Достаточно ли устойчив российский рынок «зеленых» облигаций для хеджирования в кризис?

Обложка

Цитировать

Полный текст

Аннотация

Предметом настоящего исследования является два аспекта. Во-первых, мы изучаем эффект «перелива» между российскими «зелеными» облигациями и основными индексами фондовых рынков до событий февраля 2022г. и после них. Во-вторых, установленный нами уровень связанности активов позволяет определить влияние управления портфелем на анализируемые активы. Чтобы обнаружить эффект «перелива» мы применили модель векторной авторегрессии и создали синтетический индекс, отражающий динамику рынка «зеленых» облигаций, на котором в России с 2021г. по 2023г. было представлено 14 выпусков «зеленых» облигаций. Мы анализируем нефтегазовый, электроэнергетический сектор, металлургический и горнодобывающий, а также химический сектор, и упоминаем их совместно как «индексы сильного загрязнения». Вклад статьи заключается в том, что обнаружено изменение со временем, а также увеличение после начала конфликта общего индекса связанности (TCI) между российским рынком «зеленых» облигаций и индексами сильного загрязнения. Кроме того, новизна статьи заключается в выявлении взаимосвязи между низкой эффективностью хеджирования и коэффициентом хеджирования «зеленых» облигаций и индексами электроэнергетики, металлургического и горнодобывающего сектора, устойчивого развития и нефтегазового сектора. Это свидетельствует о том, что после событий февраля в хеджировании нет необходимости. Двумерный анализ оптимальных весов портфеля указывает на то, что российский рынок «зеленых» облигаций является отличным инструментом для управления портфелем активов во время геополитического конфликта. Данные выводы важны для правительства и других заинтересованных сторон при управлении как рисками «заражения», так и климатическими рисками во время военного конфликта.

Об авторах

И. Фрекауцан

НИУ ВШЭ, Москва, Россия

Автор, ответственный за переписку.
Email: ifrekaucan@hse.ru

Список литературы

  1. Jiang W., Dong L., Chen Y. Time-frequency connectedness among traditional/new energy, green finance, and ESG in pre-and post-Russia-Ukraine war periods. Resources Policy. 2023; 83: 103618. DOI: https://doi.org/10.1016/j.resourpol.2023.103618
  2. Adekoya O. B., J. A. Oliyide. Commodity and financial markets’ fear before and during COVID-19 pandemic: Persistence and causality analyses. Resources Policy. 2022; 76: 102598. DOI: https://doi.org/10.1016/j.resourpol.2022.102598
  3. Karkowska R., Urjasz S. How does the Russian-Ukrainian war change connectedness and hedging opportunities? Comparison between dirty and clean energy markets versus global stock indices. Journal of International Financial Markets, Institutions and Money. 2023; 85: 101768. DOI: https://doi.org/10.1016/j.intfin.2023.101768
  4. Diebold F. X., Yilmaz K. Better to give than to receive: Predictive directional measurement of volatility spillovers. International Journal of forecasting. 2012; 28(1): 57-66. DOI: https://doi.org/10.1016/j.ijforecast.2011.02.006
  5. Bachelet M. J., Becchetti L., Manfredonia S. The green bonds premium puzzle: The role of issuer characteristics and third-party verification. Sustainability. 2019; 11(4): 1098. DOI: https://doi.org/10.3390/su11041098
  6. Greenwood-Nimmo M., Nguyen V. H., Rafferty B. Risk and return spillovers among the G10 currencies. Journal of Financial Markets. 2016; 31: 43-62. DOI: https://doi.org/10.1016/j.finmar.2016.05.001
  7. Tiwari A. K., Abakah E. J. A., Gabauer D., Dwumfour R. A. Dynamic spillover effects among green bond, renewable energy stocks and carbon markets during COVID-19 pandemic: Implications for hedging and investments strategies. Global Finance Journal. 2022; 51: 100692.. DOI: https://doi.org/10.1016/j.gfj.2021.100692
  8. Deng J., Lu J., Zheng Y., Xing X., Liu C., Qin T. The impact of the COVID-19 pandemic on the connectedness between green industries and financial markets in China: evidence from time-frequency domain with portfolio implications. Sustainability. 2022; 14(20): 13178. DOI: https://doi.org/10.3390/su142013178
  9. Mensi W., Shafiullah M., Vo X. V., Kang S. H. Spillovers and connectedness between green bond and stock markets in bearish and bullish market scenarios. Finance Research Letters. 2022; 49: 103120. DOI: https://doi.org/10.1016/j.frl.2022.103120
  10. Pham L., Do H. X. Green bonds and implied volatilities: Dynamic causality, spillovers, and implications for portfolio management. Energy Economics. 2022; 112: 106106. DOI: https://doi.org/10.1016/j.eneco.2022.106106
  11. Abakah E. J. A., Tiwari A. K., Sharma A., Mwamtambulo D. J. Extreme connectedness between green bonds, government bonds, corporate bonds and other asset classes: Insights for portfolio investors. Journal of Risk and Financial Management. 2022; 15(10): 477. DOI: https://doi.org/10.3390/jrfm15100477
  12. Sohag K., Hammoudeh S., Elsayed A. H., Mariev O., Safonova Y. Do geopolitical events transmit opportunity or threat to green markets? Decomposed measures of geopolitical risks. Energy Economics. 2022; 111: 106068. DOI: https://doi.org/10.1016/j.eneco.2022.106068
  13. Reboredo J. C., Uddin G. S. Do financial stress and policy uncertainty have an impact on the energy and metals markets? A quantile regression approach. International Review of Economics & Finance. 2016; 43: 284-298. DOI: https://doi.org/10.1016/j.iref.2015.10.043
  14. Gavriilidis K. Measuring climate policy uncertainty. Available at SSRN. 2021. 3847388. DOI: https://doi.org/10.2139/ssrn.3847388
  15. Husain S., Sohag K., Wu Y. The response of green energy and technology investment to climate policy uncertainty: An application of twin transitions strategy. Technology in Society. 2022; 71:102132. DOI: https://doi.org/10.1016/j.techsoc.2022.102132
  16. Tian T., Lai K. H., Wong C. W. Connectedness mechanisms in the “Carbon-Commodity-Finance” system: Investment and management policy implications for emerging economies. Energy Policy.2022;169: 113195. DOI: https://doi.org/10.1016/j.enpol.2022.113195
  17. Zhang W., He X., Hamori, S. Volatility spillover and investment strategies among sustainability-related financial indexes: Evidence from the DCC-GARCH-based dynamic connectedness and DCC-GARCH t-copula approach. International Review of Financial Analysis. 2022;83: 102223. DOI: https://doi.org/10.1016/j.irfa.2022.102223
  18. Koenker R., Bassett Jr. G., Regression quantiles. Econometrica. J. Econom. 1978;Soc. 33–50. DOI: https://doi.org/10.2307/1913643
  19. Su T., Zhang Z. J., Lin B. Green bonds and conventional financial markets in China: A tale of three transmission modes. Energy Economics. 2022;113: 106200.
  20. Antonakakis N., Cunado J., Filis G., Gabauer D., de Gracia F.P., Oil and asset classes implied volatilities: Investment strategies and hedging effectiveness. Energy Econ. 2020;91:104762. DOI: https://doi.org/10.1016/j.eneco.2020.104762
  21. Liu M. The driving forces of green bond market volatility and the response of the market to the COVID-19 pandemic. Economic Analysis and Policy. 2022;75: 288-309. DOI: https://doi.org/10.1016/j.eap.2022.05.012
  22. Yang Q., Du Q., Razzaq A., Shang Y. How volatility in green financing, clean energy, and green economic practices derive sustainable performance through ESG indicators? A sectoral study of G7 countries. Resources Policy. 2022;75:102526. DOI: https://doi.org/10.1016/j.resourpol.2021.102526
  23. Su T., Zhang Z. J., Lin B. Green bonds and conventional financial markets in China: A tale of three transmission modes. Energy Economics. 2022;113: 106200. DOI: https://doi.org/10.1016/j.eneco.2022.106200
  24. Guo D., Zhou P. Green bonds as hedging assets before and after COVID: A comparative study between the US and China. Energy Economics. 2021;104:105696. DOI: https://doi.org/10.1016/j.eneco.2021.105696
  25. Naeem M. A., Nguyen T. T. H., Nepal R., Ngo Q. T., Taghizadeh–Hesary F. Asymmetric relationship between green bonds and commodities: Evidence from extreme quantile approach. Finance Research Letters. 2021;43: 101983. DOI: https://doi.org/10.1016/j.frl.2021.101983
  26. Wang Y., Guo Z. The dynamic spillover between carbon and energy markets: new evidence. Energy. 2018;149: 24–33. DOI: https://doi.org/10.1016/j.energy.2018.01.145
  27. Kroner K. F., Sultan J. Time-varying distributions and dynamic hedging with foreign currency futures. Journal of financial and quantitative analysis.1993; 28(4): 535-551 DOI: https://doi.org/10.2307/2331164
  28. Kroner K. F., Ng V. K. Modeling asymmetric comovements of asset returns. The review of financial studies. 1998;11(4): 817-844. DOI: https://doi.org/10.1093/rfs/11.4.817
  29. Ederington L. H. The hedging performance of the new futures markets. The journal of finance. 1979;34 (1): 157-170. DOI: https://doi.org/10.1111/j.1540-6261.1979.tb02077.x
  30. Rustamova L.R., Adrianov A.K. Cancel culture: conceptualization of the term and its use in foreign policy. – Polis. Political Studies. 2023;4: 37-53. https://doi.org/10.17976/jpps/2023.04.04. EDN: TXMHBX DOI: https://doi.org/10.17976/jpps/2023.04.04
  31. Pata U. K., Kartal M. T., Zafar M. W. Environmental reverberations of geopolitical risk and economic policy uncertainty resulting from the Russia-Ukraine conflict: A wavelet based approach for sectoral CO2 emissions. Environmental Research. 2023; 231: 116034. DOI: https://doi.org/10.1016/j.envres.2023.116034
  32. Wang Q., Ren F., Li R. Does geopolitical risk impact sustainable development? A perspective on linkage between geopolitical risk and sustainable development research. Journal of Cleaner Production.2024; 451: 141980. DOI: https://doi.org/10.1016/j.jclepro.2024.141980
  33. Liu S., Qi H., Wan Y. Driving factors behind the development of China's green bond market. Journal of Cleaner Production. 2022; 354: 131705. DOI: https://doi.org/10.1016/j.jclepro.2022.131705
  34. Mansouri S., Momtaz P. P. Financing sustainable entrepreneurship: ESG measurement, valuation, and performance. Journal of Business Venturing. 2022;37(6): 106258. DOI: https://doi.org/10.1016/j.jbusvent.2022.106258

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Фрекауцан И., 2024

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».