Диссертация (1137870), страница 20
Текст из файла (страница 20)
В. Сигнальная модель для внутреннего денежного рынка// Прикладная эконометрика. 2013. №2 (30). С. 77-92112Boss, M., Elsinger, H., Summer, M., Thurner, S. An empirical analysisof the network structure of the Austrian interbank market // OesterreichescheNationalbank’s Financial stability Report. 2004. №7,113Erdos, P., Renyi, A. On the evolution of random graphs // Publ. Math.Inst. 1960. № 5. Hungar.
Acad. Sci.114Albert, R., Barabasi, A. L. Statistical mechanics of complex networks //Reviews of modern physics. 2002. № 1(74).115Keynes, J. M., General theory of employment, interest and money.2006. Atlantic Books.116Whitesell, W. Interest rate corridors and reserves // Journal of MonetaryEconomics. № 53. 2006.117Quantitative Micro Software, LLC, EViews 7 User’s Guide II, Irvine,2010.118Andrews, K. D.
W., Lee, I., Ploberger, W., Optimal changepoint testsfor normal linear regression // Journal of Econometrics. 1996. № 1 (70), С. 9–38.119Berkes, I., Gombay, E., Horvath, L., Kokoszka, P. Sequential change-point detection in GARCH(p,q) models // Econometric Theory.
2004.№ 6 (20), С.1140–1167.120Broemling, L. D., Tsurumi, H. Econometrics and structural change.1987. Marcel Dekker Incorporated.143121Clauset, A., Newman, M., Moore, C. Finding community structure invery large networks. 2004. № 6 (70).
С. 066111.144Индекс иллюстраций и таблицРисункиРисунок 1. Граф цитирования статей о распространении шоков на рынкеМБК ................................................................................................................. 18Рисунок 2. Спрос на аукционе РЕПО с Банком России, июнь 2010 г. –ноябрь 2011 г. ................................................................................................. 28Рисунок 3. Дерево классификации групп кредитных организаций ......... 29Рисунок 4.
Прогноз вероятности наличия спроса на аукционе натестовой выборке ........................................................................................... 33Рисунок 5. Оценка и фактический спрос на аукционе РЕПО................... 35Рисунок 6. Типы финансовых сетей (для десяти участников) ................. 43Рисунок 7. Динамика индикаторов структуры рынка МБК, январь 2010 г.– июнь 2012 г. ................................................................................................. 52Рисунок 8.
Результаты сегментирования одномерных показателей........ 65Рисунок 9. Кластеризация сегментов RRS ................................................. 67Рисунок 10. Выделение кластеров сегментов показателя RRS ................ 67Рисунок 11. Выделение кластеров сегментов показателя RRS онлайн ... 69Рисунок 12. Дендрограмма. RRS и объем сделок РЕПО пофиксированной ставке с Банком России ..................................................... 70Рисунок 13. Результаты применения многомерного алгоритма ..............
71Рисунок 14. Состояние рынка МБК и его прогноз .................................... 74Рисунок 15. Структура лимитов на «эффективном рынке», рынке с тремясегментами и структура сделок на межбанковском депозитном рынке наоснове реальных данных ............................................................................... 82Рисунок 16.
Ошибка оценки спроса и средний шок ликвидности ........... 85Рисунок 17. Объем неисполненных заявок на аукционе РЕПО ............... 88Рисунок 18. Объем неудовлетворенных заявок на аукционе РЕПО сБанком России, млрд. руб. ............................................................................ 89Рисунок 19. Результаты идентификации режимов функционированиярынка МБК: объем задолженности по операциям РЕПО с Банком России..........................................................................................................................
90Рисунок 20. Гистограммы распределений ошибок оценки спроса наликвидность в периоды избытка, дефицита ликвидности и в переходныйпериод .............................................................................................................. 92Рисунок 21. Идеальный и неполный рынки ............................................... 95Рисунок 22. Устойчивость идентификации 3 наиболее крупныхсообществ банков ......................................................................................... 104Рисунок 23.
Распределение модулярности сообществ банков,идентифицированных различными алгоритмами ..................................... 104Рисунок 24. Структура идентифицированных сообществ ...................... 106145Рисунок 25. Распределение размера капитала (в логарифмическойшкале) ............................................................................................................ 108Рисунок 26. Интенсивность взаимодействия банков внутри и междуэшелонами .....................................................................................................
111Рисунок 27. Динамика ставки денежного рынка и целевой уровеньставки центрального банка.......................................................................... 112Рисунок 28. Лимиты и сделки на межбанковском рынке кредитования........................................................................................................................ 118Рисунок 29. Лимиты и сделки на межбанковском рынке кредитования........................................................................................................................ 119Рисунок 30.
Распределение объемов сделок по стоимости заимствования........................................................................................................................ 124Рисунок 31. Основные этапы торгового дня на рынке МБК .................. 126Рисунок 32. Чувствительность алгоритма сегментирования к ........... 151Рисунок 33. Дендрограммы для методов ближнего соседа, средней связии Уорда .......................................................................................................... 152Рисунок 34.
Гистограмма p-значений теста Колмогорова–Смирнова нанормальность распределения ...................................................................... 152Рисунок 35. Гистограмма спреда MIACR IG – MIACR B и оценкаплотности его распределения ..................................................................... 153ТаблицыТаблица 1. Пошаговый алгоритм оценки спроса на аукционе РЕПО ..... 31Таблица 2.
Данные для оценки спроса на аукционе РЕПО ...................... 32Таблица 3. Ошибки оценки спроса и характеристики выборок .............. 34Таблица 4. Границы периодов функционирования рынка МБК .............. 90Таблица 5. Средние значения существенных ошибок оценки спроса .... 92Таблица 6. Динамика коэффициента пересечения для первых трехкрупнейших сообществ идентифицированных различными алгоритмами........................................................................................................................ 103ПриложениеПриложение 1. Международная практика выбора операционного ориентира ДКПЦентральные банки развитых стран используют сравнительно похожие операционные ориентиры.
Вбольшинстве случаев в качестве ориентира используется краткосрочная ставка заимствования на рынкемежбанковского беззалогового кредитования, но детали процедуры расчета ставок могут отличаться. Нижеприводится классификация процентных ставок, которые используются в качестве операционныхориентиров рядом центральных банков, по следующим признакам:фактическая (вычисляемые на основе заключённых сделок), или индикативная;по сделкам на срок «овернайт» или на более длительные сроки;по сделкам необеспеченного межбанковского кредитования (депозитным сделкам) илипо сделкам обеспеченных межбанковских кредитов (РЕПО, валютный своп);по сделкам определённой выборки или всего круга участников сегмента межбанковскогорынка.147Страна(группастран)ЕврозонаСШААвстралияНаименование ставкиоперационногоориентира (еслиизвестен)Не объявлен (награфиках вофициальныхпубликацияхиспользуется EONIA)Federal funds rateInterbank OvernightCash Rate (IBOC)Фактическая/ индикативнаяСрокРынокВыборкаФактическая (банки отчитываютсяоб агрегированном объемекредитования и взвешенной ставке,лишь последний шаг агрегированияпроизводится ЕЦБ)Фактическаяo/nМБК34 респондента(совпадает с выборкойдля расчета ставкиEuribor)o/nМБКФактическая (респондент заявляетоценку своей стоимостикредитования и заимствования, иобъемы операций; ставкарассчитывается каксредневзвешенная по объемусделок)o/nМБКВсе кредитныеорганизации.Дополнительноучитываются сделкизаимствования банковрезидентов уиностранныхкредитных организацийи государственныхкорпорацийВсе кредитныеорганизации иподразделенияиностранных банков сосчетом в RBA148Страна(группастран)БразиНаименование ставкиоперационногоориентира (еслиизвестен)SELICФактическая/ индикативнаяФактическаяСрокo/nлияВеликобританияКанадыЯпонии (до QE)ШвейцарияНе объявленаФактическая(в официальныхпубликациях БанкАнглии ссылается наSONIA и форвардныеставки, рассматриваяих как индикаторыожиданийотносительно ключевойставки Банка Англии)Ставка o/n МБК Индикативная(Банка Канады)Ставка МБКФактическая3-М Swiss FrancLiborИндикативнаяo/nРынокВыборкаРЕПО Все кредитные(под организациизалоггосударственныхоблигаций)МБК При расчете ставкиSONIA – все кредитныеорганизации(учитываются сделки,заключенные в периодс 0.00 до 15.15 наплатформе брокераWMBA)o/nМБКo/nМБК3месяцаМБКНаиболее активныеучастники3 наиболее активныхброкера денежногорынка (tanshi)12 респондентовПриложение 2.
Модифицированный алгоритм сегментированиявременного ряда.Алгоритм написан для Wolfram Mathematica версии 8.0 и выше:(*BerGal segmentationiav 26 jul 2012*)delta[list_,minlength_:3]:=Module[{mu,sig,P1,P2,part},Which[(*if there is a possibility that when we cut the list it will be shorter that threshold wedo not do that*)Length[list]<= 2 minlength,list,(*if the list is flat use this algo*)Length[Dimensions[list]]==1,mu=Mean[list];sig=StandardDeviation[list];P1=Likelihood[NormalDistribution[mu,sig],list];part={Take[list,{1,#}],Take[list,{#+1,Length[list]}]}&/@Range[minlength,Length[list]-minlength];P2=Times[Sequence@@Flatten[#]]&/@Map[Likelihood[NormalDistribution[Mean[#],StandardDeviation[#]],#]&,part,{-2}];P2/P1,(*if the list is not flat use this*)True,mu=Mean[list];sig=Covariance[list];P1=Likelihood[MultinormalDistribution[mu,sig],list];part={Take[list,{1,#}],Take[list,{#+1,Length[list]}]}&/@Range[minlength,Length[list]-minlength];P2=Times[Sequence@@Flatten[#]]&/@Map[Likelihood[MultinormalDistribution[Mean[#],Abs[Covariance[#]]],#]&,part,{-3}];P2/P1]](*cut - splits the list in two segments if it is long enough*)cut[list_,minlength_:3,criticalValue_:6]:=Module[{ds,mx,pstn},Which[Length[list]<= 2 minlength,list,True,ds=delta[list,minlength];mx=Check[Max[ds],0];Which[mx<criticalValue,150list,True,pstn=First[Position[ds,mx]][[1]];{list[[;;pstn+minlength-1]],list[[pstn+minlength;;]]}]]](*function glue glues together consecutive segments*)glue[list_]:=Module[{},Which[Length[list]<=4,list,True,Flatten[#,1]&/@Partition[list,3,3,1,{}]]](*Complete*)BerGalSegment[list_,minlength_:3,criticalValue_:6]:=Module[{ll,depth=Which[Length[Dimensions[list]]==1,-2,True,-3]},ll=FixedPoint[Map[cut[#,minlength,criticalValue]&,#,{depth}]&,{list}];ll=Cases[ll,List[__],{depth}];Do[ll=glue[ll];ll=FixedPoint[Map[Function[u,cut[u,minlength,criticalValue]],#,{depth}]&,{ll}];ll=Cases[ll,List[__],{depth}];ll>>"storedresult";,{i,10}];ll](*this is a function to plot segments given segmentation and date list.total number of observations should match that of the dates*)segPlot[segs_,dates_,opts___]/;Length[Flatten[segs,1]]==Length[dates]:=Module[{(*first we should segment dates *)d1=Take[dates,#]&/@(#+{1,0}&/@Partition[Prepend[Accumulate[Length/@segs],0],2,1]),dt},(*we then attach obsevations to dates and then flatten the array with the case trick*)dt=Cases[MapThread[{#1,#2}\[Transpose]&,{d1,segs}],List[___],{-4}];DateListPlot[dt,opts]]Приложение 3.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
