Влияние новостного сентимента на российский фондовый рынок

Вопросы экономики. 2026. № 6. С. 135–154.

Макеева Н. М., Наволоцкая П. А., Искяндяров Р. Р., Наволоцкий А. А.

Проанализированы информационная ценность и прогнозная способность сентимента частных инвесторов, сформированного под воздействием новостных потоков и публикаций в социальных медиа, для динамики российского фондового рынка. Оценена информационная ценность и прогнозная способность индикаторов сентимента, рассчитанных с использованием модели FinBERT, на ключевые показатели фондового рынка: доходность акций, объем торгов, волатильность и индекс МосБиржи. Эмпирическая база исследования включает данные по 925 компаниям Московской биржи за 2015—2024 гг. и сообщения из популярных финансовых Telegram-каналов. Для оценки сентимента применялся анализ тональности текстов и визуальных реакций пользователей, на основе которых были построены прокси-переменные. Верификация гипотез проводилась с использованием моделей градиентного бустинга и векторной авторегрессии с учетом макроэкономических и финансовых контрольных переменных. Результаты показали, что сентимент инвесторов значимо связан с рыночной динамикой, наиболее сильно — с объемами торгов и доходностью низкокапитализированных компаний. Негативный сентимент имеет более выраженный эффект по сравнению с позитивным. Предложенные модели машинного обучения, включающие прокси-переменные сентимента, по точности прогнозирования превзошли классические эконометрические подходы. Интерпретация моделей с помощью значений Шепли позволила идентифицировать ключевые факторы сентимента. Событийный анализ выявил его двойственную природу: несмотря на систематическое повышение качества краткосрочных прогнозов (прогностическая ценность), значимая постсобытийная реакция рынка на шоки сентимента отсутствует, а в случаях пограничных эффектов фиксируется выраженный предтренд рыночных показателей. Из этого следует, что новостной сентимент — преимущественно реактивный индикатор, оперативно отражающий уже разворачивающиеся процессы, а не самостоятельный фактор рыночной динамики. Полученные выводы подчеркивают важность учета поведенческих факторов в инвестиционной аналитике и могут быть использованы для повышения точности прогнозных моделей.

Ключевые слова: российский фондовый рынок, машинное обучение, поведенческие финансы, Russian stock market, sentiment analysis, текстовый анализ, событийный анализ, behavioral finance, textual analysis, event study, сентимент инвесторов, investor sentiment, machine learning, анализ тональности текста

ПУБЛИКАЦИЯ ПОДГОТОВЛЕНА ПО РЕЗУЛЬТАТАМ ПРОЕКТА: Разработка системы моделей для сценарного прогнозирования экономического роста и ключевых макропараметров российской экономики, в том числе с привлечением данных экспертных опросов (2025)