Прогнозирование котировок акций ПАО «НК «Лукойл» на основе корреляционно-регрессионного анализа

Научная статья, касающаяся предвидения ситуации на российском фондовом рынке, является актуальной, потому что она раскрывает перспективы анализируемой нефтяной компании ПАО «НК «Лукойл». Цель данной научной работы – построить уравнение множественной линейной регрессии с независимыми переменными в виде цен нефти марки Brent, валютной пары USD/RUB, денежного агрегата М2 в России, воздействующими на котировки акций ПАО «НК «Лукойл». Данное уравнение – основа экономико-математического моделирования будущей стоимости ценных бумаг ПАО «НК «Лукойл». В процессе работы применялись общие и специальные научные методы: анализ, синтез, монографический, статистические. Основной метод – корреляционно-регрессионный анализ. В результате установлено, что цены нефти марки Brent, валютная пара USD/RUB, денежный агрегат М2 в России имеют тенденции к повышению и оказывают прямое влияние на акции ПАО «НК «Лукойл», что свидетельствует о недооцененности акций представленной российской нефтяной компании. Ключевые положения этого изыскания могут быть полезны инвесторам, рассматривающим для вложения денежных средств российский фондовый рынок. На основе предлагаемой научной проработки можно строить инвестиционные стратегии покупки ценных бумаг.

1. Барышева Е.Н., Никишов В.Н., Круглов Е.В. Выбор основных показателей финансового рынка для прогнозирования ценовой динамики // Вестник Нижегородского университета им. Н.И. Лобачевского. – 2013. № 1–3. – С. 154–160.

2. Безсмертная Е.Р. Поведение частных инвесторов на фондовом и срочном рынках в 2022–2023 годах: возможная реакция на изменения денежно-кредитной политики // Экономика. Налоги. Право. – 2022. – №15(1). – С. 63-71. DOI: 10.26794/1999849x-2022-15-1-63-71.

3. Жабунин А.Ю., Иевлева Н.В., Чередниченко И.А., Соколова А.В. Исследование применения метода DCF для определения целевых цен акций российских публичных корпораций // Российское предпринимательство. – 2016. – Т. 17. – № 24. – С. 3643–3656

4. Зубов Я.О. Влияние денежно-кредитной политики Банка России на развитие экономики страны // В сборнике: Экономика и бизнес: цифровая трансформация и перспективы развития. Материалы международной научно-практической конференции, в 2 т. – М:. – 2022. – С. 100–113.

5. Кондратьева Т.Н., Гуртовая Е.А., Алексанян Л.Г. Анализ основных характеристик статистической выборки на примере акций ПАО «Лукойл» // Интернет-журнал «НАУКОВЕДЕНИЕ». – 2017. – Т. 9, № 5.

6. Ломакин Н.И., Дженнифер О.Ч., Езангина И.А., Шевченко С.А., Бескоровайная Н.Н. Прогнозирование прибыли ПАО «НК «Роснефть» с помощью системы искусственного интеллекта в условиях цифровой экономики // Фундаментальные исследования. – 2020. – № 5. – С. 117–124. DOI: 10.17513/fr.42757.

7. Нуреев Р.М., Бусыгин Е.Г. Крупнейшие публичные нефтяные компании: влияние внешних и внутренних факторов на капитализацию // Финансы: теория и практика. – 2019. – №23 (5). – С. 87–100. https://doi.org/10.26794/2587-5671-2019-23-5-87-100

8. Окулов В.Л. Исследование эффективности российского рынка акций: реакция рынка на публикацию прогнозов аналитиков // Вестник Санкт-Петербургского университета. Менеджмент. – 2010. – № 3. С. 3–22.

9. Павлова О.Ю. Банк Англии под руководством Марка Карни (2013–2020 гг.): в поисках новой стабильности // Российский экономический интернет-журнал. – 2022. – №2. – С. 1–12.

10. Anarfi D., Nerudová D. Profit-shifting activities in the mining sector: evidence from the Czech Republic // European Journal of Business Science and Technology. 2017. – № 3 (1). P. 5–12. DOI: 10.11118/ejobsat.v3i1.72.

11. Avdasheva S.B., Golovanova S.V. Concerted practice enforcement in Russia: How judicial review shapes the standards of evidence and number of enforcement targets // Russian Journal of Economics. – 2020. – № 6 (3). – P. 239–257. https://doi.org/10.32609/j.ruje.63.51277

12. Celebi K., Hönig M. The impact of macroeconomic factors on the German stock market: evidence for the crisis, pre- and post-crisis periods // International Journal of Financial Studies. – 2019. – №7 (2), 18. https://doi.org/10.3390/ijfs7020018.

13. Chen D.Y., Huang B. Financial crises and stock market indices: Markov switching approach // Global Business and Finance Review. – 2012. –№17 (2). –P. 101–120.

14. Dabrowski M. Thirty years of economic transition in the former Soviet Union: Macroeconomic dimension // Russian Journal of Economics. – 2022. – № 8(2). – P. 95–121. https://doi.org/10.32609/j.ruje.8.90947.

15. Gurvich E., Prilepskiy I. The impact of financial sanctions on the Russian economy // Russian Journal of Economics. – 2015. – № 1(4). – P. 359–385. https://doi.org/10.1016/j.ruje.2016.02.002.

16. Jebran K., Chen S., Saeed G. et al. Dynamics of oil price shocks and stock market behavior in Pakistan: evidence from the 2007 financial crisis period // Financial Innovation. – 2017. – №3, 2. https://doi.org/10.1186/s40854-017-0052-2.

17. Jiang Y., Tian G., Mo B. Spillover and quantile linkage between oil price shocks and stock returns: new evidence from G7 countries // Financial Innovation. – 2020. – № 6, 42. https://doi.org/10.1186/s40854-020-00208-y.

18. Laopodis N.T. Exchange rate and stock market interactions: evidence from an emerging economy // Global Business and Finance Review. – 2002. – №7 (1). – P. 49–60.

19. Metel’skaya V.V. Correlation-and-regression analysis of the influence of macroeconomic factors on capital structure of Russian corporations under crisis conditions // Journal of Innovation and Entrepreneurship. – 2021. – № 10, 20. https://doi.org/10.1186/s13731-021-00160-w.

20. Mironov V. Russian devaluation in 2014–2015: Falling into the abyss or a window of opportunity? // Russian Journal of Economics. – 2015. – №1 (3). – P. 217-239. https://doi.org/10.1016/j.ruje.2015.12.005.

21. Nisar T.M., Yeung M. Twitter as a tool for forecasting stock market movements: a short-window event study // The Journal of Finance and Data Science. – 2018. – №4. – P. 101–119. https://doi.org/10.1016/j.jfds.2017.11.002

22. Nivorozhkin E., Castagneto-Gissey G. Russian stock market in the aftermath of the Ukrainian crisis // Russian Journal of Economics. – 2016. – №2 (1). – P. 23–40. http://dx.doi.org/10.1016/j.ruje.2016.04.002.

23. Pavlata J., Strejček P., Albrecht P., Širůček M. The empirical linkage between oil prices and the stock returns of oil companies // European Journal of Business Science and Technology. – 2021. – № 7 (2). –. 186–197. DOI: 10.11118/ejobsat.2021.016.

24. Wehrle N.P.B. The cost of renewable electricity and energy storage in Germany // European Journal of Business Science and Technology. – 2022. – № 8 (1). – P. 19–41. DOI: 10.11118/ejobsat.2022.005.