+7 (925) 966 4690
ИД «Финансы и кредит»

ЖУРНАЛЫ

  

АВТОРАМ

  

ПОДПИСКА

    
«Финансовая аналитика: проблемы и решения»
 

Включен в перечень ВАК по специальностям

ЭКОНОМИЧЕСКИЕ НАУКИ:
5.2.1. Экономическая теория
5.2.3. Региональная и отраслевая экономика
5.2.4. Финансы
5.2.5. Мировая экономика
5.2.6. Менеджмент


ЭКОНОМИЧЕСКИЕ,
ФИЗИКО-МАТЕМАТИЧЕСКИЕ НАУКИ:
5.2.2. Математические, статистические и инструментальные методы в экономике

Реферирование и индексирование

РИНЦ
Referativny Zhurnal VINITI RAS
Worldcat
Google Scholar

Электронные версии в PDF

Eastview
eLIBRARY.RU
Biblioclub

Влияние инновационной активности на динамику цен акций компаний цифрового сегмента

Купить электронную версию статьи

т. 12, вып. 4, декабрь 2019

Получена: 15.05.2019

Получена в доработанном виде: 07.06.2019

Одобрена: 05.07.2019

Доступна онлайн: 29.11.2019

Рубрика: Инновации и инвестиции

Коды JEL: C11, G17

Страницы: 435–449

https://doi.org/10.24891/fa.12.4.435

Рогачев Д.Ю. ассистент кафедры мировой экономики и таможенного дела, Национальный исследовательский Нижегородский государственный университет имени Н.И. Лобачевского (ННГУ), Нижний Новгород, Российская Федерация 
rogistyle@mail.ru

https://orcid.org/0000-0002-0683-3340
SPIN-код: 3078-0177

Предмет. В настоящее время затраты на научно-исследовательские и опытно-конструкторские разработки, а также разработки в сфере цифровых технологий являются одними из крупнейших статей расходов компаний. Инвестиции компаний в НИОКР оказывают сильное влияние на финансовое состояние организаций.
Цели. Выявить взаимосвязь между расходами на НИОКР и стоимостью акций ряда американских компаний. Оценить влияние уровня цифровой дифференциации на эффективность проведения инвестиционной политики компании в области НИОКР. Выявить разницу между предполагаемой будущей ценой акций компаний у цифровых и нецифровых организаций.
Методология. Для проверки гипотез было проведено эконометрическое моделирование роста цен акций (их зависимости от времени) с использованием смешанных моделей, основанных на разнородных панельных данных.
Результаты. Выделены критерии, по которым возможно дифференцировать цифровые компании от менее цифровых. Расходы компаний на НИОКР приводят к высокому темпу роста цен акций для высокоцифровых компаний, инвестиции которых направлены на современные, но легкодоступные, рядовые разработки, имеющие высокий шанс на успешное внедрение. А для компаний, инновационные разработки которых требуют больших средств, времени и могут быть безрезультатными, эффект от инвестиций в НИОКР на цены акций – гораздо ниже.
Выводы. Предложенные модели позволяют прояснить взаимосвязь между инновационной активностью компании, общим уровнем волатильности на фондовом рынке и уровнем цифрового развития компании.

Ключевые слова: цены акций, рост, волатильность, затраты на НИОКР, уровень использования цифровых технологий

Список литературы:

  1. Мандрон В.В. Волатильность и инвестиционные параметры национального фондового рынка // Бюллетень науки и практики. 2016. № 10. С. 187–192. URL: Link
  2. Зямалов В.Е. Сравнение предсказательной способности одно- и многорежимных моделей динамики фондового рынка // Финансовый журнал. 2017. № 2. C. 64–75. URL: Link
  3. Малкина М.Ю., Яковлева Е.К. Анализ влияния макроэкономических и отраслевых факторов на курс акций компаний // Финансы и кредит. 2016. Т. 22. № 44. С. 33–47. URL: Link
  4. Малкина М.Ю., Яковлева Е.К. Анализ факторов роста курсовой стоимости акций российских компаний (на примере ПАО «Уралкалий») // Региональная экономика: теория и практика. 2019. Т. 17. Вып. 1. C. 183–200. URL: Link
  5. Chordia T., Roll R., Subrahmanyam A. Liquidity and Market Efficiency. Journal of Financial Economics, 2008, vol. 87, iss. 2, pp. 249–268. URL: Link
  6. Солодухина А.В., Репин Д.В. Влияние корпоративных новостей на рыночную стоимость компаний // Корпоративные финансы. 2009. № 1(9). С. 41–69. URL: Link
  7. Борочкин А.А. Макроэкономические факторы шоков валютного и фондового рынков: метод панельной векторной авторегрессии // Финансы и кредит. 2017. Т. 23. Вып. 15. С. 882–899. URL: Link
  8. Apergis N. Policy Risks, Technological Risks and Stock Returns: New Evidence from the US Stock Market. Economic Modelling, 2015, vol. 51, pp. 359–365. URL: Link
  9. Wagner A.F., Zeckhauser R.J., Ziegler A. Company Stock Price Reactions to the 2016 Election Shock: Trump, Taxes and Trade. Journal of Financial Economics, 2018, vol. 130, iss. 2, pp. 428–451. URL: Link
  10. Kearney C. The Determination and International Transmission of Stock Market Volatility. Global Finance Journal, 2000, vol. 11, iss. 1-2, pp. 31–52. URL: Link00015-6
  11. Борочкин А.А., Рогачев Д.Ю. Краткосрочное прогнозирование финансовых пузырей на примере экономики США // Финансы и кредит. 2016. Т. 22. № 21. С. 39–50. URL: Link
  12. Hall B.H. The Stock Market's Valuation of R&D Investment During the 1980's. The American Economic Review, 1993, vol. 83, iss. 2, pp. 259–264. URL: Link
  13. Stein J.C. Takeover Threats and Managerial Myopia. Journal of Political Economy, 1988, vol. 96, iss. 1, pp. 61–80. URL: Link
  14. Jensen M.C. The Modern Industrial Revolution, Exit, and the Failure of Internal Control Systems. Journal of Finance, 1993, vol. 48, iss. 3, pp. 831–880. URL: Link
  15. Gharbi S., Sahut J.-M., Teulon F. R&D Investments and High-Tech Firms' Stock Return Volatility. Technological Forecasting and Social Change, 2014, vol. 88, pp. 306–312. URL: Link
  16. Gun Jea Yu, KiHoon Hong. Patents and R&D Expenditure in Explaining Stock Price Movements. Finance Research Letters, 2016, vol. 19, pp. 197–203. URL: Link
  17. Songur H., Heavilin J.E. Abnormal Research and Development Investments and Stock Returns. The North American Journal of Economics and Finance, 2017, vol. 42, pp. 237–249. URL: Link
  18. Ghossoub E.A., Beladi H. Technological Diffusion and Asset Prices. Economics Letters, 2011, vol. 111, iss. 1, pp. 1–5. URL: Link
  19. Fama E.F., French K.R. A Five-Factor Asset Pricing Model. Journal of Financial Economics, 2015, vol. 116, iss. 1, pp. 1–22. URL: Link
  20. Basak S., Kar S., Saha S. et al. Predicting the Direction of Stock Market Prices Using Tree-Based Classifiers. The North American Journal of Economics and Finance, 2019, vol. 47, pp. 552–567. URL: Link

Посмотреть другие статьи номера »

 

ISSN 2311-8768 (Online)
ISSN 2073-4484 (Print)

Свежий номер журнала

т. 17, вып. 1, март 2024

Другие номера журнала