2023. т. 27. №1

Взаимосвязи между экономиками различных стран и их зависимость от мировых рынков свидетельствуют о том, что для анализа влияния внешних шоков на конкретную экономику необходимо использовать глобальные модели, в частности эконометрические. Целью данной работы является построе­ние глобальной модели векторной авторегрессии (GVAR), включающей Россию как один из регионов, и оценка влияния некоторых внешнеэкономических шоков на российские макроэкономические показатели. Мы строим модель, включающую 41 крупнейшую экономику, в том числе Россию, и отдельно выделяем рынок нефти. Особенностями модели являются учет структурных сдвигов в динамике российского выпуска и новая предложенная нами специ­фикация уравнений спроса и предложения нефти. Для получения количест­венных оценок используются функции импульсных откликов. В работе мы анализируем реакцию выпусков, объемов добычи нефти и цены на нефть в ответ на шоки выпуска Китая и США. В ответ на снижение выпуска в ведущих мировых экономиках выпуски остальных стран снижаются, как минимум, в течение первого года после шока. Также выявлено значимое снижение нефтяных цен и не выявлено значимого изменения объемов добычи в большинстве стран в ответ на данные шоки. Кроме того, в рамках условного прогноза мы оценили влияние падения внешнего спроса из-за пандемии вируса COVID-19 на выпуск в российской экономике в 1,7%, оставшееся падение в 1% может быть отнесено к внутренним эффектам от пандемии (локдауну). Также был получен сценарный прогноз динамики российского ВВП, описывающий эффект от снижения торговли и дисконта цены на нефть, в рамках которого падение выпуска России может достигать 3,3% в 2022 г.

В работе представлен метод получения прогнозов в стохастических терминах для моделей, сформулированных и оцененных в рамках детерминированного подхода. Предложенный метод является более простым с вычислительной точки зрения, чем применяемый в моделях динамического стохастического общего равновесия (DSGE). Метод состоит в оценке параметров модели в детерминированной парадигме и оценке вектора выборочных средних и матрицы ковариаций для приращений экзогенных переменных на внутривыборочном интервале. Далее на вневыборочном интервале, в соответствии с принципом Монте-Карло, траектории приращений экзогенных переменных рассматриваются как реализации многомерного нормального распределения с вектором средних и матрицей ковариаций, оцененными на внутривыборочном интервале. Для каждой реализации экзогенных переменных рассчитываются траектории эндогенных переменных, к которым становится возможным применение методов математической статистики – вычисление мо­ментов, построение доверительных интервалов, проверка различных гипотез и т.д. Подход проиллюстрирован на модели банковской системы России, с высокой точностью воспроизводящей широкий набор показателей ее деятельности. Результатом явился ряд интересных вероятностных свойств полученных стохастических прогнозов, в том числе нарушение нормальности их распределения и нетривиальная динамика доверительных интервалов. Рассмотрено несколько сценариев динамики ключевой ставки и обменного курса, сходных с фактической динамикой этих показателей в начале 2022 г. Был сделан ряд выводов о влиянии шоков ключевой ставки и обменного курса на основные показатели банковской системы. В частности, найдены эффекты, которые не могли бы быть обнаружены в чисто детерминированной парадигме моделирования.

В статье сравниваются между собой GARСH и HAR-модели для прогноза на один день вперед реализованной волатильности финансовых рядов. В ка­честве примера выбрана криптовалюта с наибольшей капитализацией – Bitcoin. Ее реализованная волатильность вычисляется по внутридневным (внут­рисуточным – 24 часа) данным, с использованием закрывающих значений пятиминутных торговых интервалов. В работе предложен способ вычисле­ния реализованной волатильности для случая наличия пропусков в пяти­минутных внутрисуточных данных. Это позволяет добиться сопоставимо­сти дневных величин реализованной волатильности активов, время торгов которых отличается. Среди выбранных для прогнозирования дней практи­чески в равной степени присутствуют все дни недели. Для сравнения выбран актив – E-mini S&P 500 – фьючерсный контракт, который торгуется 23 часа в сутки. Сравнение происходит на интервале наблюдений с 01.01.2018 г. по 29.12.2021 г. Поскольку на этом интервале могли быть (и были) структурные изменения рынков, то модели оцениваются в скользящих окнах длиной 399 дней. Для каждого ряда сравниваются 810 GARCH-моделей (с учетом всех спецификаций моделей), а также 46312 HAR-моделей (с учетом различных преобразований данных 138936 моделей). Для отбора лучших моделей ис­пользуется MCS-тест (на уровне значимости 0,01). Показано, что GARCH-мо­дели уступают HAR-моделям в точности прогноза как реализованной вола­тильности Bitcoin, так и E-mini S&P 500. При этом относительная точность прогноза реализованной волатильности Bitcoin выше, чем точность прогно­за реализованной волатильности фьючерса E-mini S&P 500. Наименьшие от­носительные погрешности для прогнозов реализованной волатильности Bit­coin и E-mini S&P 500 составляют соответственно 29,5 и 36,1%.

В настоящей статье оцениваются масштабы влияния ожидаемой и сюрпризной низкой ликвидности российских акций, торгуемых на Московской бирже, на их ex ante и симультанные избыточные доходности. Следуя количественным предсказаниям гипотезы микроструктурной инвариантности, мы оцениваем ожидаемую величину денежных затрат на исполнение «ставки» на российском рынке акций. Данная оценка используется для расчета меры неликвидности, определяемой в рамках гипотезы микроструктурной инвариантности, для отдельных акций на основе низкочастотных торговых данных. Ожидаемая неликвидность рынка оценивается посредством авторегрессионной модели первого порядка, а сюрпризная неликвидность – остатками из данной модели. Мы используем два метода взвешивания (равные веса и с учетом рыночной стоимости) для расчета доходности и неликвидности рынка, а также доходности портфелей акций, отсортированных по ры­ночной капитализации. Согласно проведенному эмпирическому анализу на интервале с января 2010 г. по декабрь 2020 г., премия за ожидаемую низкую ликвидность на российском рынке акций была незначительной при рассмотрении рыночного портфеля в большинстве спецификаций, в отличие от эффекта сюрпризной рыночной неликвидности. Негативное влияние шоков рыночной неликвидности на доходность рынка не является значимым только для средневзвешенного метода расчета и на интервале с января 2010 г. по июнь 2015 г. Слабая форма гипотезы о более значимом влиянии эффектов неликвидности для акций малой капитализации подтверждается только на интервале с июля 2015 г. по декабрь 2020 г. и при использовании равных весов для определения доходности и неликвидности рынка.

This paper analyzes the existence of relationship between credit risk and the geographical diversification of financial institutions, originating from emerging countries. Due to economic unstable situation in the world caused by Covid-19, credit portfolios of banks and MFIs caused negatively which in some situations can lead to default. In the current situation, it became necessary to discover new approaches to credit risk management and new researches to be done. For this purpose, financial indicators of MFIs operating in Armenia were evaluated and Pearson analysis of MFIs data, risks & profitability efficiency calculation was made to take out impact of diversification of MFIs on credit risk reduction. Both international literature and practical data of MFIs operating in Armenia were identified. Another research was made for taking out the number of branches and credit risk correlation. Our findings show that geographic diversification is statistically significant with the expansion of gross loans. In contrast, empirical results suggest that the geographical diversification of MFIs does not have a significant correlation with the size of the credit risk reserve, which means that the representation of MFIs in different regions in the form of branches will not always lead to credit risk reduction, and in some cases may lead to operational risks and additional costs. We adopt cost funding and assets size variables impact assessment evaluation through instrumental variables method. Our results confirm the endogenous nature of those variables with risk level of MFIs.

This study attempts to analyze the influence of technological infrastructure development and the spill-over effect of dynamic growth of technological innovation on the Asian and European economies. Compared to European countries, the economic infrastructure of Asian countries has transformed significantly during the last three decades. Technological progress and higher growth of available engineers and researchers have become pivotal endogenous determinants in the aggregate production function and eventually became the key drivers of economic growth. Compared to European countries, rapid investment in technology import and a higher number of technologically competent available workforce galvanized uplifted and speedy productivity rates, causing positive economic growth in the Asian economy. The interrelation between technological progress and economic growth is summarized and analyzed by using quantitative methods. The paper stu­dies the nexus between technological progress, the availability of engineers and researchers, and economic growth by applying the dynamic Generalised Method of Moments (GMM) method to the available quantitative data (2013–2017) of chosen Asian and European countries. The econometric results show a significant effect of technological progress and innovation on economic growth. The empirical insight is of particular interest to policymakers as it helps to enhance internal and external technology and innovation development policies for sustainable economic growth in Asian and European countries.