Россия
Россия
Россия
УДК 330.43 Эконометрия
УДК 338.43 Экономика сельского хозяйства. Продовольственный комплекс
Цель статьи заключается в выявлении наличия и оценке интенсивности финансового заражения, распространившегося в агропродовольственном секторе разных стран в период энергетического кризиса 2022-2023 гг., вызванного российско-украинским конфликтом. Кроме того, ставится задача обнаружения межотраслевого заражения, когда его трансмиттером выступает агропродовольственный рынок. Статья включает теоретическую и практическую части. В теоретическом обзоре показаны существующие взаимосвязи между рынками энергоресурсов и сельскохозяйственной продукции, которые в кризисные периоды могут усложняться и трансформироваться. Отмечена важная роль теории и методологии финансового заражения в исследованиях этих взаимосвязей. В практической части данная методология реализована в отношении агропродовольственного сектора разных стран, испытавшего шок со стороны нефтегазового рынка в 2022-2023 гг. Собрана обширная эмпирическая база о котировках цен на энергоносители и отраслевых агропродовольственных фондовых индексах различных стран, расположенных во всех макрорегионах. На этой основе с помощью специального теста произведена фиксация финансового заражения агропродовольственных рынков, получены динамические оценки интенсивности его распространения. Результаты показали, что нефтяной рынок оказался более сильным трансмиттером заражения, чем рынок газа. Самыми восприимчивыми к финансовому заражению оказались агропродовольственные рынки Африки, что обусловлено неразвитостью экономических институтов и отсутствием эффективной антикризисной политики. Экономическая мощь и налаженная система экстренных и предупредительных мер противодействия финансовому заражению обеспечили устойчивость аграрного сектора к энергетическому шоку в Европе и Америке. В азиатском регионе восприимчивость к финансовому заражению продемонстрировал Китай. При анализе отдельных стран межотраслевые эффекты заражения, распространяющиеся по линии «агропродовольственный рынок – другие отраслевые рынки», практически не были обнаружены. Это говорит о том, что агропродовольственный сектор выполнил функцию демпфера заражения, то есть принял на себя энергетический шок и не стал передатчиком финансового заражения в другие отрасли.
финансовое заражение, продовольственные рынки, энергетический кризис, приемник заражения, передатчик заражения, волатильность финансовых рынков, количественные оценки заражения
1. Tiwari, A.K., Abakah, E.J.A., Gabauer, D., Dwumfour, R.A. (2022). Dynamic spillover effects among green bond, renewable energy stocks and carbon markets during COVID-19 pandemic: implications for hedging and investment strategies. Global Finance Journal, vol. 51, p. 100692. doi:https://doi.org/10.1016/j.gfj.2021.100692
2. Adekoya, O.B., Oliyide, J.A. (2021). How COVID-19 drives connectedness among commodity and financial markets: evidence from TVP-VAR and causality-in-quantiles techniques. Resources Policy, vol. 70, p. 101898. doi:https://doi.org/10.1016/j.resourpol.2020.101898
3. Jiang, W., Chen, Y. (2024). Impact of Russia-Ukraine conflict on the time-frequency and quantile connectedness between energy, metal and agricultural markets. Resources Policy, vol. 88, p. 104376. doi:https://doi.org/10.1016/j.resourpol.2023.104376
4. Adeleke, M.A., Awodumi, O.B., Adewuyi, A.O. (2022). Return and volatility connectedness among commodity markets during major crises periods: static and dynamic analyses with asymmetries. Resources Policy, vol. 79, p. 102963. doi:https://doi.org/10.1016/j.resourpol.2022.102963
5. Jiang, Y., Lao, J., Mo, B., Nie, H. (2018). Dynamic linkages among global oil market, agricultural raw material markets and metal markets: an application of wavelet and copula approaches. Physica A, vol. 508, pp. 265-279. doi:https://doi.org/10.1016/j.physa.2018.05.092
6. Furuoka, F., Yaya, O.S., Ling, P.K., Al-Faryan, M.A.S., Islam, M.N. (2023). Transmission of risks between energy and agricultural commodities: frequency time-varying VAR, asymmetry and portfolio management. Resources Policy, vol. 81, p. 103339. doi:https://doi.org/10.1016/j.resourpol.2023.103339
7. Caporin, M., Gupta, R., Ravazzolo, F. (2020). Contagion between real estate and financial markets: A Bayesian quantile-on-quantile approach. The North American Journal of Economics and Finance, vol. 55, p. 101347. doi:https://doi.org/10.1016/j.najef.2020.101347
8. Gomez-Gonzalez, J.E., Rojas-Espinosa, W. (2019). Detecting contagion in Asian exchange rate markets using asymmetric DCC-GARCH and R-vine copulas. Economic Systems, vol. 43 (3-4), p. 100717. doi:https://doi.org/10.1016/j.ecosys.2019.100717
9. Ji, Q., Bouri, E., Roubaud, D., Shahzad, S.J.H. (2018). Risk spillover between energy and agricultural markets: a dependence-switching CoVaR-copula model. Energy Economics, vol. 75, pp. 14-27. doi:https://doi.org/10.1016/j.eneco.2018.08.015
10. Zhu, B., Lin, R., Deng, Y., Chen, P., Chevallier, J. (2021). Intersectoral systemic risk spillovers between energy and agriculture under the financial and COVID-19 crises. Economic Modelling, vol. 105, p. 105651. doi:https://doi.org/10.1016/j.econmod.2021.105651
11. Starkey, C.M., Tsafack, G. (2023). Measuring financial contagion: Dealing with the volatility Bias in the correlation dynamics. International Review of Financial Analysis, vol. 90, p. 102863. doi:https://doi.org/10.1016/j.irfa.2023.102863
12. Hall, D. (2023). Russia’s invasion of Ukraine and critical agrarian studies. The Journal of Peasant Studies, vol. 50 (1), pp. 26-46. doi:https://doi.org/10.1080/03066150.2022.2130263
13. Anastasopoulos, A. (2018). Testing for financial contagion: New evidence from the Greek crisis and yuan devaluation. Research in International Business and Finance, vol. 45, pp. 499-511. doi:https://doi.org/10.1016/j.ribaf.2017.09.001
