Главная  Журналы  Финансовая аналитика: проблемы и решения  3(373) - 2025 июль-сентябрь

Влияние тональности новостей о санкциях из официальных и неофициальных источников на валютный рынок

Получена: 14.04.2025

Одобрена: 07.05.2025

Доступна онлайн: 28.08.2025

Рубрика: МОНИТОРИНГ ЭКОНОМИЧЕСКИХ ПРОЦЕССОВ

Коды JEL: F31, F37

Страницы: 41-56

https://doi.org/10.24891/hvceun

Предмет. Санкционные индексы, фондовый индекс.
Цели. Оценить влияние тональности новостей о санкциях на валютный рынок на основе анализа неофициальных и официальных источников информации.
Методология. В рамках исследования применялись два словаря: Harvard IV – для англоязычных текстов, и Rulexicon – для русскоязычных публикаций. Эмпирическая база исследования: целевой переменной является обменный курс доллара на рубль. В качестве контрольных переменных включены индекс Мосбиржи, цена фьючерса на нефть Brent, а также эталонная процентная ставка RUONIA. Методология исследования включает применение машинного обучения (случайный лес) и эконометрики временных рядов (GARCH-моделирование).
Результаты. На основе применения моделирования было выявлено, что основное объясняющее действие для курса имеют индекс Мосбиржи, ключевая ставка и цена нефти Brent. Что касается тональности новостей, то наиболее значимой переменной оказался индекс негативности по новостным публикациям в РБК, влияние субъективности и позитивности по словарю Harvard IV на основе Блумберга и позитивные новости в Telegram. Инвесторы обращают повышенное внимание на зарубежные официальные новости.
Выводы. Результаты исследования подтверждают гипотезу о влиянии тональности официальных и неофициальных источников информации на валютный рынок. Трейдеры и инвестиционные менеджеры могут точнее предсказывать краткосрочные колебания курсов валют, исходя из характера новостных сообщений.

Ключевые слова: валютный рынок, текстовый анализ, официальные и неофициальные новости, случайный лес, GARCH-моделирование

Список литературы:

1. Афанасьев Д.О., Федорова Е.А., Рогов О.Ю. О влиянии тональности новостей в международных СМИ на рыночный курс российского рубля: текстовый анализ // Экономический журнал Высшей школы экономики. 2019. Т. 23. № 2. С. 264–289. DOI: 10.17323/1813-8691-2019-23-2-264-289 EDN: MBOIEB
2. Felbermayr G., Kirilakha A., Syropoulos C. et al. The Global Sanctions Data Base. European Economic Review, 2020, vol. 129, no. 103561. DOI: 10.1016/j.euroecorev.2020.103561
3. Besedeš T., Goldbach S., Nitsch V. Cheap talk? Financial sanctions and non-financial firms. European Economic Review, 2021, vol. 134, no. 103688. DOI: 10.1016/j.euroecorev.2021.103688
4. Weber P.M., Schneider G. Post-Cold War sanctioning by the EU, the UN, and the US: Introducing the EUSANCT Dataset. Conflict Management and Peace Science, 2020, vol. 37, iss. 2, pp. 137–157. DOI: 10.1177/0738894219870286
5. Taehee Whang, Hannah June Kim. International signaling and economic sanctions. International Interactions, 2015, vol. 41, iss. 3, pp. 427–452. DOI: 10.1080/03050629.2015.1024242
6. Dreger C., Kholodilin K.A., Ulbricht D., Fidrmuc J. Between the hammer and the anvil: The impact of economic sanctions and oil prices on Russia's ruble. Journal of Comparative Economics, 2016, vol. 44, iss. 2, pp. 295–308. DOI: 10.1016/j.jce.2015.12.010
7. Engel C., West K.D. Exchange Rates and Fundamentals. Journal of Political Economy, 2005, vol. 113, pp. 485–517. DOI: 10.1086/429137
8. Rossi B. Exchange Rate Predictability. Journal of Economic Literature, 2013, vol. 51, iss. 4, pp. 1063–1119. DOI: 10.1257/jel.51.4.1063
9. Clarida R., Waldman D. Is Bad News About Inflation Good News for the Exchange Rate? Asset Prices and Monetary Exchange Rate Misalignment, Capital Flows, and Optimal Monetary Policy Trade-offs. Journal of International Money and Finance, 2018, vol. 88, pp. 177–195. DOI: 10.1016/j.jimonfin.2018.07.003
10. Miranda-Agrippino S., Rey H. U.S. Monetary Policy and the Global Financial Cycle. The Review of Economic Studies, 2020, vol. 87, iss. 6, pp. 2754–2776. DOI: 10.1093/restud/rdaa019
11. Hasbrouck J., Saar G. Low-latency Trading. Journal of Financial Markets, 2013, vol. 16, iss. 4, pp. 646–679. DOI: 10.1016/j.finmar.2013.05.003
12. De Grauwe P., Grimaldi M. The Exchange Rate in a Behavioral Finance Framework. Princeton University Press, 2006, 224 p.
13. Fama E.F. Efficient Capital Markets: A Review of Theory and Empirical Work. The Journal of Finance, 1970, vol. 25, iss. 2, pp. 383–417. DOI: 10.2307/2325486
14. Garcia D. Sentiment During Recessions. Journal of Finance, 2012. DOI: 10.2139/ssrn.1571101
15. Baker M., Wurgler J., Yu Yuan. Global, local, and contagious investor sentiment. Journal of Financial Economics, 2012, vol. 104, iss. 2, pp. 272–287. DOI: 10.1016/j.jfineco.2011.11.002
16. Garcia D., Schweitzer F. Social signals and algorithmic trading of Bitcoin. Royal Society Open Science, 2015, vol. 2, iss. 9, no. 150288. DOI: 10.1098/rsos.150288
17. Zhang Y., Zhang Y., Shen D. The influence of news on bilateral exchange rates: When Bitcoin is rising and falling. Finance Research Letters, 2018, vol. 26, pp. 290–296. DOI: 10.1016/j.frl.2018.01.011
18. Loughran T., McDonald B. When Is a Liability Not a Liability? Textual Analysis, Dictionaries, and 10-Ks. The Journal of Finance, 2011, vol. 66, iss. 1, pp. 35–65. DOI: 10.1111/j.1540-6261.2010.01625.x
19. Tetlock P.C. Giving Content to Investor Sentiment: The Role of Media in the Stock Market. The Journal of Finance, 2007, vol. 62, iss. 3, pp. 1139–1168. DOI: 10.1111/j.1540-6261.2007.01232.x
20. Tetlock P.C., Saar-Tsechansky M., Macskassy S. More Than Words: Quantifying Language to Measure Firms' Fundamentals. The Journal of Finance, 2008, vol. 63, iss. 3, pp. 1437–1467. DOI: 10.1111/j.1540-6261.2008.01362.x
21. Yu-Lun Chen, Yin-Feng Gau. News announcements and price discovery in foreign exchange spot and futures markets. Journal of Banking & Finance, 2010, vol. 34, iss. 7, pp. 1628–1636. DOI: 10.1016/j.jbankfin.2010.03.009
22. Bollen J., Huina Mao, Xiaojun Zeng. Twitter mood predicts the stock market. Journal of Computational Science, 2011, vol. 2, iss. 1, pp. 1–8. DOI: 10.1016/j.jocs.2010.12.007
23. Soroka S.N. Good News and Bad News: Asymmetric Responses to Economic Information. The Journal of Politics, 2006, vol. 68, iss. 2, pp. 372–385. DOI: 10.1111/j.1468-2508.2006.00413.x
24. Jawale P., Jawale S., Ingale D., Shetty M. Sentiment Analysis for Financial Markets. International Journal for Research in Applied Science and Engineering Technology, 2023, vol. 11, pp. 535–541. DOI: 10.22214/ijraset.2023.57385
25. Биджоян Д.С. Модель оценки вероятности отзыва лицензии у российского банка // Финансы: теория и практика. 2018. Т. 22. № 2. С. 26–37. DOI: 10.26794/2587-5671-2018-22-2-26-37 EDN: XMRJFJ
26. Athey S., Imbens G.W. Machine Learning Methods That Economists Should Know About. Annual Review of Economics, 2019, vol. 11, pp. 685–725. DOI: 10.1146/annurev-economics-080217-053433

Посмотреть другие статьи номера »