Вестник_6_2021. Научный журнал
 Скачать 7.42 Mb.
|
|
Группировка публикаций по периоду Исследования, использующие данные Количество публикаций «доковидного» периода 30 «ковидного» периода до начала массовой вакцинации 57 «ковидного» периода после начала массовой вакцинации 1 Источник: составлено авторами. Таким образом, наблюдается существенный дефицит исследований, проведенных с использованием данных после начала массовой вакци- нации. Возможно, часть таких исследований еще на стадии разработки или ожидает публикации. Эффекты вакцинации и ее влияние на эконо- мическое развитие могут оказаться перспективным направлением даль- нейших исследований. Хорошее качество данных (тщательно собираемая ежедневная ста- тистика заболеваемости, смертности, а также доступность данных, ха- рактеризующих финансовые рынки) позволило исследователям строить различные эконометрические модели: обычные множественные и кван- тильные регрессии, основанные на кросс-секциях или панельных данных и оцениваемых OLS (Yue et al., 2020; Cepoi, 2020; Baig et al., 2021); мо- дели временных рядов VAR (Mishra et al., 2020; Bouri et al., 2021; Adekoya, Oliyide, 2021; C. Chen et al., 2020; Chatterjee & French, 2021), SVAR (Czech, Wielechowski, 2021;), GARCH (Vasileiou, 2021; Corbet et al., 2020; Xu, 2021), динамические модели ARDL (Algamdi et al., 2021; Vurur, 2021), исполь- зовать инструменты вейвлет-анализа (Umar, Gubareva, 2020; Iqbal et al., 2020) и методологию ESM (event-study method) (Ichev, Marinč, 2018; Liu et al., 2020; Mirza et al., 2020). В интернет-приложении Г (доступно по ссылке: https://drive.google. com/fi le/d/1eAbwQef3WOZeRTFAvb2wR2BkIXDVSVGk/view?usp=sharing) приведена группировка публикаций по типам моделей и методов: исполь- зующие регрессионные модели (включающие парные, множественные регрессии, а также регрессии на панельных данных, квантильные, про- бит-регрессии и динамические регрессионные модели ARDL, таблица Г.1); использующие модели временных рядов (ARMA, ARCH, GARCH, VAR их модификации, в том числе модели с марковскими переключе- ниями, таблица Г.2); использующие методологию вейвлет-анализа (та- блица Г.3), методологию Event study, т.е. событийного метода исследо- вания (таб лица Г.4). Итоги группировки показаны в табл. 3. 39 Таблица 3 Группировка публикаций по методологии исследования Типы методологии/метода моделирования Количество публикаций Регрессионный анализ 20 Моделирование временных рядов 27 Вейвлет-анализ 7 Event study 8 Источник: составлено авторами. Таким образом, исследования влияния факторов пандемии на финан- совые рынки проводятся преимущественно с использованием различных моделей временных рядов, что традиционно для данной сферы. Объект исследования. Объектом исследований явились в основном фи- нансовые рынки в целом, а также отдельно фондовые рынки, рынки ак- ций, валютные рынки, в частности рынки криптовалют, рынки дефолт- ных свопов, а также рынки товаров и услуг. Рынок нефти и золота часто использовался в качестве дополнительного объекта, исследователи вклю- чали цены на нефть и золото в качестве контрольных переменных при ис- следовании эффектов пандемии на фондовые рынки. Некоторое количе- ство исследований посвящено отраслевым рынкам, таким как энергети- ческий. Часть исследований — изучению влияния пандемии на отдельные компании (например, имеющие в названии слово, созвучное с «Корона») и доходность их акций. Мы уделяли большее внимание публикациям, ис- следующим влияние пандемии на фондовые рынки. В интернет-приложении Д (доступно по ссылке: https://drive.google. com/fi le/d/1eAbwQef3WOZeRTFAvb2wR2BkIXDVSVGk/view?usp=sharing) приведена группировка публикаций по объекту исследования. Выделены исследования, направленные на финансовые рынки в целом (таблица Д.1), на фондовые рынки (таблица Д.2), на рынки криптовалют (таблица Д.3), на товарные рынки (таблица Д.4), а также на поведение отдельных инди- видов, домохозяйств или компаний на рынке (таблица Д.5) Итоги группировки показаны в табл. 4. Таблица 4 Группировка публикаций по объекту исследования Объект исследования Количество публикаций Финансовые рынки в целом 13 Фондовые рынки 37 Рынки криптовалют и валютные рынки 10 Товарные рынки 7 Индивиды, домохозяйства, отдельные компании 3 Источник: составлено авторами. 40 Таким образом, в обзоре большее внимание уделено публикациям, ис- следующим влияние пандемии на фондовые рынки. В изученных нами статьях исследователи доказали воздействие коро- навируса на финансовые рынки в целом (Louhichi et al., 2021; Zhang et al., 2020), фондовые рынки (Al-Awadhi et al., 2020; Ali et al., 2020) и рынки криптовалют (Conlon, McGee, 2020; Corbet et al., 2020). Зависимые переменные. В качестве результативной зависимой пе- ременной исследователи рассматривали различные фондовые индексы (Vasileiou et al., 2021; Shehzad et al., 2021), индексы волатильности (Baker et al., 2020; Zhang et al., 2020), доходность акций и облигаций (Al-Awadhi et al., 2020; Wei, Han, 2021), обменные курсы валют (Umar, Gubareva, 2020; Mishra et al., 2020), цену нефти и золота (Dutta et al., 2020; Bouri et al., 2021) и энергетический индекс (Czech, Wielechowski, 2021). В интернет-прило- жении Е (доступно по ссылке: https://drive.google.com/fi le/d/1eAbwQef3W OZeRTFAvb2wR2BkIXDVSVGk/view?usp=sharing) приведена группировка публикаций по зависимым переменным. Выделены публикации, иссле- дующие влияние различных факторов на доходность акций или фондо- вые индексы (таблица Е.1), на волатильность и индексы, связанные с ней (таб лица Е.2), на курсы валют и криптовалют (таблица Е.3), на цену нефти или золота (таблица Е.4). Итоги группировки показаны в табл. 5. Таблица 5 Группировка публикаций по виду зависимой переменной Вид зависимой переменной Количество публикаций Доходность акций/фондовые индексы 42 Волатильность 9 Курсы валют и криптовалют 13 Цена нефти, золота 5 Источник: составлено авторами. Частое использование фондовых индексов в качестве зависимой пере- менной обусловлено, вероятно, с одной стороны, направленностью пу- бликаций, посвященных изменениям на фондовых рынках, с другой сто- роны, доступностью данных по ним. Объясняющие переменные. Список исследуемых независимых пере- менных достаточно широк, однако стоит отметить, что исследования, в которых использовались регрессии с включением независимых пере- менных, содержали в качестве таковых как смертность (Goodell, Goutte, 2021; Yousfi et al., 2021), так и число подтвержденных случаев заболева- емости (Topcu, Gulal, 2020; Ahmar, del Val, 2020). Исследования, касаю- 41 щиеся влияния паники и настроений на поведение рынков, используют различные индексы «страха» (Vasileiou, 2021; C. Chen et al., 2020), паники (Cepoi, 2020; Haroon, Rizvi, 2020), настроений (Haroon, Rizvi, 2020; Baig et al., 2021), новостные индексы (Haroon, Rizvi, 2020; Sharif et al., 2020). Целесообразно выделить отдельно работы, эмпирически доказываю- щие прямые эффекты, и работы, основанные на доказательствах косвен- ных влияний пандемии на фондовые рынки. В интернет-приложении Ж (доступно по ссылке: https://drive.google.com/fi le/d/1eAbwQef3WOZeRTFA vb2wR2BkIXDVSVGk/view?usp=sharing) мы сгруппировали исследования по видам используемых переменных на основании направленности ис- следования — выделение и обоснование прямого эффекта (таблица Ж.1) и косвенного эффекта (таблица Ж.2). Итоги группировки показаны в табл. 6. Таблица 6 Группировка публикаций по виду эффектов Вид эффекта влияния Количество публикаций Прямой 41 Косвенный 20 Эффект отсутствует 0 Источник: составлено авторами. Исследования прямых эффектов коронавируса. Большинство работ по- священы исследованию прямых эффектов коронавируса на фондовые индексы (Corbet et al., 2020), котировки отдельных акций (Akhtaruzzaman et al., 2021). Ряд работ рассматривают прямые эффекты коронавируса на волатильность отдельных индексов (Ashraf, 2020; Topcu, Gulal, 2020, Baek et al., 2020; Corbet et al., 2020), на перетекание волатильности между рынками (Ali et al., 2020). В большей части работ доказывается наличие отрицательной связи между количеством случаев COVID-19 и показате- лями финансовых рынков. Ежедневный рост общего числа подтвержден- ных случаев заболевания и общее число случаев смерти от COVID-19 ока- зывают значительное негативное влияние на доходность акций компаний. Количество подтвержденных случаев заболевания COVID-19 существенно повлияло на основные фондовые индексы, особенно в Азии, где они пре- терпели более значительное снижение. В работах, рассматривающих фондовые биржи, было показано, что COVID-19 оказывает сильное положительное влияние на волатиль- ность каждой биржи. Однако более подробный анализ работ позволил вы- явить некоторые разнонаправленные эффекты пандемии. Так, согласно исследованию, проведенному в США (Mazur et al., 2020), акции секторов добычи природного газа, продуктов питания, здравоохранения и про- 42 граммного обеспечения приносят высокую положительную доходность, тогда как стоимость акций в секторах нефти, недвижимости, развлече- ний и гостеприимства резко падает. Более того, проигравшие акции де- монстрируют крайнюю асимметричную волатильность, которая отрица- тельно коррелирует с доходностью акций, т.е. фирмы по-разному реаги- руют на шок доходов от COVID-19. Аналогичные результаты, полученные по Китаю в работе Pinglin et al. (2020), демонстрируют серьезное влияние на традиционные отрасли промышленности Китая, такие как транспорт, горнодобывающая промышленность, электроэнергетика и отопление, окружающую среду. Напротив, пандемия создала возможности для раз- вития высокотехнологичных областей. Промышленность, информаци- онные технологии, образование и здравоохранение положительно отре- агировали на пандемию. Мировой рынок сырой нефти испытал значительный спад после вспышки нового коронавируса, однако для Саудовской Аравии выяв- лен позитивный эффект влияния пандемии на цены на нефть (Algamdi et al., 2021). Исследования криптовалют приводят разные результаты. Так, в работе Chen (2021) отмечается, что биткоин можно использовать для хеджиро- вания от неопределенности политики в Китае, поскольку значительный рост неопределенности приводит к повышению доходности биткоина. Подтверждение этих результатов мы находим также в работе Mariana et al. (2021). Авторы доказывают, что две крупнейшие криптовалюты подходят в качестве краткосрочных убежищ. Их дневная доходность отрицательно коррелирует с доходностью S&P 500 во время пандемии. Результаты также показывают, что Ethereum, возможно, является лучшим «безопасным убе- жищем», чем биткоин. Однако обе монеты демонстрируют высокую во- латильность. В работе Conlon, McGee (2020), в которой авторы изучили влияние на портфель S&P 500, диверсифицированный за счет распределе- ния в биткоинах, установлено, что биткоин не действует как «безопасное убежище»: в течение рассматриваемого периода обнаружено, что S&P 500 и биткоин движутся синхронно, что приводит к увеличению риска паде- ния для инвестора с размещением в биткоин. Также Corbet et al. (2021) считает, что во времена серьезных финансовых и экономических потрясе- ний криптовалюты действуют не как хеджирование или убежище, а, воз- можно, скорее как усилители заражения. Схожее мнение мы находим в работе Chen et al. (2020). Золото способно в достаточной степени хеджировать инвесторов от ин- вестиционных рисков фондового рынка и рынка сырой нефти в период глобальной пандемии здоровья. Однако этот потенциал хеджирования золота зависит от времени, режима и нелинейности, что означает, что он варьируется в различных режимах (Adekoya et al., 2020). В работе Dutta et al. (2020) показано, что золото является активом-убежищем для миро- 43 вых рынков сырой нефти. Риск портфеля сводится к минимуму, когда инвесторы включают нефть и золото в свой портфель, а не держат активы на рынках нефти и биткоинов. Исследование различных вариантов государственной политики и эф- фектов влияния на финансовые рынки во время пандемии доказало, что возникновение пандемии ослабило влияние денежно-кредитной поли- тики на финансовые рынки. Однако блокировки, запреты на поездки и па- кеты экономических стимулов оказали положительное влияние на фондо- вые рынки G7 (Narayan et al., 2020). Изоляция была наиболее эффектив- ной для смягчения последствий COVID-19. Противоположный результат доказан в Ahmar (2020): блокировка как попытка подавить распростране- ние COVID-19 привела к подрыву экономики. Исследования косвенных эффектов коронавируса. Исследования, ана- лизирующие косвенные эффекты пандемии, рассматривают ее психоло- гические последствия (Haroon, Rizvi, 2020; Corbet et al., 2020). Так, о не- гативном влиянии страха на показатели фондовых рынков говорят работы Vasileiou (2021), Haroon, Rizvi (2020), Baker (2020) и др. В век стремитель- ного распространения информации продолжающаяся пандемия COVID-19 вызвала беспрецедентное освещение в новостях и распространение ин- формации по всему миру. Как следствие, всеобщая паника, порождаемая новостными агентствами, приводила к растущей волатильности на фондо- вых рынках. Результаты для отдельных секторов экономики показывают, что панические новости в большей степени способствовали волатильно- сти в секторах, которые больше всего пострадали от пандемии (Haroon, Rizvi, 2020). В Baker (2020) автор подчеркивает, что влияние развития COVID-19 и ответных мер политики на фондовый рынок США не имеет исторических прецедентов, беспрецедентную реакцию фондового рынка на COVID-19 нельзя объяснить просто летальностью вируса. Новости, связанные с COVID-19 (как положительные, так и отрицательные), были доминирующим фактором больших ежедневных движений на фондовом рынке США. В Baek et al. (2020) доказано, что изменения волатильности более чувствительны к новостям о COVID-19, чем к экономическим по- казателям; негативные новости о количестве смертей вдвое более эффек- тивны, чем позитивные новости о выздоровлении, предполагающие на- личие негативной предвзятости. Реакция рынка на новости о COVID-19 демонстрирует положительно-отрицательную асимметрию. О значении медиа в формировании настроений участников рынка и соответственно косвенном влиянии на них говорят как работы, посвя- щенные COVID-19 (Haroon, Rizvi, 2020; Baker et al., 2020; Baek et al., 2020; Cepoi, 2020; Baig et al., 2021), так и исследования, изучающие эпидемию лихорадки Эбола (Ichev, Marinč, 2018). После вспышки лихорадки Эбола в 2014–2016 гг. на финансовых рынках также наблюдалась отрицательная доходность. В работе показано, что информация о событиях, связанных со вспышкой Эболы, была более актуальна для компаний, которые геогра- 44 фически ближе к месту возникновения событий, связанных со вспышкой Эболы, и к финансовым рынкам. Эффект был более выражен для неболь- ших и более волатильных акций, акций определенной отрасли, а также для акций, подверженных интенсивному освещению в СМИ. Таким об- разом, освещение в СМИ таких серьезных событий, как эпидемия и пан- демия, может усилить тревогу, плохое настроение и страх, что может вы- звать неприятие риска и пессимизм среди инвесторов. Влияние паники на фондовые рынки доказано в работе Cepoi (2020), на рынок криптовалют — в работах Vurur (2021), Umar, Gubareva (2020). Cepoi (2020) доказывает, что фондовые рынки демонстрируют асимме- тричные зависимости с информацией, связанной с COVID-19, фейковые новости оказывают негативное влияние на нижний и средний квантили во всем распределении доходности; однако их влияние не является ста- тистически значимым для крайних значений. Освещение в СМИ при- водит к снижению доходности в средних и верхних квантилях и не вли- яет на нижние квантили. Существует высокая согласованность между изменениями индекса паники, связанного с коронавирусом, и движе- ниями цен в евро, фунтах стерлингов и юанях 1 , а также движением ин- декса криптовалюты Bloomberg Galaxy Crypto (Umar, Gubareva, 2020). Основные выводы для каждой пары индексов очень похожи и подтверж- дают тезис о том, что стратегии кросс-валютного хеджирования, кото- рые могут работать в нормальных рыночных условиях, могут потерпеть неудачу в периоды глобального кризиса, например, такого как панде- мия COVID-19. Однако Yu et al. (2021), анализируя корреляции между доходностью фондового рынка и индексами пандемической тревожности, показали, что они меняются во времени: во всех изученных странах корреляция становится слабее и имеет меньшие колебания после анонса вакцины от COVID-19. О значении социальных сетей в формировании настроений говорит работа Chatterjee, French (2021), в которой используется индекс неопреде- ленности рынка Twitter (TMU), который является ведущим индикатором доходности во время пандемии. Влияние TMU на волатильность и лик- видность фондовых рынков также сильнее во время пандемии. В работе Decker, Schmitz (2016) исследуется индивидуальная склон- ность к риску и доказывается, что шоки здоровья увеличивают индиви- дуальное неприятие риска. Аналогичные результаты во время пандемии доказаны в Yue et al. (2020). Домохозяйства, знающие кого-то, кто инфи- цирован COVID-19, теряют доверие к экономике. Они с большей веро- ятностью изменят свое рискованное поведение и станут избегать риска. 1 Индекс VIX — индекс паники, первый эталонный индекс, представленный Чикаг- ской биржей опционов (CBOE) для измерения ожиданий рынка в отношении будущей во- латильности. 45 Кроме того, COVID-19 увеличивает вероятность того, что домохозяйство изменит свой инвестиционный портфель, что, в частности, приводит к уменьшению общей суммы инвестиций. Таким образом, пандемии, особенно глобальная пандемия COVID-19, способствовали рассмотрению исследователями наряду с классическими детерминантами финансовых рынков и прямых эффектов от спада в эко- номике также косвенных, «информационных» эффектов, базирующихся на теории поведенческих финансов. В ряде случаев доказано, что рынки более чувствительны к «информационным» факторам, т.е. косвенные эф- фекты сравнимы и порой превышают прямые. |