В условиях глобализации, интеграции и финансиализации национальных экономик растет взаимозависимость их финансовых рынков, что увеличивает возможность распространения финансовых возмущений между странами, особенно в периоды воздействия глобальных шоков, и требует разработки новых стандартов финансового регулирования. Статья посвящена исследованию передачи финансового заражения между фондовыми рынками разных стран в период глобальных шоков, связанных с пандемией COVID-19, энергетическим кризисом и специальной военной операцией России на Украине (СВО). Методологической основой послужила концепция финансового заражения. Методы исследования: диагностика финансового заражения проводилась на основе построения DCC-GARCH моделей и расчета динамических условных бета-коэффициентов. Для установления причинно-следственных связей во взаимодействии индексов использовался тест Грейнджера. Информационную базу составили данные о среднедневных значениях фондовых индексов: американского S&P-500, европейского STOXX-600 и китайского Shanghai Composite (SSE) за декабрь 2018 г. – март 2024 г., полученные с финансового портала Investing. com. В результате выявлена большая связанность в обычные времена американского и европейского фондового рынков при некой автономии китайского фондового рынка. Однако в период пандемии COVID-19 отмечается краткосрочное сильное заражение S&P-500 и STOXX-600 от шанхайского SSE и более длительное и умеренное взаимное заражение S&P-500 и STOXX-600. В ходе энергетического кризиса 2021 г. и СВО наблюдается сильное и относительно продолжительное заражение американского S&P-500 от европейского STOXX-600 и их гораздо более слабое заражение от SSE. Проведенное исследование может быть полезно фондовым игрокам при управлении инвестиционными портфелями, а государству – при формировании политики финансовой стабилизации в период воздействия глобальных шоков.
В условиях динамично развивающейся экономики, подверженной влиянию глобальной неопределенности, использование методов искусственного интеллекта позволяет строить продвинутые адаптивные модели, основанные на нелинейном взаимодействии переменных, и разрабатывать на их основе более точные экономические прогнозы и сценарии социально-экономического развития, чем с применением стандартных эконометрических и статистических методов. Исследование посвящено нейросетевому моделированию и прогнозированию валового регионального продукта субъекта Российской Федерации (на примере Нижегородской области). Информационной базой послужили региональные и макроэкономические данные Росстата, Банка России и онлайн портала Investing. com за 2000–2023 гг. Теоретико-методологической основой исследования явились расширенная производственная функция Кобба – Дугласа, базовые концепции региональной экономики и нейросетевого моделирования. Использование информации по регионам со схожей отраслевой структурой и масштабам экономики позволило увеличить массив данных для обучения моделей. В результате исследования построены две модели ВРП Нижегородской области: базовая, основанная на ограниченном количестве входных параметров и данных регионов-бенчмарков, согласно Стратегии развития области; и расширенная, основанная на большем количестве входных параметров и данных регионов одного с Нижегородской областью кластера. На их основе разработаны три прогноза ВРП Нижегородской области на 2025–2027 гг.: реалистический, оптимистический и пессимистический. Результаты по реалистическому сценарию оказались близкими к прогнозу областного правительства. Кроме того, расширенная модель позволила получить более точные прогнозы. Результаты и выводы исследования могут быть полезны при составлении прогнозов и управлении социально-экономическим развитием РФ и ее регионов