УДК: 339.743:336.76(470)
ББК: У268.62
Аркадьева О.Г., Креминский П.И.
Сравнительная оценка реализованной волатильности доллара и юаня на финансовом рынке Российской Федерации
Ключевые слова: факторы волатильности, курсы валют, долларовое доминирование, юанизация, GARCH-модели, переливы волатильности, пики волатильности
В условиях постпандемийной макроэкономической нестабильности исследование волатильности валют приобретает особую значимость для финансового анализа и принятия инвестиционных решений. Волатильность является по своей сути отражением степени макроэкономической и финансовой неопределенности и степени реакции на различные события цен на биржевые активы, что обусловливает актуальность изучения реализованной волатильности ключевых для российского рынка валют на современном этапе.
Целью исследования являются выделение факторов волатильности доллара и юаня и сравнительная оценка степени реализованной волатильности этих валют на российском финансовом рынке в постпандемийный период, характеризующийся последовательной сменой периодов макроэкономической нестабильности.
Материалы и методы. В программной среде разработки и выполнения программного кода на языке Python в облаке – Google Colab – были импортированы библиотеки Pandas, Numpy, Arch, Matplotlib, Openpyxl. Для проверки гипотезы исследования и анализа волатильности курса валют использовались ежемесячные данные по валютным парам USD/RUB и CNY/RUB, загруженные с сайта investing.com. Период наблюдения – с 1 января 2020 г. по 1 апреля 2025 г. На основе этих данных в среде Google Colab была сформирована GARCH-модель, осуществлены ее параметризация и подгонка. В дальнейшем результаты GARCH-моделирования были дополнены анализом фундаментальных факторов движения курсов валют.
Результаты. Проведенное исследование позволяет дифференцировать факторы реализованной волатильности доллара США и китайского юаня на российском финансовом рынке за период с 2020 по 2025 г., охватывающий значительные макроэкономические, политические и рыночные трансформации. GARCH-модель подтвердила наличие значительно большей амплитуды колебаний курса USD/RUB по сравнению с CNY/RUB. Особенно резкие скачки были зафиксированы в марте 2020 г., феврале 2022 г. и августе 2024 г., когда доллар проявлял резкую реакцию на внешнеполитические и санкционные события. В этих условиях курс юаня сохранял относительную стабильность, демонстрируя меньшую чувствительность к макроэкономическим триггерам, что обусловило меньшую реализованную волатильность.
Выводы. Волатильность доллара на российском рынке существенно выше, особенно в периоды кризисных шоков (например, февраль–май 2022 г.), что отражает его высокую зависимость от внешнеполитических факторов и международных санкционных ограничений. Юань характеризуется меньшей реализованной волатильностью, что в условиях экономической нестабильности усиливает его привлекательность для использования в целях осуществления расчетов и хеджирования при условии развития соответствующего инструментария. Вышеперечисленное подтверждает исходную гипотезу о большей стабильности юаня по сравнению с долларом США, однако стабильность эта – нерыночного характера. Анализ периодов пиков волатильности позволил увязать рыночные реакции с конкретными макроэкономическими и политическими событиями, включая пандемию, санкционные пакеты, энергетические кризисы и изменения политики Банка России. Полученные результаты подчеркивают актуальность диверсификации валютных рисков в условиях макроэкономической нестабильности и расширения инструментария альтернативных валют (в частности, юаня) в расчетных операциях и инвестиционной практике на российском рынке.
Литература
- Доллар США/Российский рубль [Электронный ресурс]. URL: https://ru.investing.com/currencies/usd-rub (дата обращения: 29.04.2025).
- Жариков М.В. Анализ факторов, условий и перспектив повышения роли юаня в мировой валютной системе // Мировая экономика и мировые финансы. 2023. Т. 2, № 1. С. 5–14. DOI: 10.24412/2949-6454-2023-0010.
- Журавлева Т.В. Анализ поведения волатильности виртуальных валют при помощи одномерных моделей GARCH // Наукосфера. 2024. № 4-2. С. 361–367. DOI: 10.5281/zenodo.11120662.
- Китайский юань/Доллар США [Электронный ресурс]. URL: https://ru.investing.com/currencies/cny-usd-chart (дата обращения: 29.04.2025).
- Кросс-курсы валют. CNY [Электронный ресурс]. URL: https://ru.investing.com/currencies/single-currency-crosses?currency=cny (дата обращения: 29.04.2025).
- Лизун Е.И., Шершкина А.В., Костина О.И. Юань как новая валюта в российской экономике // Вестник Алтайской академии экономики и права. 2024. № 11-1. С. 64–68. DOI: 10.17513/vaael.3822.
- Перская В.В. Может ли юань заместить доллар в международных экономических отношениях? // Проблемы национальной стратегии. 2023. № 5(80). С. 144–171. DOI: 10.52311/2079-3359_2023_5_144.
- Торговая война с США заставила Китай продвигать цифровой юань [Электронный ресурс]. URL: https://ru.investing.com/news/cryptocurrency-news/article-2718720 (дата обращения: 29.04.2025).
- Alfeus M., Harvey J., Maphatsoe P. Improving realised volatility forecast for emerging markets. J Econ Finan, 2025, no. 49, pp. 299–342. DOI: 1007/s12197-024-09701-x.
- Escobar-Anel M., Spies B., Zagst, R. Optimal consumption and investment in general affine GARCH models. OR Spectrum, 2024, no. 46, pp. 987–1026. DOI: 10.1007/s00291-024-00749-z.
- Fang Z., Han J.Y. Realized GARCH Model in Volatility Forecasting and Option Pricing. Comput Econ, 2025. DOI: 10.1007/s10614-024-10826-8.
- Matsui T., Knottenbelt W.J. Forecasting Realised Volatility: Implied and GARCH Volatility in Bitcoin, Gold, Oil Markets. In: Mathematical Research for Blockchain Economy. MARBLE 2024. Lecture Notes in Operations Research. Springer, Cham, 2024, pp. 113–128. DOI: 1007/978-3-031-68974-1_6.
- RMB Tracker. Swift. Available at: https://www.swift.com/sites/default/files/files/rmb-tracker_april-2025-1.pdf.
- Stavrakeva V., Tang J. Explaining the great moderation exchange rate volatility puzzle. IMF Econ Rev, 2025, no. 73, pp. 196–238. DOI: 1057/s41308-024-00264-9.
- Takahashi M., Omori Y., Watanabe T. Stochastic volatility and realized stochastic volatility models. Springer Singapore, 2023, 113 p. DOI: 10.1007/978-981-99-0935-3.
- Tang S.H., Rosenbaum M., Zhou C. Forecasting volatility with machine learning and rough volatility: example from the crypto-winter. Digit Finance, 2024, vol. 6, pp. 639–655. DOI: 10.1007/s42521-024-00108-1.
- Vo M. Measuring and Forecasting Stock Market Volatilities with High-Frequency Data. Comput Econ, 2024. DOI: 1007/s10614-024-10674-6.
- Wang Q., Yao Z. Bayesian influence diagnostics for a multivariate GARCH model. Stat Papers, 2025, no. 66, p. 35. DOI: 1007/s00362-024-01649-8.
- Yıldırım H., Bekun F.V. Predicting volatility of bitcoin returns with ARCH, GARCH and EGARCH models. Futur Bus J, 2023, no. 9, p. 75. DOI: 10.1186/s43093-023-00255-8.
Сведения об авторах
- Аркадьева Ольга Геннадьевна
- кандидат экономических наук, доцент кафедры финансов, кредита и экономической безопасности, Чувашский государственный университет, Россия, Чебоксары (knedlix@yandex.ru; ORCID: https://orcid.org/0000-0003-4868-2365)
- Креминский Павел Игоревич
- специалист ГДП_04, Банк ВТБ (ПАО), Россия, Чебоксары (pavelhulk58@mail.ru; )
Ссылка на статью
Аркадьева О.Г., Креминский П.И. Сравнительная оценка реализованной волатильности доллара и юаня на финансовом рынке Российской Федерации [Электронный ресурс] // Oeconomia et Jus. – 2025. – №2. – С. 1-14. – URL: https://oecomia-et-jus.ru/single/2025/2/1/. DOI: 10.47026/2499-9636-2025-2-1-14.
