Влияние изменения цены сырой нефти марки Brent на рыночные котировки нефтяных компаний России

	CointEq1	s.e.	t-stat
D(LUKOIL)	0.013703	(0.01028)	[ 1.33237]
D(GAZPROM)	0.000158	(0.00107)	[ 0.14805]
D(SURGUT)	0.000760	(0.00026)	[ 2.89889]
D(TATNEFT)	0.005042	(0.00079)	[ 6.35328]
D(BRENT)	0.000339	(0.00045)	[ 0.75175]
D(RTS)	0.013933	(0.00560)	[ 2.48771]
D(SNP)	0.004717	(0.00479)	[ 0.98484]
D(EX_RATE)	8.04E-05	(2.3E-05)	[ 3.54683]

В спецификации модели для 2006-2015 гг. в первое и второе коинтеграционное уравнение вошли: TATNEFT, BRENT, SNP, EX_RATE. Долгосрочный тренд для параметров в этом периоде оказался значимым для: SURGUT, TATNEFT, ROSNEFT, RTS, SNP как в случае первого, так и в случае второго коинтеграционного уравнения.

Табл. 8: Значимость коэффициентов коинтеграционных уравнений; VECM 2006-2015гг.

	CointEq1	s.e.	t-stat	CointEq2	s.e.	t-stat
D(LUKOIL)	-0,00104	-0,00085	[-1.21530]	0,005173	-0,0049	[ 1.05586]
D(GAZPROM)	3,62E-05	(5.8E-05)	[ 0.62776]	-0,00024	-0,00033	[-0.72018]
D(SURGUT)	2,62E-05	(1.4E-05)	[ 1.94367]	-0,00017	(7.7E-05)	[-2.17969]
D(TATNEFT)	-0,00028	(9.1E-05)	[-3.02192]	0,00143	-0,00052	[ 2.73307]
D(ROSNEFT)	-0,00042	-0,00013	[-3.32430]	0,002334	-0,00072	[ 3.22298]
D(BRENT)	1,59E-05	(3.9E-05)	[ 0.41307]	-5,88E-05	-0,00022	[-0.26601]
D(RTS)	-0,0013	-0,00058	[-2.24477]	0,007437	-0,00333	[ 2.23240]
D(SNP)	-0,00093	-0,00037	[-2.51109]	0,00541	-0,00212	[ 2.55498]
D(EX_RATE)	-1.03E-06	(1.0E-05)	[-0.10219]	1.03E-05	(5.8E-05)	[ 0.17947]

Далее будут проведены все те же процедуры для второго временного промежутка: 2006-2015 гг. В этом случае оптимальный лаг также равен 2, однако, в отличие от предыдущего случая, здесь будет уже 2 коинтеграционных соотношения. В данном случае в тексте работы также будет представлена лишь та часть результатов построения VECM, которая отражает влияние первого и второго лаговых значений параметра BRENT на переменные модели. Более подробно ознакомиться с результатами построения модели VECM для 2006-2015 гг. можно в Приложении 24.

Табл. 9: Результаты построения VECM (2006-2015 гг.): влияние 1 и 2 лагового значения переменной BRENT

	D(BRENT(-1))	s.e.	t-stat	D(BRENT(-2))	s.e.	t-stat
D(LUKOIL)	0,948723	-0,40982	[ 2,31497]	1,408483	-0,40984	[ 3,43663]
D(GAZPROM)	0,076053	-0,02769	[ 2,74641]	0,085694	-0,02769	[ 3,09439]
D(SURGUT)	0,017482	-0,00648	[ 2,69912]	0,018229	-0,00648	[ 2,81421]
D(TATNEFT)	0,067111	-0,04377	[ 1,53314]	0,098219	-0,04378	[ 2,24369]
D(ROSNEFT)	-0,00243	-0,06058	[-0,04013]	0,025493	-0,06058	[ 0,42081]
D(BRENT)	-0,04519	-0,01848	[-2,44499]	-0,01181	-0,01848	[-0,63878]
D(RTS)	1,00773	-0,27867	[ 3,61622]	1,198472	-0,27868	[ 4,30046]
D(SNP)	-0,16568	-0,17714	[-0,93534]	-0,00661	-0,17715	[-0,03730]

Аналогично результатам предыдущего построения VECM (для периода 2002-2006 гг.), первое лаговое значение переменной BRENT статистически значимо для переменных D(LUKOIL), D(GAZPROM), D(SURGUT), D(TATNEFT). Однако, в отличие от предыдущего построения, второе лаговое значение этого параметра также имеет статистически значимый коэффициент в рамках рассматриваемой модели. Интересно заметить, что для впервые включенной в рассмотрение переменной D(ROSNEFT) коэффициенты при D(BRENT(-1)) и D(BRENT(-2)) не являются статистически значимыми.

Теперь более детально рассмотрим влияние переменных модели на переменную D(BRENT):

Табл. 10: Результаты построения VECM (2006-2015 гг.): влияние параметров модели на переменную BRENT

	D(BRENT)	s.e.	t-stat
CointEq1	1,59E-05	(3.9E-05)	[ 0.41307]
CointEq2	-5,88E-05	-0,00022	[-0.26601]
D(LUKOIL(-1))	-0,0017	-0,00122	[-1.39539]
D(LUKOIL(-2))	-0,00014	-0,00122	[-0.11467]
D(GAZPROM(-1))	0,025659	-0,01439	[ 1.78295]
D(GAZPROM(-2))	-0,00111	-0,0144	[-0.07717]
D(SURGUT(-1))	0,01062	-0,07248	[ 0.14653]
D(SURGUT(-2))	-0,15201	-0,07231	[-2.10221]
D(TATNEFT(-1))	0,012599	-0,00975	[ 1.29217]
D(TATNEFT(-2))	-0,00535	-0,00974	[-0.54952]
D(ROSNEFT(-1))	0,003352	-0,00526	[ 0.63710]
D(ROSNEFT(-2))	0,004676	-0,00527	[ 0.88758]
D(BRENT(-1))	-0,04519	-0,01848	[-2.44499]
D(BRENT(-2))	-0,01181	-0,01848	[-0.63878]
D(RTS(-1))	0,001874	-0,00182	[ 1.02789]
D(RTS(-2))	0,00283	-0,0018	[ 1.57421]
D(SNP(-1))	0,001387	-0,00195	[ 0.71046]
D(SNP(-2))	0,003805	-0,002	[ 1.90305]
D(EX_RATE(-1))	0,054955	-0,06131	[ 0.89631]
D(EX_RATE(-2))	0,087283	-0,05993	[ 1.45643]
C	-0,0143	-0,02253	[-0.63464]

Анализируя представленные в таблице 8 результаты, можно заметить, что, за исключением переменных D(SURGUT(-2)) и D(BRENT(-1)), ни одна из переменных модели не оказывала статистически значимого влияния на переменную D(BRENT). Вкупе с аналогичным результатом, полученным при рассмотрении периода 2002-2006 гг., можно сделать вывод о целесообразности включения в модель цены сырой нефти марки Brent, как экзогенной переменной. Таким образом, в следующей части данного исследования будут построены спецификации модели VECM для тех же временных промежутков, а именно 2002-2006 гг. и 2006-2015 гг., включающие цену нефти как экзогенную переменную.

Цена нефти - экзогенная переменная модели

Прежде всего необходимо оговорить, в каком виде цена нефти будет включена в модель как экзогенная переменная. Для построения первичной спецификации VECM были использованы переменные в уровнях, которые были нестационарными. Поскольку все исследуемые ряды являются коинтегрированными первого порядка, мы считаем корректным включить в качестве экзогенного параметра первую разность цены нефти. При включении цены нефти как экзогенной переменной необходимо повторно провести анализ коинтеграции временных рядов, уже без цены нефти:

Табл. 11: Нормализованные коинтегрирующие коэффициенты 2002-2006

Параметр	Коэффициент	s.e.
LUKOIL	1.000000
GAZPROM	4.853616	(1.20549)
SURGUT	-9.430007	(5.27142)
TATNEFT	-7.738999	(1.37780)
RTS	-0.783658	(0.20694)
SNP	-0.167374	(0.19263)
EX_RATE	3.848695	(16.3166)

Необходимо отметить, что, в данные коинтегрированы, и что на 5% уровне значимости выявлены 3 и 1 коинтеграционное соотношение с использованием Trace и Maximum Eigenvalue статистик, соответственно. В исследовании мы принимаем наличие 1 коинтеграционного уравнения.

Аналогичная процедура проведена и для второго временного промежутка: 2006-2015 гг. Для лага, равного 2, и экзогенного параметра BRENT_DIF были получены следующие результаты:

Табл. 12 Нормализованные коинтегрирующие коэффициенты 2006-2015

Параметр	Коинтеграционное уравнение 1	Коинтеграционное уравнение 2
	CointEq1	S.e.	CointEq2	S.e.
LUKOIL	1.000000		0.000000
GAZPROM	0.000000		1.000000
SURGUT	-1501.735	(185.330)	-345.1893	(43.6069)
TATNEFT	-89.30117	(27.5510)	-21.86018	(6.48259)
ROSNEFT	73.93616	(24.4756)	16.32074	(5.75895)
RTS	13.31636	(3.21776)	3.114049	(0.75712)
SNP	6.615709	(3.56078)	1.784995	(0.83783)
EX_RATE	859.6331	(176.024)	204.6516	(41.4175)

Во-первых, коинтеграционная связь между рассматриваемыми переменными присутствует, во-вторых, на 5% уровне значимости выявлены 2 и 2 коинтеграционных соотношения с использованием Trace и Maximum Eigenvalue статистик, соответственно. Таким образом, для целей данного исследования мы принимаем наличие 2 коинтеграционных уравнений.

Исследовав временные ряды на коинтеграцию, можно приступить к построению выбранной спецификации VECM. Аналогично предыдущим построениям, в данном разделе также будет представлена не полная выгрузка результатов, а лишь ее часть, относящаяся к влиянию цены нефти (переменной BRENT_DIF) на переменные модели:

Табл. 13: Результаты построения VECM (2002-2006 гг.): влияние значения переменной BRENT_DIF на параметры модели

	BRENT_DIF	s.e.	t-stat
D(LUKOIL)	2.036725	(0.60323)	[ 3.37639]
D(GAZPROM)	0.091233	(0.06237)	[ 1.46266]
D(SURGUT)	0.041988	(0.01542)	[ 2.72374]
D(TATNEFT)	0.161357	(0.04642)	[ 3.47637]
D(RTS)	0.801019	(0.32780)	[ 2.44365]
D(SNP)	-0.542843	(0.27987)	[-1.93962]
D(EX_RATE)	-2.89E-05	(0.00133)	[-0.02172]

Мы видим, что коэффициент при BRENT_DIF является статистически значимым для всех переменных, отражающих котировки акций нефтяных компаний, кроме переменной D(GAZPROM). Помимо этого, данный коэффициент является также статистически значимым для рыночных индексов РТС и S&P500.

В данном случае в коинтеграционное уравнение вошли переменные: LUKOIL, GAZPROM, TATNEFT, RTS. Само же долгосрочное соотношение значимо для переменных D(LUKOIL), D(SURGUT), D(TATNEFT), D(RTS), D(EX_RATE).

Табл. 14: Значимость коэффициентов коинтеграционного уравнения; VECM 2002-2006 гг.

	CointEq1	s.e.	t-stat
D(LUKOIL)	0.016836	(0.00793)	[ 2.12203]
D(GAZPROM)	0.000400	(0.00082)	[ 0.48810]
D(SURGUT)	0.000551	(0.00020)	[ 2.71567]
D(TATNEFT)	0.003970	(0.00061)	[ 6.50364]
D(RTS)	0.012105	(0.00431)	[ 2.80779]
D(SNP)	0.001566	(0.00368)	[ 0.42539]
D(EX_RATE)	4.91E-05	(1.8E-05)	[ 2.80781]

Следующим шагом данного пункта будет построения аналогичной спецификации VECM для периода 2006-2015 гг. Рассмотрим влияние переменной BRENT_DIF на остальные переменные модели:

Табл. 15: Результаты построения VECM (2006-2015 гг.): влияние значения переменной BRENT_DIFна параметры модели

	BRENT_DIF	s.e.	t-stat
D(LUKOIL)	5.362332	(0.36743)	[ 14.5943]
D(GAZPROM)	0.345375	(0.02492)	[ 13.8595]
D(SURGUT)	0.077346	(0.00584)	[ 13.2382]
D(TATNEFT)	0.494796	(0.03967)	[ 12.4741]
D(ROSNEFT)	0.072731	(0.05595)	[ 1.30000]
D(RTS)	4.741138	(0.24532)	[ 19.3262]
D(SNP)	2.950183	(0.15548)	[ 18.9750]
D(EX_RATE)	-0.005619	(0.00449)	[-1.25047]

Стоит отметить, что переменная BRENT_DIF оказывает статистически значимое влияние на котировки акций всех нефтяных компаний, кроме акций Роснефти (аналогично результатам, полученным для предыдущей спецификации модели). Стоит также отметить статистически значимое влияние, оказываемое на оба фондовых индекса.

Табл. 16: Значимость коэффициентов коинтеграционного уравнения; VECM 2002-2006 гг.

	CointEq1	s.e.	t-stat	CointEq2	s.e.	t-stat
D(LUKOIL)	-0.009525	(0.00251)	[-3.79913]	0.041480	(0.01065)	[ 3.89426]
D(GAZPROM)	0.000118	(0.00017)	[ 0.69593]	-0.000452	(0.00072)	[-0.62606]
D(SURGUT)	-1.10E-08	(4.0E-05)	[-0.00027]	3.20E-05	(0.00017)	[ 0.18921]
D(TATNEFT)	-0.000972	(0.00027)	[-3.59172]	0.004273	(0.00115)	[ 3.71623]
D(ROSNEFT)	-0.000914	(0.00038)	[-2.39358]	0.003870	(0.00162)	[ 2.38594]
D(RTS)	-0.001399	(0.00167)	[-0.83560]	0.005741	(0.00711)	[ 0.80725]
D(SNP)	-0.001223	(0.00106)	[-1.15282]	0.004889	(0.00451)	[ 1.08469]
D(EX_RATE)	-6.45E-05	(3.1E-05)	[-2.10417]	0.000270	(0.00013)	[ 2.07564]

Анализируя Таблицу 16, можно заметить, что первое и второе коинтеграционные уравнения были статистически значимыми для переменных D(LUKOIL), D(TATNEFT), D(ROSNEFT), D(EX_RATE).

2.3 До и после кризиса 2008 года

В этом разделе выборка данных после проведения компанией Роснефть IPO в июле 2006 года разделена на две подвыборки: до начала падения цены сырой нефти Brent в период кризиса 2008 года и после. Датой завершения первой подвыборки было выбрано 2 июля 2008 года, когда цена нефти начала падение: со 145 долларов за баррель до 37 долларов за баррель 24 декабря 2008 года. Для двух временных периодов (2006-2008 гг. и 2008-2015гг.) будет представлен анализ, аналогичный проведенному в первой и второй частях данного раздела, а именно:

· Исследование временных рядов на стационарность

· Анализ наличия коинтеграции в исследуемых временных рядах

· Построение модели VAR/VECM в зависимости от наличия коинтеграции в данных

o Рассмотрение цены нефти как эндогенной переменной

o Рассмотрение цены нефти как экзогенной переменной, если необходимо

Сначала рассмотрим временной промежуток 2006-2008 гг. Проведем тестирование временных рядов на стационарность. Результаты представлены в таблице 17:

Табл. 17: тестирование временных рядов на стационарность, 2006-2008 гг.

	В УРОВНЯХ	ПЕРВАЯ РАЗНОСТЬ
	t-stat	Prob*	t-stat	Prob*
Lukoil	-2.357556	0.1544	-24.17675	0.0000
Gazprom	0.429287	0.9841	-23.55876	0.0000
Surgut	-1.621725	0.4709	-24.64876	0.0000
Tatneft	-1.538300	0.5137	-23.79284	0.0000
Rosneft	-1.850853	0.3558	-25.71247	0.0000
Brent	1.983482	0.9999	-28.01344	0.0000
RTS	-1.825090	0.3683	-22.95487	0.0000
SNP	-1.945295	0.3115	-31.25925	0.0000
Ex_rate	-0.209501	0.9346	-16.25146	0.0000

Тестирование стационарности временных рядов показало, что все ряды оказались нестационарными типа I(1). Для них тест Йохансена не показал наличия коинтеграции. В связи с этим для данного периода была построена модель VAR в первых разностях. В таблице 18 представлены оценки коэффициентов VAR-модели при первом и втором лаговых значениях цены нефти.

Табл. 18: Результаты построения VAR 2006-2008 гг.

	BRENT(-1)	s.e.	t-stat	BRENT(-2)	s.e.	t-stat
LUKOIL	1.614356	(0.92927)	[ 1.73723]	-1.164932	(0.94605)	[-1.23136]
GAZPROM	0.077631	(0.05787)	[ 1.34148]	-0.036252	(0.05891)	[-0.61534]
SURGUT	0.013508	(0.01561)	[ 0.86511]	-0.009029	(0.01590)	[-0.56798]
TATNEFT	0.033291	(0.06840)	[ 0.48668]	0.031290	(0.06964)	[ 0.44932]
ROSNEFT	-0.262334	(0.18576)	[-1.41224]	0.253859	(0.18911)	[ 1.34237]
BRENT	0.920051	(0.03871)	[ 23.7659]	0.070246	(0.03941)	[ 1.78235]
RTS	0.486382	(0.62121)	[ 0.78296]	-0.155609	(0.63243)	[-0.24605]
SNP	-1.521922	(0.34720)	[-4.38346]	1.625364	(0.35347)	[ 4.59835]
EX_RATE	-0.001568	(0.00140)	[-1.12241]	0.000639	(0.00142)	[ 0.44957]

Анализируя полученные результаты, можно заметить, что лаговые значения переменной BRENT не оказывали статистически значимого влияния на котировки акций нефтяных компаний.

Далее проведем анализ влияния переменных модели (с одним и двумя лагами) на переменную BRENT. Результаты представлены в Таблице 19:

Табл. 19: Влияние переменных модели на переменную BRENT

	BRENT	s.e.	t-stat
LUKOIL(-1)	-0.006516	(0.00325)	[-2.00703]
LUKOIL(-2)	0.006863	(0.00325)	[ 2.10882]
GAZPROM(-1)	0.004278	(0.03130)	[ 0.13668]
GAZPROM(-2)	0.006170	(0.03162)	[ 0.19511]
SURGUT(-1)	0.031119	(0.15291)	[ 0.20352]
SURGUT(-2)	-0.087473	(0.15295)	[-0.57189]
TATNEFT(-1)	0.064832	(0.03490)	[ 1.85770]
TATNEFT(-2)	-0.056710	(0.03503)	[-1.61893]
ROSNEFT(-1)	0.012139	(0.00790)	[ 1.53699]
ROSNEFT(-2)	-0.010896	(0.00789)	[-1.38091]
BRENT(-1)	0.920051	(0.03871)	[ 23.7659]
BRENT(-2)	0.070246	(0.03941)	[ 1.78235]
RTS(-1)	0.003386	(0.00516)	[ 0.65630]
RTS(-2)	-0.005166	(0.00514)	[-1.00441]
SNP(-1)	0.003555	(0.00422)	[ 0.84161]
SNP(-2)	-0.000595	(0.00427)	[-0.13949]
EX_RATE(-1)	1.010100	(1.01937)	[ 0.99091]
EX_RATE(-2)	-1.207702	(0.99635)	[-1.21213]
C	3.597218	(6.70567)	[ 0.53644]

Практически ни один из параметров модели не оказывает статистически значимого влияния на переменную BRENT. Исходя из этого, мы считаем, что необходимо провести анализ с экзогенной ценой нефти в виде первой разности.

Тест Йохансена для периода 2006-2008 гг. и экзогенной ценой нефти (BRENT_DIF) показал наличие 1 коинтеграционной связи с использованием Trace statistics и отсутствие коинтеграции с использованием Max-eigenvalue statistics. Коэффициенты коинтеграционного уравнения, нормализованного на индекс компании LUKOIL, представлены в Таблице 20:

Табл. 20: Коэффициенты коинтеграционного уравнения, нормализованные по переменной LUKOIL

	CointEq1	s.e.
LUKOIL	1.000000
GAZPROM	24.86418	(6.20097)
SURGUT	62.41895	(26.7576)
TATNEFT	-2.001418	(6.79906)
ROSNEFT	-5.948947	(1.87513)
RTS	-3.394344	(0.92935)
SNP	9.277454	(1.65397)
EX_RATE	-431.4427	(208.321)

Таким образом, мы видим, что в коинтеграционном (долгосрочном) уравнении значимыми являются переменные: LUKOIL, GAZPROM, SURGUT, TATNEFT, EX_RATE.

Поскольку в зависимости от использования Trace или Max Eigenvaluе тестов были получены различные результаты, следующим шагом будет построение обеих моделей: и VAR в разностях, и VECM. Вновь, приводим только коэффициенты, показывающие влияние изменения цены нефти на переменные. Полностью модель приведена в приложении.

Табл. 21: Результаты построения VAR и VECMдля 2006-2008 гг. с включением цены нефти как экзогенной переменной

	VAR		VECM
	BRENT_DIF	s.e.	t-stat		BRENT_DIF	s.e.	t-stat
LUKOIL	4.860197	(0.89606)	[ 5.42397]	D(LUKOIL)	4.902374	(0.88779)	[ 5.52201]
GAZPROM	0.216788	(0.05631)	[ 3.85006]	D(GAZPROM)	0.218924	(0.05550)	[ 3.94450]
SURGUT	0.050846	(0.01515)	[ 3.35593]	D(SURGUT)	0.052616	(0.01507)	[ 3.49205]
TATNEFT	0.231862	(0.06687)	[ 3.46733]	D(TATNEFT)	0.239071	(0.06654)	[ 3.59305]
ROSNEFT	0.219618	(0.18158)	[ 1.20947]	D(ROSNEFT)	0.231213	(0.18190)	[ 1.27109]
RTS	2.848971	(0.59945)	[ 4.75261]	D(RTS)	2.872474	(0.59549)	[ 4.82373]
SNP	-0.151805	(0.34672)	[-0.43783]	D(SNP)	-0.149005	(0.34193)	[-0.43578]
EX_RATE	0.000792	(0.00139)	[ 0.57106]	D(EX_RATE)	0.000589	(0.00133)	[ 0.44151]

Анализируя таблицу 21, можно сделать вывод о том, что для обеих моделей переменная BRENT_DIFоказывала статистически значимое влияние на переменные LUKOIL, GAZPROM, SURGUT, TATNEFT, RTS. Необходимо также отметить, что в данном случае результаты, полученные при построении VAR и при построении VECM в целом очень схожи: как в рамках абсолютных значений коэффициентов, так и их значимости. Более подробно ознакомиться с полными результатами построения моделей можно в Приложениях 26-28.

Теперь проведем анализ данных за 2008-2015 гг. Проведем анализ стационарности временных рядов. Результаты ADF теста представлены в таблице 22:

Табл. 22: Тестирование временных рядов на стационарность, 2008-2015 гг.

	В УРОВНЯХ	ПЕРВАЯ РАЗНОСТЬ
	t-stat	Prob	t-stat	Prob
Lukoil	-2.120100	0.2368	-48.73561	0.0001
Gazprom	-2.711738	0.0721	-46.12174	0.0001
Surgut	-2.576490	0.0980	-49.60727	0.0001
Tatneft	-0.849453	0.8042	-47.35978	0.0001
Rosneft	-4.813422	0.0001	-50.91321	0.0001
Brent	-1.538964	0.5138	-53.35146	0.0001
RTS	-2.264932	0.1837	-44.74717	0.0001
SNP	-0.228810	0.9324	-53.60202	0.0001
Ex_rate	1.349714	0.9989	-10.89813	0.0000

Таким образом, мы можем сделать вывод о том, что, во-первых, рассматриваемые временные ряды являются нестационарными, а, во-вторых, являются интегрированными первого порядка.

В качестве первой спецификации модели вновь рассмотрим цену нефти как эндогенную переменную. В этом случае тест Йохансена показывает наличие 3 (Trace statistics) и 4 (Max-eigenvalue statistics) коинтеграционных связей. В целях данного исследования мы примем наличие 3 коинтеграционных связей. В таблице 23 представлены коэффициенты коинтеграционных уравнений, нормализованных на индексы компаний LUKOIL, GAZPROM, SURGUT соответственно.

Табл. 23: Коэффициенты коинтеграционных уравнений 2008-2015 гг. при включении цены нефти как экзогенного параметра.

	CointEq1	s.e.	CointEq2	s.e.	CointEq3	s.e.
LUKOIL	1.000000		0.000000		0.000000
GAZPROM	0.000000		1.000000		0.000000
SURGUT	0.000000		0.000000		1.000000
TATNEFT	-7.326711	(0.98488)	-3.073455	(0.84444)	0.024261	(0.02129)
ROSNEFT	3.100610	(0.80949)	4.447976	(0.69406)	0.028953	(0.01750)
BRENT	5.979876	(1.68366)	1.765269	(1.44357)	-0.057780	(0.03639)
RTS	-0.296286	(0.09301)	-0.014594	(0.07975)	-0.008843	(0.00201)
SNP	-0.009782	(0.12194)	0.075214	(0.10455)	-0.001450	(0.00264)
EX_RATE	3.936862	(5.97706)	14.13136	(5.12476)	-0.574359	(0.12919)

Таким образом, в первое коинтеграционное соотношение вошли переменные: LUKOIL, TATNEFT, ROSNEFT, BRENT, RTS. Во второе коинтеграционное соотношение вошли переменные GAZPROM, TATNEFT, ROSNEFT, EX_RATE. В третье коинтеграционное соотношение вошли: SURGUT, RTS, EX_RATE.

Теперь рассмотрим влияние приращения экзогенной переменной BRENT на параметры модели:

Табл. 24: Влияние экзогенной переменной BRENT на параметры модели, 2008-2015 гг.

	D(BRENT(-1))	s.e.	t-stat	D(BRENT(-2))	s.e.	t-stat
D(LUKOIL)	0.810150	(0.46561)	[ 1.73996]	1.870524	(0.46566)	[ 4.01695]
D(GAZPROM)	0.069166	(0.03200)	[ 2.16163]	0.127142	(0.03200)	[ 3.97317]
D(SURGUT)	0.019016	(0.00725)	[ 2.62198]	0.023474	(0.00725)	[ 3.23640]
D(TATNEFT)	0.067001	(0.05351)	[ 1.25207]	0.108494	(0.05352)	[ 2.02727]
D(ROSNEFT)	0.084050	(0.05970)	[ 1.40790]	0.040229	(0.05970)	[ 0.67380]
D(BRENT)	-0.049677	(0.02145)	[-2.31555]	-0.023543	(0.02146)	[-1.09730]
D(RTS)	1.151507	(0.31717)	[ 3.63058]	1.566926	(0.31720)	[ 4.93988]
D(SNP)	0.094238	(0.20805)	[ 0.45295]	0.061212	(0.20807)	[ 0.29419]
D(EX_RATE)	0.000101	(0.00615)	[ 0.01644]	-0.045610	(0.00615)	[-7.41331]

Первый лаг приращения переменной BRENT оказывает статистически значимое влияние на следующие переменные: D(GAZPROM), D(SURGUT), D(BRENT), D(RTS). Второй лаг приращения переменной BRENT имеет статистически значимое влияние на переменные D(LUKOIL), D(GAZPROM), D(SURGUT), D(TATNEFT), D(RTS), D(EX_RATE).

Отдельно рассмотрим влияние переменных модели на переменную BRENT:

Табл. 25: Влияние параметров модели на эндогенную переменную BRENT 2008-2015 гг.

	D(BRENT)	s.e.	t-stat
CointEq1	0.000164	(0.00012)	[ 1.39457]
CointEq2	2.85E-05	(0.00038)	[ 0.07451]
CointEq3	0.038283	(0.01266)	[ 3.02410]
D(LUKOIL(-1))	-0.000968	(0.00134)	[-0.72240]
D(LUKOIL(-2))	0.000193	(0.00134)	[ 0.14349]
D(GAZPROM(-1))	0.021886	(0.01648)	[ 1.32838]
D(GAZPROM(-2))	-0.003541	(0.01645)	[-0.21527]
D(SURGUT(-1))	0.003341	(0.08280)	[ 0.04035]
D(SURGUT(-2))	-0.202131	(0.08264)	[-2.44590]
D(TATNEFT(-1))	0.011471	(0.01038)	[ 1.10556]
D(TATNEFT(-2))	-0.001284	(0.01035)	[-0.12405]
D(ROSNEFT(-1))	-0.003148	(0.00702)	[-0.44839]
D(ROSNEFT(-2))	0.006664	(0.00703)	[ 0.94784]
D(BRENT(-1))	-0.049677	(0.02145)	[-2.31555]
D(BRENT(-2))	-0.023543	(0.02146)	[-1.09730]
D(RTS(-1))	0.001450	(0.00198)	[ 0.73153]
D(RTS(-2))	0.003378	(0.00196)	[ 1.72077]
D(SNP(-1))	0.001047	(0.00224)	[ 0.46803]
D(SNP(-2))	0.003848	(0.00229)	[ 1.68299]
D(EX_RATE(-1))	0.063972	(0.06221)	[ 1.02832]
D(EX_RATE(-2))	0.095796	(0.06066)	[ 1.57918]
C	-0.043529	(0.02557)	[-1.70206]

Анализируя таблицу 25, можно сделать вывод о том, что ни одна из переменных модели, за исключением D(SURGUT(-2)) и D(BRENT(-1)), не оказывала статистически значимого влияния на переменную цены нефти. Этот факт в очередной раз говорит в пользу включения в модель цены нефти в качестве экзогенной переменной.

При рассмотрении данных за 2008-2015 гг. с эндогенной переменной BRENT_DIF тест Йохансена показал наличие 3 коинтеграционных соотношений с использованием статистик обоих типов (Trace и Max-eigenvalue). В таблице 26 представлены коэффициенты 3 коинтеграционных соотношений, нормализованные на индексы компаний LUKOIL, GAZPROM, SURGUT:

Табл. 26: Коэффициенты коинтеграционных уравнений, нормализованные на индексы компаний LUKOIL, GAZPROM, SURGUT, 2008-2015 гг.

	CointEq1	s.e.	CointEq2	s.e.	CointEq3	s.e.
LUKOIL	1.000000		0.000000		0.000000
GAZPROM	0.000000		1.000000		0.000000
SURGUT	0.000000		0.000000		1.000000
TATNEFT	-4.757734	(1.54410)	-2.190807	(1.23940)	0.006624	(0.02244)
ROSNEFT	8.482590	(1.28700)	7.158328	(1.03303)	-0.071060	(0.01870)
RTS	-0.291769	(0.13451)	-0.029993	(0.10797)	-0.009288	(0.00195)
SNP	-0.164203	(0.17428)	-0.012492	(0.13989)	0.001960	(0.00253)
EX_RATE	-12.00964	(7.36861)	9.497359	(5.91456)	-0.538867	(0.10709)

В первое коинтеграционное соотношение вошли переменные LUKOIL, TATNEFT, ROSNEFT, RTS, во второе коинтеграционное соотношение вошли: GAZPROM, ROSNEFT, в третье коинтеграционное соотношение вошли: SURGUT, ROSNEFT, RTS, EX_RATE.

Теперь рассмотрим влияние приращения цены нефти на переменные модели:

Табл. 27: Влияние экзогенной переменной BRENT_DIF на параметры модели, 2008-2015 гг.

	BRENT_DIF	s.e.	t-stat
D(LUKOIL)	5.412355	(0.40373)	[ 13.4058]
D(GAZPROM)	0.374383	(0.02779)	[ 13.4729]
D(SURGUT)	0.084324	(0.00630)	[ 13.3917]
D(TATNEFT)	0.557359	(0.04680)	[ 11.9102]
D(ROSNEFT)	0.041714	(0.05333)	[ 0.78212]
D(RTS)	5.103157	(0.26846)	[ 19.0091]
D(SNP)	3.746581	(0.17146)	[ 21.8513]
D(EX_RATE)	-0.007172	(0.00555)	[-1.29188]

Анализируя результаты, представленные в таблице 27, можно заметить, что переменная BRENT_DIF оказывает статистически значимое влияние на приращения котировок компаний LUKOIL, GAZPROM, SURGUT, TATNEFT, а также на переменные D(RTS), D(SNP).

После проведения анализа стационарности временных рядов и построения моделей VAR/VECM, мы проведем сравнение влияния цены нефти до кризиса 2008 года и после него. Цель данного сравнения - сделать вывод о том, изменилась ли статистическая значимость влияния, оказываемого ценой сырой нефти Brent на котировки акций нефтяных компаний и другие переменные модели. Для сопоставления мы будем использовать результаты построения моделей VECM, включающих цену нефти в качестве экзогенной переменной - BRNET_DIF. В таблице 28 представлены коэффициенты переменной D(BRENT_DIF) и значения соответствующих t-статистик для периода 2006-2008 гг. и 2008-2015 гг.

Табл. 28: Сопоставление результатов построения VECM для периодов 2006-2008 гг. и 2008-2015 гг.

2006-2008	2008-2015
	D(BRENT_DIF)	t-stat		D(BRENT_DIF)	t-stat
D(LUKOIL)	4.902374	[ 5.52201]	D(LUKOIL)	5.412355	[ 13.4058]
D(GAZPROM)	0.218924	[ 3.94450]	D(GAZPROM)	0.374383	[ 13.4729]
D(SURGUT)	0.052616	[ 3.49205]	D(SURGUT)	0.084324	[ 13.3917]
D(TATNEFT)	0.239071	[ 3.59305]	D(TATNEFT)	0.557359	[ 11.9102]
D(ROSNEFT)	0.231213	[ 1.27109]	D(ROSNEFT)	0.041714	[ 0.78212]
D(RTS)	2.872474	[ 4.82373]	D(RTS)	5.103157	[ 19.0091]
D(SNP)	-0.149005	[-0.43578]	D(SNP)	3.746581	[ 21.8513]
D(EX_RATE)	0.000589	[ 0.44151]	D(EX_RATE)	-0.007172	[-1.29188]

Анализируя результаты, представленные в Таблице 28, можно сделать следующие выводы:

· На приращение котировок всех нефтяных компаний, за исключением Роснефти, приращение цены сырой нефти оказывало статистически значимое влияние, причем в 2008-2015 гг. это влияние было сильнее, чем в 2006-2008 гг.

· На приращение котировок компании Роснефть приращение цены сырой нефти не оказывало статистически значимого влияния ни до кризиса 2008 года, ни после него.

· Приращение цены сырой нефти оказывало статистически значимое влияние на индекс РТС как до кризиса 2008 года, так и после него, причем после кризиса это влияние усилилось. Что кается биржевого индекса S&P500, приращение цены нефти не оказывало на него статистически значимого влияния до 2008 года, однако в период 2008-2015 гг. это влияние стало статистически значимым.

· Приращение цены сырой нефти не было статистически значимым для приращения обменного курса рубля к доллару США ни до кризиса 2008 года, ни после него.

Таким образом, мы можем говорить о том, что с началом падения цены сырой нефти Brent возросла статистическая значимость ее приращения для большинства переменных модели, в том числе для котировок акций нефтяных компаний, что особенно важно в контексте настоящего исследования.

2.4 Интерпретация результатов

На данном этапе мы должны подвести промежуточный итог проведенному анализу зависимости котировок акций нефтяных компаний от цены сырой нефти. Нами были рассмотрены две спецификации модели: в одной цена нефти выступала в качестве эндогенной переменной, а в другой - экзогенной. Необходимо сразу сказать о том, что в качестве финальной спецификации был выбран вариант с включением цены нефти как экзогенной переменной в виде первой разности. В дальнейшем анализ и интерпретация будут проводиться для финальной спецификации. Сначала сделаем заключение для периодов до выхода компании Роснефть на IPO (2002-2006 гг.) и после этого (2006-2015 гг.).

В первую очередь стоит отметить, что в данных присутствовала одна коинтеграционная связь. Этот факт говорит в пользу наличия долгосрочной зависимости между рассматриваемыми переменными. При этом в коинтеграционное соотношение вошли переменные LUKOIL, GAZPROM, TATNEFT, RTS.

Что касается анализа самой модели VECM, можно сделать такие выводы: во-первых, долгосрочная зависимость значима для всех котировок всех нефтяных компаний (кроме Газпромнефти), а также значений индекса РТС и обменного курса. Во-вторых, экзогенная переменная цены нефти оказывает статистически значимое влияние на котировки акций всех нефтяных компаний за исключением Газпромнефти, а также на биржевые индексы РТС и S&P500. Таким образом, цена сырой нефти оказывает влияние на акции нефтяных компаний, за исключением акций Газпромнефти.

Обратимся к анализу периода 2006-2015 гг. Во-первых, стоит отметить, что на данном этапе коинтеграция в данных также присутствовала, но уже на уровне 2 коинтеграционных соотношений. В первое коинтеграционное уравнение вошли все переменные кроме GAZPROM и SNP, во второе коинтеграционное уравнение вошли все переменные кроме LUKOIL. Интересно отметить, что в оба уравнения вошла переменная ROSNEFT. В этом периоде долгосрочное соотношение было статистически значимым для переменных D(LUKOIL), D(ROSNEFT), D(TATNEFT), D(EX_RATE). Что касается экзогенной переменной цены нефти, то по сравнению с предыдущим периодом, она оказывала более сильное статистически значимое влияние на все переменные модели, кроме D(ROSNEFT) и D(EX_RATE). Здесь в рамках настоящего исследования стоит отдельно подчеркнуть, что для котировок всех нефтяных компаний значимость переменной цены нефти возросла, а для компании Роснефть оказалась незначимой. В ходе дальнейшего анализа мы отдельно обратимся к вопросу о том, какие переменные помимо цены сырой нефти оказывали влияние на котировки акций нефтяных компаний, в том числе, Роснефти.

Таким образом, мы можем сделать вывод о том, что, во-первых, в обоих периодах цена сырой нефти оказывала статистически значимое влияние на котировки акций все нефтяных компаний исследования, кроме компании Роснефть, а, во-вторых, что для большинства нефтяных компаний статистически значимой была и долгосрочная (коинтеграционная) связь.

Перейдем к рассмотрению результатов, полученных в рамках разделения периода 2006-2015 гг. на подпериоды: до начала падения цены сырой нефти и после него. Это было сделано с целью оценить, как изменилась ситуация во время и после кризиса 2008 года по сравнению с тем, что мы наблюдали ранее.

Для первого подпериода (2006-2008 гг.) были получены неоднозначные результаты тестирования коинтеграции: в зависимости от типа используемой статистики, мы могли выявить 1 коинтеграционное соотношение или не выявить коинтеграции вовсе. С целью провести наиболее полный анализ, мы приняли решение построить модели обоих типов (VAR и VECM) и получили очень похожие результаты как в рамках значимости коэффициентов, так и их абсолютных значений. Тот факт, что полученные в разных типах моделей результаты являются качественно схожими, является хорошим знаком с точки зрения устойчивости результатов исследования. Как в модели векторной авторегрессии, так и в векторной модели коррекции ошибками переменная цены нефти была статистически значима для котировок всех нефтяных компаний, за исключением Роснефти, а также индекса РТС. При этом в модели VECM коинтеграционное соотношение было значимым для переменных D(GAZPROM), D(ROSNEFT), D(SNP), D(EX_RATE), а в коинтеграционное уравнение вошли все переменные кроме переменной TATNEFT.

Для второго подпериода (2008-2015 гг.) было выявлено наличие 3 коинтеграционных связей, причем долгосрочная зависимость оказалась статистически значимой для всех переменных модели, кроме переменных D(SNP) и D(EX_RATE). Если сравнивать результаты построения модели для этого подпериода с результатами построения для предшествующего подпериода, то необходимо отметить то, что статистическая значимость экзогенной переменной цены сырой нефти возросла для котировок акций всех нефтяных компаний исследования, за исключением Роснефти.

Здесь мы приходим к интересному парадоксу: с одной стороны, в целом на всех этапах исследования мы получали, во-первых, статистическую значимость цены сырой нефти для котировок акций нефтяных компаний, во-вторых, эта значимость возрастала с течением времени, а, с другой стороны, именно для компании Роснефть цена сырой нефти в любой спецификации и для любого периода остается статистически незначимой переменной на протяжении всего периода исследования. Этот результат, безусловно, должен быть более подробно и внимательно исследован в последующих работах.

2.5 Анализ взаимного влияния котировок акций нефтяных компаний

В последнем разделе Главы 2 будет проведен анализ влияния лаговых значений биржевых котировок акций нефтяных компаний, включенных в данное исследование, на котировки этих компаний, а также на котировки прочих компаний, вошедших в анализ. В рамках этой части работы мы будем рассматривать результаты, полученные при построении модели VECM с экзогенным параметром цены нефти (BRENT_DIF) для 2002-2006 гг. и 2006-2015 гг.

В таблице 29 представлены частичные результаты построения модели VECM для периода 2002-2006 гг. Необходимо отметить, что за рассматриваемый промежуток времени первое лаговое значение первой разности «собственных» биржевых котировок оказалось статистически значимым для компаний GAZPROM, SURGUT, TATNEFT. В то же время, второе лаговое значение первой разности биржевых котировок не оказалось статистически значимым ни для одной из компаний, вошедших в исследование.

Табл. 29: Результаты построения VECM: влияние первого и второго лаговых значений первой разности котировок компании на значения котировок этой же компании (2002-2006 гг.)

	D(LUKOIL)	D(GAZPROM)	D(SURGUT)	D(TATNEFT)
Lag 1	0.035000	0.103563	0.104177	0.160748
s.e.	(0.05054)	(0.03409)	(0.04639)	(0.03495)
t-stat	[ 0.69251]	[ 3.03787]	[ 2.24564]	[ 4.59991]
Lag 2	0.059228	-0.030337	0.051510	0.026453
s.e.	(0.05087)	(0.03404)	(0.04652)	(0.03510)
t-stat	[ 1.16420]	[-0.89132]	[ 1.10722]	[ 0.75365]

При рассмотрении аналогичных результатов построения VECM для периода 2006-2015 гг. (таблица 30), можно сделать вывод о том, что первое и второе лаговые значения были статистически значимыми для текущих значений котировок компаний LUKOIL и GAZPROM, в то время как для остальных компаний ни первое, ни второе лаговые значения не были статистически значимыми.

Табл. 30: Результаты построения VECM: влияние первого и второго лаговых значений первой разности котировок компании на значения котировок этой же компании (2006-2015 гг.)

	D(LUKOIL)	D(GAZPROM)	D(SURGUT)	D(TATNEFT)	D(ROSNEFT)
Lag 1	0.130262	0.081802	0.042444	0.005628	0.028962
s.e.	(0.02621)	(0.02101)	(0.02479)	(0.02266)	(0.01728)
t-stat	[ 4.97015]	[ 3.89439]	[ 1.71206]	[ 0.24834]	[ 1.67569]
Lag 2	0.055384	0.041232	0.035960	0.014107	-0.007683
s.e.	(0.02629)	(0.02101)	(0.02474)	(0.02262)	(0.01731)
t-stat	[ 2.10663]	[ 1.96231]	[ 1.45355]	[ 0.62373]	[-0.44381]

В таблицах 31-35 представлены результаты построения VECM в части влияния первого и второго лаговых значений каждой из переменных D(LUKOIL), D(GAZPROM), D(SURGUT), D(TATNEFT), D(ROSNEFT) на первые разности переменных LUKOIL, GAZPROM, TATNEFT, SURGUT за периоды 2002-2006 гг. и 2006-2015 гг., а также компании ROSNEFT в 2006-2015 гг.

Анализируя влияние переменной D(LUKOIL), представленное в таблице 31, можно сказать, что ее первое лаговое значение было статистически значимым для переменных D(GAZPROM) и D(SURGUT) в период 2006-2015 гг. и для переменной D(TATNEFT) в обоих периодах. Второе лаговое значение переменной D(LUKOIL) не оказывало статистически значимого влияния ни на одну из переменных.

Табл. 31: Результаты построения VECM: влияние переменной D(LUKOIL) на первые разности котировок остальных компаний модели (2002-2006 гг. и 2006-2015 гг.)

	D(GAZPROM)	D(SURGUT)	D(TATNEFT)	D(ROSNEFT)
Период	2002-2006	2006-2015	2002-2006	2006-2015	2002-2006	2006-2015	2006-2015
D(LUKOIL (-1))	0.00325	0.00357	-0.00189	0.00091	-0.01238	0.00773	-0.00058
s.e.	(0.0052)	(0.0018)	(0.0013)	(0.0004)	(0.0039)	(0.0028)	(0.0040)
t-stat	[ 0.6217]	[ 2.0064]	[-1.4636]	[ 2.1839]	[-3.1846]	[ 2.7305]	[-0.1464]
D(LUKOIL (-2))	0.00409	0.00029	0.00053	6.24E-05	-0.00390	0.00344	0.00091
s.e.	(0.0053)	(0.0018)	(0.0013)	(0.0004)	(0.0039)	(0.0028)	(0.0040)
t-stat	[ 0.7771]	[ 0.1660]	[ 0.4051]	[ 0.1493]	[-0.9965]	[ 1.2106]	[ 0.2284]

При рассмотрении результатов, представленных в таблице 32, можно заключить, что первое лаговое значение переменной D(GAZPROM) не было статистически значимым ни для одной из компаний, в то время как ее второе лаговое значение было статистически значимым лишь для переменной D(TATNEFT) в период 2002-2006 гг.

Табл. 32: Результаты построения VECM: влияние переменной D(GAZPROM) на первые разности котировок остальных компаний модели (2002-2006 гг. и 2006-2015 гг.)

	D(LUKOIL)	D(SURGUT)	D(TATNEFT)	D(ROSNEFT)
Период	2002-2006	2006-2015	2002-2006	2006-2015	2002-2006	2006-2015	2006-2015
D(GAZPROM (-1))	-0.38539	-0.16979	-0.00083	-0.00386	0.03205	0.02349	0.00195
s.e.	(0.3297)	(0.3097)	(0.0084)	(0.0049)	(0.0254)	(0.0334)	(0.0472)
t-stat	[-1.1689]	[-0.5482]	[-0.0992]	[-0.7833]	[ 1.2635]	[ 0.7026]	[ 0.0414]
D(GAZPROM(-2))	0.08580	0.52768	0.00437	-0.00025	-0.06425	0.01824	0.08071
s.e.	(0.3292)	(0.3098)	(0.0084)	(0.0049)	(0.0253)	(0.0335)	(0.0472)
t-stat	[ 0.2606]	[ 1.7032]	[ 0.5194]	[-0.0499]	[-2.5368]	[ 0.5455]	[ 1.71200]

В таблице 33 представлены результаты построения VECM для переменной D(SURGUT): ни первое, ни второе лаговые значения не оказывали статистически значимого влияния на первые разности котировок нефтяных компаний, включенных в модель.

Табл. 33: Результаты построения VECM: влияние переменной D(SURGUT) на первые разности котировок остальных компаний модели (2002-2006 гг. и 2006-2015 гг.)

	D(LUKOIL)	D(GAZPROM)	D(TATNEFT)	D(ROSNEFT)
Период	2002-2006	2006-2015	2002-2006	2006-2015	2002-2006	2006-2015	2006-2015
D(SURGUT(-1))	2.30628	-2.60213	0.14764	-0.00527	0.22886	-0.22237	0.02785
s.e.	(1.8153)	(1.5591)	(0.1877)	(0.1057)	(0.1397)	(0.1683)	(0.2374)
t-stat	[ 1.2704]	[-1.6691]	[ 0.7865]	[-0.0499]	[ 1.6385]	[-1.3212]	[ 0.1173]
D(SURGUT (-2))	2.89900	-0.91405	0.02213	-0.10170	-0.0714	0.15907	-0.16535
s.e.	(1.8204)	(1.5558)	(0.1882)	(0.1055)	(0.140)	(0.1680)	(0.2369)
t-stat	[ 1.5925]	[-0.5875]	[ 0.1176]	[-0.9638]	[-0.5098]	[ 0.9471]	[-0.6980]

Анализируя влияние переменной D(TATNEFT), основываясь на результатах, представленных в таблице 34, можно сказать, что первое лаговое значение этой переменной оказывало статистически значимое влияние на переменную D(SURGUT) в 2006-2015 гг. В то же время второе лаговое значение этой переменной оказалось статистически значимым для переменных D(LUKOIL) и D(SURGUT) в период 2002-2006 гг.

Табл. 34: Результаты построения VECM: влияние переменной D(TATNEFT) на первые разности котировок остальных компаний модели (2002-2006 гг. и 2006-2015 гг.)

	D(LUKOIL)	D(GAZPROM)	D(SURGUT)	D(ROSNEFT)
Период	2002-2006	2006-2015	2002-2006	2006-2015	2002-2006	2006-2015	2006-2015
D(TATNEFT (-1))	0.39902	-0.18682	-0.06702	-0.01839	0.01158	-0.00833	0.03007
s.e.	(0.4542)	(0.2099)	(0.0470)	(0.0142)	(0.0116)	(0.0033)	(0.0320)
t-stat	[ 0.8786]	[-0.8900]	[-1.4272]	[-1.2917]	[ 0.9974]	[-2.4943]	[ 0.9407]
D(TATNEFT (-2))	1.02365	0.32531	0.05404	-0.00025	0.03851	0.00195	0.00586
s.e.	(0.4562)	(0.2095)	(0.0472)	(0.0142)	(0.0117)	(0.0033)	(0.0319)
t-stat	[ 2.2440]	[ 1.5528]	[ 1.1456]	[-0.0174]	[ 3.3034]	[ 0.5842]	[ 0.1837]

Заключительным пунктом этой части анализа будет рассмотрение влияния, которое оказывали лаговые значения переменной ROSNEFT на переменные котировок акций нефтяных компаний в 2006-2015 гг. (таблица 35). Первое лаговое значение было статистически значимым для переменной D(TATNEFT), в то время как второе лаговое значение было статистически значимым для переменной D(GAZPROM).

Табл. 35: Результаты построения VECM: влияние переменной D(ROSNEFT) на первые разности котировок остальных компаний модели (2006-2015 гг.)

	D(LUKOIL)	D(GAZPROM)	D(SURGUT)	D(TATNEFT)
D(ROSNEFT(-1))	0.107945	0.007048	2.57E-05	0.024449
s.e.	(0.11351)	(0.00770)	(0.00180)	(0.01225)
t-stat	[ 0.95097]	[ 0.91549]	[ 0.01424]	[ 1.99519]
D(ROSNEFT(-2))	-0.115555	-0.018470	-0.003011	-0.006290
s.e.	(0.11369)	(0.00771)	(0.00181)	(0.01227)

Подводя итог этому этапу исследования, можно сделать следующие выводы: во-первых, для всех компаний, кроме компании Лукойл, первое лаговое значение первой разности собственных котировок оказывало статистически значимое влияние на текущие значения котировок. В то же время второе лаговое значение первой разности не было статистически значимым ни для одной из компаний.

Во-вторых, что касается влияния лаговых значений первой разности на текущие значения котировок других компаний модели, то здесь не было выявлено четкой зависимости. Здесь мы имеем в виду тот факт, что ни в одном из двух периодов не было выявлено статистически значимого влияния одной компании на все прочие компании модели. Однако другим интересным выводом является замечание о том, что наиболее подверженными влиянию со стороны других компаний оказались котировки компании Татнефть, в то время как наименее подверженными - котировки компании Роснефть (ни одна из рассмотренных переменных ни в одном из периодов не оказывала статистически значимого влияния на первую разность ее котировок) и Лукойл (статистически значимое влияние наблюдалось лишь со стороны переменной D(TATNEFT(-2)) в 2006-2015 гг.). Можно предположить, что для компании Роснефть этот факт может быть объяснен тем, что государству принадлежит порядка 75% акций Роснефти, а после поглощения ею активов компании TNK-BP, 20% акций стало принадлежать компании BP. Таким образом, в обращении находится лишь незначительная часть акций. Однако, тот факт, что ни одна из переменных модели не оказывала статистически значимого влияния на переменную D(ROSNEFT), требует отдельного, более глубокого исследования с точки зрения финансового и эконометрического анализа.

Что касается компании Лукойл, то можно предположить, что ее статистическая «независимость» от других компаний может быть объяснена тем, что после Роснефти она является одним из наиболее значительных игроков нефтяного рынка. При этом компания Лукойл является полностью частной компанией. Учитывая низкий уровень доверия инвесторов к государственной власти, в том числе после дела ЮКОСа и скандала, связанного с отставкой президента компании Мечел, а также высокую степень зависимости нефтяного сектора от политической ситуации в стране, тот факт, что Лукойл является полностью частной компанией, является, вероятно, преимуществом в глазах инвесторов. Таким образом, в нашем представлении, Лукойл является одним из лидирующих и при этом независимых от государства участников нефтяного рынка, что обеспечивает большее доверие и лояльность к компании со стороны как российских, так и иностранных инвесторов. Необходимо отметить, что финансовый анализ не является основным предметом исследования данной работы, поэтому качественная интерпретация полученных результатов представлена в данном разделе в краткой форме.

коинтеграция акция котировка нефть

Заключение

В данной работе проведена оценка влияния цены сырой нефти на котировки акций нефтяных компаний России, а именно компаний Лукойл, Газпромнефть, Сургутнефтегаз, Татнефть и Роснефть. В ходе анализа были использованы данные за 2002-2015 гг. с размерностью один день. Помимо биржевых котировок были использованы: цена сырой нефти марки Brent в долларах США, биржевые индексы РТС (Россия) и S&P500 (США), а также официальный обменный курс рубля к доллару США Центрального Банка РФ.

Целью исследования было выявить наличие или отсутствие влияния цены сырой нефти на биржевые котировки акций нефтяных компаний, охарактеризовать это влияние, сравнить его по результатам построения разных спецификаций модели, для разных компаний и для разных временных промежутков, в том числе до кризиса 2008 года и после него. По итогам исследования мы пришли к следующим выводам:

1. Рассматриваемые в исследовании временные ряды являются нестационарными в уровнях и стационарными в первых разностях.

2. Существует коинтеграционная (долгосрочная) зависимость между рассматриваемыми переменными, причем, что касается котировок акций нефтяных компаний, эта зависимость является статистически значимой во всех спецификациях модели.

3. В рамках исследования был сделан вывод о целесообразности включения в модель параметра цены сырой нефти в качестве экзогенной переменной.

4. Цена нефти оказывала статистически значимое влияние на котировки акций нефтяных компаний в рамках рассматриваемой модели на протяжении всего периода исследования. Исключением стала лишь компания Роснефть - на нее статистически значимого влияния не оказывала ни одна переменная модели.

5. Сила указанного в предыдущем пункте статистического влияния возрастала с течением времени, в том числе, до кризиса 2008 года и после него.

6. Взаимный анализ влияния котировок различных компаний друг на друга и «на самих себя» показал, что первое приращение котировок компании оказывает статистически значимое влияние на текущее значение котировок именно этой компании. Что касается перекрестного влияния, то было выявлено, что котировки компании Татнефть являются наиболее подверженными влиянию котировок других нефтяных компаний, в то время как на котировки компаний Роснефть и Лукойл переменные модели не оказывали статистически значимого влияния ни в одном из рассматриваемых периодов.

7. Сравнение результатов построения модели для докризисного и посткризисного периодов показало, во-первых, что после кризиса 2008 года возросла статистическая значимость коинтеграционного соотношения для всех параметров модели, во-вторых, возросла статистическая значимость цены сырой нефти как экзогенной переменной для котировок всех нефтяных компаний, кроме Роснефти.

Таким образом, в рамках данной работы был найден ответ на поставленный исследовательский вопрос. В дальнейшем исследование данного вопроса может быть расширено в сторону включения более подробного анализа факторов, влияющих на динамику биржевых котировок компании Роснефть. Также, учитывая текущий экономический спад российской экономики, по завершении этого кризиса анализ может быть углублен, если включить в него исследование текущего кризиса с точки зрения статистической значимости влияния цены нефти на котировки акций нефтяных компаний России.

Список использованной литературы:

1. Giovanni M., Manera M., Grassa M. Conditional Correlations in the Returns on Oil Companies Stock Prices and Their Determinants // Fondazione Eni Enrico Mattei Working Paper Number 71. 2004

2. Hayo B., Kutan A. M. The Impact of News, Oil Prices, and Global Market Developments on Russian Financial Markets. // William Davidson Institute Working Paper Number 656. 2004

3. Anatoliev S. A ten-year retrospective on the determinants of Russian stock returns // Research in International Business and Finance, Vol. 22, No. 1, pp. 56-67. 2008

4. Narayan, S., and Narayan, P.K. Are Oil Price News Headlines Statistically and Economically Significant for Investors? // Journal of Behavioral Finance (forthcoming). 2016

5. Dhaoui A., Khraief N. Empirical Linkage between Oil Price and Stock Market Returns and Volatility: Evidence from International Developed Markets // Economics Discussion Papers from Kiel Institute for the World Economy (IfW), No 2014-12. 2014

6. [Электронный ресурс] Сайт Finam: биржевые котировки. Биржевые индексы.

7. [Электронный ресурс] Сайт Центрального банка России. Официальные курсы валют на заданную дату, устанавливаемые ежедневно

8. [Электронное издание] ФТС: доходы РФ от экспорта нефти в 2015 году снизились на 41,8% // ТАСС. Экономика и бизнес. 5.02.2016.

9. О производстве и использовании валового внутреннего продукта (ВВП) за 2015 год // Федеральная служба государственной статистики

10. [Электронное издание] Динамика цен на нефть с 1990 г. Досье // ТАСС. Экономика и бизнес.

11. Kang W., Ratti R.A., Yoon K.H. The impact of oil price shocks on the stock market return and volatility relationship // Journal of International Financial Markets, Institutions & Money, 34 (2015), pp. 41-54

12. Donwa P. A., Mgbame C.O., Aigboduva O. R. Review of oil price volatility and stock returns of oil and gas companies // International Journal of Multidisciplinary Research and Development. Volume: 2, Issue: 8, Aug 2015, pp. 296-303

13. Sorensen L. Q. Oil Price Shocks and Stock Return Predictability // Discussion Papers of Department of Business and Management Science, Norwegian School of Economics, 2009

14. Bastianin A., Conti F., Manera M. THE IMPACTS OF OIL PRICE SHOCKS ON STOCK MARKET VOLATILITY: EVIDENCE FROM THE G7 COUNTRIES // Working Paper n. 2015-17, October 2015

15. Basher S.A., Haug A. A., Sadorsky P. Oil prices, exchange rates and emerging stock markets. Munich Personal RePEc Archive, 2011

16. Канторович Г. Г. Анализ временных рядов // Экономический журнал ВШЭ. Лекционные и методические материалы. №№ 1 (2002, pp. 85-115), 2 (2002, pp. 251-273), 3 (2002, pp. 379-401), 4 (2002, pp. 498-523), 1 (2003, pp. 79-103)

17. Носко В.П. Эконометрика: учебник М.: Изд. дом «Дело» РАНХиГС, 2011. Кн. 1. Ч. 1. 672 с.

18. Dickey D.A. and Fuller W.A. Distribution of the Estimators for Autoregressive Time-Series with a Unit Root // Journal of the American Statistical Assiciation. Vol. 74. 1979. P. 427-431

Приложение 1

Графики переменных модели



Приложение 2

Описательные статистики переменных модели, 2002-2015 гг.

	Количество наблюдений	Среднее	Медиана	Ст.откл	Min	Max	Дисперсия
LUKOIL	4969,00	1640,48	1783,70	613,05	431,12	3135,00	375831,68
GAZPROM	4969,00	117,83	122,34	30,95	40,15	190,50	957,79
SURGUT	4969,00	25,76	26,80	7,48	8,70	50,10	56,02
TATNEFT	4969,00	137,13	141,11	78,66	17,69	354,45	6187,47
ROSNEFT	3452,00	226,99	231,48	30,48	82,41	290,20	928,76
BRENT	4969,00	73,62	70,81	30,36	22,61	146,09	921,98
RTS	4969,00	1216,57	1317,55	529,84	313,99	2487,92	280733,53
SNP	4969,00	1339,87	1276,34	343,01	676,53	2130,82	117655,92
EX_RATE	4969,00	32,22	30,16	9,08	23,13	72,51	82,37

Приложение 3. Описательные статистики переменных модели, 2006-2015 гг.

	Количество наблюдений	Среднее	Медиана	Ст.откл	Min	Max	Дисперсия
LUKOIL	3451	1928,26	1931,83	358,74	740,22	3135,00	128693,16
GAZPROM	3451	131,17	136,94	24,58	40,15	190,50	604,02
SURGUT	3451	28,06	27,96	4,92	8,70	42,77	24,19
TATNEFT	3451	174,28	160,14	61,69	27,50	354,45	3805,16
ROSNEFT	3451	227,00	231,49	30,48	82,41	290,20	928,87
BRENT	3451	87,57	89,56	24,37	36,23	146,09	593,80
RTS	3451	1445,49	1444,24	425,55	498,20	2487,92	181096,25
SNP	3451	1446,53	1387,81	351,70	676,53	2130,82	123694,77
EX_RATE	3451	33,46	30,72	10,61	23,13	72,51	112,60

Приложение 4

Описательные статистики переменных модели, 2006-2008 гг.

	Количество наблюдений	Среднее	Медиана	Ст.откл	Min	Max	Дисперсия
LUKOIL	714,00	2112,84	2112,78	192,26	1600,00	2686,00	36964,83
GAZPROM	714,00	121,28	113,70	22,84	91,72	190,10	521,81
SURGUT	714,00	31,03	31,21	4,92	21,00	42,77	24,16
TATNEFT	714,00	135,00	128,64	18,83	103,85	189,41	354,47
ROSNEFT	714,00	200,31	209,99	44,14	82,41	288,80	1948,43
BRENT	714,00	80,50	74,13	21,65	51,31	144,50	468,73
RTS	714,00	1955,32	1929,38	235,16	1452,54	2487,92	55298,00
SNP	714,00	1416,58	1415,42	76,60	1240,29	1565,15	5867,85
EX_RATE	714,00	25,41	25,72	1,10	23,34	27,06	1,21

Приложение 5

Описательные статистики переменных модели, 2008-2015 гг.

	Количество наблюдений	Среднее	Медиана	Ст.откл	Min	Max	Дисперсия
LUKOIL	2737,00	1880,11	1876,40	376,08	740,22	3135,00	141434,06
GAZPROM	2737,00	133,75	140,30	24,36	40,15	190,50	593,48
SURGUT	2737,00	27,28	27,39	4,61	8,70	39,00	21,30
TATNEFT	2737,00	184,52	183,00	64,79	27,50	354,45	4198,12
ROSNEFT	2737,00	233,96	235,25	20,72	156,50	290,20	429,28
BRENT	2737,00	89,41	99,00	24,70	36,23	146,09	610,17
RTS	2737,00	1312,49	1380,58	358,36	498,20	2223,48	128418,57
SNP	2737,00	1454,34	1352,63	392,62	676,53	2130,82	154150,49
EX_RATE	2737,00	35,56	31,36	10,97	23,13	72,51	120,33

Приложение 6. Тест Йохансена, BRENT - эндогенная переменная, 2002-2006 гг.



Приложение 7

Тест Йохансена, BRENT - экзогенная переменная, 2002-2006 гг.



Приложение 8

Тест Йохансена, BRENT - эндогенная переменная, 2006-2015 гг.



Приложение 6

Тест Йохансена, BRENT - экзогенная переменная, 2006-2015 гг.



Приложение 10

Тест Йохансена, BRENT - эндогенная переменная, 2006-2008 гг.



Приложение 11

Тест Йохансена, BRENT - экзогенная переменная, 2006-2008 гг.

 

Приложение 12

Тест Йохансена, BRENT - эндогенная переменная, 2008-2015 гг.



Приложение 13

Тест Йохансена, BRENT - экзогенная переменная, 2008-2015 гг.



Приложение 14

Результаты построения модели VECM,

BRENT - эндогенная переменная, 2002-2006 гг.



Приложение 15

Результаты построения модели VECM,

BRENT - экзогенная переменная, 2002-2006 гг.



Приложение 16

Результаты построения модели VECM,

BRENT - эндогенная переменная, 2006-2015 гг.



Приложение 17

Результаты построения модели VECM,

BRENT - экзогенная переменная, 2006-2015 гг.



Приложение 18

Результаты построения модели VAR,

BRENT - эндогенная переменная, 2006-2008 гг.

Приложение 19

Результаты построения модели VAR,

BRENT - экзогенная переменная, 2006-2008 гг.

Приложение 20

Результаты построения модели VECM,

BRENT - экзогенная переменная, 2006-2008 гг.



Приложение 21

Результаты построения модели VECM,

BRENT - эндогенная переменная, 2008-2015 гг.

Приложение 23

Результаты построения модели VECM,

BRENT - экзогенная переменная, 2008-2015 гг.



Размещено на Allbest.ru