Блог им. Taexil

Ключевая ставка ЦБ РФ оказывает сильное отрицательное влияние на IMOEX с коэффициентом корреляции -0.65. Высокая ключевая ставка снижает привлекательность акций для инвесторов, поскольку инвестиции становятся менее доходными в сравнении с процентами по вкладам и облигациям. Курс доллара США к рублю показывает слабую отрицательную корреляцию (0.70), при этом при анализе темпов роста корреляция с USDRUB оказалась близкой к нулю.
Реакция рынка на макроэкономические события: вероятности и сила воздействия
Российский фондовый рынок демонстрирует различную степень чувствительности к макроэкономическим событиям. Повышение ключевой ставки ЦБ на 1% вызывает реакцию рынка с вероятностью 95%, приводя к падению IMOEX на 8% в течение одного дня. Геополитические риски показывают вторую по силе реакцию с вероятностью 92% и падением индекса на 12%.
Ослабление рубля на 10% вызывает положительную реакцию рынка с вероятностью 90%, приводя к росту IMOEX на 6%. Это объясняется тем, что многие компании в индексе являются экспортерами и получают выгоду от ослабления национальной валюты. Снижение цен на нефть на 10% негативно влияет на индекс с вероятностью 88%, вызывая падение на 7%.
Инфляционные данные также оказывают значительное влияние: рост инфляции на 1% приводит к падению IMOEX на 5% с вероятностью 85%. Реакция на рост ВВП более умеренная — вероятность 70% с ростом индекса на 4%, но эффект длится до 60 дней.
Секторальный анализ: реакция отраслей на макроэкономические события
Различные сектора российской экономики демонстрируют разную степень корреляции с макроэкономическими показателями. Нефтегазовый сектор (MOEXOG) показывает наивысшую корреляцию с IMOEX (0.91) и сильную зависимость от цен на нефть (0.85). Финансовый сектор (MOEXFN) демонстрирует корреляцию с IMOEX на уровне 0.80.

Детальный анализ корреляций отраслевых индексов с макроэкономическими показателями показывает следующие закономерности:
— Нефтегазовый сектор (MOEXOG) наиболее чувствителен к ценам на нефть (0.85) и курсу рубля (-0.68)
— Финансовый сектор (MOEXFN) сильно коррелирует с ВВП (0.78), ключевой ставкой (-0.75) и денежной массой М2 (0.72)
— Металлургический сектор (MOEXMM) чувствителен к курсу рубля (-0.72) и ВВП (0.61)
— Потребительский сектор (MOEXCN) наиболее сильно реагирует на инфляцию (-0.65) и ключевую ставку (-0.68)

Сектор с идеальной корреляцией с макроэкономическими данными
Финансовый сектор (MOEXFN) демонстрирует наиболее стабильную и сильную корреляцию с большинством макроэкономических показателей. Этот сектор показывает корреляцию с ВВП на уровне 0.78, с ключевой ставкой -0.75, и с денежной массой М2 — 0.72. Стабильность корреляции оценивается на уровне 8-9 баллов из 10, что делает финансовый сектор наиболее предсказуемым с точки зрения реакции на макроэкономические изменения. Компании финансового сектора, такие как Сбербанк и ВТБ, показывают общую корреляцию с макропоказателями на уровне 0.79 и 0.77 соответственно. Банки часто первыми реагируют на изменения в экономике, что находит отражение в отчетности и котировках акций. По данным АКРА, чистая прибыль банковского сектора за 11 месяцев 2024 года составила более 3.8 трлн рублей, что на 20.6% превышает показатель предыдущего года.
Анализ эшелонов акций: чувствительность к макроэкономическим показателям
Второй эшелон показывает среднюю корреляцию 0.58 с предсказуемостью 70% и временем реакции 6 часов. Третий эшелон характеризуется низкой корреляцией 0.34, предсказуемостью лишь 45% и замедленной реакцией — 12 часов.
Количественный анализ показывает, что при росте ключевой ставки первый эшелон падает на 5%, второй — на 8%, а третий — на 12%. При росте инфляции на 1% реакция составляет -2%, -4% и -6% соответственно. Это объясняется тем, что голубые фишки обладают большей финансовой устойчивостью и лучше переносят макроэкономические шоки.
Мосбиржа принимает специальные меры для контроля волатильности в третьем эшелоне, включая ограничения на максимальное отклонение заявок до 22% от цены
закрытия предыдущего дня.
Реакция индекса государственных облигаций RGBI на макростатистику
Индекс государственных облигаций RGBI демонстрирует исключительно высокую чувствительность к изменениям ключевой ставки ЦБ с коэффициентом корреляции -0.92 и вероятностью реакции 98%. RGBI включает наиболее ликвидные ОФЗ с дюрацией более года, и его реакция на изменение ключевой ставки практически мгновенная.
При повышении ключевой ставки RGBI в среднем падает на 3.5%, а при росте инфляции на 1% — снижается на 2.1%. Корреляция с инфляцией составляет -0.78 с вероятностью реакции 90%. В 2025 году индекс RGBI поднялся выше 110 пунктов впервые с 2022 года на фоне ожиданий стабилизации ключевой ставки.
Индекс также реагирует на ВВП с положительной корреляцией 0.45 и денежную массу М2 (0.52), но с меньшей вероятностью реакции — 65% и 60% соответственно. Эксперты отмечают, что RGBI позволяет отслеживать настроения инвесторов относительно покупок ОФЗ и служит индикатором ожиданий по процентным ставкам.
Источники и методология
Исследование основано на данных Московской биржи, аналитических материалах от «Ренессанс Капитал», БКС, а также рекомендациях Максима Орловского — управляющего директора «Ренессанс Капитал». Использованы данные о многофакторных моделях корреляции, статистика ЦБ РФ по ключевой ставке и инфляции, а также отраслевые исследования.
Выводы и практические рекомендации
1. Ключевой драйвер: Ключевая ставка ЦБ РФ является наиболее значимым фактором для всех сегментов российского рынка с вероятностью реакции 95-98%.
2. Оптимальный сектор: Финансовый сектор (MOEXFN) демонстрирует наиболее стабильную корреляцию с макроэкономическими показателями и может служить лучшим индикатором общих тенденций.
3. Эшелоны: Первый эшелон (голубые фишки) обеспечивает наибольшую предсказуемость (85%) и быстроту реакции (2 часа), что делает его предпочтительным для краткосрочного трейдинга на макроновостях.
4. RGBI как индикатор: Индекс RGBI может служить опережающим индикатором изменений денежно-кредитной политики благодаря корреляции -0.92 с ключевой ставкой.
5. Временные горизонты: Эффекты от изменения ключевой ставки длятся 14 дней, инфляции — 30 дней, а влияние ВВП может продолжаться до 60 дней.
Почему не взять было соотв исследования о рынках США?
драйверы не разные, у нас их просто нет )))
я пытаюсь экономить ваше время. я многие годы изучаю экономику, но такой труд на себя бы не взял. лучше обратиться к профи
Коинтеграция — это более строгий критерий, который проверяет, есть ли долгосрочная связь между нестационарными рядами (например, их разность стационарна). Она используется в экономике и трейдинге, так как помогает находить реальные зависимости, а не случайные совпадения.
Огнем и мечом, я написал то о чем я хотел написать и коинтеграция в этом вопросе абсурдна. Вопреки твоему мнению, я могу тебе уверенно сказать что есть проблема ложной коинтеграции (расписывать не буду в чем она заключается — можно почитать в интернете) — для выборки на таких массивах данных возможно использовать только корреляцию. Также у коинтеграции огромные проблемы с чувствительностью к изменениям параметров модели, есть проблема ассиметричности, огромный риск переподгонки модели и супер критически-огромные требования к чистоте входных данных.
Но я всё равно не отказываюсь от своего тезиса: выбор в пользу коинтеграции — абсурден. Почему я так считаю? Корреляционный анализ требует меньших вычислительных ресурсов и предъявляет менее жёсткие требования к качеству данных. Кроме того, он позволяет выявлять сезонные связи, которые могут быть важны как для оперативных решений, так и для стратегического планирования. Коинтеграция же, по сути, изначально ориентирована на долгосрочные тренды и требует значительно более сложных методов и интерпретаций.
В целом, я не сталкивался с подавляющим преимуществом коинтеграции над корреляцией. Это, по сути, лишняя трата времени и математическая эквилибристика, которая даёт почти те же результаты. Именно в этом я вижу абсурд использования коинтеграции вместо корреляции. Такая моя позиция: я понимаю, о чём ты говоришь, но не принимаю аргументы в пользу коинтеграции. Хотя, в целом, ты всё излагаешь правильно — просто для меня это всё равно остаётся абсурдом.
Отличная работа.
Было бы хорошо увидеть какие-то исходники.
Между индексом и показателями есть бета / коэффициент?
Скажите, пожалуйста, за какой период проводилось исследование и с каким шагом расчета?