02_HSE_Presentation_Shablon

1. Анализ волатильности акций крупнейших банков РФ: Сбербанк, ВТБ, СПБ банк и МКБ

Финансовые рынки и финансовые
институты
Эконометрика, модуль 4
Москва 2025
Анализ волатильности акций крупнейших
банков РФ: Сбербанк, ВТБ, СПБ банк и МКБ
Авторы: Князев Данил, Кулешов Роман, Хайдаршин Михаил

2. План работы:

ФРФИ
Анализ волатильности акций
крупнейших банков РФ
Эконометрика, модуль 4
План работы:
1. Предварительный анализ временных рядов цен и доходностей акций банков на стационарность
2. Построение моделей для акций:
2.1. Анализ ACF и PACF, выдвижение гипотез о параметрах ARMA
2.2. Подбор оптимальной модели ARMA по минимальному AIC
2.3. Проверка на белошумность и наличие GARCH-эффекта остатков оптимальной модели
2.4. Подбор оптимальной модели GARCH из различных спецификаций по минимальному AIC
2.5. Анализ всплесков волатильности на графике
2.6. Расчет и анализ однодневного и пятидневного VaR
3. Ранжирование акций по волатильности и VaR
2

3. Предварительный анализ временных рядов

ФРФИ
Анализ волатильности акций
крупнейших банков РФ
Предварительный анализ временных
рядов
В целом, для большинства бумаг наблюдается как фаза роста в начале,
так и существенные просадки в 2020 и 2022 годах — связанные с
макроэкономическими и геополитическими шоками.
Визуально цены демонстрируют явную нестационарность, а переход к
лог-доходностям позволяет получить стационарные временные ряды.
Тикер
ADF statistic
p-value
Вывод о стационарности
SBER
-16.758
0.0000
Стационарен (p < 0.05)
VTBR
-16.374
0.0000
Стационарен (p < 0.05)
BSPB
-27.821
0.0000
Стационарен (p < 0.05)
CBOM
-36.851
0.0000
Стационарен (p < 0.05)
Также лог-доходности визуально демонстрируют кластеризацию
волатильности.
Эконометрика, модуль 4
3

4. Построение моделей для акции SBER

ФРФИ
Анализ волатильности акций
крупнейших банков РФ
4
Эконометрика, модуль 4
Построение моделей для акции SBER
Наименьшее значение AIC показывает модель ARMA(2,0) с
коэффициентами ω = 0.00030 α1 = -0.020, α2 = 0.125.
Для остатков модели ARMA(2,0) проведён ARCH LM тест, который выявил
сильный эффект условной гетероскедастичности: LM-statistic = 89.78, pvalue = 0.0000.
Модель
ARMA(0,0)
ARMA(0,1)
ARMA(1,1)
ARMA(1,0)
ARMA(0,2)
ARMA(2,0)
ARMA(1,2)
ARMA(2,1)
ARMA(2,2)
AIC
-7442.13
-7420.78
-7419.45
-7420.98
-7422.10
-7444.24
-7442.44
-7442.78
-7440.86
BIC
-7411.39
-7444.66
-7397.96
-7404.86
-7395.82
-7422.74
-7412.74
-7415.91
-7408.62

5. Построение моделей для акции SBER

ФРФИ
Анализ волатильности акций
крупнейших банков РФ
Построение моделей для акции SBER
Лучшей моделью по AIC оказалась EGARCH(1,1) t, которая отражает
наличие асимметрии и "тяжёлых хвостов" в распределении условной
волатильности доходностей.
Общерыночные всплески: 2020 – коронакризис, 2022 – СВО и санкции
Отдельные вспелски: публикация квартальной и годовой отчетностей,
анонсы дивидендных выплат
5
Эконометрика, модуль 4
Модель
Garch(1,1) normal
Garch(1,2) normal
Garch(2,1) normal
Garch(1,1) t
Garch(1,2) t
Garch(2,1) t
EGarch(1,1) normal
EGarch(1,2) normal
EGarch(2,1) normal
EGarch(1,1) t
EGarch(1,2) t
EGarch(2,1) t
AIC
-8208.41
-8190.04
-8204.78
-8531.01
-8533.41
-8537.69
-8187.90
-8186.55
-8202.38
-8581.36
-8579.62
-8579.62
BIC
-8192.29
-8166.55
-8175.95
-8509.52
-8505.64
-8505.61
-8171.86
-8163.47
-8173.67
-8559.87
-8552.75
-8552.75
Параметр
omega
alpha[1]
beta[1]
nu
Оценка
-0.1850
0.2077
0.9742
3.6941
P-value
0.0144
4.302e-08
0.0000
2.05e-19

6. Метод расчета Value at Risk

ФРФИ
Анализ волатильности акций
крупнейших банков РФ
Эконометрика, модуль 4
Метод расчета Value at Risk
Значение VaR на основе GARCH рассчитывается с помощью метода Монте-Карло. В модели предполагается, что доходность
имеет вид: