Краткосрочное прогнозирование и инвестирование в нефтегазовые компании России с учетом эталонных маркеров

Предметом настоящего исследования является прогнозирование изменения цен на акции нефтегазовых компаний России. Для получения максимальной доходности, инвестору необходимо создавать сбалансированный портфель и быть уверенным, что его совокупная стоимость будет расти в будущем, в связи с таким принципом в экономике и финансах создаются эконометрические модели, которые позволяют оценить будущую стоимость акций. Инвести­рование в акции нефтегазовых компаний России один из способов сохранить средств в условиях жесткой денежно­-кредитной политики Банка России и высокой инфляции. Однако наличие рисков, волатильность котировок в сово­купности с другими факторами создают неопределенность для инвесторов на фондовом рынке.

Вследствие этого главной целью исследования является создание статистически значимых моделей для анализа и инвестирования в ценные бумаги нефтегазовых компаний с учетом эталонных маркеров, формирование релевантного инвестици­онного портфеля на нефтегазовом рынке России в современных турбулентных условиях.

Для выполнения цели ис­следования были применены методы эконометрического анализа, создание корреляционной матрицы, построение многофакторного уравнения регрессии, оценка справедливой стоимости акций с помощью метода торгуемых муль­типликаторов.

В процессе проведения научного исследования получены следующие результаты: построены корре­ляционная матрица для компаний-эмитентов акций нефтегазового комплекса России и многофакторные уравнения регрессии для каждого эмитента; предложен краткосрочный инвестиционный портфель; определена справедливая цена акций компаний в портфеле; даны возможные рекомендации для составления инвестиционного портфеля.

Сделаны выводы о наличии положительной корреляции между изменением цен на акции некоторых эмитентов и эталонными маркерами, об инвестиционной привлекательности акций компаний в портфеле (две рекомендации «покупать» и «держать») и о циклическом характере изменения цен на анализируемые акции. На основе постро­енных моделей и анализа справедливой стоимости акций, инвестор может принимать инвестиционные решения в отношении компаний в портфеле в зависимости от текущих цен котировок и времени года.

1. Нуреев Р.М., Бусыгин Е.Г. Крупнейшие публичные нефтяные компании: влияние внешних и внутренних факторов на капитализацию. Финансы: теория и практика. 2019;23(5):87–100. DOI: 10.26794/2587–5671–2019–23–5–87–100

2. Троицкий А.В., Байкова О.В., Бренц В.И., Разинков М.И. Финансовый анализ ведущих нефтегазовых компаний Российской Федерации за 2021 год. Вестник университета (Государственный университет управления). 2022;(11):162–170. DOI: 10.26425/1816–4277–2022–11–162–170

3. Bryukhovetskaya S.V., Sadriddinov M.I., Stroev. P.V., et al. Evaluation of industrial production policy in Russia. Journal of Physics: Conference Series. 2020;1515:32013. DOI: 10.1088/1742–6596/1515/3/032013

4. Рудзейт О.Ю., Зайнетдинов А.Р., Недяк А.В., Рагулин П.Г. Прогнозирование цены акции с помощью метода регрессионного анализа. Отходы и ресурсы. 2020;7(4):14. DOI: 10.15862/14INOR-420

5. Bhaskaran R.K., Sukumaran S.K. An empirical study on the valuation of oil companies. OPEC Energy Review. 2016;40(1):91–108. DOI: 10.1111/opec.12064

6. Chen S.-S. Forecasting crude oil price movements with oil sensitive stocks. Economic Inquiry. 2014;52(2):830– 844. DOI: 10.1111/ecin.12053

7. Edwards K., Jackson J.D., Thompson H.L. A note on vertical integration and stock ratings of oil companies in the U.S. The Energy Journal. 2000;21(2):145–151. DOI: 10.2307/41322870

8. MacDiarmid J., Tholana T., Musingwini C. Analysis of key value drivers for major mining companies for the period 2006–2015. Resources Policy. 2018;56:16–30. DOI: 10.1016/j.resourpol.2017.09.008

9. Alkhammash E.H. An optimized gradient boosting model by genetic algorithm for forecasting crude oil production. Energies. 2022;15(17):6416. DOI: 10.3390/en15176416

10. Wui Ng C.S., Ghahfarokhi A.J., Amar M.N. Well production forecast in Volve field: Application of rigorous machine learning techniques and metaheuristic algorithm. Journal of Petroleum Science and Engineering. 2022;208B:109468. DOI: 10.1016/j.petrol.2021.109468

11. Moreno P., Figuerola-Ferretti I.; Muñoz A. Forecasting oil prices with non-linear dynamic regression modeling. Energies. 2024;17(9):2182. DOI: 10.3390/en17092182

12. Xu Z., Mohsin M., Kaleem Ullah K., Ma X. Using econometric and machine learning models to forecast crude oil prices: Insights from economic history. Resources Policy. 2023;83:103614. DOI: 10.1016/j.resourpol.2023.103614

13. Abdollahi H. A novel hybrid model for forecasting crude oil price based on time series decomposition. Applied Energy. 2020;267:115035. DOI: 10.1016/j.apenergy.2020.115035

14. Yuan J., Li J., Hao J. A dynamic clustering ensemble learning approach for crude oil price forecasting. Engineering Applications of Artificial Intelligence. 2023;123B:106408. DOI: 10.1016/j.engappai.2023.106408

15. Бабешко Л.О., Орлова И.В. Модификация трендово-факторной модели при прогнозировании по многомерным временным рядам. Фундаментальные исследования. 2019;(3):5–10.

16. Chrascina M., Vaněk M., Pekarčíková K. Intrinsic value of stocks of “big oil” companies. GeoScience Engineering. 2024;70(1):67–77. DOI: 10.35180/gse-2024–0107

17. Pathak D. Intrinsic value in assessing the fairness of IT stock price using fundamental analysis. BSSS Journal of Management. 2021;12(1):23–34. DOI: 10.51767/jm1203

18. Dwitayanti Y., Yuliadi E., Dewi A.R.S. Stock fundamental analysis and investment decision making. West Science Journal Economic and Entrepreneurship. 2023;1(10):465–471. DOI: 10.58812/wsjee.v1i10.291

19. Thomsett M.C. Mastering fundamental analysis: How to spot trends and pick winning stocks like the pros. Chicago, IL: Dearborn Financial Publishing, Inc.; 1998. 234 p.

20. Akbıyık M., Akbıyık S.Y., Tura Ü., et al. A new approach to technical analysis of oil prices. Turkish Journal of Mathematics and Computer Science. 2023;15(1):145–156. DOI: 10.47000/tjmcs.1117784