Повышение точности моделей прогнозирования фондовых индексов является одной из важных практических задач, которую участники рынка ценных бумаг решают ежедневно. Согласно гипотезе эффективного рынка EMH, ценовые отклонения во времени на эффективном рынке являются случайными и не зависят от событий и новостей [1]. То есть поведение цены актива в будущем предсказуемо в той же степени, что и поведение случайного набора чисел, поскольку в любой момент времени вся возможная информация является уже заложенной в цену бумаг.
Встречается иррациональное и мало предсказуемое поведение рынка, противоречащее тому, что от него ожидают множество инвесторов. Такое несовершенство получило название «аномалий фондового рынка». На сегодняшний день выявлено немало разновидностей фондовых аномалий, количество построенных на их основе моделей поведения фондового рынка постоянно растет, а их специфика расширяет свои границы. Помимо аномалий, связанных с непосредственно с экономикой, существуют аномалии, связанные с внешними объективными и внутренними поведенческими циклами.
Целью данного исследования является рассмотрение одной из наиболее интересных и при этом малоизученных рыночных аномалий — спортивных аномалий. В современной России из-за короткой истории и нестабильности фондового рынка вопросы спортивных аномалий практически не изучены. В то время как на западе уже было проведено несколько исследований [2, 3]. Согласно теории, вид спорта может оказывать влияние на фондовые рынки, в зависимости от степени его популярности и значимости в той или иной стране.
В данной работе исследуется изолированное и совместное влияние результатов футбольных состязаний с участием национальной сборной и значимых экономических показателей на фондовый рынок. Оценка совокупного влияния результатов футбольных матчей и наиболее значимых социально-экономических показателей на фондовый рынок производится методами дисперсионного и ковариационного анализа с помощью языка программирования R.
Среди экономических факторов были взяты 6 основных: курс Евро по отношению к Доллару EUR, курс нефти Brent, индекс экономических настроений ZEW, индекс потребительских цен CPI, сальдо торгового баланса Balance и уровень безработицы Unemp.
Далее данные были сведены в общую таблицу по следующим принципам. В качестве результатов матчей была взята разница мячей относительно Германии. При интерпретации этих результатов была разработана следующая схема. Для матчей предварительного (отборочного) этапа: если счет меньше -2 то присваиваем -2, если счет от -1 до 0 то присваиваем -1, если счет от 1 до 2 то присваиваем 1, если счет больше 3 то присваиваем 2. Для матчей основного этапа: если счет меньше -2 то присваиваем -4, если счет от -1 до 0 то присваиваем -3, если счет от 1 до 2 то присваиваем 3, если счет больше 3 то присваиваем 4. В качестве фона были взяты день за неделю до каждого матча и через неделю после, им мы присваивали 0.
Относительно всех матчей были выписаны показатели основного фондового индекса Германии DAX30 зафиксированные на следующий день после матча, т.к. футбольные матчи проходят во второй половине дня, а вычисление индексов производится в рабочие дни биржи с 9:00 до 17:30 и соответственно изменения, которые могут зависеть от исхода матча, будут отражены в показателях на следующий день. Данные экономических факторов были выписаны относительно тех же дней, для которых выписывались показатели индекса.
Первая часть исследования включала в себя непараметрический аналог дисперсионного анализа — ранговый анализ по Краскеру-Уоллису. В качестве результирующего показателя были взяты показатели основного фондового индекса. В качестве факторов — исходы футбольных матчей и выбранные экономические факторы.
Каждый фактор был разбит на три уровня. Для результатов матчей это: отрицательные (проигрыш или ничья), нулевые (отсутствие матча) и положительные (победа) значения. Для экономических факторов разница между самым большим и самым маленьким значениями была разделена на три и группы были составлены в границах этих значений.
В ходе анализа пришли к выводу, что как самостоятельный фактор результаты матчей не оказывают влияние на показатели фондового индекса. Таким образом, была проведена предварительная оценка изолированного влияния спортивных и экономических показателей на значение индекса. Для учета не только изолированного, но и совместного влияния построим более общую модель — модель ковариационного анализа.
Вторая часть исследования включала в себя многофакторный ковариационный анализ. В качестве количественных факторов были взяты основные экономические факторы: курс Евро, курс нефти Brent, сальдо торгового баланса, индекс экономических настроений ZEW, индекс потребительских цен CPI и уровень безработицы. В качестве неколичественного фактора были взяты результаты матчей.
Прежде всего была составлена корреляционная матрица (таблица 1).
Таблица 1
Корреляционная матрица
|
DAX |
EUR |
Brent |
ZEW |
CPI |
Balance |
Unemp |
DAX |
1.00000 |
-0.25262 |
0.02512 |
-0.01355 |
0.17921 |
0.84461 |
-0.87735 |
EUR |
-0.25262 |
1.00000 |
0.78298 |
-0.34735 |
0.10933 |
-0.36669 |
0.28375 |
Brent |
0.02512 |
0.78298 |
1.00000 |
-0.37603 |
0.19585 |
-0.09668 |
-0.07541 |
ZEW |
-0.01355 |
-0.34735 |
-0.37603 |
1.00000 |
0.02444 |
-0.07462 |
0.10927 |
CPI |
0.17921 |
0.10933 |
0.19585 |
0.02444 |
1.00000 |
0.09875 |
0.00340 |
Balance |
0.84461 |
-0.36669 |
-0.09668 |
-0.07462 |
0.09875 |
1.00000 |
-0.75174 |
Unemp |
-0.87735 |
0.28375 |
-0.07541 |
0.10927 |
0.00340 |
-0.75174 |
1.00000 |
Как мы видим меньше всего с фондовым индексом коррелируют индекс экономических настроений ZEW и курс нефти Brent. Следовательно, их можно не учитывать при дальнейшем составлении моделей. Так же заметим, что значительно коррелируют между собой уровень безработицы и сальдо торгового баланса, а значит использовать в модели можно только один из них. Для рассмотрения в качестве количественных факторов выберем курс Евро, индекс потребительских цен и сальдо торгового баланса.
Построив графики условной зависимости показателей индекса от курса Евро, от индекса потребительских цен и от сальдо торгового баланса при условии разных уровней качественного фактора пришли к предположению, что в результаты матчей оказывают влияние на показатели индекса в совокупности с индексом потребительских цен. Проверим это предположение, построив модель ковариационного анализа:
Результаты анализа данной модели представлены в таблице 2.
Таблица 2
Результаты анализа модели 1
Фактор |
Выборочное значение статистики критерия |
Критическое значение статистики критерия |
Значение p-value |
Значимость влияния фактора |
EUR |
20.079 |
6.720973 |
1.06e-05 |
значим |
CPI |
14.063 |
6.720973 |
0.000212 |
значим |
Score |
0.744 |
2.571525 |
0.652806 |
не значим |
EUR & CPI |
2.262 |
6.720973 |
0.133645 |
не значим |
EUR & Score |
1.420 |
2.571525 |
0.187252 |
не значим |
CPI & Score |
2.261 |
2.699889 |
0.029552 |
значим |
EUR & CPI & Score |
1.279 |
2.86311 |
0.266843 |
не значим |
Как видно из результатов наши предположения подтвердились, и действительно влияние индекса потребительских цен и результатов матчей в совокупности является значимым.
Так же было принято решение добавить в предыдущую модель еще один фактор и рассмотреть модель 2:
Результаты данной модели анализа представлены в таблице 3.
Таблица 3
Результаты анализа модели 2
Фактор |
Выборочное значение статистики критерия |
Критическое значение статистики критерия |
Значение p-value |
Значимость влияния фактора |
EUR |
86.359 |
6.730025 |
< 2e-16 |
значим |
CPI |
60.485 |
6.730025 |
1.59e-13 |
значим |
Balance |
1020.422 |
6.730025 |
< 2e-16 |
значим |
Score |
1.415 |
2.577874 |
0.1900 |
не значим |
EUR & CPI |
31.735 |
6.730025 |
4.45e-08 |
значим |
EUR & Balance |
66.160 |
6.730025 |
1.54e-14 |
значим |
CPI & Balance |
0.470 |
6.730025 |
0.4935 |
не значим |
EUR & Score |
0.740 |
2.577874 |
0.6563 |
не значим |
CPI & Score |
1.624 |
2.706272 |
0.1287 |
не значим |
Balance & Score |
1.082 |
2.869553 |
0.3737 |
не значим |
EUR & CPI & Balance |
1.237 |
6.730025 |
0.2670 |
не значим |
EUR & CPI & Score |
1.649 |
2.869553 |
0.1337 |
не значим |
EUR & Balance & Score |
0.642 |
2.869553 |
0.6966 |
не значим |
CPI & Balance & Score |
3.386 |
2.869553 |
0.0031 |
значим |
EUR & CPI & Balance & Score |
0.745 |
2.869553 |
0.6142 |
не значим |
Как можно заметить, в данной модели значимой теперь является совокупность индекса потребительских цен, сальдо торгового баланса и результатов матчей.
Для того что бы убедиться в достоверности результатов анализов выбранных нами моделей, мы проверили допущения, лежащие в основе ковариационного анализа. Оказалось, что результатам ковариационного анализа по модели 2 можно доверять, а для модели 1 не выполняется условие нормальности распределения. Решим эту проблему, путем логарифмирования количественных факторов. Построим модель 3:
Результаты анализа данной модели представлены в таблице 4.
Таблица 4
Результаты анализа модели 3
Фактор |
Выборочное значение статистики критерия |
Критическое значение статистики критерия |
Значение p-value |
Значимость влияния фактора |
log(EUR) |
19.993 |
6.720973 |
1.11e-05 |
значим |
log(CPI) |
13.581 |
6.720973 |
0.000272 |
значим |
Score |
0.771 |
2.571525 |
0.628642 |
не значим |
log(EUR) & log(CPI) |
3.563 |
6.720973 |
0.060067 |
не значим |
log(EUR) & Score |
1.462 |
2.571525 |
0.170576 |
не значим |
log(CPI) & Score |
2.363 |
2.699889 |
0.023107 |
значим |
log(EUR) & log(CPI) & Score |
1.328 |
2.86311 |
0.244315 |
не значим |
Как и при обработке модели 1 результаты обработки модели 3 показали, что в данной модели значимыми оказалось влияние индекса потребительских цен и результатов матчей в совокупности.
В результате оценки влияния спортивных аномалий были сделаны выводы о том, что результаты матчей в совокупности индексом потребительских цен влияют на показатели основного фондового индекса, а также влияют на показатели основного фондового индекса в совокупности и с индексом потребительских цен, и с сальдо торгового баланса.
Подводя итоги можно сказать, что результаты данного исследования могут принести пользу инвесторам. Обладая данной информацией, они могут разрабатывать наиболее выигрышную стратегию во время проведения крупных футбольных турниров. Корректировка прогнозов поведения фондового индекса на основе предложенных моделей, позволит участникам рынка ценных бумаг своевременно менять стратегию управления портфелем ценных бумаг и повысить эффективность вложений.
Список литературы
- Кантолинский М.И. Аномалии на фондовых рынках: определение и классификация / М.И. Кантолинский // Вестник Финансовой академии. — 2010. — № 2. — с. 25-28.
- Boyle. Reflected glory and failure: International sporting success and the stock market / Boyle, Glenn, Brett Walter // Applied Financial Economics. — 2002. — 13. — pp. 225—235.
- Edmans A. Sports Sentiment and Stock Returns / Edmans A., Garcia D., Norli O. // Journal of Finance . — 2007 . — Vol. 62, 4 . — pp. 1967—1998.