РЕГРЕСІЙНИЙ АНАЛІЗ ВПЛИВУ КЛЮЧОВИХ ДРАЙВЕРІВ ДИНАМІКИ ЦІН НА АКТИВИ
Анотація
Це дослідження присвячено аналізу впливу ключових макроекономічних показників на динаміку цін активів різних класів та інвестиційних горизонтів. Актуальність теми зумовлена постійною потребою інвесторів у вдосконаленні методів прогнозування та управління ризиками. Розуміння того, як макроекономічні фактори впливають на поведінку інвесторів та ціни активів є критично важливим для розробки ефективних інвестиційних стратегій. В рамках дослідження проведено регресійний аналіз взаємозв'язку між динамікою цін 35 різних класів активів, включаючи акції, облігації, сировинні товари та альтернативні інвестиції, та такими макроекономічними показниками, як ймовірність рецесії, непередбачувані зміни інфляції, настрої інвесторів та нахил кривої дохідності. Для кожного класу активів та інвестиційного горизонту (3 місяці, 6 місяців, 1 рік, 2 роки та 5 років) було побудовано окрему регресійну модель, для оцінки впливу макроекономічних факторів на дохідність цих активів. Результати дослідження свідчать про неоднорідний вплив вибраних макроекономічних факторів на різні класи активів. Виявлено, що облігації та сировинні товари демонструють більш високу чутливість до змін макроекономічних показників, ніж акції. Це можна пояснити більшою залежністю цін на ці активи від об'єктивних економічних факторів, тоді як динаміка цін на акції значною мірою визначається суб'єктивними очікуваннями та поведінкою інвесторів. Також встановлено, що прогнозованість дохідності активів зростає зі збільшенням інвестиційного горизонту. Це підтверджує доцільність довгострокового інвестування та дає підстави для розробки більш ефективних стратегій розподілу активів на довгострокову перспективу. Практична цінність дослідження полягає в тому, що отримані результати можуть бути використані інвесторами для оптимізації своїх портфелів з урахуванням прогнозованого впливу макроекономічних факторів. Зокрема, розуміння залежності дохідності активів від ймовірності рецесії, інфляції, настроїв інвесторів та нахилу кривої дохідності дозволяє більш ефективно управляти ризиками та підвищувати прибутковість інвестицій. Дослідження також дає підстави для подальших наукових розвідок в галузі фінансової економетрики та розробки більш складних моделей прогнозування динаміки цін активів.
Посилання
Ivanov I. (2024) Identifying proxy indicators for key drivers of asset price dynamics. Intellect ХІІ, no. 3, pp. 56–67. DOI: https://doi.org/0.32782/2415-8801/2024-3.8.
Brunnermeier M., Farhi E., Koijen R. S. J., Krishnamurthy A., Ludvigson S. C., Lustig H., Nagel S., Piazzesi M. (2021) Review Article: Perspectives on the Future of Asset Pricing. Review of Financial Studies, vol. 34, no. 4., pp. 2126–2160. DOI: https://doi.org/10.1093/rfs/hhaa129.
Verma R. K., Bansal R. (2021) Impact of macroeconomic variables on the performance of stock exchange: a systematic review. International Journal of Emerging Markets, vol. 16, no. 7, pp. 1291–1329. DOI: https://doi.org/10.1108/IJOEM-11-2019-0993.
Bhuiyan E. M., Chowdhury M. (2020) Macroeconomic variables and stock market indices: Asymmetric dynamics in the US and Canada. Quarterly Review of Economics and Finance, vol. 77, pp. 62–74. DOI: https://doi.org/10.1016/j.qref.2019.10.005.
Cenedese G., Mallucci E. (2016) What moves international stock and bond markets? Journal of International Money and Finance, vol. 60, no 7, pp. 94–113. DOI: https://doi.org/10.1016/j.jimonfin.2015.05.001.
Fama E. F., French K. R. (2015) A five-factor asset pricing model. Journal of financial economics, vol. 116, no. 1, pp. 1–22. DOI: https://doi.org/10.1016/j.jfineco.2014.10.010.
Rossi M. (2016) The capital asset pricing model: A critical literature review. Global Business and Economics Review, vol. 18, no. 5, pp. 604–617. DOI: https://doi.org/10.1504/GBER.2016.078682.
Juniawan M., Panatap J. S., Arif H. M., Utami Y. I., Sova M. (2023) Implementing the Capital Asset Pricing Model in Forecasting Stock Returns: A Literature Review. Indonesian Journal of Business Analytics, vol. 3, no 2, pp. 171–182. DOI: https://doi.org/10.55927/ijba.v3i2.3683.
Acheampong P., Swanzy S. K. (2015) Empirical Test of Single Factor and Multi-Factor Asset Pricing Models: Evidence from Non Financial Firms on the Ghana Stock Exchange (GSE). International Journal of Economics and Finance, vol. 8, no. 1, pp. 99. DOI: https://doi.org/10.5539/ijef.v8n1p99.
Barua T., Barua S. (2024) Review of Data Analytics and Information Systems in Enhancing Efficiency in Financial Services: Case Studies From the Industry. Global Mainstream Journal, vol. 1, no. 3, pp. 1–13. DOI: https://doi.org/10.62304/ijmisds.v1i3.160.
Ivanov I. (2024) Analysis of the dynamics of asset returns in the financial markets. Modern engineering and innovative technologies, vol. 2, no. 33–02, pp. 39–57. DOI: https://doi.org/10.30890/2567-5273.2024-33-00-021.
Satchell S. E., Hwang S. (2016) Tracking error: Ex ante versus ex post measures. Asset Management: Portfolio Construction, Performance and Returns, pp. 54–62. DOI: https://doi.org/10.1007/978-3-319-30794-7_4.
Salmerón R., García C., García J. (2020) Overcoming the inconsistences of the variance inflation factor: a redefined VIF and a test to detect statistical troubling multicollinearity. DOI: https://doi.org/10.48550/arXiv.2005.02245
Lindner T., Puck J., Verbeke A. (2020) Misconceptions about multicollinearity in international business research: Identification, consequences, and remedies. Journal of International Business Studies, vol. 51, no. 3, pp. 283–298. DOI: https://doi.org/10.1057/s41267-019-00257-1.
Lindner T., Puck J., Verbeke A. (2022) Beyond addressing multicollinearity: Robust quantitative analysis and machine learning in international business research. Journal of International Business Studies, vol. 53, no. 7, pp. 1307–1314. DOI: https://doi.org/10.1057/s41267-022-00549-z.
Ozili P. K. (2023) The acceptable R-square in empirical modelling for social science research. Social Research Methodology and Publishing Results: A Guide to Non-Native English Speakers. pp. 134–143. DOI: https://doi.org/10.4018/978-1-6684-6859-3.ch009.
Ivanov I. Identifying proxy indicators for key drivers of asset price dynamics. Інтеллект ХІІ. 2024. № 3. С. 56–67. DOI: https://doi.org/0.32782/2415-8801/2024-3.8.
Brunnermeier M., Farhi E., Koijen R. S. J., Krishnamurthy A., Ludvigson S. C., Lustig H., Nagel S., Piazzesi M. Review Article: Perspectives on the Future of Asset Pricing. Review of Financial Studies. 2021. Вип. 34, № 4. С. 2126–2160. DOI: https://doi.org/10.1093/rfs/hhaa129.
Verma R. K., Bansal R. Impact of macroeconomic variables on the performance of stock exchange: a systematic review. International Journal of Emerging Markets. 2021. Вип. 16, № 7. С. 1291–1329. DOI: https://doi.org/10.1108/IJOEM-11-2019-0993.
Bhuiyan E. M., Chowdhury M. Macroeconomic variables and stock market indices: Asymmetric dynamics in the US and Canada. Quarterly Review of Economics and Finance. 2020. Вип. 77. С. 62–74. DOI: https://doi.org/10.1016/j.qref.2019.10.005.
Cenedese G., Mallucci E. What moves international stock and bond markets? Journal of International Money and Finance. 2016. Вип. 60, № June. С. 94–113. DOI: https://doi.org/10.1016/j.jimonfin.2015.05.001.
Fama E. F., French K. R. A five-factor asset pricing model. Journal of financial economics. 2015. Вип. 116, № 1. С. 1–22. DOI: https://doi.org/10.1016/j.jfineco.2014.10.010.
Rossi M. The capital asset pricing model: A critical literature review. Global Business and Economics Review. 2016. Вип. 18, № 5. С. 604–617. DOI: https://doi.org/10.1504/GBER.2016.078682.
Juniawan M., Panatap J. S., Arif H. M., Utami Y. I., Sova M. Implementing the Capital Asset Pricing Model in Forecasting Stock Returns: A Literature Review. Indonesian Journal of Business Analytics. 2023. Вип. 3, № 2. С. 171–182. DOI: https://doi.org/10.55927/ijba.v3i2.3683.
Acheampong P., Swanzy S. K. Empirical Test of Single Factor and Multi-Factor Asset Pricing Models: Evidence from Non Financial Firms on the Ghana Stock Exchange (GSE). International Journal of Economics and Finance. 2015. Вип. 8, № 1. С. 99. DOI: https://doi.org/10.5539/ijef.v8n1p99.
Barua T., Barua S. Review of Data Analytics and Information Systems in Enhancing Efficiency in Financial Services: Case Studies From the Industry. Global Mainstream Journal. 2024. Вип. 1, № 3. С. 1–13. DOI: https://doi.org/10.62304/ijmisds.v1i3.160.
Ivanov I. O. Analysis of the dynamics of asset returns in the financial markets. Modern engineering and innovative technologies. 2024. Вип. 2, № 33–02. С. 39–57. DOI: https://doi.org/10.30890/2567-5273.2024-33-00-021.
Satchell S. E., Hwang S. Tracking error: Ex ante versus ex post measures. Asset Management: Portfolio Construction, Performance and Returns. 2016. С. 54–62. DOI: https://doi.org/10.1007/978-3-319-30794-7_4.
Salmerón R., García C., García J. Overcoming the inconsistences of the variance inflation factor: a redefined VIF and a test to detect statistical troubling multicollinearity. 2020.
Lindner T., Puck J., Verbeke A. Misconceptions about multicollinearity in international business research: Identification, consequences, and remedies. Journal of International Business Studies. 2020. Вип. 51, № 3. С. 283–298. DOI: https://doi.org/10.1057/s41267-019-00257-1.
Lindner T., Puck J., Verbeke A. Beyond addressing multicollinearity: Robust quantitative analysis and machine learning in international business research. Journal of International Business Studies. 2022. Вип. 53, № 7. С. 1307–1314. DOI: https://doi.org/10.1057/s41267-022-00549-z.
Ozili P. K. The acceptable R-square in empirical modelling for social science research. Social Research Methodology and Publishing Results: A Guide to Non-Native English Speakers. IGI global, 2023. С. 134–143. DOI: https://doi.org/10.4018/978-1-6684-6859-3.ch009.
Завантажень PDF: 15
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
