Оценка достоверности прогнозов курсов акций

В п. 2.4 приведена типология и краткое описание существующих методов и моде­лей прогнозирования динамики рынков акций. В табл. 3.35 приведены выборка прогнозов по каждому значимому методу (модели) прогнозирования и после­дующий анализ степени их точности.

Поэтому в рамках данного раздела в отличие от базы данных прогнозов дина­мики мировых индексов акций, приведенной в п. 2.5.3, приводится комплексная оценка метода (модели) прогнозирования или прогнозов конкретного исследо­вателя (центра, издания) без привязки к единичным прогнозам.

База данных в области оценки точности прогнозов движения рынков акций

и методов (моделей) прогнозирования (преимущественно для индекса DJIA

рынка акций США)

Оценка точности прогнозов (продолжение)

160 публичных прогнозов, отслеживаемых HFD на 1997 г., только 18 публикова­лось в течение всех 17 лет анализа)

• Только три из 18 прогнозов (17%) принесли доходность выше доходности индекса Wiltshire 5000 (15,3%). Только два прогноза (11%) принесли доходность выше доход­ности индекса, скорректированную на риск

• Alfred Cowles

Can stock market forecasters forecast? // Econometrica. 1933. No. 1. P. 309—324

• 3300 публичных прогнозов 24 авторитетных финансовых компаний (компании по ценным бумагам, банк, инвестиционный дом и др.) за период 1 января 1928 г. — 1 июня 1932 г.

• Доходность портфелей, составленных по входящим в выборку рекомендациям, в целом ниже доходности пассивного инвестирования в индекс DJIA на 4% в среднем в год и не сильно отличается от доходности при случайной выборке рекомендаций данных фирм и их применения к случайным датам в рамках исследуемого периода.

Центры

•CXO Advisory Group²

• 6582 публичных размещенных в сети Интернет прогноза динамики рынка акций США (на базе индекса S&P 500) 68 экспертов, охватывающие период с конца 1998 г. по 2012 г., подготовленные с использованием различных методов прогно­зирования (фундаментальный анализ, в том числе индикаторы настроений, техни­ческий анализ)

• Средняя точность прогнозирования в целом по выборке — 47,4%. Максимальный уровень точности прогнозов эксперта — 68,2%; доля экспертов с точностью прогно­зирования не ниже 60% — около 12%.

Вероятность точности прогнозирования 68% и выше — менее 1%

Издания

• Timer Digest (выходит каждую третью неделю)

• Мониторинг точности более 100 лидирующих прогнозов динамики рынка акций США (на базе индекса S&P 500) в трех-, шестимесячной, годовой, трех-, пяти-, вось­ми- и 10-летней перспективе (также осуществляется мониторинг рынков облигаций и золота)

• Общей оценки эффективности прогнозов не приводится; публикуются топ-10 прогнозов по точности прогнозирования (эффективности реко­мендаций)

• Финансовый дайджест Халберта (Hulbert Financial Digest) (наиболее авторитетный не­зависимый оценщик инвестиционных рекомендаций в США; издается с 1980 г., с 2002 г. — подразделение MarketWatch — «дочки» Dow Jones & Company)

• См. выше

2. Оценка точности прогнозов в разрезе методов прогнозирования

2.1. Фундаментальный анализ

2.1.1. Адаптированные к исследованию рынка акций модели дисконтированных денежных

потоков

От низкой до умеренной точности прогнозирования в зависимости от используемой модели. Доступный эмпирический анализ позволяет расположить разновидности модели дисконтиро­ванных денежных потоков по точности прогнозирования в следующем порядке (по степени снижения точности): модели остаточной прибыли (RIM), модели дисконтированных дивиден- 384 Международная практика прогнозирования цен на финансовых рынках

дов (DDM), модель свободных денежных потоков (FCF).

• Jennifer Francis, Per Olsson & Dennis R. Oswald

Comparing the Accuracy and Explainability of Dividend, Free Cash Flow, and Abnormal Earnings Equity Value Estimates // Journal of Accounting Research. Spring 2000. Vol. 38. No. 1. P. 45—70.

• Прогностическая сила модели дисконтированных свободных денежных потоков (FCF), модели дисконтированных дивидендов (DDM) и модели сверхдоходов (AEM) для нескольких сотен компаний (всего 2907 годовых наблюдений (554—607 ком­паний в год)), торгуемых на биржах NYSE, AMEX и NASDAQ за период 1989—1993 гг.

• Анализ показал значительные различия результатов моделей. Модель AEM наибо­лее точна: она объясняет 71% динамики текущих цен, в то время как DMM— 51%, FCF — 35%. Медианная абсолютная ошибка прогнозирования для AEM — 30%, для DMM — 41%, для FCF — 69%.

Более ранние исследования также свидетельствуют:

— о гораздо более высокой точности прогнозирования курсов акций с использова­нием модели AEM по сравнению с DDM (Bernard V. L. The Feltham-Ohlson Framework: Implications for Empiricists // Contemporary Accounting Research. Spring 1995. Vol. 11. Issue 2. P. 733—747);

— о расположении по степени убывания точности прогнозирования моделей в сле­дующем порядке: AEM, DDM, FCF (Penman S. H. & Sougiannis T. A Comparison of Dividend, Cash Flow, and Earnings Approaches to Equity Valuation // Contemporary Accounting Research. Fall 1998. Vol. 15. Issue 3. P. 343—383)

• Danny Slewe

A Comparison Between the Abnormal Earnings Growth Model and the Residual Income Valuation Model: Is the AEGM Better in Predicting Future Returns Than the RIVM? Universi­ty of Amsterdam, 2008.

• Прогностическая сила моделей RIM и AEGM, оцененная для 20 акций, входящих в индекс голландской фондовой биржи (AEX Index) (прогноз на 2004—2006 гг. (одно-, двух-итрехлетнююперспективу),базируясьнаданныхнаконец2003г.)

• Найдено, что для большинства сценариев модель AEGM не превосходит модель RIM в точности прогнозирования, а в рядеслучаев уступаетей.

Аналогичные результаты получены в более раннем исследовании (Penman

S. H. Discussion of“On Accounting-Based Valuation Formulae” and “Expected EPS and EPS Growth as Determinants of Value” // Review of Accounting Studies. 2005. No. 10. P. 367—378)

•Charles M. C. Lee, James Myers & Bhaskaran Swaminathan

What is the I ntrinsic Value of the Dow? // Journal of Finance. October 1999. Vol. 54. No. 5. P. 1693—1741.

• Прогностическая сила модели RIM, оцененная для 30акций, входящих в индекс DJIA, напериоде 1963-1996 гг.(прогнозирование на 3-, 12-и18-летнююперспек- тиву) в сравнении с традиционными показателями, используемыми в фундамен­тальном анализе (коэффициенты P/E, P/B, дивидендная доходность)

Оценка точности прогнозов (продолжение)

• Найдено, что модель RIM в отличие от традиционных показателей, используемых в фундаментальном анализе, обладает статистически достоверной прогностической силой.

Аналогичные результаты относительно RIM получены в исследованиях:

— Frankel R. M., Lee Ch. M. C. Accounting Valuation, Market Expectation and Cross­Sectional Stock Returns // Journal of Accounting and Economics. 1998. No. 25. P. 283—319;

— Bradshaw M. T. How Do Analysts Use Their Earnings Forecasts in Generating Stock Recommendations? // The Accounting Review. 2004. 79 (1). P. 25—50.

Ряд других исследований свидетельствуют о значительно большей точности прогно­зирования моделей дисконтированных денежных потоков по сравнению с исполь­зованием отдельных фундаментальных показателей (коэффициент P/B, индикато­ры, основанные на показателе доходов корпораций, и др.) (см. в частности: Kaplan S. & R. Ruback. The Valuation of Cash Flow Forecasts: An Empirical Analysis // Journal of Finance. Vol. 50. Issue 4. September 1995. P. 1059—93; Frankel R. & Lee C. Accounting Valuation, Market Expectation, and the Book-to-Market Effect. University of Michigan and Cornell University, Working Paper. 1995; Frankel R. & Lee C. Accounting Diversity and International Valuation. University of Michigan and Cornell University, Working Paper. 1996)

• Huong N. Higgins

Forecasting Stock Price with the Residual Income Model // Review of Quantitative Finance and Accounting. Vol. 36. Issue 4. May 2011. P. 583—604.

• Прогностическая сила модели RIM с поправкой на автокорреляцию, оцененная для

акций, входящих в индекс S&P 500 (прогноз на 2004—2005 гг., базируясь на дан­ных за 1982—2003 гг.)

• Большие ошибки прогнозирования классической RIM, которые снижаются при при­менении RIM с поправкой на автокорреляцию. Медианная абсолютная ошибка в данном случае при прогнозировании на один год вперед — 18,12%; на два года вперед — 29,42%

•Mark Kamstra

Pricing Firms on the Basis of Fundamentals // Federal Reserve Bank of Atlanta Economic Review. First Quarter 2003. P. 49—70.

• Прогностическая сила различных вариантов модели DDM на рынке акций США (на базе годовых значений индекса S&P 500) на периоде 1871—2000 гг.

• Классическая модель Гордона генерирует большие ошибки (эксцессивная вола­тильность рынка по сравнению с данными модели в отдельные периоды; ошибки в периоды рыночных пузырей). Со второй половины 1980-х гг. до 2000 г. фактиче­ски не применима.

Для аддитивной и геометрической моделей Гордона, основанных на использова­нии моделей Маркова для оценки дивидендов, повышения точности прогнозиро­вания не обнаружено.

Усовершенствованная Дональдсоном и Камстрой модель Гордона более точно улав­ливает рыночную волатильность, однако ее прогностическая сила также низка. Предложенная М. Камстрой разновидность вышеперечисленных моделей, предполагающая увеличение дивидендов путем продажи части портфеля акций, резко увеличивает прогностическую силу всех моделей (самая точная модель в итоге — усовершенствованная Дональдсоном и Камстрой модель Гордона в раз­новидности М. Камстры), однако не решает проблему более сильной волатильно­сти рынка по сравнению с генерируемой моделью.

Ни одна из перечисленных моделей не объясняет динамику рынка в конце 1990-х гг.

2.1.2. Анализ зависимости движения рынка от экономических, финансовых и иных

показателей

Эффективность данного метода анализа во многом определяется горизонтом прогнозирова­ния: на коротких промежутках времени его прогностическая сила низка, на длинных рядах су­ществуют свидетельства в пользу умеренно высокой эффективности фундаментального ана­лиза. Наибольшая связь динамики индекса рынка наблюдается с изменениями уровня дохо­дов корпораций, сглаженного на 10 лет, наиболее эффективный с точки зрения построения прогнозов фундаментальный показатель, соответственно — P/E 10; также существуют свиде­тельства в пользу эффективности индикаторов настроений инвесторов

Исследователи

•John Y. Campbell & Robert J. Schiller

Stock Prices, Earnings and Expected Dividends // Journal of Finance. July 1988. Vol. 43. No. 3. P. 661—676

• Степень зависимости динамики рынка акций США (на базе индекса S&P 500) от ряда фундаментальных переменных (дивидендная доходность, коэффициенты P/E и P/E 10 (а также P/E, в котором в качестве E используются 30-годовые сглаженные доходы корпораций), ставка роста дивидендов) за период 1871—1987 гг. (регрес­сионный анализ)

• Найдена высокая степень зависимости динамики индекса на длинных рядах от ди­намики скользящей средней уровня доходов корпораций. В частности, регрессион­ный анализ показал, что 10-летние доходности на рынке акций на 56,6% объясня­ются коэффициентом, обратным P/E, в котором в качестве E используются 30-годо­вые сглаженные доходы корпораций, на 26,6% — дивидендной доходностью. На коротких временных рядах прогностическая сила данных фундаментальных пара­метров низка. Ставка роста дивидендов не является важным прогностическим па­раметром

• Clifford Asness

Fight the Fed Model // Journal of Portfolio Management. Fall 2003. P. 11—24

• Прогностическая сила коэффициента P/E и модели Федерального резерва (Fed Model) для рынка акций США (на базе индексов S&P) для периода 1881—2001 гг.

• Отсутствие прогностической силы модели Федерального резерва для прогнозиро­вания динамики рынка акций в долгосрочной перспективе. Индикатор P/E 10 де­монстрирует высокую прогностическую силу при построении прогнозов на 10— 20лет

• Jeremy J. Siegel

Stocks For The Long Run. The Definitive Guide to Financial Market Returns and Long-Term Investment Strategies. Second Edition, New York: McGraw-Hill, 1998 • Прогностическая сила двух индикаторов настроений, используемых при стратегии

инвестирования против рынка (Contrarian Investing): индикатора Bull/Bear Ratio, публикуемого Investors Intelligence (анализ за 1970—1997 гг.), и индикатора на­строений Р. Бернштайна (Richard Bernstein) (анализ за 1985—1997 гг.)

• Найдена большая прогностическая сила индикатора Bull/Bear Ratio (прежде всего, как индикатора смены тренда), особенно при горизонте инвестирования 9—12 ме­сяцев, до 1990-х гг.; в 1990-е гг. она снижается, но индикатор по-прежнему эффек­тивен при прогнозировании краткосрочной динамики рынков.

Индикатор настроений Р. Бернштайна также обладает прогностической силой: за

Оценка точности прогнозов (продолжение)

12 анализируемыхлетпри снижении рекомендуемой рыночными аналитиками и портфельными менеджерами доли акций в портфелях ниже50%(высокий уровень пессимизма)инвестированиенарынкеприносилогодовуюдоходность,превышаю- щую20%

Центры

•The Vanguard Group

Joseph Davis, Roger Aliaga-Diaz, Charles J. Thomas. Forecasting Stock Returns: What Signals Matter, and What Do They Say Now? October 2012

• Степень зависимости динамики рынка акций США (на базе индексов S&P 90, S&P 500, Dow Jones Wilshire 5000 Index, MSCI US Broad Market Index в разные периоды; анализируются годовые и 10-летные доходности) от 16 фундаментальных (и техни­ческих) переменныхза период1926—2011гг. (регрессионный анализ)

• Найдено, что динамикарынка в целом непредсказуема на короткихвременныхин- тервалах (год). Даже на долгосрочных рядах (10 лет) многие широко используемые фундаментальныепоказателидемонстрируютнизкуюкорреляциюсдинамикойин- декса: наилучшим образом 10-летныедоходности на рынке акций объясняются та­кими индикаторами, как P/E 10 (43%), P/E (38%) и отношение государственного долга к ВВП (23%; знак противоположен ожидаемому)

Оценка точности прогнозирования с использованием данного направления фундаментально­го анализа зависит во многом от следующих факторов:

1) точности прогнозирования значенийфундаментальныхпоказателей, используемыхпри прогнозировании динамики фондовых рынков;

2) эффективностииспользуемых моделей прогнозирования (математического аппарата для фиксации связей между фундаментальными переменными и курсами индексов акций)

1. Оценка точности прогнозирования значений фундаментальных показателей, используемых при прогнозировании динамики фондовых рынков

В целом доступные исследования свидетельствуют о недостаточной точности прогнозов фун- даментальныхпоказателей,используемыхвпрогнозированиидинамикифондовыхрынков,в томчислевследствиенесовершенстваматематическогоаппаратапрогнозирования.Вместес темточностьпрогнозовзависитотмножествафакторов:а)конкретногопоказателя(еговола- тильности) (что влечет, в частности, более низкуюточность прогнозовдля финансовых показа- телейвсравнениисмакроэкономическими,например,уровнемВВП);б)периодапрогнозиро- вания (его близости к смене фазы экономического цикла, при которойточность прогнозиро­вания резко падает); в) горизонта прогнозирования (снижается по мере повышения горизонта);г)субъектапрогнозирования(консенсусные прогнозывцеломдемонстрируютбо- леевысокуюстепеньточности,чеминдивидуальные)ит.п.Всвязисэтимбольшуюважность имеетинтерпретацияпрогнозныхзначений(кем,когда,вотношениикакогопоказателяони были сделаны, что позволяет оценить вероятную степень их точности)

•Marten Blix, Joachim Wadefjord, Ulrika Wienecke & Martin Adahl

HowGoodIstheForecastingPerformanceofMajorInstitutions//EconomicReview. 2001. No. 3. P. 38—68

• Около 52 тыс. прогнозов относительно ВВП и инфляции,сделанных около 250ин- ститутами из США, Японии, Франции, Германии, Италии и Швеции, входящими в базу Consensus Forecasts, а также МВФ и ОЭСР за период 1991—2000 гг.

• В целом уровень точности консенсусных прогнозов (Consensus Forecasts) достато­чен (выше, чем индивидуальных).

Найдено, что ошибка прогнозирования для ВВП выше, чем для инфляции (для США — 1,2% против 0,5%); присутствует также смещенность оценки (по

ВВП — 0,9%, для инфляции — +0,3%), т.е присутствует недооценка уровней роста ВВП и переоценка темпов инфляции. Точность прогнозирования значительно сни­жается при смене фазы деловых циклов. Прогнозистам свойственно «стадное» по­ведение (высокая корреляция прогнозов).

Точность прогнозов не всегда коррелирует с престижем организации, гоотовящей его. Например, по США одним из наиболее точных прогнозистов была компания DuPont (в целом найдено, что прогнозисты из сферы производства зачастую более точны в оценках анализируемых показателей); при этом точность прогнозов МВФ и ОЭСР в целом ниже средней по выборке (аналогичные результаты в отношении точ­ности прогнозов МВФ и ОЭСР по отношению к прогнозам Consensus Forecasts полу­чены в исследовании Filip Novotny and Marie Rakova. Assessment of Consensus Forecasts Accuracy: The Czech National Bank Perspective. Czech National Bank. December 2010)

•Stephen K. McNees

HowLargeAreEconomicForecastErrors?//NewEnglandEconomicReview.July/August

1992. P. 25—42

• 9 ведущих периодических макроэкономических прогнозов (в том числе непублич­ных) в США за период с 1963 г. по I квартал 1992 г.

•Точностьпрогнозированиязначительноразличаетсявзависимостиотпериода прогнозирования(гораздонижеприсменефазыделовыхциклов),отпрогнозируе- мого индикатора (гораздо ниже дляфинансовых показателей, а также ряда нефи­нансовых показателей, например,уровня запасов, вышедляВВП, инфляции,уров- нябезработицы)иотгоризонтапрогнозирования(падаетсростомгоризонта).Вце- лом,точностьпрогнозированиятакова,чтовлечетразочарованиеширокой публики; также найдено, что значимость такого фактора точности прогноза, как личностьпрогнозиста,преувеличена

•Dean Croushore

PhiladelphiaFedForecastingSurveys:TheirValueforResearch//BusinessReview.No.1. Q3 2010. P. 1—11

• Прогнозы Федерального резервного банка Филадельфии:Обзоры Ливингстона (Livingston Surveys) иОбзоры профессиональных прогнозистов (Surveys of Professional Forecasters) с 1971 г. до 2007 г.

•Достаточнаястепеньточностипрогнозоввцеломоднакосналичиемсерьезных ошибокпрогнозированиявотдельныепериоды(особенновслучаенепредсказуе- мыхизменений(например,прогнозированиеменеевысокихпосравнениюсреа- лизовавшимися уровней инфляции в первой половине 1970-х гг.))

•Victor Zarnowitz & Phillip Braun

Twenty-two Years of the NBER-ASA Quarterly Economic Outlook Surveys: Aspects and ComparisonsofForecastingPerformance.NBER,WorkingPaper№3965(AlsoReprint No. 1853). January 1992

• Публичные и частные прогнозы макроэкономических показателей(в области дохо- дов,производства,потребления,инвестиций,прибылей,государственныхзакупок, безработицы, уровня цен, процентных ставок), отражающие квартальные измене­ния в экономике США за период 22 года (с IV квартала 1968 г. по I квартал 1990 г.), сделанные111профессиональнымипрогнозистами(корпорации,финансовые компании, академические институты, правительство, консалтинговыефирмы, тор- говыеассоциации,профсоюзы),анализируемыеврамкахсовместногопроекта NBER-ASA (Национального бюро экономических исследований и Американской ас­социацией статистики)

Оценка точности прогнозов (продолжение)

• Точность прогнозирования значительно различается между макроэкономическими индикаторами в зависимости от уровня волатильности последних (ВВП и уровень потребления легче прогнозировать по сравнению, в частности, с уровнем инвести­ций и изменениями запасов; значительны ошибки при прогнозировании уровня ин­фляции (недооценка, переоценка)). Наиболее значительные ошибки наблюдаются при смене фазы деловых циклов (верно для ВВП, инфляции и др.).

Корреляция ошибок различных экспертов положительна и очень высока. Прогно­стическая сила конкретного эксперта сильно изменчива во времени и не сильно за­висит от прогнозируемого индикатора (т.е эксперты, эффективные в прогнозирова­нии одного индикатора, как правило, точно прогнозируют и другие показатели).

Точность прогнозирования снижается при возрастании горизонта прогнозирова­ния и для более волатильных макроэкономических показателей. Улучшения точности прогнозов во времени не наблюдается.

Точность прогнозов значительно возрастает при их объединении в групповые или «консенсусные» прогнозы и превосходит результаты, генерируемые традиционны­ми макроэкономическими моделями, а также современными моделями анализа временных рядов (байесовские векторные авторегрессии (BVAR) (их также опере­жает по точности более половины индивидуальных прогнозов) и особенно ARIMA)

• Henry Townsend

A comparison of Several Consensus Forecasts // Business Economics. 1 January 1996

• Четыре прогноза (Blue Chip Economic Indicators, NABE Outlook, Survey of Professional Forecasters и Business Outlook издания Business Week)

• Не найдено статистически значимых различий в точности прогнозирования между анализируемыми прогнозами (их точность не ниже случайным образом выбранных индивидуальных прогнозов)

•Dong W. Cho

Forecast Accuracy: Are Some Business Economists Consistently Better Than Others? // Business Economics. Vol. 31. No. 4. October 1996.

• 26 полугодовых Обзоров по экономическому прогнозированию журнала Wall Street

Journal (WSJ' Economic Forecasting Surveys) за период с декабря 1981 г. по июнь 1994 г.

• Найдено, что использование вместо консенсусных прогнозов прогнозов экспертов, результаты которых превосходят консенсусные (по выборке 33% прогнозистов), увеличивает точность прогнозирования. Как правило, более высокая точность про­гнозирования эксперта сосредоточена на узком круге тесно связанных между со­бой показателей

_•

• Прогнозы Андерсона Университета Калифорнии, Лос-Анджелес (UCLA Anderson Forecasts)

• Один из самых точных и объективных (unbiased) национальных прогнозов в США (в частности, первыми предсказали наступление рецессии 2001 г.) (по информации с сайта Бизнес-школы менеджмента Андерсона Университета Калифорнии, Лос- Анджелес)

• James H. Stock and Mark W. Watson (editors)

Introduction to «Business Cycles, Indicators and Forecasting» in Business Cycles, Indicato­rs and Forecasting. University of Chicago Press, 1993. P. 1—10 • Эффективность математического аппарата прогнозирования, макроэкономиче­

ских показателей (обзор ряда моделей и их прогностической силы)

• Умеренные результаты прогнозирования макроэкономическихпоказателейчерез применение ряда математическихмоделей, в частности:

— модели Р. Фэра (Ray C. Fair) — нелинейной динамической системы одновремен- ныхуравнений—дляпрогнозированиярецессий;

— модели векторной авторегрессии (VAR) К. Симса (Christopher Sims) — для прогно­зирования ВВП (хорошие результаты), инфляции (ошибки прогнозирования) и иных макроэкономическихи финансовыхиндикаторов;

— нелинейных моделей анализа временных рядов К. Грейнджера и др. (Clive W.J. Granger, Timo Terasvirta, HeatherAnderson)— дляпрогнозирования деловых циклов(найденысвидетельстваолучшейпрогностическойсиленелинейныхвсрав- нении с линейными моделями)

2. Оценка эффективности используемых моделей прогнозирования (математического аппара­та для фиксации связей между фундаментальными переменными и курсами индексов акций) (см. п. 3 )

2.1.3. Анализ циклов

Анализцикловнафондовомрынкеэффективеннасредне-идолгосрочномгоризонтахпрогно- зирования; на краткосрочных периодах он может генерировать ошибки

_•

• Прогнозы Р. Бронсона (Bob Bronson), основывающиеся на модели SMECT и иных разработанных автором методах анализа циклов

• Высокая точность долгосрочного прогнозирования, включая:

— предсказание «пузыря» на рынке dot.com, а также близости начала длительного понижательного тренда в 12—20 лет («медвежьего» суперцикла BAAC) на рынке ак- цийСША,характеризующегосяфактическиотсутствиемчистыхдоходовпоакциями повышенной волатильностью рынка (прогноз 1997 г.³);

—предсказаниесхлопыванияпузырянарынкеипотечныхбумагв2007г.ипосле- дующихкризисатеневойбанковскойсистемы,рынкадеривативовивеликойре- цессии (прогноз 2006 г.⁴).

Вместе с тем на более коротких периодах наблюдаются ошибкипрогнозирования, например прогноз дальнейшего 1,5-годового падения индекса S&P 500 после дос­тижения им дна в марте 2009 г. (прогноз апреля 2009 г.)⁵.

Р. Бронсонизвестен также разработкой инвестиционной стратегии по акциям, ко­торая принесла ежегодный доход в 44% годовых в 1966—1974 гг.⁶

•Clif Droke

Last Bull Standing 2011. 16 July 2010. www.timeandcycles.com

• Прогнозы С. Кресса (S. Kress) (в ежегодных публикациях Special Editions, доступных для клиентовоснованной консультационной фирмы SineScopeAdvisoryService), ос­новывающиеся на разработанной им теории циклов Кресса (c 2000 г.)

• В целом высокая точность средне- идолгосрочногопрогнозирования наинтервале 2000-2011 гг., включая предсказание пика 2000 г., медвежьего рынка 2000­2002 г., восстановления 2003—2007 г., кризиса 2007—2008 гг., дна марта 2009г.,промежуточногопикавапреле2011г.Прогнозпотрясений2012—2014гг. пока не оправдался

2.2. Технический анализ

2.2.1. Теория Доу и ее развитие

ТеорияДоуматематическинеточна,чтодаетвозможностьразличноготолкованиядинамики

финансовыхрынковсиспользованиеминструментарияданнойтеории.Свидетельстваосте-

Оценка точности прогнозов (продолжение)

пени ее эффективности противоречивы (см. ниже), в целом их можнотрактовать в пользууме- ренной эффективности прогнозирования по теории Доу

Исследователи

•Alfred Cowles

Can stock market forecasters forecast? // Econometrica. 1933. No. 1. P. 309—324. Stephen J. Brown, William N. Goetzmann & Alok Kumar

TheDowTheory:William PeterHamilton'sTrackRecord Re-Considered. NewYorkUniversi- ty Salomon Center. 1998.

• Классическая теория Доу, а именно прогнозы У. Хэмилтона (William PeterHamilton) в период его редакторства журналом Wall StreetJournal (1903—1929 гг.)

• АльфредКоулз (Alfred Cowles) показал, что эффективность портфеля, составленного на основе прогнозов У. Хэмилтона, ниже эффективности стратегии «купи и держи» (Buy & Hold) индексного портфеля (на базе DJIA) на 3,5% в среднем в год (12% про- тив15,5%).

•Однакоболееосновательноеисследование1998г.,учитывающеекромедоходности риск портфеля, реабилитируеттеорию Доу, показывая, что портфель, составленный попрогнозамУ.Хэмилтона,имелположительнуюдоходность,скорректированнуюна риск (risk-adjusted return) (высокий коэффициент Шарпа, положительная «альфа»)

•Jack Schannep

Presentation atthe 160th BirthdayCelebration ofCharles Dowatthe Museum ofAmerican Finance in New York City

sponsoredbytheMarketTechniciansAssociation,DowJonesIndexes,andtheMTA Educational Foundation on 3 November 2011

• Классическая теория Доу и сигналы прогнозного индикатора Шаннепа (Schannep Timing Indicator) (симулирование за период 1953—2011 гг.)

• Эффективность портфеля, составленного в соответствии с классической теорией Доу, выше эффективности стратегии «купи и держи» (Buy & Hold) индексного портфе- ляна1,43%(11,87%против10,44%).

Эффективностьпортфеля,составленногонаосновесигналовпрогнозногоиндика-

тораШаннепа,вышеэффективностипортфеля,составленноговсоответствиис

классическойтеориейДоу,на2,2%(14,07%против11,87%)

•http://thedowtheory.com

CXO Advisory Group

• Сигналы прогнозного индикатора Шаннепа (Schannep Timing Indicator) (симулиро- ваниезапериод1954—2013гг.)

ПрогнозыДж.Шаннепа(63прогнозазапериодсконца1998г.по2012гг.,иссле- дуемые CXO Advisory Group)

•Эффективностьпортфеля,составленногонаосновесигналовданногоиндикатора, выше эффективности стратегии «купи и держи» (Buy & Hold) индексного портфеля (на базе DJIA) на 2,43% в среднем в год (13,12% против 10,69%)⁷

Согласно исследованию CXO Advisory Group (общие результаты приведены выше), точностьпрогнозовсамогоэксперта—66,4%(третьеместо(из68))⁸

Издания

•CXO Advisory Group

• Прогнозы Р. Расселла (Richard Russell)

В частности, 168 прогнозов за период с конца 1998 г. по 2012 гг., исследуемые CXO Advisory Group

• Согласно исследованию CXO Advisory Group (общие результаты приведены выше), точность прогнозов самого эксперта — 36,5% (60-е место из 68))⁹.

Точность прогнозирования в отдельные периоды времени. В частности, точное про­гнозирование динамики индекса DJIA в 1970-х гг., включая окончание понижатель­ного тренда и начало повышательного тренда в декабре 1974 г.; предвидение окон­чания большого повышательного тренда 1949—1966 гг.

Вместе с тем, по мнению Investors Intelligence, Р. Расселл является «наиболее инте­ресным (с большим отрывом) писателем из всех отслеживаемых Investors Intelligence служб (1 февраля 1999 г.)»¹⁰

•CXO Advisory Group

• 56 прогнозов Р. Моруни (Richard Moroney) за период с конца 1998 г. по 2012 г.

• Точность прогнозов эксперта — 57,1% (12-е место из 68))¹¹

2.2.2. Анализ циклов

2.2.2.1. Метод Ганна и его развитие

Несмотря на невозможность подведения научного обоснования (на 100%) под метод прогно­зирования динамики финансовых рынков Ганна, существуют свидетельства в пользу высочай­шей точности прогнозирования с использованием изобретенного им инструментария — при­чем как самим У. Ганном, так и серьезными современными исследователями его метода (см. ниже), а сам У. Ганн, по мнению известного современного исследователя инвестиционных

стратегий Дональда Мака (Donald Mack) (стаж — более 20 лет), является самым лучшим анали- 12

тиком спекулятивных рынков всех времен Исследователи •John L. Gann Jr.

The Remarkable W. D. Gann. http://www.webtrading.com/gannarticle2.htm • Прогнозы У. Ганна в 1920-х и 1930-х гг.; эффективность торговли в 1908 г. и 1933 г. • 85%-ная точность прогнозирования в 1920-х гг., втом числе точный прогноз дина­

мики рынка акций в 1929 г., включая наступление крупнейшего финансового краха в истории;

точное прогнозирование в 1930-х гг., включая прогноз окончания Великой депрес­сии в 1932 г.

Задокументировано осуществление У. Ганном в 1908 г. в течение 25 торговых дней 264 выгодных сделок (из 286) (точность прогнозирования — 92%); в1933 г.—422 выгодных сделок (из 479) (точность прогнозирования — 88%; общая доходность — 4000% на вложенный капитал)¹³.

В течение многих лет У. Ганн готовил точные годовые прогнозы динамики рынков 14

акций и товарных рынков

_•

• Прогнозы Б. Коуэна (Bradley F. Cowan) с 2009 г. по настоящее время • На поддерживаемом Б. Коуэном сайте www.cycle-trader.com содержатся многочис­

ленные примеры точных прогнозов, сделанных Б. Коуэном с 2009 г. (начало опубли­кования публичных прогнозов) до настоящего времени, включая начало повыша­тельного тренда для индекса DJIA в марте 2009 г. (при преобладании панических настроений на рынке), абсолютно точное прогнозирование трех вершин 2013 г. (прогноз направлен подписчикам в конце 2012 г.) и т.п.

•Alan Oliver

The Incredible Analysis of W. D. Gann. Presentation on the Market Technicians Association

(MTA) Official Website www.mta.org. 79 Slides

Оценка точности прогнозов (продолжение)

• Сигналы касательно динамики рынков акций и валютного рынка (индексы S&P 500, Nikkei, FTSE 100, отдельные акции, валютная пара доллар США — британский фунт) пометодуГаннавпериод2001-2010гг.

• Многочисленные примеры (с приведением соответствующих графиков) эффектив­ности прогнозирования на базе метода У. Ганна динамики индексов S&P 500, Nikkei 225, FTSE100, включая успешнуюторговлюА. Оливера впериодсобытий 11 сентября 2001 г.

Показано, чтометодГанна давал точныйсигнална продажу британских фунтов в сентябре 1992 г., когда аналогичная сделка Дж. Сороса принесла емуславу«чело- века, который вскрыл Банк Англии»

2.2.2.2. Волновая теория Эллиотта и ее развитие

ВследствиесубъективностиволновойтеорииЭллиоттасуществуетмнениеоненаучностиданно- го метода¹⁵, а также о справедливости следующегоизречения: «Если собрать в однойкомнате 10 адептов Эллиотта, будет получено 10 различных интерпретаций подсчета волн Эллиотта»¹⁶. При этоммногие последователи волновой теории Эллиоттаизвестнывысокой точностью про- гнозированиядинамикирынковакций,особеннов части сменытрендов(см.ниже), что, одна- ко,вследствие неточности даннойтеорииивозможного различноготрактования волн может бытьобусловленоквалификациейданныхисследователейвбольшеймере,чемдостоинства- ми самой теории

Издания •Timer Digest

CXO Advisory Group

• Прогнозы Р. Пректера (Robert R. Prechter, Jr.)

В частности, 24 прогноза за период с конца 1998 г. по 2012 гг., исследуемые CXO AdvisoryGroup

• О высокой эффективности усовершенствованнойданным финансистом волновой теорииЭллиоттасвидетельствуетпризнаниеР.Пректера«однимизлучшихпрогно- зистов в истории рынка акций» изданием Timer Digest, присуждение титула «Гуру де­сятилетия» в 1989 г. CNBC (в то время Financial News Networks), выигрыш Чемпио­ната США по торговле (United States Trading Championship) в 1984 г.

Вместе стем,ставлегендой заправильноепрогнозированиебурного роста рынка акцийСШАв1982—1987гг.икраха1987г.,Р.Пректерошибсявпрогнозировании максимума DJIA, считая, что данный индекс достигнет уровня 3600, в то время как в реальности он не поднялся выше отметки 2722; более того, после краха он совето- валнеинвестировать вакции(доконца1989 г.), несмотрянаактивныйрострынка в данные два года¹⁷.

Согласно исследованию CXO Advisory Group (общие результаты приведены выше), точностьпрогнозовсамогоэксперта—20,8%(последнееместо(из68))¹⁸

_•

• Прогнозы С. Позера (Steven W. Poser)

• ИзвестенточнымпрогнозированиемвременидостиженияднанарынкеакцийЯпо- нии в 2003г.(с точностьюдо дня).Такжеверно спрогнозировал пик индекса S&P 2000 г. с точностью до 2—3 пунктов (прогноз дан в книге Rick Bersignor. New Thinking in Technical Analysis: Trading Models from the Masters (2000), в которой С.ПозернаписалглавуоволновойтеорииЭллиотта)

•Timer Digest

• Прогнозы Г. Нили (Glenn Neely), развившего волновую теорию Эллиотта с создани­ем авторского метода прогнозирования NEoWave

• О высокой эффективности модели NEoWave свидетельствует постоянное нахождение Г. Нили на протяжении почти двух десятилетий (с 1996 г. по настоящее время) в списке лиц, входящих в топ-10 составителей наиболее точных прогнозов динамики финансо­вых рынков — рынков акций, облигаций и золота (согласно изданию Timer Digest)

_•

• Прогнозы А. Дж. Фроста (A. J. Frost)

• Точность прогнозирования в отдельные периоды времени. В частности, точное про­гнозирование минимума DJIA в конце понижательного тренда данного индекса в 1966-1974 гг.

2.2.2.3. Циклическая теория Херста и ее развитие

Достаточно высокая точность прогнозирования (по косвенным свидетельствам). Одновремен­но Дж. Херст признавал, что вследствие существования бесчисленного множества циклов 100%-ная точность прогнозирования недостижима (вследствие невозможности определения результата наложения друг на друга бесчисленного числа циклов)

_•

• Прогнозы Дж. М. Херста (J. M. Hurst)

• По собственной оценке, 90%-ная точность прогнозирования¹⁹ (точно такой же ре­зультат получен по итогам проведенного 13-недельного эксперимента по торговле на рынке акций с использованием техник циклического анализа Херста²⁰)

_•

• Прогнозы последователей и сторонников циклической теории Херста • Косвенно о прогностической силе метода свидетельствует его использование из­

вестными прогнозистами:

— Дж. Тиллманом (Jim Tillman) — издателем прогноза Cycletrend, выходившего бо­лее 28 лет (с 1971 г.);

— П. Элиадесем (Peter G. Eliades) — издателем прогноза Cycletrend Stockmarket Cycles, выходящего с 1985 г. (по настоящее время) и дважды становившегося наи­более точным в прогнозах поведения рынков акций в США (январь 1985 г. — август 1990 г. и 2000-2003 гг.); обладателем многочисленных профессиональных наград, в том числе «Лучший прогнозист» (Timer of the Year) Timer's Digest;

— У. Брессертом (Walter Bressert) — издателем одного из наиболее популярных в США прогнозов динамики товарных рынков HAL Commodity Cycles, выходившего 12 лет (1974-1985 гг.) и др.

2.2.2.4. Иные исследования циклов на рынках акций

Свидетельства о прогностической эффективности анализа циклов на рынках акций противо­речивы.

Автор фундаментального исследования о методах долгосрочного прогнозирования Дж. Армст­ронг (J. Scott Armstrong) отмечает, что не сумел обнаружить эмпирическую прогностическую ценность циклов за исключением сезонных циклов. Вследствие сложности циклов и их нало­жения друг на друга этот метод представляется обоснованным к применению только при осу­ществлении краткосрочного прогнозирования, поскольку незначительные ошибки в оценке длины цикла (высоковероятные вследствие фактора неопределенности) способны привести к значительным ошибкам в долгосрочном прогнозировании²¹.

Существует и полностью противоположная точка зрения относительности ценности цикличе­ского анализа рынков. Так, известный исследователь циклов Дж. Тиллман (Jim Tillman), изда­вавший прогноз финансовых рынков Cycletrend в течение более 28 лет (с 1971 г.), отмечал,

Оценка точности прогнозов (продолжение)

чтонаибольшийуспехнапрактике(послеизученияииспользованиямногихклассическихме- тодологий) ему принес анализ циклов на рынке акций²²

_•

• Концепция десятилетних циклов (Decennial Pattern) (сформулированные Э. Смитом (Edgar Smith) закономерности годовой динамики цен, повторяющиеся каждое деся­тилетие)

Иныезакономерностидинамикирынковакций,основанныенаизучениикаленда- ря (сформулированные Й. Хиршем (Yale Hirsch)).

Прогнозы Й. Хирша

•Научногообоснованияданнойтеориинесуществует.

Вцеломзакономерности10-летнихцикловбыливерныдляпериода1839-1981гг.,

который,собственно,использовалсядляихвыявления.

ВпоследствиионибылиудачноиспользованыЭ.Гулдомдляточногопрогнозирова- ния повышательной динамики индекса DJIA в 1955 г. («бычий» тренд пятого года). Внастоящеевремяисследователиотмечают,чтоотдельныезакономерностидина- микирынкаакцийсогласноконцепции10-летныхцикловдонастоящеговремени неимелисбоев,например,а)повышательнаядинамикапятогогодацикланаблю- даласьвсегда(в2005г.индексырынкаакцийСШАдемонстрировалисмешанную динамику,нобольшинствоиндексовакцийзапределамиСШАвыросло);б)понижа- тельная динамика 10-го года также является частым явлением.

ВтожевремявцеломбольшинствосформулированныхЭ.Смитомзакономерностей внастоящеевремянеприменимы.Болеечастонаблюдаемойзависимостьюявляет- сявлияниенадинамикурынкаакцийСШАчетырехлетнихпрезидентскихциклов,вы- явленнаяЙ.Хиршем²³(вцелом,многиепрогнозыданногоаналитикадемонстрируют высокуюстепеньточности,вчастности,абсолютноточноепредсказаниев1976г. роста композитного индекса S&P на 500% к концу 1990 г.).

Вместе с тем Larry R. Williams в своей книге The Right Stock at the Right Time (2003) от­метил, что изучение анализа Э. Гулда (E. Gould) 10-летних циклов цен на акции факти- ческидалоемуключиоткоролевствапрогнозированиядинамикирынкаакций

_•

• Циклический анализ Э. Дьюи (Edward Dewey).

ПрогнозыЭ.Дьюи

•Научногообоснованияданнойтеориинесуществует. Выявленныйциклв9,2годанаблюдалсянапериоде1831—1976гг.,когдаонпра- вильно предсказывал достижение вершин индекса S&P 500 в 100% случаев и дос- тижениедоньевв93%случаев²⁴.Вместестемнаразличныхвременныхинтерва- лахегодлинанемноговарьируется,чтоделаетпрактическуюценностьпрогнозиро- ванияневысокой.

Аналогичнаякартинасвойственнаидляциклав38месяцев(наотрезке1868— 1945 гг. его длина была 40,68 лет; потом начало наблюдаться ее уменьшение)²⁵. ПрогнозыЭ.Дьюитакжедемонстрировалисмешанныерезультаты

_•

• Прогнозы Дж. Линдси (George Lindsay)

•Необычайнаяточностьпрогнозированиявершинидоньевнарынкеакций(вчаст- ности,прогнозированиеза8месяцев(источностьюдо17днейи7пунктов)начало крупного «бычьего» тренда в динамике DJIA в 1970 г.²⁶, а также окончания данного тренда).

Помнению«Альманахабиржевоготрейдера»,теорияцикловЛиндси—«самыйлуч- ший долгосрочный прогноз из всех, которые мы видели»

_•

• ПрогнозыМ.Армстронга,основанныенаразработаннойиммоделиэкономическо- го доверия (ECM)

• Точноепредсказаниерядакрупныхразворотовтренданарынкахакций,включая крах на рынке акций США в октябре 1987 г. (с точностью до дня), вершину индекса Nikkei225 в 1989 г.(за несколько месяцев до ее достижения),вершинунаамери- канском рынке акций в июле 1998 г. и дефолт в России в августе 1998 г. (по собст- венномупризнанию,повлекшемуинтересЦРУкегомодели²⁷),вершинунафинан- совыхрынкахвфеврале2007г.идр.

I. 2.3. Классическая современная теория технического анализа

При высоком уровне разработанности данного направления анализа однозначного вывода относительно эффективности его инструментов в целяхпрогнозирования динамики финансо­вых рынков (англ. — market timing) не существует.

Соднойстороны,существуетдостаточноечислоа)феноменальноуспешныхчартистов(трейде- ровсторговымистратегиями,основанныминаиспользованиитехническогоанализа)(онеко- торых из данных участников финансовых рынков и применяемых ими стратегиях см.: Schwager

J. D. Market Wizards, Updated: Interviews with Top Traders (2012); The New Market Wizards: Conversations with America's Top Traders (1994)); б) академических исследований, показываю­щих высокую прогностическую силу многих технических индикаторов.

Вместес тем существуют свидетельства ив пользу невысокой эффективноститехнического анализа как инструмента прогнозированиядинамикирынков акций (особенно в случае суще- ствованиявысокихтранзакционныхиздержек,приосуществлениипоправкидоходностина рискиучетаиныхпрактическихмоментов).Одноизобъясненийданногофактакроетсявчрез- мерностиданныхдлятехническогоанализа,приводящейкиспользованиючрезмерногоколи- чества индикаторов, многиеиз которых являются излишними, выдающими противоречащие другдругусигналыилипростовводящимивзаблуждение,—приодновременнойслабойпро- работанности теоретической базы при разработке индикаторов технического анализа: в по- давляющембольшинствеслучаевонасводится к опорена законы«спроса и предложения», «массовойпсихологии», «страха и жадности»,«инерционности» ианалогичные универсальные

28

понятия .

Возможнопоэтому,несмотрянаогромноеколичествоработпотехническомуанализу,сущест- вуетточказрения(мнениеизвестногосовременногоисследователяинвестиционныхстратегий Дональда Мака (Donald Mack) (стаж — более 20лет)), что до сих пор самой лучшей работой в об­ласти классического (традиционного) технического анализа является книгаРичардаШабакера (Richard Schabacker) 1932 (!) г. «Технический анализ и эффективность рынков акций: Курс по прогнозированию» (Technical Analysis and Stock Market Profits: A Course in Forecasting)²⁹. Вцеломбольшинствонаучныхисследованийпопредметупризнаетпрогностическуюсилуот- дельныхторговыхправил,основанныхнаинструментахтехническогоанализа,назаданных периодах времени³⁰

•W. Brock, J. Lakonishok & B. LeBaron

SimpleTechnicalTradingRulesandtheStochasticPropertiesofStockReturns//The Journal of Finance. December 1992. Vol. 47. Issue 5. P. 1731—1764.

R. Sullivan, A. Timmermann & H. White

Data-Snooping,TechnicalTradingRulePerformance,andtheBootstrap//TheJournalof Finance. 1999. 54 (5). P. 1647—1691

• Историческое тестирование (backtesting) эффективности 26 торговых правил, осно­ванных на наиболее простых и популярных инструментах технического анализа (скользящие средние (Moving Averages) и прорывы торгового диапазона (Trading

Оценка точности прогнозов (продолжение)

Range Breaks)) для прогнозирования динамики DJIA (дневные данные) за период: — 90 лет (1897—1986 гг.) (Brock et al.);

— 100 лет (1897—1996 гг.) (Sullivan et al.).

Sullivan etal. также расширили первоначальный перечень из26 правил до цифры 7846, обеспечив таким образом наиболее широкий (фактически всеобъемлющий) на момент исследования охват популярных инструментов технического анализа

• Brock et al. пришли к выводу о значительной прогностической эффективности рас­сматриваемых торговых правил технического анализа (последовательно выше для сигналов на покупку, чем для сигналов на продажу).

Sullivan et al. показали, что полученные в исследовании Brock et al. результаты ус­тойчивы к проблеме информационного просмотра данных (data snooping)³¹ и неко­торым иным проблемам, связанным с используемым Brock et al. инструментарием тестирования эффективности инструментов технического анализа.

Аналогичные результаты получены Sullivan et al. и для выборки из 7846 правил тех­нического анализа: найдено, что некоторые торговые правила были эффективными даже с учетом date snooping.

Вместе с тем расширение анализа за счет исследования дополнительных 10 лет (1987-1996 гг.) выявило низкую ценность применения торговых правил техниче­ского анализа на данном интервале времени

• Gerwin A. W. Griffioen

Technical Analysis in Financial Markets. University of Amsterdam — Faculty of Economics and Business. 3 March 2003

• Историческое тестирование прогностической эффективности 787 торговых правил следования за трендом, основанных на техническом анализе:

— для DJIA в период с января 1973 г. по июнь 2001 г.;

— для индекса Амстердамской фондовой биржи (AEX-index) в период с января 1983 г. по май 2002 г.;

— для 50 основных индексов акций рынков Африки, Северной и Южной Америки, Азиатско-Тихоокеанского региона, Европы и Среднего Востока, а также для миро­вого индекса MSCI World Index в период с января 1981 г. по июнь 2002 г.

• Отсутствие свидетельств в пользу прогностических возможностей торговых правил следования за трендом для DJIA как для всего анализируемого периода времени (in-sample), так и на участках out-of-sample.

Экономически и статистически значительная прогностическая сила торговых пра­вил следования за трендом для AEX-index (даже после коррекции на транзакцион­ные издержки, риск и data snooping — при условии применения коэффициента Шарпа для выбора наилучшей стратегии) как для периода in-sample, так и на участ­ках out-of-sample (в последнем случае при условии сравнительно низких (до 0,5% от сделки) транзакционных издержек).

Для половины из группы 50 индексов найдена статистически значительная прогно­стическая сила торговых правил следования за трендом (даже после коррекции на транзакционные издержки, риск и data snooping — при условии применения коэф­фициента Шарпа для выбора наилучшей стратегии) для периода in-sample. На от­резках out-of-sample экономически и статистически значительная прогностическая сила найдена для рынков Азии, Латинской Америки, Среднего Востока и России и только при условии низких (до 0,25% от сделки) транзакционных издержек

• Scott H. Irwin & Cheol-Ho Park

What Do We Know About the Profitability of Technical Analysis? // Journal of Economic Surveys. 2007. Vol. 21, No. 4. P. 786—826.

•95современныхисследованийэффективностиприменениятехническогоанализа

спекулятивныхрынков(валютные,фьючерсныерынки,рынкиакций)

•Всоответствииспроанализированнымиисследованиямивцеломстратегии,осно- ванныенатехническоманализе,последовательногенерировалиприбыльприих применениинаразличныхспекулятивныхрынкахпоменьшеймередоначала1990- х гг. 56 исследований (59%) свидетельствуют об эффективности технического анали­за, 20 (21%) — о его неэффективности; 19 (20%) дают неоднозначные результаты. Вместестемвыводыпроанализированныхисследованийпризнанынеокончатель- ными вследствие различных проблем в процедурах тестирования эффективности инструментов технического анализа (data snooping, проблемы в оценке рисков и транзакционныхиздержекидр.)

2.2.4. Поведенческий технический анализ

Внастоящеевремяназывается«обещанием»нахождениямощнойпарадигмыобъясненияи прогнозированияповедениярынков³²(сиспользованиемвкачествеинструментарияматема- тической модели теории катастроф (CatastropheTheory), предложенной в 1972 г. французским математиком Рене Томом (Rene Thom)).

Втожевремятеориякатастрофоказаласьнеспособнойпредсказатькрахнарынкеакций США 1987 г., кризис доткомов в США в 2000—2002 гг. и финансовый кризис 2007-2009 гг.³³

Конкретных эмпирических исследований прогностической силы данного метода анализа на реальных данных не найдено

2.2.5. Экзотические направления анализа: финансовая астрология

Несмотрянанеортодоксальностьподходаиотсутствиенаучногоспозициисовременнойнауки объяснения,прогнозированиединамикирынковакцийсиспользованиемастрологиидемон- стрируетхорошиерезультаты,особеннонадлинныхрядах.Однаизлюбимыхцитатоснователя инвестиционного банка Morgan Bank Дж. Моргана (J. P. Morgan): «Каждый может стать миллио- нером,ночтобыстатьмиллиардером,Вамнеобходимастролог»(миллионерынеиспользуют астрологию, ее используют миллиардеры)

_•

• Метод анализа гороскопа «Пятикратный гороскоп» (Five Fold Horoscope) Дж. Байера (George Bayer)

•Конкретныхэмпирическихисследованийпрогностическойсилыданногометода

анализанареальныхданныхненайдено.

Дж. Байер (George Bayer) был успешным трейдером

_•

• Теория Д. Уильямса (David Williams)

• Публикации в авторской журнальной колонке имели 80%-нуюточность в прогнози- рованииповышательныхипонижательныхтрендовнарынкеСША

_•

• Теория астроциклов Л. Дженсена (Luthеr Jensen)

•Пособственнойоценке,данныйметодпрогнозированияприноситрезультатына

34

протяжении почти полувека

Исследователи

•David Hirshleifer & Tyler Shumway

Gooddaysunshine:stockreturnsandtheweather.JournalofFinance2003.58(3). P. 1009—1032

• Теория У. Джевонса (William Jevons)

Исследователитестируютсвязьпогодныхявлений(солнечнаяпогода,дождь,снег)с

Оценка точности прогнозов (продолжение)

доходностями на рынках акций 26 стран за период 1982—1997 гг. ПосколькуУ.Джевонссчитал,чтосвязьсолнечныхцикловсделовымицикламиосу- ществляетсячерезвлияниепервыхнапогоду,данноеисследованиеможносчитать косвенным тестированием теории У. Джевонса

• Найдена положительнаякорреляция солнечнойпогоды сдоходностяминарынках акций (влияние дождливой и снежной погоды на доходности не обнаружено), что противоречитрациональномуподходукценообразованиюнафинансовыхрынках. При этом стратегии, основанные на учете погоды, оптимальны для трейдеров с очень низкими транзакционными издержками, что в условиях частой торговли, свойственнойдляданныхстратегий,приводиткубыткамдажепридовольноуме- ренных издержках торговли

•Arch Crawford

Bradley Model Approaches Its 2014 Peak. www.crawfordperspectives.com

• Модель прогнозирования на рынке акций Брэдли (Bradley Stock Market Prediction Model)

• Характеристической чертоймодели является ее точность надлительных периодах временипривозможностиошибокнаболеекороткихинтервалах(какэто,напри- мер, произошло при построении проекции динамики S&P 500 на 2009 г.³⁵). Боль­шинствомоделей посленачала генерирования ошибоктеряютпрогностическую ценность, не возвращаяськ точности прогнозирования. Более того, отмечается по- разительнаяточность (с точностьюдо 2—3 дней) моделив прогнозированииточек переломатенденции(дажеприошибкахвнаправлениитренда)³⁶

Центры

•Финансовый дайджест Халберта (Hulbert Financial Digest)

• Прогнозы Crawford Perspectives (автор — А. Кроуфорд (Arch Crawford))

• Данный прогнозсталлидеромпо точности прогнозирования динамики рынкаак- цийна5-летнемпериодесиюня1992г.поиюнь1997г.,надвухлетнемпериодес июня2001г.поиюнь2003г.инадвухлетнемпериодесоктября2007г.пооктябрь 2009 г.

А.Кроуфорднеоднократновходилвдесяткулучшихпрогнозистов,томчислена

5-летнейи10-летнейперспективе;точнопредсказываяважныемоментыповорота

тренда,втомчислеточнуюдатукраханарынкеакцийСША10октября2008г.

2.3. Ожидания рынков предсказаний

Возможен предварительный вывод о полезности учета финансовых ожиданий на рынках предсказаний(особеннонаинтервалахпрогнозированиядогода)прицелесообразностиком- бинирования данного метода с традиционными подходами к прогнозированию динамики фи­нансовых рынков

Исследователи

•Martin Spann & Bernd Skiera

Internet-Based Virtual StockMarketsforBusinessForecasting//ManagementScience. Vol. 49. Issue 10. October 2003. P. 1310—1326.

Erik Snowberg, Justin Wolfers & Eric Zitzewitz

PredictionMarketsforEconomicForecasting.NBER,WorkingPaperNo.18222.July2012. Ajit Kambil

CFO insights: Social analytics: Tapping prediction markets for foresight. Deloitte Development LLC. 2010.

•Прогнозыточностирынковожиданий,накоторыхторгуютсяожиданиядинамики рынков акций, отсутствуют, однако исследования иных рынков ожиданий свиде- тельствуютовысокойточностипрогнозирования,преждевсеговчастиполитиче- скихпрогнозов(орезультатахвыборов).Вданнойобластиточностьпрогнозоврын- ковожиданийпревышаетвдолгосрочнойперспективерезультатыпредвыборных опросов (см. JE Berg, FD Nelson, and TA Rietz. Prediction Market Accuracy in the Long Run//InternationalJournalofForecasting.April—June2008.Vol.24.Issue2. P. 285—300).

Вобластиэкономикиисследователиуказывают,поменьшеймере,наполезность предсказанийрынковожиданийдлятестированияэкономическихмоделейиихсо- вершенствованиявцеляхповышенияточностипрогнозирования(см.: SnowbergE., WolfersJ.,ZitzewitzE.PredictionMarketsforEconomicForecasting.NBER,WorkingPap- er No. 18222. July 2012), и, по большей мере, — на их мощный прогнозный потенци­ал (см.: Spann M. and Skiera B. Internet-Based Virtual Stock Markets for Business Forecasting//ManagementScience.October2003.Vol.49.Issue10.P.1310—1326). Вместе с тем, существуют свидетельства недостаточной эффективности рынков предсказанийвобластидинамикииндексовакций.

Так, в источнике Ajit Kambil. CFO insights: Social analytics: Tapping prediction markets for foresight. Deloitte DevelopmentLLC. 2010.P.1—2 приводитсяследующийпри- мер: 12 февраля 2010 г. контракт на Intrade, предметом которого был фактдости­жения индексом DJIA к концу 2010 г. значения выше 10 000, торговался по 50 долл. (вянвареегоценаприближаласьк70долл.)(вслучаереализацииданногособытия выплата по контракту — 100$). На 31 декабря 2010г. значение индекса DJIA соста- вило11577,51,чтопоказывает,чтооцениваемаявянваре-феврале2010г.веро- ятностьсвершившегосявконцегодасобытиясоставляла50—70%,такаквцелом участникиторговправильнооценивалидинамикуданногоиндекса.

Аналогичный контракт, предметом которого был фактнепревышения индексом DJIA кконцу2010г.значения6500,торговалсяпо17долл.(17%-наявероятностьпаде- ния DJIA ниже отметки 6500).

Вместестем,вмарте2009г.данныйконтрактторговалсяпоценесвыше90долл.,

что показывает, чтоза 1 год и 9 месяцев додаты наступления события, лежащего в

основеконтракта,большинствоучастниковоценивалогрядущуюдинамикурынка

неверно(излишнезаниженныеожиданиявсвязисфинансовымкризисом).

Отсюдаможносделатьвывод,чтопомереудлинениясрокаконтрактаусиливается

вероятностьошибки(вцеломверныйпрогнознагоризонтедогода;неверныйпро-

гнозприудлинениисрокапрогнозадогодаи9месяцев)

3. Оценка точности прогнозов в разрезе используемых количественных методов прогнозирования

Существуютсвидетельствавпользучрезмернойпростотылинейныхмоделейдляобъяснения ценообразованиянарынкеакций.Существуютсвидетельстваозначительноболеевысокой прогностическойэффективностинейронныхсетей,основанныхнаиспользованиивкачестве факторовкакфундаментальных,такитехническихиндикаторовиприменяемыхвсочетаниис экспертными системами, основанными на строгих правилах (rule-based expert systems)³⁷, по сравнениюстрадиционнымилинейнымиметодамитехническогоанализа,атакжеспростыми стратегиями «покупай и держи» (buy-hold). Прослеживается полезность нейронных сетей в идентификации связей между рынками

Существуютсвидетельстваопрогностическойсиленаиболеепростыхипопулярныхинстру- ментов технического анализа

•W. Brock, J. Lakonishok, and B. LeBaron

Simple Technical Trading Rules and the Stochastic Properties of Stock Returns // The Journal of Finance. Vol. 47. Issue 5. December 1992. P. 1731—1764.

• Историческое тестирование эффективности модели случайного блуждания, моде­

лей авторегрессии и авторегрессионной условной гетероскедастичности и отдель­ных инструментов технического анализа для прогнозирования динамики DJIA (днев­ные данные) за период 90 лет (1897—1987 гг.)

• Невозможность предсказания динамики индекса DJIA применением следующих мо­делей: случайные блуждания цен (Random Walk), AR, GARCH-M, EGARCH.

Сделан вывод о возможности того, что процесс образования доходностей на рынке акций слишком сложен для его объяснения линейными моделями.

Высокая прогностическая сила таких базовых и популярных инструментов техниче­ского анализа, как скользящие средние (Moving Averages) и прорывы торгового диапазона (Trading Range Breaks)

¹ http://www.marketwatch.com/premium-newsletters/hulbert-financial-digest.

² Guru Grades. CXO Advisory Group. www.cxoadvisory.com/gurus.

³ См.: Bronson B. The Case for the Third Supercycle Bear Market Period of This Century. Bronson Capital Markets Research. July 1997.

⁴ См.: Bronson B. Are You Prepared for the First of Three Perfect Storms of Business Cycles? / Bronson Capital Markets Research. 23 December 2006.

⁵См.: Bronson B. As Forecasted: A 12-Year Retrospective. Bronson Capital Markets Research. April 2009.

⁶ http://www.financialsensearchive.com/editorials/bronson/bio.html.

⁷ http://thedowtheory.com/indicators/schannep-timing-indicator.

⁸ Guru Grades. CXO Advisory Group // www.cxoadvisory.com/gurus.

⁹ Ibid.

¹⁰ http://ww1.dowtheoryletters.com/dtlol.nsf/htmlmedia/body_about.html. По информации, разме­щенной на сайте Dow Theory Letters, разработанный Р. Расселлом индикатор PTI дает чрезвычайно точные оценки (его сигналы, по признанию самого исследователя, зачастую противоречат личному мнению иссле­дователя; Р. Расселл отсюда заключает о намного большей эффективности PTI в сравнении с прогнозами его разработчика) (http://ww1.dowtheoryletters.com/dtlol.nsf/htmlmedia/body_about.html).

¹¹ Guru Grades. CXO Advisory Group. www.cxoadvisory.com/gurus.

¹² Costa. N. A. Richard W. Schabacker a Market Master. http://www.marketmasters.com.au/82.0.html.

¹³ Schellings R. Who is W. D. Gann? $50 Million in Trading Profits in his lifetime — Incredible! 10 June 2009. http://www.gatesystem.com.au/who-is-wd-gann.htm.

¹⁴ Smithson J. The Time Factor of W. D. Gann. 17 October 2001. http://www.sacredscience.com/ LivingLibrary/messages/92/250.html?1054271071.

¹⁵ См., например: Aronson D. Evidence-Based Technical Analysis: Applying the Scientific Method and Statistical Inference to Trading Signals. John Wiley and Sons, December 2006. P. 67.

¹⁶ Lau H. The New Elliott Wave Theory: Using Market Correlation and RSI in Elliott Wave. http://elliottwave- forecast.com.

¹⁷ Petruno T. Armageddon for Stocks Nigh, Says Guru Prechter // Los Angeles Times. 11 June 1993.

¹⁸ Guru Grades. CXO Advisory Group. www.cxoadvisory.com/gurus.

¹⁹ http://www.cyclesresearchinstitute.org/cycles-research-markets/hurst.shtml.

²⁰ http://cyclewave.homestead.com/hurst.html.

²¹ Armstrong J. S. Long-Range Forecasting: From Crystal Ball to Computer. Second Edition. John Wiley & Sons. 1985. P. 180.

²² http://ermanometry.com/what-they-say/jim_tillman_publisher_cycletrend.php.

²³ См.: Hirsch Y. Stock Trader's Almanac 2013. P. 130.

²⁴ Williams D. Financial Astrology. American Federation of Astrologers. 2004. P. 123.

²⁵ Ibid. P. 124.

²⁶ Lindsay G. Market Place: the Dow in '81: One Prediction // New York Times. 8 November 1969.

²⁷ http://armstrongeconomics.com/armstrong_economics_blog/page/4.

²⁸ Pruden H. O. Catastrophe Theory and the Technical Analysis Applied to a Cal Tech Experiment on Irrational Exuberance // Managerial Finance. 2005. Vol. 31. No. 5. P. 40.

²⁹ Costa N. A. Richard W. Schabacker a Market Master. http://www.marketmasters.com.au/82.0.html.

³⁰ Lui K. M. and Chong T. T.L. Do Technical Analysts Outperform Novice Traders: Experimental Evidence // Economics Bulletin. 33(4). 2013. P. 3080.

³¹ Data snooping (другой встречающийся перевод на русский язык — «разработка данных») — неодно­кратное использование данных для выбора модельной спецификации или тестирования гипотез, ведущее к возможности фиксирования моделью зависимостей (подтверждения гипотез), не имеющих экономиче­ского смысла.

³² Pruden H. O. Catastrophe Theory and the Technical Analysis Applied to a Cal Tech Experiment on Irrational Exuberance // Managerial Finance. 2005. Vol. 31. No. 5. P. 40.

³³ Bofah K. Catastrophe Stock Market Theory. www.ehow.com/about_5615239_catastrophe-stock- market-theory.html.

³⁴ Jensen L. Astro-Cycles and Speculative Markets. Wash.: Lambert'Gann Publishing Company. 1978. P. VIII.

³⁵ Curry J. Current Cyclic Outlook for the SP. 3 November 2009. http://www.safehaven.com/article/ 14917/current-cyclic-outlook-for-the-sp.

³⁶ Crawford A. Bradley Model Approaches Its 2014 Peak. http://www.crawfordperspectives.com/ documents/BRADLEYMODELAPPROACHESITS2014PEAK.pdf.

³⁷ Использование формализованных правил при осуществлении торговых операций снижает риск принятия необоснованных решений, в том числе под влиянием эмоций.

Данные по оценке точности прогнозирования динамики рынков акций, при­веденные в табл. 3.86, можно свести в схемы (рис. 3.4, 3.5).

Рис. 3.4. Оценка степени точности методов фундаментального анализа рынков (преимущественно для индекса DJIA рынка акций США)

Рис. 3.5. Оценка степени точности методов анализа рынков (преимущественно для индекса DJIA рынка акций США), относящихся к поведенческим финансам (технический анализ, ожидания рынков предсказаний)

Данный анализ позволяет прийти к следующим выводам относительно обос­нованности и результативности прогнозирования динамики рынков акций.

Прогнозируемость динамики рынков акций на длинных горизонтах прогнозиро­вания. Данные, приведенные на схемах (рис. 3.4, 3.5), свидетельствуют о том, что эффективность методов прогнозирования динамики рынков акций во многом определяется горизонтом прогнозирования: на длинных рядах многие методы более результативны и точны, чем на коротких. Отсюда можно сделать вывод о более высокой степени прогнозируемости динамики рынков акций в долгосрочной пер­спективе.

В пользу данного предположения свидетельствуют и эмпирические исследо­вания. Так, 141-летний анализ динамики рынка акций США (1871—2011 гг.) подтвердил гипотезу возвращения рынка к среднему на определенном горизонте значению (mean revertion¹) и нашел статистически значимые свидетельства о предсказуемости доходности на рынке акций на 15—17-летнюю перспективу ис­ходя из динамики рынка за предшествующие 15—17 лет^{[222] [223]}.

Анализ циклов как наиболее эффективный метод прогнозирования на длинных интервалах. Если ограничиться длительными горизонтами прогнозирования, анализ показывает, что на них наиболее действенным методом построения про­гноза является анализ циклов, причем как в рамках фундаментального, так и тех­нического подхода к анализу рынков (см. рис. 3.4, 3.5).

Важность изучения циклов была сформулирована еще в 1967 г. известным американским экономистом Эдвардом Дьюи (Edward R. Dewey), который опи­сал значение циклов в экономической теории следующими словами: «Вследст­вие значимости циклов вся наука, развивающаяся в отсутствие знаний о циклах, является неадекватной и неполной»^[224].

Трейдерами, как правило, разделяется точка зрения о том, что торговля в на­правлении тренда является наиболее эффективной инвестиционной стратегией на финансовых рынках^[225]. Другими словами, при прогнозировании динамики рынка акций определяющим может являться определение тренда.

Фундаментальный vs технический анализ рынков: горизонт прогнозирования при анализе циклов. Исследование циклов в рамках технического анализа представля­ется действенным инструментарием прогнозирования на любых временных ин­тервалах, в то время как фундаментальный анализ циклов показывает точность только на длинных рядах. Другими словами, теории циклов в рамках техниче­ского анализа являются более универсальным методом прогнозирования дина­мики фондовых индексов.

Данный вывод, вытекающий из эмпирических исследований, находит и теоре­тическое обоснование. Действительно, рассмотрение сути двух принципиальных подходов к прогнозированию динамики рынков акций (см. п. 2.4) позволяет пред­положить, что в отличие от технического анализа фундаментальный анализ мало применим для прогнозирования краткосрочной динамики рынков; при этом он может оказаться эффективным при построении долгосрочных прогнозов. В част­

ности, можно положиться на мнение Эдсона Гулда (Edson Gould)¹, который счи­тал, что фундаментальные факторы, такие как экономические и денежно-кредит­ные прогнозы и тренды, являются жизненно важным фактором при осуществлении прогнозирования на перспективу от трех-четырех лет и более и обладают низкой ценностью при построении прогнозов от нескольких недель и месяцев до двух лет².

Важность субъекта прогнозирования. Наконец, последним выводом из прове­денного анализа является предположение о том, что прогностическая сила кон­кретного метода прогнозирования динамики рынков акций во многом (а может, и в основном) зависит от субъекта, применяющего данный метод (его профес­сионализма, интуиции и других факторов, влияющих на принятие им инвести­ционных решений). В пользу данного вывода свидетельствует и проведенный исследователями К. Луи (К. M. Lui) и Т. Чонгом (T. T.L Chong) эксперимент по сравнению результатов торговли на рынке акций, основанной на использовании японских свечей как метода технического анализа, полученных двумя группами трейдеров: опытными трейдерами и новичками³. Деятельность первых оказалась значительно более успешной. Отталкиваясь от постулата о том, что ни один трейдер в действительности не действует полностью механически на сигналах, подаваемых различными инструментами технического анализа, данные резуль­таты одновременно служат одним из аргументов против теории случайного блу­ждания цен, в случае которого разницы между результатами торговли опытных трейдеров и новичков не должно было бы наблюдаться.

В завершение раздела сопоставим полученные выводы с рэнкингами веду­щих прогнозистов на рынке акций США (постоянно поддерживаются издания­ми Timer Digest и Hulbert Financial Digest; также доступно исследование CXO Advisory Group) и используемых ими методов (моделей) прогнозирования.

Следует иметь в виду, что данные рэнкинги не могут считаться в полной мере репрезентативными, поскольку огромное число аналитиков (особенно работающих на инвестиционные банки, частные консалтинговые и исследовательские компа­нии) не входят в выборку в силу ограниченного доступа к их прогнозам (табл. 3.84).

Таблица 3.84. Топ-10 прогнозистов рынка акций США на средне- и долгосрочную перспективу (исследование Timer Digest, по состоянию на 3 февраля 2014 г.¹

¹ «Волшебник Уолл-стрит»; самый точный прогнозист за всю историю существования американско­го фондового рынка .

² Robert Williams. Edson Gould: The “Gould-en” Rule to Stock Market Investing // Friday. Issue 940. 20 February 2009.

³ См.: Lui K. M. and Chong T. T. L. Do Technical Analysts Outperform Novice Traders: Experimental Evi­dence // Economics Bulletin. 2013. No. 33(4). P. 3080—3087.

Окончание табл. 3.84

¹ Timer Digest осуществляет мониторинг точности более 100 лидирующих прогнозов динамики рынка акций США (на базе индекса S&P 500) на различную перспективу (от трех месяцев для 10 лет).

Timer Digest опубликовала список топ-10 прогнозистов на 3-, 5-, 8- и 10-летнюю перспективу. В табли­це приведены лица, попавшие по крайней мере в два списка (рэнкинг составлен исходя из количества раз упоминания в списках и, при прочих равных условиях, позиции в исходных рэнкингах (преимущество отда­ется позиции прогнозиста в списке топ-10 на более длительную перспективу)).

Рэнкинги Timer Digest свидетельствуют о доминировании в десятке лучших прогнозистов на горизонт 3—10 лет (также это справедливо для горизонта 10 лет) технических аналитиков рынка (90%). При этом классический фундаментальный

анализ является основой инвестирования для 10% прогнозистов, еще 30% соче­тают методы фундаментального и технического анализа рынков (табл. 3.85).

Таблица 3.85. Топ-5 прогнозистов рынка акций США за предыдущее десятилетие (исследование Hulbert Financial Digest)¹

¹ Hulbert M. Keep Buying Stpcks, Top-Ranked Advisers Say // Market Watch. 14 June 2014.

В выборку HFD вошли более 200 прогнозистов.

Основан на волатильности доходности (для индекса = 100).

Рэнкинг Hulbert Financial Digest показывает, что среди лучшей пятерки про­гнозистов рынка акций США, отслеживаемых HFD, адепты фундаментального и технического анализа распределены поровну (табл. 3.86).

Таблица 3.86. Топ-10 прогнозистов рынка акций США за период с конца 1998 г. по 2012 г.

(исследование CXO Advisory Group Guru Grades¹. www.cxoadvisory.com/gurus)

Окончание табл. 3.86

¹ Проанализировано около 6,6 тыс. публичных размещенных в сети Интернет прогнозов динамики рынка акций США (на базе индекса S&P 500) 68 экспертов, охватывающих период с конца 1998 г. по 2012 г. В выборку включены прогнозисты, готовившие прогнозы на протяжении периода времени, доста­точного для репрезентативной оценки точности прогнозирования. Оценка такой точности основывалась на сравнении доходности инвестирования на рынке акций в соответствии спрогнозами экспертов относи­тельно его будущей динамики и достигнутой доходностью инвестирования в индекс S&P 500.

Исследование CXO Advisory Group показывает, что из 10 топ-прогнозистов 50% являются приверженцами фундаментального анализа (и его отдельных тече­ний, в частности, стратегии инвестирования в рост), 30% — адептами техниче­ского анализа (оставшиеся 20% используют комбинированные методы анализа).

Для сравнения приведем лучшие (с точки зрения доходности, скорректиро­ванной на риск) на 10-летнем горизонте прогнозы, содержащие инвестицион­ные рекомендации в отношении акций и взаимных фондов, отслеживаемые Hulbert Financial Digest. Как видно из табл. 3.87, в данном случае, когда прогно­зирование ведется в отношении конкретных финансовых инструментов (в отли­чие от прогнозов динамики рынка акций в целом), всегда используется фунда­ментальный анализ.

Таблица 3.87. Топ-7 прогнозистов в отношении инвестиционных портфелей (акции, взаимные фонды) на 10-летнюю перспективу (исследование Hulbert Financial Digest, по состоянию на 30 апреля 2013 г.

Источник: Hulbert M. Does time heal all (financial) wounds? // HFD. P. 8. http://www. buybackletter. com/BBL_In_The_News/HFD_May_2013_Does_time_heal_all_financial_wounds_(4).pdf.

В выборку HFD включены более 180 публичных прогнозов, содержащих инвестиционные рекоменда­ции в отношении акций и взаимных фондов, с более 500 рекомендуемыми портфелями.

Таким образом, существующие рэнкинги отдают предпочтение техническо­му анализу рынков, что коррелирует с полученным ранее выводом о более высо­кой универсальности данного подхода к анализу фондового рынка.

С другой стороны, косвенным свидетельством эффективности фундамен­тального подхода к анализу рынков является тот факт, что все управляющие, по­павшие в первую десятку по результатам опроса, проведенного в 1999 г. The Cars­on Group среди 300 специалистов рынка относительно лучшего управляющего активами XX в., являются яркими адептами фундаментального анализа: У. Баф­фет (Berkshire Hathaway, 1-е место, 86,4% респондентов посчитали его лидером), П. Линч (Fidelity Management, 80,8% респондентов поставили его на 2-е место), Дж. Темплтон (Templeton Investment Counsel, 3-е место), Б. Грэм и Ф. Додд (ав­торы книги «Анализ ценных бумаг», 4-е место) и Дж. Сорос (Soros Fund Management, 5-е место), а также Дж. Нефф (John Neff), Дж. Богл (John Bogle), М. Прайс (Michael Price), Дж. Робертсон (Julian Robertson) и М. Мобиус (Mark Mobius)^[226].

Директория исследований в области воздействия мировых цен на финансовых рынках (сырье, акции, курсы валют) на макроэкономическую и финансовую динамику России

Ниже представлены полноформатные исследования российских и международных центров в области воздействия мировых цен на финансовых рынках (сырье, акции, курсы валют) на макроэкономическую и финансовую динамику России (табл. 1—2).

Используется следующая структура описания и анализа источника: а) назва­ние исследовательского центра, организации, публикации, источника; б) краткое описание исследования. По ряду источников — в) основные выводы исследова­ния, представленные в формате источника; г) основные выводы исследования, за­трагивающие воздействие мировых цен и курсов валют на макроэкономическую динамику России.

Таблица1.База исследований российских центров

Окончание табл. 1

Таблица2.База исследований международных центров

Окончание табл. 2

Исследования российских центров

2004

Исследовательский центр/организация, публикация/источник

ИЭП (Институт экономики переходного периода им. Гайдара). Выбор денежно­кредитной политики в открытой экономике с экзогенными ценами экспорта^[227].

Краткое описание исследования

Анализ влияния цен на нефть на проводимую денежно-кредитную политику (с эконометрическими выкладками) на основе «Модели открытой экономики с экзогенными ценами экспорта». Анализ политики ЦБ РФ 1995—2003 гг. В осно­ву исследований положена динамика цен на нефть и валютных курсов в

1980—2003 гг. Обозначаются относительные уровни (высокий/средний/низкий) и тенденции в динамике.

Оценка количественного прогнозирования МЭР до 2020 г.

2008

Исследовательский центр/организация, публикация/источник

Цены на нефть: история, прогноз, влияние на экономику¹

Краткое описание исследования

Обзор исторического развития мирового рынка нефти. Механизмы влияния цен на экономики различных групп стран, в том числе России.

Основные выводы исследования, представленные в формате источника

Влияние высоких мировых цен на нефть на динамику российского рынка акций в течение 2003—2007 гг. за счет:

Во-первых, высокий уровень цен на нефть и энергоносители способствовали увеличению объема валютной выручки у компаний-экспортеров, которые выну­ждены ее конвертировать в рубли. Наблюдалось повышение уровня ликвидности в российском банковском секторе, что способствовало росту спроса на акции отечественных компаний.

Во-вторых, происходящее на фоне роста валютных поступлений укрепление рубля снизило привлекательность доллара как альтернативного актива, что так­же поддерживало спрос на акции.

В-третьих, в ситуации повышения мировых цен на нефть акции нефтяных компаний являлись привлекательным инструментом для инвестиций из-за улуч­шения финансовых результатов деятельности компаний и ожидаемого роста их курсовой стоимости и размера дивидендов.

2008—2013

Исследовательский центр/организация, публикация/источник

МЭР РФ. Прогнозы социально-экономического развития Российской Федера­ции на период до 2030 года^{[228] [229]}.

Краткое описание исследования

Прогнозирование макроэкономических показателей при различных сценариях цен на энергоносители.

Основные выводы исследования, представленные в формате источника

Глобально (условия/гипотезы по ценам):

Сценарный прогноз МЭР (май 2014 г.) на период 2015—2017 гг. был разрабо­тан в двух основных вариантах — вариант 1 (базовый) и вариант 2 (умеренно оп­

тимистический). В обоих основных вариантах предполагается, что среднегодо­вая цена на нефть сорта Urals составит 100 долл./баррель.

Для России:

Темп роста ВВП в 2014—2017 гг., как прогнозируется, достигнет 0,5—4,2%. Прирост денежной массы в национальном определении (М2) в за­висимости от вариантов снижается с 14,6% в 2013 г. до 9—11% в 2017 году. Де­позиты населения: темпы прироста в 2015 г. 14—15%, в 2016—2017 гг. 11—14% (по варианту 2)

Основные выводы исследования, затрагивающие воздействие мировых цен

и курсов валют на макроэкономическую динамику

Прогноз МЭР исходит из текущей экономической конъюнктуры и колебаний мировых цен на нефть в коридоре от 90 до 100 долл./баррель. Подразумеваются, но не исследуются взаимосвязи нефтяных цен (курса валюты) и макроэкономи­ческих показателей РФ.

2009

Исследовательский центр/организация, публикация/источник

ИНЭИ РАН. Исследование влияния мирового энергетического кризиса на раз­витие топливно-энергетического комплекса (ТЭК) и его отраслей^[230].

Краткое описание исследования

Исследование и прогноз развития российского ТЭК в условиях мирового кри­зиса.

Основные выводы исследования, представленные в формате источника

При принятой программе сокращения эмиссии парниковых газов: ценой замед­ления роста ВВП до 0,4—0,5% ежегодно, сильный дополнительный импульс для инновационного развития экономики. Высокая энергетическая эффективность парогазовых технологий обеспечит, не уменьшая объем экспорта газа, повыше­ние доли газа в топливно-энергетической системе России до 72—74% и сниже­ние к 2015 г. его абсолютного расхода.

Основные выводы исследования, затрагивающие воздействие мировых цен

и курсов валют на макроэкономическую динамику

Прогрессивность для экономики России стабилизации в 2015—2025 гг. и сниже­ния объемов эмиссии парниковых газов к 2030 г. до 78% от уровня 1990 г., с уме­ренным замедлением темпов роста ВВП (на 0,4—0,5 процентного пункта ежегод­но. Инвестиции в энергосбережение и ТЭК увеличатся на 25—30% (относитель­но традиционного сценария на 2015—2025 гг.).

2010

Исследовательский центр/организация, публикация/источник

Влияние динамики цен на нефть на макроэкономические показатели россий­ской экономики^[231].

Краткое описание исследования

Анализируется зависимость основных макроэкономических показателей рос­сийской экономики от динамики мировых цен на нефть. При помощи экономет­рических моделей проигрываются сценарии реакции российской экономики на экзогенные нефтяные шоки.

Основные выводы исследования, представленные в формате источника

Российская экономика чрезвычайно чувствительна к колебаниям мировых цен на нефть. Устойчивое развитие невозможно без осуществления диверсификации и модернизации, перехода от экспортно-сырьевой к инновационно-ориентиро­ванной модели экономического развития.

Сырьевой характер российской экономики и ее высокая чувствительность к внешним шокам делают российский рубль фундаментально неустойчивой валю­той. Основным обеспечением рубля является приток экспортной валютной вы­ручки, зависящей от конъюнктуры внешних рынков. Поэтому в долгосрочной перспективе российский рубль является рискованным инструментом сбережений.

Экономика в целом и системообразующие российские компании существен­но зависят от колебаний цен биржевых товаров и обменных курсов. Однако эти риски недостаточно эффективно измеряются и управляются внутри компаний. Соответственно, автором продвигается идея создать систему надзора за управле­нием рисками в системообразующих нефинансовых компаниях по аналогии с системой пруденциального надзора для банковского сектора.

Основные выводы исследования, затрагивающие воздействие мировых цен и

курсов валют на макроэкономическую динамику

Подтверждение выдвинутых гипотез о зависимости:

• объема экспорта от уровня цен на нефть и обменного курса,

• объема импорта от объема реального ВВП и обменного курса.

Выявлена высокая эластичность импорта по реальному ВВП даже в кратко­срочном периоде. Скорость адаптации импорта к изменению внешнеэкономи­ческой конъюнктуры и макроэкономической ситуации в стране заметно выше по сравнению со скоростью адаптации экспорта.

Прослеживается четко выраженная сезонность экспортных поступлений с пиком в IV квартале и минимумом в I квартале календарного года.

Прогноз курса рубля на 2011 г. по трем сценариям, оптимистическому (29—23 руб. за долл.), пессимистическому (33—38 руб. за долл.), ожидаемому (31,28—28,75 руб. за долл.).

2013

Исследовательский центр/организация, публикация/источник

ИЭС (Институт энергетической стратегии). Цены на нефть: анализ, тенденции, прогноз¹.

Краткое описание исследования

Анализ исторического, текущего и перспективного развития ценообразования на мировом рынке нефти. Роль и перспективы России на данном рынке. Анализ рынка, прогнозов, методологии прогнозов.

Основные выводы исследования, представленные в формате источника

«Финансиализация» рынка нефти в XX веке. Нефть на мировом рынке, не только биржевой товар, но и инвестиционный и спекулятивный инструмент.

Подверженность нефтяного рынка инвестиционным циклам.

Совпадение интересов основных стран — импортеров и экспортеров нефти (высо­

кие цены косвенно выгодны и импортерам из-за встроенности стран-экспортеров в мировую финансовую систему, значительная доля экспортной выручки данных стран возвращается в США в качестве инвестиций в финансовые и прочие активы).

Россия выступает исключительно как “price — taker” на мировом рынке неф­ти и практически не способна влиять на цену.

Отсутствие у власти стимулов для снижения зависимости экономики от экс­порта углеводородов при сохранении высоких цен на нефть.

Рекомендация исследования для властей РФ: отказ от «фискального подхо­да» к энергетическому сектору (с основной целью максимизации текущих нало­говых поступлений и сохранением статуса бюджетного донора) в пользу «инве­стиционного подхода». Создание благоприятного инвестиционного климата в отрасли и внедрение новых технологий (долгосрочная максимизация бюджет­ных доходов с расчетом на отсроченный мультипликативный эффект на эконо­мику в целом и снижение средних и предельных издержек добычи).

Основные выводы исследования, затрагивающие воздействие мировых цен

и курсов валют на макроэкономическую динамику

При сохранении в кризисный (кризис 2008—2009 гг.) и посткризисный средне­срочный период высоких мировых цен на энергоносители на перспективу до 2020 г. прогнозируется их долгосрочное негативное влияние на стабильность бюджетной системы России и ее экономическое развитие в целом.

2013

Исследовательский центр/организация, публикация/источник

ИЭП. Влияние реального обменного курса рубля на экономическую активность в России^{[232] [233]}.

Краткое описание исследования

Исследование влияния валютного курса на экономический рост в России. Цель работы — оценка валютной политики ЦБ РФ с точки зрения стимулирования роста как всей экономики, так и отдельных отраслей. Результат исследования — построение модели влияния валютного курса на динамику производства в целом в экономике и отдельных отраслях.

Основные выводы исследования, представленные в формате источника

В России говорить об однозначном доминировании положительных или отрица­тельных эффектов от укрепления валютного курса невозможно. Выявлены груп­пы отраслей, как выигрывающих, так и проигрывающих от укрепления реально­го курса, а также не зависящих от данного фактора.

Укрепление рубля приводит, с одной стороны, к снижению конкурентоспо­собности экспортируемых товаров и повышает доступность импорта, но с дру­гой — к снижению бремени долга в иностранной валюте. Также укрепление спо­собствует сокращению издержек компаний, импортирующих сырье, комплек­тующие, оборудование.

Основные выводы исследования, затрагивающие воздействие мировых цен

и курсов валют на макроэкономическую динамику

Опровергается то, что укрепление рубля оказывало негативное влияние на дина­мику российского ВВП. Результаты моделирования показывают отсутствие значи­мого статистического влияния изменения реального валютного курса на совокуп­ный объем производства отраслей российской промышленности в 2001—2008 гг.

Выявлены группы отраслей, выигрывающих от укрепления реального курса, так как они ориентированы преимущественно на внутренний рынок и использу­ют импортные комплектующие (металлургия, легкая промышленность и авто­мобильная промышленность), и проигрывающих от данного фактора (экспорто­ориентированные отрасли — топливно-энергетический комплекс, химическая и нефтехимическая промышленность). Для ряда отраслей (например, для пище­вой промышленности) влияние укрепления рубля нейтрально.

2013

Исследовательский центр/организация, публикация/источник

ИНЭИ РАН. Влияние роста цен на газ и электроэнергию на развитие экономики России^[234].

Краткое описание исследования

Оценка внутренней ценовой политики России в сфере природного газа и электро­энергетики с 2006—2007 гг. по 2013 г. в условиях изменяющегося глобального рынка энергоносителей. Обоснование необходимости сдержать и упорядочить рост внут­

ренних цен на газ и электроэнергию и отменить перекрестное субсидирование¹. Прогноз макроэкономического эффекта от подобного сдерживания до 2020 г.

Основные выводы исследования, представленные в формате источника

В 2006—2007 гг. была принята политика повышения внутренних цен на газ и электроэнергию. Основные причины повышения на 2006—2007 гг.²:

• многократное отставание внутренних цен от мировых;

• необходимость ограничить быстрый рост спроса на газ и стимулировать

энергосбережение;

• низкие цены не обеспечивали адекватный денежный поток и достаточные инвестиции для развития газовой и электроэнергетической отраслей;

• в период трансформации хозяйственной структуры российской электро­энергетики на первый план вышли задачи повышения инвестиционной привле­кательности отрасли;

• в стране были полностью нарушены пропорции межтопливной конкурен­ции, например, между природным газом и углем.

Однако с 2006—2007 гг. радикально изменилась внешняя конъюнктура газо­вых и нефтяных рынков.

Во-первых, выросла цена на нефть (Brent — 110 долл./баррель в 2012 г. про­тив 60 долл./баррель в 2006 г.).

Во-вторых, изменение системы ценообразования на газ в Европе (увеличение доли более низких спотовых цен среди традиционных цен на газ, индексируемых по ценам нефтепродуктов), кризисное падение спроса на газв 2008—2011 гг. в со­четании с американской сланцевой революцией и временным избытком СПГ на рынке в 2008—2011 гг. привели к снижению закупочных цен на российский газ.

При всем вышеперечисленном с 2006 г. не изменилась политика властей в области внутренних цен на газ и электроэнергию.

В качестве предложения альтернативной политики государства в исследова­нии показано, как на фоне изменившейся мировой конъюнктуры замедление роста цен электроэнергии и газа (в сочетании с постепенной отменой перекрест­ного субсидирования) даст дополнительные финансовые ресурсы производст­венным потребителям (особенно энергоемким отраслям) и стимулирует долго­срочный рост ВВП и промышленного производства в России.

Основные выводы исследования, затрагивающие воздействие мировых цен

и курсов валют на макроэкономическую динамику

Сдерживание внутренних цен на энергоресурсы может повысить в 2015—2020 гг. (относительно консервативного сценария прогноза социально-экономического

¹ Фиксация цен на уровне, превышающем общие средние издержки производства товаров и услуг в определенной отрасли за счет перераспределения ценовой нагрузки среди различных групп потребите­лей. В данном случае искусственное перераспределение ценовой нагрузки с населения на промышлен­ные предприятия, в том числе энергоемкие, имеющее место в российской социальной политике с

начала 1990-х гг.

₂

Влияние роста цен на газ и электроэнергию на развитие экономики России / под ред. А. А. Макаро­ва, Т. А. Митровой. М.: ИНЭИ РАН, 2013. Официальный сайт ИНЭИ РАН. С. 3

развития России (МЭР)) на 0,8—1,3% среднегодовые темпы роста ВВП, доходов населения, промышленного производства.

Отмена перекрестного субсидирования в электроэнергетике позволит до 18% снизить цены для крупных и на 20% — для средних потребителей при росте цен для населения на 75—80% в реальном выражении. До 2020 г. это дополнительно почти на 1% увеличит ВВП и на 2,6% — промышленное производство. Эффект признается отложенным, поскольку прирост ВВП прогнозируется лишь с2018 г. По 2017 г. включительно отмена перекрестного субсидирования потребителей замедлит темп роста ВВП на 0,2—0,3% в год.

2013—2014

Исследовательский центр/организация, публикация/источник

Министерство финансов РФ, Прогноз социально-экономического развития Российской Федерации на 2014 год и плановый период 2015 и 2016 годов¹.

Краткое описание исследования

Прогноз макроэкономических показателей при различных сценариях цен на энергоносители (в ряду подобных регулярных прогнозов).

Основные выводы исследования, представленные в формате источника

Глобально: четыре сценария с уровнями цен на нефть Brent от 106—108 до 96—98 долл. США за баррель.

Для России: Исполнение сценария «А» — дополнительный вариант более сильного снижения цен на нефть. Рост ВВП в 2015—2016 гг. 0—0,5%

Основные выводы исследования, затрагивающие воздействие мировых цен

и курсов валют на макроэкономическую динамику

Прогноз министерства исходит из текущей экономической конъюнктуры и коле­баний мировых цен на нефть в коридоре от 100 до 96 долл./баррель. Подразуме­ваются, но не исследуются взаимосвязи нефтяных цен (курса валюты) и макро­экономических показателей РФ.

2014

Исследовательский центр/организация, публикация/источник

ИНЭИ РАН (Институт энергетических исследований РАН). Прогноз развития энергетики мира и России до 2040 года^{[235] [236]}

Краткое описание исследования

Всестороннее исследование и прогноз развития мировой энергетики и энергети­ки России до 2040 г. Включает отдельный блок анализа цен на нефть, газ, уголь.

Помимо прочего рассматривается динамика макроэкономических показателей в корреляции с рынком энергоносителей.

Основные выводы исследования, представленные в формате источника

Глобально:

Во всех ситуациях, от дальнейшего успеха до возможного провала сланцевых технологий, цены нефти в 2040 г.не выйдут из диапазона 100—130 долл./баррель при хорошей корреляции с ними сильно дифференцированных по регионам цен газа (что отнюдь не исключает больших краткосрочных флуктуаций цен под дей­ствием политических и спекулятивных факторов).

Для России:

Россия в прогнозный период будет более чувствительна к негативным изме­нениям рыночной конъюнктуры. Российский топливно-энергетический ком­плекс может столкнуться с жесткими ограничениями по внешнему спросу на энергоресурсы по приемлемым ценам, что обернется дополнительными рисками для энергетики и экономики России. Предварительные оценки последствий это­го для экономического роста — резкое замедление.

Основные выводы исследования, затрагивающие воздействие мировых цен

и курсов валют на макроэкономическую динамику

Риск замедления роста ВВП до 1% в год.

2014

Исследовательский центр/организация, публикация/источник

ИМЭМО РАН. Глобальная перестройка^[237]

Краткое описание исследования

Монография — сборник работ различных авторов, посвященных изменению гло­бального мироустройства в XXI в. Экономическая часть включает обзор «сланце­вой революции» на рынке углеводородов, новой модели роста мировой экономи­ки, современных механизмов регулирования глобальной финансовой сферы.

Основные выводы исследования, представленные в формате источника

Сохранение лидирующих позиций США в глобальной экономике, с развитием международных институтов и глобальных интеграционных процессов. Обостре­ние конкуренции США и Китая.

Для России: Изменения на глобальном рынке углеводородов в контексте «сланцевой революции». Революция нетрадиционных углеводородов работает в интересах стран — импортеров нефти и газа, прежде всего США. На рынке могут появиться новые страны-экспортеры. Россия, напротив, уже страдает от сниже­ния цен на газ на мировых рынках и рискует оказаться в более конкурентной среде как нетто-экспортер.

2014

Исследовательский центр/организация, публикация/источник

ИМЭМО РАН. Финансовый конструктивизм^[238].

Краткое описание исследования

Исследование российской экономики в целом и финансовой системы в частно­сти, поиск путей модернизации России, создания «экономического чуда». Рабо­та основана на статьях автора в периодических изданиях, опубликованных запе- риод 2006—2014 гг. В рамках исследования анализируются и прогнозируются: курс рубля, цены на нефть и их воздействие на экономику.

Основные выводы исследования, представленные в формате источника

Потери экономики РФ от искусственной переоцененности рубля: производите­лям невыгоден высокотехнологичный экспорт (включая вооружения), рынок РФ привлекателен для западных портфельных инвестиций (приток и отток спекуля­тивного капитала усиливает риск дестабилизации экономики с недостаточно развитым реальным сектором), чрезмерное стимулирование импорта — усиле­ние импортозависимости экономики при увеличении рублевых издержек отече­ственного производства.

Риск вхождения доллара США в очередной 15-летний цикл (1995—2001 гг. — укрепление доллара, 2001—2011 гг. — его ослабление и коридор). Риск постепен­ного укрепления доллара к 2020 г. с неизбежным снижением мировых цен на нефть и прочих товарных и финансовых активов.

Риск вытеснения России как экспортера с рынков ЕС.

Основные выводы исследования, затрагивающие воздействие мировых цен

и курсов валют на макроэкономическую динамику

Беспрецедентный разрыв между реальным и номинальным эффективным кур­сом российского рубля с 1995—2013 гг. включительно. Разрыв, неизбежно нуж­дающийся в сокращении, следствие — возможный валютный курс 40—50 руб. за доллар на среднесрочную перспективу.

Выход для ЦБ России — осторожная постепенная девальвация, позволяющая сгладить шоковый эффект резкого обесценения валюты и в полной мере реали­зовать положительное влияние слабого рубля на экспортеров и прямые инвести­ции в страну.

Основные выводы исследования, затрагивающие воздействие мировых цен

и курсов валют на макроэкономическую динамику

Закрепленность обменного курса, политика сильного рубля при высоких ценах на нефть и стерилизации денежной массы за пределами России (на фоне высо­кой немонетарной инфляции внутри страны) не является оптимальной стратеги­ей Центрального банка, так как ведет к гигантскому разрыву между реальным и

номинальным эффективным курсом рубля, который, в свою очередь, вызывает множественные деформации в экономике и финансвой системе.

2014

Исследовательский центр/организация, публикация/источник

ИНП РАН (Институт народно-хозяйственного прогнозирования РАН). Квар­тальный прогноз макроэкономических показателей глубиной до трех лет, резуль­таты модели QUMMIR¹, их подробный анализ. Описание модели см. ниже^{[239] [240]}.

Краткое описание исследования

В основу прогноза положен инерционный сценарий развития экономики России (от­сутствие серьезных изменений в национальной макроэкономической политике и в ситуации на мировых рынках). Данные о динамике ВВП, индекса потребительских цен, экспорта, импорта, доходов населения, производительности труда и других макроэкономических показателей на период до 2017 г. (в поквартальной разбивке).

Цены на ресурсы, валютный курс — одни из ключевых факторов.

Основные выводы исследования, представленные в формате источника

Глобально (условия/гипотезы по ценам):

Цена на нефть марки Brent в 2015—2017 гг. снизится на 0,9% в среднем за пе­

риод по сравнению с более ранними прогнозами, а высокие нефтяные цены в первой половине 2014 г. поддержали прогнозное значение Brent в 2014 г. на уров­не 108 долл./баррель. Предусмотрено ускорение снижения цены на экспорти­руемый газ: к 2017 г. цена на газ снизится на 17% по отношению к среднему зна­чению за 2014 г., до 292 долл./тыс. куб. м.

Курс рубля к доллару ослабевает в номинальном выражении: в текущей вер­сии прогноза его значение сокращается с 34,7 до 37,1 руб./долл. В реальном вы­ражении курс рубля за 2014—2015 гг. растет на 16%.

Для России:

При умеренных темпах ослабления курса рубля произойдет восстановление спроса на импорт. Рост ВВП в 2015 и 2016 гг. прогнозируется в диапазоне значе­ний в 1,5—2,5%.

Тенденции в российском прогнозировании:

Переход к консервативному государственному прогнозированию ведет к ис­кусственному занижению прогнозных показателей на краткосрочный, средне- и

долгосрочный период. Списание проблем экономики на внешние факторы: гео­политическую нестабильность, санкции и т.д.

Основные выводы исследования, затрагивающие воздействие мировых цен

и курсов валют на макроэкономическую динамику

Большинство макроэкономических показателей в начале 2014 г. демонстрируют замедляющуюся динамику. Темпы роста ВВП на уровне 1,3% и ниже в2014г.яв- ляются неприемлемыми для России с точки зрения обеспечения макроэкономи­ческой устойчивости в кратко- и среднесрочной перспективе.

При ослаблении номинального курса рубля к доллару США к 2017 г. прогно­зируется ускорение экономической динамики, связанное с новой волной роста потребительского спроса и наращиванием объема инвестиций в основной капи­тал, прежде всего на цели инфраструктурного строительства.

2014

Исследовательский центр/организация, публикация/источник

РЭУ им. Г. В. Плеханова. Изменения в структуре мировых топливно-энергетиче­ских ресурсов и их влияние на энергетическую политику России¹.

Краткое описание исследования

Оценка текущих тенденций на мировых рынках энергоносителей (пример — «сланцевая революция»). Рекомендации для энергетической стратегии России.

Основные выводы исследования, представленные в формате источника

Предложены меры по адаптации энергетической стратегии России к среднесроч­ным трансформациям на мировых энергетических рынках: диверсификация экс­порта энергоносителей, снижение доли сырой нефти и нефтепродуктов, повы­шение доли природного газа (в том числе СПГ), увеличение доли экспорта мо­торного топлива, снижение доли мазута.

Узкоспециальный характер исследования, так как на исследовании взаимо­связи нефтяных цен (курса) и макроэкономических показателей внимание не акцентируется.

2014

Исследовательский центр/организация, публикация/источник

Влияние цен на нефть и обменного курса на доходы бюджетной системы^{[241] [242]}.

Краткое описание исследования

Влияние цен на нефть и валютного курса на доходы бюджета РФ. Оценка эффек­та занижения реальных доходов бюджета за счет рублевой инфляции.

Основные выводы исследования, представленные в формате источника

Описывается существенная зависимость доходов бюджетной системы РФ от цен на нефть и от курса доллара США. Косвенные эффекты (дополнительная инфля­ция при ослаблении рубля) значительно ослабляют прямое влияние изменений рассматриваемых параметров (их величина может превышать 50% прямого эф­фекта по результатам факторного моделирования).

При изменении цены на нефть косвенный эффект вызван изменением дохо­дов от экспорта нефти и газа из-за коррекции обменного курса рубля и в мень­шей степени — изменением иных доходов бюджета. При изменении курса долла­ра косвенный эффект в основном определяется дополнительной инфляцией при ослаблении рубля.

Эффект роста доходов бюджета при росте курса доллара на 1 рубль за доллар существенно ослабевает, если мы учитываем дополнительную инфляцию, возни­кающую при ослаблении рубля. Она составляет 0,2% ВВП. Это означает, что рост курса доллара на 1% (в условиях 2014 г. это 34 коп.) приводит к росту доходов бюд­жетной системы в реальном выражении на 56,6 млрд руб., или на 0,08% ВВП.

Основные выводы исследования, затрагивающие воздействие мировых цен и курсов валют на макроэкономическую динамику

При повышении мировых цен на нефть на 1 долл./баррель, увеличение доходов бюджета оценивается в 0,7—0,6% ВВП. Разрыв между реальным и номинальным измерениями практически отсутствует.

При снижении же мировых цен на нефть на 1 долл./баррель сокращение до­ходов бюджета оценивается в —0,5% ВВП (номинально) и —0,8% ВВП (реально, с учетом долларовой инфляции). То есть имеет место кумулятивный эффект снижения номинальных доходов бюджета и их реального выражения.

Указанное логично вытекает из обратной зависимости курса доллара США и цен на нефть на мировых рынках.

2014

Исследовательский центр/организация, публикация/источник

ЦБ РФ (Банк России). Прогноз макроэкономических показателей. Воздействие мировых товарных цен на глобальную и российскую инфляцию^[243].

Краткое описание исследования

Прогнозирование макроэкономических показателей при различных сценариях цен на энергоносители.

Основные выводы исследования, представленные в формате источника

Глобально: (июнь 2014) при ожидаемом снижении мировой цены на нефть марки «Юралс» со 108 долл./баррель в 2013 г. до 102 долл./баррель в 2016 г.

Для России: Темпы роста ВВП около 0,4% в 2014 г.; 0,9% в 2015 г.; 1,9% в 2016 г. В среднесрочной перспективе темпы роста объемов кредитования ожида­ются на уровне около 15% в год.

Исследования международных центров

2003

Исследовательский центр/организация, публикация/источник

МВФ. Влияние цен на нефть на бюджет РФ¹.

Краткое описание исследования

Влияние мировых цен на нефть на доходы бюджета РФ.

Основные выводы исследования, представленные в формате источника

Российская нефтяная отрасль, включая газовую промышленность, внесла основ­ной вклад в рост доходов в период с 1998—2003 гг.: 80% роста доходов бюджета в указанный период.

Рост цен на нефть явился основным фактором увеличения доходов. Налого­вые реформы содействовали получению дополнительных доходов от реализации нефти, придав ставкам налогов и базе налогообложения более подвижный ха­рактер, реагирующий на колебания мировых цен на нефть, но при этом они явно находились на втором плане — такой вывод подтверждается не менее значитель­ными поступлениями от нефтяных отраслей других стран — экспортеров нефти и аналогичным недостаточным поступлением доходов от других отраслей в этих странах за указанный период.

Рост доходов в посткризисный период имеет обратимый характер. Анализ показывает, что бюджет России стал в большей степени уязвим к снижению цен на нефть по сравнению с докризисным периодом (до 1998 г.). Подчеркивается необходимость принятия мер, которые бы защитили бюджет от колебаний цен на нефть.

Основные выводы исследования, затрагивающие воздействие мировых цен

и курсов валют на макроэкономическую динамику

Структурно с 1998 по 2001 г. цены на нефть обеспечили: 60—75% прироста вы­ручки нефтяной отрасли, 55—70% прироста экспортной пошлины и акцизов, до 80% общего роста доходов бюджета РФ.

2004

Исследовательский центр/организация, публикация/источник

МВФ. The IMF and Russia in the 1990s. (МВФ и Россия в девяностые)^{[244] [245]}.

Краткое описание исследования

Обзор финансовой политики России в 1990—1999 гг. Поиск путей к макроэконо­мической стабилизации, взаимодействие с МВФ. Рекомендации МВФ на пред­ставленный период.

Основные выводы исследования, представленные в формате источника

Отмечается минимальное влияние МВФ на фискальную политику российских регуляторов и проведенные структурные и институциональные реформы. При этом признается существенное позитивное влияние на монетарную политику (во многом за счет передачи России опыта и механизмов ведения монетарной поли­тики в условиях рыночной экономики). Политика сдерживания инфляции про­водилась при тесном сотрудничестве с МВФ.

Основные выводы исследования, затрагивающие воздействие мировых цен

и курсов валют на макроэкономическую динамику

Подробно рассматривается роль МВФ в регулировании Россией валютного курса на каждой из следующих стадий: 1992 г. — постсоветская либерализация валют­ной системы, 1995 г. — введение валютного коридора и до августа 1998 г. — реше­ние сохранять режим привязки валюты.

В 1992 г. важная роль МВФ в построении унифицированной системы кон­вертации рубля, противодействие предлагавшейся повторной сегментации рын­ков различных валют.

В 1995—1998 гг. поддержка идеи правительства по привязке валюты и введе­нию валютного коридора. Двойственность избранного пути: с одной стороны, коридор и привязка обеспечили сдерживание инфляции и способствовали дол­госрочному росту, с другой стороны, отсутствие привязки могло обеспечить краткосрочный экономический рост, большую гибкость в сглаживании внешних шоков (например, азиатского кризиса 1997—1998 гг. и падения цен на нефть).

Более жесткая фискальная политика (предложенная МВФ, но не реализо­ванная регуляторами минимизация дефицита бюджета с 1996 г.) в соответствии с рекомендациями МВФ на тот момент могла бы предотвратить (или как минимум сгладить) кризис 1998 г.

2005

Исследовательский центр/организация, публикация/источник

IIIS (Institute for International Integration Studies), Дублин. Linkages and Relationships between Emerging European and Developed Stock Markets before and after the Russian Crisis of 1998 (Связи между фондовыми рынками развитых и раз­вивающихся европейских стран до и после российского кризиса 1998 г.)¹.

Краткое описание исследования

Оценка взаимосвязи российского фондового рынка с прочими фондовыми рын­ками развитых и развивающихся стран Центральной и Восточной Европы за пе­риод 1995—2004 гг. на примере эффекта кризиса 1997—1998 гг. Анализ на основе моделей VECM^{[246] [247]}, DCC-GARCH^[248], тестов Gregory-Hansen.

Основные выводы исследования, представленные в формате источника

По результатам всех примененных моделей до и после кризиса 1998 г. существен­но изменилась (усилилась) корреляция практически со всеми рынками стран Центральной и Восточной Европы.

Последующая оценка по тестам Gregory-Hansen показывает сильную инте­грацию российского рынка с развитыми финансовыми рынками (в большей сте­пени с рынком США, чем с европейскими).

США доминирует по степени влияния на российский рынок по результатам всех примененных моделей. Влияние азиатского кризиса 1997—1998 гг. на рос­сийскую фондовую динамику прослеживается только по модели DCC, Gregory- Hansen существенной корреляции не показывает.

2006

Исследовательский центр/организация, публикация/источник

EUI (European University Institute). Forecasting Emerging Market Indicators: Brazil and Russia (Прогнозирование индикаторов развивающихся рынков: Бразилия и Россия)^[249].

Краткое описание исследования

Оценка эффективности существующих макроэкономических прогнозов цен­тральных банков. Оценка эффективности различных типов экономических мо­делей для прогнозирования индикаторов развивающихся рынков (темпов ин­фляции, роста ВВП и производства) на примере данных Бразилии и России за

1994—2006 гг.

Основные выводы исследования, представленные в формате источника

Анализ прогнозов ЦБ РФ, в частности, пример таргетирования инфляции:

В 2003 г. Банк России анонсировал цели по инфляции на следующие три года: снижениедо8—10%в2004г.,6,5—8,5%в2005г.и2006г.В2004г.инфляцияпре- высила11,7%,повышенныйуровеньинфляциинивелировалсявозросшейэко- номической активностью.

С 2002 г. Банк России прогнозировал два принципиальных сценария разви­тия экономики: пессимистичный (снижение цен на нефть и высокая ставка по валютным кредитам) и базовый (стабильные цены на нефть и ставка). Рост ВВП по базовому сценарию — 5,2%, по пессимистичному — 3,8% (фактический рост — 7,1% в результате повышения как внутреннего, так и внешнего спроса, не учтенного в прогнозе). Отмечается высокая степень зависимости успешного ва­лютного таргетирования от качества макроэкономического прогноза.

Основные выводы исследования, затрагивающие воздействие мировых цен и курсов валют на макроэкономическую динамику

В рамках исследования рассматривалось применение различных видов регресси­онных моделей на примере данных рынков Бразилии и России.

Ряды данных по Бразилии и России содержат возмущения нескольких шоко­вых периодов, что существенно затрудняет применение различных линейных моделей для прогнозирования. Так, кризис 1998—1999 гг. отразился на данных как Бразилии, так и России (падение производства, ВВП, слом нисходящего тренда по инфляции). В 2002—2003 гг. также имел место повторный инфляцион­ный шок в Бразилии.

На примере шоковых данных акцентируется внимание на способности различных моделей учитывать структурные изменения экономической дина­мики.

Вывод по эффективности различных типов моделей: их применимость для среднесрочного прогноза инфляции и производства, но при этом эффектив­ность моделирования сильно зависит от длины и степени подробности исполь­зуемых временных рядов.

Рассматриваются также методы коррекции регрессионных моделей. Приме­нение таких коррекций улучшает эффективность регрессии при прогнозирова­нии инфляции, но не влияет на точность прогноза производства (возможное объяснение — более ярко выраженные шоки в показателях инфляции в сравне­нии с показателями роста производства).

2007

Исследовательский центр/организация, публикация/источник

ЕЦБ. Long-Term Growth Prospects for the Russian Economy (Долгосрочные пер­спективы роста российской экономики)¹.

Краткое описание исследования

Моделируются и анализируются перспективы роста (сохранения темпов роста) российской экономики в средне- и долгосрочной перспективе. Зависимость эко­номики от цен на нефть оценивается на основе модели VECM^{[250] [251]}. Исследование также описывает основные факторы, способные повлиять на будущий рост эко­номики России.

Основные выводы исследования, представленные в формате источника

Межстрановой анализ показывает, что темпы роста 2000—2007 гг. будет крайне трудно сохранить, поскольку за указанный период большинство развивающихся экономик росли существенно медленнее России.

Не выявлено эмпирического подтверждения, что рост сферы услуг — это симптом «голландской болезни», скорее данный рост — не более, чем индикатор трансформации экономики. Тем не менее велик риск «голландской болезни», особенно в среднесрочном и долгосрочном периодах.

Основные выводы исследования, затрагивающие воздействие мировых цен

и курсов валют на макроэкономическую динамику

Отмечается усиление позитивного влияния растущих нефтяных цен на рост ВВП России в 2000—2006 гг. Также делается вывод о том, что данная тенденция суще­ственно нивелируется высоким курсом рубля, стимулирующим импорт.

Модель выявила наиболее вероятное сохранение темпов роста ВВП один-два года на уровне 7—8% в год, на перспективу до пяти последующих лет прогнозные темпы роста оценивались в 4—6%.

Выявлен также ключевой фактор обеспечения роста ВВП: увеличение низ­кой нормы накопления (investment rate). Таким образом, ключевыми драйвера­ми роста становятся: улучшение инвестиционного климата в сочетании с рефор­мой банковского сектора, развитием транспортной инфраструктуры (в особен­ности инфраструктуры для транспортировки нефти и газа).

2007

Исследовательский центр/организация, публикация/источник

ЕЦБ. The Real Exchange Rate of Oil Exporting Countries (Реальный валютный курс стран-экспортеров нефти)^[252].

Краткое описание исследования

Исследование реального валютного курса стран — экспортеров нефти на приме­ре Норвегии, Саудовской Аравии, России.

Основные выводы исследования, представленные в формате источника

Для России: (вывод для стран — экспортеров нефти)

Рубль может быть определен как «нефтяная валюта», поскольку стохастиче­ский анализ показывает общий тренд курса рубля и реальных цен на нефть (в от­личие от Норвегии и Саудовской Аравии, где подобная зависимость практиче­ски не прослеживается).

Подтверждается гипотеза, что политика страны-экспортера в области рас­пределения волатильных нефтяных доходов в большей степени обусловливает зависимость курса от цен на нефть, нежели валютный режим в стране.

Основные выводы исследования, затрагивающие воздействие мировых цен и

курсов валют на макроэкономическую динамику

С 1999 г. изменение реального курса рубля происходило за счет увеличения внут­ренних цен, а не за счет роста номинального курса. Это происходило из-за интер­венций государственных регуляторов на валютном рынке, что привело к увели­чению чистых валютных резервов с 7% ВВП в 2000 г. до 30% в 2006 г.

Данные интервенции приводили лишь к частичной стерилизации, что сущест­венно увеличивало предложение денег (ежегодные темпы роста в 2000—2010 гг. более 30%) и усиливало инфляцию.

В России за счет частичной стерилизации нефтяной выручки и роста внутрен­них цен (в отличие как отНорвегии, так и отСаудовскойАравии¹) была осуществ­лена трансмиссия кризисного нефтяного шока на реальный валютный курс.

2009

Исследовательский центр/организация, публикация/источник

Harvard University^{[253] [254]}. Exchange Rate Volatility and Productivity Growth: The Role of Financial Development (Волатильность валютного курсаи рост производительно­сти: роль финансового развития)^[255].

Краткое описание исследования

Развернутое исследование влияния валютного курса на рост производительности в экономике, оценка зависимости такого роста от уровня развития националь­ной финансовой системы.

Основные выводы исследования, представленные в формате источника

Для России: (вывод для развивающихся экономик)

Утверждается, что макроэкономическое развитие получает положительный импульс не от выбора валютного режима как такового (крайние варианты: фик­сированный курс и свободные колебания), а от сочетания волатильности курса, уровня монетизации экономики и природы экономических шоков.

Гипотеза, подтвержденная массивом макроэкономических данных разви­вающихся экономик, состоит в том, что повышенная волатильность курса при­водит к стагнации в странах, где финансовые шоки являются основным факто­ром макроэкономической волатильности (при недостаточной «финансовой глу­бине» экономики и слаборазвитом рынке кредитования).

2009

Исследовательский центр/организация, публикация/источник

OECD (ОЭСР). Towards a Flexible Exchange Rate Policy in Russia (Путь к политике плавающего валютного курса в России)^[256].

Краткое описание исследования

Обзор политики Банка России до, после и во время кризиса. Обоснование и ре­комендации для введения в России валютного режима свободных колебаний курса (либо режима, близкого к нему).

Основные выводы исследования, представленные в формате источника

До 2008—2009 гг. ЦБ РФ преследовал две связанные цели: снижение инфляции и поддержание номинального курса рубля. Подобная политика поддерживала пла­тежный баланс России в докризисном десятилетии, однако она также требовала постоянных интервенций для укрепления рубля. Не все осуществленные интер­венции впоследствии привели к стерилизации. В результате сохранялся высокий уровень инфляции.

Во время кризиса 2008—2009 гг. проводилась «долларизация» долга негосу­дарственного сектора. Из-за существенного сокращения резервов ЦБ РФ начал понижать процентные ставки и отпускать валютный курс.

Соответственно, в исследовании рекомендуется политика дальнейшего дере­гулирования валютного курса как средства для успешного инфляционного тар­гетирования. Подготовка к подобному таргетированию должна базироваться на обеспечении максимально стабильного уровня внутренних цен.

Основные выводы исследования, затрагивающие воздействие мировых цен

и курсов валют на макроэкономическую динамику

С 2000 г. отмечен средний уровень влияния номинального валютного курса на темпы инфляции. Пример: сильная девальвация 2008—2009 гг., оказала весьма незначительное влияние на инфляцию (в краткосрочной перспективе) в сравне­нии с менее значительными девальвациями 2012—2013 гг.

Вцеломв исследовании поддерживается политика Банка России по ослабле­нию курса рубля.

Отмечается, однако, что политика более гибкого валютного курса обязатель­но должна сопровождаться комплексом мер, а именно:

• увеличением «финансовой глубины» российской экономики;

• построением надежных моделей для трансформации монетарной политики.

2011

Исследовательский центр/организация, публикация/источник

Bank of Finland, BOFIT, Institute for Economies in Transition. Financial Dollarization in Russia: Causes and Consequences (Финансовая «долларизация»¹ России, причи­ны и последствия)².

Краткое описание исследования

Исследование излишней «долларизации» российской экономики в предкризис­ный и кризисный периоды 2007—2010 гг. с построением эконометрической мо­дели.

¹ Феномен международного денежного рынка, при котором иностранная валюта (чаще всего это

доллар США) широко применяется для операций внутри страны или отдельных отраслей ее экономики,

вплоть до полного вытеснения национальной валюты.

₂

² Ponomarenko A., Solovyeva A., Vasilieva E. Financial Dollarization in Russia: Causes and Consequences. BOFIT, 2011. Публикации BOFIT. https://ideas.repec.org/f/ppo420.html.

Основные выводы исследования, представленные в формате источника

Финансовая «долларизация» является характерной особенностью российской экономики. Ее уровень крайне неустойчив и резко колеблется в ответ на измене­ния в экономике.

При моделировании выявлены следующие виды зависимости для банков­ской сферы:

• высокий реальный курс рубля является основным фактором для «де-долла­ризации» депозитов;

• соответственно, «долларизация» кредитов положительно зависит от того, будет ли происходить снижение курса рубля.

Во время финансового кризиса положительный эффект девальвации пере­крывается отрицательным эффектом от снижения спроса на кредиты в ино­странной валюте. Помимо этого, значительные корпоративные заимствования из-за рубежа приводят к опасным разрывам в балансах различных компаний ре­ального сектора.

Банковский сектор кажется не менее уязвим для валютного риска, поскольку большая часть активов банков являются требованиями к внутренним нехеджи­рованным заемщикам.

В условиях финансовых потрясений (реверсных потоков капитала за рубеж и давления на национальную валюту) «долларизация» может поставить под угрозу макроэкономическую стабильность российской экономики. Предположительно это было одной из причин для Банка России тратить существенную долю резер­вов на проведение «контролируемых девальваций» в период и после кризиса 2007—2008 гг.

Основные выводы исследования, затрагивающие воздействие мировых цен и

курсов валют на макроэкономическую динамику

Посткризисная рецессия российской экономики вызвана «долларизацией» лишь отчасти. Ожидание годового роста ВВП России в коридоре от 0,1 до 3,7% с медианой 0,4%. Пять из семи моделей показали перспективу ежегодного роста менее 1%.

2012

Исследовательский центр/организация, публикация/источник

МВФ. Russian Federation: Selected Issues^[257].

Краткое описание исследования

Обзор экономической политики России. Факторы экономического роста. Для оценки и прогнозирования роста ВВП используется модель роста (Growth Model with Variable Capital Utilization). Отдельный анализ монетарной и валютной по­литики Банка России.

Основные выводы исследования, представленные в формате источника

При среднегодовом росте ВВП России около 5% ежегодно в 2001—2011 гг. норма накопления (инвестиции/ВВП) оставалась на относительно низком для разви­вающейся экономики уровне 20%. Это означает, что норма накопления не была основным источником экономического роста.

Указание на спекулятивный (портфельный) капитал как основной источник роста в двухтысячные годы. Отмечается нестабильность этого драйвера роста.

По всем сценариям в России прогнозируется спад энергоэффективности и производительности до 2015 г.

Улучшение инвестиционного климата имеет жизненно важное значение для реализации потенциала роста. Отсутствие экономических стимулов, непоследо­вательность в налоговой политике и макроэкономическая нестабильность может помешать реализации потенциала роста.

2012

Исследовательский центр/организация, публикация/источник

Tufts University. BRIC and the U. S. Financial Crisis: An Empirical Investigation of Stocks and Bonds Markets (БРИК¹ и финансовый кризис в США: эмпирическое

исследование рынков акций и облигаций)^{[258] [259]}.

Краткое описание исследования

Исследование динамики и взаимозависимости рынков акций и облигаций стран БРИК на основе дневных временных рядов с января 2003 г. по июль 2010 г. Ана­лизируются эмпирические данные о поведении индексов акций и облигаций стран БРИКС их зависимости от финансового рынка США.

Основные выводы исследования, представленные в формате источника

Результаты моделирования для рынков акций:

• влияние финансовых шоков США на китайском фондовом рынке незна­чительно, на рынках Бразилии, Индии и России значительно;

• акции рынков Бразилии и России гораздо меньше подвержены влиянию дивидендных ожиданий, чем акции индийского рынка;

• все рынки показывают высокую зависимость от внутренних факторов и новостного фона.

Результаты моделирования для рынков облигаций:

• рынок Индии практически изолирован от рынка США;

• Бразилия, Россия и Китай прямо зависят от рынка США, корреляция уси­лилась после событий сентября 2008 г.

Результаты моделирования связи рынков акций и облигаций:

• обратная зависимость собственных рынков акций и облигаций для России и Бразилии;

• незначительная зависимость собственных рынков акций и облигаций для Индии;

• слабая обратная зависимость собственного рынка акций и облигаций Ки­тая, усилилась после событий сентября 2008 г.;

• между странами БРИКС: сильная и устойчивая обратная зависимость меж­ду Бразилией и Россией, слабая и устойчивая обратная зависимость между Ин­дией и Китаем.

2013

Исследовательский центр/организация, публикация/источник

Peterson Institute for International Economics. Why Growth in Emerging Economies Is Likely to Fall (Почему рост в развивающихся экономиках вероятнее всего замед- лится?)^[260].

Краткое описание исследования

Исследование экономической динамики развивающихся стран (с особым вни­манием к станам БРИКС) в XXI в. Поддержка тезиса о неизбежном замедлении экономического роста в этих странах в 2015—2020 гг.

Основные выводы исследования, представленные в формате источника

Ключевой вывод исследования: экономики БРИКС в дальнейшем замедлят рост по сравнению с темпами 2000—2012 гг. Причины: уже прошедшие товарные и кредитные бумы, высокая уязвимость для внешних шоков, повышенная налого­вая нагрузка.

Страны БРИКС по-прежнему сохраняют темпы роста выше, чем у развитых экономик, однако эти государства строятся по принципу кланового капитализ­ма, а не свободного рынка. Для обеспечения дальнейшего роста необходимы крупные структурные реформы, к которым власти не готовы приступить.

Особенности развивающихся экономик: низкий уровень инфляции, ограни­ченный бюджетный дефицит, крупные международные резервы (как в США и Европе до Великой депрессии).

Прогнозируется многолетнее укрепление доллара США, аналогичное его росту в начале 1980-х гг. В сочетании с высокими процентными ставками и рос­том доходности казначейских бумаг ФРС это может провоцировать существен­ный отток денег из развивающихся экономик обратно вСШАи ЕС (по аналогии с долговым кризисом в Латинской Америке в 1982 г.).

В 2015—2020 гг. прогнозируется усредненное замедление экономического роста в странах БРИКС на 0,2% в год (движение в среднем от 6,2 до 4% по темпам роста ВВП), также прогнозируется стабильный рост в США 2—3% в год, возмож­но с небольшим ускорением. Прогноз актуален при неизменности политических режимов и отсутствии существенных структурных реформ в рассматриваемых экономиках.

Основные выводы исследования, затрагивающие воздействие мировых цен

и курсов валют на макроэкономическую динамику

На примере России иллюстрируются проблемы при расходовании накопленных страной валютных резервов. В 1998 г. в РФ существенно сократили субсидии промышленным предприятиям, поскольку резервы практически подошли к кон­цу, что впоследствии способствовало посткризисному восстановлению эконо­мики. В 2008—2009 гг. напротив, ЦБ РФ потратил около 200 млрд долл. резервов в основном для поддержки неэффективных государственных корпораций (огра­ничивая помощь малому и среднему бизнесу), что в дальнейшем замедлило эко­номический рост вплоть до 2012 г.

Рассматривается влияние валютных резервов страны на экономическую ста­бильность. С одной стороны, высокие резервы и переоцененный рубль сдержи­вают инфляцию и обеспечивают приток капитала (к сожалению, преимущест­венно спекулятивного), с другой стороны, тормозят экономику и, тем не менее, могут явится недостаточными для компенсации внешних экономических шоков. Вместе с тем, если бы резервы существовали как «небольшие», то был бы повы­шен риск оттока капитала и ослабления национальной валюты.

2014

Исследовательский центр/организация, публикация/источник

OECD (ОЭСР). OECD Economic Surveys: Russian Federation (Экономические об­зоры: Российская Федерация)^[261].

Краткое описание исследования

Ежегодный развернутый обзор перспектив экономики, социальной сферы и об­разования страны с прогнозами на горизонте до пяти лет и рекомендациями для государственной политики в упомянутых областях.

Основные выводы исследования, затрагивающие воздействие мировых цен

и курсов валют на макроэкономическую динамику

Отмечается заметное восстановление экономики РФ со времен 2008—2009 гг., однако производительность и уровень жизни по-прежнему остаются существен­но ниже, чем в развитых странах. Темп посткризисного восстановления, оцени­вается ниже, чем в прочих странах БРИКС. С 2012 рост ВВП замедлился, отчасти из-за циклических факторов, отчасти из-за замедления развития промышленно­го производства.

В исследовании прогнозируется замедление темпов роста ВВП России до 2030 г. Приводится корректировка прогноза МЭР РФ в ноябре 2013 г.: долго­срочный рост ВВП снижен с 4,3% (по прогнозу апреля 2013 г.) до 2,5%.

Подчеркивается необходимость следующих действий:

• снижение зависимости экономики от сырьевого экспорта;

• стимулирование роста производительности, диверсифицированного как по регионам, так и по товарам;

• существенное улучшение инвестиционного климата (в особенности: су­дебная реформа и антикоррупционные меры);

• инвестиции в инфраструктуру, человеческий капитал и инновации.

Тезис о том, что текущее замедление роста способствует скорому осознанию

российским обществом и властью необходимости перечисленных реформ.

2014

Исследовательский центр/организация, публикация/источник

Всемирный банк (World Bank), Global Economic Prospects (Глобальные экономи­ческие перспективы) 2014^[262].

Краткое описание исследования

Развернутый обзор перспектив мировой экономики с прогнозами на горизонтдо двух лет. В числе прочего оценка влияния сырьевых цен и курсов резервной ва­люты на экономику отдельных стран и групп стран

Основные выводы исследования, представленные в формате источника

Глобально: При ожидаемом снижении мировой цены на нефть со 104 долл./бар- рель в 2013 г. до 98 долл./баррель в 2016 г. темпы роста мирового ВВП могут соста­вить около 2,8% в 2014 г.; 3,4% в 2015 г. и 3,5% в 2016 г. Рост развивающихся стран ожидается на уровне 4,8%; 5,4% и 5,5% (в 2014, 2015 и 2016 гг. соответственно).

Основные выводы исследования, затрагивающие воздействие мировых цен и курсов валют на макроэкономическую динамику

Динамика обменного курса резервной валюты не менее чем на 50% определяет темпы инфляции в большинстве развивающихся стран (включая Россию); наря­ду с валютным курсом выделены факторы внутренних цен на продукты питания и энергоносители. Темпы роста ВВП России в 2014—2016 гг. прогнозируются на уровне около 0,5—2,2% (результаты по модели Всемирного Банка).