Устойчивость причинно-следственной связи между ценой на нефть и российским фондовым индексом

Статья посвящена анализу устойчивости причинно-следственной связи между изменениями цены на нефть и динамикой российского фондового рынка, главным индикатором которого является индекс РТС. Основная цель исследования – проверка гипотезы о сохранении устойчивого влияния нефтяных шоков (обусловленных колебаниями предложения, спроса, ожиданий предложения) на индекс РТС в условиях структурных сдвигов в российской экономике в период с 1999 по 2019 г.
Новизна подхода, предложенного автором, состоит в применении базового инструмента изучения причинности – модели структурной векторной авторегрессии (SVAR) для декомпозиции шоков нефтяных цен на составляющие в зависимости от причин их возникновения и оценки реакции индекса РТС на них, а также метода бутстрапа с подвижным блоком (MBB) для проверки значимости изменений импульсных откликов фондового индекса. Результаты исследования свидетельствуют о том, что, несмотря на обнаружение структурного разрыва в уравнении переменной фондового рынка, различия в ее импульсных откликах на нефтяные шоки до и после него статистически незначимы, что подтверждает выдвинутую гипотезу. Таким образом, можно говорить о наличии устойчивой причинно-следственной связи между ценами на нефть и российским фондовым индексом на протяжении всего анализируемого периода, включая глобальные экономические кризисы и внутренние преобразования в экономике России.
Исследование вносит вклад в понимание долгосрочной динамики взаимосвязей сырьевого и финансового секторов российской экономики, подчеркивая ключевое значение энергетической составляющей для стабильности национального фондового рынка.

1. Hamilton J.D. Oil and the Macroeconomy Since World War II // Journal of Political Economy. 1983. Vol. 91. No. 2. P. 228–248. doi: https://doi.org/10.1086/261140.

2. Kling J.L. Oil Price Shocks and Stock Market Behavior // The Journal of Portfolio Management. 1985. Vol. 12. P. 34–39. doi: https://doi.org/10.3905/jpm.1985.409034.

3. Jones C.M., Kaul G. Oil and the Stock Markets // The Journal of Finance. 1996. Vol. 51. No. 2. P. 228–248. doi: https://doi.org/10.1111/j.1540-6261.1996.tb02691.x.

4. Chen N.F., Roll R., Ross S.A. Economic Forces and the Stock Market // Journal of Business. 1986. Vol. 59. No. 3. P. 383–403. doi: https://doi.org/10.1086/296344.

5. Huang R.D., Masulis R.W., Stoll H.R. Energy Shocks and Financial Markets // Journal of Futures Markets. 1996. Vol. 16. Iss. 1. P. 1–27. doi: https://doi.org/10.1002/(SICI)1096-9934(199602)16:1<1::AID-FUT1>3.0.CO;2-Q.

6. Kilian L. Exogenous Oil Supply Shocks: How Big Are They and How Much Do They Matter for The US Economy? // The Review of Economics and Statistics. 2008. Vol. 90. Iss. 2. P. 216–240. doi: https://doi.org/10.1162/rest.90.2.216.

7. Kilian L., Park C. The Impact of Oil Price Shocks on the US Stock Market // International Economic Review. 2009. Vol. 50. Iss. 4. P. 1267–1287. doi: https://doi.org/10.1111/j.1468-2354.2009.00568.x.

8. Ahmadi M., Behmiri N.B., Manera M. How Is Volatility in Commodity Markets Linked to Oil Price Shocks? // Energy Economics. 2016. Vol. 59. Iss. 8. P. 11–23. doi: https://doi.org/10.1016/j.eneco.2016.07.006.

9. Bastianin A., Conti F., Manera M. The Impacts of Oil Price Shocks on Stock Market Volatility: Evidence from the G7 Countries // Energy Policy. 2016. Vol. 98. P. 160–169. doi: https://doi.org/10.1016/j.enpol.2016.08.020.

10. Kilian L., Zhou X. Oil Prices, Exchange Rates and Interest Rates // Journal of International Money and Finance. 2022. Vol. 126. Article 102679. doi: https://doi.org/10.1016/j.jimonfin.2022.102679

11. Dagher L., Hasanov F.J. Oil Market Shocks and Financial Instability in Asian Countries // International Review of Economics & Finance. 2023.Vol. 84. P. 182–195. doi: https://doi.org/10.1016/j.iref.2022.11.008.

12. Wang Y., Wu C., Yang L. Oil Price Shocks and Stock Market Activities: Evidence from Oil-Importing and Oil-Exporting Countries // Journal of Comparative Economics. 2013. Vol. 41. Iss. 4. P. 1220–1239. doi: https://doi.org/10.1016/j.jce.2012.12.004.

13. Аганин А.Д., Пересецкий А.А. Волатильность курса рубля: нефть и санкции // Прикладная эконометрика. 2018. №. 4(52). С. 5–21.

14. Аганин А.Д. Волатильность российского фондового индекса: нефть и санкции // Вопросы экономики. 2020. №. 2. С. 86–100. doi: https://doi.org/10.32609/0042-8736-2020-2-86-100.

15. Свиридов О.И., Скоробогатов А.С. Цена на нефть и российский фондовый индекс: анализ причинной связи // Прикладная эконометрика. 2025. Т. 77. С. 5–24. doi: https://doi.org/10.22394/1993-7601-2025-77-5-24.

16. Doan T., Litterman R., Sims C. Forecasting and Conditional Projection Using Realistic Prior Distributions // Econometric Reviews. 1984. Vol. 3. Iss 1. P. 1–100. doi: https://doi.org/10.1080/07474938408800053.

17. Litterman R.B. Forecasting with Bayesian Vector Autoregressions – Five Years of Experience // Journal of Business & Economic Statistics. 1986. Vol. 4. Iss. 1. P. 25–38. doi: https://doi.org/10.1080/07350015.1986.10509491.

18. Primiceri G.E. Time Varying Structural Vector Autoregressions and Monetary Policy // The Review of Economic Studies. 2005. Vol. 72. Iss. 3. P. 821–852. doi: https://doi.org/10.1111/j.1467-937X.2005.00353.x.

19. Omori Y. et al. Stochastic Volatility with Leverage: Fast and Efficient Likelihood Inference // Journal of Econometrics. 2007. Vol. 140. Iss. 2. P. 425–449. doi: https://doi.org/10.1016/j.jeconom.2006.07.008.

20. Cafiso G., Missale A., Rivolta G. The Credit Channel of the Sovereign Spread: A Bayesian SVAR Analysis // Economic Modelling. 2025. Vol. 144. Article 106984. doi: https://doi.org/10.1016/j.econmod.2024.106984.

21. Boufateh T., Saadaoui Z. The Time-Varying Responses of Financial Intermediation and Inflation to Oil Supply and Demand Shocks in the US: Evidence from Bayesian TVP-SVAR-SV Approach // Energy Economics. 2021. Vol. 102. Article 105535. doi: https://doi.org/10.1016/j.eneco.2021.105535.

22. Демешев Б.Б., Малаховская О.А. Макроэкономическое прогнозирование с помощью BVAR Литтермана // Экономический журнал Высшей школы экономики. 2016. Т. 20. №. 4. С. 691–710.

23. Борзых О.А. Канал банковского кредитования в России: оценка с помощью TVP-FAVAR модели // Прикладная эконометрика. 2016. № 3(43). С. 96–117.

24. Сохаг К. и др. Влияние эффектов перетекания волатильности на политическую неопределенность, цены на нефть, биржу и рынки драгоценных металлов в российской экономике // Экономика региона. 2022. Т. 18. Вып. 2. С. 383–397. doi: https://doi.org/10.17059/ekon.reg.2022-2-6.

25. Зубарев А.В., Кириллова М.А. Оценка потерь ВВП России вследствие санкций с помощью модели глобальной векторной авторегрессии // Вопросы статистики. 2023. Т. 30. №. 1. С. 18–26. doi: https://doi.org/10.34023/2313-6383-2023-30-1-18-26.

26. Lütkepohl H. New Introduction to Multiple Time Series Analysis. Heidelberg: Springer Berlin, 2005. doi: https://doi.org/10.1007/978-3-540-27752-1.

27. Sims C.A., Zha T. Were There Regime Switches in U.S. Monetary Policy? // American Economic Review. 2006. Vol. 96. No. 1. P. 54–81. doi: https://doi.org/10.1257/000282806776157678.

28. Lanne M., Lütkepohl H., Maciejowska K. Structural Vector Autoregressions with Markov Switching // Journal of Economic Dynamics and Control. 2010. Vol. 34. Iss. 2. P. 121–131. doi: https://doi.org/10.1016/j.jedc.2009.08.002.

29. Скоробогатов А.С. Денежно-кредитная политика и долговременная стабильность экономики // Вопросы экономики. 2024. № 8. С. 28–49. doi: https://doi.org/10.32609/0042-8736-2024-8-28-49

30. Kilian L. Not All Oil Price Shocks Are Alike: Disentangling Demand and Supply Shocks in the Crude Oil Market // American Economic Review. 2009. Vol. 99. No. 3. P. 1053–1069. doi: https://doi.org/10.1257/aer.99.3.1053.

31. Sims C.A. Macroeconomics and Reality // Econometrica: Journal of the Econometric Society. 1980. Vol. 48. No. 1. P. 1–48. doi: https://doi.org/10.2307/1912017.

32. Hamilton J.D. Time Series Analysis. Princeton: Princeton University Press, 1994.

33. Efron B. Bootstrap Methods: Another Look at the Jackknife // The Annals of Statistics. 1979. Vol. 7. No. 1. P. 569–593. doi: https://doi.org/10.1214/aos/1176344552.

34. Künsch H.R. The Jackknife and the Bootstrap for General Stationary Observations // The Annals of Statistics. 1989. Vol. 17. No. 3. P. 1217–1241. doi: https://doi.org/10.1214/aos/1176347265.

35. Jentsch C., Lunsford K.G. Asymptotically Valid Bootstrap Inference for Proxy SVARs // Journal of Business & Economic Statistics. 2022. Vol. 40. Iss. 4. P. 1876–1891. doi: https://doi.org/10.1080/07350015.2021.1990770.

36. Chow G.C. Tests of Equality Between Sets of Coefficients in Two Linear Regressions // Econometrica: Journal of the Econometric Society. 1960. Vol. 28. No. 3. P. 591–605. doi: https://doi.org/10.2307/1910133.