|сгенерировать QR код
Открытый доступ
Только для подписчиков
Формирование Ломбардного списка как искажающий сигнал Банка России
https://doi.org/10.32609/0042-8736-2022-10-37-65
Аннотация
Каким образом участники российского рынка реагируют на решения Банка России об изменениях Ломбардного списка? В данной работе исследуется взаимосвязь включения ценных бумаг в список и изменения доходностей и волатильности акций компаний Московской Биржи. Для моделирования поведения волатильности акций компаний использовались видоизмененные HAR-модели, для моделирования доходностей – рыночная модель, исследование было проведено для 5-минутных, часовых и дневных временных интервалов. В результате было установлено, что в период с 2014 по 2020 год добавление облигации в Ломбардный список, произошедшее быстрее, чем за 3 недели с момента эмиссии, приводит к значимому увеличению доходности акций компаний и к значимому уменьшению их волатильности, при этом эффекты наблюдаются в течение нескольких часов. Таким образом, участники рынка воспринимают подобные новости как значимые сигналы о состоянии дел в отдельных частных компаниях, несмотря на отсутствие подобной цели у регулятора. Исходя из результатов проведенного анализа, были также сформулированы рекомендации Банку России по изменению механизма включения ценных бумаг в Ломбардный список.
При поддержке: Статья подготовлена в рамках Программы фундаментальных исследований НИУ ВШЭ
Об авторе
О. В. Телегин
https://www.hse.ru/org/persons/14298691
Национальный исследовательский университет "Высшая школа экономики"
Россия
Национальный исследовательский университет "Высшая школа экономики"
Россия
Телегин Олег Валерьевич, стажер-исследователь Международной лаборатории макроэкономического анализа, ассистент Департамента теоретической экономики
Москва
Список литературы
1. Аганин А. Д. (2017). Сравнение GARCH и HAR-RV моделей для прогноза реализованной волатильности на российском рынке // Прикладная эконометрика. Т. 48. C. 63—84. [Aganin A.D. (2017). Forecast comparison of volatility models on Russian stock market. Applied Econometrics, Vol. 48, pp. 63—84. (In Russian).
2. Жемков М. И., Кузнецова О. С. (2019). Вербальные интервенции как фактор формирования инфляционных ожиданий в России // Журнал Новой экономической ассоциации. Т. 2, № 42. С. 49—69. [Zhemkov M. I., Kuznetsova O. S. (2019). Verbal interventions as a factor of inflation expectations in Russia. Journal of the New Economic Association, Vol. 2, No. 42, pp. 49—69. (In Russian).] https://doi.org/10.31737/2221-2264-2019-42-2-3
3. Кузнецова О. С., Ульянова С. Р. (2016). Влияние вербальных интервенций Банка России на фондовые индексы // Журнал экономической теории. № 4. С. 18—27. [Kuznetsova O. S., Ulyanova S. R. (2016). The impact of a central bank’s verbal interventions on stock exchange indices. Zhurnal Ekonomicheskoy Teorii, No. 4, pp. 18—27. (In Russian).
4. Кузнецова О. С., Ульянова С. Р. (2018). Валютный курс и вербальные интервенции Банка России и органов государственной власти // Экономический журнал Высшей школы экономики. Т. 22, №. 2. С. 228—250. [Kuznetsova O. S., Ulyanova S. R. (2018). The exchange rate and the verbal interventions by the government and the Bank of Russia. HSE Economic Journal, Vol. 22, No. 2, pp. 228—250. (In Russian).] https://doi.org/10.17323/1813-8691-2018-22-2-228-250
5. Мерзляков С., Хабибуллин Р. (2017). Информационная политика Банка России: анализ воздействия пресс-релизов о ключевой ставке на межбанковскую ставку // Вопросы экономики. № 11. С. 141—151. [Merzlyakov S., Habibullin R. (2017). Information policy of the Bank of Russia: The influence of the press releases on the interbank rate. Voprosy Ekonomiki, No. 11, pp. 141—151. (In Russian).] https://doi.org/10.32609/0042-8736-2017-11-141-151
6. Мусаев Р. А., Клешко Д. В. (2015). Развитие системы рефинансирования банковского сектора России // Финансовый журнал. № 2. С. 42—51. [Musaev R. A., Kleshko D. V. (2015). Development of refinancing system of the Russian banking sector. Financial Journal, No. 2, pp. 42—51. (In Russian).
7. Телегин О. В., Мерзляков С. А. (2019). Вербальные интервенции Банка России и структура процентных ставок // Журнал экономической теории. Т. 16, № 4. С. 654—672. [Telegin O. V., Merzlyakov S. A. (2019). Verbal interventions of the Bank of Russia and the interest rate structure. Zhurnal Ekonomicheskoy Teorii, Vol. 16, No. 4, pp. 654—672. (In Russian).] https://www.doi.org/10.31063/2073-6517/2019.16-4.5
8. Телегин О. В. (2022). Регулярные коммуникации Банка России и краткосрочные эффекты волатильности на финансовых рынках // Журнал Новой экономической ассоциации. № 2. С. 130—155. [Telegin O. V. (2022). Bank of Russia regular communications and volatility short-term effects in financial markets. Journal of the New Economic Association, No. 2, pp. 130—155. (In Russian). https://doi.org/10.31737/2221-2264-2022-54-2-7
9. Теплова Т. В., Соколова Т. В. (2017). Непараметрический метод оболочечного анализа для портфельных построений на российском рынке облигаций // Экономика и математические методы. Т. 53, №. 3. С. 110—128. [Teplova T. V., Sokolova T. V. (2017). The non-parametric data envelopment analysis method for portfolio design in the Russian bond market. Economics and Mathematical Methods, Vol. 53, No. 3, pp. 110—128. (In Russian).
10. Чайковская Е. (2015). Красный апельсин, или Успеть за 24 часа // Cbonds Review. Т. 4. С. 52—55. [Chaykovskaya E. (2015). Red orange, or catch in 24 hours. Cbonds Review, Vol. 4, pp. 52—55. (In Russian).
11. Чиркова Е. В., Петров В. В. (2017). Диагностирование инсайдерской торговли акциями и депозитарными расписками российских компаний // Экономический журнал Высшей школы экономики. Т. 21, № 3. С. 482—514. [Chirkova E. V., Petrov V. V. (2017). Testing for insider trading in the depositary receipts and common shares of the Russian public companies. HSE Economic Journal, Vol. 21, No. 3, pp. 482—514. (In Russian).
12. Andersen T., Bollerslev T., Diebold F., Vega C. (2003). Micro effects of macro announcements: Real-time price discovery in foreign exchange. American Economic Review, Vol. 93, No. 1, pp. 38—62. https://doi.org/10.1257/000282803321455151
13. Bernanke B. S., Kuttner K. N. (2005). What explains the stock market’s reaction to Federal Reserve policy? Journal of Finance, Vol. 60, No. 3, pp. 1221—1257. https://doi.org/10.1111/j.1540-6261.2005.00760.x
14. Bollerslev T., Hood B., Huss J., Pedersen L. H. (2018). Risk everywhere: Modeling and managing volatility. Review of Financial Studies, Vol. 31, No. 7, pp. 2729—2773. https://doi.org/10.1093/rfs/hhy041
15. Bullard J. B., Schaling E. (2002). Why the Fed should ignore the stock market. Review, Vol. 84, No. 2, pp. 35—42. Federal Reserve Bank of St. Louis. https://doi.org/10.20955/r.84.35-42
16. Cassola N., Koulischer F. (2019). The collateral channel of open market operations. Journal of Financial Stability, Vol. 41, pp. 73—90. https://doi.org/10.1016/j.jfs.2019.03.002
17. Chailloux A., Gray S. T., McCaughrin R. (2008). Central bank collateral frameworks: Principles and policies. IMF Working Paper, No. 222.
18. Clements A., Preve D. P. A. (2021). A practical guide to harnessing the HAR volatility model. Journal of Banking & Finance, Vol. 133, article 106285. https://doi.org/10.1016/j.jbankfin.2021.106285
19. Corradin S., Rodriguez-Moreno M. (2016). Violating the law of one price: The role of non-conventional monetary policy. European Central Bank Working Paper Series, No. 1927. https://doi.org/10.2866/585712
20. Corsi F., Audrino F., Renó R. (2012). HAR modeling for realized volatility forecasting. In: L. Bauwens, C. Hafner, S. Laurent (eds.). Handbook of volatility models and their applications. Hoboken, NJ: John Wiley & Sons, pp. 363—382. https://doi.org/10.1002/9781118272039.ch15
21. Enikolopov R., Petrova M., Sonin K. (2018). Social media and corruption. American Economic Journal: Applied Economics, Vol. 10, No. 1, pp. 150—174. https://doi.org/10.1257/app.20160089
22. Fama E. F., French K. R. (2015) A five-factor asset pricing model. Journal of Financial Economics, Vol. 116, No. 1, pp. 1—22. https://doi.org/10.1016/j.jfineco.2014.10.010
23. Fiordelisi F., Galloppo G., Ricci O. (2014). The effect of monetary policy interventions on interbank markets, equity indices and G-SIFIs during financial crisis. Journal of Financial Stability, Vol. 11, pp. 49—61. https://doi.org/10.1016/j.jfs.2013.12.002
24. Forsberg L., Ghysels E. (2007). Why do absolute returns predict volatility so well? Journal of Financial Econometrics, Vol. 5, No. 1, pp. 31—67. https://doi.org/10.1093/jjfinec/nbl010
25. Haitsma R., Unalmis D., de Haan J. (2016). The impact of the ECB’s conventional and unconventional monetary policies on stock markets. Journal of Macroeconomics, Vol. 48, pp. 101—116. https://doi.org/10.1016/j.jmacro.2016.02.004
26. Li Y., Khashanah K. M. (2015). The predictive power of volatility pattern recognition in stock market. 2015 IEEE Symposium Series on Computational Intelligence, pp. 742—748. https://doi.org/10.1109/SSCI.2015.112
27. McCredie B., Docherty P., Easton S., Uylangco K. (2016). The channels of monetary policy triggered by central bank actions and statements in the Australian equity market. International Review of Financial Analysis, Vol. 46, pp. 46—61. https://doi.org/10.1016/j.irfa.2016.04.008
28. Nyborg K. G. (2017). Central bank collateral frameworks. Journal of Banking & Finance, Vol. 76, pp. 198—214. https://doi.org/10.1016/j.jbankfin.2016.12.010
29. Pinho C., Sousa C. F. F., Maldonado I. (2017). The impact of ECB announcements on the Eurozone financial markets. Unpublished manuscript.
30. Rosa C. (2011). Words that shake traders: The stock market’s reaction to central bank communication in real time. Journal of Empirical Finance, Vol. 18, No. 5, pp. 915—934. https://doi.org/10.1016/j.jempfin.2011.07.005
31. Sorescu A., Warren N. L., Ertekin L. (2017). Event study methodology in the marketing literature: An overview. Journal of the Academy of Marketing Science, Vol. 45, No. 2, pp. 186—207. https://doi.org/10.1007/s11747-017-0516-y
32. Tian F., Yang K., Chen L. (2017). Realized volatility forecasting of agricultural commodity futures using the HAR model with time-varying sparsity. International Journal of Forecasting, Vol. 33, No. 1, pp. 132—152. https://doi.org/10.1016/j.ijforecast.2016.08.002
Дополнительные файлы
Рецензия
Для цитирования:
Телегин О.В. Формирование Ломбардного списка как искажающий сигнал Банка России. Вопросы экономики. 2022;(10):37-65. https://doi.org/10.32609/0042-8736-2022-10-37-65
For citation:
Telegin O.V. Lombard List formation as a distorting signal of the Bank of Russia. Voprosy Ekonomiki. 2022;(10):37-65. (In Russ.) https://doi.org/10.32609/0042-8736-2022-10-37-65
Просмотров:
409
Послать статью по эл. почте 
