УДК 303.72:005.7
DOI: 10.36871/2618-9976.2023.03.005

Авторы

Илья Максимович Толстобров,
Студент 2 курса Департамента анализа данных и машинного обучения Факультета информационных технологий и анализа больших данных Финансового университета при Правительстве РФ, специальность «Прикладная математика и информатика»
Юлия Борисовна Камалова,
Старший преподаватель Департамента анализа данных и машинного обучения Факультета информационных технологий и анализа больших данных Финансового университета при Правительстве РФ

Аннотация

В работе было исследовано движение фондового рынка в разных странах в период кризисного 2020 года не зависело от решений, принимаемых в этой стране, а подчинялось общему тренду. В частности, было исследовано поведение отраслевых индексов разных стран в период первого года коронавируса и сделан вывод о том, что движение рынков подчинено глобальному тренду.
Для анализа были выбраны отраслевые индексы стран, в разной степени пострадавших от коронавируса, рынки ценных бумаг которых получили разные меры поддержки: США, России, Китая, Японии и Германии. Рассмотрено влияние пандемии на такие отрасли, как финансовые услуги, металлургию, химическую промышленность, потребительские товары и телекоммуникации.
Рассмотрены котировки в период с 01.01.2020 по 31.12.2020. Приведены и проанализированы графики значений отраслевых индексов РФ и США в указанный период. Графики построены в среде Jupyter Notebook с помощью языка Python и библиотеки визуализации данных plotly. Определено понятие гипотезы и критерия и даны наиболее важные определения. При снижении вероятности допустить ошибку первого рода увеличивается вероятность допустить ошибку второго рода, поэтому уровень значимости выбран так, чтобы мощность критерия была максимальной.
Для проверки гипотезы использовался многомерный критерий Краскела-Уоллиса и его модифицированная версия для выборок среднего размера с уровнем значимости α = 0,05. Новизна исследования состоит в применении критерия Краскела-Уоллиса в отношении финансовых данных. Исследование проводилось на языке Python в среде Jupyter Notebook с использованием библиотек numpy, pandas, itertools, scipy и plotly.

Ключевые слова

критерий Краскела-Уоллиса
фондовые рынки
python
numpy
pandas
itertools
scipy и plotly