РЕАЛИЗАЦИЯ ПРОГРАММЫ РАЗВИТИЯ ФОНДОВОГО РЫНКА В РОССИИ: НЕКОТОРЫЕ ПРОБЛЕМЫ И ПУТИ ИХ РЕШЕНИЯ
Аннотация
Одна из главных проблем, от успешного решения которой зависит достижение поставленной Президентом РФ В.В. Путиным амбициозной задачи удвоения капитализации российского фондового рынка, - формирование рынка IPO отечественных компаний. В связи с этим особенно актуальным является разработка механизмов эффективного функционирования первичного рынка. Понимание психологии инвестора, использование устойчивых поведенческих эффектов для релокации сбережений со вкладов на рынок первичных размещений требует теоретического осмысления современных аспектов поведенческих финансов.
Влияющие на отечественный фондовый рынок санкции, невысокая ликвидность рынка акций в России, скачкообразный рост ключевой процентной ставки, устанавливаемой мегарегулятором влияют на трансформацию поведенческих эффектов и психологию инвесторов. В результате традиционные подходы к анализу процессов инвестирования, принятые в зарубежной практике, оказываются нерезультативными. Динамика индикаторов фондового рынка свидетельствуют о том, что российский рынок волатилен, а индекс Мосбиржи время от времени тестирует значение 3200. С одной стороны, это сигнал для перехода к стратегии стоимостного инвестирования, если помещать деньги в бумаги на длительный срок. С другой стороны, сформировавшиеся на рынке спекулятивные подходы приводят к поведенческим аномалиям, знание которых необходимо прежде всего эмитентам, задача которых разместить акции в процессе IPO по цене, не ниже их внутренней стоимости.
Используя поведенческие аномалии, корпорации строят свою корпоративную стратегию на фондовом рынке и добиваются успеха. Для этого необходимо выявить актуальные поведенческие аномалии и использовать их при построении корпоративной стратегии привлечения финансовых ресурсов для инвестиций и развития отечественных корпораций на фондовом рынке.
Литература
Richard H. Thaler, Cass R. Sunstein. Nudge: Improving Decisions About Health, Wealth, and Happiness. London: Yale University Press. 2008. P. 1-293.
Sherin H., Statman M. Behavioral Portfolio Theory. Journal of Financial and Quantitative Analysis. 2000. Vol. 35. N 2. P. 127–151.
Volodina V.N. "Tourist" Tokens: New Consumer Digital Assets. Savings Business Abroad. 2023. N 1. P. 28–33. DOI: 10.36992/2782-5949_2023_1_28 (in Russian).
Kahneman D., Tversky A. Prospect theory: analysis of decision making under risk. Economics and Mathematical Methods. 2015. Vol. 51. N 1. P. 3-25 (in Russian).
Rudyk N.B. Behavioral Finance: Between Fear and Greed. Moscow: Delo. 2004. 272 р. (in Russian).
Astrakhantseva I.A., Gerasimov A.S., Astrakhantsev R.G. Forecasting regional inflation by machine learning algorithms. Ivecofin. 2022. N 4 (54). P. 6-13. DOI: 10.6060/ivecofin.2022544.620. EDN ITYDFE (in Russian).
Astrakhantseva I.A., Kutuzova A.S., Astrakhantsev R.G. Recurrent neural network for regional inflation forecast. Scientific works of the Free Economic Society of Russia. 2020. Vol. 223. N 3. P. 420-431. DOI: 10.38197/2072-2060-2020-223-3-420-431. EDN QAHOYN (in Russian).
Astrakhantseva I.A., Kutuzova A.S., Astr-khantsev R.G. Intelligent methods of data processing in forecasting cash turnover in ATMs of commercial banks. Scientific works of the Free Economic Society of Russia. 2019. Vol. 218. N 4. P. 481 – 488. EDN EQCSUQ (in Russian).
Astrakhantseva I.A., Smirnova N.V. Commercial real estate valuation based on machine learning models. Scientific works of the Free Economic Society of Russia. 2022. Vol. 237. N 5. P. 34-57. DOI: 10.38197/2072-2060-2022-237-5-34-57. EDN PXGNJV (in Russian).
Astrakhantseva I.A., Kutuzova A.S., Morozov E.N., Astrakhantsev R.G. Crypto-assets functioning algorithms to determine the optimal taxation regime. Ivecofin. 2022. N 1(51). P. 131-137. DOI: 10.6060/ivecofin.2022511.593. EDN MWOQQN (in Russian).
Bibikova E.A., Makhmudova F.A. Methodological approaches to assessing the investment activities of commercial banks. Modern high technologies. Regional application. 2024. N 2 (78). P. 6-14. DOI: 10.6060/snt.20247802.0001. EDN WYYPEN (in Russian).
Astrakhantseva I.A., Gerasimov A.S., Smirnova O.P. Evaluating statistical and machine learning models for inflation forecasting. Modern high technologies. Regional application. 2024. N 3 (79). P. 120-131. DOI: 10.6060/snt.20247903.0019. EDN SJSWAG (in Russian).
Fetisov N.I. Specifics of the Development of Digital Financial Instruments in the Domestic Economy. Ivecofin. 2024. N 3(61). P. 26-32. DOI: 10.6060/ivecofin.2024613.686. EDN HIYKAQ (in Russian).
Pyatnitsky D.V. Tools for Decision-making on Credit and Pricing Policy. Ivecofin. 2023. N 3(57). P. 25–34. DOI: 10.6060/ivecofin.2023573.651. EDN ISJXBF (in Russian).
The Ministry of Finance plans to attract 40 trillion rubles of citizens' funds for investment in the economy. https://tass.ru/ekonomika/19602203 (in Russian).
Businesses' gratuitous contributions to the budget exceeded the 2024 plan by 17 times. https://www.kommersant.ru/doc/6580420 (in Russian).
Bank of Russia. Financial Market Risks Review. https://cbr.ru/collection/collection/file/43769/orfr_2023-01.pdf. (in Russian).
Bank of Russia. Key Rate Dynamics. https://cbr.ru/hd_base/KeyRate/ (in Russian).
Information portal. TradingView. Moscow Exchange Index Dynamics (IRUS). https://ru.tradingview.com/symbols/RUS-IRUS/ (in Russian).
Information portal TradingView. Cash Flow from Stocks to Bonds and Mutual Funds. https://ru.tradingview.com/news/rbc:ed94a08fa67b8:0/ (in Russian).
