Прогноз котировок акций ПАО «Газпром» на основе корреляционно-регрессионной связи

Аннотация

Введение: научное исследование, касающееся прогнозирования котировок акций крупной российской энергетической компании ПАО «Газпром», является актуальным, поскольку определяет перспективы инвестирования в фондовый рынок Российской Федерации. Основная идея представленной научной работы заключается в том, чтобы найти наиболее доходную и привлекательную для вложения денежных средств российскую компанию и из множества факторов выбрать индикаторы, оказывающие влияние на ее акции.

Цель: построить уравнения множественной линейной регрессии, отражающие влияние экономических индикаторов (цен американского природного газа, валютной пары USD/RUB, денежного агрегата М2 в России) на котировки акций ПАО «Газпром». Данные уравнения множественной линейной регрессии используются для создания экономико-математических моделей с прогнозными значениями представленных факторов.

Материалы и методы: применялись общие и специальные научные методы – анализ, синтез, монографический; статистические – графический, табличный, выявления тенденций, корреляционно-регрессионный анализ. Выбор независимых переменных в корреляционно-регрессионном анализе обусловлен несколькими факторами: цены природного газа на мировом рынке оказывают воздействие на финансовые результаты российских энергетических компаний; валютная пара USD/RUB долгое время влияла на выручку российских экспортеров; денежно-кредитная политика центральных банков, направленная на приращение денежной массы, всегда двигала котировки ценных бумаг на фондовых рынках вверх.

Результаты: построены уравнения множественной линейной регрессии выделенных четырех периодов с разными экономическими сценариями, показывающие зависимость котировок акций ПАО «Газпром» от цен американского природного газа, валютной пары USD/RUB, денежной массы в России, которые отражают научную новизну исследования; на основе этих уравнений могут быть рассчитаны экономико-математические модели, содержащие прогнозные значения исследуемых факторов и их возможные соотношения.

Выводы: рассматриваемые экономические индикаторы окажут позитивное воздействие на котировки акций ПАО «Газпром» на фоне слабого российского рубля и переориентации отечественных энергетических компаний на другие рынки сбыта. Использование экономическими субъектами представленной информации поможет повысить эффективность инвестиционной деятельности.

Ключевые слова: цены на природный газ, валютная пара USD/RUB, денежный агрегат М2 в России, котировки акций ПАО «Газпром», тенденции, корреляционно-регрессионный анализ, прогноз, инвестиции, фондовый рынок, экономика России

Для цитирования

Теньковская Л. И. Прогноз котировок акций ПАО «Газпром» на основе корреляционно-регрессионной связи // Вестник Пермского университета. Сер. «Экономика». 2023. Т. 18, № 1. С. 25–52. DOI 10.17072/1994-9960-2023-1-25-52

1. Шуранова А. А., Петрунин Ю. Ю. Энергетический кризис 2021–2022 гг. в отношениях России и Европейского Союза // Государственное управление. Электронный вестник. 2022. № 90. С. 74–89. http://doi.org/24412/2070-1381-2022-90-74-89
2. Боровский Ю. В., Шишкина О. В. Приоритетные цели энергетической политики ЕС // Современная Европа. 2021. № 3. С. 117–127. http://doi.org/10.15211/soveurope32021117127
3. Масленников А. О. Мировой и региональные рынки природного газа после COVID-19 // Мировая экономика и международные отношения. 2020. Т. 64, № С. 74–83. http://doi.org/10.20542/0131-2227-2020-64-10-74-83
4. Сафрончук М. В., Соколова М. А. Методы ценообразования на мировом рынке природного газа // Экономика и управление: проблемы, решения. 2019. Т. 6, № С. 100–105.
5. Ершова Е. В. Ценообразование на сжиженный природный газ как фактор глобализации мировой торговли природным газом // Baikal Research Journal. 2016. Т. 7, № 4. С. 118–126. http://doi.org/10.17150/2411-6262.2016.7(4).18
6. Кондратов Д. И. Вызовы для России на мировом рынке природного газа // Экономика. Налоги. Право. 2022. Т. 15, № 1. С. 35–44. http://doi.org/10.26794/1999-849X-2022-15-1-35-44
7. Аксютин О. Е., Ишков А. Г., Романов К. В., Грачев В. А. Роль природного газа в реализации целей устойчивого развития // Газовая промышленность. 2018. № 7. С. 102–114.
8. Носков В. А. Мировой рынок природного газа: макрорегиональные особенности и роль России // Вестник Самарского государственного экономического университета. 2020. № 9 (191). С. 9–16. http://doi.org/10.46554/1993-0453-2020-9-191-9-16
9. Ульченко М. В. Перспективы поставок российского арктического природного газа в страны Азиатско-Тихоокеанского региона // Север и рынок: формирование экономического порядка. 2020. № 1 (67). С. 79–91. http://doi.org/10.37614/2220-802X.1.2020.67.007
10. Шумилин О. В. Исторические временные ряды официального курса доллара США по отношению к российскому рублю (1990–2019) // Экономическая безопасность личности, общества, государства: проблемы и пути обеспечения: материалы ежегодной Всерос. науч.-практ. конф. Санкт-Петербург, 2021. С. 238–242.
11. Третьякова Г. В., Казаченко А. А., Лыонг Н. Л. В. Перспективы использования национальных валют в международных расчетах с участием России и Китая // Вестник Томского государственного университета. Экономика. 2022. № 58. С. 190–207. http://doi.org/10.17223/19988648/58/12
12. Поливач А. П. Юань и рубль в экономике стран Центральной Азии // Россия и новые государства Евразии. 2020. № 4 (49). С. 87–102. http://doi.org/10.20542/2073-4786-2020-4-87-102
13. Минакир П. А., Изотов Д. А. Мировые деньги во времени и пространстве: удар по доллару или удар долларом? // Пространственная экономика. 2022. Т. 18, № 1. С. 7–33. http://doi.org/10.14530/se.2022.1.007-033
14. Федотов Д. Ю. Девальвация национальной валюты и экономическая безопасность государства // Финансы и кредит. 2021. Т. 27, № 11 (815). С. 2442–2464. http://doi.org/10.24891/fc.27.11.2442
15. Болданова Е. В. Зависимость финансового состояния компаний нефтегазового комплекса от внешних факторов // Азимут научных исследований: экономика и управление. 2021. Т. 10, № 3 (36). С. 75–78. http://doi.org/10.26140/anie-2021-1003-0016
16. Казанцев С. В. О некоторых негативных последствиях антироссийских санкций и направлениях их парирования // ЭТАП: экономическая теория, анализ, практика. 2020. № 2. С. 65–73. http://doi.org/10.24411/2071-6435-2020-10013
17. Голубева Т. В., Стадник Я. В. Россия и санкции // Актуальные проблемы общества, экономики и права в контексте глобальных вызовов: материалы XII Междунар. науч.-практ. конф. М., 2022. С. 223–226.
18. Кондукторов А. С. Замещение доллара США рублем РФ при оплате российского экспорта: финансово-правовой механизм реализации и последствия для денежно-кредитной политики // Lex russica (Русский закон). 2022. Т. 75, № 2. С. 24–33. http://doi.org/10.17803/1729-5920.2022.183.2.024-033
19. Манушин Д. В. Мировая санкционная экономика, санкции, контрсанкции и новая мировая валюта // Russian Journal of Economics and Law. 2022. Т. 16, № 2. С. 345–369. http://doi.org/10.21202/2782-2923.2022.2.345-369
20. Афанасьева О. Н. Денежно-кредитная политика: денежная масса и инфляция в различных странах // Экономика устойчивого развития. 2022. № 1 (49). С. 112–117. http://doi.org/10.37124/20799136_2022_1_49_112
21. Matres J. O. G., Le T. V. The Impact of Money Supply on the Economy: A Panel Study on Selected Countries // Journal of Economic Science Research. 2021. Vol. 4, iss. 4. P. 48–53. https://doi.org/10.30564/jesr.v4i4.3782
22. Chaitip P., Chokethaworn K., Chaiboonsri Ch., Khounkhalax M. Money Supply Influencing on Economic Growth-Wide Phenomena of AEC Open Region // Procedia Economics and Finance. 2015. Vol. 24. P. 108–115. https://doi.org/10.1016/S2212-5671(15)00626-7
23. Zulkhibri M. Causal link between money, output and prices in Malaysia: An empirical reexamination // Applied Econometrics and International Development. 2007. Vol. 7, no. 1. 10 p. URL: https://ssrn.com/abstract=1249962 (дата обращения: 12.10.2022).
24. Palamalai S., Mariappan K., Devakumar On the temporal causal relationship between macro-economic variables: Empirical evidence from India // SAGE Open. 2014. Vol. 4, no. 1. P. 1–14. https://doi.org/10.1177/2158244014525419
25. Mundell R. A. Capital mobility and stabilization policy under fixed and flexible exchange rates // Canadian Journal of Economics. 1963. Vol. 29. P. 475–485. https://doi.org/10.2307/139336
26. Herwartz H., Reimers H.-E. Long-run links among money, prices and output: Worldwide evidence // German Economic Review. 2006. Vol. 7. P. 65–86. https://doi.org/10.1111/j.1468-0475.2006.00147.x
27. Глазьев С. Ю., Горидько Н. П., Нижегородцев Р. М. Критика формулы Ирвинга Фишера и иллюзии современной монетарной политики // Экономика и математические методы. 2016. Т. 52, № 4. С. 3–23.
28. Делягин М. Г. Крах оптимистических иллюзий и отправной пункт экономического оздоровления // Российский экономический журнал. 2014. № 1. С. 19–23.
29. Делягин М. Г. Российская инфляция: постановка диагноза: выступление на круглом столе «Экономический рост России» // Научные труды Вольного экономического общества России. 2009. Т. 111. С. 32–36.
30. Tenkovskaya L. I. The Essence of optimism of the economists and investors with regard to the economy of Russia // Journal of Economic Science Research. 2019. Vol. 53, iss. 4. P. 1–9. https://doi.org/10.30564/jesr.v2i4.1080
31. Nisar T. M., Yeung M. Twitter as a tool for forecasting stock market movements: A short-window event study // The Journal of Finance and Data Science. 2018. Vol. 4, iss. 2. P. 101–119. https://doi.org/10.1016/j.jfds.2017.11.002
32. Nivorozhkin E., Castagneto-Gissey G. Russian stock market in the aftermath of the Ukrainian crisis // Russian Journal of Economics. 2016. № 2 (1). P. 23–40. http://dx.doi.org/10.1016/j.ruje.2016.04.002
33. Laopodis N. T. Exchange rate and stock market interactions: Evidence from an emerging economy // Global Business and Finance Review. 2002. Vol. 7, no. 1. P. 49–60.
34. Chen D. Y., Huang B. Financial crises and stock market indices: Markov switching approach // Global Business and Finance Review. 2012. Vol. 17, no. 2. P. 101–120.
35. Huerta D., Perez-Liston D. The impact of hurricanes on investor sentiment and stock market returns // Global Business and Finance Review. 2011. Vol. 16, no. 2. P. 136–149.
36. Celebi K., Hönig M. The impact of macroeconomic factors on the German stock market: Evidence for the crisis, pre- and post-crisis periods // International Journal of Financial Studies. 2019. Vol. 7, no. 2. Article 18. https://doi.org/10.3390/ijfs7020018
37. Nenu E. A., Vintilă G., Gherghina Ş. C. The impact of capital structure on risk and firm performance: Empirical evidence for the Bucharest stock exchange listed companies // International Journal of Financial Studies. 2018. Vol. 6, no. 2. Article 41. https://doi.org/10.3390/ijfs6020041
38. Metel’skaya V. V. Correlation-and-regression analysis of the influence of macroeconomic factors on capital structure of Russian corporations under crisis conditions // Journal of Innovation and Entrepreneurship. 2021. No. 10. Article 20. https://doi.org/10.1186/s13731-021-00160-w
39. Grigoryev L. M., Medzhidova D. D. Global energy trilemma // Russian Journal of Economics. 2020. Vol. 6, no. 4. P. 437–462. https://doi.org/10.32609/j.ruje.6.58683
40. Мазур И. К. Использование модели Шарпа в современных условиях российского фондового рынка // Теория и практика современной науки. М., 2022. С. 254–260.
41. Вотчель Л. М., Ивашина Н. С., Ненова Е. А., Чабаненко А. В. Модель прогнозирования доходности корпоративных ценных бумаг // Корпоративная экономика. 2018. № 2 (14). С. 18–24.
42. Алжеев А. В., Кочкаров Р. А. Сравнительный анализ прогнозных моделей ARIMA и LSTM на примере акций российских компаний // Финансы: теория и практика. 2020. Т. 24, № 1. С. 14–23. https://doi.org/10.26794/2587-5671-2020-24-1-14-23
43. Пучков Е. В., Белявский Г. И. Применение локальных трендов для предподготовки временных рядов в задачах прогнозирования // Программные продукты и системы. 2018. № 4. С. 751–756. https://doi.org/10.15827/0236-235X.124.751-756
44. Ломакин Н. И., Дженифер О. Ч., Голодова О. А., Сычева А. В., Кабина В. В. AI-система «персептрон» для прогноза финансового результата деятельности предприятия нефтяной отрасли РФ // Фундаментальные исследования. 2019. № 12-1. С. 98–103. https://doi.org/10.17513/fr.42629
45. Лесик И. А. Решение задачи прогнозирования с использованием нейронных сетей прямого распространения на примере построения прогноза роста курса акций // Программные продукты и системы. 2015. № 2. С. 70–74. https://doi.org/10.15827/0236-235X.110.070-074
46. Золотова Т. В., Волкова Д. А. Методы интеллектуальной обработки данных для коррекции атипичных значений котировок акций // Статистика и экономика. 2022. Т. 19, № 2. С. 4–13. http://dx.doi.org/10.21686/2500-3925-2022-2-4-13

Показать весь текст