Аннотация результатов, полученных в 2022 году
1. Сформирована и размещена в открытом доступе база данных различных индексов сентимента в дневном и недельном таймфрейме как по глобальному рынку, так и по отдельным странам и финансовым активам (классам активов). 2. Разработаны авторские индексы сентимента с применением нейронных сетей для разметки тональности (Твиттер для рынка США, Телеграмм каналы для российского рынка), построены временные ряды значений индексов по набору акций российского и американского рынков. 3. Проведено тестирование комплекса экономико-математических моделей для проверки гипотез влияния метрик и индексов сентимента на биржевые характеристики ценных бумаг (акции российского и американского рынков). 4. Для отдельного класса активов - исламские облигации сукук (Dow Jones Sukuk) применен вейвлет-анализ (wavelet approach) поиска влияния панических метрик сентимента на их биржевые характеристики. Сделаны выводы о привлекательности сукук для хеджирования на инвестиционном рынке на разных фазах развития экономики и панических настроений. Проведено сопоставление финансовых инструментов разной срочности относительно подверженности паническим настроениям инвесторов. 5. Проведен анализ переливов доходности и волатильности (статичный и динамический) между компонентами кривой доходности США и индексами рыночного сентимента. 6. Сопоставлены метрики панического сентимента (включая число вакцинируемых как прокси-показатель тревожности на рынке) по степени влияния на биржевые характеристики разных классов активов: облигации, фьючерсы на нефть, отраслевые индексы акций. 7. Опубликованы научные работы по теме исследования. Опубликована в журнале Scopus (Q1) статья: Bossman A., Teplova T., Umar Z. (2022). Do local and world Covid-19 media coverage drive stock markets? Time-frequency analysis of BRICS. Complexity. Vol. 2022. Article ID 2249581. В работе Bossman et al. (2022) исследовано влияние освещения пандемии Covid-19 в СМИ как показателя настроений инвесторов на финансовые рынки. Чтобы определить, как освещение в местных и глобальных СМИ по-разному влияет на финансовые рынки, мы рассматриваем крупные развивающиеся рынки стран БРИКС. Выборка данных охватывает два периода 2020 г.: период шока, связанный с началом пандемии, и период «новой нормальности». Наши результаты демонстрируют ведущую роль медиа сентимента в начальный период пандемии, особенно при средней и низкой частоте. В период «новой нормальности» мы выявили значительное влияние освещения пандемии в глобальных СМИ на фондовые рынки стран БРИКС. Принята к публикации и опубликована онлайн в журнале Scopus (Q2) статья: Umar Z., Gubareva M., Sokolova T. (2022). Assessing the impact of media sentiment on the returns of sukuks during the Covid-19 crisis. Applied Economics. doi: 10.1080/00036846.2022.2097187. В статье Umar et al. (2022) с применением вейвлет-анализа изучено влияния освещения течения пандемии Covid-19 в СМИ (измеряемого на основе индекса Media coverage) на доходность индекса сукук DJ sukuk. Выявлено, что общий уровень согласованности для указанных индексов увеличивается с увеличением инвестиционного горизонта. Выявлены несколько частотно-временных областей со слабой когерентностью между освещением пандемии в СМИ и доходностью индекса DJ sukuk. Показано, что привлекательность хеджирования менее выражена для сукук с остаточным сроком погашения от 1 до 3 лет. Полученные данные представляют практический интерес для разработки стратегий хеджирования, основанных на сукук. Опубликована коллективная монография: Теплова Т.В., Соколова Т.В., Файзулин М.С., Куркин А.В. (2022). «Сентимент инвесторов и аномалии в поведении биржевых характеристик инвестиционных активов». ИНФРА-М. Москва. Коллективная монография Тепловой и др. (2022) на русском языке ранжирует и классифицирует каналы коммуникаций разных групп участников инвестиционного рынка. В книге количественно оценивается влияние трех эффектов (внимания, заметности и эмоциональной лояльности) на ценообразование финансовых активов, включая криптоактивы. Акцент в работе сделан на эволюцию подходов к построению прокси-показателей трех эффектов ценообразования, количественной оценке их значимости в эмпирических исследованиях. Монография впервые обобщает описанные в академической литературе эмпирические результаты тестирования различных гипотез о поведении инвестиционных активов под влиянием метрик инвестиционного внимания и сентимента, а также демонстрирует авторские приемы анализа текстовых сообщений в различных каналах коммуникаций. Представлен большой статистический материал по участию розничных инвесторов на сегментах инвестиционного рынка, включая криптовалюты и NFT, а также рекомендации по построению инвестиционных стратегий с учетом сентимента на рынке в целом и по отдельным активам.

Аннотация результатов, полученных в 2023 году
План работ на 2023 год выполнен в полном объеме: 1. Разработаны модели, объясняющие аномалии в паттернах поведения доходности, волатильности, ликвидности и корреляционной зависимости финансовых активов (акции, государственные и корпоративные облигации) с акцентом на превалирование роли тех или иных каналов коммуникаций (социальные сети, новостная лента) в зависимости от изменения рыночных факторов и поведенческих искажений участников. По анализу сентимента и поведению цен зарубежных ценных бумаг, доступных российским инвесторам, раскрыты особенности парадокса «home bias» российских инвесторов (хорошо документированный феномен, когда инвесторы рынка США более оптимистично смотрят на «домашние акции» американских компаний, чем на иностранные, что приводит к смещениям в портфелях относительно рациональной пропорции зарубежных и локальных активов). 2. Оценена объясняющая и прогнозная силу уже разработанных индексов сентимента и метрик заметности (базирующихся на поисковых запросах в Яндекс) применительно к развивающимся рынкам и к российскому рынку, в частности. Разработана линейка авторских индексов сентимента (обновляемых на ежедневной и еженедельной основе) для классов инвестиционных активов (акции, криптовалюты) и для отдельных акций и криптовалют с учетом оптимизации весов разных каналов коммуникации между участниками рынка и учитывающих тональность сообщений. 3. Подготовлена монография, посвященная моделям текстовой обработки сообщений инвесторов и аналитиков и новостной ленты, базирующимся на применении методов искусственного интеллекта (ИИ). Разработаны и сопоставлены по метрикам качества оригинальные авторские модели текстовой обработки, основанные на ИИ. Сопоставлены отдельные модели ИИ и ансамблевые подходы (голосующая модель, стекинг модель). В частности, в рамках данного направления проанализирован широкий круг коммуникационных источников с помощью базовой конструкции модели Google BERT с авторской нейролингвистической моделью классификации текстов по сентименту (с конвертацией в словарь английского языка). Построена оригинальная модель BERT за счет дообучения ее на задаче классификации текстов по сентименту с дополнительным упором на классификацию текстов по содержащемуся в них инвестиционному настроению (целесообразность инвестирования). На основе разработанных моделей анализа текста построены метрики сентимента по российскому рынку ОФЗ и выявлено влияние этих метрик на биржевые характеристики ОФЗ. 4. Построены оригинальные авторские метрики сентимента геополитической напряженности и выявлено их влияние на валютные рынки различных стран с применением вейвлет-анализа. Подготовлена научная статья по теме исследования. 5. Исследовано влияние освещения в СМИ пандемии COVID-19 на рынки акций стран Африки с применением вейвлет-анализа. Подготовлена научная статья по теме исследования. 6. Опубликованы научные работы: 6 статей в журналах Scopus или WoSCoreCollection (включая 4 статьи в журналах Q1 Scopus). Подготовлена и отправлена в российское издательство монография "Модельные конструкции выявления взаимосвязи сентимента каналов коммуникаций инвесторов с поведением инвестиционных активов" (избранные главы прилагаются к отчету в разделе "Дополнительные материалы"). Подготовлена заявка на патент на программный код "Программа для прогнозирования динамики временных рядов в рамках решения задач финансовой экономики с применением машинного обучения и нейронных сетей" (см. персональную страницу Тепловой Т.В. https://www.hse.ru/org/persons/65923#sci, раздел Авторские права и патенты). В монографии Тепловой Т.В. и др. (2024) "Модельные конструкции выявления взаимосвязи сентимента каналов коммуникаций инвесторов с поведением инвестиционных активов" представлен обзор модельных конструкций, применяемых для выявления взаимосвязи сентимента и биржевых характеристик акций, а также конструкций для выявления тональности текстовых материалов в медиа каналах, мессенджерах и социальных сетях. Представлены гипотезы, методология и результаты авторских эмпирических исследований по влиянию сентимента на биржевые характеристики акций. В частности, разработаны модели вейвлет-анализа для выявления динамических взаимосвязей между сентиментом и биржевыми характеристиками активов. Построены авторские метрики дивергенции сентимента. Разработаны оригинальные модели ИИ для прогнозирования и объяснения доходности акций российского рынка с учетом сентимента частных инвесторов и дивергенции мнений по различным платформам. В статье Agyei, Umar, Bossman & Teplova (2023) с применением подхода TVP-VAR исследованы статические и динамические эффекты переливов между глобальными сырьевыми рынками, сентиментом в новостях экономической тематики и рынками акций стран Африки к югу от Сахары (Тропической Африки). Выявлены сегменты рынков акций, которые обладают свойствами «убежища» и «хеджирования» для глобальных сырьевых инвесторов. Раскрыта роль сентимента в новостях экономической тематики в переливах доходности и волатильности между рынками. В статье Ghosh, Pham, Gubareva & Teplova (2023) исследована квантильная связанность между металлами, необходимыми для перехода от грязной к чистой энергетике, и глобальными индексами настроений относительно экономики. С применением моделей квантильных векторных авторегрессий (QVAR) и обобщенного разложения дисперсии ошибок прогнозирования (GFEVD) выявлены передатчики и реципиенты шоков в рассматриваемой системе. В статье Bossman, Gubareva & Teplova (2023) изучены асимметричные взаимосвязи между доходностью акций компаний ЕС из различных отраслей и ценами на нефть, подразумеваемой волатильностью на рынке нефти, геополитическим риском и рыночным сентиментом. С применением параметрических и непараметрических методов, основанных на квантилях, выявлены факторы, позволяющие прогнозировать доходность акций ЕС различных отраслей. Также выявлены возможности хеджирования инвестиций в акции компаний ЕС различных отраслей. В статье Teplova, Gubareva & Kudriavtsev (2023) проведен нейросетевой анализ влияния настроений российских розничных инвесторов на поведение цен акций известных американских компаний. Исследование фокусируется на ситуации временной сегментации фондового рынка (период, когда торги активны на бирже СПБ и неактивны на биржах США). Построены оригинальные авторские метрики сентимента в социальных сетях и выявлены аномалии ценообразования на российском развивающемся рынке. В статье Teplova, Kurkin & Baklanova (2023) исследованы факторы, определяющие торговую активность для особого класса криптоактивов: невзаимозаменяемых токенов (NFT). С применением четырех подходов объяснительного ИИ (важность характеристик - Feature Importance, важность перестановок - Permutation Importance, вектора Шепли - SHAP, локальные интерпретируемые объяснения, независимые от модели - LIME) выявлена значимость ряда индексов сентимента, основанных как на новостной ленте, так и на макроэкономических показателях, а также на данных о настроениях инвесторов, полученных из Twitter. В статье Umar, Adekoya, Oliyide & Teplova (2023) изучены эффекты переливов от индекса настроений в средствах массовой информации (MCI) на доходность и волатильность различных сукук с инвестиционным рейтингом во время пандемии COVID-19 с использованием векторной авторегрессии с изменяющимися во времени параметрами (TVP-VAR). Показано, что настроения в СМИ оказывают более сильное влияние на доходность облигаций, чем их волатильность. В статье Baklanova, Kurkin & Teplova (2023) построены модели машинного обучения и применен объяснительный ИИ для оценки влияния настроений инвесторов на объем продаж невзаимозаменяемых токенов (NFT). Разработан авторский оригинальный индекс ажиотажа (хайпа) на рынке NFT на основе текстового анализа материалов, опубликованных 62 лидерами мнений в социальной сети Twitter. Построенный индекс хайпа на рынке NFT продемонстрировал более высокую степень точности прогнозирования по сравнению с рядом других известных индексов настроений.