Preview

Central Asian Economic Review

Central Asian Economic Review

Кеңейтілген іздеу

KASE алаңындағы тәуекел болжамдарын салыстыру және жаңалықтар тональдылығын алдын ала бағалау

https://doi.org/10.52821/2789-4401-2026-4-139-151

Толық мәтін:

Аңдатпа

Зерттеудің мақсаты — KASE күнделікті тәуекелінің сандық болжамдарын салыстыру және орыс тіліндегі тақырыптардың автоматты бағаланған тональдылығы жаңалықтар санынан бөлек ақпарат бере ме деген сұрақты алдын ала тексеру. Зерттеу Қазақстанмен шектеледі.

Зерттеу әдістемесі — KASE-нің ресми деректері GARCH, EWMA, LSTM және сандық гибрид үшін пайдаланылды. Қосымша жаңалықтар саны бар бірдей гибридті желілер тональдылықпен және онсыз салыстырылды. Kursiv-тің 15 536 жазбасынан 10 669 тақырып іріктелді. Ортақ тест 2024–2025 жылдардағы 495 күнді қамтиды. Корпус ретроспективті жиналды.

Зерттеудің бірегейлігі (құндылығы) — Ықтимал үлес KASE бойынша қолданбалы салыстырудан тұрады: GARCH моделіне сызықтық емес түзету және жаңалықтар санына қосымша орыс тіліндегі тақырыптар тональдылығының ақпараты бөлек бағаланады. Дереккөздер, күні көрсетілген болжамдар және корпус іріктеуінің шектеулері құжатталған. Үлес эмпирикалық әрі алдын ала сипатта; жаңа GARCH–LSTM архитектурасы немесе тексерілген қаржылық тіл жіктеуіші ұсынылмайды.

Зерттеу нәтижелері — Сандық гибрид GARCH-пен салыстырғанда дисперсия RMSE көрсеткішін 0,087%-ға азайтты (Холм түзетуінен кейін p = 0,075). Жаңалықтар санының бақылау нұсқасына тональдылықты қосу дисперсия RMSE көрсеткішін 0,400%-ға арттырды (екіжақты p = 0,716; түзетуден кейін p = 1,000). Тональдылық нұсқасында 495 күнде VaR 99% шегінен сегіз асу болды (Купик тесті p = 0,206). Негізгі метрика бойынша тональдылықтың пайдасы, нарықтан 1–3 күн бұрын белгі беруі және капитал үнемі анықталған жоқ.

Авторлар туралы

Д. Каби
Almaty Management University
Қазақстан

Алматы.



А. Ж. Шакбутова
Almaty Management University
Қазақстан

Алматы.



Әдебиет тізімі

1. Kazakhstan Stock Exchange. KASE summarizes exchange market’s 2025 results [Электронный ресурс]. 2026. 15 января. URL: https://kase.kz/en/information/news/show/1558754

2. Jorion P. Value at Risk: The New Benchmark for Managing Financial Risk. 3rd ed. New York: McGraw-Hill, 2007. ISBN 9780071464956. URL: https://www.mheducation.com/highered/mhp/product/value-risk-3rd-ed.html.

3. Engle R. F. Dynamic Conditional Correlation: A Simple Class of Multivariate Generalized Autoregressive Conditional Heteroskedasticity Models // Journal of Business and Economic Statistics. 2002. Vol. 20, No. 3. P. 339–350. https://doi.org/10.1198/073500102288618487.

4. International Monetary Fund. World Economic Outlook, April 2020: The Great Lockdown. Washington, DC: International Monetary Fund, 2020. URL: https://www.imf.org/en/publications/weo/issues/2020/04/14/weo-april-2020.

5. Kazakhstan Stock Exchange. Weekly Report, January 17–21, 2022 [Электронный ресурс]. 2022. URL: https://kase.kz/files/weekly_reports/en/2022/kase_weekly_170122_210122_eng.pdf.

6. Kim H. Y., Won C. H. Forecasting the volatility of stock price index: A hybrid model integrating LSTM with multiple GARCH-type models // Expert Systems with Applications. 2018. Vol. 103. P. 25–37. https://doi.org/10.1016/j.eswa.2018.03.002.

7. Kristjanpoller W., Fadic A., Minutolo M. C. Volatility forecast using hybrid Neural Network models // Expert Systems with Applications. 2014. Vol. 41, No. 5. P. 2437–2442. https://doi.org/10.1016/j.eswa.2013.09.043.

8. Léber D., Egyed B. The Sentiment Augmented GARCH-LSTM Hybrid Model for Value-at-Risk Forecasting // Computational Economics. 2026. Vol. 67. P. 313–353. https://doi.org/10.1007/s10614025-11042-8. Опубликовано онлайн 9 июля 2025 г.

9. Tashman L. J. Out-of-Sample Tests of Forecasting Accuracy: An Analysis and Review // International Journal of Forecasting. 2000. Vol. 16, No. 4. P. 437–450. https://doi.org/10.1016/S01692070(00)00065-0.

10. Basel Committee on Banking Supervision. International Convergence of Capital Measurement and Capital Standards: A Revised Framework, Comprehensive Version. Basel: Bank for International Settlements, 2006. URL: https://www.bis.org/publ/bcbs128.htm.

11. Mandelbrot B. The Variation of Certain Speculative Prices // Journal of Business. 1963. Vol. 36, No. 4. P. 394–419. https://doi.org/10.1086/294632.

12. Sabenova B., Baubekova I., Issayeva G., Bigeldiyeva Z., Bolganbayev A. Comparative Analysis of Volatility Structures of Stock Index and Energy Company Returns in Kazakhstan // International Journal of Energy Economics and Policy. 2023. Vol. 13, No. 2. P. 200–206. https://doi.org/10.32479/ijeep.14054.

13. Bollerslev T. Generalized Autoregressive Conditional Heteroskedasticity // Journal of Econometrics. 1986. Vol. 31, No. 3. P. 307–327. https://doi.org/10.1016/0304-4076(86)90063-1.

14. Nelson D. B. Conditional Heteroskedasticity in Asset Returns: A New Approach // Econometrica. 1991. Vol. 59, No. 2. P. 347–370. https://doi.org/10.2307/2938260.

15. Glosten L. R., Jagannathan R., Runkle D. E. On the Relation between the Expected Value and the Volatility of the Nominal Excess Return on Stocks // Journal of Finance. 1993. Vol. 48, No. 5. P. 1779–1801. https://doi.org/10.1111/j.1540-6261.1993.tb05128.x.

16. Ding Z., Granger C. W. J., Engle R. F. A long memory property of stock market returns and a new model // Journal of Empirical Finance. 1993. Vol. 1, No. 1. P. 83–106. https://doi.org/10.1016/09275398(93)90006-D.

17. Ané T. An analysis of the flexibility of Asymmetric Power GARCH models // Computational Statistics & Data Analysis. 2006. Vol. 51, No. 2. P. 1293–1311. https://doi.org/10.1016/j.csda.2005.11.002.

18. Institute of International Finance, EY. IIF-EY Annual Survey Report on AI/ML Use in Financial Services: Public Summary [Электронный ресурс]. 2025. January. URL: https://www.iif.com/portals/0/Files/content/Innovation/2024%20IIF-EY%20Survey%20Report%20on%20AI_ML%20Use%20in%20Financial%20Services_Public%2001.08.25.pdf.

19. Hochreiter S., Schmidhuber J. Long Short-Term Memory // Neural Computation. 1997. Vol. 9, No. 8. P. 1735–1780. https://doi.org/10.1162/neco.1997.9.8.1735.

20. Fischer T., Krauss C. Deep Learning with Long Short-Term Memory Networks for Financial Market Predictions // European Journal of Operational Research. 2018. Vol. 270, No. 2. P. 654–669. https://doi.org/10.1016/j.ejor.2017.11.054.

21. Financial Stability Board. The Financial Stability Implications of Artificial Intelligence [Электронный ресурс]. 2024. 14 November. URL: https://www.fsb.org/uploads/P14112024.pdf.

22. Loughran T., McDonald B. Textual Analysis in Accounting and Finance: A Survey // Journal of Accounting Research. 2016. Vol. 54, No. 4. P. 1187–1230. https://doi.org/10.1111/1475-679x.12123.

23. Loughran T., McDonald B. When Is a Liability Not a Liability? Textual Analysis, Dictionaries, and 10-Ks // Journal of Finance. 2011. Vol. 66, No. 1. P. 35–65. https://doi.org/10.1111/j.15406261.2010.01625.x.

24. Araci D. FinBERT: Financial Sentiment Analysis with Pre-trained Language Models [Электронный ресурс]. 2019. URL: https://arxiv.org/abs/1908.10063.

25. Naseem U., Razzak I., Musial K., Imran M. Transformer based Deep Intelligent Contextual Embedding for Twitter sentiment analysis // Future Generation Computer Systems. 2020. Vol. 113. P. 58–69. https://doi.org/10.1016/j.future.2020.06.050.

26. Rogers A., Romanov A., Rumshisky A., Volkova S., Gronas M., Gribov A. RuSentiment: An enriched sentiment analysis dataset for social media in Russian // Proceedings of the 27th International Conference on Computational Linguistics. 2018. P. 755–763. URL: https://aclanthology.org/C18-1064/

27. cointegrated. rubert-tiny-sentiment-balanced: Model Card and Weights [Электронный ресурс]. Revision e0679dd4460e48648f5d4d819ae0f505384f5a9d. 2023. 20 March. URL: https://huggingface.co/cointegrated/rubert-tiny-sentiment-balanced/tree/e0679dd4460e48648f5d4d819ae0f505384f5a9d

28. Agency for Regulation and Development of the Financial Market. On the State of Kazakhstan’s Banking Sector as of 1 January 2025 [Электронный ресурс]. 2025. URL: https://www.gov.kz/memleket/entities/ardfm/press/news/details/933535?lang=ru.

29. National Bank of Kazakhstan. Financial Stability Report of Kazakhstan 2024 [Электронный ресурс]. URL: https://nationalbank.kz/file/download/114475.

30. Kazakhstan Stock Exchange. KASE Index: Official Historical Archive, 2020–2025 [Электронный ресурс]. URL: https://kase.kz/en/indexes-and-indicators/shares/kase-index

31. Kursiv Media. Banks and Investments Categories and Public WordPress Metadata Archive, 2020–2025 [Электронный ресурс]. URL: https://kz.kursiv.media/category/economics/banks/; https://kz.kursiv.media/category/economics/investments/

32. Patton A. J. Volatility forecast comparison using imperfect volatility proxies // Journal of Econometrics. 2011. Vol. 160, No. 1. P. 246–256. https://doi.org/10.1016/j.jeconom.2010.03.034.

33. Diebold F. X., Mariano R. S. Comparing Predictive Accuracy // Journal of Business & Economic Statistics. 1995. Vol. 13, No. 3. P. 253–263. https://doi.org/10.1080/07350015.1995.10524599.

34. Harvey D., Leybourne S., Newbold P. Testing the equality of prediction mean squared errors // International Journal of Forecasting. 1997. Vol. 13, No. 2. P. 281–291. https://doi.org/10.1016/S01692070(96)00719-4.

35. Holm S. A simple sequentially rejective multiple test procedure // Scandinavian Journal of Statistics. 1979. Vol. 6, No. 2. P. 65–70. URL: https://www.jstor.org/stable/4615733.

36. Politis D. N., Romano J. P. A circular block-resampling procedure for stationary data // Exploring the Limits of Bootstrap / ed. by R. LePage, L. Billard. New York: Wiley, 1992. P. 263–270. URL: https://mathweb.ucsd.edu/~politis/DPpublication.html.

37. Kupiec P. H. Techniques for Verifying the Accuracy of Risk Measurement Models // Journal of Derivatives. 1995. Vol. 3, No. 2. P. 73–84. https://doi.org/10.3905/jod.1995.407942.

38. Christoffersen P. F. Evaluating Interval Forecasts // International Economic Review. 1998. Vol. 39, No. 4. P. 841–862. https://doi.org/10.2307/2527341.


Рецензия

Дәйектеу үшін:


Каби Д., Шакбутова А.Ж. KASE алаңындағы тәуекел болжамдарын салыстыру және жаңалықтар тональдылығын алдын ала бағалау. Central Asian Economic Review. 2026;1(4):139-151. https://doi.org/10.52821/2789-4401-2026-4-139-151

For citation:


Kabi D., Shakbutova A.Zh. Comparing Risk Forecasts on KASE with a Preliminary News Sentiment Analysis. Central Asian Economic Review. 2026;1(4):139-151. https://doi.org/10.52821/2789-4401-2026-4-139-151

Қараулар: 4

JATS XML


ISSN 2789-4398 (Print)
ISSN 2789-4401 (Online)