Проблема финансового заражения стала предметом научных исследований после кризиса на азиатских фондовых рынках (1997–1998 гг.). В этот период ученые обнаружили передачу негативных импульсов между рынками разных стран и вскрыли уязвимость экономических систем к экономическим и финансовым потрясениям, вызванным событиями, происходящими даже в отдаленных уголках земного шара. Азиатский финансовый кризис, начавшийся в 1997 г., и российский кризис 1998 г. глубоко потрясли регион Латинской Америки. Это заражение произошло по нескольким каналам. Падение спроса в Азии способствовало снижению мировых цен на сырьевые товары, сократив экспортные доходы регионов, ориентированных на экспорт сырья, и подорвав государственные финансы ряда стран. Российская девальвация вызвала угрозу суверенного дефолта, что заставило инвесторов по всему миру более осторожно относиться к оценке рисков своих трансграничных активов [1]. Кроме того, на спреды облигаций стран Латинской Америки повлияли также изменения процентных ставок в США во второй половине 1990-х гг. [2].

В то время ученые пытались ответить на вопрос, почему некоторые финансовые кризисы оказываются заразными для других стран и почему некоторые страны с развивающимися рынками оказываются более уязвимыми к заражению, чем другие [3]. Исследователи пришли к выводу, что, помимо макроэкономического сходства экономик или торговых связей стран, важную, а иногда и определяющую роль в финансовом заражении играют переливы капитала (spillovers) через международные банковские центры [4].

В последующем интерес к проблеме заражения возобновился в связи с мировым финансовым кризисом 2008–2009 гг. Пришло понимание, что степень распространения заражения в значительной степени зависит от объема информации, доступной экономическим агентам, и характера ее интерпретации [5]. В этот период много внимания уделялось изучению влияния мирового финансового кризиса на локальные экономики [6].

Новый виток интереса к теме возник в период пандемии COVID-19. Изучая влияние крушения цен на нефть, падения фондовых активов и девальвации национальных валют в одних странах на другие, авторы приходили к противоречивым умозаключениям. Некоторые делали вывод, что пандемия COVID-19 вызвала более серьезные эффекты заражения и передачи рисков, чем мировой финансовый кризис 2008–2009 гг. [7]. Другие писали о том, что во время пандемии COVID-19 взаимное влияние колебаний нефинансовых рынков и неопределенности цен на нефть существенно возросло, но не превысило уровня 2007 г. – начала глобального финансового кризиса [8]. Также отмечалось, что эффект заражения оказался существенно менее связанным с уровнем глобальной интеграции, например, азиатские рынки доказали большую подверженность заражению со стороны соседних стран – Японии и Китая [9].

За тридцатилетнюю историю теория финансового заражения обрела некоторую целостность и логическое единство. Появилось множество определений и интерпретаций финансового заражения. Учеными исследованы различные импульсы (первопричины), условия, факторы и каналы передачи заражения. Для диагностики, измерения и прогнозирования финансового заражения выработан целый комплекс продвинутых методов и моделей. Кроме межстранового (пространственного) заражения, которому были посвящены пионерные исследования, появилось немало статей, исследующих межрыночное и межотраслевое заражение. Наконец, финансовое заражение анализируется в контексте государственного регулирования экономики и использования его инструментов для нейтрализации или смягчения влияния негативных внешних импульсов на развитие национальных экономик.

Целью настоящего исследования является идентификация наличия/отсутствия передачи финансового заражения между отраслями российской экономики в период пандемии 2020–2021 гг. Реализация этой цели предполагает выполнение следующих задач: раскрытие теоретико-методологических основ процессов финансового заражения; обоснование базы исследования; выработка адекватных подходов к диагностике и измерению заражения (метода моментов распределения); установление с их помощью наличия, направленности и масштабов передачи финансового заражения между шестью основными отраслями российской экономики (нефтегазовой, металлургической и химической отраслями, производством потребительских товаров и розничной торговлей, отраслью телекоммуникаций и электроэнергетикой); объяснение полученных результатов особенностями пандемического кризиса и тенденциями развития российской экономики.

Согласно словарю Вебстера, заражение определяется как «болезнь, которая может передаваться быстро через прямой или косвенный контакт» [10]. Появление термина «финансовое заражение» было связано с развитием так называемого эпидемиологического подхода в экономике и переносом известных подходов из сферы медицины в сферу экономики [11].

Исследователи, изучающие процессы интеграции финансовых рынков, разграничивают понятия «взаимосвязь» (interdependence), «совместное движение» (co-movement), «заражение» (contagion), «трансмиссия» (transmission) и «вторичный/побочный эффект» (spillover). Главными отличиями заражения от других типов финансового взаимодействия является то, что оно происходит за пределами фундаментальных связей и влияния обычных шоков. Заражение обязательно предполагает внешний импульс и происходит в кризисные времена [12].

В самом широком смысле финансовое заражение может определяться как ситуация, при которой шок на рынке одного актива влияет на цены на рынке другого актива [13]. В более узком смысле финансовое заражение – значительное усиление совместного движения цен и объемов на разных рынках при условии, что кризис произошел только на одном рынке или группе рынков. При этом акцент делается либо на географическом принципе – заражение происходит, если волатильность перетекает с финансовых рынков страны происхождения кризиса на финансовые рынки других стран, значительно увеличивая вероятность потрясений на них [14]. Либо исследуются причины самого заражения (совместное движение не может быть объяснено фундаментальными факторами, или канал передачи меняется после шока на одном рынке) [15].

Многие исследователи пишут о том, что речь должна идти именно о некотором «сдвиге» (shift contagion), т. е. средняя доходность одного рынка в зависимости от доходности других рынков при заражении должна вести себя иначе во время кризисов по сравнению со спокойными временами [16]. Отдельные исследователи делают акцент на том, что последствия должны быть немедленными – проявляться быстро и развиваться активно в течение нескольких часов или дней [17]. Для некоторых исследователей важен размер этого влияния, и заражением можно считать только значительное увеличение межрыночных сдвигов в период кризиса, которое превышает сдвиги в докризисный период [18]. При регрессионном моделировании заражение определяется как увеличение корреляции между остатками модели, которые не могут быть объяснены изменениями в общих факторах риска [19].

Отмечается важная роль глобализации в создании системной угрозы финансовой стабильности. Международная финансовая интеграция способствует росту уязвимости стран к заражению в период кризиса. Например, страны с низко капитализированными банковскими системами в большей степени зависят от притока внешних финансовых ресурсов и поэтому сильнее подвержены угрозе заражения по каналу банковской ликвидности [20]. Согласно работе Ozkan и Unsal [21], масштаб финансовых переливов из мировой экономики в национальную и открытость торговли являются ключевыми факторами, определяющими тяжесть финансового кризиса для национальной экономики. При этом региональная концентрация финансового заражения объясняется схожей чувствительностью стран одного региона к международным финансовым источникам (общий кредитор) и финансовой хрупкостью национальных систем (недостаточностью собственных резервов) [22]. В то же время следует учитывать, что более высокий уровень финансовой интеграции также способствует развитию внутренних рынков вовлеченных стран, укреплению корпоративной финансовой среды, накоплению капитала и технологическим инновациям, является ключевым фактором экономического роста [15], что в долгосрочном периоде уменьшает риски финансового заражения.

Непосредственным поводом к финансовому заражению может послужить девальвация валюты или объявление дефолта по суверенным долговым обязательствам, что приводит к снижению цен фондовых активов, резкому увеличению стоимости заимствований, нехватке международного капитала, падению производства [17]. Сопутствующими условиями финансового заражения ученые называют асимметрию информации, формирование ожиданий и стадный инстинкт [23]. Финансовое заражение может снижать выгоды от диверсификации инвестиционных портфелей и влиять на оценку богатства, что требует пересмотра подходов к управлению рисками [24]. Для разработки политики оптимизации инвестиционных портфелей в периоды финансовых потрясений необходимо четкое понимание источника и канала передачи возмущения, а также структуры национальной финансовой системы [18].

В широком смысле исследователи разграничивают два основных канала, по которым происходит заражение финансовых рынков: физическое воздействие и асимметрия информации [19]. Физические каналы передачи заражения в основном связаны с взаимодействием стран по линии двух статей платежного баланса: счета движения капитала (финансовых активов) и счета текущих операций (основной частью которого является торговый баланс). Ряд авторов находят доказательства, что финансовое заражение распространяется в основном через каналы ликвидности и премии за риск, а не через корреляционно-информационный канал [25]. И что действие физических каналов со временем только усиливается: например, в 2000-х гг. оно было значительнее, чем в 1990-х гг. [26].

Информационные каналы передачи заражения изучаются с позиции гипотезы «тревожного звонка» (wake-up-call) [27] и особенностей поведения инвесторов на финансовом рынке [28], в том числе разных поведенческих аномалий [29]. Некоторые исследователи разграничивают два основных класса информационных каналов. Фундаментальный канал основан на анализе фундаментальных реальных и финансовых связей между экономиками. Канал социального обучения заключается в том, что агенты основывают свои решения на наблюдениях за действиями других агентов на зарубежных рынках [30]. Так, например, распространение потрясений после событий на рынке облигаций SAR в Гонконге в 1997 г. было следствием негативных настроений, вызванных обучением инвесторов, а не просто изменений фундаментальных показателей [31]. При этом идиосинкразические шоки, возникающие на одном рынке, могут передаваться другим рынкам как через межрыночное хеджирование макроэкономических рисков [13], так и по линии межрыночного восстановления балансов [32]. Даже при отсутствии других дефолтов проблемные, но не дефолтные учреждения передают заражение по каналам, отличным от канала платежеспособности. Слабость их баланса снижает стоимость их обязательств, тем самым негативно влияя на межбанковских кредиторов еще до наступления кредитного события [33].

Важной методологической проблемой является правильная диагностика заражения и измерение влияния шока в одной стране (на конкретном рынке или в конкретной отрасли) на другие страны (рынки, отрасли). Для диагностики и измерения заражения современные ученые предлагают целый арсенал подходов, методов и моделей:

Отдельным вопросом теории финансовых заражений является межотраслевой аспект. Наиболее часто авторы изучают связи между реальным и финансовым секторами экономики [52], а также передачу заражения от того или иного глобализированного рынка (сырья, электроэнергии, металлов) другим отраслевым рынкам. Например, в работе Fijorek с соавт. [53] изучалась передача финансового заражения от банковского сектора к добывающей отрасли. Исследуя динамику распространения заражения между банковским, страховым и теневым банковским секторами, Franch с соавт. [54] обнаружили, что банковская система оказывается основным источником и передатчиком стресса, а банки и теневые банки сильно взаимосвязаны, при этом страховой сектор вносит меньший вклад в передачу стресса во все периоды, за исключением мирового финансового кризиса. В статье Li с соавт. [55] с помощью сетевого метода и оценки эффекта воздействия (treatment effect) изучалось заражение отраслей китайской экономики от распространения коронавирусной инфекции COVID-19.

В настоящем исследовании с помощью метода К. Форбс и Р. Ригобона [36] и ряда сопутствующих тестов, на основе выделения периодов повышенной волатильности фондового рынка в условиях пандемии COVID-19 мы исследуем эффекты передачи заражения между основными отраслями российской экономики.

Для получения оценок межотраслевых эффектов мы используем следующие три теста.

A. Тестирование заражения на основе сравнения коэффициентов корреляции

Как уже отмечалось в теоретической части статьи, одним из наиболее известных методов тестирования финансового заражения является сравнение корреляции доходности двух активов (обозначим эти активы i и j, а их доходности ri и rj) в докризисный (x) и кризисный (y) периоды. Рост корреляции во время кризиса (ρy > ρх) может свидетельствовать о влиянии одного актива на другой и о переносе заражения из одной сферы в другую.

Согласно Форбс [56], для преодоления проблемы гетероскедастичности, коэффициент корреляции кризисного периода следует корректировать с учетом роста волатильности актива i, передающего заражение:

 (1)

где ρy – коэффициент корреляции Пирсона для активов i и j в кризисный период y;  и  – вариация (дисперсия) доходности актива i в докризисный и кризисный периоды соответственно.

Если скорректированная корреляция доходностей двух активов в кризисный период выше, чем в докризисный период, т. е. vy / x > ρx, делается вывод о возможном заражении актива j активом i.

Для проверки нулевой гипотезы (о равенстве корреляций: vy / x = ρx) рассчитывается тестовая статистика Форбс – Ригобона:

 (2)

где Tx означает оценки, полученные на основе выборочных совокупностей, Tx и Ty– размер выборки (количество наблюдений) в докризисном и кризисном периодах соответственно.

Для принятия нулевой гипотезы FR1 должно быть ниже критического значения стандартизированного параметра z при соответствующем уровне значимости α (при α = 0,05; z = 1,645). Если же FR1 > z, нулевая гипотеза отклоняется и делается вывод о возможном заражении.

Б. Тестирование заражения на основе совместной асимметрии распределения

Некоторые исследователи обнаружили, что корреляции доходностей отражают лишь первый момент распределения и поэтому не показывают всего масштаба заражения. Для полноценной картины необходимо рассчитывать более высокие моменты распределения. Так, Harvey и Siddique [57] предложили учитывать взаимодействие между первым и вторым моментами распределения, т. е. проводить тестирование на так называемую коасимметрию доходностей. В работе Fry с соавт. [58] представлен соответствующий тест (coskewness test), включающий два этапа:

1) расчет асимметричной ковариации двух активов отдельно для докризисного и кризисного периодов:

 (3)

 (4)

где  и  – оценка математического ожидания доходности активов i и j в соответствующем периоде; m и n – степени, соответствующие моментам распределения;

2) расчет тестовых статистик право- и левосторонней коасимметрии:

 (5)

 (6)

При нулевой гипотезе, свидетельствующей об отсутствии заражения, приведенная выше тестовая статистика имеет асимптотически нормальное распределение: . Альтернативная гипотеза говорит о наличии заражения. Нулевая гипотеза отвергается, если тестовая статистика выше определяемого табличным путем критического значения, которое при уровне значимости α = 0,05 равно 3,84. В таком случае делается вывод о передаче заражения от актива i активу j.

В работе Hui и Chan [59] было предложено увеличить момент распределения еще на один уровень и в дополнение к совместной асимметрии рассчитывать кокуртозис (совместный эксцесс) как еще одно свидетельство заражения. Проведение данного теста (cokurtosis test) также включает два этапа:

1) расчет асимметричной ковариации двух активов по формулам 3 и 4 для m = 1 и n = 3;

2) расчет тестовых статистик:

 (7)

 (8)

При нулевой гипотезе, свидетельствующей об отсутствии заражения, приведенная выше тестовая статистика имеет асимптотически нормальное распределение: . Альтернативная гипотеза говорит о наличии заражения. Она не отвергается, если тестовая статистика оказывается выше определяемого табличным путем критического значения, которое при уровне значимости α = 0,05 равно 3,84.

Все расчеты проводились в среде Microsoft Excel.

В заключение этой части отметим, что впервые описанные выше методы для российской экономики были применены в работе Malkina и Ovcharov [60], где анализировалось влияние рынка нефти на заражение российских компаний в период воздействия пандемических и санкционных шоков. В настоящем исследовании мы используем эти методы для анализа межотраслевых эффектов заражения под влиянием пандемии COVID-19.

Для исследования нами были выбраны данные по шести отраслевым индексам Российской торговой системы (далее – РТС):

В расчетах использовались данные о среднедневных индексах по итогам торгов в РТС с 01.01.2019 по 23.02.2022 (до политического и экономического шока, вызванного военной операцией и введением масштабных санкций против России). На рис. 1 представлены временные ряды волатильности, рассчитанные на основе скользящего коэффициента вариации индексов за 10 смежных дат торгов:

 (9)

где  – скользящее среднее квадратическое отклонение индекса,  – скользящее среднее значение индекса за тот же период.

Совместная динамика коэффициентов вариации разных индексов позволила четко разграничить допандемический период (01.01.2019 – 27.01.2020, Tx = 267) и пандемический период (28.01.2020 – 23.02.2022, Ty = 526). При этом границей разделения явился рост волатильности фондовых индексов выше медианы. Следует заметить, что эта волатильность начала повышаться еще до официального объявления пандемии: распространение коронавирусной инфекции сопровождалось ростом турбулентности фондовых рынков уже с конца января 2020 г. На основе такого же принципа (изменения в волатильности) внутри пандемического периода был выделен период первой (острой) фазы пандемии (28.01.2020 – 26.05.2020, Ty1 = 82), когда наблюдался взлет волатильности фондовых индексов. Этот период, охватывающий четыре первых месяца пандемии, мы назовем краткосрочным. Также выделим среднесрочный пандемический период, охватывающий первую и вторую волны заражения (28.01.2020 – 26.01.2021, Ty2 = 251). Наконец, долгосрочный пандемический период включает весь период пандемии вплоть до политического шока 24.02.2022 (28.01.2020 – 23.02.2022, Ty3 = 526).

На рис. 2 показана связь скользящего среднего коэффициента вариации индексов РТС и скользящего темпа прироста заражения населения России коронавирусной инфекцией. Последний определялся на основе среднего количества новых случаев заражения за 10 смежных дат со сдвигом на одно наблюдение. Также на этом рисунке вертикальными пунктирными линиями разделены допандемический и три пандемических периода, в которые попадают одна или несколько новых волн заражения.

Для расчета дневной доходности индексов РТС мы использовали формулу:

rit = ln (Pit) – ln (Pit – 1), (10)

где Pit и Pit – 1 – значение индекса в периоды t и t – 1 соответственно.

В табл. 1 приведены основные описательные статистики доходностей отраслевых индексов в рассматриваемых периодах. Прежде всего они свидетельствуют о существенном снижении доходности отраслевых индексов РТС в краткосрочном пандемическом периоде (острой фазе пандемии) и выходе всех среднедневных доходностей в отрицательную зону. В среднесрочном периоде наблюдался рост индексов и доходность выросла по сравнению с краткосрочным периодом пандемии. Что касается долгосрочного периода, по отдельным индексам наблюдался восстановительный рост (нефть и газ – RTSOG, химия и нефтехимия – RTSch), по другим – снижение.

Таблица 1 также свидетельствует о существенном росте волатильности доходности индексов (измеряемой стандартным отклонением) в краткосрочном пандемическом периоде по сравнению с допандемическим периодом. В среднесрочной перспективе вариация доходности снижалась для большинства индексов. В долгосрочном периоде это падение продолжилось. Исключение составляет индекс химии и нефтехимии (RTSch), волатильность доходности которого в долгосрочном пандемическом периоде оказалась несколько выше, чем в среднесрочном пандемическом периоде. При этом абсолютно по всем отраслевым индексам она оказалась выше, чем в допандемическом периоде.

В табл. 2 представлены коэффициенты корреляции доходности отраслевых индексов РТС в допандемическом периоде (ρx). В табл. 3 показаны скорректированные коэффициенты корреляции (vy / x), рассчитанные для краткосрочного, среднесрочного и долгосрочного периодов с использованием формулы (1) (для трех указанных периодов они отделены в каждой ячейке таблицы сдвигами вниз и вправо). В тех случаях, когда скорректированные коэффициенты корреляции во время пандемии оказались выше, чем до нее, можно заподозрить наличие заражения. Соответствующие ячейки в табл. 3 закрашены серым цветом. Для тех случаев, когда коэффициенты корреляции в период пандемии оказались ниже, можно сделать вывод об отсутствии заражения. При этом направление заражения трактуется по линии i → j. В дополнение табл. 3 содержит информацию о количестве подтверждаемых случаев заражения между отраслями в трех исследуемых периодах.

Предварительный анализ позволяет сделать вывод о неравномерности передачи заражения между отраслями во времени. Большее количество заражений (17) отмечается в среднесрочном периоде.

В краткосрочном периоде основным источником заражения оказываются химия и нефтехимия (RTSch), а также отрасль телекоммуникаций (RTSTL). Главные реципиенты заражения – производство потребительских товаров и торговля (RTSCR), а также электроэнергетика (RTSEU). Неожиданным результатом является отсутствие влияния на другие отрасли со стороны нефтегазового сектора (RTSOG) и металлургии (RTSMM).

В среднесрочном периоде основные источники заражения (RTSch и RTSTL) сохраняются, и к ним добавляется энергетика (RTSEU). Заражение более равномерно распространяется на все отрасли, однако наименее подверженной заражению оказывается металлургия (RTSMM).

В долгосрочном периоде основными источниками заражения остаются телекоммуникационная сфера (RTSTL) и энергетика (RTSEU). Энергетика выступает и главным реципиентом заражения, а также к числу преемников заражения относятся производство потребительских товаров, торговля (RTSCR) и отрасль телекоммуникаций (RTSTL). Относительно независимо ведут себя нефтяная отрасль и особенно металлургия, хотя на них оказывают влияние отрасль телекоммуникаций и энергетика.

Далее в табл. 4 представлены статистики теста Форбс – Ригобона для оценки значимости найденных взаимосвязей в краткосрочном, среднесрочном и долгосрочном пандемических периодах. В таблице серым цветом закрашены ячейки, для которых FR1 (i → j) > z, значит, нельзя отрицать наличие заражения по линии i → j.

Результаты теста Форбс – Ригобона несколько отличаются от результатов, полученных при простом сравнении коэффициентов корреляции. Прежде всего они подтверждают меньшее количество заражений. Более того, в краткосрочном периоде ни одно из предполагаемых заражений не является статистически значимым. Снова наибольшее количество вариантов заражения оказывается в среднесрочном периоде. Наиболее агрессивными сферами являются химия и отрасль телекоммуникаций, наиболее чувствительными к заражению – нефтяная отрасль, потребительская сфера и торговля, электроэнергетика. Металлургия опять оказывается относительно независимой отраслью, она не подтверждает ни одного эпизода заражения других отраслей и сама проявляет чувствительность только к состоянию телекоммуникационной отрасли в долгосрочном периоде.

Таким образом, использование первого момента распределения (по линии взаимосвязи доходностей) подтверждает весьма умеренное и ограниченное (по направленности) заражение между отраслевыми секторами фондового рынка. Для получения более полноценной картины перейдем к анализу более высоких моментов распределения.

В табл. 5 и 6 приведены результаты теста на совместную асимметрию доходностей. Они отчетливо свидетельствуют в пользу большей вероятности передачи заражения по каналу асимметрии, нежели в рамках первого момента распределения (84 эпизода заражения по тесту CS1 и 86 эпизодов по тесту CS2, против 13 по FR1 – в сумме за три периода). Другое отличие состоит в том, что при анализе асимметрии с расширением периода исследования количество заражений растет (24 и 26 случаев в краткосрочном периоде, по 30 случаев в среднесрочном и долгосрочном периодах).

Лидером заражения других отраслей оказываются химия и нефтехимия (30 случаев в сумме для двух тестов коасимметрии). Далее следуют отрасль телекоммуникаций и энергетика (по 29 случаев). Наименее агрессивной снова оказывается металлургия (26 случаев). Главным реципиентом заражения выступают потребительская сфера, торговля и химическая отрасль (по 30 случаев), за ними следуют отрасль телекоммуникаций (29 случаев) и энергетика (28 случаев). Наименее заразными оказываются металлургия (26 случаев) и нефтяная отрасль (27 случаев).

Тестирование финансового заражения по линии более высокого момента распределения (кокуртозиса) привело к однозначному выводу о наличии заражения по всем взаимодействующим парам во всех периодах. Из-за отсутствия значимых различий конкретные значения тестов на совместный эксцесс в данной работе мы опускаем. Отметим лишь, что значения тестовых статистик снова оказываются меньше в краткосрочном периоде, чем в среднесрочном и долгосрочном периодах, что свидетельствует о долгосрочных последствиях пандемии. Тест на кокуртозис выявил в среднем меньшее по силе заражение от металлургии, химической и нефтяной отраслей. Наиболее масштабными носителями заражения выступают энергетика, отрасль телекоммуникаций, производство потребительских товаров и торговля. Наиболее мощным реципиентом заражения по линии третьего момента распределения оказывается энергетика, далее с большим отрывом идет отрасль телекоммуникаций. Химия и металлургия оказываются наименее восприимчивыми к заражению.

В настоящее время концепция финансового заражения превратилась в самостоятельную, логически связанную область исследований со своими собственными теоретико-методологическими подходами. Опираясь на багаж накопленных знаний в данной области, в настоящей работе мы исследовали малоизученный аспект межотраслевого финансового заражения на примере передачи финансовых возмущений между основными отраслями российской экономики в период распространения коронавирусной инфекции COVID-19. Для этого использовались данные о динамике доходности шести отраслевых индексов РТС. На основе расчета скользящих коэффициентов вариации индексов РТС и темпов прироста заражения населения коронавирусной инфекцией проведено разделение периода исследования на допандемический и три пандемических периода: краткосрочный, среднесрочный и долгосрочный. Использование трех типов тестов на моменты совместного распределения доходностей (основанных на расчетах коэффициентов корреляции с коррекцией на гетероскедастичность, коасимметрии и кокуртозиса) позволило оценить не только направленность, но и масштабы межотраслевого заражения в российской экономике в краткосрочном, среднесрочном и долгосрочном периодах.

Исследование в целом подтвердило усиление взаимосвязи между отраслями российской экономики в период пандемии, причем наибольшее влияние оказалось в среднесрочном периоде. В то же время исследование привело к смешанным результатам. Вопреки распространенному мнению, главные отрасли российской экономики (нефтегазовая и металлургическая) оказались в меньшей степени связанными с другими отраслями. Сферой, в наибольшей степени склонной к передаче заражения, оказалась телекоммуникационная сфера. Это свидетельствует в пользу значимости цифровой экономики в современном мире, что особенно проявилось в условиях пандемии. Чистым источником заражения также оказалась химическая отрасль (для нее количество выходящих связей оказалось больше количества входящих). В то же время совершенно ожидаемым представляется результат о наибольшей подверженности заражению потребительской сферы. Эта сфера связана с доходами населения, которые зависят от ситуации в основных производственных отраслях. В условиях пандемии именно потребительская сфера оказалась наиболее уязвимой к пандемическому кризису: введение и отмена ограничений на мобильность населения, закрытие ряда бизнесов, временное поражение сферы услуг вызвало волны спада и ажиотажа на потребительском рынке, что не могло не повлиять на состояние соответствующего сегмента фондового рынка.

Таким образом, цель исследования достигнута – финансовое заражение отраслей российской экономики в период пандемии эмпирически подтверждено. Задачи исследования выполнены: на основе комплекса тестов на моменты распределения доходности отраслевых индексов РТС установлены направленность и масштаб заражения между отраслями российской экономики, специфические проявления межотраслевого заражения объяснены цифровизацией российской экономики и потребительскими эффектами пандемии.

Заметим, что проведенное исследование имеет ряд ограничений. Во-первых, примененный подход не учитывает лагов взаимодействия разных сфер. Для этого в будущем предполагается проведение теста Грейнджера на причинность, выявление направленности взаимодействия отраслей и расчет лаговых показателей корреляции, коасимметрии и кокуртозиса. Во-вторых, данный подход не объясняет механизмов влияния одного сектора на другой и не раскрывает каналов заражения. В-третьих, он не учитывает влияния разных отраслевых и макроэкономических факторов на доходность отраслевых индексов и поэтому может содержать проблему эндогенности. Для решения этих проблем требуется построение более продвинутых эконометрических моделей, речь о которых шла в теоретической части работы, его мы также оставляем на будущее. В целом проведенное исследование представляет вполне понятный и легко реализуемый на практике инструментарий для выявления взаимного заражения отраслей в периоды кризисов разного типа.