Подтверждение наличия влияния кризисов неэкономического характера на облигационный рынок России

Автор: Бударин А.Н.

Журнал: Петербургский экономический журнал @gukit-journal

Рубрика: Региональная и отраслевая экономика

Статья в выпуске: 2 (44), 2024 года.

Бесплатный доступ

Кризисы неэкономического характера случаются в мире с пугающей регулярностью, и при этом всегда отражаются на экономиках стран, субъектов, домохозяйств. При этом прямой экономический эффект от событий, таких как COVID-19 или СВО, по масштабам зачастую несоразмерен реально наблюдаемым экономическим изменениям. Данная работа рассматривает влияние кризисов 2020 и 2022 годов в России на внутренний облигационный рынок страны с целью подтверждения аномального поведения рынка. В ходе исследования используются стандартные подходы к исследованию временных рядов: при помощи модели ARIMA и теста Чоу были найдены структурные сдвиги в исследуемых облигационных индексах, используемых как прокси для отражения состояния самого рынка. Дизайн самого исследования включает в себя плацебо-тестирование, что позволяет говорить об устойчивости результатов тестирования. Полученные в результате моделирования сдвиги попадают на периоды, совпадающие с фактически случившимися кризисными ситуациями. Благодаря указанным результатам автор приходит к выводу о статистической значимости структурных изменений на облигационном рынке России в указанные периоды. Такие выводы согласуется с различными исследованиями других авторов как в России, так и в мире.

Еще

Структурные сдвиги, временные ряды, кризис 2022, covid-19, облигационный рынок, тест чоу, плацебо тестирование

Короткий адрес: https://sciup.org/140306767

IDR: 140306767

Текст научной статьи Подтверждение наличия влияния кризисов неэкономического характера на облигационный рынок России

Введение, обзор литературы, цель

В России за сравнительно короткий период 2019–2024 гг . случилось 2 крупных события неэкономической природы – COVID-19 и СВО , оказавших значительное влияние на различные экономические сферы . В каждом случае имеет место не только непосредственное влияние самого кризиса – снижение деловой актив ности , но и более ярко и быстро выраженная реакция других сфер экономики , в частности финансового рынка . В кризисных ситуациях рынок реагирует , основываясь на субъектив ных ожиданиях экономических агентов , а не на основании наблюдаемых изменениях в за тронутых экономических показателях , что из учается в контексте поведенческой экономики , в частности бегства к качеству . В данной статье автор планирует проверить статистиче скую значимость отклонений , реализовавшихся на облигационном рынке России в периоды кри зисов , происходивших в 2019–2024 гг .

В более ранних работах [1] рассматрива лось влияние шока COVID-19 на облигаци онный рынок Китая . Как и в данной статье , исследование было сфокусировано на том , как неэкономические факторы оказывают влияние на экономическое поведение агентов . В отличие от рынка России , по состоянию на 2019–2020 гг ., рынок Китая является « закры той системой », и все процессы , наблюдаемые на нем , происходят как бы без влияния внеш них участников – доля нерезидентов на рынке слишком мала , чтобы оказывать влияние на процессы , происходящие в нем . На основании исследования авторы подтвердили , что в эко номике Китая имел место феномен бегства к качеству , наиболее выраженный результат на блюдался на среднесрочных облигациях .

В разных работах, изучающих финансовые рынки в период COVID и украинского кризиса, фиксируются статистически значимые изменения, связанные с курсовыми снижениями стоимостей акций, снижением доходно стей облигаций, изменениями структуры (по капитализации) на финансовых рынках различных стран, среди которых отдельно исследователи отмечают США, страны ЕС, Россию. Так, в работе I. Yagli, B. Deviren [2] фиксируются изменения доходностей государственных облигаций 25 развитых и развивающихся стран, в том числе России, США, Франции, Венгрии, и др. Значимые изменения на первичных рынках облигаций также находят исследователи R. Potoma, R. Verner [3]. Так, они находят сокращение активности первичного предложения не только государственных и муниципальных, но и корпоративных облигаций на рынке России и ряда других стран из G20 после событий 2022 г. Авторы отмечают сильную корреляцию изменений первичного предложения облигаций в ряде стран, таких как Китай, Бразилия, Турция, Саудовская Аравия, с изменениями, произошедшими в России.

Изменения поведения инвесторов фикси руют исследователи и на других рынках . Так , в работе M. Shaik et al. [4] обнаруживаются значимые неоднонаправленные изменения на рынках акций , облигаций , сырья и ряда других в одинаковые периоды , вне зависимо сти от природы рынка . Авторы доказывают статистическую значимо сть изменений на рынке как в период COVID-19, так и в 2022 г . К аналогичным выводам в аналогичные пе риоды изучения приходят и P. Biswas et al. [5] при изучении поведения смоделированных по различным принципам портфелей , имеющих доли в активах сырьевых рынков и рынках акций в странах G20 ( в исследовании были исключены Россия и Украина ). На основании свих выводов авторы в том числе показывают значительные статистические отклонения в период начала СВО для изучаемых рынков .

Изменение рыночной конъюнктуры и структуры также фиксируется в отечественных работах. Так, А. В. Зверев, Л. А. Ковалерова, О. В. Беспалова [6] фиксируют кратковремен- ное изменение в кривой доходно сти ОФЗ и корпоративных облигаций на рынке, которое связывают с уходом иностранцев с рынка во время пандемии COVID-19, с последующим восстановлением спроса и доходностей. Такое поведение инвесторов может быть объяснено бегством к качеству, что состоятельно по отношению к уже рассмотренным работам.

В исследовании Е . Н . Егорова , М . С . Вигри - янова [7] обозначен эффект деглобализации , связанный с COVID-19 и СВО . В случае с пан демией авторы фиксируют краткосрочный и ограниченный частью отраслей разрыв между рынками России и мира , однако после 2022 г . ав торы фиксируют более долгосрочные изменения .

Относительно 2022 г . В . М . Козлов [8] фикси рует негативную динамику на российском рынке облигаций . Значимые изменения на рынках РФ также фиксируются в работе П . В . Шевцов [9]: автор определяет значимые инфраструктурные изменения рынка в исследуемый период .

В целом различные исследования фиксируют наличие признаков структурных сдвигов на финансовых и сырьевых рынках по всему миру. Исследователи фиксируют изменения в периоды COVID-19 и СВО, но не обосновывают статистическую значимость отбора дат и периодов, ссылаясь на очевидность выбора. Различные ав- торы приходят к приводимым друг к другу выводам – обе кризисные ситуации оказали влияние на рассматриваемые в их исследованиях рынки в той или иной мере, при этом механизм влияния по признакам (перехода из более волатильных активов в более «надежные») сходится с явлением бегства к качеству. Данные выводы достоверны и для финансовых рынков России, рассмотренных в большинстве приведенных работ.

В текущем исследовании изучим поведе ние инвесторов на вторичном корпоративном облигационном рынке России как одном из наименее исследованных в литературе сегментов . Отметим , что рассмотренные ис следования не предоставляют статистически значимых доказательств в корректности определения позиции структурного сдвига на временной шкале относительно рассматри ваемых в работах рынках . Данная же статья ставит своей целью определить факт наличия и статистическую значимость структурных сдвигов во временных рядах данных по рос сийскому облигационному рынку , тем самым , во - первых , проверить обоснованность отбора дат сдвигов в исследованиях других авторов , а во - вторых , заложить фундамент для деталь ного исследования рынка облигаций России в дальнейших работах .

Табл. 1 . Список используемых индексов

Tab. 1. List of indexes used

Название индекса	Дата первого значения (для исследования)
IFX-Cbonds	03.01.2012
Cbonds-Muni	03.01.2012
Cbonds-GBI RU	03.01.2012
Cbonds-CBI RU 5Y	03.07.2017
Cbonds CBI RU B/ruB- adj	03.01.2012
Cbonds-CBI RU 1-3Y	03.01.2012
Cbonds-CBI RU 3-5Y	03.01.2012
Cbonds CBI RU BBB/ruAA-	03.01.2012
Cbonds CBI RU BB/ruBBB	03.01.2012
Cbonds CBI RU B/ruB-	03.01.2012
Cbonds CBI RU High Yield	09.01.2018
Cbonds-CBI RU Total Market Investable	01.07.2019
Cbonds-CBI RU Top Market Investable	01.07.2019
Cbonds-CBI RU Middle Market Investable	01.07.2019

Источник: составлено автором по материалам Cbonds [10].

Source: compiled by the author based on Cbonds materials [10].

Используемые данные. Данными для иссле дования послужили облигационные индексы , составленные и поддерживаемые ГК Cbonds [10] на каждый рабочий день . Список индексов , а также сроки , в рамках которых они начали под держиваться , приведены в табл . 1.

Несмотря на то что далее будут использо - ватся только данные приведенных индексов за период 2019–2024 гг ., автор считает необ ходимым зафиксировать даты начала расчетов индексов с целью демонстрации применимо сти индексов в исследовании . Как видно из табл . 1, по всем индексам рассчитаны данные за 2019–2024 гг ., и они могут быть использо ваны в исследовании .

Индексы , отражающие поведение корзины облигаций , сформированы по различным кри териям , таким как принадлежность эмитента к определенному типу (Cbonds-GBI RU – индекс го сударственных облигаций , Cbonds-Muni – индекс муниципальных облигаций , Cbonds-CBI – индексы корпоративных облигаций , IFX-Cbonds – индекс без ограничения на эми тента ), к рейтинговому уровню (BBB/ruAA-, High Yield и др .), к определенному сроку до погашения облигации (1-3Y, 3-5Y, 5Y).

Таким образом, отобранные для исследования индексы отражают поведение ценных бумаг различного уровня риска, что очевидно из параметров рейтинговых уровней и сроков до погашения, распределенного как в контексте надежности эмитента, так его кредитного качества, а также в контексте скорости наступления погашения по ценной бумаге.

В связи с тем , что индексы рассчитыва ются провайдером [10] индивидуально и в течение срока жизни их расчет может быть невозможен по разным причинам , например отсутствие котировок на рынке по большому списку бумаг , входящих в индекс , количество наблюдений у каждого из индексов оценива ется индивидуально . Данная статистика при ведена в табл . 2.

Исходя из описательной статистики , каж дый индекс рассматривается как отдельный временной ряд с индивидуальными статисти ческими особенностями – различны значения средних , отклонений и прочих метрик описа тельной статистики с до статочным количе ством наблюдений для применения методов изучения временных рядов .

Методы исследования

ARIMA. Для исследования данных при бегаем к изучению авторегрессионных про цессов , в частности поведения первого лага временных рядов , в том числе используем мо -

Табл. 2 . Количество наблюдений по индексам

Tab. 2. Number of observations by index

Название индекса	Количество наблюдений	mean	std	min	max
IFX-Cbonds	3093	560,02	175,67	309,47	892,91
Cbonds-Muni	3065	396,51	117,25	230,00	594,01
Cbonds-GBI RU	3067	203,81	56,11	112,04	280,13
Cbonds-CBI RU 5Y	1682	132,11	15,51	100,08	153,98
Cbonds CBI RU B/ruB- adj	3077	214,90	77,62	105,99	378,80
Cbonds-CBI RU 1-3Y	3058	199,49	63,40	106,89	313,06
Cbonds-CBI RU 3-5Y	3059	199,10	64,00	105,45	304,32
Cbonds CBI RU BBB/ruAA-	3059	185,79	54,57	104,90	279,98
Cbonds CBI RU BB/ruBBB	3061	185,21	55,80	106,51	290,19
Cbonds CBI RU B/ruB-	3060	214,15	76,66	105,99	376,02
Cbonds CBI RU High Yield	1550	146,57	28,33	99,33	200,48
Cbonds-CBI RU Total Market Investable	1179	122,92	12,86	100,00	145,27
Cbonds-CBI RU Top Market Investable	1179	121,36	11,58	99,99	141,30
Cbonds-CBI RU Middle Market Investable	1179	126,05	15,13	100,00	152,78

Источник: составлено автором по материалам Cbonds[10].

Source: compiled by the author based on Cbonds materials[10].

дель ARIMA, которая является классическим подходом для изучения временных рядов и используется в разных работах , связанных с изучением поведения облигаций [11–13].

Перед использованием модели ARIMA преобразовываем значения временного ряда следующим образом [14]:

yt где yt и yt–1 – наблюдаемые значения на текущий и предыдущий периоды соответственно. Таким образом, получаем изменения в процентах по каждому изучаемому ряду на весь период наблюдения.

Стационарность полученного ряда про верена при помощи теста Дики – Фуллера . Ре зультаты тестирования приведены в табл . 3.

После представленного выше преобразо ваний и проверки полученных данных на ста ционарность используем следующие модели ARIMA:

ARIMA(1, 0, 1): rt = β1 rt–1 + β2 et–1 + et, ARIMA(1, 0, 0): rt = β1 rt–1 + et, ARIMA(0, 0, 1): rt = β1 еt–1 + et, где rt – преобразованная наблюдаемая величина процентного изменения ряда в момент t;

β _i – коэффициенты при переменных ; e_t – слу чайное отклонение в момент t .

Тест Чоу. Для нахождения структурных сдвигов в данных используем тест Чоу (Chow test). Тест сравнивает две выборки данных одного ряда для подтверждения или опровер жения гипотезы о различности регрессионных моделей двух выборок .

Математическая интерпретация теста заключается в том, что временной ряд может быть представлен в виде двух статистически значимых моделей вида y1 = α1 + β1 x1 + ε1, y2 = α2 + β2 x2 + ε2, где коэффициенты α1, α2 и β1, β2 попарно неравны.

Данный тест используется в экономической литературе для нахождения структурных сдви гов во временных рядах [15, 16]. В литературе он чаще всего проводится для проверки нали чия или отсутствия структурного сдвига в кон кретную дату , каким - либо образом обоснован ную автором , и результаты теста принимаются без дополнительной проверки на устойчивость .

В нашем исследовании используется та же логика , при этом также проводятся тесты в даты , когда по логике исследования не предполагаются изменения во временном

Табл. 3 . Тест Дики–Фуллера

Tab. 3. Dickey–Fuller Test

Параметр	p_value	ADF_Test_Statistic	observations	stationary
IFX-Cbonds_persentage_change	0	–10,28264	3070	1
Cbonds-Muni_persentage_change	0	–9,01591	3027	1
Cbonds-GBI RU_persentage_change	0	–9,52089	3028	1
Cbonds-CBI RU 5Y_persentage_change	0	–11,34289	1666	1
Cbonds CBI RU B/ruB- adj_persentage_change	0	–9,7455	3033	1
Cbonds-CBI RU 1-3Y_persentage_change	0	–23,19027	3035	1
Cbonds-CBI RU 3-5Y_persentage_change	0	–9,21375	3016	1
Cbonds CBI RU BBB/ruAA-_persentage_change	0	–24,34984	3038	1
Cbonds CBI RU BB/ruBBB_persentage_change	0	–8,381	3017	1
Cbonds CBI RU B/ruB-_persentage_change	0	–18,56801	3033	1
Cbonds CBI RU High Yield_persentage_change	0	–7,78597	1520	1
Cbonds-CBI RU Total Market Investable_persentage_change	0	–17,40005	1170	1
Cbonds-CBI RU Top Market Investable_persentage_change	0	–16,87911	1170	1
Cbonds-CBI RU Middle Market Investable_persentage_change	0	–11,28189	1163	1

Источник: составлено автором по материалам Cbonds [10].

Source: compiled by the author based on Cbonds materials [10].

ряду , таким образом , проверяется устойчи вость результатов на ложные срабатывания . Для каждого временного ряда процентных изменений начиная с 2019 г . ( год , когда име ются значения у всех рассматриваемых ин дексов ( см . табл . 1)), проводится указанный тест с разделением выборки на две части , начиная со второго наблюдения и заканчивая предпоследним .

Результаты и дискуссия

Результаты построения моделей ARIMA приведены в табл . 4. Большая часть моде лей типа ARIMA(1, 0, 0) оказались более удачными с точки зрения информационных критериев Акаике (AIC) и Шварца (BIC), по сравнению с другими моделями , что соответ ствует общей логике исследования . В целом на практике из - за особенностей временных рядов большая часть моделей первого поряд ка показывает статистическую значимость , в связи с чем фиксируемся на изучении моделей с первым лагом .

Следует отметить , что коэффициент авто регрессии не показал статистической значимо сти на уровне 1 % для моделей :

– persentage_change_Cbonds CBI RU BBB/ RUAA-_1_0_0;

– persentage_change_Cbonds CBI RU BB/ ruBBB_1_0_0, в связи с чем выводы по указанным рядам не могут считаться статистически значимыми.

Результаты проведения тестов Чоу графи чески представлены на рисунке , на котором видно скопление структурных сдвигов во вре менных рядах в районе 2020, 2022 г . и позже .

Даты , в которые пересекаются структурные сдвиги по всем временным рядам :

– 17.12.2019;

– 23.12.2019;

– 10.03.2020;

– 22.02.2022;

– 25.02.2022;

– 30.03.2022;

– 26.09.2022.

Как видно из рисунка и из полученных «единых» дат структурных сдвигов, статистически значимые изменения в поведении изучаемых временных рядов ассоциируются во времени с периодами значимых шоков неэкономического характера – COVID-19, кризис 2022 г.

Таким образом , можно говорить , что 14 различных стационарных рядов данных , описывающих поведение облигационного рынка , имеют общие , близкие по времени структурные сдвиги в кризисные периоды .

При этом сама суть тестирования подразу мевает проведение плацебо - тестирования , так как тест Чоу проводится на каждый день для каждого ряда , и среди всех « нерезультатив ных » дней выделяются периоды статистически значимой проверки на структурные сдвиги .

Проведенный анализ подтверждает на личие статистически значимых структурных сдвигов во всех исследуемых рядах в перио ды COVID и кризиса 2022 г ., что позволяет ассоциировать выводы исследователей , опи санные в первой части статьи , с рассматрива емыми датами .

Полученные результаты напрямую согла суются с работами других авторов .

Заключение

Проведенное исследование не позволя ет дать количественную или качественную оценку изменений , однако она дана в работах других авторов . Тем не менее данное ис следование подтверждает обоснованность выбора периодов COVID-19 и СВО для про ведения анализа структурных изменений на облигационном рынке России в частности и на финансовых рынках в целом . Кроме того , исследование доказывает , что указанные пе риоды являются единственными периодами за последние 5 лет , в которые были зафикси рованы статистически значимые структурные изменения на облигационном рынке России .

В соответствии с поставленной в статье задачей исследования показывает наличие статистически значимых изменений на облига ционном рынке России в 2020, 2022 гг ., путем анализа 14 временных рядов , полученных из индексов , описывающих различные сегменты рынка облигаций России . Также проведенное плацебо - тестирование доказывает устойчи вость выводов и уникальность дат излома на промежутке в 5 лет .

Графическое представление наличия структурного сдвига в дату на уровне статистической значимости в 1 % Graphical representation of the presence of a structural shift in the date 1% significance level

Табл. 4 . Модели ARIMA

Tab. 4. ARIMA models

ОО

04^

40 °⁰,

о"

40^

Ph s¹

°\

о”

чо ?

04^

a о о 3 а

о о а

ОО

оо"

04 СЛ

04 04

ОО °\ 40"

04 04

of'

7 of

оо

04^

со

of оо

04^

со

со of'

<4 of'

оо"

04 оо"

О1

у s

ОО

оо ОО

04 ОО

of 04

о оо"

оо

of'

04^

о of

ОО

of оо

О1

оо

сю

оо" 40

7 оо"

40"

⁰⁰of оо

2 of оо

оо ⁰⁰of 04 оо

оо

оо ⁰⁰of 04 оо

и <

04 СЛ

оо" 04

04 of' 04

40"

о.

04 40

40 04 of

<4 40"

2 7

2 04

40"

оо сю of

7 of оо

§ о

Ч §

'О й о 6 7 f¹ й¹

°| О ОЮ то Й

О Й О б 7

^ й¹то

Й °1 О М то

о й о б 7 ь f¹ й¹то

Й °1 О М то Й

1 2

о й о ^б| о й¹то

°1 О

то Й

1 S

о й о ^б| о й¹то

°1 О

то Й

°|

Й й о ^б| о й¹то

Й °1 О

то Й

^О|

РЙ 2 9

Й й о ^б| о й¹то

Й °1 О

то Й

Рй 2 9

Й й о ^б| о й¹то

Й 7 О

то Й

РЙ 2 9

Й й о ^б| о й¹то

Й 7 О эд то

I: 1 i

I о эд

1 й у

7 о

й>

°| & а ₽i S у -3 й о ^б| о й¹то

Й 7 О эд то Й

i (ffl а ffl S и -3 й о ^б| й¹то

7 о О ЭД । то о й 1

а то о ай' & аз

i (ffl а ffl S и -3 й о ^б|

й¹аз Й

7 о ^

то о й 1

а то о ай' & аЗ

i (ffl а ffl S и -3 й о ^б| о й¹аз

7 о ^

то о

Й 7 и *7 о '■о’ & аЗ

а ffl S у -3 й о ^б| о й¹то

7 О эд аз

а ffl S у -3 й о ^б| о й¹то

7 О эд аз

°| >

а ffl S у -3 й о ^б| о й¹то

7 О эд аз

а ffl S у -3 й о ^б| о й¹то

7 О эд аз

а ffl S у -3 й о ^б| о й¹то

Й °| о эд аз Й

СО

°|

а ffl S у -3 й о ^б| о 00 а

°i О эд аз

(ffl (ffl

а ffl

S и

-3 й о ^б| о ею а

О эд

й о

Й 1 О о

1 о ^ л 1

(ffl (ffl

а ffl

S и

^ о ^б| О ею а

О эд аз

Й 7

О о то 1 о ^ Л 1

(ffl (ffl

а ffl

S и

^ о

О ею а

О эд аз

Й 7

О о

ТО 1 о о л 1

(ffl

ffl

О ею

б°1

о 1 ею—।

Й 1

й й

& С

04 °\

б.

о"

ОО

7 7

04^

ОО

04 of

40”

7 of

ос

чо

04 04

04"

ОО 40

40 ОС of

ОО

04”

40”

ОС

of ОО

04 04

7 of

ОО

оо

7 of

ffl (ffl

ffl и

-3 Й о

⁶I

О 1

СЮ^

й m

CD i СХ С

ш (ffl

S ffl

S и

-3 й о ^б|

й¹то

ООО fl И £ со CD i СХ С

i (ffl

s ffl

s и

-3

Й о

⁶I о Д⁵ТО

S । о о

о ^. ex 1

i (ffl s ffl s и -3 й о ⁶I й¹то

£? fl ^1 о о

о ^. ex 1

i (ffl s ffl

s и

-3 й о

⁶I й¹то °| £?

fl ^| о о

о О, ex 1

ао

ffl ffl ffl

s и

-3 й о

^б|

й¹

то

fl 7°| о о

СХ

ао

ffl ffl ffl

s и

-3 й о

^б|

й¹то

«о¹

8 7

сх

ао

ffl ffl ffl

ffl

-3

й о ^б|

о ею

£ о,

ех <

й б ffl ffl

s и

-8

Й о о |

ею

§ ■« Й

й 7

о Х4 Хч Й

СХ ^

й б ffl ffl

s и

fl ^ о |

эд^

й 7

О XX Хч Й ех^

б ffl ffl

s и

|О эд^

Й t7?

й 7

Хч Й ех^

^ Й

ех

б ffl ffl

s и

⁶I о ею о 1 °' °l^rtl

Я -О

К 3 х< > ех Л

^ Й

ех

ffl ffl

S и

о ею^

1 °' °l^rtl

Я -О

К 3 х< > схй

ех

б ffl ffl

s и

о ею^

§ °!

-Й I 7°|

7 ^

Xi > схй

^ fl?

ffl ffl

s и

б °1

эд^

Й t7?

Хч Й

ех

fl?

ffl ffl

б °l

ЭД

Я й

Хч Й

ех

^ fl?

ffl ffl

1°,

эд^ Я й

й 7 о XX

Хч Й О ^ ех^

Таким образом , можно говорить об обо снованности выборов указанных дат другими исследователями , так как именно в 2020 и 2022 гг . происходили структурные изменения на рынке . Полученные результаты согла суются с выводами других исследователей отобранных кризисных явлений , а также с более ранним исследованием , нацеленным на изучение облигационного рынка Китая в

Список литературы Подтверждение наличия влияния кризисов неэкономического характера на облигационный рынок России

Утевская М. В., Макарова В. А., Бударин А. Н. Бегство к качеству: на примере китайского рынка облигаций в 2020 году // Экономический вектор. 2023. № 2 (33). С. 139–150. DOI: 10.36807/2411-7269-2023-2-33-139-150
Yagli I., Deviren B. Impact of Russia-Ukraine war on the hierarchical structure of government bond markets // The European Physical Journal Plus. 2023. Т. 138, № 3. Р. 291. DOI: 10.1140/epjp/s13360-023-03901-w
Potoma R., Verner R. The Primary Bond Markets of Russia and the G20 Countries // Available at SSRN 4750707. 2024. DOI: 10.2139/ssrn.4750707
Shaik M. et al. The dynamic volatility nexus of geo-political risks, stocks, bond, bitcoin, gold and oil during COVID-19 and Russian-Ukraine war // Plos one. 2024. Т. 19, № 2. Р. e0286963. DOI: https://doi.org/10.1371/journal.pone.0286963
Biswas P., Jain P., Maitra D. Are shocks in the stock markets driven by commodity markets? Evidence from Russia-Ukraine war // J. of Commodity Markets. 2024. Р. 100387.
Зверев А. В., Ковалерова Л. А., Беспалова О. В. Анализ состояния российского финансового рынка и влияние пандемии коронавируса на его состояние // Управленческий учет. 2021. № 10-3. С. 500–507.
Егорова Е. Н., Вигриянова М. С. Каково влияние мирового фондового рынка на различные сектора российского фондового рынка в условиях пандемии 2020–2021 годов и масштабных антироссийских санкций 2022–2023 годов? // В центре экономики. 2024. № 1. С. 1–15.
Козлов В. М. Российский рынок корпоративных облигаций: возможности роста в условиях санкций // Инновации и инвестиции. 2023. № 1. С. 115–118.
Шевцов П. В. Фондовый рынок россии в 2022 году: результаты, тенденции и стратегии // Сб. материалов XXII Междунар. науч.-практ. конф. «Смирновские чтения-2023». Ч. II. 2023. С. 45.
Cbonds.ru. URL: https://cbonds.ru/ (дата обращения: 27.03.2024).
Cai Z. What a Federal Reserve Hikes Interest Rates Effect Bond Price and the Enlightenment to Investors // Highlights in Business, Economics and Management. 2023. Vol. 19. P. 695–703. DOI: 10.54097/hbem.v19i.12608
Gu Y. Analysis and Forecast of Chinese Government Bond Yields During the COVID-19 Pandemic Period–Based on ARIMA Model // Probe-Accounting, Auditing and Taxation. 2023. Vol. 5, № 2. DOI: 10.59429/paat.v5i2.1390
Тушев А. Н., Юдин Д. А. Прогнозирование цен акций фондового рынка // Измерение, контроль, информатизация. 2023. С. 217–223.
Балабан О. М., Лучин М. А., Орлов Ю. М. Исследование и прогнозирование поведения биржевых индексов с использованием методов статистического анализа в табличном процессоре MS EXCEL // Математическое и компьютерное моделирование в экономике, страховании и управлении рисками. 2016. № 1. С. 3–8.
Novák V., Truong T. T. P. A Combination of Fuzzy Techniques and Chow Test to Detect Structural Breaks in Time Series // Axioms. 2023. Vol. 12, № 2. Р. 103. DOI: 10.3390/axioms12020103
Покровская А. В. Анализ структурных сдвигов на рынке ценных бумаг России в период 2019–2022 гг. // Вестн. Томского гос. ун-та. Экономика. 2023. № 63. С. 118–134. DOI: 10.17223/19988648/63/7.

Еще

Статья научная