Моделирование рисков и взаимосвязь глобального и индустриального рынка финтех‑акций США: данные о влиянии кризиса COVID‑19

Основной целью данной работы является проверка эффективности моделей GARCH при оценке и прогнозировании VaR (стоимости с учетом риска) американского рынка финтех-акций с 20 июля 2016 г. по 31 декабря 2021 г. Кроме того, в данном исследовании изучается влияние COVID-19 на перераспределение рисков между адекватными рядами VaR глобального американского индекса KFTX и пяти финтех-индустрий. В частности, мы сравниваем различные оценки VaR (862 ежедневной прибыли внутри выборки) и прогнозы (550 ежедневной прибыли вне выборки) нескольких спецификаций GARCH-модели при нормальном и Student-t распределении с 1%-ной и 5%-ной значимостью. Результаты бэктестинга показывают, что I-GARCH с распределением Student-t является хорошей моделью для оценки и прогнозирования VaR американского рынка финтех-акций до и во время COVID-19. Кроме того, общие результаты связи свидетельствуют о том, что глобальная и каждая финтех-индустрия значительно расширяется в условиях турбулентного рынка. Учитывая эти соображения, данная работа дает возможность политикам и регуляторам лучше понять риски в финтех-индустрии, не препятствуя инновациям.

1. Rauter R., Globocnik D., Perl-Vorbach E., Baumgartner R. J. Open innovation and its effects on economic and sustainability innovation performance. Journal of Innovation & Knowledge. 2019;4(4):226–233. DOI: 10.1016/j.jik.2018.03.004

2. David-West O., Iheanachor N., Umukoro I. O. Sustainable business models for the creation of mobile financial services in Nigeria. Journal of Innovation & Knowledge. 2020;5(2):105–116. DOI: 10.1016/j.jik.2019.03.001

3. Chaudhry S. M., Ahmed R., Huynh T. L.D., Benjasak C. Tail risk and systemic risk of finance and technology (FinTech) firms. Technological Forecasting and Social Change. 2022;174:121191. DOI: 10.1016/j.techfore.2021.121191

4. Alexakis C., Eleftheriou K., Patsoulis P. COVID-19 containment measures and stock market returns: An international spatial econometrics investigation. Journal of Behavioral and Experimental Finance. 2021;29:100428. DOI: 10.1016/j.jbef.2020.100428

5. Haldar A., Sethi N. The effect of country-level factors and government intervention on the incidence of COVID-19. Asian Economics Letters. 2020;1(2). DOI: 10.46557/001c.17804

6. Scherf M., Matschke X., Rieger M. O. Stock market reactions to COVID-19 lockdown: A global analysis. Finance Research Letters. 2022;45:102245. DOI: 10.1016/j.frl.2021.102245

7. Diebold F., Yilmaz K. Better to give than to receive: Predictive measurement of volatility spillovers (with discussion). International Journal of Forecasting. 2012;28(1):57–66. DOI: 10.1016/j.ijforecast.2011.02.006

8. Assaf A. Value-at-risk analysis in the MENA equity markets: Fat tails and conditional asymmetries in return distributions. Journal of Multinational Financial Management. 2015;29:30–45. DOI: 10.1016/j.mulfin.2014.11.002

9. Tabasi H., Yousefi V., Tamošaitienė J., Ghasemi F. Estimating conditional value at risk in the Tehran stock exchange based on the extreme value theory using GARCH models. Administrative Sciences. 2019;9(2):40. DOI: 10.3390/admsci9020040

10. Emenogu N. G., Adenomon M. O., Nweze N. O. On the volatility of daily stock returns of Total Nigeria Plc: Evidence from GARCH models, value-at-risk and backtesting. Financial Innovation. 2020;6(1):18. DOI: 10.1186/s40854–020–00178–1

11. Ben Ayed W., Fatnassi I., Ben Maatoug A. Selection of Value-at-Risk models for MENA Islamic indices. Journal of Islamic Accounting and Business Research. 2020;11(9):1689–1708. DOI: 10.1108/JIABR-07–2019–0122

12. Amiri H., Najafi Nejad M., Mousavi S. M. Estimation of Value at Risk (VaR) based on Lévy-GARCH models: Evidence from Tehran Stock Exchange. Journal of Money and Economy. 2021;16(2):165–186. DOI: 10.29252/jme.16.2.165

13. Naimy V., Haddad O., Fernández-Avilés G., El Khoury R. The predictive capacity of GARCH-type models in measuring the volatility of crypto and world currencies. PloS One. 2021;16(1): e0245904. DOI: 10.1371/journal.pone.0245904

14. Shaik M., Padmakumari L. Value-at-risk (VAR) estimation and backtesting during COVID-19: Empirical analysis based on BRICS and US stock markets. Investment Management and Financial Innovations. 2022;19(1):51–63. DOI: 10.21511/imfi.19(1).2022.04

15. Mrkvička T., Krásnická M., Friebel L., Volek T., Rolínek L. Backtesting the evaluation of Value-at-Risk methods for exchange rates. Studies in Economics and Finance. 2023;40(1):175–191. DOI: 10.1108/SEF-06–2021–0248

16. Bollerslev T. Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics. 1986;31(3):307–327. DOI: 10.1016/0304–4076(86)90063–1

17. Engle R. F., Bollerslev T. Modelling the persistence of conditional variances. Econometric Reviews. 1986;5(1):1–50. DOI: 10.1080/07474938608800095

18. Lee G. G., Engle R. F. A permanent and transitory component model of stock return volatility. Department of Economics. University of California San Diego. Working Paper. 1993. ZDB-ID 2437630–9.

19. Kupiec P. Techniques for verifying the accuracy of risk measurement models. Journal of Derivatives. 1995;3:73–84. URL: https://www.pm-research.com/content/iijderiv%3A%3A%3A3%3A%3A%3A2%3A%3A%3A73.full.pdf?implicit-login=true&sigma-token=oykoniLW0yOWjxQcyGDew0Uh6d7b1iWMm_Eeg4y-LxY

20. Christoffersen P. F. Evaluating interval forecasts. International Economic Review. 1998;39(4):841–862. DOI: 10.2307/2527341

21. Koop G., Pesaran M. H., Potter S. M. Impulse response analysis in nonlinear multivariate models. Journal of Econometrics. 1996;74(1):119–147. DOI: 10.1016/0304–4076(95)01753–4

22. Pesaran H. H., Shin Y. Generalized impulse response analysis in linear multivariate models. Economics Letters. 1998;58(1):17–29. DOI: 10.1016/S0165–1765(97)00214–0

23. Engle R. F. Autoregressive conditional heteroskedasticity with estimates of the variance of United Kingdom inflation. Econometrica. 1982;50(4):987–1007. DOI: 10.2307/1912773

24. Ljung G. M., Box G. E.P. On a measure of lack of fit in time series models. Biometrika. 1978;65(2):297–303. DOI: 10.1093/biomet/65.2.297

25. Dickey D. A., Fuller W. A. Likelihood ratio statistics for autoregressive time series with unit root. Econometrica. 1981;49(1):1057–1072. DOI: 10.2307/1912517

26. Chu J., Chan S., Nadarajah S., Osterrieder J. GARCH modelling of cryptocurrencies. Journal of Risk and Financial Management. 2017;10(4):17. DOI: 10.3390/jrfm10040017

27. Goodell J. W. COVID-19 and finance: Agendas for future research. Finance Research Letters. 2020,35:101512. DOI: 10.1016/j.frl.2020.101512

28. Baker S. R., Bloom N., Davis J. S., Kost K., Sammon M., Viratyosin T. The unprecedented stock market reaction to COVID-19. The Review of Asset Pricing Studies. 2020;10(4):742–758. DOI: 10.1093/rapstu/raaa008