Бразилия: Промежуток 1997-2015 гг.: случае с США и Бразилией на данном промежутке результаты являются вполне ожидаемыми, так как показывается однонаправленная причинность по Грэнджеру индексов США на Бразилию. В силу очень слабых различий во времени торгов между двумя биржами, в качестве переменных использовались трейдинговые доходности бразильского и американского индексов, включая также и дневную доходность американских индексов.

Промежуток 2008-2015 гг.: показывается отсутствие причинности по Грэнджеру для пар индексов DJIAdayret-BOVtrret и SP500dayret-BOVtrret, в остальных же случаях однонаправленное влияние США на Бразилию сохраняется. Отсутствие зависимости для двух указанных случаев сложно поддается интерпретации. Вероятно, причина заключается в определенном третьем факторе, который не включен в анализ (объяснение такой методологии указано в первом разделе с результатами).

Промежуток 2012-2015 гг.: наблюдается влияние Бразилии на США, но не наоборот. Подобный результат сложно подвергнуть рациональной интерпретации.

Таким образом, в случае с США и Бразилией результат анализа каузальности индексов друг между другом совпадает для длительного промежутка, однако на более коротких наблюдаются сложные для интерпретации отклонения от ожидавшихся результатов.

Рис. 5: Взаимовлияние США и Бразилии

США и Россия: На каждом из рассмотренных промежутков наблюдаются сложные для интерпретации результаты. Так, на 1997-2015 показано влияние ночных доходностей RTS на дневные доходности S&P 500, на 2008-2015 и 2014-2015 - влияние ночных доходностей RTS на дневные доходности DJIA, но одновременное влияние доходностей S&P 500 на RTS. Таким образом, постоянство в результатах отсутствует, что также сложно поддается логической интерпретации.

Рис. 6: Взаимовлияние США и России

* - Отсутствие причинности по Грэнджеру установлено в результате проверки (см. описание в первой части результатов)

Рис. 7: Взаимовлияние США и Индии

* - Отсутствие причинности по Грэнджеру установлено в результате проверки (см. описание в первой части результатов)

США и Индия: В случае США и Индии на всех промежутках (за исключением одной зависимости в период 2006-2015) наблюдается двустороннее влияние доходностей индексов друг на друга. Данный результат также сложно интерпретировать.

США и ЮАР: Ситуация для этих стран также аналогична предыдущим: отмечается влияние индекса ЮАР на оба индекса США, но не наоборот. Учитывая большую разницу в размере рынков, подобный результат вновь сложно интерпретировать.

Рис. 8: Взаимовлияние США и ЮАР

Таким образом, анализ взаимовлияния США и остальных стран БРИКС не продемонстрировал ожидаемых результатов. Более того, во многих случаях получившиеся зависимости сложно интерпретировать, что вероятно намекает на не включенные в исследование третьи факторы.

Заключение

фондовый рынок финансовый

Вопрос взаимозависимости и степени интеграции фондовых рынков развитых и развивающихся стран представляет большой интерес для экономистов. Тем не менее, на данный момент нет актуальных работ, в которых авторы попытались бы понять, изменялась ли зависимость рынков друг от друга на фоне событий последних двух лет в виде замедления экономического роста Китая, последующих резкого падения цен на нефть и металлы, и особенно недавних обвалов на фондовых рынках. Цель моего исследования заключалась как раз в том, чтобы дать ответ на этот вопрос.

Данное исследование я провел в два этапа. Сначала я оценивал взаимовлияние фондовых рынков США и Китая в течение периода 1997-2016 гг. и, в частности, последних двух лет - этот анализ стал основным для моей работы и продемонстрировал наиболее важные выводы. На втором этапе я анализировал взаимовлияние индексов США и остальных стран-членов БРИКС, изначально предполагая намного меньшую степень влияния со стороны этих развивающихся экономик.

Для ответа на свой исследовательский вопрос я применял ряд эконометрических инструментов, среди которых были тест на причинность по Грэнджеру, тест Квандта-Эндрюса на структурные сдвиги и линейные регрессии.

В результате анализа взаимовлияния фондовых рынков США и Китая я обнаружил влияние доходностей американских индексов на китайские, но не наоборот, на промежутке с 2014 по 2015 гг. - именно тот интервал, который включает в себя обвал фондовых индексов летом 2015 года. Таким образом, основная гипотеза моего исследования не подтвердилась: развитые и развивающиеся страны еще не прошли точку, после которой их роли во влиянии друг на друга поменяются. Кроме того, стоит отметить, что в периоды с 1997 по 2015 гг. и с 2007 по 2015 гг. также наблюдается одностороннее влияние США на Китай.

Что касается выводов второго этапа исследования, то в ряде случаев я получил результаты, для которых сложно найти рациональную интерпретацию. Так, например, сложно объяснить получившуюся зависимость индексов США от индексов ЮАР и Индии на фоне уже доказанной обратной зависимости для Китая. Одной из возможных причин таких результатов могут быть определенные третьи факторы, которые я в данной работе не учел. Тем не менее, моей основной задачей было понять именно то, как индексы влияют друг на друга без включения посторонних факторов. Таким образом, более глубокий анализ подобных зависимостей мог бы быть проведен в дальнейших исследованиях. Кроме того, одним из возможных недостатков моей работы может являться тот факт, что причинность по Грэнджеру, на которую я неоднократно ссылаюсь во время исследования, не является «причинностью» в ее буквальном смысле. Однако на данный момент нет идеальных способов для оценки той самой настоящей «причинности», поэтому применение данного теста показалось мне наиболее оптимальным методом.

В заключение я хотел бы отметить, что полученные выводы вряд ли являются устойчивыми в долгосрочном периоде. Так, по оценкам экономистов МВФ, значительные колебания в экономиках развивающихся на текущий момент объясняют третью часть всех последующих колебаний на рынках развитых стран (IMF, 2016; Donnan, 2016). Помимо уже совершившегося включения юани в корзину ключевых мировых валют (Noble, 2015), что еще 8 лет назад упоминалось Masson et al. (2008) как один из ключевых факторов финансовой интеграции Китая, эксперты видят еще много возможностей для дальнейшего усиления зависимости финансовых рынков развивающихся стран с развитыми. Одной из основных является продолжающееся упрощение доступа иностранных инвесторов на долговые рынки и рынки акций. Кроме того, по мнению МВФ, крупнейшие центральные банки мира уже инкорпорируют в свои модели сценарии развития ситуации на развивающихся рынках, что вновь указывает на растущую взаимозависимость рынков друг от друга (IMF, 2016). Таким образом, несмотря на то, что влияние фондовых рынков развивающихся стран на развитые в данный момент не установлено, развитие событий в ближайшие годы вполне может стать поворотной точкой в этой зависимости.

Литература

1. Abdul-Hamid, Omar S., ed. "Monthly Oil Market Report." OPEC, December 10, 2015, 1-105. <http://www.opec.org/opec_web/static_files_project/media/downloads/publications/MOMR_December_2015.pdf >

2. Babecky, Jan, Lubos Komarek, and Zlatuse Komarkova. 2013. "Convergence of returns on Chinese and Russian stock markets with world markets: national and sectoral perspectives." National Institute Economic Review no. 223: 16. Academic OneFile, EBSCOhost

3. Central Intelligence Agency. “The World Factbook”. <https://www.cia.gov/library/publications/the-worldfactbook/rankorder/2243rank.html>

4. Donnan, Shawn. “Impact of China on Advanced Economies Set to Grow.” Financial Times, April 4, 2016.

5. <http://www.ft.com/intl/cms/s/0/0456bdb2-fa80-11e5-8e04 8600cef2ca75.html#axzz48BXWX3sl>

6. Fun, Cheol S., and Sangdal Shim. 1989. "International Transmission of Stock Market Movements." Journal Of Financial & Quantitative Analysis 24, no. 2: 241-256. Business Source Complete, EBSCOhost (accessed May 10, 2016).

7. Granger, C. W. J. “Investigating Causal Relations by Econometric Models and Cross-spectral Methods”. Econometrica 37.3 (1969): 424-438. Web. 4 May 2016

8. Hacker, R. Scott, Hatemi-J, Abdulnasser. "Tests for Causality between Integrated Variables Using Asymptotic and Bootstrap Distributions: Theory and Application." Applied Economics 38.13 (2006). Web. 4 May 2016.

9. Hamao, Yasushi, Ronald W. Masulis, and Victor Ng. “Correlations in Price Changes and Volatility Across International Stock Markets”. The Review of Financial Studies 3.2 (1990): 281-307. Web. 3 May 2016.

10. Hsiao, Frank S.T, Mei-chu W Hsiao, and Akio Yamashita. 2003. "The impact of the US economy on the Asia-Pacific region: does it matter?." Journal Of Asian Economics 14, 219-241.ScienceDirect, EBSCOhost.

11. Huang, Bwo-Nung, Chin-Wei Yang, and John Wei-Shan Hu. 2000. "Causality and cointegration of stock markets among the United States, Japan and the South China Growth Triangle."International Review Of Financial Analysis 9, 281-297. ScienceDirect, EBSCOhost.

12. IMF. "The Growing Importance of Financial Spillovers from Emerging Market Economies." World Economic and Financial Surveys, April 2016, 57-85.

13. Johansson, Anders C. 2010. "China's Financial Market Integration with the World." Journal Of Chinese Economic And Business Studies 8, no. 3: 293-314. EconLit, EBSCOhost.

14. Johnson, Brent. “Christie Slams Obama's Ties to China amid stock market fall.” NJ.com, August 24, 2015.

15. <http://www.nj.com/politics/index.ssf/2015/08/christie_joins_trump_other_gop_hopefuls_in_blaming.html>

16. Li, Hong. 2012. "The impact of China's stock market reforms on its international stock market linkages." Quarterly Review Of Economics And Finance 52, 358-368. ScienceDirect, EBSCOhost.

17. Lin, J., Wu, C., 2003. “Modeling China stock markets and international linkages” (paper presented the Conference on Analysis of High-Frequency Financial Data and Market Microstructure, Taipei, Taiwan, December 15-16, 2003).

18. Masson, P., Dobson, W., Lafrance, R., 2008. China's integration into the global financial system. Bank of Canada Review 2008 (Summer), 17-29.

19. Noble, Josh. “Renminbi Joins Top Five Most-Used Currencies”. Financial Times, January 28, 2015.

20. <http://www.ft.com/intl/cms/s/0/6b8441f0-a69c-11e4-89e5-00144feab7de.html#axzz48BXWX3sl>

21. Popper, Nathaniel. “Stocks Deepen their Slide After Early Gains Evaporate.” New York Times, August 24, 2015.

22. <http://www.nytimes.com/2015/08/26/business/dealbook/daily-stock-market-activity.html>

23. Tian, Gary Gang. 2007. "Are Chinese Stock Markets Increasing Integration with Other Markets in the Greater China and Other Major Markets?” Australian Economic Papers 46, no. 3: 240-253. Business Source Complete, EBSCOhost.

24. Valukonis, Mantas. 2013. "China's Stock Market Trends and Their Determinant Analysis Using Market Indices”. Economics & Management 18, no. 4: 651-660. Business Source Complete, EBSCOhost.

25. Wang, Yuenan, and Amalia Di Iorio. 2007. "Are the China-related stock markets segmented with both world and regional stock markets?." Journal Of International Financial Markets, Institutions & Money 17, 277-290.ScienceDirect, EBSCOhost.

26. Yang, Jian, James W. Kolari, and Insik Min. 2003. "Stock market integration and financial crises: the case of Asia." Applied Financial Economics 13, no. 7: 477. Business Source Complete, EBSCOhost.

27. Ye, George L. 2014. "The interactions between China and US stock markets: New perspectives." Journal Of International Financial Markets, Institutions & Money 31, 331-342. ScienceDirect, EBSCOhost.

28. Yichen, Chen. “China's impact on world markets hyped: regulator.” Xinhua, March 6, 2016.

29. <http://news.xinhuanet.com/english/2016-03/06/c_135160108.htm>

30. Zaru, Deena.: Donald Trump on market crash: “This could get very messy!” CNN, August 24, 2015.

31. <http://edition.cnn.com/2015/08/24/politics/donald-­?trump-­?markets-­?china/>

32. Невельский, Алексей. Развивающиеся страны начали тормозить мировую экономику//

33. <http://www.vedomosti.ru/economics/articles/2016/02/26/631615-razvivayuschiesya-tormozit>

34. Турмышев, Дмитрий. 2009/2010. “Влияние результатов торгов на американской фондовой бирже на доходность российского индекса ММВБ”. РЭШ. Курсовая работа.

Приложение

1) Для проверки рядов на стационарность использовался тест Дики-Фулера. Изначальные временные ряды, отражавшие абсолютные значения индексов на выбранном временном интервале, не прошли данный тест, вследствие чего я перевел их в формат доходностей, которые оказались стационарными.

Рис. 9: Тест Дики-Фулера для абсолютных значений

Рис. 10: Тест Дики-Фулера для доходностей

Рис. 11: Регрессии SSEoverret на DJIAdayret и SP500dayret, период t.

Рис. 12: Регрессии SSEoverret на DJIAdayret и SP500dayret, период t-1.

Рис. 13: Регрессии SSEoverret на DJIAdayret и SP500dayret, период t-2.



Рис. 14: Регрессии SSEoverret на DJIAdayret и SP500dayret, периоды t-3 и t-4.

Рис. 15: Матрица корреляций между лагами

4) Часть 1: Взаимовлияние SSEoverret и DJIAdayret

Рис. 16. SSEoverret и DJIAdayret 1997-2015: Результаты регрессии.

Рис. 17. SSEoverret и DJIAdayret: Granger-causality test на промежутке 1997-2015.

Рис. 18. SSEoverret и DJIAdayret 1997-2007: Результаты регрессии.



Рис. 19. SSEoverret и DJIAdayret: Granger-causality test на промежутке 1997-2007.

Рис. 20. SSEoverret и DJIAdayret 2007-2015: Результаты регрессии

Рис. 21. SSEoverret и DJIAdayret: Granger-causality test на промежутке 2007-2015.

Рис. 22. SSEoverret и DJIAdayret 2014-2015: Результаты регрессии.



Рис. 23. SSEoverret и DJIAdayret: Granger-causality test на промежутке 2014-2015.

5) Часть 2: Взаимовлияние SSEoverret и SP500dayret

Рис. 24. SSEoverret и SP500dayret 1997-2015: Результаты регрессии.

Рис. 25. SSEoverret и SP500dayret: Granger-causality test на промежутке 1997-2015.



Рис. 26. SSEoverret и SP500dayret 1997-2007: Результаты регрессии.

Рис. 27. SSEoverret и SP500dayret: Granger-causality test на промежутке 1997-2007.

Рис. 28. SSEoverret и SP500dayret 2007-2015: Результаты регрессии.

Рис. 29. SSEoverret и SP500dayret: Granger-causality test на промежутке 2007-2015.



Рис. 30. SSEoverret и SP500dayret 2014-2015: Результаты регрессии.

Рис. 31. SSEoverret и SP500dayret: Granger-causality test на промежутке 2014-2015.

6) Части 3 и 4: Взаимовлияние SZSEoverret и DJIAdayret, SZSEoverret и SP500dayret

Рис. 32. SZSEoverret и DJIAdayret, SZSEoverret и SP500dayret 1997-2015: Результаты регрессии.



Рис. 33. SZSEoverret и DJIAdayret, SZSEoverret и SP500dayret: Granger-causality test на промежутке 1997-2015.

Рис. 34. (Проверка) SZSEoverret и DJIAdayret, SZSEoverret и SP500dayret 1997-2015: Результаты регрессии.



Рис. 35. SZSEoverret и DJIAdayret, SZSEoverret и SP500dayret: Granger-causality test на промежутке 1997-2015.

Рис. 36. SZSEoverret и DJIAdayret, SZSEoverret и SP500dayret 2007-2015: Результаты регрессии.



Рис. 37. SZSEoverret и DJIAdayret, SZSEoverret и SP500dayret: Granger-causality test на промежутке 2007-2015.

Рис. 38. (Приложение) SZSEoverret и DJIAdayret, SZSEoverret и SP500dayret 2007-2015: Результаты регрессии.



Рис. 39. SZSEoverret и DJIAdayret, SZSEoverret и SP500dayret: Granger-causality test на промежутке 2007-2015.

Рис. 40. Quandt-Andrews test для DJIAdayret



Рис. 41. SZSEoverret и SP500dayret 2014-2015: Результаты регрессии.

Рис. 42. SZSEoverret и SP500dayret: Granger-causality test на промежутке 2014-2015.

Размещено на Allbest.ru