Анализ рынка ценных бумаг РФ

Если из выборки убрать указанные периоды, то тенденция будет иметь виду = 9,28х— 1716101, при этом R2=0,85.

Объем торгового баланса РФ тесно коррелирует с объемом торгов на ФБ ММВБ (рис. 5). Коэффициент корреляции между объемом торгового баланса и объемом вторичных торгов акциями равен 0,64. Соответственно корреляция между торговым балансом и объемом торгов корпоративными облигациями в режиме торгов РЕПО равна 0,70, а для вторичного обращения облигаций К=0,68. По всем инструментам корреляция составляет 0,74 для режима торгов РЕПО и 0,72 для вторичного обращения.

Статистическое влияние объема торгового баланса РФ на объем торгов всеми инструментами описывается формулой у = 154360х + 420314 (R2 = 0,54).

Из корреляционного облака выпадает февраль 2009 г. Также корреляцию снижает январь 2007 г., январь 2008 г. и январь 2009 г. (зимние каникулы). При исключении этих периодов формула будет иметь вид у = 179364х +175675, R2 достигает 0,71.

 

Влияние состояния торгового баланса на объем вторичных торгов на ФБ ММВБ по всем инструментам описывается по формуле у = 191816х + 1410901 (R2 = 0,51).

Рост торгового баланса не только обеспечивает приток ликвидности, что тоже способствует активности на фондовом рынке, но и дает участникам торгов уверенность и возможность рисковать, что в совокупности приводит к росту торгов по всем инструментам во всех торговых режимах.

К интересным выводам мы приходим в рамках исследования влияния изменения объемов вкладов (депозитов) физических лиц в рублях на объем торгов на ФБ ММВБ (рис. 8). Если общий объем вкладов никак не коррелирует с объемом торгов на ФБ ММВБ, то в разбивке по срокам (на срок от 31 до 90 дней, на срок от 91 до 180 дней, на срок от 181 дня до 1 года) корреляция существенная, причем как по видам бумаг, так и по режимам торгов.

Влияние этих показателей на объем торгов по всем инструментам:

у = 149,45х — 3 335 601 (R* = 0,69, К=0,83):

y = 14,6х  — 1 008 807 (R2 = 0,55, К=0,72):

y = 11,46х  — 4 019 886 (R2 = 0,65, К=0,8):

 

 

 

 

Отметим, что из корреляционных облаков опять выпадают октябрь 2008 г., ноябрь 2008 г. и февраль 2009 г. Без данных периодов формулы будут иметь вид: для депозитов на срок от 31 до 90 дней у=160,6х — 3 872 003 (R2=0,75), на срок от 181 дня до 1 годау=12,9х - 4 780 710 (R2=0,82).

Основной вывод влияния депозитов на объем торгов на ФБ ММВБ: кредитные организации активно выводят короткие депозиты на фондовый рынок и вкладывают их в различные инструменты (акции, облигации) во всех торговых режимах.

Существует статистическая связь между индексом потребительских цен и объемом торгов облигациями субъектов РФ на ФБ ММВБ (R=0,7). При снижении индекса потребительских цен объем торгов облигациями субъектов РФ значительно увеличивается (рис. 10). При снижении индекса потребительских цен у участников торгов инструментами с фиксированной доходностью появляется более точное понимание эффективной доходности инвестиций в данный вид ценных бумаг, что отражается на активности заключения сделок.

Для дальнейшего анализа объемов торгов на ФБ ММВБ изучались факторы, которые могут влиять на активность физических лиц на ФБ ММВБ. Для этого рассчитывалась корреляция между стоимостным объемом сделок, заключенных в интересах клиентов участников торгов, являющихся физическими лицами (по акциям), и показателями, которые рассматривали ранее (матрица 67х3).

Рост денежной массы (М2) способствует увеличению объемов торгов на ФБ ММВБ, причем увеличение агрегата М2 на 1 000 млрд руб. приводит к росту объемов торгов на ФБ ММВБ более чем на 300 млрд руб.

До кризиса (до октября 2008 г.) рост активов кредитных организаций способствовал увеличению деловой активности на ФБ ММВБ. На текущий момент данный тренд не восстановился, но мы думаем, что в перспективе мощное увеличение активов кредитных организаций в последние полтора года приведет к увеличению ликвидности на ФБ ММВБ.

Увеличение международных резервов приводит к значительному росту активности участников торгов в режиме РЕПО на ФБ ММВБ. Так в среднем каждые дополнительные 100 млрд дол. международных резервов обеспечивают дополнительную ликвидность операций РЕПО на 928 млрд руб.

Объем торгового баланса РФ тесно коррелирует с объемом торгов на ФБ ММВБ, как по видам ценных бумаг, так и по режимам торгов. Таким образом, текущее положительное сальдо торгового баланса обеспечивает внимание участников торгов к фондовому рынку.

Одним из факторов, способствующих увеличению объемов торгов на фондовой бирже, является снижение индекса потребительских цен.

Мощным фактором увеличения ликвидности на фондовой бирже являются сбережения физических лиц, так как, во-первых, кредитные организации активно выводят короткие депозиты физических лиц на фондовый рынок, а, во-вторых, часть сбережений физические лица несут не только в кредитные организации на депозит, но и на фондовую биржу (активно проводят торговые операции).

Таким образом, для того чтобы деловая активность на фондовой бирже росла, необходимо повышать норму сбережения и финансовую грамотность населения.

2.3 Корреляционный анализ  доходности корпоративных облигаций

Рассчитаем  корреляцию между доходностью  ПИФов  и корпоративных облигаций.

Таблица 4 – Корреляция между доходностью ПиФа и корпоративных облигаций

№ п/п	Х Доходность ПИФа	У                   доходность корпоративных облигаций	Х*У	Х-Хср	(Х-Хср)2	У-Уср	(У-Уср)2	Х2
1	15,44	8,16	125,9904	0,494	0,244	-2,944	8,667136	238,3936
2	14,99	14,49	217,2051	0,044	0,002	3,386	11,464996	224,7001
3	14,91	12,36	184,2876	-0,036	0,001	1,256	1,577536	222,3081
4	14,76	10,78	159,1128	-0,186	0,035	-0,324	0,104976	217,8576
5	14,63	9,73	142,3499	-0,316	0,100	-1,374	1,887876	214,0369
6	74,73	55,52	828,9458		0,382		23,703	1117,2963

 

На основе данных таблицы рассчитаем коэффициент парной корреляции.

Коэффициент парной корреляции

Для получения выводов о практической значимости синтезированных в анализе моделей, показаниям тесноты связи дается качественная оценка. Это осуществляется на основе шкалы Чеддока (Таблица 5):

Таблица5 – Шкала Чеддока.

 

Показания тесноты связи	0,1 - 0,3	0,3 - 0,5	0,5 - 0,7	0,7 - 0,9	0,9 - 0,999
Характеристика силы связи	слабая	умеренная	заметная	высокая	весьма высокая

 

При r = 1 связь является функциональной, при г = 0 связь отсутствует. Если коэффициент корреляции со знаком «+», то связь прямая, если «-», то связь обратная.

В рассматриваемой модели r = + 0,28, это свидетельствует о наличии слабой связи.

 

 

 

 

 

 

 

 

 

 

 

 

3. Прогноз развития  фондового рынка России в рамках мировой экономики

Для прогнозирования  используем метод экстраполяции данных.

Важное место в системе методов прогнозирования занимают статистические методы. Применение прогнозирования предполагает, что закономерность развития, действующая в прошлом (внутри ряда динамики), сохранится и в прогнозируемом будущем, т.е. прогноз основан на экстраполяции [4]. Точность прогноза зависит от того, насколько обоснованными окажутся предположения о сохранении на будущее действий тех факторов, которые сформировали в базисном ряду динамики его основные компоненты [1]. Поэтому любому прогнозированию в виде экстраполяции ряда должно предшествовать тщательное изучение длительных рядов динамики, которое позволило бы определять тенденцию изменения. Поскольку тенденция развития также может изменяться, то данные, полученные путем экстраполяции ряда, надо рассматривать как вероятностные, как своего рода оценки [3]. Экстраполяция, проводимая в будущее, называется перспективной, в прошлое – ретроспективной. Обычно говоря об экстраполяции рядов динамики, подразумевают чаще всего перспективную экстраполяцию. [2].

Применение экстраполяции в прогнозировании базируется на следующих предпосылках:

• развитие исследуемого явления в целом описывается плавной кривой;

• общая тенденция развития явления в прошлом и настоящем не претерпит серьезных изменений в будущем.

Поэтому надежность и точность прогноза зависят от того, насколько близкими к действительности окажутся эти предположения, а также как точно удастся охарактеризовать выявленную в прошлом закономерность. Экстраполяцию следует рассматривать как начальную стадию построения окончательных прогнозов.

 

Экстраполяцию в общем виде можно представить формулой:

 

где - прогнозируемый уровень;

уi - текущий уровень прогнозируемого ряда;

Т - период упреждения;

аj - параметр уравнения тренда [4].

В зависимости от того, какие принципы и исходные данные положены в основу прогноза, выделяют следующие элементарные методы экстраполяции:

1. Если абсолютные приросты уровней  примерно постоянны, можно рассчитать  средний абсолютный прирост, как  среднюю арифметическую, и последовательно  прибавить его к последнему  уровню ряда столько раз, на  сколько периодов экстраполируется  ряд.

2. Если за исследуемый ряд лет (или другие периоды) годовые коэффициенты роста остаются более-менее постоянными, можно рассчитать средний коэффициент роста и умножить последний уровень ряда на средний коэффициент роста в степени, соответствующей периоду экстраполяции.

3. Учитывая, что между изменениями  нескольких показателей существует  зависимость, можно экстраполировать  один ряд динамики на основе  сведений об изменении второго  ряда, связанного с ним.

4. Можно экстраполировать ряды  на основе выравнивания их по определенной аналитической формуле. Зная уравнение для теоретических уровней и подставляя в него значения t за пределами исследованного ряда, можно рассчитать для данных t вероятностные уровни ŷt.

Так как, выравнивая ряды динамики по аналитическим формулам, главным образом определяется тренд, то при прогнозировании иногда целесообразно, выровняв ряд по той или иной формуле и определив тренд, найти отклонение фактических уровней от выровненных. Затем определить закономерность (тренд) изменения во времени этих отклонений, т.е. найти для их изменения свою формулу. После этого экстраполировать оба ряда, накладывая их друг на друга.

Пользуясь этим методом, следует помнить, что экстраполяция динамического ряда на основе уравнения, полученного при выравнивании, только тогда может дать оценки, близкие к реальным значениям, когда в эмпирическом ряду невелики случайные колебания, измеряемые средним квадратическим отклонением разности (у – ŷt), и между случайными отклонениями отсутствует автокорреляция.

5. Иногда при прогнозировании можно экстраполировать авторегрессионную функцию уровней ряда. При этом методе изучаемый ряд динамики анализируют с точки зрения автокорреляции. Чем больше автокорреляция между уровнями ряда, тем больше оснований для расчета будущих показателей на основе имеющихся. При этом автокорреляция должна быть исчислена для разных лагов между уровнями. Установив наличие автокорреляции между уровнями ряда (с определенным лагом), можно найти уравнение, выражающее эту автокорреляционную зависимость, и, пользуясь им, экстраполировать ряд.

Данный список не является исчерпывающим, приведены лишь простейшие методы экстраполяции.

Однако хорошо известно, что те или иные «предсказания» статистики иногда не только не подтверждаются, но прямо противоположны действительному ходу изменения изучаемых показателей. Это доказывает, что прогнозирование, основанное только на обработке данных наблюдения, слишком рискованно, если оно не учитывает множества взаимосвязанных фактов и моментов, которые способны изменить тенденцию развития в будущем [3].

Большое значение при экстраполяции имеет продолжительность базисного ряда динамики и сроков прогнозирования.

Практика прогнозирования динамики социально-экономических явлений показывает, что при экстраполяции следует брать те субпериоды базисного ряда, которые составляют определенный этап в развитии изучаемого явления в конкретных исторических условиях [1].

Прогнозы могут строиться на длительный период – долгосрочные прогнозы и на небольшие отрезки времени – краткосрочные прогнозы [3]. Установление сроков прогнозирования зависит от задачи исследования. Но следует иметь в виду, что чем короче сроки упреждения прогноза, тем надежнее результаты экстраполяции. Применение методов экстраполяции зависит от изменений в базисном ряду динамики и предопределяется постановкой задачи исследования [1]. При долгосрочном прогнозе (на 5 – 10 лет) следует исходить из динамики изучаемого показателя. Для краткосрочных же прогнозов более важно исследовать влияние факторов, определяющих изучаемый показатель [3].

При экстраполяции уровней развития изучаемого явления на базе ряда динамики с постоянными абсолютными приростами применяется формула

 

,

 

где – экстраполируемый уровень;

 – конечный уровень базисного  ряда динамики;

t – срок прогноза (период упреждения).

При экстраполяции уровней развития изучаемого явления на базе ряда динамики со стабильными темпами роста применяется формула