Диссертация (1150940), страница 4

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 4)

Для получения прогнозного значения финансовогопоказателя в момент времени t1 следует просто подставить значение t = t1 вуравнение регрессии.Регрессионные методы хороши при условии постоянства существующихтенденций. К сожалению, на финансовых рынках тенденции меняются часто. Вособенности это относится к валютному рынку FOREX. Сказанное заставляет состорожностьюотноситьсякпрогнозам,полученнымспомощьюрегрессионных методов.3) При моделировании динамики финансовых показателей широкоеприменение находят модели временных рядов [5, 12, 16].

Основнаяпредпосылка таких моделей – текущее значение ряда определяется егопрошлыми значениями.Наиболее часто используют модели авторегрессии – скользящегосреднего, разработанные Боксом и Дженкинсом [8, 55]. Рассмотрим иерархиюмоделей Бокса-Дженкинса.- Модели скользящего среднего MA(q):Yt  at  1at 1   2 at 2     q at q ,где Yt – значение показателя в момент t, at – «белый шум» с нулевым средним.- Модели авторегрессии AR(p):Yt  0  1Yt 1  2Yt 2     pYt  p  at .- Модели авторегрессии – скользящего среднего ARMA(p, q):19Yt  0  1Yt 1  2Yt 2     pYt  p  at  1at 1   2 at 2     q at q .Такаямодельможетинтерпретироватьсякаклинейнаямодельмножественной регрессии, в которой в качестве объясняющих переменныхвыступают прошлые значения самой зависимой переменной, а в качестверегрессионного остатка — скользящие средние из элементов белого шума.Перечисленные модели используют для моделирования стационарныхпроцессов.

Если же рассматриваемый процесс нестационарен, но стационарныего разности d-го порядка, то используют модель ARIMA(p,d,q).- Модели проинтегрированной авторегрессии - скользящего среднегоARIMA(p,d,q): d-е разности нестационарного процесса Y представляют собойстационарный процесс ARMA(p, q), т.е.d Yt   0  1 d Yt 1   2 d Yt  2     p d Yt  p  at  1 at 1   2 at  2     q at  q .Считается, что большинство экономических временных рядов являютсяреализациями процессов ARIMA. Следовательно, для большинства временныхрядов можно подобрать модель процесса ARIMA, и именно этот процесссчитать сгенерировавшим данный конкретный ряд.Моделирование временных рядов состоит из следующих шагов:-Диагностика- проверкавременногоряда на стационарность.Осуществляется с помощью интеграционной статистики Дарбина-Уотсона илитеста Дики-Фуллера.

В случае нестационарности производится взятиеразностей и повтор тестов.- Идентификация - выбор типов возможных процессов, сгенерировавшихряд. В результате должны быть получены порядок интегрируемости d, порядкиp и q компонент AR и MA соответственно. Параметр d легко определяется впроцессе диагностики как количество взятых разностей, необходимое дляполучения стационарного процесса. При выборе же порядков p и q полагаютсянарезультатыисследованияавтокорреляционнойфункции,частнойавтокорреляционной функции и обратной автокорреляционной функции.

Вслучае сомнений выбирают модель с наименьшим числом параметров.20- Оценивание параметров для всех подходящих версий модели. Для этогоиспользуются такие методы, как метод наименьших квадратов, методмаксимального правдоподобия, метод Юла-Уокера и т.д.- Выбор наиболее подходящей модели.После получения модели случайного процесса с известными параметрамистроят прогноз на несколько интервалов вперед. При этом рекомендуетсястроить прогноз на небольшое количество промежутков вперед, так как каждоеследующее прогнозное значение содержит все больше погрешностей, чемпредыдущее.Обычно в эконометрике предполагается, что автокорреляция ошибок вмодели равна нулю.

Однако во временных рядах обменных курсов валют идоходностей фондового рынка обнаружено чередование периодов малыхзначений ошибок с периодами больших значений ошибок, то есть чередованиепериодов низкой и высокой волатильности [87, 90, 104]. Волатильность обычноизмеряется дисперсией σ2 случайного процесса.Гомоскедастичность модели, такой как AR, означает, что остаток этоймодели имеет постоянную дисперсию. В ряде случаев пользуются моделями сусловной гетероскедастичностью, то есть полагают, что условная дисперсияошибки, то есть дисперсия при условии известной информации, зависит отвремени.

Условная гетероскедастичность может проявляться, несмотря наобщую (безусловную) гомоскедастичность.Так, пусть дисперсия ошибок модели at имеет вид: var at   E at2   a2 .Но условная дисперсия в соответствии с имеющейся на последниймомент информацией определяется так:var at | at 1   E at2 | at 1 .Модель авторегрессии с условной гетероскедастичнстью ARCH(q) – этомодель вида:Yt  0  1Yt 1  at ,причем ошибка at имеет свойства:21Eat   0 ;E at | at 1 , at 2 ,, at q   0 ;at2  0  1 at21  2 at2 2    q at2 q  u t2 ,где ut – «белый шум».Тогда условная дисперсия ошибки:ht2  0  1 at21   2 at2 2    q at2 q .Болеесложноймоделью[55,102,104]являетсяобобщеннаяавторегрессионная модель с условной гетероскедастичностью GARCH(p,q),описывающая процесс, в котором условная дисперсия имеет вид моделиARMA(p,q):ht2   0   1 ht21     p ht2 p  1u t21     q u t2 q .В заключение заметим, что, несмотря на свою сложность, моделипрогнозирования случайных процессов далеко не всегда позволяют получитькачественный прогноз, пригодный для принятия правильных торговыхрешений на финансовых рынках [50, 62, 79].1.2.2 Фундаментальный анализФундаментальный анализ изучает макроэкономические факторы, которыемогут в той или иной степени влиять на динамику валютного курса [46].Фундаментальныйанализиспользуетсявбольшинствеслучаевдляопределения глобальных тенденций в развитии экономики и как следствиеприменяется стратегическими инвесторами для осуществления долгосрочныхинвестиций.

Стоит отметить, что такие инвесторы, как правило, пренебрегаюткраткосрочными колебаниями цен. В случае учета фундаментальных факторовпри среднесрочной и краткосрочной торговле необходимо помнить, что данныйтип анализа может отражать только глобальное направление развитияэкономики, поэтому для открытия позиций наряду с фундаментальныманализом необходимо использовать и другие подходы.

Характерная черта22фундаментального анализа заключается в том, что он, в противовестехническому и эконометрическому анализам, рассматривающим толькопрошлую динамику валютных курсов, изучает причины, которые приводят кизменению курса валюты.Фундаментальный анализ валютного рынка FOREX осложняется тем, чтопри изучении динамики какой-либо валютной пары необходимо одновременнорассматривать две различные валюты, а значит и экономики сразу двухразличных стран.Теоретическую основу фундаментального анализа составляют моделимакроэкономики [3, 68].

На практике фундаментальный анализ сводится, какправило, к анализу макроэкономических показателей с точки зрения их влиянияна курс национальной валюты [36, 89]. Каждый индикатор имеет своюестественную связь с поведением валютных курсов, просто в силу своего экономического содержания. При этом любая новость анализируется в двухаспектах. С одной стороны, это оценка общего состояния национальнойэкономики, а с другой – влияние на основные процентные ставки исследуемойстраны.Принято выделять два типа событий:- случайные;- ожидаемые.К случайным событиям относят сообщения и события политического иприродногохарактера.Экономическиесобытия(публикациямакроэкономических показателей), как правило, являются ожидаемыми.По степени важности события и новости делят на три группы.Первая группа:-Выборы президента и парламентские выборы.

Соотнесение курсанациональной валюты с предвыборной программой кандидатов и реальнымсостоянием дел после выборов;- Динамика валового внутреннего продукта (ВВП) - общий показательсуммы добавленных ценностей, созданных за определенный период всеми про23изводителями,действующиминатерриториистраны.ВВПявляетсяобобщающим индикатором силы экономики (или наоборот, ее слабости впериоды спадов).

Для валютных рынков это один из главных индикаторов.Реакция на публикацию не только показателей роста основных экономик, но иих исправленных (уточненных) значений бывает весьма значительной. Данныепо ВВП выпускаются ежеквартально; обычное время выхода для США - 20-ечисло месяца, следующего за окончанием квартала.- Изменение основных процентных ставок. Процентный дифференциал(Interest Rate Differential), то есть разность процентных ставок, действующих подвум валютам - это главный фактор, непосредственно определяющий относительную привлекательность пары валют, а следовательно, и возможныйспрос на каждую из них.

Под процентной ставкой понимается ставка подкоторую коммерческие банки занимают деньги у центрального банка(официальная процентная ставка. Official Interest Rate. Чем больше процентнаяставка по данной валюте по сравнению с другими валютами (большойпроцентный дифференциал), тем больше будет желающих среди иностранныхинвесторов купить данную валюту, чтобы разместить средства в депозит подвысокую процентную ставку.- Дефицит (профицит) торгового платежного баланса.

Торговый баланс(Merchandise Trade Balance, ТВ) есть разница между суммой экспорта и суммойимпорта товаров данной страной. Торговый баланс отражает прежде всегоконкурентоспособность товаров данной страны за рубежом. Положительнаявеличина торгового баланса, его положительное сальдо (преобладание экспортанад импортом) означает приток в страну иностранной валюты, что повышаеткурс национальной валюты.- Данные по денежной массе. Количество денег, находящихся вобращении (Money Supply), есть один из существенных факторов, формирующихвалютныйкурс.Избытокоднойвалютысоздастповышенноепредложение ее на международном валютном рынке и вызовет снижение ее24курса по отношению к другим валютам.

Характеристики

Список файлов диссертации