Влияние освещения кризиса на финансовый рынок России

В статье исследуется влияние информационных сообщений, характеризующих проявление кризиса в экономике, на показатели финансового рынка. Цель статьи — построение индекса, позволяющего оценивать кризисную ситуацию в стране на основе текстового анализа информационных сообщений. С помощью обзора литературы выявлены факторы, определяющие кризисные явления в экономике. Эмпирическая база исследования включала в себя более 10 млн новостных текстов из различных источников, аккредитованных ThomsonReuters. Авторы впервые составили «мешок слов» (словарь) для определения кризисной ситуации в стране и с помощью текстового анализа разработали авторский индекс кризиса, рассчитанный на основе новостных сообщений в зарубежных СМИ о России. Проведен анализ зависимости между индексом кризиса и биржевым индексом MOEX. По результатам исследования установлено, что увеличение количества новостных сообщений, определяющих проявление кризисной ситуации в экономике, негативно отражается на финансовом рынке: приводит к падению котировок акций. Таким образом, не только объективные экономические факторы, но и информационная составляющая, оказывающая влияние на настроения инвесторов и поведение экономических субъектов, воздействует на ключевые показатели финансового рынка. Предложенный авторский индекс кризиса может также быть использован для оценки других зависимостей, например влияния кризиса на валютный курс.

1. Kaminsky G., Lizondo S., Reinhart C. Leading indicators of currency crises. IMF Staff Papers. 1998;45(1):1–48. DOI: 10.1596/1813–9450–1852

2. Kumar M., Moorthy U., Perraudin W. Predicting emerging market currency crashes. Journal of Empirical Finance. 2003;10(4):427–454.

3. Komulainen T., Lukkarila J. What drives financial crises in emerging markets? Emerging Markets Review. 2003;4(3):248–272. DOI: 10.1016/S 1566–0141(03)00039–6

4. Фёдорова Е. А., Лукасевич И. Я. Прогнозирование финансовых кризисов с помощью экономических индикаторов в странах СНГ. Проблемы прогнозирования. 2012;(2):112–122.

5. Jayaraman T. K., Choong С.-К. Exchange market pressure in a small Pacific Island country: A study of Fiji: 1975–2005. International Journal of Social Economics. 2008;35(12):985–1004. DOI: 10.1108/03068290810911507

6. Федорова Е. А., Каменева Е. А., Афанасьев Д. О. Перетекание валютных кризисов для России и стран СНГ. Банковское дело. 2015;(11):12–17.

7. Senchagov V. K., Mityakov S. N. Evaluation of economic crises using short-term indexes and average indexes of economic security of Russia. Studies on Russian Economic Development. 2016;27(2):148–158. DOI: 10.1134/S 1075700716020131

8. Болдырева Н. Б., Парфенов А. А. Система индикаторов кризисных явлений на российском фондовом рынке: динамика и опережающие свойства. Известия Уральского государственного экономиче-ского университета. 2013;(3–4):52–60.

9. Гюлумян К. Г., Клупт М. А. Кризис, рецессия и социальное развитие: межстрановый анализ. Вопросы статистики. 2014;(6):59–66.

10. Pang B., Lee L. Opinion mining and sentiment analysis. Foundations and Trends in Information Retrieval. 2008;2(1–2):1–135. DOI: 10.1561/1500000011

11. Wiebe J., Bruce R., O’Hara T. Development and use of a gold-standard data set for subjectivity classifications. In: Proc. 37 th Annual Meeting of the Association for Computational Linguistics. College Park, MD: University of Maryland; 1999:246–253.

12. Pang B., Lee L., Vaithyanathan S. Thumbs up? Sentiment classification using machine learning techniques. In: Proc. 2002 Conf. on empirical methods in natural language processing (EMNLP 2002). Stroudsburg, PA: Association for Computational Linguistics; 2002. URL: http://www.cs.cornell.edu/people/pabo/papers/sentiment.pdf

13. Turney P. Thumbs up or thumbs down? Semantic orientation applied to unsupervised classification of reviews. In: Proc. 40 th Annual Meeting of the Association for Computational Linguistics. Philadelphia, PA: University of Pennsylvania; 2002:417–424.

14. Ganapathibhotla M., Liu B. Mining opinions in comparative sentences. In: Proc. 22nd Int. Conf. on Computational Linguistics. Manchester: Brighton; 2008:241–248.

15. Liu B. Sentiment analysis and subjectivity. In: Indurkhya N., Damerau F. J., eds. Handbook of natural language processing. 2 nd ed. Boca Raton, FL: CRC Press; 2010:627–665. URL: http://www.cs.uic.edu/~liub/FBS/NLP-handbook-sentiment-analysis.pdf

16. Manning Ch., Raghavan P., Schütze H. Introduction to information retrieval. Cambridge: CUP Publ.; 2009. 544 p.

17. Пазельская А. Г., Соловьев А. Н. Метод определения эмоций в текстах на русском языке. Компьютерная лингвистика и интеллектуальные технологии: «Диалог-2011». М.: Изд-во РГГУ; 2011;(10):510–522.

18. Cambria E., Havasi C., Hussain A. SenticNet 2: A semantic and affective resource for opinion mining and sentiment analysis. In: Youngblood G., McCarthy P. eds. Proc. 25 th Int. Florida Artificial Intelligence Research Society Conf. (FLAIRS-12). Palo Alto, CA: Association for the Advancement of Artificial Intelligence; 2012:202–207.

19. Ramskogler P. Tracing the origins of the financial crisis. OECD Journal: Financial Market Trends. 2014;(107):47–61.

20. Claessens S., Dell’Ariccia G., Igan D., Laeven L. Lessons and policy implications from the global financial crisis. IMF Working Paper. 2010;(44). URL: https://www.imf.org/external/pubs/ft/wp/2010/wp1044.pdf

21. Halе G., Arteta C. Currency crises and foreign credit in emerging markets: Credit crunch or demand effect? European Economic Review. 2009;53(7):758–774. DOI: 10.1016/j.euroecorev.2009.03.001

22. Shimpalee P., Breuer J. Currency crises and institutions. Journal of International Money and Finance. 2006;25(1):125–145. DOI: 10.1016/j.jimonfin.2005.10.008

23. Reinhart C. M., Rogoff K. S. This time is different: A panoramic view of eight centuries of financial crises. NBER Working Paper. 2008;(13882). URL: https://www.nber.org/papers/w13882.pdf