Журнал «Менеджмент и бизнес-администрирование»
№1 / 2022

Оценка и моделирование волатильности на российском фондовом рынке: эмпирическое исследование

Лукасевич И.Я.,

доктор экономических наук, профессор, профессор департамента корпоративных финансов и корпоративного управления Финансового университета при Правительстве РФ

Аннотация. Работа посвящена эмпирическому исследованию волатильности на российском фондовом рынке. Рассмотрены показатели оценки волатильности, проанализированы подходы к ее оценке и моделированию. На основе значений фондовых индексов MOEX10 и MOEXBMI за десятилетний период с 2012 по 2021 г. определены различные показатели их волательности, выявлены ее свойства и особенности. Предложены эконометрические модели, описывающие поведение волатильности индексов MOEX10 и MOEXBMI и позволяющие осуществлять краткосрочное и долгосрочное прогнозирование их значений.
Использованные в данной статье показатели, модели и подходы могут быть использованы инвесторами для оценки и прогнозирования рисков при проведении операций на фондовом рынке.

Ключевые слова: фондовый рынок, риск, управление риском, волатильность, моделирование, модели GARCH.

Assessment and modeling of volatility in the Russian stock market: empirical study

Lukasevich I.Ya.,

Doctor of Economic Sciences, Professor, Professor of the Department of Corporate Finance and Corporate Governance, Financial University under the Government of the Russian Federation

Abstract. The work is devoted to an empirical study of volatility in the Russian stock market. The indicators of volatility assessment are considered, approaches to its assessment and modeling are analyzed. Based on the values of the stock indices MOEX10 and MOEXBMI for a ten-year period from 2012 to 2021, various indicators of their volatility were determined, its properties and features were identified. Econometric models are proposed that describe the behavior of the volatility of the MOEX10 and MOEXBMI indices and allow for short-term and long-term forecasting of their values. The indicators, models and approaches used in this article can be used by investors to assess and predict risks when conducting transactions in the stock market.

Keywords: stock market, risk, risk management, volatility, modeling, GARCH models.

DOI: 10.33983/2075-1826-2022-1-134-149

Библиографический список

Боди Зви, Кейн А., Маркус А. Принципы инвестиций. 4-е изд. — Москва [и др.]: Вильямс, 2008. — 982 с.
Лукасевич И.Я. Исследование временных аномалий на российском фондовом рынке в посткризисный период // Экономика. Налоги. Право. — 2019. — Т. 3. — № 3 — С. 37–47.
Росси Эдуардо. Одномерные GARCH-модели: обзор // Квантиль. — 2010. — № 8. — С. 1–67.
Талеб Н.Н. Одураченные случайностью. — М.: Манн, Иванов, Фербер, 2020. — 320 с.
Andersen T.G., Bollerslev T., Diebold F.X. & Labys P. Modeling and forecasting realized volatility // Econometrica. — 2003. — Vol. 71. — № 2. — Pp. 579–625.
Bollerslev T. Generalized autoregressive conditional heteroscedasticity // Journal of Econometrics. — 1986. —№ 31. — Pp. 307–327.
Engle R.F. New frontiers for ARCH models // Journal of Applied Econometrics. — 2002. — № 17. — Pp. 425–446.
Francq C. & Zakoian J.M. GARCH models: Structure, statistical inference and financial applications. — Hoboken, NJ: John Wiley & Sons, 2019. — 504 p.
Garman M.B. and Klass M.J. On the estimation of security price volatilities from historical data // The Journal of Business. — 1980. — Vol. 53. — Pp. 67–78.
Molnar Peter. High-low range in GARCH models of stock return volatility // Applied Economics. — 2016. — Vol. 48. — Iss. 51. — Pp. 4977–4991.
Ng Kok Haur, Peiris Shelton, Chan Jennifer So-kuen, Allen David, Ng Kooi Huat. Efficient modeling and forecasting with range based volatility models and its application // The North American Journal of Economics and Finance. — 2017. — Vol. 42. — Pp. 448–460.
Parkinson M. The Extreme Value Method for Estimating the Variance of the Rate of Return // The Journal of Business. — 1980. — Vol. 53 (1). — Pp. 61–65.
Rogers L.C.G. and Satchell S.E. Estimating variance from high, low and closing prices // Annals of Applied Probability. — 1991. — Vol. 1. — Pp. 504–512.
Tian S. & Hamori S. Modeling interest rate volatility: a realized GARCH approach // Journal of Banking & Finance. — 2015. — Vol. 61. — Pp. 158–171.
Yang D. & Zhang Q. Drift-independent volatility estimation based on high, low, open and close prices // Journal of Business. — 2000. — Vol. 73. — Pp. 477–491.