Для цитирования:
Faizliev A. R. Systemic risk in Russian financial market: A ΔCoVaR approach [Файзлиев А. Р. Системный риск на российском финансовом рынке: подход ΔCoVaR] // Известия Саратовского университета. Новая серия. Серия: Экономика. Управление. Право. 2023. Т. 23, вып. 3. С. 278-292. DOI: 10.18500/1994-2540-2023-23-3-278-292, EDN: QHNHVA
Systemic risk in Russian financial market: A ΔCoVaR approach
[Системный риск на российском финансовом рынке: подход ΔCoVaR]
Введение. Современные финансовые кризисы обусловливают необходимость повышенного внимания к системным рискам и индикаторам для их отслеживания. Данное исследование посвящено оценке системного риска, являющейся востребованным предметом экономических исследований. В работе анализируются системные риски на российском фондовом рынке для компаний, входящих в индекс РТС. Теоретический анализ. Исследуется одна из распространенных мер системного риска CoVaR, которая представляет собой условную стоимость под риском (условный VaR), определяемую как изменение стоимости финансовой системы (актива), подверженной риску, в зависимости от другого актива (системы), находящегося в состоянии спада. Мера риска CoVaR является мощным инструментом управления рисками, и ее можно рассматривать как одновременную меру уязвимости системы, позволяя выделить активы, которые относятся к категории системно значимых. Эмпирический анализ. В исследовании проверяется гипотеза о структурных изменениях в сети распространения рисков с течением времени и рассматриваются различные показатели strength centrality, betweenness centrality, eigenvector centrality and Page Rank для выявления активов, которые могут распространять негативные потрясения по сети. Результаты. Результаты показывают, что во время потрясений 2014 и 2020 гг. российский фондовый рынок был подвержен большему системному риску и большей взаимосвязанности активов. Акции компаний «Сбербанк» и «Татнефть» внесли значительный вклад в этот риск во время политического кризиса и в последующие периоды, при этом размер компании не был доминирующим фактором.
- Adrian T., Brunnermeier Markus K., Nguyen HoaiLuu Q. Hedge Fund Tail Risk. Quantifying Systemic Risk. University of Chicago Press, 2013, pp. 155–174. https://doi.org/10.7208/chicago/9780226921969.003.0006
- De Nicolo G., Lucchetta M. Systemic Risks and the Macroeconomy. In: Haubrich J., Lo A. (eds.) Quantifying Systemic Risk. National Bureau of Economic Research, Inc., 2011, pp. 113–148. Available at: https://EconPapers.repec.org/RePEc:nbr:nberch:12051 (accessed June 22, 2023).
- Lehar A. Measuring systemic risk: A risk management approach. Journal of Banking & Finance, 2005, vol. 29, pp. 2577–2603. https://doi.org/10.1016/j.jbankfin.2004.09.007
- Bisias D., Flood M., Lo A., Valavanis S. A Survey of Systemic Risk Analytics. Annual Review of Financial Economics, 2012, vol. 4. https://doi.org/10.2139/ssrn.1983602
- Smaga P. The Concept of Systemic Risk. Systemic Risk Centre Special Paper. The London School of Economics and Political Science, 2014, vol. 5.
- Adrian T., Brunnermeier M. K. COVAR. NBER Working Papers, 17454. National Bureau of Economic Research, Inc, 2011. https://doi.org/10.3386/w17454
- Adrian T., Brunnermeier M. K. CoVaR. American Economic Review, 2016, vol. 106, iss. 7, pp. 1705–1741. https://doi.org/10.1257/aer.20120555
- Boginski V., Butenko S., Pardalos P. M. Chapter 2: On structural properties of the market graph. In: Nagurney A. (ed.) Innovations in Financial and Economic Networks, 2004, pp. 29–45. https://doi.org/10.4337/9781035304998.00010
- Boginski V., Butenko S., Pardalos P. Network models of massive datasets. Computer Science and Information Systems, 2004, vol. 1, iss. 1, pp. 75–89. https://doi.org/10.2298/CSIS0401075B
- Xiao F., Liu X. F., Tse C. Dynamics of Network of Global Stock Markets. Accounting and Finance Research, 2012, vol. 1, iss. 2. https://doi.org/10.5430/afr.v1n2p1
- Onnela J.-P, Saramaki J., Kertesz J., Kaski K. Intensity and coherence of motifs in weighted complex networks. Physical Review E, 2005, vol. 71, iss. 6. https://doi.org/10.1103/PhysRevE.71.065103
- Emmert-Streib F., Dehmer M. Identifying critical financial networks of the DJIA: Toward a network-based index. Complexity, 2010, vol. 16, pp. 24–33. https://doi.org/10.1002/cplx.20315
- Boginski V., Butenko S., Pardalos P. Mining market data: A network approach. Computers & Operations Research, 2006, vol. 33, iss. 1, pp. 3171–3184. https://doi.org/10.1016/j.cor.2005.01.027
- Huang W. Q., Zhuang X. T., Yao S. A network analysis of the Chinese stock market. Physica A: Statistical Mechanics and its Applications, 2009, vol. 388, iss. 14, pp. 2956–2964. https://doi.org/10.1016/j.physa.2009.03.028
- Namaki A., Shirazi A., Raei R., Jafari G. Network analysis of a financial market based on genuine correlation and threshold method. Physica A: Statistical Mechanics and its Applications, 2011, vol. 390, iss. 21–21, pp. 3835–3841. https://doi.org/10.1016/j.physa.2011.06.033
- Sidorov S., Barabash V., Faizliev A. Analysis of the impact of sanctions on systemic risks for Russian. Lecture Notes in Engineering and Computer Science. Proceedings of the World Congress on Engineering 2017, WCE 2017. 2017, vol. 2229, pp. 380–384. EDN: XXIOLB
- Androsov I., Faizliev A., Korotkovskaya E., Lunkov A., Mironov S., Petrov V., Sidorov S., Smolov F. Shock Diffusion Analysis for a Directed Market Network Constructed with Use of the Risk Measure CoVaR. Journal of Physics: Conference Series, 2019, vol. 1334, iss. 1, 012003. https://doi.org/10.1088/1742-6596/1334/1/012003
- Kalyagin V. A., Koldanov A. P., Koldanov P. A., Pardalos P. M. Optimal decision for the market graph identifi cation problem in a sign similarity network. Annals of Operations Research, 2018, vol. 266, pp. 313–327. https://doi.org/10.1007/s10479-017-2491-6
- Jorion P. Value at Risk: The New Benchmark for Managing Financial Risk. 3rd ed. New York, McGraw-Hill, 2006. 602 p.
- Hautsch N., Schaumburg J. and Schienle M. Financial Network Systemic Risk Contributions. Review of Finance, 2014, vol. 19, iss. 2, pp. 685–738. https://doi.org/10.1093/rof/rfu010
- Hardle W. K., Wang W., Yu L. Systemic risk, Systemic risk network, Generalized quantile, Quantile singleindex regression, Value at risk, CoVaR, Lasso. Journal of Econometrics, 2016, vol. 192, iss. 2, pp. 499–513. https://doi.org/10.1016/j.jeconom.2016.02.013
- Zhang W., Zhuang X., Wang J., Lu Y. Connectedness and systemic risk spillovers analysis of Chinese sectors based on tail risk network. The North American Journal of Economics and Finance, 2020, vol. 54, 101248. https://doi.org/10.1016/j.najef.2020.101248
- Reboredo J., Ugolini A. Systemic risk in European sovereign debt markets: A CoVaR-copula approach. Journal of International Money and Finance, 2015, vol. 51, pp. 214–244. https://doi.org/10.1016/j.jimonfin.2014.12.002
- Fang L., Cheng J., Su F. Interconnectedness and systemic risk: A comparative study based on systemically important regions. Pacific-Basin Finance Journal, 2019, vol. 54, pp. 147–158. https://doi.org/10.1016/j.pacfin.2019.02.007
- Adams Z., Fuss R., Gropp R. Spillover Effects among Financial Institutions: A State-Dependent Sensitivity Value-at-Risk Approach. Journal of Financial and Quantitative Analysis, 2014, vol. 49, iss. 3, pp. 575–598. https://doi.org/10.1017/S0022109014000325
- Krackardt D. QAP partialling as a test of spuriousness. Social Networks, 1987, vol. 9, iss. 2, pp. 171–186. https://doi.org/10.1016/0378-8733(87)90012-8