Влияние санкций на капитализацию отечественных компаний: отраслевой аспект

Обложка

Цитировать

Полный текст

Аннотация

В статье оценивается влияние санкций на экономику России с учетом отраслевого аспекта («Нефть и газ», «Телекоммуникации» и «Потребительский сектор»). Методология исследования включает эконометрическое моделирование (эластичная сеть и GARCH-моделирование) и текстовый анализ. Разработаны авторские санкционные индексы на основе текстового анализа. Проведена оценка позитивности и негативности новостей на основе словаря Эмпирическая база исследования включает новостные публикации портала lenta.ru за период с 1 января 2014 г. по 31 марта 2023 г. из тематических разделов «Экономика» и «Наука и техника». На основе GARCH-моделирования было выявлено, что санкции отрицательно влияют на капитализацию крупнейших компаний в отраслях нефти и газа, потребительского сектора и телекоммуникаций, тональность новостей влияет на капитализацию компаний. Разработаны санкционные индексы (a minimal index, an expanded index, a maximally expanded index), которые позволяют оценить уровень санкционного давления. На основе метода эластичных сетей получен вывод о приоритетности сентиментальных переменных над кон-
трольными, т.е. информация о санкциях и ее тональная окраска больше влияет на фондовый рынок, чем цена на нефть, курс рубля и межбанковская ставка в краткосрочном периоде.

Об авторах

Е. Федорова

Financial University under the Government of the Russian Federation

Автор, ответственный за переписку.
Email: ecolena@mail.ru

А. Неврединов

Bauman Moscow State Technical University

Email: a.r.nevredinov@gmail.com

Л. Черникова

Financial University under the Government of the Russian Federation

Email: tariff2004@mail.ru

Список литературы

  1. Crozet M., Hinz J. Collateral damage: The impact of the Russia sanctions on sanctioning countries’ exports. CEPII Working Paper. 2016;(16). URL: http://www.cepii.fr/PDF_PUB/wp/2016/wp2016-16.pdf
  2. Crozet M., Hinz J. Friendly fire: The trade impact of the Russia sanctions and counter-sanctions. Economic Policy. 2020;35(101):97-146. https://doi.org/10.1093/epolic/eiaa006 DOI: https://doi.org/10.1093/epolic/eiaa006
  3. Sonnenfeld J., Tian S., Sokolowski F., Wyrebkowski M., Kasprowicz M. Business retreats and sanctions are crippling the Russian economy. SSRN Electronic Journal. 2022. https://doi.org/10.2139/ssrn.4167193 DOI: https://doi.org/10.2139/ssrn.4167193
  4. Moghaddasi Kelishomi A., Nisticò R. Employment effects of economic sanctions in Iran. World Development. 2022;151:105760. https://doi.org/10.1016/j.worlddev.2021.105760 DOI: https://doi.org/10.1016/j.worlddev.2021.105760
  5. Tuzova Y., Qayum F. Global oil glut and sanctions: The impact on Putin’s Russia. Energy Policy. 2016;90:140-151. https://doi.org/10.1016/j.enpol.2015.12.008 DOI: https://doi.org/10.1016/j.enpol.2015.12.008
  6. Gutmann J., Neuenkirch M., Neumeier F. The economic effects of international sanctions: An event study. Universität Trier. Research Papers in Economics. 2021;(3). https://www.econstor.eu/bitstream/10419/243481/1/2021-03.pdf
  7. Mahlstein K., Mcdaniel C., Schropp S., Tsigas M. Estimating the economic effects of sanctions on Russia: An allied trade embargo. The World Economy. 2022;45(11):3344-3383. https://doi.org/10.1111/twec.13311 DOI: https://doi.org/10.1111/twec.13311
  8. Selden Z.A. Economic sanctions as instruments of American foreign policy. Westport, CT: Greenwood Publishing Group; 1999. 147 p.
  9. Oxenstierna S. Western sanctions against Russia: How do they work? In: Rosefielde S., ed. Putin’s Russia: Economy, defence and foreign policy. Singapore: World Scientific Publishing Co.; 2018:433-452. DOI: https://doi.org/10.1142/9789811212680_0013
  10. Haidar J.I. Sanctions and export deflections: Evidence from Iran. Economic Policy. 2017;32(90):319-335. https://doi.org/10.1093/epolic/eix002 DOI: https://doi.org/10.1093/epolic/eix002
  11. Pond A. Economic sanctions and demand for protection. Journal of Conflict Resolution. 2017;61(5):1073-1094. https://doi.org/10.1177/0022002715596777 DOI: https://doi.org/10.1177/0022002715596777
  12. Ankudinov A., Ibragimov R., Lebedev O. Sanctions and the Russian stock market. Research in International Business and Finance. 2017;40:150-162. https://doi.org/10.1016/j.ribaf.2017.01.005 DOI: https://doi.org/10.1016/j.ribaf.2017.01.005
  13. Nivorozhkin E., Castagneto-Gissey G. Russian stock market in the aftermath of the Ukrainian crisis. Russian Journal of Economics. 2016;2(1):23-40. https://doi.org/10.1016/j.ruje.2016.04.002 DOI: https://doi.org/10.1016/j.ruje.2016.04.002
  14. Gurvich E., Prilepskiy I. The impact of financial sanctions on the Russian economy. Russian Journal of Economics. 2015;1(4):359-385. https://doi.org/10.1016/j.ruje.2016.02.002 DOI: https://doi.org/10.1016/j.ruje.2016.02.002
  15. Dudlák T. After the sanctions: Policy challenges in transition to a new political economy of the Iranian oil and gas sectors. Energy Policy. 2018;121:464-475. https://doi.org/10.1016/j.enpol.2018.06.034 DOI: https://doi.org/10.1016/j.enpol.2018.06.034
  16. Babina T., Hilgenstock B., Itskhoki O., Mironov M., Ribakova E. Assessing the impact of international sanctions on Russian oil exports. SSRN Electronic Journal. 2023. http://dx.doi.org/10.2139/ssrn.4366337 DOI: https://doi.org/10.2139/ssrn.4366337
  17. Kolesnikova A., Fantazzini D. Asymmetry and hysteresis in the Russian gasoline market: The rationale for green energy exports. Energy Policy. 2021;157:112466. https://doi.org/10.1016/j.enpol.2021.112466 DOI: https://doi.org/10.1016/j.enpol.2021.112466
  18. Witt M.A., Lewin A., Li P.P., Gaur A. Decoupling in international business: Evidence, drivers, impact and implications for IB research. Journal of World Business. 2023;58(1):101399. https://doi.org/10.1016/j.jwb.2022.101399 DOI: https://doi.org/10.1016/j.jwb.2022.101399
  19. Demarais A. Backfire: How sanctions reshape the world against U.S. interests. New York, NY: Columbia University Press; 2022. 304 p. DOI: https://doi.org/10.7312/dema19990
  20. Naidenova J., Novikova A. The reaction of Russian public companies’ stock prices to sanctions against Russia. Journal of Corporate Finance Research. 2018;12(3):27-38. https://doi.org/10.17323/j.jcfr.2073-0438.12.3.2018.27-38 DOI: https://doi.org/10.17323/j.jcfr.2073-0438.12.3.2018.27-38
  21. Njoroge P., Baumann M., Baumann M.H., Shevchenko D. Stock price reactions to publications of financial statements: Evidence from the Moscow Stock Exchange. Journal of Corporate Finance Research. 2021;15(1):19-36. https://doi.org/10.17323/j.jcfr.2073-0438.15.1.2021.19-36 DOI: https://doi.org/10.17323/j.jcfr.2073-0438.15.1.2021.19-36
  22. Aganin A.D. Russian stock index volatility: Oil and sanctions. Voprosy ekonomiki. 2020;(2):86-100. (In Russ.). https://doi.org/10.32609/0042-8736-2020-2-86-100 DOI: https://doi.org/10.32609/0042-8736-2020-2-86-100
  23. Afanasyev D., Fedorova E., Rogov O. On the impact of news tonality in international media on the Russian ruble exchange rate: Text analysis. Ekonomicheskii zhurnal Vysshei shkoly ekonomiki = The HSE Economic Journal. 2019;23(2):264-289. (In Russ.). https://doi.org/10.17323/1813-8691-2019-23-2-264-289 DOI: https://doi.org/10.17323/1813-8691-2019-23-2-264-289
  24. Shen Y., Ma T., Zhang S. Economic policy uncertainty index and China stock market volatility as applied to Russia. Innovatsii i investitsii = Innovation & Investment. 2019;(9):99-104. (In Russ.).
  25. Hoerl A.E., Kennard R.W. Ridge regression: Biased estimation for Nonorthogonal problems. Technometrics. 1970;12(1):55-67. https://doi.org/10.2307/1267351 DOI: https://doi.org/10.1080/00401706.1970.10488634
  26. Tibshirani R.J., Taylor J. Degrees of freedom in LASSO problems. Annals of Statistics. 2012;40(2):1198-1232. https://doi.org/10.1214/12-AOS1003 DOI: https://doi.org/10.1214/12-AOS1003
  27. Bidzhoyan D.S. Model for assessing the probability of revocation of a license from the Russian bank. Finance: Theory and Practice. 2018;22(2):26-37. https://doi.org/10.26794/2587-5671-2018-22-2-26-37 DOI: https://doi.org/10.26794/2587-5671-2018-22-2-26-37
  28. Wiebe J., Bruce R., O’Hara T. Development and use of a gold-standard data set for subjectivity classifications. In: Proc. 37th Annual Meeting of the Association for Computational Linguistics. College Park, MD: University of Maryland; 1999:246-253. DOI: https://doi.org/10.3115/1034678.1034721
  29. Graham J., Haidt J. The moral foundations dictionary. 2021. URL: https://moralfoundations.org/wp-content/uploads/files/downloads/moral%20foundations%20dictionary.dic
  30. Krippendorff K. Content analysis: An introduction to its methodology. 2nd ed. London: SAGE Publications Ltd; 2004. 440 p.
  31. Vaupel M., Bendig D., Fischer-Kreer D, Brettel M. The role of share repurchases for firms’ social and environmental sustainability. Journal of Business Ethics. 2023;183(2):401-428. https://doi.org/10.1007/s10551-022-05076-3 DOI: https://doi.org/10.1007/s10551-022-05076-3
  32. Hoberg G., Maksimovic V. Redefining financial constraints: A text-based analysis. The Review of Financial Studies. 2015;28(5):1312-1352. https://doi.org/10.1093/rfs/hhu089 DOI: https://doi.org/10.1093/rfs/hhu089
  33. Duriau V.J., Reger R.K., Pfarrer M.D. A content analysis of the content analysis literature in organization studies. Organizational Research Methods. 2007;10(1):5-34. https://doi.org/10.1177/1094428106289252 DOI: https://doi.org/10.1177/1094428106289252
  34. Short J.C., Broberg J.C., Cogliser C.C., Brigham K.H. Construct validation using computer-aided text analysis (CATA): An illustration using entrepreneurial orientation. Organizational Research Methods. 2010;13(2):320-347. https://doi.org/10.1177/1094428109335949 DOI: https://doi.org/10.1177/1094428109335949
  35. Baker S.R., Bloom N., Davis S.J. Measuring economic policy uncertainty. The Quarterly Journal of Economics. 2016;131(4):1593-1636. https://doi.org/10.1093/qje/qjw024 DOI: https://doi.org/10.1093/qje/qjw024
  36. Fedorova E.A., Musienko S.O., Fedorov F.Yu., Vinogradova L.V. Impact of crisis coverage on the financial market of Russia. Finance: Theory and Practice. 2019;23(3):112-121. https://doi.org/10.26794/2587-5671-2019-23-3-112-121 DOI: https://doi.org/10.26794/2587-5671-2019-23-3-112-121
  37. King G., Lowe W. An automated information extraction tool for international conflict data with performance as good as human coders: A rare events evaluation design. International Organization. 2003;57(3):617-642. https://doi.org/10.1017/S0020818303573064 DOI: https://doi.org/10.1017/S0020818303573064
  38. Omel’chenko A., Khrustalev E. The model of sanction intensity index: Evidence from Russia. Natsional'nye interesy: prioritety i bezopasnost' = National Interests: Priorities and Security. 2018;14(1):62-77. (In Russ.). https://doi.org/10.24891/ni.14.1.62 DOI: https://doi.org/10.24891/ni.14.1.62
  39. Dreger C., Kholodilin K., Ulbricht D., Fidrmuc J. Between the hammer and the anvil: The impact of economic sanctions and oil prices on Russia’s ruble. Journal of Comparative Economics. 2016;44(2):295-308. https://doi.org/10.1016/j.jce.2015.12.010 DOI: https://doi.org/10.1016/j.jce.2015.12.010
  40. Xie Q., Zhang X., Ding Y., Song M. Monolingual and multilingual topic analysis using LDA and BERT embeddings. Journal of Informetrics. 2020;14(3):101055. https://doi.org/10.1016/j.joi.2020.101055 DOI: https://doi.org/10.1016/j.joi.2020.101055
  41. Atagün E., Hartoka B., Albayrak A. Topic modeling using LDA and BERT Techniques: Teknofest example. In: Proc. 2021 6th Int. conf. on computer science and engineering (UBMK). (Ankara, September 15-17, 2021). Piscataway, NJ: IEEE; 2021:660-664. https://doi.org/10.1109/UBMK52708.2021.9558988. DOI: https://doi.org/10.1109/UBMK52708.2021.9558988
  42. Loukachevitch N., Levchik A. Creating a general Russian sentiment lexicon. In: Proc. 10th Int. conf. on language resources and evaluation (LREC’16). (Portorož, May 2016). Paris: European Language Resources Association (ELRA); 2016:1171-1176. URL: https://aclanthology.org/L16-1186.pdf
  43. McKenny A.F., Aguinis H., Short J.C., Anglin A.H. What doesn’t get measured does exist: Improving the accuracy of computer-aided text analysis. Journal of Management. 2018;44(7):2909-2933. https://doi.org/10.1177/0149206316657594 DOI: https://doi.org/10.1177/0149206316657594
  44. Grootendorst M. BERTopic: Neural topic modeling with a class-based TF-IDF procedure. arXiv preprint arXiv:2203.05794. 2022. URL: https://arxiv.org/pdf/2203.05794v1.pdf
  45. Fedorova E.A., Khrustova L.E., Musienko S.O. The analysis of sanctions’ influence on Russian stock market based on sanction index development. Zhurnal Sibirskogo federal'nogo universiteta. Seriya: Gumanitarnye nauki = Journal of Siberian Federal University. Humanities and Social Sciences. 2019;12(12):2155-2169. https://doi.org/10.17516/1997-1370-0525 DOI: https://doi.org/10.17516/1997-1370-0525
  46. Fedorova E.A., Afanasyev D.O., Demin I.S. et al. Development of the tonal-thematic dictionary EcSentiThemeLex for the analysis of economic texts in Russian. Prikladnaya informatika = Journal of Applied Informatics. 2020;15(6):58-77. (In Russ.). https://doi.org/10.37791/2687-0649-2020-15-6-58-77 DOI: https://doi.org/10.37791/2687-0649-2020-15-6-58-77

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Федорова Е., Неврединов А., Черникова Л., 2023

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial 4.0 International License.

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».