Конструирование и применения гедонистических ценовых индексов в индустрии компьютерных игр тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Арсланов Марк Витальевич

• Арсланов Марк Витальевич
• кандидат наук
• 2026

Оглавление диссертации кандидат наук Арсланов Марк Витальевич

1.1 Основы гедонистического подхода

1.2 Аномальная доходность и роль видеоигровой индустрии на фондовом рынке.. 18 Глава II Отбор факторов и построение гедонистической модели_21

2.1 Данные, отбор факторов и анализ описательных статистик

2.2 Построение гедонистических моделей

ГЛАВА III Построение и анализ гедонистических индексов _29

3.1 Анализ оценок годовых и помесячных индексов

3.2 Анализ оценок индексов, дифференцированных по жанрам

3.3 Выводы

Глава IV. Анализ взаимосвязи динамики доходностей условных гедонистических индексов и биржевых индексов и доходностей акций компаний-разработчиков_41

4.1 Построение аномальных доходностей, на основе исследования о

киберспортивных мероприятиях

4.2 Методология и данные для построения условных гедонистических индексов и

анализа их взаимосвязи с биржевыми индексами

4.3 Анализ результатов моделирования

4.4 Выводы

Заключение_72

Апробация результатов исследования_74

Список использованных источников и литературы_75

Приложение 1. Результаты оценок гедонистических регрессий к главе 3_78

Приложение 2. Результаты оценок гедонистических регрессий к главе 4_82

Введение

Введение диссертации (часть автореферата) на тему «Конструирование и применения гедонистических ценовых индексов в индустрии компьютерных игр»

Актуальность исследования

В последние годы, в мировой экономике произошли глобальные изменения, повлиявшие на возникновение новых отраслей и продуктов. Скачок в сфере цифровизации, связанный с быстрым прогрессом программного обеспечения, привел к появлению видеоигровой индустрии. Подтверждением развития этой индустрии может служить стремительный рост ее капитализации. За период 2019-2024 гг. рынок видеоигр увеличился более чем на 23% (Newzoo, 2019), в том числе рынок компьютерных игр вырос более чем на 30% (Newzoo, 2024). На сегодняшний день существуют сотни компаний, занимающиеся разработкой и производством видеоигр. С каждым годом внедряют новые технологии и прорабатывают все более изощренные сценарии продукта. Вместе с возрастанием спроса, совершенствованием и усложнением продуктов усложняется процесс ценообразования на рынке игровых продуктов, однако число исследований, в которых проводился бы не конъюнктурный, а глубокий академический анализ, охватывающий данную отрасль, весьма невелико. Возможно, одна из причин отсутствия серьезных академических исследований в этой сфере связана со сложностью и противоречивостью тенденций на рынке компьютерных игр.

В чем же заключаются противоречия?

Несмотря на очевидное увеличение капитализации данной индустрии, если сравнивать рост рынка видеоигровой индустрии с ростом инфляции, прослеживается явная стагнация индустрии. С одной стороны, на рынке наблюдается интенсивный наплыв мелких компаний (Indie - разработчиков), с 2014 года, на фоне бурного роста количества игроков. Такие кампании в первую очередь нацелены на быстром получении прибыли. С другой стороны, более крупные участники рынка создают новые видеоигровые концепции, разрабатывают уникальные технологические решения для улучшения качества своего продукта (в качестве примера можно взять VR - процесс погружения пользователя в виртуальную реальность при помощи дополнительной гарнитуры в виде специальных приборов). При такой стратегии крупные компании могут значительно проигрывать мелким, если говорить лишь о выручке от продаж. При этом наблюдается рост акций крупных игроков рынка, причем акции растут с большей скоростью чем сам рынок (Ramirez, 2025). Такая специфика рынка представляется неоднозначной, и попытка разобраться в механизмах, ответственных за эту неоднозначность, предпринята в данной диссертационной работе.

Помимо этого, некоторые передовые производители видеоигр в последнее время начинают негативно воздействовать на рынок видеоигровой индустрии путём построения

индивидуальной экономической стратегии. Среди таких компаний числится французская компания Ubisoft (Mertens, 2022)., которая за последние 5-6 лет потеряла большую часть аудитории из-за изменения приоритетов при разработке видеоигр, а именно из-за несвоевременной доработки продукта и внедрения колоссального числа внутриигровых транзакций, на которое практически не было спроса.

Подобные вышеизложенному сюжеты порождают множество вопросов о том, как связаны цены с качественными и количественными характеристиками компьютерной игры и их изменениями, в какой мере наличие популярного бренда позволяет завышать цену, как учитывать влияние на цены характеристик потребительского спроса? Традиционный ответ на эти вопросы дает гедонистический подход к моделированию цен.

Отдельного рассмотрения заслуживает вопрос связи цены игры и ее жанра, ибо жанровая принадлежность игры более, чем что-либо иное, обуславливает наблюдаемую неоднородность цен. Игровые жанры весьма сильно различаются по сложности технологии производства, и, соответственно, по производственным издержкам, которые отражаются в ценах. Наибольший выигрыш на рынке получают крупные компании-разработчики, которые могут позволить себе производство диверсифицированных по жанрам продуктов, в то время как мелкие компании становятся заложниками продукта одного жанра, как правило, менее затратного в производстве, и выпускаемого на рынок по низкой цене. Отсюда возникает задача выявления наиболее доходного жанра и изучения динамики его цены.

Следующий важный вопрос, как отделить эффект увеличения потребительского спроса от эффекта изменения качества продуктов на рынке компьютерных игр? Здесь также оказывается полезен гедонистический подход, который, с одной стороны, позволяет промоделировать связь цены с качественными и количественными характеристиками компьютерной игры и их изменениями, с другой стороны дает возможность выделить ценовой индекс, который представляет собой очищенную от многообразия неоднородных характеристик компьютерных игр компоненту цены, позволяющую увидеть реальную долгосрочную ценовую динамику, по которой можно судить об особенностях динамики инфляции, характерных для этого сегмента потребительского рынка. Бизнесменам и аналитикам необходимо знать, как следует проводить дефлирование объема продаж, выпуска и издержек, чтобы представлять эти показатели в реальном выражении, очищенном от инфляции.

Как сконструировать методику выделения гедонистического ценового индекса так, чтобы получать наиболее объективную картину долгосрочной и очищенной от неоднородности характеристик продукта ценовой динамики, позволяет ли уточнить

картину учет характеристик потребительского спроса, как динамика доходности рассчитанного индекса связана с ключевыми политическими и экономическими событиями в отрасли и в мире - это еще один ряд вопросов, требующих ответа.

Как уже было сказано ранее, на фоне роста капитализации видеоигровой индустрии на видеорынке наблюдается стагнация. Какие же механизмы в настоящее время позволяют выживать и поучать прибыль крупным игрокам? Многие из них уже стабильно выпускают большой объем видеоигр и имеют листинг на фондовом рынке, где они приобретают возможность получать дополнительных доход от своей деятельности, а также приумножать популярность своего бренда (Niemczyk, 2022). Исследовательский интерес представляет изучение возможности получения компаниями-разработчиками экстраприбыли за счёт торговли акциями на бирже. Особенно пристального внимания заслуживает изучение динамики цен акций или их доходностей с учетом одних из самых значимых последних событий в мире, а именно, получала ли компания-разработчик экстраприбыль на протяжении первой волны коронавируса, и как изменялась доходность компаний при выходе новых комплектующих для ПК. При этом представляет интерес изучение того, как соотносилась доходность индустрии компьютерных игр с доходностью фондового рынка по отдельным странам, компании-производители которых вносят ощутимый вклад в экономику отрасли, а также связь доходности акций наиболее крупных компаний-производителей с доходностью отрасли и фондового рынка в целом. Доходность отрасли по странам и компаниям, как показано в этом исследовании, может быть рассчитана на основе гедонистического индекса.

Несколько особняком стоит еще один исследовательский вопрос, который не связан с гедонистическими индексами, но посвящен важному сегменту индустрии компьютерных игр: получают ли аномальную доходность на фондовом рынке акции компаний-спонсоров турниров по киберспорту. Если участие в роли спонсоров киберспортивных турниров способствует получению аномальной доходности компаниям-разработчикам компьютерных игр, то это еще один механизм, обеспечивающий выживание компаний на рынке в условиях, когда реализация непосредственно производимых ими продуктов не приносит прибыли.

Попытки дать ответы на сформулированные выше вопросы и обусловливают актуальность диссертационного исследования.

Степень разработанности темы исследования

1. Подход гедонистических индексов

Вопрос о том, как различные характеристики объекта влияют на его стоимость, изучается на протяжении долгих лет. Еще в конце 1930-х годов в работах (Leavens, 1938; Court, 1939) были выдвинуты предположения о том, что существует взаимосвязь некоторых специфических характеристик и стоимости автомобилей. В качестве инструмента для анализа связи факторов с ценой был построен гедонистический индекс, который оказался удобен при объяснении распределения цен на автомобильном рынке.

В работе (Triplett, 1996; Triplett, 2004) описывается метод построения гедонистических индексов на компьютерное оборудование, который помог обнаружить факт падения стоимости последнего в связи с ростом качества полупроводников с 1958 по 1994 гг. При этом автор отмечает, что на раннем этапе рассматриваемого промежутка времени качество полупроводников еще было низким, однако их дефицит приводил к весьма высокой стоимости комплектующих. Также в исследовании прослеживается сильная волатильность индекса, обусловленная экономическими шоками в отрасли производства компьютеров по ходу повышения производительности в смежных отраслях, производящих комплектующие.

Более актуальна в свете заявленной темы работа (Cox, 2017), которая непосредственно связана с индустрией видеоигр. В этой статье исследуется гедонистическая оценка стоимости видеоигр, учитывающая широкий спектр различных факторов. В частности, автор отмечает, что увеличение стоимости видеоигр связано с их переходом на онлайн-платформы, а также с включением дополнительного контента, связанного с новыми видеоигровыми механиками и поворотами сюжета, именуемыми «DLC».

Все вышеупомянутые публикации объединяет гедонистический подход, который, только один и возможен в тех случаях, когда речь идет об анализе рынков товаров с сильно гетерогенными качествами и стремительно обновляющимся ассортиментом (Турунцева, Зямалов, 2022).

В руководстве МВФ по методикам расчета индексов потребительских цен (ЕЭК, ООН, 2007) указываются проблемы, возникающие при построении гедонистических индексов, такие как: проблема функциональной формы модели, ненормальное распределение ошибок, гетероскедастичность, мультиколлинеарность регрессоров, а также систематической ошибки выборки, составленной на основе генеральной совокупности сравнимых или заменяющих продуктов. Некоторые из этих проблем удается решить в рамках, предлагаемых в данной работе подходов.

В диссертационной работе будет построен ценовой индекс на видеоигры, а точнее говоря, некая его прокси, на интервале времени с 2007 по 2023 год. Для построения индекса будет применяться стандартный гедонистический подход с временными фиктивными переменными, который модифицируется для учета случайных эффектов жанров, режимов и групп по масштабу охвата пользовательской аудитории. Сконструированные модели будут оценены при помощи МНК и симуляционного ММП. Примененный подход позволит выявить факторы, эффекты которых на цены существенно различаются в зависимости от того, в каких группах оказываются объекты. Дополнительно будут подробно проанализированы ежемесячные данные с 2020 по 2023 год для более глубокого изучения эффектов событий, последовавших после 24 февраля 2022 года.

Следует сказать, что построенный в работе индекс — это лишь прокси для традиционного ценового индекса, поскольку в выборке нет возможности проследить изменение цены каждой игры со временем, однако в тексте работы для упрощения изложения этот прокси-показатель будет именоваться «индексом» или «условным гедонистическим индексом». Все цены измерены на тот момент времени, когда осуществлялось скачивание данных. Временные дамми, год выпуска игры, служат для оценки предполагаемой инфляции на рынке компьютерных игр, из-за которой текущая цена может превышать цену выпуска. Гедонистическая регрессия позволяет отделить инфляционную составляющую цены от паттерна, связного с изменением характеристик игр, с изменением качества.

2. Аномальная доходность в видеоигровой индустрии

Индустрия видеоигр занимает значительное место в современной сфере услуг и развлечений. В 2018 году доход от видеоигровой индустрии составлял почти 152 млрд долл. (Newzoo, 2018), в то время как в 2024 году доход увечился до 188 млрд долл. (Newzoo, 2024). Как уже было сказано ранее, этот рост слабее, чем рост долларовой инфляции, и в стагнации индустрии существенную роль играют наиболее крупные компании, которые используют иную, нежели мелкие фирмы, стратегию выживания на рынке: после достижения значительных степени популярности и уровня капитализации выходят на фондовый рынок, где выпуск ценных бумаг позволяет им приобретать новых инвесторов и расширять потребительскую аудиторию.

Такая стратегия не только помогает компаниям увеличить популярность своего бренда, но и обеспечить некоторую стабильность в кризисные экономические периоды, как отмечается в работе (Кузнецов, 2023). Это утверждение может вызывать ряд вопросов, и один из них, собственно, и выступает основным исследовательским вопросом данной

работы, а именно, существует ли экстраприбыль или убыток у компаний в определённые экономические периоды или нет. Обычно понять это помогает метод событийного анализа (Климарев, Студников, 2011). В качестве событийного окна для выявления ценовых аномалий акций компаний-производителей видеоигр особый интерес представляют периоды пандемии коронавируса и СВО. Следует сказать, что исследование второго событийного окна представляется возможным, так как в онлайн платформе Steam, откуда собираются данные по ценам видеоигр для всей работы, число русскоговорящей аудитории занимает третье место.

Другой вопрос связан с тем, насколько значимо влияние определенного экономического или политического события на стоимость акции компании-разработчика на фоне эффектов других факторов и событий внутри индустрии, которые также влияют на изменение стоимости акций в рассматриваемые промежутки времени. Для этого в предлагаемой методологии используется совместный анализ биржевых индексов, в которых аккумулируется информация об общем состоянии рынка и эффектах значимых экономических и политических событий, и гедонистического индекса на видеоигры, в котором отражена информация о состоянии рынка игр с определёнными видеоигровыми характеристиками и системными требованиями С помощью данного приёма можно оценить не только факт существования аномальной доходности акций компаний-разработчиков, но и определить какие видеоигровые характеристики в большей степени обуславливают ее наличие и масштаб.

В заключительной части диссертационной работы делается попытка объединения методологии конструирования универсальных гедонистических индексов для игровой индустрии (Арсланов, Ратникова, 2024) и наработок по проведению событийного анализа для выявления аномальной доходности акций с помощью оценки взаимосвязи рыночных индексов с акциями компаний (Арсланов, 2024).

Заключая обзор, следует сказать, что среди множества работ, посвященных изучению индустрии видеоигр, эконометрическому анализу видеоигровой индустрии внимания уделено пока немного, а работ, посвященных применению гедонистических индексов в игровой индустрии для выявления аномальной доходности акций компаний-разработчиков компьютерных игр, пока не встречается в литературе. Данная работа призвана в некоторой мере заполнить существующие лакуны.

Объект исследования

Цены на компьютерные игры в период 2008-2023 гг., цены акций компаний разработчиков 2019-2023гг., цены акций компаний-спонсоров турниров по киберспорту.

Предмет исследования

Динамика доходности инвестиций в индустрию компьютерных игр.

Методологическая основа исследования

Моделирование ценовых и гедонистических индексов для видеоигровой индустрии на основе гедонистических регрессий с учетом ненаблюдаемой неоднородности по данным о продажах видеоигр с широким спектром наблюдаемых характеристик. Выявление аномальной доходности акций компаний-разработчиков на основе сконструированных гедонистических индексов, традиционных биржевых индексов, событийных окон и модели САРМ для оценки инвестиционной эффективности в видеоигровую индустрию. Выявление аномальной доходности акций компаний-спонсоров турниров по киберспорту на основе традиционных биржевых индексов, событийных окон и модели САРМ.

Цель и задачи исследования

Целью данного исследования служит построение гедонистических индексов для индустрии компьютерных и оценка доходности инвестиций в индустрию в целом и в акции крупнейших компаний-разработчиков, а также выявление аномальной доходности акций компаний-спонсоров турниров по киберспорту.

Для реализации поставленной цели был поставлен следующий ряд задач:

1. Анализ рынка видеоигр, определение главных трендов развития отрасли на примере лидирующих видеоигровых проектов, обзор публикаций, посвященных исследованиям видеоигровой индустрии.

2. Сбор данных о ценах и характеристиках компьютерных видеоигр, анализ описательной статистики, предварительная обработка данных, выявление факторов, влияющих на системные характеристики продукта и на его потребительские свойства.

3. Анализ целесообразности кластеризации видеоигр по жанрам для последующего учета в моделях агрегированных ненаблюдаемых специфических эффектов жанра на цены.

4. Разработка методики конструирования гедонистических индексов по отдельным группам и по рынку видеоигр в целом

5. Сбор данных о ценах акций крупнейших компаний в мировой индустрии видеоигр.

6. Совместный анализ динамики доходности акций, биржевых и гедонистических индексов для выявления аномальной доходности акций компаний, разрабатывающих видеоигры, в кризисные периоды.

7. Сбор данных о ценах акций компаний-спонсоров турниров по киберспорту и выявление аномальной доходности акций компаний-спонсоров турниров по киберспорту.

Научная новизна

1. Впервые применена гедонистическая модель для построения индекса видеоигровой индустрии, учитывающий влияние различных характеристик на конечную стоимость продукта.

2. Оценена модифицированная гедонистическая модель, в которой были учтены характеристики потребительского спроса

3. При конструировании гедонистических индексов была исследована чувствительность оценок индекса к учету специфических эффектов жанра, режима и охвата пользовательской аудитории на цены.

4. По гедонистическим индексам удалось исследовать динамику доходности каждого жанра и режима и выделить наиболее доходные из них.

5. На основе анализа динамики условных гедонистических индексов удалось выявить значимые шоки видеоигровой индустрии с 2008 по 2023 года.

6. Впервые синтезированы гедонистические индексы видеоигровой индустрии по набору стран, компании которых занимают лидирующее положение на рынке видеоигр.

7. Впервые, на основе работы по киберспортивным соревнованиям, с помощью применения подхода событийного окна и модели САРМ было проведено сопоставление доходностей гедонистических видеоигровых индексов отдельных стран с их наиболее популярными традиционными биржевыми индексами. Данное сопоставление позволило выявить динамику эффективности инвестиций в игровую индустрию по набору стран, компании которых занимают лидирующее положение на рынке видеоигр.

8. Применена модель САРМ для оценки динамики эффективности инвестиций в акции компаний разработчиков и производителей видеоигр в период экономических шоков 2020 и 2022 годов при сопоставлении с традиционными биржевыми и гедонистическими индексами для видеоигровой индустрии.

Основные результаты исследования, выносимые на защиту

1. Особенность работы состоит в том, что в использованных гедонистических регрессиях появляется учет дополнительных факторов, отражающих реакцию потребителя

и производителя на изменение стоимости видеоигры. Было выяснено, что некоторые переменные, характеризующие потребительский спрос, дают неоднозначные эффекты. Факторы, отвечающие за положительный и отрицательный отзыв игрока, всегда оказывают отрицательное влияние на стоимость продукта, в то время как рекомендации сильно увеличивают стоимость. Если издатель видеоигры является ее разработчиком, и существует наличие технической поддержки, то стоимость игры снижается. Также, следует сказать, что в данной работе год выпуска игры означает ее возраст на сегодняшний день, и условный гедонистический индекс показывает, как в среднем меняется цена в процессе смены поколений видеоигр.

2. Разнообразные модификации гедонистической модельной регрессии позволили получить индексы, в разной степени очищенные от неоднородности наблюдаемых характеристик и ненаблюдаемой неоднородности. Варьирование способов учета неоднородности приводит к заметным различиям в поведении индексов при сохранении общности тенденций. Индексы, построенные на годовых данных в интервале 2007-2023 гг., отражают ключевые мировые экономические события, что входит, на первый взгляд, в противоречие с мнением экспертов игровой индустрии о слабой чувствительности игрового рынка к кризисам.

3. В работе также построены индексы отдельных жанров и исследована жанровая неоднородность влияния ключевых факторов на цену: объема места на жестком диске и объема оперативной памяти. Интересным выводом оказалось довольно тесное совпадение ценовых индексов у жанров «инди» и «приключения», так как оба жанра довольно сильно отличаются по диапазону цен. Во многом это может быть связано с некоторой схожестью этих жанров, однако их системные характеристики сильно разнятся. Следует отметить, что наибольшее влияние на стоимость видеоигр оказал параметр, отвечающий за объем памяти на жестком диске. Однако в дальнейшем данная тенденция может измениться, поскольку в последнее время разработчики нацелены на улучшение формата продукта. Такой переход характеризуется внедрением более качественного контента, который поддерживается передовыми видеокартами и процессорами. В дальнейшем этот переход может повлиять на изменение ключевого параметра, оказывающего наибольшее воздействие на изменение цены.

4. Период пандемии 2020 года и выход нового компьютерного оборудования на рынок довольно позитивно повлиял на всю видеоигровую индустрию, чего нельзя сказать о периоде СВО в 2022 году, основываясь на построенных условных гедонистических индексах. Однако анализ, проведенный на ежемесячных данных, позволил убедиться в том, что игровая отрасль обладает очень высокой скоростью адаптации к экономическим и

политическим потрясениям. Дополнительно, используя гедонистические цены акций компаний, удалось отследить схожие эффекты на биржевой индекс.

5. Основываясь на результатах совокупных и кумулятивных доходностей по биржевому и условному гедонистическому индексу, наиболее схожий характер динамики доходностей выявился у индексов для видеоигровой индустрии Франции, Польши и Австралии. Однако, основываясь на результатах оценок гедонистических цен акций и рыночных цен акций компаний, относительно биржевого индекса, следует сказать, что сонаправенные динамики имеют акции Electronic Arts Inc (0.27 в 2020 году и 0.01 в 2022г оду) Atari (0.04 и 0.01) и Sega Sammy Holdings (0.01 и 0.03) а также Marvelous Inc (0.05 и 0.04) (Таблица П2). Наибольшую контрцикличность в кризисные периоды показали акции компаний Playway SA (-0.01 и -0.01) и Pullup Entertainment SA (-0.02 и -0.01), а также почти полную ацикличность показывает компания Microsoft Corporation (0.00 и 0.01). Нестабильная экономическая ситуация повиляла на решение компаний заниматься разработкой ПО в ущерб развития видеоигровой индустрии. В свою очередь, ацикличность также связана с тем, что основная деятельность компании Microsoft не связана с видеоигровыми услугами.

6. В исследовании по оценке акций киберспортивных компаний одним из важнейших результатов проделанной работы служит то, что доходность компаний, чья отрасль наиболее тесно связана с киберспортом, не сильно коррелирует с исходами матчей. В качестве объяснения данного феномена можно привести работу (Dal Re et al., 2018), где зрители не проявляют привязанности к своим командам. Из этого следует то, что они не обращают внимание на бренды своих команд. Однако акции компаний, связанных с отраслью электротехники и игорным бизнесом, имеют тесную связь с исходами турниров. Большинство этих компаний спонсируют команды из киберспортивной лиги League of Legends, где эти компании являются очень крупными спонсорами. Одним из ярких примеров являются команды SK Telecom T1 и Samsung Galaxy, которые имеют по одному крупному спонсору, названия которых связаны с логотипами представленных команд. Из проведенных расчетов можно также сделать вывод о том, что если у команды имеется только один спонсор, то его доходность от акций будет больше, чем она была бы, если бы у команды было несколько спонсоров.

Теоретическая и практическая значимость исследования

Как уже было сказано ранее, количество научных работ, посвященных видеоигровой индустрии довольно невелико. Благодаря данной работе удалось получить данные о факторах, влияющих на стоимость видеоигр, а также получилось исследовать поведение

видеоигровой индустрии на протяжении экономических шоков 2020 и 2022 годов. Кроме того, используя оценки при построении индекса цен по видеоиграм, был проведен анализ по инвестиционной эффективности компаний, занимающихся разработкой и производством видеоигр. Это делает результат полезным для дальнейших исследований в этой индустрии.

Список литературы диссертационного исследования кандидат наук Арсланов Марк Витальевич, 2026 год

Список использованных источников и литературы

Айдагулов, М. Ш. (2023). Сфера компьютерных игр как индустрии для инвестиций.

https://vc.m/u/1170013-marat-aydagulov/642531-sfera-kompyuternyh-igr-kak-industrii-dlya-

investiciy

Волкова, Е. (2022). Доигрались. Мировой рынок видеоигр рушится на глазах. Что ждет многомиллиардную индустрию? https://lenta.ru/articles/2022/08/22/videogames/ ЕЭК, ООН. (2007). Руководство по индексу потребительских цен: теория и практика. Житков, К. В., & Ратникова, Т. А. (2014). Построение гедонистических ценовых индексов на полотна художников-фовистов. Прикладная эконометрика, (3 (35)), 59-85. Климарев, Н. В., & Студников, С. С. (2011). Методологические проблемы применения метода событийного анализа в финансовых исследованиях. Вестник Московского университета. Серия 6. Экономика, (6), 58-67.

Кузнецов, А. Д. (2023). Особенности первичного размещения акций в игровой индустрии. Скиф. Вопросы студенческой науки, 5(84), 152-162.

Соломатин, А. В., & Соломатин, Я. В. (2015). Влияние выпуска конечного продукта на цену акции компании производителя. Корпоративные финансы, 9(4), 52-72. Стогова, Е. (2023). Рост цен и серый импорт обрушили продажи легальных видеоигр в России. https://www.rbc.ru/technology_and_media/16/10/2023/652929889a79475ff709a318 Турунцева, М. Ю., & Зямалов, В. Е. (2022). Гедонистические ценовые индексы: опыт применения к российскому рынку. Экономический журнал Высшей школы экономики, 26(3), 429-449. https://doi.org/10.17323/1813-8691-2022-26-3-429-449.

Чарахчян, К. К., & Чарахчян, В. К. (2018). Некоторые аспекты воздействия новостной информации на биржевую оценку эмитентов. Теория и практика общественного развития, (1), 48-52. https://doi.org/10.24158/tipor.2018.110

Alexander, C. (2020). Game Over? How Video Game Console Makers are Speeding Toward an Antitrust Violation. Bus. Entrepreneurship & TaxL. Rev., 4, 151.

Arafat, M., Qusef, A., & Al-Taher, S. (2019). Steam's Early Access Model: A Study on Consumers' Perspective. In 2019 IEEE Jordan International Joint Conference on Electrical Engineering and Information Technology (JEEIT), 336-341. IEEE. https://doi.org/10.1109/JEEIT.2019.8717501

Berndt, E. R. (2005). The practice of econometrics: classics and contemporary.

Berndt, E. R., & Griliches, Z. (1993). Price indexes for microcomputers: an exploratory study.

In Price measurements and their uses, 63-100.

Boldi, A., Rapp, A., & Tirassa, M. (2024). Playing during a crisis: The impact of commercial video games on the reconfiguration of people's life during the COVID-19 pandemic. HumanComputer Interaction, 39(5-6), 338-379. https://doi.org/10.1080/07370024.2022.2050725 Brasington, D. M., & Hite, D. (2008). A mixed index approach to identifying hedonic price models. Regional Science and Urban Economics, 35(3), 271-284. https://doi.org/10.2139/ssrn.928252

Brown, S. J., & Warner, J. B. (1985). Using daily stock returns The Case of Event Studies. Journal of Financial Economics, 14(1), 3-31. https://doi.org/10.1016/0304-405X(85)90042-X Choi, K. J., Hwang, J. H., & Lee, J. Y. (2021). Different effects of price discounts on game purchase: Comparison between single and multi-games. The Journal of the Korea Contents Association, 21(6), 561-571. https://doi.org/10.5392/JKCA.2021.21.06.561 Court, A.T. (1939) Hedonic Price Indexes. The Dynamics of Automobile Demand, General Motors Corporation, 99-119.

Cox, J. (2014). What makes a blockbuster video game? An empirical analysis of US sales data. Managerial and Decision Economics, 35(3), 189-198. https://doi.org/10.1002/mde.2608. Cox, J. (2017). Play it again, Sam? Versioning in the market for second-hand video game software. Managerial and Decision Economics, 35(4), 526-533. https://doi.org/10.1002/mde.2800. Eurostat, S. (2001). Economy-wide material flow accounts and derived indicators. A methodological guide, 92.

Gretz, R. T. (2010). Console price and software availability in the home video game industry. Atlantic Economic Journal, 35(1), 81-94. https://doi.org/10.1007/s11293-009-9209-3. Griliches, Z. (1964). Notes on the measurement of price and quality changes. In Models of income determination, 381-418.

Kokoski, M., Waehrer, K., & Rozaklis, P. (2001). Using hedonic methods for quality adjustment in the CPI: The consumer audio products component. US Department of Labor, Bureau of Labor Statistics, Office of Prices and Living Conditions.

Leavens, D. H. (1938). Report of the Atlantic City and Indianapolis meetings, December 27-30, 1937. Econometrica, 6(2), 180-192.

Mertens, J. (2022). Broken Games and the Perpetual Update Culture: Revising Failure With Ubisoft's Assassin's Creed Unity. Games and Culture, 17(1), 70-88.

Moresino, F. (2019). A hedonic approach to estimate the price of reliability, energy efficiency and safety for new cars in Switzerland. American Journal of Industrial and Business Management. Moulton, B. R. (2001). The expanding role of hedonic methods in the official statistics of the United States. In Proceedings of a Symposium on Hedonic Methods. Wiesbaden: Deutches Bundesbank and German Federal Statistical Office.

Newzoo. (2018). Global games market report 2018. Newzoo. (2019). Global games market report 2019. Newzoo. (2024). Global games market report 2024.

Niemczyk, J., Borowski, K., & Nobel, M. (2022). Strategy approaches in the video game industry. The case study of South Korea, the USA and Poland. Informatyka Ekonomiczna, (1), 2955.

Ortiz, L., Tillerias, H., Chimbo, C., & Toaza, V. (2020). Impact on the video game industry during the COVID-19 pandemic. Athenea Engineering sciences journal, 1(1), 5-13. https://doi.org/10.47460/athenea.v1iL1

Parshakov, P., & Zavertiaeva, M. (2016). Success in eSports: Does Country Matter? Perm: National Research University Higher School of Economics. http://dx.doi.org/10.2139/ssrn.2662343

Reiser, M., Breuer, C., & Wicker, P. (2012). The sponsorship effect: Do sport sponsorship announcements impact the firm value of sponsoring firms?. International Journal of Sport Finance, 7(3), 232-248.

Rosen, S. (1974). Hedonic prices and implicit markets: product differentiation in pure competition. Journal of political economy, 82(1), 34-55. https://doi.org/10.1086/260169 Siuda, P., Regula, D., Majewski, J., & Kwapiszewska, A. (2024). Broken promises marketing. Relations, communication strategies, and ethics of video game journalists and developers: The case of cyberpunk 2077. Games and Culture, 19(5), 650-669. https://doi.org/10.1177/15554120231173479

Triplett J. E. (1996). High-tech industry productivity and hedonic price indices. In: Industry Productivity: International Comparison and Measurement Issues, 119-142. Paris: OECD. Triplett, J. E. (2004). Handbook on hedonic indexes and quality adjustments in price indexes. OECD Science, Technology and Industry Working Papers, 9, 2004. Varela Ramirez, M. (2025). Game on or game over? navigating workforce restructuring in the post-pandemic videogame industry.

Varian, H. R. (1995). Pricing the information goods in the presence of product depreciation and Word-of-Mouth effects. Paper presented at the Scholarship in the New Information Environment Symposium, Harvard Law School, https://doi.org/10.1109/ICSSSM.2013.6602532 Varian, H. R. (2000). Buying, sharing and renting information goods. The Journal of Industrial Economics, 48(4), 473-488. https://doi.org/10.1111/1467-6451.00133

White, A. G., Abel, J. R., Berndt, E. R., & Monroe, C. W. (2004). Hedonic price indexes for personal computer operating systems and productivity suites (NBER Working Paper No. 10427). National Bureau of Economic Research.

Приложение 1. Результаты оценок гедонистических регрессий к главе 3

Таблица П1. Оценки коэффициентов в моделях на годовых данных

Модель (4) с RE

Модель (1) Модель (2) Модель (3) c FE эффектами эффектами

Факторы index 0 index 1 index_g_fe index c_fe index_g re index c re

Peak CCU 0.001*** 0.001*** 0.001*** 0.001*** 0.001***

DLC count 0.002*** 0.002*** 0.002*** 0.002*** 0.001***

Windows -0.403** -0.299* -0.613*** -0.277* 0.365

Mac 0.056*** 0.098*** 0.052*** 0.096*** 0.049***

Linux 0.023* 0.028** -0.010 0.024** -0.049***

Positive -0.001*** -0.001*** -0.001*** -0.001*** -0.001***

Negative -0.001*** -0.001*** -0.001*** -0.001*** -0.001***

Recommendations 0.001*** 0.001*** 0.001*** 0.001*** 0.001***

Achievements 0.00002 0.00002 -0.00002 0.00002 0.000014

Average playtime forever 0.00005*** 0.00006*** 0.0001*** 0.0001*** 0.00005***

Median playtime forever -0.0001*** -0.0001*** -0.0001*** -0.0001*** -0.00001**

Dev-Pub -0.202*** -0.175*** -0.189*** -0.157*** -0.156***

Eng 0.206*** 0.094*** 0.111*** 0.097*** 0.106***

Rus 0.125*** 0.108*** 0.096*** 0 114*** 0.057***

Age 0.405*** 0.313*** 0.385*** 0.311*** 0.316***

Reviews 0.382*** 0.336*** 0.336*** 0.333*** 0.258***

Support email -0.183*** -0.185*** _0 191*** -0.180*** -0.136***

Notes 0.090*** 0.042*** 0.085*** 0.052*** 0.100***

y_2007 -0.157 -0.226* -0.257** -0.239** -0.236*** -0.056

y_2008 0 0 0 0 0.052 0.257***

y_2009 0.05 0.034 0.001 0.052 0.031 0.271***

y_2010 -0.205** -0.208** -0.217*** -0.243** _0 197*** 0.051

y_2011 -0.104 -0.117 -0.05 -0.166* -0.056 0.087

y_2012 -0.065 -0.114 -0.011 -0.117 0.001 0.058

y_2013 -0.03 -0.114 -0.032 -0.139 -0.01 -0.011

y_2014 -0.190** -0.170** -0.099 -0.177** -0.106*** -0.052*

y_2015 -0.334*** -0.259*** -0.139** -0.280*** -0.126*** -0.151***

y_2016 -0.454*** -0.305*** -0.161** -0.318*** -0.137*** -0.178***

y_2017 -0.512*** -0.309*** -0.161** -0.315*** -0.131*** -0.139***

y_2018 -0.603*** -0.382*** -0.201*** -0.390*** _0 171*** -0.155***

y_2019 -0.512*** -0.291*** -0.113* -0.296*** -0.08*** -0.079***

y_2020 -0.493*** -0.260*** -0.056 -0.270*** -0.023* -0.041***

y_2021 -0.451*** -0.203*** -0.022 -0.205*** 0.016 0.031**

y_2022 -0.431*** -0.160** 0.022 -0.154** 0.063*** 0.088***

y_2023 -0.506*** -0.224*** -0.041 -0.230*** 0 0

_cons 2.102*** 2.269*** 2.301*** 2.237*** 1746*** 1.51***

Примечание. *, **, *** — значимость на 10, 5 и 1%-номуровне

Таблица П2. Оценки коэффициентов у групп факторов в моделях с FE эффектами на годовых

данных

Группа факторов по жанру

index_g_fe indexcfe

Action Adventure Casual Early Access Free to Play Indie

Massively Multiplayer

Racing

RPG

Simulation Sports Strategy Education 18+

0.030*** 0.107*** -0.229*** 0.248*** —1 694*** -0.187 —0.204*** 0.008 0.122*** 0.165*** 0.121*** 0.099*** —0.077*** —0.058*

Группа факторов по режиму игры

index_gfe indexcfe

Single-player

Multi-player

Co-op

Cross-PlatformMultiplayer

Steam Achievements

MMO

VR Support

PvP

Shared/Split Screen

0.280*** 0.112*** 0.113*** —0.200*** 0.156*** —0.796*** 0.353*** —0.083*** 0.176***

Примечание. *, **, *** — значимость на 10, 5 и 1%-номуровне Таблица П3. Оценки коэффициентов в моделях на месячных данных

Модель (3) c FE

Модель (4) с RE

Модель (1) Модель (2) эффектами эффектами

Факторы index 0 index 1 index_gfe index cfe index_g re index c re

Peak CCU 0.0001 0.0003*** 0.001*** 0.0001*** 0.0001***

DLC count 0.001** 0.001*** 0.002*** 0.001*** 0.001**

Windows —0.151 0.358 —0.097 0.296 0.156

Mac 0.012 0.073*** 0.021 0.063*** 0.014

Linux 0.024 0.05*** 0.014 0.048*** 0.042**

Positive —0.0002*** —0.001*** —0.0001*** —0.001*** —0.0001***

Negative —0.0002*** —0.001* —0.0001** —0.0001 —0.0001

Recommendations 0.0002*** 0.001*** 0.0002*** 0.001*** 0.0002***

Achievements 0.0001*** 0.0001*** 0.001*** 0.001*** -0.0001***

Average playtime forever -0.0002 0.0001*** 0.0001*** 0.0001*** 0.00007***

Median playtime forever 0.0001 -0.0003*** -0.0001* -0.0002*** -0.00002

Dev-Pub -0.169*** -0.209*** -0.208*** _0 191*** -0.212***

Eng 0.206*** 0.090*** 0.122*** 0.103*** 0.234***

Rus 0.120*** 0.089*** 0.098*** 0.104*** 0.105***

Age 0.288*** 0.377*** 0.445*** 0.364*** 0.406***

Reviews 0.326*** 0.398*** 0.424*** 0.386*** 0.438***

Support email -0 179*** -0.211*** -0.216*** -0.200*** -0.203***

Notes 0.081*** 0.038*** 0.092*** 0.048*** 0.095***

y_202001 -0.151*** -0.096* -0.084* -0.109** -0.076* -0.127***

y_202002 -0.132** -0.096* -0.074 -0.106** -0.088** -0.128***

y_202003 -0.084* 0.165*** 0.003 -0.006 -0.007 -0.017

y_202004 -0.054 -0.037 -0.045 -0.033 -0.042 -0.067

y_202005 -0.244 -0.243*** -0.095** -0.237*** -0.104*** -0.253***

y_202006 -0.095* -0 144*** -0.051 -0.111** -0.053 -0.134***

y_202007 -0.169*** -0.161*** -0.105** -0.138*** -0.115*** -0.165***

y_202008 -0.105** -0.129*** -0.046 -0.104** -0.048 -0.126***

y_202009 -0.080 -0.104** -0.048 -0.072 -0.041 -0.095**

y_202010 -0.004 -0.040 0.014 -0.018 0.011 -0.037

y_202011 -0.071 -0.044 -0.074* -0.042 -0.072* -0.063

y_202012 -0.101* -0.077 -0.041 -0.068 -0.043 -0.097**

y_202101 -0.184*** -0.150*** -0 141*** -0.131** -0.132*** -0.163***

y_202102 -0.057 -0.019 -0.043 -0.016 -0.043 -0.038

y_202103 -0.071 -0.032 -0.054 -0.052 -0.045 -0.071

y_202104 -0.078 -0.001 -0.038 -0.027 -0.045 -0.059

y_202105 -0.122** -0.027 -0.029 -0.076 -0.025 -0.097**

y_202106 -0.092* -0.013 -0.063 -0.066 -0.068** -0.087**

y_202107 -0.108** 0.008 -0.016 -0.051 -0.030 -0.075*

y_202108 -0.004 0.092* 0.062 0.039 0.056 0.022

y_202109 0.031 0.086* 0.033 0.038 0.030 0.027

y_202110 -0.007 0.084* 0.010 0.029 0.013 0.010

y_202111 -0.020 0.079* 0.015 0.027 0.020 0.005

y_202112 -0.036 0.096** 0.046 0.026 0.044 0.004

y_202201 -0.060 0.086* -0.024 0.013 -0.019 -0.010

y_202202 -0.050 0.100** 0.018 0.022 0.016 0.001

y_202203 0.019 0149*** 0.088** 0.071 0.073** 0.050

y_202204 0.027 0.155*** 0.091** 0.075 0.081** 0.049

y_202205 -0.009 0.139*** 0.086** 0.057 0.092*** 0.041

y_202206 0.010 0.160*** 0.095** 0.080 0.112*** 0.064

y_202207 -0.019 0.192*** 0.094** 0.076 0.104*** 0.058

y_202208 -0.178*** 0.045 -0.055 -0.084* -0.048 -0.109***

у_202209 -0.024 0.197*** 0.037 0.070 0.041 0.049

у_202210 -0.003 0.196*** 0.045 0.072 0.041 0.064

у_202211 -0.044 0.159*** -0.018 0.039 -0.019 0.024

у_202212 -0.120** 0.109** -0.043 -0.025 -0.040 -0.030

у_202301 -0.135*** 0.118** -0.048 -0.038 -0.044 -0.045

у_202302 -0.124** 0.080* -0.064 -0.058 -0.043 -0.058

у_202303 -0.101** 0.123*** -0.035 -0.039 -0.041 -0.029

у_202304 -0.044 0.175*** 0.049 0.023 0.042 0.030

у_202305 -0.152*** 0.079* -0.044 -0.070 -0.042 -0.078*

у_202306 -0.148*** 0.122*** -0.028 -0.061 -0.025 -0.060

Примечание. * **, *** — значимость на 10, 5 и 1%-номуровне Таблица П4. Оценки коэффициентов у групп факторов в моделях с FE эффектами на месячных

данных

Группа факторов по режиму игры index_g_fe indexcfe

Single-player 0.282***

Multi-player 0.133***

Co-op 0.082***

Cross-PlatformMultiplayer -0.181***

Steam Achievements 0.148***

MMO -0.715***

VR Support 0.410***

PvP -0.141***

Shared/Split Screen 0.226***

Примечание. *, **, *** — значимость на 10, 5 и 1%-ном уровне

Приложение 2. Результаты оценок гедонистических регрессий к главе 4

Таблица П5. Оценки коэффициентов в моделях на месячных данных

Факторы

Модель

Модель

Модель (14)

Модель (14)

index_g_re_

index_g re index_g_fe Recommendations Achievements

PeakCCU 0.000** 0.000** 0.000*** 0.000***

DLCcount 0.001*** 0.002*** 0.002*** 0.001***

Mac -0.075 -0.052 -0.046 -0.016

Linux -0.165*** -0.208*** -0.227*** -0.242***

Positive 0.000 0.000 0.000 0.000*

Negative 0.000 0.000 0.000 0.000

Recommendat~s 0.000 0.000 0.000*** 0.000**

Achievements 0.006*** 0.006*** 0.006*** 0.011***

Averageplay~r 0.000 0.000** 0.000 0.000***

Medianplayt~r 0.000 0.000 0.000* 0.000

DevPub -0.128*** -0.083** -0.080** -0.095**

Eng 0.112 0.251*** 0.277*** 0.200**

Rus -0.076*** -0.020 -0.029 -0.045

Age 0.005 0.044 0.026 0.054

Reviews 0.127*** 0.098** 0.080 0.074*

Supportemail -0.252*** -0.232*** -0.209 -0.203***

Notes 0.345*** 0.310*** 0.300 0.293***

y_201101 -0.228 -0.272 -0.324 -0.333*

y_201102 1.269** 1.090** 1.146 1.148**

y_201103 0.304 0.269 0.271 0.217

y_201104 -0.012 -0.093 -0.124 -0.092

y_201105 0.050 0.263 0.233 0.132

y_201106 -0.004 0.115 0.102 0.151

y_201107 -1.334 -1.379* -1.348 -1.219

y_201108 0.746 0.752 0.756 0.711

y_201109 0.314 0.133 0.101 0.113

y_201110 0.613** 0.600** 0.574 0.605**

y_201111 0.404 0.433* 0.386 0.384

y_201112 0.008 0.148 0.199 0.059

y_201201 0.903* 0.845* 0.790 0.914**

y_201202 0.060 -0.230 -0.511 -0.175

y_201203 0.256 0.229 0.218 0.173

y_201204 0.602 0.543 0.530 0.487

y_201205 -0.223 -0.228 -0.226 -0.220

y_201206 0.319 0.394 0.371 0.398

y_201207 0.313 0.327 0.317 0.203

y_201208 -0.441 -0.531 -0.559 -0.558

y_201209 0.461 0.499 0.424 0.387

y_201210 0.319 0.293 0.249 0.315

y_201211 -0.295 -0.299 -0.328 -0.450**

y_201212 0.235 0.511* 0.530 0.386

y_201301 -0.304 -0.235 -0.214 -0.288

y_201302 0.557 0.395 0.395 0.395

y_201303 0.746** 0.624** 0.666 0.666**

y_201304 0.795*** 0.789*** 0.825 0 919***

y_201305 0.547* 0.547** 0.538 0.583**

y_201306 0.213 0.181 0.222 0.344

y_201307 0.633* 0.576* 0.587 0.626*

y_201308 0.317 0.319 0.308 0.247

y_201309 0.609*** 0.628*** 0.603 0.706***

y_201310 0.158 0.246 0.225 0.172

y_201311 0.103 0.169 0.161 0.162

y_201312 -0.020 0.175 0.162 0.109

y_201401 0.371 0.296 0.277 0.243

y_201402 0.202 0.494* 0.376 0.404

y_201403 0.479** 0.570** 0.552 0.592***

y_201404 0.583*** 0.534*** 0.549 0.593***

y_201405 0.533*** 0.528*** 0.547 0.539***

y_201406 0.417** 0.465** 0.457** 0.468***

y_201407 0.388* 0.442* 0.447* 0.311

y_201408 0.840*** 0.769*** 0.766*** 0.688**

y_201409 0.616*** 0.698*** 0 711*** 0.691***

y_201410 0.175 0.184 0.191 0.181

y_201411 0.259 0.248 0.256 0.182

y_201412 0.487** 0.539** 0.541** 0.520**

y_201501 -0.043 -0.068 -0.025 -0.074

y_201502 0.582** 0.584** 0.565** 0.572**

y_201503 0.140 0.115 0.040 0.037

y_201504 0.032 0.256 0.381** 0.224

y_201505 0.591*** 0.632*** 0.586*** 0.591***

y_201506 0.900*** 0.948*** 0.945*** 0.984***

y_201507 0.585*** 0 717*** 0.733*** 0.646***

y_201508 0.613** 0.733*** 0.735*** 0.673***

y_201509 0.575*** 0.563*** 0.584*** 0.508**

y_201510 0.257 0.348* 0.297 0.311

y_201511 0.674*** 0.743*** 0.763*** 0.737***

y_201512 0.367* 0.423** 0.344* 0.219

y_201601 0.534** 0.496** 0.485** 0.533**

y_201602 0.680*** 0.699*** 0.709*** 0.704***

y_201603 0.598*** 0.667*** 0.639*** 0.635***

y_201604 0.548*** 0.500*** 0 471*** 0.433**

y_201605 0.547*** 0.577*** 0.553*** 0.539***

y_201606 0.555*** 0.537*** 0.501*** 0.561***

y_201607 0.489*** 0.505*** 0.513*** 0.481***

y_201608 0.571*** 0.569*** 0.573*** 0.557***

y_201609 0.652*** 0.668*** 0.657*** 0.624***

y_201610 0.507*** 0 479*** 0.502*** 0.500***

y_201611 0.651*** 0.724*** 0.729*** 0 711***

y_201612 0.477*** 0.408*** 0.391** 0.368**

y_201701 0.604*** 0.555*** 0.515*** 0.462***

y_201702 0.634*** 0.598*** 0.590*** 0.562***

y_201703 0.645*** 0.621*** 0.613*** 0.568***

y_201704 0.738*** 0.704*** 0.702*** 0.693***

y_201705 0.589*** 0.537*** 0.524*** 0.542***

y_201706 0.834*** 0.766*** 0.763*** 0.753***

y_201707 0.938*** 0.810*** 0.812*** 0.780***

y_201708 0.668*** 0.721*** 0.702*** 0.686***

y_201709 0.782*** 0.741*** 0.731*** 0.694***

y_201710 0.812*** 0.820*** 0.800*** 0.792***

y_201711 0.650*** 0.614*** 0.603*** 0.596***

y_201712 0.674*** 0.679*** 0.680*** 0.648***

y_201801 0.908*** 0.834*** 0.825*** 0.811***

y_201802 0.774*** 0.697*** 0.703*** 0.660***

y_201803 0.608*** 0.614*** 0.634*** 0.550***

y_201804 0.483*** 0.438** 0.438** 0.423**

y_201805 0.767*** 0.735*** 0.685*** 0.613***

y_201806 0.583*** 0.629*** 0.628*** 0.638***

y_201807 0.823*** 0.787*** 0.782*** 0.758***

y_201808 0.604*** 0.675*** 0.638*** 0.618***

y_201809 -0.675*** -0.580*** -0.540*** -0.410***

y_201810 0.713*** 0.713*** 0.688*** 0.668***

y_201811 0.185 0.245 0.249 0.251

y_201812 0.365** 0.487*** 0.465*** 0.443***

y_201901 0.750*** 0.767*** 0.752*** 0.747***

y_201902 0.575*** 0.643*** 0.639*** 0.598***

y_201903 0.649*** 0.704*** 0.711*** 0.675***

y_201904 0.732*** 0.766*** 0.747*** 0.701***

y_201905 0.483*** 0.562*** 0.577*** 0.537***

y_201906 0.726*** 0.725*** 0.711*** 0.695***

y_201907 0.785*** 0.845*** 0.848*** 0.862***

y_201908 0.700*** 0.706*** 0.708*** 0.678***

y_201909 0.676*** 0.743*** 0.729*** 0.766***

y_201910 0.539*** 0.532*** 0.557*** 0.502***

y_201911 0.401** 0.494*** 0.528*** 0.615***

y_201912 0.390** 0.307* 0.329* 0.324*

y_202001 0.989*** 0.968*** 0.965*** 0.886***

y_202002 0.591*** 0.595*** 0.585*** 0.559***

y_202003 0.719*** 0.695*** 0.683*** 0.656***

y_202004 0.721*** 0.705*** 0.701*** 0.682***

y_202005 0.774*** 0.686*** 0.680*** 0.683***

y_202006 0.731*** 0.819*** 0.804*** 0.826***

y_202007 0.663*** 0.644*** 0.653*** 0.676***

y_202008 0.446*** 0.482*** 0.476*** 0.453***

y_202009 0.696*** 0.771*** 0.776*** 0.727***

y_202010 0.660*** 0.761*** 0.753*** 0.694***

y_202011 0.658*** 0.751*** 0.751*** 0.731***

y_202012 0.552*** 0.624*** 0.608*** 0.652***

y_202101 0.382** 0.523*** 0.513*** 0.548***

y_202102 0.348** 0.508*** 0.506*** 0.500***

y_202103 0.639*** 0.702*** 0.702*** 0.615***

y_202104 0 747*** 0.830*** 0.826*** 0.819***

y_202105 0.665*** 0.727*** 0.735*** 0.688***

y_202106 0.661*** 0.682*** 0.688*** 0.688***

y_202107 0.573*** 0.636*** 0.628*** 0.595***

y_202108 0.920*** 1.008*** 1.015*** 1.002***

y_202109 0.823*** 0.867*** 0.861*** 0.834***

y_202110 0.813*** 0.910*** 0.870*** 0.911***

y_202111 0.714*** 0.864*** 0.831*** 0.849***

y_202112 0.682*** 0 747*** 0.743*** 0.752***

y_202201 0.670*** 0.663*** 0.661*** 0.626***

y_202202 0.853*** 0.927*** 0.897*** 0.933***

y_202203 0.778*** 0.805*** 0.809*** 0.822***

y_202204 0.318** 0.344** 0.351** 0.369**

y_202205 0.636*** 0.748*** 0.756*** 0.737***

y_202206 0.912*** 0.921*** 0.928*** 0.900***

y_202207 0.874*** 0.939*** 0.930*** 0.928***

y_202208 0.664*** 0.684*** 0.688*** 0.653***

y_202209 0.786*** 0.917*** 0 911*** 0.887***

y_202210 1.090*** 1.165*** 1.156*** 1.113***

y_202211 1.009*** 1.075*** 1.080*** 1.095***

y_202212 0.857*** 0.921*** 0.933*** 0.943***

y_202301 0.671*** 0.758*** 0.742*** 0.753***

y_202302 0.670*** 0.665*** 0.664*** 0.692***

y_202303 0.602*** 0.652*** 0.653*** 0.633***

y_202304 0.654*** 0.653*** 0.663*** 0.651***

y_202305 0.566*** 0.696*** 0.697*** 0.720***

y_202306 0.942*** 0.998*** 0.993*** 0.982***

y_202307 0.629*** 0.675*** 0.677*** 0.689***

y_202308 0.814*** 1.167*** 1.147*** 1.126***

y_202309 1.051*** 1.398*** 1.342*** 1.348***

y_202310 0.938*** 1.360*** 1.371*** 1.296***

y_202311 0.978*** 1.353*** 1.329*** 1.307***

y_202312 0.963*** 1.116*** 1.118*** 1.097***

cons 1.716*** 1 187*** 1.139*** 1.178***

Примечание. , , — значимость на 10, 5 и 1%-ном уровне

Таблица П6. Оценки коэффициентов системных характеристик для условных гедонистических индексов с детерминированными эффектами жанра

INDEX_ INDEX_ INDEX_ INDEX_ INDEX_ INDEX_ INDEX WSE NASDAQ EURONEXT ASX FTSE 100 STO_TSE '

PeakCCU 0.000 0.000 0.000 -0.014 0.000 0.000 0.000***

DLCcount -0.033 0.019** 0.000 -0.061 0.024 0.019** 0.004***

Mac 0.538 0.150 -0.127 -0.291 -0.313** -0.257 -0.162*

Linux -0.034 -0.154 -0.131 0.000 0.205 0.202 -0.460***

Positive 0.000 0.000* 0.000 0.009* 0.000*** 0.000* 0.000***

Negative 0.000 0.000 0.000 0.009 0.000 0.000 0.000

Recommendat~s 0.000 0.000 0.000 -0.017* 0.000*** 0.000 0.000***

Achievements 0.015*** 0.003*** 0.007*** 0.018** 0.009*** 0.001 0.010***

Averageplay~r 0.001 0.000 0.000 0.001 0.000 0.000** 0.000

Medianplayt~r -0.001 0.000 0.000 0.000 0.000 0.000 0.000

DevPub -0.729 2.282* -0.040 -0.677 -0.272 0.031 -0.067

Eng 0.000 -1.059 0.000 0.000 0.000 -0.455 0.293**

Rus 0.196 0.119 0.205** -1.073 0.327*** 0.217*** -0.562***

Age 20.689 0.216 0.449*** 0.000 0.034 -0.057 -0.201***

Reviews 0.283 0.135 -0.109 0.058 0.264*** 0.221** 0.022

Supportemail 0.388 -0.290* -0.067 -0.382 0.187 -0.378*** -0.351***

Notes 0.384 0.065 0.292* -0.030 0.201 -0.095 0.479***

Action 0.145 0.160 0.265*** 0.000 0.145 -0.022 0.186***

Adventure -0.155 0.186* 0.151 0.161 0.047 0.125 0.036

Casual -0.135 -0.103 0.314*** 0.480 0.080 -0.592*** -0.136*

EarlyAccess 1.168*** 0.024 0.512* 0.000 0.332 -0.251 -0.484*

FreetoPlay -1.391*** -1.911*** -1.859*** 0.000 -1.988*** -2.302*** -2.429***

Indie 0.571** -0.063 -0.751*** 0.119 -0.428*** -0.306*** -0.260***

MassivelyMu~r -2.697* -1.116*** 0.235 0.000 -0.404 0.347 -0.107

Racing 0.825* -0.142 0.296* 0.000 0.154 0.162 0.707***

RPG -0.238 0.247* 0.027 0.000 -0.186 0.080 0.202***

Simulation -1.209*** 0.045 0.140 0.088 -0.008 -0.155 0.120

Sports -0.314 0.450** 0.512*** -1.073 0.311 0.195 -1.122***

Strategy -0.012 -0.005 -0.053 0.106 -0.046 0.223** 0.262***

Education 0.000 -0.990 0.000 0.000 0.000 1.333*** -0.411

18+ 0.000 -0.612 -0.325 0.228 -0.415 0.654 -1.005*

Таблица П7. Оценки к оэффициентов системных характеристик для условных гедонистических

индексов со случайными эффектами жанра

ln_price INDEX INDEX INDEX INDEX INDEX INDEX INDEX_ TSE

WSE NASDAQ EURONEXT ASX FTSE 100 STO

PeakCCU 0.000** 0.000 0.000 -0.010 0.000 0.000** 0.000***

DLCcount -0.115* 0.022*** 0.001 -0.061 0.031 0.017*** 0.004***

Mac 0.404 0.297* -0.302** -0.309* -0.308*** -0.366** -0.167*

Linux -0.218 -0.136 -0.096 0.000 0.148 0.232 -0.573***

Positive 0.000** 0.000*** 0.000 0.011*** 0.000*** 0.000*** 0.000***

Negative 0.000 0.000 0.000 0.007 0.000* 0.000 0.000**

Recommendat~s 0.000** 0.000** 0.000*** -0.020*** 0.000*** 0.000** 0.000***