Системный риск на российском финансовом рынке: подход ΔCoVaR

Обложка

Цитировать

Полный текст

Аннотация

Введение. Современные финансовые кризисы обусловливают необходимость повышенного внимания к системным рискам и индикаторам для их отслеживания. Данное исследование посвящено оценке системного риска, являющейся востребованным предметом экономических исследований. В работе анализируются системные риски на российском фондовом рынке для компаний, входящих в индекс РТС. Теоретический анализ. Исследуется одна из распространенных мер системного риска CoVaR, которая представляет собой условную стоимость под риском (условный VaR), определяемую как изменение стоимости финансовой системы (актива), подверженной риску, в зависимости от другого актива (системы), находящегося в состоянии спада. Мера риска CoVaR является мощным инструментом управления рисками, и ее можно рассматривать как одновременную меру уязвимости системы, позволяя выделить активы, которые относятся к категории системно значимых. Эмпирический анализ. В исследовании проверяется гипотеза о структурных изменениях в сети распространения рисков с течением времени и рассматриваются различные показатели strength centrality, betweenness centrality, eigenvector centrality and Page Rank для выявления активов, которые могут распространять негативные потрясения по сети. Результаты. Результаты показывают, что во время потрясений 2014 и 2020 гг. российский фондовый рынок был подвержен большему системному риску и большей взаимосвязанности активов. Акции компаний «Сбербанк» и «Татнефть» внесли значительный вклад в этот риск во время политического кризиса и в последующие периоды, при этом размер компании не был доминирующим фактором.

Об авторах

Алексей Раисович Файзлиев

Саратовский национальный исследовательский государственный университет имени Н. Г. Чернышевского

410028, Россия, г. Саратов, ул. Астраханская, 83

Список литературы

  1. Adrian T., Brunnermeier Markus K., Nguyen HoaiLuu Q. Hedge Fund Tail Risk. Quantifying Systemic Risk. University of Chicago Press, 2013, pp. 155–174. https://doi.org/10.7208/chicago/9780226921969.003.0006
  2. De Nicolo G., Lucchetta M. Systemic Risks and the Macroeconomy. In: Haubrich J., Lo A. (eds.) Quantifying Systemic Risk. National Bureau of Economic Research, Inc., 2011, pp. 113–148. Available at: https://EconPapers.repec.org/RePEc:nbr:nberch:12051 (accessed June 22, 2023).
  3. Lehar A. Measuring systemic risk: A risk management approach. Journal of Banking & Finance, 2005, vol. 29, pp. 2577–2603. https://doi.org/10.1016/j.jbankfin.2004.09.007
  4. Bisias D., Flood M., Lo A., Valavanis S. A Survey of Systemic Risk Analytics. Annual Review of Financial Economics, 2012, vol. 4. https://doi.org/10.2139/ssrn.1983602
  5. Smaga P. The Concept of Systemic Risk. Systemic Risk Centre Special Paper. The London School of Economics and Political Science, 2014, vol. 5.
  6. Adrian T., Brunnermeier M. K. COVAR. NBER Working Papers, 17454. National Bureau of Economic Research, Inc, 2011. https://doi.org/10.3386/w17454
  7. Adrian T., Brunnermeier M. K. CoVaR. American Economic Review, 2016, vol. 106, iss. 7, pp. 1705–1741. https://doi.org/10.1257/aer.20120555
  8. Boginski V., Butenko S., Pardalos P. M. Chapter 2: On structural properties of the market graph. In: Nagurney A. (ed.) Innovations in Financial and Economic Networks, 2004, pp. 29–45. https://doi.org/10.4337/9781035304998.00010
  9. Boginski V., Butenko S., Pardalos P. Network models of massive datasets. Computer Science and Information Systems, 2004, vol. 1, iss. 1, pp. 75–89. https://doi.org/10.2298/CSIS0401075B
  10. Xiao F., Liu X. F., Tse C. Dynamics of Network of Global Stock Markets. Accounting and Finance Research, 2012, vol. 1, iss. 2. https://doi.org/10.5430/afr.v1n2p1
  11. Onnela J.-P, Saramaki J., Kertesz J., Kaski K. Intensity and coherence of motifs in weighted complex networks. Physical Review E, 2005, vol. 71, iss. 6. https://doi.org/10.1103/PhysRevE.71.065103
  12. Emmert-Streib F., Dehmer M. Identifying critical financial networks of the DJIA: Toward a network-based index. Complexity, 2010, vol. 16, pp. 24–33. https://doi.org/10.1002/cplx.20315
  13. Boginski V., Butenko S., Pardalos P. Mining market data: A network approach. Computers & Operations Research, 2006, vol. 33, iss. 1, pp. 3171–3184. https://doi.org/10.1016/j.cor.2005.01.027
  14. Huang W. Q., Zhuang X. T., Yao S. A network analysis of the Chinese stock market. Physica A: Statistical Mechanics and its Applications, 2009, vol. 388, iss. 14, pp. 2956–2964. https://doi.org/10.1016/j.physa.2009.03.028
  15. Namaki A., Shirazi A., Raei R., Jafari G. Network analysis of a financial market based on genuine correlation and threshold method. Physica A: Statistical Mechanics and its Applications, 2011, vol. 390, iss. 21–21, pp. 3835–3841. https://doi.org/10.1016/j.physa.2011.06.033
  16. Sidorov S., Barabash V., Faizliev A. Analysis of the impact of sanctions on systemic risks for Russian. Lecture Notes in Engineering and Computer Science. Proceedings of the World Congress on Engineering 2017, WCE 2017. 2017, vol. 2229, pp. 380–384. EDN: XXIOLB
  17. Androsov I., Faizliev A., Korotkovskaya E., Lunkov A., Mironov S., Petrov V., Sidorov S., Smolov F. Shock Diffusion Analysis for a Directed Market Network Constructed with Use of the Risk Measure CoVaR. Journal of Physics: Conference Series, 2019, vol. 1334, iss. 1, 012003. https://doi.org/10.1088/1742-6596/1334/1/012003
  18. Kalyagin V. A., Koldanov A. P., Koldanov P. A., Pardalos P. M. Optimal decision for the market graph identifi cation problem in a sign similarity network. Annals of Operations Research, 2018, vol. 266, pp. 313–327. https://doi.org/10.1007/s10479-017-2491-6
  19. Jorion P. Value at Risk: The New Benchmark for Managing Financial Risk. 3rd ed. New York, McGraw-Hill, 2006. 602 p.
  20. Hautsch N., Schaumburg J. and Schienle M. Financial Network Systemic Risk Contributions. Review of Finance, 2014, vol. 19, iss. 2, pp. 685–738. https://doi.org/10.1093/rof/rfu010
  21. Hardle W. K., Wang W., Yu L. Systemic risk, Systemic risk network, Generalized quantile, Quantile singleindex regression, Value at risk, CoVaR, Lasso. Journal of Econometrics, 2016, vol. 192, iss. 2, pp. 499–513. https://doi.org/10.1016/j.jeconom.2016.02.013
  22. Zhang W., Zhuang X., Wang J., Lu Y. Connectedness and systemic risk spillovers analysis of Chinese sectors based on tail risk network. The North American Journal of Economics and Finance, 2020, vol. 54, 101248. https://doi.org/10.1016/j.najef.2020.101248
  23. Reboredo J., Ugolini A. Systemic risk in European sovereign debt markets: A CoVaR-copula approach. Journal of International Money and Finance, 2015, vol. 51, pp. 214–244. https://doi.org/10.1016/j.jimonfin.2014.12.002
  24. Fang L., Cheng J., Su F. Interconnectedness and systemic risk: A comparative study based on systemically important regions. Pacific-Basin Finance Journal, 2019, vol. 54, pp. 147–158. https://doi.org/10.1016/j.pacfin.2019.02.007
  25. Adams Z., Fuss R., Gropp R. Spillover Effects among Financial Institutions: A State-Dependent Sensitivity Value-at-Risk Approach. Journal of Financial and Quantitative Analysis, 2014, vol. 49, iss. 3, pp. 575–598. https://doi.org/10.1017/S0022109014000325
  26. Krackardt D. QAP partialling as a test of spuriousness. Social Networks, 1987, vol. 9, iss. 2, pp. 171–186. https://doi.org/10.1016/0378-8733(87)90012-8

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».