<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE article PUBLIC "-//NLM//DTD JATS (Z39.96) Journal Publishing DTD v1.3 20210610//EN" "JATS-journalpublishing1-3.dtd">
<article article-type="research-article" dtd-version="1.3" xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xml:lang="ru"><front><journal-meta><journal-id journal-id-type="publisher-id">ecr</journal-id><journal-title-group><journal-title xml:lang="ru">Стратегические решения и риск-менеджмент</journal-title><trans-title-group xml:lang="en"><trans-title>Strategic decisions and risk management</trans-title></trans-title-group></journal-title-group><issn pub-type="ppub">2618-947X</issn><issn pub-type="epub">2618-9984</issn><publisher><publisher-name>Real Economy Publishing House</publisher-name></publisher></journal-meta><article-meta><article-id pub-id-type="doi">10.17747/2078-8886-2017-4-5-10-15</article-id><article-id custom-type="elpub" pub-id-type="custom">ecr-701</article-id><article-categories><subj-group subj-group-type="heading"><subject>Research Article</subject></subj-group><subj-group subj-group-type="section-heading" xml:lang="ru"><subject>НАУКА</subject></subj-group></article-categories><title-group><article-title>Методы обнаружения кризисных ситуаций  в экономике на ранних стадиях</article-title><trans-title-group xml:lang="en"><trans-title>Methods for detection of crises in the economy in the early stages</trans-title></trans-title-group></title-group><contrib-group><contrib contrib-type="author" corresp="yes"><name-alternatives><name name-style="eastern" xml:lang="ru"><surname>Иванюк</surname><given-names>В. А.</given-names></name><name name-style="western" xml:lang="en"><surname>Ivaniuk</surname><given-names>V. A.</given-names></name></name-alternatives><bio xml:lang="ru"><p>Кандидат экон. наук, доцент департамента анализа данных, принятия решений и финансовых технологий ФГОБУ ВО «Финансовый университет при Правительстве Российской Федерации». Область научных интересов: экономическое моделирование, теория принятия решений, стратегическое планирование.</p></bio><bio xml:lang="en"><p>Ph.D. in Economics, Assistant Professor of Data Analysis, Decision Making and Financial Technology Department of FGOBU VO (Federal State Budgetary Education Institution of Higher Education) of the Financial University under the Government of the Russian Federation. Scope of scientific research: economic modeling, decision making theory, strategic planning.</p></bio><email xlink:type="simple">VAIvanyuk@fa.ru</email><xref ref-type="aff" rid="aff-1"/></contrib><contrib contrib-type="author" corresp="yes"><name-alternatives><name name-style="eastern" xml:lang="ru"><surname>Абдикеев</surname><given-names>Н. М.</given-names></name><name name-style="western" xml:lang="en"><surname>Abdikeev</surname><given-names>N. M.</given-names></name></name-alternatives><bio xml:lang="ru"><p>Доктор техн. наук, профессор, директор Института промышленной политики и институционального развития ФГОБУ ВО «Финансовый университет при Правительстве Российской Федерации». Область научных интересов: промышленная политика, прикладной макро-экономический анализ и прогнозирование, неоиндустриализация, инновационные технологии, стратегическое планирование, система поддержки принятия экономических решений, когнитивные технологии в экономике и менеджменте.</p></bio><bio xml:lang="en"><p>D.Sc. in Engineering, Professor, Director of Industrial Policy and Institutional Development Institute of FGOBU VO (Federal State Budgetary Education Institution of Higher Education) of the Financial University under the Government of the Russian Federation. Scope of scientific research: macroeconomic analysis and forecasting, neoindustrialization, innovation technologies, strategic planning, system for facilitation of economic decision making, cognitive technologies in economics and management.</p></bio><email xlink:type="simple">Nabdikeev@fa.ru</email><xref ref-type="aff" rid="aff-1"/></contrib></contrib-group><aff-alternatives id="aff-1"><aff xml:lang="ru"><institution>ФГОБУ ВО «Финансовый университет при Правительстве Российской Федерации»</institution><country>Россия</country></aff><aff xml:lang="en"><institution>FGOBU VO (Federal State Budgetary Education Institution of Higher Education) of the Financial University under the Government of the Russian Federation</institution><country>Russian Federation</country></aff></aff-alternatives><pub-date pub-type="collection"><year>2017</year></pub-date><pub-date pub-type="epub"><day>29</day><month>10</month><year>2017</year></pub-date><volume>0</volume><issue>4-5</issue><fpage>10</fpage><lpage>15</lpage><permissions><copyright-statement>Copyright &amp;#x00A9; Иванюк В.А., Абдикеев Н.М., 2017</copyright-statement><copyright-year>2017</copyright-year><copyright-holder xml:lang="ru">Иванюк В.А., Абдикеев Н.М.</copyright-holder><copyright-holder xml:lang="en">Ivaniuk V.A., Abdikeev N.M.</copyright-holder><license license-type="creative-commons-attribution" xlink:href="https://creativecommons.org/licenses/by/4.0/" xlink:type="simple"><license-p>This work is licensed under a Creative Commons Attribution 4.0 License.</license-p></license></permissions><self-uri xlink:href="https://www.jsdrm.ru/jour/article/view/701">https://www.jsdrm.ru/jour/article/view/701</self-uri><abstract><p>Приведены результаты исследования принципов, методов и модели обнаружения кризисных ситуаций в экономике на ранних стадиях. Рост интенсивности взаимодействия экономических агентов, увеличение скорости обмена информацией и повышение частоты сделок создают предпосылки не только для ускорения экономического роста, но и для перегрева экономики с последующим ее кризисным состоянием. Актуальность и значимость работы обоснованы увеличивающейся частотой как глобальных экономических кризисов, так и кризисов активов, а также появляющейся возможностью статистически обоснованного прогнозирования развития кризисных процессов на рынке ценных бумаг. Объектом исследования явились кризисные ситуации отдельных активов, а также методы обнаружения кризиса на ранней стадии.</p></abstract><trans-abstract xml:lang="en"><p>The article presents the results of a research of the principles, methods and models for discovery of crises in the economy in the early stages. The increase in the intensity of interaction of economic agents and increase the speed of information exchange and transactions frequency create preconditions not only for accelerating growth but also for the overheating of the economy with subsequent state of crisis. The relevance and importance of the work justifies increasing frequency, as global economic crises and crises of assets, and in opportunities of a statistically sound forecasting of development of crisis processes in the securities market. The object of the study was the crisis situation of the individual assets, as well as methods of detecting the crisis at an early stage.</p></trans-abstract><kwd-group xml:lang="ru"><kwd>кризис</kwd><kwd>кризисная ситуация</kwd><kwd>кризис активов</kwd><kwd>кризисный индикатор</kwd><kwd>волатильность</kwd></kwd-group><kwd-group xml:lang="en"><kwd>crisis</kwd><kwd>crisis situations</kwd><kwd>crisis of assets</kwd><kwd>crisis indicator</kwd><kwd>volatility.</kwd></kwd-group></article-meta></front><body><p>Мировой дефицит ликвидности, присутствие на рынке переоцененных, малоликвидных активов и производных финансовых инструмен­тов привели к ситуации, когда мировая экономика, зависящая, прежде всего, от объема ликвидности, оказалась подвержена мировым кризисам, кото­рые происходят один за другим в течение послед­них 15 лет</p><p>На сегодняшний день одним из основополага­ющих факторов, влияющих на развитие мировой экономики являются факторы рыночных тенден­ций, кризисные состояния рынка и банкротства. Изучение кризисных процессов и явлений в эко­номике является одной из самых важных научных и практических задач.</p><p>Если обратиться к естественнонаучным тен­денциям, то экономику в целом можно предста­вить в виде открытой, самоорганизующейся адап­тивной системы (Берталанфи Л., 1969, с. 30-54). Такая система подчиняется общим законам иерар­хичности, энтропийности и адаптивности (Приго- жин И., Стенгерс И., 1986). В простейшем случае ее можно рассматривать как существование двух взаимодействующих неаддитивных контрполяр­ных факторов. Периодически система проходит этапы конвергенции и дивергенции компонентов. Когда в результате адаптационного воздействия контрполярнош элемента составляющая системы изменяет свое направление, происходит кризис. Неизбежность смены направления компонентов (фазовые переходы системы) обусловлена систем­ными свойствами модели.</p><p>Кризиса невозможно избежать, но его послед­ствия можно смягчить, если у экономической си­стемы есть достаточно возможностей для адапта­ции.</p><p>Кризис имеет определенную скорость раз­вития. Начало кризиса невозможно предсказать. Удается определить (зафиксировать) начальную фазу кризиса и предсказать его дальнейшее раз­витие.</p><p>Умение предвидеть развитие событий явля­ется самым главным критерием при принятии управленческих решений. Принятие управленче­ских решений затруднено, если нет информации о развитии текущей ситуации или эта информа­ция неполная. Следовательно, основной задачей является создание моделей и методов, на осно­ве которых можно не только определять начало кризисного процесса, но и предвидеть его даль­нейшее развитие и окончание, смягчать его воз­можные негативные последствия при помощи адекватных управленческих воздействий.</p><p>Кризис как фазовый переход является не ко­личественным, а качественным изменением си­стемы, поэтому перестают работать стохасти­ческие модели. Взаимодействие экономических агентов становится более интенсивным: увеличи­вается скорость обмена информацией, заключает­ся больше сделок - так создаются предпосылки не только для ускорения экономического роста, но и для перегрева экономики.</p><p>На рис. I показано количество кризисов, за­фиксированных в среднем за каждые десять лет в течение 1901-2014 годов. Если график дости­гает значения 2, то за десять лет произошло два кризиса. Начиная с 1986 года частота кризисов стремительно увеличивается. Следовательно, не­обходимо научиться своевременно определять кризис на ранней стадии, с тем чтобы вовремя принять меры и смягчить его последствия.</p><p>Благодаря современным математическим под­ходам к моделированию финансовых кризисов эмпирически подтверждается связь между вола­тильностью и кризисом. Во многих случаях по­вышение показателя волатильности является са­мым важным сигналом наступления кризиса.</p><p>Анализ позволил обнаружить взаимосвязь между повышением волатильности и наступлени­ем банковского кризиса (FariborzMoshiriana Q. W., 2009, р. 351-370). Для этого была собрана инфор­мация о банках, макроэкономической среде и ин­ституциональных характеристиках финансовых учреждений, функционирующих на 18 развитых и 18 развивающихся рынках с 1980 по 2001 год. Эмпирически доказано увеличение коэффициен­та корреляции между индексами волатильности на различных рынках в кризисный период, уве­личение обусловлено поведенческими факторами (Kenourgios D., 2014, р. 21-30). При изучении рас­пространения волатильности на международных финансовых рынках разработан подход, который учитывает наличие двух потенциальных каналов перетекания волатильности - переход уровня во­латильности с одного рынка на другие посред­ством ее дисперсии и ковариации (Golosnoy V., Gribisch В., Liesenfeld R., 2015, р. 95-114).Пере- текание через ковариацию предполагается в свя­зи с существованием эмпирических подтвержде­ний того факта, что резкие изменения дисперсии приводят к увеличению коэффициента корреля­ции на мировом рынке. Проанализировав пере­текание волатильности в краткосрочном периоде на фондовых рынках Японии, Германии и США с использованием внутридневных показателей, авторы учли несинхронность времени открытия бирж и, следовательно, формирование четырех разных внутридневных периодов торгов. Иссле­дование влияния мирового финансового кризиса 2008-2009 годов на динамику курса валют пока­зало, что уровень волатильности увеличивается как минимум вдвое с началом кризиса, при этом существует обратная связь между уровнем во­латильности и длительностью кризиса (Ozer- Imer I., Ozkan I., 2014, р. 394-406). Показатели динамических условных корреляций обычно уве­личиваются с началом кризиса и в дальнейшем незначительно колеблются, оставаясь на высоком уровне.Таким образом, во многих случаях повы­шение показателя волатильности является самым важным сигналом наступления кризиса.</p><p>Методологическая часть построения эконо­метрической модели основана на концепции, согласно которой экономический кризис рассмо­трен не как единовременное состояние (напри­мер, точка бифуркации в равновесной кризисной модели П. Кругмана или момент перенасыщения рынка в теории К. Маркса), а как продолжающий­ся во времени процесс, вызванный настолько зна­чительным дисбалансом рыночного равновесия спроса и предложения; что любое, более или ме­нее точное прогнозирование рынка в этот период не имеет статистического обоснования. Таким образом, финансово-экономический кризис пред­ставляет собой последовательность состояний разбалансировки и стабилизации соотношения рыночных показателей предложения и спроса с четко выраженными фазами роста, плато, спа­да и промежуточными состояниями первичного и вторичною разворотов, когда есть точки бифур­кации или состояния кризисною равновесия.</p><p> </p><fig id="fig-1"><caption><p>Рис 1. Частота кризисов с 1906 по 2016 год (Иванюк В. А, 2016)</p></caption><graphic xlink:href="ecr-0-4-5-g001.png"><uri content-type="original_file">https://cdn.elpub.ru/assets/journals/ecr/2017/4-5/WrTNiAwxmxFQNFsiXaCPJtMQxQigroGm447bPkRH.png</uri></graphic></fig><p> </p><fig id="fig-2"><caption><p>Рис 2 Реализация кризисного индикатора:</p><p>1 — курс доллара США; 2 — кризисный индикатор</p></caption><graphic xlink:href="ecr-0-4-5-g002.png"><uri content-type="original_file">https://cdn.elpub.ru/assets/journals/ecr/2017/4-5/bcYWxmtQ8SkmdPbqWNIS025xutWr9AacZ4DNeJzU.png</uri></graphic></fig><p> </p><fig id="fig-3"><caption><p>Puc 3. Идентификация кризиса на примере индекса DowJones (а) и примере цены на золото (б)</p></caption><graphic xlink:href="ecr-0-4-5-g003.png"><uri content-type="original_file">https://cdn.elpub.ru/assets/journals/ecr/2017/4-5/HdCTdBBa3NPanEWMlKa13l3apodYOLhgcvdF4Biv.png</uri></graphic></fig><p> </p><p>Для разработки эконометрической модели кризиса необходим показатель, на основе кото­рого можно построить кризисный индикатор. В качестве такого показателя рассмотрим вола­тильность. Мы провели анализ изменения уров­ня волатильности на примере акций крупнейших мировых банков и корпораций в автомобилестро­ительной, биофармацевтической и телекоммуни­кационной отраслях. Использованы временные ряды финансовых активов за 1974-2016 годы. Выяснено, что наибольшая волатильность коти­ровок акций крупнейших банков и коммерческих компаний наблюдается именно в периоды кризи­са. Таким образом, показатель волатильности яв­ляется важным инструментом для создания кри­зисного индикатора.</p><p>Чтобы применять на практике разработан­ный кризисный индикатор на основе значений волатильности, необходимо грамотно учитывать разные статистические характеристики времен­ных рядов, в том числе определенные средние (в норме) значения волатильности, присущие каждому временному ряду. Например, колебание курса USD/RUB в норме составляет ±10%. Если наблюдаются колебания выше или ниже 10%, можно фиксировать отклонение от нормы и пере­ход в состояние повышенных значений. Однако то, что верно для одного временного ряда, может не подходить для другого. Например, цена на ак­ции Сбербанка в норме колеблется в диапазоне ±25%, что подтверждается эмпирическими на­блюдениями.</p><p>Методика построения кризисного индикатора основана на ключевых эмпирических свойствах волатильности. Согласно правилу трех сигм, прак­тически все значения (подразумевается, что рас­пределение временного ряда волатильности близ­ко к нормальному) нормально распределенной случайной величины лежат в интервале [Μ - 3σ; M ± 3σ], где σ - среднеквадратическое отклоне­ние с вероятностью 0,9973, предлагается оцени­вать кризисное состояние как выход показателя волатильности за статистически прогнозируемые пределы. Таким образом, начало кризиса опреде­ляется по изменению основного индикатора (во­латильности актива), выходящее за статистически предсказуемые границы вероятности в 99,7%. Следовательно, в качестве индикатора кризиса может выступать интегративная оценка утроен­ной ошибки волатильности, эталоном для которой является собственно текущее значение волатиль­ности (3σσ - σ), где σσ - колебания волатильности.</p><p>Когда показатель волатильности выходит за пределы 3σσ, его временной ряд перестает быть стационарным в широком смысле и не возвраща­ется к состоянию широкой стационарности, пока кризис не закончится. Следовательно, временной интервал кризиса необходимо рассматривать как область некомпетентности стационарной мо­дели и исключать его из дальнейших расчетов по­казателя волатильности.</p><p> </p><fig id="fig-4"><caption><p>Рис 4. Группировка кризисов по их продолжительности (4 группы)</p></caption><graphic xlink:href="ecr-0-4-5-g004.png"><uri content-type="original_file">https://cdn.elpub.ru/assets/journals/ecr/2017/4-5/Ivf9gE8MseTmhISzkJGmmSI50cGgRVvUZ8C2J9w2.png</uri></graphic></fig><p>Введем две аксиомы и основную гипотезу. Аксиома кризисной однозначности начальную фазу кризиса мы понимаем как изменение вола­тильности актива, выходящее за статистически допустимые границы 3σσ. Аксиома кризисной не­предсказуемости момент начала кризиса являет­ся непредсказуемым. Основная гипотеза фазовой инвариантности кризисов: все кризисы проходят одни и те же фазы развития и состоят из опреде­ленных этапов.</p><p>Для подтверждения: основной гипотезы были проведены эксперименты с использованием ме­тодов статистического анализа с целью подтвер­дить основные фазы развития кризиса для каж­дою этапа нулевых гипотез. Приняты нулевые гипотезы:</p><p> </p><fig id="fig-5"><caption><p>Рис 5. Кризисы четвертой группы длительностью от 21 до 42 дней</p></caption><graphic xlink:href="ecr-0-4-5-g005.png"><uri content-type="original_file">https://cdn.elpub.ru/assets/journals/ecr/2017/4-5/01kxbhafTdyjdHm8HPr1FIy1hPhb6GcnVURdgoLL.png</uri></graphic></fig><p>Разработан индикатор, определяющий кризис на ранней стадии его формирования (рис. 2). Сту­пенчатый рост волатильности временного ряда в кризисные периоды представлен на примере кризисов курса рубля РФ к доллару США в 2008- 2009 и 2014-2015 годы:</p><p>где I - интенсивность кризиса; а - чувстви­тельность индикатора; σσ - отклонение волатиль­ности; σ - волатильность (среднеквадратичное отклонение).</p><p>Разработанный индикатор с изменяемой чув­ствительностью определяет наличие кризисною процесса и позволяет идентифицировать кризисы и оценивать их интенсивность. Например, воз­можен ретроспективный анализ применения кри­зисного индикатора для идентификации кризиса на примере индекса Dow Jones и цены на золото (рис. 3).</p><p>Исследование показало, что кризис - это чере­да небольших кризисов (кризисов активов), было принято решение изучить кризисы отдельных ак­тивов. Было изучено 710 кризисов активов, тор­гуемых на Московской межбанковской валютной бирже (ММВБ). Была проанализирована репре­зентативная выборка 32 из 149 активов. В резуль­тате выявлены эмпирические закономерности.</p><p>Кризисы активов можно разделить на несколь­ко групп в зависимости от продолжительности (рис. 4). Это подтверждает нулевую гипотезу 1.</p><p>При выборе кризисов из четвертой группы было выяснено, что продолжительность кризи­сов ограничена определенным диапазоном (от 21 до 42 дней). Подтверждена нулевая гипотеза 2 (рис. 5). Объединив все кризисы из четвертой группы, можно увидеть их общие закономерно­сти, которые подтверждают нулевую гипотезу 3 (рис. 5).</p><p>Построена эконометрическая модель обнару­жения кризисных ситуаций и прогноза продол­жительности кризиса, определены фазы кризис­ного процесса. Развитие кризиса проходит шесть этапов, представленных на рис. 6.</p><p>На основе аппроксимирующей функции сину­са по первой фазе развития кризиса можно пред­сказывать продолжительность кризиса с вероят­ностью 68%.</p><p>Проведена апробация эконометрической мо­дели обнаружения кризисных ситуаций на ре­троспективных данных. Коэффициент отноше­ния волатильности к отклонению волатильности в норме составляет 3,12, а значит, в норме значе­ние показателя не выходит за три сигмы. Следова­тельно, если расчетный показатель выйдет за пре­делы трех сигм, будет невозможно предсказать его дальнейшее развитие статистическими методами. Таким образом, указанное явление сигнализиру­ет о начальной фазе развития кризиса, а гипотеза о кризисной однозначности подтверждается.</p><p> </p><fig id="fig-6"><caption><p>Рис 6 Этапы развития кризисного процесса</p></caption><graphic xlink:href="ecr-0-4-5-g006.png"><uri content-type="original_file">https://cdn.elpub.ru/assets/journals/ecr/2017/4-5/wbjZaiy3EO3tW0rVWfWuEfYOXXJDvfhuyhTUuaM3.png</uri></graphic></fig><p>Для всех кризисов были выявлены общие за­кономерности. Вначале волатильность растет плавно, затем быстрыми темпами, далее про­ходит фазу плато и начинается спад. Эмпири­чески доказано, что аппроксимировать кризис­ную волатильность можно степенной функцией. На основе предложенной модели сделан вывод, что развитие кризиса и ею окончание можно про­гнозировать.</p><p>Разработанная эконометрическая модель кри­зиса применима в любой области экономики, где случаются кризисы. Благодаря разработанной мо­дели у экономистов появляется инструмент, с по­мощью которого можно определить окончание кризиса и принять соответствующие меры.</p></body><back><ref-list><title>References</title><ref id="cit1"><label>1</label><citation-alternatives><mixed-citation xml:lang="ru">Берталанфи Л. (1969) Общая теория систем — критический обзор // Системные исследования / Пер. с англ. М.: Наука. С. 30–54.</mixed-citation><mixed-citation xml:lang="en">Берталанфи Л. (1969) Общая теория систем — критический обзор // Системные исследования / Пер. с англ. М.: Наука. С. 30–54.</mixed-citation></citation-alternatives></ref><ref id="cit2"><label>2</label><citation-alternatives><mixed-citation xml:lang="ru">Иванюк В. А. (2016) Повышение эффективности управления стратегическим инвестиционным портфелем, формирующимся на рынке коллективных инвестиций. М.: ИГ «Граница». 280 с.</mixed-citation><mixed-citation xml:lang="en">Иванюк В. А. (2016) Повышение эффективности управления стратегическим инвестиционным портфелем, формирующимся на рынке коллективных инвестиций. М.: ИГ «Граница». 280 с.</mixed-citation></citation-alternatives></ref><ref id="cit3"><label>3</label><citation-alternatives><mixed-citation xml:lang="ru">Пригожин И., Стенгерс И. (1986) Порядок из хаоса. Новый диалог человека с природой. М.: Прогресс. 432 с.</mixed-citation><mixed-citation xml:lang="en">Пригожин И., Стенгерс И. (1986) Порядок из хаоса. Новый диалог человека с природой. М.: Прогресс. 432 с.</mixed-citation></citation-alternatives></ref><ref id="cit4"><label>4</label><citation-alternatives><mixed-citation xml:lang="ru">Fariborz Moshiriana Q. W. (2009) Banking industry volatility and banking crises // Int. Fin. Markets, Inst. and Money. Vol. 19. P. 351–370.</mixed-citation><mixed-citation xml:lang="en">Fariborz Moshiriana Q. W. (2009) Banking industry volatility and banking crises // Int. Fin. Markets, Inst. and Money. Vol. 19. P. 351–370.</mixed-citation></citation-alternatives></ref><ref id="cit5"><label>5</label><citation-alternatives><mixed-citation xml:lang="ru">Golosnoy V., Gribisch B., Liesenfeld R. (2015) Intra-daily volatility spillovers in international stock markets // Journal of International Money and Finance.Vol. 53. P.95–114.</mixed-citation><mixed-citation xml:lang="en">Golosnoy V., Gribisch B., Liesenfeld R. (2015) Intra-daily volatility spillovers in international stock markets // Journal of International Money and Finance.Vol. 53. P.95–114.</mixed-citation></citation-alternatives></ref><ref id="cit6"><label>6</label><citation-alternatives><mixed-citation xml:lang="ru">Kenourgios D. (2014) On financial contagion and implied market volatility / International Review of Financial Analysis. Vol. 34. P. 21–30.</mixed-citation><mixed-citation xml:lang="en">Kenourgios D. (2014) On financial contagion and implied market volatility / International Review of Financial Analysis. Vol. 34. P. 21–30.</mixed-citation></citation-alternatives></ref><ref id="cit7"><label>7</label><citation-alternatives><mixed-citation xml:lang="ru">Ozer-Imer I., Ozkan I. (2014) An empirical analysis of currency volatilities during the recent global financial crisis // Economic Modelling. Vol. 43. P. 394–406.</mixed-citation><mixed-citation xml:lang="en">Ozer-Imer I., Ozkan I. (2014) An empirical analysis of currency volatilities during the recent global financial crisis // Economic Modelling. Vol. 43. P. 394–406.</mixed-citation></citation-alternatives></ref></ref-list><fn-group><fn fn-type="conflict"><p>The authors declare that there are no conflicts of interest present.</p></fn></fn-group></back></article>
