Предмет. Отраслевые фондовые индексы, новостные публикации о санкциях. Цели. Оценить влияние тональности новостных публикаций о санкциях в официальных и неофициальных источниках информации на доходности отраслевых фондовых индексов с учетом различных уровней цифровизации отраслей (цифровые и нецифровые). Методология. Использовалась модель FinBERT, разработанная для анализа текстов на финансовую тематику. Два индекса тональности (официальный и неофициальный) рассчитаны для 3 лагов (0, 1 и 3 дня). Отрасли разделены на цифровые и нецифровые на основании индекса цифровизации ИСИЭЗ НИУ ВШЭ. Оценка влияния проводилась с помощью модели GARCH(1,1) на основе дневных доходностей отраслевых индексов. Результаты. Подтверждена статистическая значимость эффекта от новостей о санкциях на фондовые индексы отраслей металлов и добычи, электроэнергетики, телекоммуникации, а также в финансовом секторе. Гипотеза о более сильном влиянии в цифровых отраслях не подтвердилась. Обнаружено более значительное влияние новостей из официальных СМИ, эффект от новостей из неофициальных источников наблюдается только в отрасли телекоммуникаций с лагом 3. Область применения. Результаты полезны для инвесторов, участников фондового рынка, аналитиков и портфельных менеджеров при принятии стратегических решений. Выводы. Влияние новостей о санкциях на отраслевые фондовые индексы наблюдается в большинстве рассмотренных отраслей и не зависит от уровня цифровизации.
Ключевые слова: санкции, тональность новостей, текстовый анализ, цифровизация, фондовый рынок
Список литературы:
Квинт В.Л., Бабкин А.В., Шкарупета Е.В. Стратегирование формирования платформенной операционной модели для повышения уровня цифровой зрелости промышленных систем // Экономика промышленности. 2022. Т. 15. № 3. С. 249–261. DOI: 10.17073/2072-1633-2022-3-249-261 EDN: CUHBYC
Курбанова З.С., Исмаилова Н.П. Нейросети в контексте цифровизации образования и науки // Мир науки, культуры, образования. 2023. № 3. С. 309–311. DOI: 10.24412/1991-5497-2023-3100-309-311 EDN: KUDKEP
Яковлева Е.А., Виноградов А.Н., Александрова Л.В., Филимонов А.П. Роль технологий искусственного интеллекта в цифровой трансформации экономики // Вопросы инновационной экономики. 2023. Т. 13. № 2. С. 707–726. DOI: 10.18334/vinec.13.2.117710 EDN: PKODZB
Кузнецов В.О., Красавина Е.В., Сологуб В.А., Забайкин Ю.В. Применение инструментов цифровизации для увеличения капитализации компании: на примере пищевой промышленности // Экономика: вчера, сегодня, завтра. 2023. Т. 13. № 10-1. С. 246–256. DOI: 10.34670/AR.2023.83.51.030 EDN: WBGNKB
Курбангалиева Д.Л., Хайруллина А.Д. Современный подход к количественной оценке факторов, влияющих на капитализацию организации // Казанский экономический вестник. 2022. № 3. С. 49–55. EDN: QOLBIC
Азиева Р.Х. Инвестиционная привлекательность российских нефтегазовых компаний в условиях цифровизации экономики // Вопросы региональной экономики. 2022. № 3. С. 3–11. EDN: JEEIQV
Капогузов Е.А., Чупин Р.И. «Санкции 2022»: возможности и ограничения реакционного регулирования со стороны российского государства // Journal of Economic Regulation. 2022. Т. 13. № 1. С. 67–74. DOI: 10.17835/2078-5429.2022.13.1.067-074 EDN: IKMMDK
Смородинская Н.В., Катуков Д.Д. Россия в условиях санкций: пределы адаптации // Вестник Института экономики Российской академии наук. 2022. № 6. С. 52–67. DOI: 10.52180/2073-6487_2022_6_52_67 EDN: UJYCYG
Долгов С.И., Савинов Ю.А., Кириллов В.Н., Тарановская Е.В. Возможности противодействия санкциям в международной торговле // Российский внешнеэкономический вестник. 2022. № 4. С. 36–54. DOI: 10.24412/2072-8042-2022-4-36-54 EDN: NVTVTS
Chiang T.C. Economic policy uncertainty, risk and stock returns: Evidence from G7 stock markets. Finance Research Letters, 2019, vol. 29, pp. 41–49. DOI: 10.1016/j.frl.2019.03.018
Dzielinski M. Measuring economic uncertainty and its impact on the stock market. Finance Research Letters, 2012, vol. 9, iss. 3, pp. 167–175. DOI: 10.1016/j.frl.2011.10.003
Kundu S., Paul A. Effect of economic policy uncertainty on stock market return and volatility under heterogeneous market characteristics. International review of economics & finance, 2022, vol. 80, pp. 597–612. DOI: 10.1016/j.iref.2022.02.047 EDN: GUHEQD
Bekaert G., Hoerova M., Duca M.L. Risk, uncertainty and monetary policy. Journal of Monetary Economics, 2013, vol. 60, iss. 7, pp. 771–788. DOI: 10.1016/j.jmoneco.2013.06.003
Kahneman, D., Tversky, A. Prospect theory: An analysis of decision under risk. Econometrica, 1979, vol. 47, no. 2, pp. 263–291.
Ленчук Е.Б. Технологическая модернизация как основа антисанкционной политики // Проблемы прогнозирования. 2023. № 4. С. 54–66. DOI: 10.47711/0868-6351-199-54-66 EDN: HDROZI
Доржиева В.В. Цифровая трансформация промышленности и промышленная политика в условиях внешних ограничений // Вопросы инновационной экономики. 2023. Т. 13. № 2. С. 637–648. DOI: 10.18334/vinec.13.2.117692 EDN: IEYDZJ
Измайлова М.А. Реализация ESG-стратегий российских компаний в условиях санкционных ограничений // МИР (Модернизация. Инновации. Развитие). 2022. Т. 13. № 2. С. 185–201. DOI: 10.18184/2079-4665.2022.13.2.185-201 EDN: BHXXJT
Devlin J., Chang M.-W., Lee K., Toutanova K. BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics, Human Language Technologies, 2019, vol. 1, pp. 4171–4186.
Федорова Е.А., Мусиенко С.О., Федоров Ф.Ю. Индекс политической неопределенности для российской экономики: текстовый анализ // Экономическая наука современной России. 2019. № 2. С. 52–64. DOI: 10.33293/1609-1442-2019-2(85)-52-64 EDN: PGOMGR
