Переливы волатильности на российском фондовом рынке: изменение во времени и реакция на экзогенные шоки
Vladimir Balash & Alexey Faizliev
What the paper says
Анализируются переливы волатильности на Российском фондовом рынке на примере отраслевых индексов Московской биржи за 2020–2024 гг. Переливы волатильности между отраслевыми индексами позволяют охарактеризовать структуру распространения рисков, выявить отрасли, являющиеся источниками и получателями рисков, а также уровень системного риска. В рассматриваемый период экономика и фондовый рынок России переживали существенную трансформацию, связанную с воздействием глобальных экономических и политических шоков. Мы предлагаем методику анализа чувствительности сети распространения рисков к наиболее существенным шокам, основанную на расчете индексов связности (мер переливов волатильности). Анализ показателей связности позволяет сделать выводы о влиянии внешних воздействий на динамику переливов. Полученные результаты позволяют оценить долю мер переливов, которая может быть отнесена к воздействию экстремальных событий, а также исследовать динамику трансформации сети распространения рисков на фондовом рынке России. Результаты исследования дают новую информацию о влиянии экстраординарных событий на переливы волатильности для российских отраслевых индексов. This paper analyzes the effects of volatility spillovers in the Russian stock market for the Moscow Exchange sectors’ indices for 2020–2024. Volatility spillovers between sectors’ indices allow us to characterize the risk spread structure and identify sectors that are sources and recipients of risks, and the level of systemic risk. During the period under review, the Russian economy and stock market underwent a significant transformation associated with the influence of global economic and political shocks. A method for analyzing the sensitivity of the risk spread network to the most significant shocks is proposed, based on the identification of connectivity indices (volatility spillover measures). Analysis of connectivity indices allows us to make conclusions about the influence of external factors on the spillover dynamics. The results obtained allow us to estimate the share of spillover measures that can be attributed to the influence of extreme events, as well as to study the dynamics of the risk spread network transformation in the Russian stock market. The results of the study provide new information on the impact of extreme events on volatility effects for Russian sector indices.
Evidence weight
Balanced mode · F 0.40 / M 0.15 / V 0.05 / R 0.40
| F · citation impact | 0.50 × 0.4 = 0.20 |
| M · momentum | 0.50 × 0.15 = 0.07 |
| V · venue signal | 0.50 × 0.05 = 0.03 |
| R · text relevance † | 0.50 × 0.4 = 0.20 |
† Text relevance is estimated at 0.50 on the detail page — for your query’s actual relevance score, open this paper from a search result.