ЮФУ
ул. М. Горького, 88, к. 211
г.Ростов-на-Дону, Россия
344002
+7 (863) 250-59-54
Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.
Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.

ГРЕЙНДЖЕРОВСКАЯ ПРИЧИННОСТЬ ДЛЯ МИРОВЫХ БИРЖ: МНОЖЕСТВО РЕШЕНИЙ

TERRA ECONOMICUS, , Том 17 (номер 3),
Цитирование: Григорьев, Р. А. (2019). Грейнджеровская причинность для мировых бирж: множество решений // Terra Economicus, 17(3), 146–168. DOI: 10.23683/2073- 6606-2019-17-3-146-168

Выявление причинности между значениями показателей бирж, распределенных в разных временных зонах, является достаточно типичной задачей финансовой эконометрики. Однако спектр модификаций лаговых переменных говорит о том, что классические модели не в полной мере справляются с корректным учетом причинности, принимая во внимание распределенность моментов записи значений показателей финансовых институтов внутри наблюдения. В этой связи статья, во-первых, представляет собой обобщение наработок исследователей, предлагающих модели с корректировкой несинхронности данных; во-вторых, показывает метод временного сдвига, применение которого может приводить к сдвигу одного из временных рядов и перестройке спецификации уравнений, схожих с модифицированными уравнениями классических исследований; в-третьих, дает теоретическое обобщение множественности вариантов решения классических моделей на примере двух вариантов решения уравнений Грейнджера в условиях смещения одного из временных рядов и ее эмпирической проверки; в-четвертых, дает обобщение механизма появления альтернативных сценариев классических моделей, использующих несинхронные данные, которые сформированы исключительно гринвичской линейкой времени. В целом работа последовательно раскрывает серьезные проблемы применимости классических моделей, теоретически обосновывая наличие спектра альтернативных решений этих моделей и, как следствие, наличие спектра других результатов тестов эконометрических гипотез, подтверждающих иные закономерности, отличные от тех, вердикты которых были выявлены исключительно на несинхронных данных гринвичской линейки времени.


Ключевые слова: нулевой меридиан; предвзятость нулевого меридиана; предвзятость точки отсчета; причинность по Грейнджеру; предшествие; мгновенная причинность; одновременная причинность; экзогенный; авторегрессия; набор данных; временные ряды; несинхронный; квант времени; временная зона

Список литературы:
  • Григорьев, Р. А. (2018a). Несинхронность временных рядов – основная причина ли-
    дерства бирж США в классических эконометрических моделях // Актуальные про-
    блемы экономики и права, 12(2), 241–255.
  • Григорьев, Р. А. (2018b). Нулевой меридиан: последствия для моделирования финан-
    совых несинхронных временных рядов // Terra Economicus, 16(3), 16–34.
  • Григорьев, Р. А. (2018c). Оценка стабильности отклонения гипотезы в методе двигаю-
    щегося окна с заданными размерами // Управление финансовыми рисками, 55(3),
    202–216.
  • Григорьев, Р. А. (2018d). Репликация исследования Григорьева в статье Б. Резника и
    Г. Шусмита: идентичность в гипотезе, методе подготовки данных, результа-
    тах. Препринт # WP/2018/326. M.: ЦЭМИ РАН.
  • Григорьев, Р. А. (2019). Одновременные эффекты несинхронных временных рядов:
    проблемы VAR-модели // Экономика и математические методы, 55(2), 141–152.
  • Григорьев, Р. А., Джеффри, Ш., & Марченко, Г. Н. (2012a). Несинхронность дневных дан-
    ных в анализе межрыночных взаимосвязей (на примере БРИК и развитых стран) //
    Прикладная эконометрика, 26(2), 92–112.
  • Григорьев, Р. А., Джеффри, Ш., & Марченко, Г. Н. (2012b). Роль линейки времени при
    тестировании причинности по Гранжеру в условиях несинхронности дневных дан-
    ных // Прикладная эконометрика, 27(3), 3–19.
  • Дурдыев, Р. И., & Пересецкий, А. А. (2014). Автокорреляция в глобальном стохастиче-
    ском тренде // Прикладная эконометрика, 35(3), 39–58.
  • Лебедев, С. А. (2004). Философия науки: Словарь основных терминов. М.: Академиче-
    ский Проект.
  • Магнус, Я. Р., Катышев, П. К., & Пересецкий, А. А. (2004). Эконометрика. Начальный
    курс. М.: Дело.
  • Энгл, Р. Ф., & Грэнджер, К. У. Д. (2015). Коинтеграция и коррекция ошибок:представление,
    оценивание и тестирование // Прикладная эконометрика, 39(3), 106–135.
  • Ashby, W. R. (1961). An introduction to cybernetics. Chapman & Hall Ltd.
  • Baumöhl, E., & Lyócsa, Š. (2014). Volatility and dynamic conditional correlations of worldwide
    emerging and frontier markets // Economic Modelling, 38, 175–183.
  • Bessler, D. A., & Yang, J. (2003). The structure of interdependence in international stock
    markets // Journal of international money and finance, 22(2), 261–287. DOI: 10.1016/
    s0261-5606(02)00076-1.
  • Billio, M., & Caporin, M. (2006). Market linkages, variance spillovers and correlation stability:
    empirical evidence of financial contagion. Working paper 06.02. GRETA Associati.
  • Billio, M., & Caporin, M. (2010). Market linkages, variance spillovers, and correlation stability:
    Empirical evidence of financial contagion // Computational statistics & data
    analysis, 54(11), 2443–2458.
  • Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity // Journal
    of econometrics, 31(3), 307–327. DOI: 10.1016/0304-4076(86)90063-1.
  • Bollerslev, T., Engle, R. F., & Nelson, D. B. (1994). ARCH models // Handbook of econometrics,
    4, 2959–3038.
  • Chendroyaperumal, C. (2008). Hicks’ contemporaneous causality in economics: An evaluation.
    SSRN Library.
  • Cheung, Y.-W., & Ng, L. K. (1996). A causality-in-variance test and its application to financial
    market prices // Journal of econometrics, 72(1-2), 33–48. DOI:10.1016/0304-
    4076(94)01714-x.
  • Dickey, D. A., & Fuller, W. A. (1979). Distribution of the Estimators for Autoregressive Time Series
    With a Unit Root // Journal of the American Statistical Association, 74(366), 427–431.
  • Dornau, R. (1999). Shock around the clock – on the causal relations between international
    stock markets, the strength of causality and the intensity of shock transmission: an
    econometric analysis // Intelligent Systems in Accounting, Finance & Management,
    8(4), 253–270.
  • Eckner, A. (2014). A framework for the analysis of unevenly spaced time series data. Preprint.
    (http://www.eckner.com/papers/unevenly_spaced_time_series_analysis.pdf).
  • Engle, R. F., & Granger, C. W. J. (1987). Co-Integration and Error Correction: Representation,
    Estimation, and Testing // Econometrica, 55(2), 251–276.
  • Eun, C. S., & Shim, S. (1989). International transmission of stock market movements //
    Journal of financial and quantitative Analysis, 24(02), 241–256.
  • Fama, E. F. (1970). Efficient capital markets: A review of theory and empirical work // The
    Journal of Finance, 25(2), 383–417.
  • Furstenberg, G. M., Jeon, B. N., Mankiw, N. G., & Shiller, R. J. (1989). International stock
    price movements: links and messages // Brookings papers on economic activity, (1),
    125–179.
  • Gębka, B., & Serwa, D. (2007). Intra- and inter-regional spillovers between emerging capital
    markets around the world // Research in International Business and Finance, 21(2),
    203–221. DOI: 10.1016/j.ribaf.2006.03.005.
  • Gjerde, Ø., & Sættem, F. (1995). Linkages among European and world stock markets // The
    European Journal of Finance, 1(2), 165–179.
  • Goodhart, C. (1988). The international transmission of asset price volatility. Symposium
    on Financial Market Volatility sponsored by the Federal Reserve Bank of Kansas City,
    Jackson Hole, Wyoming, August 1988, 41 p.
  • Granger, C. J. (1986). Developments in the study of cointegrated economic variables //
    Oxford Bulletin of Economics and Statistics, 48(3), 213–228.
  • Granger, C. W. J. (1969). Investigating Causal Relations by Econometric Models and Crossspectral
    Methods // Econometrica, 37(3), 424–438.
  • Granger, C. W. J. (1988). Some recent development in a concept of causality // Journal of
    econometrics, 39(1-2), 199–211. DOI:10.1016/0304-4076(88)90045-0.
  • Grigoryev, R. A. (2010). The interdependence between stock markets of BRIC and developed
    countries and the impact of oil prices on this interdependence. PhD thesis, University
    of Portsmouth.
  • Grigoryeva, L., Ortega, J.-P., & Peresetsky, A. (2018). Volatility forecasting using global
    stochastic financial trends extracted from non-synchronous data // Econometrics and
    Statistics, 5, 67–82.
  • International conference held at Washington for the purpose of fixing a Prime Meridian and
    a Universal Day, October, 1884: Protocols and Proceedings (1884). (http://www.gutenberg.
    org/files/17759/17759-h/17759-h.htm).
  • Keesman, K. J. (2011). System identification: an introduction. Springer Science & Business
    Media, 351 p.
  • Koch, P. D., & Koch, T. W. (1991). Evolution in dynamic linkages across daily national stock
    indexes // Journal of international money and finance, 10(2), 231–251.
  • Korhonen, I., & Peresetsky, A. (2013). Extracting global stochastic trend from non-synchronous
    data // SSRN Electronic Journal. DOI: 10.2139/ssrn.2289790.
  • Ljung, L. (2001). Black-box models from input-output measurements. Paper presented at
    the Instrumentation and Measurement Technology Conference, 2001. Proceedings of
    the 18th IEEE.
  • Malliaris, A. G., & Urrutia, J. L. (1992). The international crash of October 1987: causality
    tests // Journal of financial and quantitative Analysis, 27(03), 353–364.
  • Martens, M., & Poon, S.-H. (2001). Returns synchronization and daily correlation dynamics
    between international stock markets // Journal of Banking & Finance, 25(10), 1805–
    1827.
  • Newey, W. K., & West, K. D. (1987). A Simple, Positive Semi-Definite, Heteroskedasticity and
    Autocorrelation Consistent Covariance Matrix // Econometrica, 55(3), 703–708.
  • Olbrys, J. (2013). Price and volatility spillovers in the case of stock markets located in different
    time zones // Emerging Markets Finance and Trade, 49(sup 2), 145–157.
  • Olbrys, J., & Majewska, E. (2013). Granger causality analysis of the CEE stock markets including
    nonsynchronous trading effects // Argumenta Oeconomica, 31(2), 151–172.
  • Peiró, A., Quesada, J., & Jiménez, E. U. (1993). Transmission of information between stock
    markets. Inst. Valenciano de Investigaciones Economicas (IVIE), Valencia (Spain).
  • Peiró, A., Quesada, J., & Jiménez, E. U. (1995). Temporal Links Between Price Indices of
    Stock Markets with Overlapping Business Hours. Inst. Valenciano de Investigaciones
    Economicas (IVIE), Valencia (Spain).
  • Peresetsky, A. A., & Yakubov, R. I. (2017). Autocorrelation in an unobservable global trend:
    does it help to forecast market returns? // International Journal of Computational Economics
    and Econometrics, 7(1-2), 152–169.
  • Resnick, B. G., & Shoesmith, G. L. (2017). A note on modeling world equity markets with
    nonsynchronous data // Journal of International Financial Markets, Institutions and
    Money, 51, 125–132.
  • Schwarz, G. (1978). Estimating the Dimension of a Model // The annals of statistics, 6(2),
    461–464.
  • Sims, C. A. (1980). Macroeconomics and Reality // Econometrica, 48(1), 1–48.
    Zerubavel, E. (1982). The standardization of time: A sociohistorical perspective // American
    journal of sociology, 88(1), 1–23.
Издатель: Южный Федеральный Университет
Учредитель: Южный федеральный университет
ISSN: 2073-6606