• ВСТУП
  • 1 ПРОГНОЗУВАННЯ В ЕКОНОМІЦІ
  • 1.1 Макроекономічні моделі в прогнозуванні.
  • 1.2 Етапи економіко-математичного моделювання
  • 1.3 Побудова прогнозної моделі
  • 2 дублюючі портфелі
  • 2.2 Прості дублюючі портфелі
  • 2.3 Дублирующие портфелі для непередбачених змін
  • 3 ОГЛЯД ПІДХОДІВ У ДОСЛІДЖЕННІ ДИНАМИКИ ДОХОДНОСТИ
  • 3.1 Використання поточних значень показників
  • 3.2 Використання майбутніх макроекономічних змінних
  • 3.3 Застосування векторної авторегресії
  • 4 ХАРАКТЕРИСТИКА І ВІДБІР ФАКТОРІВ В МОДЕЛЬ
  • 4.2 Застосування кластерного аналізу
  • 5 ІНФОРМАЦІЙНЕ ЗАБЕЗПЕЧЕННЯ РОЗРОБКИ ПРОГНОЗА
  • 6 ПЕРЕВІРКА АДЕКВАТНОСТІ ОТРИМАНИХ РЕЗУЛЬТАТІВ
  • ВИСНОВОК
  • СПИСОК ЛІТЕРАТУРИ


  • Дата конвертації23.03.2017
    Розмір68.27 Kb.
    Типреферат

    Скачати 68.27 Kb.

    Прогнозування макроекономічних змінних за допомогою дублюючих портфелів

    Державний університет Вища Школа Економіки

    Курсова робота

    на тему:

    «Прогнозування макроекономічних змінних
    за допомогою дублюючих портфелів »

    Виконала Величко Оксана
    група 612

    Москва 2003

    ЗМІСТ

    ВСТУП................................................. .................................................. ...................................... 3

    1 ПРОГНОЗУВАННЯ В ЕКОНОМІЦІ .............................................. ...................................... 4

    1.1 Макроекономічні моделі в прогнозуванні ............................................. ................... 4

    1.2 Етапи економіко-математичного моделювання ............................................ ................ 5

    1.3 Побудова прогнозної моделі .............................................. ................................................ 7

    2 дублюючі портфелі ............................................... .................................................. .. 12

    2.1 Поняття дублюючого портфеля .............................................. ........................................... 12

    2.2 Прості дублюючі портфелі .............................................. ........................................... 13

    2.3 Дублирующие портфелі для непередбачених змін ............................................ .... 14

    3 ОГЛЯД ПІДХОДІВ У ДОСЛІДЖЕННІ ДИНАМИКИ ДОХОДНОСТИ ........................ 17

    3.1 Використання поточних значень показників ............................................. ..................... 17

    3.2 Використання майбутніх макроекономічних змінних ............................................. 17

    3.3 Застосування векторної авторегресії .............................................. ................................... 18

    4 ХАРАКТЕРИСТИКА І ВІДБІР ФАКТОРІВ В МОДЕЛЬ ........................................... ........... 19

    4.1 Відбір факторів для побудови дублюючого портфеля ........................................... ..... 19

    4.2 Застосування кластерного аналізу .............................................. ........................................... 23

    5 ІНФОРМАЦІЙНЕ ЗАБЕЗПЕЧЕННЯ РОЗРОБКИ ПРОГНОЗА ................................. 25

    6 ПЕРЕВІРКА АДЕКВАТНОСТІ ОТРИМАНИХ РЕЗУЛЬТАТІВ ........................................ 26

    ВИСНОВОК ................................................. .................................................. .............................. 28

    СПИСОК ЛІТЕРАТУРИ................................................ .................................................. .............. 29

    ВСТУП

    В економіці основою практично будь-якої діяльності є прогноз. Вже на основі прогнозу складається план дій і заходів. Таким чином, можна сказати, що прогноз макроекономічних змінних є основоположною складовою планів всіх суб'єктів економічної діяльності.

    Прогнозування може здійснюватися як на основі якісних (експертних), так і за допомогою кількісних методів. Останні самі по собі можуть нічого без якісного аналізу, також як і експертні оцінки повинні підкріплюватися обгрунтованими розрахунками.

    У даній роботі я зосередилася на одному з кількісних методів прогнозування - дублюючому портфелі. Само по собі побудова такого портфеля не дає ще інформації про майбутнє, але при побудові дублюючого портфеля для майбутніх змінних дозволяє виявити якусь закономірність руху прибутковості активів і прогнозованих макроекономічних змінних.

    Дублюючий портфель - це портфель, дохідність якого корелює з будь-якої змінної. Наприклад, такий портфель може дублювати економічну змінну. Прибутковості за місяць акцій і облігацій застосовуються для прогнозування обсягу виробництва, валового доходу, інфляції, доходностей акцій і облігацій. Ця прогнозуюче взаємозв'язок прояснює ідею портфелів, які відображають очікування ринку на рахунок майбутніх значення економічних змінних. Використання прибутковості дублюючих портфелів в якості інструменту прогнозу майбутніх значень економічних змінних істотно збільшує оціночної чутливість цін активів до новин про значення в майбутньому даних змінних. Також даний вид портфелів використовується при прогнозуванні макроекономічних змінних і хеджуванні економічного ризику.

    1 ПРОГНОЗУВАННЯ В ЕКОНОМІЦІ

    Прогнозування - це спосіб наукового передбачення, в якому використовується як накопичений в минулому досвід, так і поточні припущення щодо майбутнього з метою його визначення. Основна функція прогнозу - обгрунтування можливого стану об'єкта в майбутньому або визначення альтернативних шляхів. Вибір конкретного методу є однією з найбільш важливих завдань прогнозування. Існує безліч методів, що дозволяють зробити прогноз, але необхідно виділити з їх числа прийнятні для вирішення конкретного завдання.

    В основі економічного прогнозування лежить припущення про те, що майбутній стан економіки значною мірою зумовлюється її минулим і сьогоденням станами. Майбутнє несе в собі і елементи невизначеності. Це пояснюється наступними моментами:

    - Наявністю не одного, а безлічі варіантів можливого розвитку;

    - Дія економічних законів в майбутньому залежить не тільки від минулого і сьогодення станів економіки, але і від управлінських рішень, які ще тільки повинні бути прийняті і реалізовані;

    - Неповнота ступеня пізнання економічних законів, дефіцит і недостатня надійність інформації.

    Під методами прогнозування слід розуміти сукупність прийомів і способів мислення, що дозволяють на основі ретроспективних даних зовнішніх і внутрішніх зв'язків об'єкта прогнозування, а також їх вимірювань в рамках даного явища або процесу вивести судження визначеного та достовірного щодо майбутнього стану і розвитку об'єкта.

    1.1 Макроекономічні моделі в прогнозуванні.

    Економіко-математичні моделі в прогнозуванні широко використовуються при складанні соціально-економічних прогнозів на макроекономічному рівні. До таких моделей належать:

    - Однофакторні і багатофакторні моделі економічного зростання;

    - Моделі розподілу суспільного продукту (ВВП, ВНП, НД);

    - Структурні моделі;

    - Міжгалузеві моделі;

    - Моделі відтворення основних фондів;

    - Моделі руху інвестиційних потоків і ін.

    При використанні цих моделей необхідно враховувати вплив факторного, лагового і структурного аспектів збалансованості економіки та їх синтезу на основі принципу оптимальності.

    Факторний аспект збалансованості економіки грунтується на взаємозв'язку між обсягом випуску продукції і витратами факторів виробництва. Він зводиться до визначення такої пропорції між факторами виробництва, яка дозволяє забезпечити заданий випуск продукції. Для визначення таких кількісних пропорцій використовуються показники ефективності витрат живої і матеріалізованої праці і обсяги цих витрат.

    Лагові аспект збалансованості грунтується на розподілі в часі витрат факторів виробництва і досягається за її взаємодії ефекту. Головні лагові характеристики пов'язані з відтворенням основних фондів, а значить і з витратами капітальних вкладень. Лаг - це запізнювання, часовий інтервал між двома взаємозалежними економічними явищами, одне з яких є причиною, а друге - наслідком.

    Структурний аспект збалансованості полягає в пропорціях між I і II підрозділами суспільного виробництва і взаємозв'язках міжгалузевих потоків продукції з елементами кінцевого споживання.

    Умовно всі існуючі методи прогнозування можна розбити на дві великі групи:

    - Фактографічні, які базуються на фактично наявної інформації про об'єкт прогнозування і його минуле. Вони умовно поділяються на статистичні і аналогові методи;

    - Експертні методи використовують думки фахівців-експертів і застосовуються тоді, коли неможливо формалізувати процеси, що вивчаються або має місце невизначеність розвитку господарської системи.

    1.2 Етапи економіко-математичного моделювання

    У різних галузях знань, в тому числі і в економіці, етапи процесу моделювання набувають свої специфічні риси. Проаналізуємо послідовність і зміст етапів одного циклу побудови:

    1. Постановка економічної проблеми та її якісний аналіз. Головне тут - чітко сформулювати сутність проблеми, що приймаються допущення і ті питання, на які потрібно отримати відповіді. Цей етап включає виділення найважливіших рис і властивостей модельованого об'єкта і абстрагування від другорядних; вивчення структури об'єкта і основних залежностей, що пов'язують його елементи; формулювання гіпотез (хоча б попередніх), що пояснюють поведінку і розвиток об'єкта.

    2. Побудова математичної моделі. Це - етап формалізації економічної проблеми, вираження її у вигляді конкретних математичних залежностей і відносин. Зазвичай спочатку визначається основна конструкція (тип) математичної моделі, а потім уточнюються деталі цієї конструкції (конкретний перелік змінних і параметрів, форма зв'язків). Таким чином, побудова моделі поділяється в свою чергу на кілька стадій.

    Неправильно вважати, що чим більше фактів враховує модель, тим вона краще "працює" і дає кращі результати. Те ж можна сказати про такі характеристики складності моделі, як використовувані форми математичних залежностей (лінійні і нелінійні), облік факторів випадковості і невизначеності і т.д.

    Зайва складність і громіздкість моделі ускладнюють процес дослідження. Потрібно враховувати не тільки реальні можливості інформаційного і математичного забезпечення, а й зіставляти витрати на моделювання з одержуваним ефектом (при зростанні складності моделі приріст витрат може перевищити приріст ефекту).

    3. Математичний аналіз моделі. Метою цього етапу є з'ясування загальних властивостей моделі. Тут застосовуються чисто математичні прийоми дослідження. Найбільш важливий момент - доказ існування рішень в сформульованої моделі. Якщо вдасться довести, що математична задача не має рішення, то необхідність в подальшій роботі за первісним варіантом моделі відпадає і слід скорегувати або постановку економічної задачі, які способи її математичної формалізації.

    4. Підготовка вихідної інформації. Моделювання висуває жорсткі вимоги до системи інформації. У той же час реальні можливості отримання інформації обмежують вибір моделей, що призначаються для практичного використання. При цьому береться до уваги не тільки принципова можливість підготовки інформації (за певні терміни), а й витрати на підготовку відповідних інформаційних масивів.

    5. Чисельне рішення. Цей етап включає розробку алгоритмів для чисельного рішення задачі і безпосереднє проведення розрахунків. Труднощі цього етапу зумовлені, перш за все, великою розмірністю економічних задач, необхідністю опрацювання значних масивів інформації.

    6.Аналіз результатів та їх застосування. На цьому заключному етапі циклу постає питання про правильність і повноту результатів, про ступінь практичної застосовності останніх.

    Математичні методи перевірки можуть виявляти некоректні побудови моделі і тим самим звужувати клас потенційно правильних моделей. Неформальний аналіз теоретичних висновків і числових результатів, одержуваних за допомогою моделі, зіставлення їх з наявними знаннями і фактами дійсності також дозволяють виявляти недоліки постановки економічної задачі, сконструйованої математичної моделі.

    1.3 Побудова прогнозної моделі

    Економіко-математична модель це система формалізованих співвідношень, що описують основні взаємозв'язки елементів, що утворюють економічну систему. Система економіко-математичних моделей економетричного типу служить для опису щодо складних процесів економічного чи соціального характеру.

    Певні види моделей економічного і соціального прогнозування можуть класифікуватися залежно від критерію оптимізації або найкращого очікуваного результату.

    З урахуванням фактору часу моделі можуть бути статичними, коли обмеження в моделі встановлені для певного відрізка часу, або динамічними - в цьому випадку обмеження встановлені для декількох відрізків часу.

    Розрізняють факторні і структурні моделі економічного типу. Один і той же тип моделей може бути застосовний до різних економічних об'єктів. Залежно від рівня розгляду показників народного господарства розрізняють макроекономічні, міжгалузеві, галузеві та регіональні моделі.

    Факторні моделі описують залежність рівня і динаміки того чи іншого показника від рівня і динаміки впливають на нього економічних показників - аргументів або факторів. Факторні моделі можуть включати різну кількість змінних величин і відповідних їм параметрів. Найпростішими видами факторних моделей є однофакторні, в яких фактором є будь-якої тимчасовий параметр. Багатофакторні моделі дозволяють одночасно враховувати вплив декількох факторів на рівень і динаміку прогнозованого показника.

    Обгрунтованість прогнозу значною мірою залежить від вибору методу прогнозування. Практичне застосування того чи іншого методу прогнозування визначається такими факторами, як об'єкт прогнозу, складність і структура системи, наявність вихідної інформації, кваліфікація прогнозиста.

    Екстраполяційні методи є одним з найпоширеніших і найбільш розроблених серед всієї сукупності методів прогнозування. У загальному випадку для екстраполяції необхідно мати тимчасової ряд, де кожному значенню незалежної змінної (в якості якої виступає час) відповідає певне значення прогнозованого показника. При формуванні прогнозів за допомогою екстраполяції зазвичай виходять з статистично створених тенденцій зміни тих чи інших кількісних характеристик об'єкта.

    Слід зазначити, що, оскільки метод розроблений для аналізу часових рядів, що складаються з великої кількості спостережень, а тимчасові ряди в галузевому прогнозуванні, як правило, невеликі, прогноз, зроблений за допомогою цього методу, може не відобразити деяких істотних змін.

    Прогнозну екстраполяцію можна розбити на два етапи.

    Вибір оптимального виду функції, яка описує ретроспективний ряд даних. Вибору математичної функції для опису тренда передує перетворення вихідних даних з використанням згладжування і аналітичного вирівнювання динамічного ряду. Розрахунок коефіцієнтів функції, обраної для екстраполяції.

    При розробці моделей прогнозування тренд виявляється основною складовою прогнозованого часового ряду, на яку вже накладаються інші складові. Результат при цьому пов'язується виключно з ходом часу. Передбачається, що через певний час можна виразити вплив всіх основних факторів. У статистичній літературі під тенденцією розвитку розуміють деякий його загальний напрямок, довготривалу еволюцію. Зазвичай тенденцію прагнуть представити у вигляді більш-менш гладкою траєкторії.

    Для оцінки коефіцієнтів частіше інших використовується метод найменших квадратів (МНК). Його суть полягає в мінімізації суми квадратичних відхилень між спостережуваними величинами і відповідними оцінками (розрахунковими величинами), обчисленими по підібраному рівняння зв'язку.

    (1.1)

    де - Розрахункові значення тренда;

    y - фактичні значення ретроспективного ряду;

    n - число спостережень.

    Цей метод краще інших відповідає ідеї усереднення як одиничного впливу врахованих факторів, так і загального впливу неврахованих.

    Операцію екстраполяції в загальному вигляді можна представити у вигляді визначення значення функції

    (1.2)
    де - Екстраполіруемое значення рівня;

    L - період попередження;

    - Рівень, прийнятий за базу екстраполяції.

    Екстраполяція на основі середньої.

    У найпростішому випадку при припущенні про те, що середній рівень ряду не має тенденції і до зміни або якщо ця зміна незначно, можна прийняти т. е. прогнозований рівень дорівнює середньому значенню рівнів в минулому. Довірчі кордону для середньої при невеликому числі спостережень визначаються наступним чином:

    (1.3)
    де t a - табличне значення t -Статистика Стьюдента з n-1 ступенями свободи і рівнем імовірності p;

    - Середня квадратична помилка середньої.

    Значення його визначається за формулою . У свою чергу, середньоквадратичне відхилення S для вибірки дорівнює

    (1.4)

    Довірчий інтервал, отриманий як , Враховує невизначеність, яка пов'язана з оцінкою середньої величини. Загальна дисперсія складе величину . Таким чином, довірчі інтервали для прогностичної оцінки рівні

    (1.5)

    Недолік розглянутого підходу полягає в тому, що довірчий інтервал не пов'язаний з періодом попередження.

    Екстраполяція по ковзної і експоненційної середньої.

    Для короткострокового прогнозування поряд з іншими прийомами можуть бути застосовані адаптивна або експоненціальна ковзаючі середні. Якщо прогнозування ведеться на один крок вперед, то або , Де М i - адаптивна змінна середня; Q i - експоненціальна середня. Тут довірчий інтервал для ковзної середньої можна визначити аналогічно тому, як це було зроблено у формулі (1.5), в якій число спостережень позначено символом n. Оскільки при розрахунку ковзної середньої через m позначалося число членів ряду, що беруть участь у розрахунку середньої, то замінимо в цій формулі n на m. Так як m зазвичай береться рівній непарних числах, то підрахуємо для них відповідні значення величини . Що стосується експоненціального згладжування, то, так як дисперсія експоненційної середньої дорівнює , Де S 2 - середньоквадратичне відхилення, замість величини у формулі, наведеній вище, при обчисленні довірчого інтервалу прогнозу слід взяти величину або . тут - Коефіцієнт експоненціального згладжування.

    Кореляційний аналіз використовують для виявлення і оцінки зв'язку між різними показниками. Ступінь тісноти зв'язку оцінюють коефіцієнтами, що змінюються в межах від 0 до 1, за такою формулою:

    (1.6)

    Мале значення коефіцієнта свідчить про слабку зв'язку, значення, близьке до 1, характеризує дуже сильну зв'язок і часто дозволяє припустити наявність функціональної причинно-наслідкового зв'язку. Потім перевіряють значущість коефіцієнта кореляції за критерієм Стьюдента t j, k:

    (1.7)
    де k = n-2 - число ступенів свободи.

    При виконанні нерівності t *> y j, k гіпотеза про не значимі коефіцієнта парної кореляції відкидається, тобто y t залежить від фактора часу. Потім вибирають математичну модель взаємозв'язку показника від часу і розраховують критерії точності отриманої моделі.

    (1.8)

    (1.9)

    (1.10)
    де - Середня відносна помилка;

    - Кореляційні відносини;

    S 2 - залишкова дисперсія;

    - Середньоквадратичне відхилення, розраховане за формулою:

    (1.11)
    де p - кількість розрахункових коефіцієнтів рівняння тренда.

    Потім роблять розрахунок точкової і інтервального оцінки прогнозу:

    (1.12)

    (1.13)
    де y n + 1 - прогнозована величина.

    За допомогою цих методів екстраполюються кількісні параметри великих систем, кількісні характеристики економічного, наукового, виробничого потенціалу, дані про результативність науково-технічного прогресу, характеристики співвідношення окремих підсистем, блоків, елементів в системі показників складних систем і ін.

    Аналіз показує, що жоден з існуючих методів не може дати достатньої точності прогнозів на 20-25 років. Застосовуваний в прогнозуванні метод екстраполяції не дає точних результатів на тривалий термін прогнозу, тому що даний метод виходить з минулого і сьогодення, і тим самим похибка накопичується. Цей метод дає позитивні результати на найближчу перспективу прогнозування тих чи інших об'єктів - на 5-7 років.

    При екстраполяції часто використовуються лінійні моделі. Вони вимагають відносно невеликої кількості обчислень і по тому, зокрема, широко поширені в практиці прогнозування. Їх недолік, що полягає в тому, що лише деякі явища в економіці можуть бути адекватно описані в лінійному вигляді, частково долається за допомогою кусково-лінійної апроксимації.

    2 дублюючі портфелі

    2.1 Поняття дублюючого портфеля

    Зміна доходності активів, крім інших речей, відображає зміни інформації про економічні умови в майбутньому. Вивчення впливу різних економічних шоків на ціни активів важливо також і тому, що це допомагає виявити природу економічних коливань, оцінити премію за ризик і передбачити економічні коливання в майбутньому. Ланкою, що пов'язує ціни активів з новинами про стан економіки, є «дублюючий портфель» (tracking portfolio). Даний портфель являє собою портфель активів, прибутковості яких максимально коррелірованни з такими економічними змінними як очікувані обсяги виробництва, інфляція або прибутковість.

    У прикладних фінансах давно сформувався підхід пов'язувати поточні прибутковості одного активу з прибутковістю інших. Другий підхід полягає в спробі пояснити поведінку доходностей за допомогою поточних або майбутніх економічних змінних. Портфель, дублюючий економічні змінні, поєднує в собі обидва ці підходи. З одного боку, економічний дублюючий портфель відображає прибутковість активів. З іншого боку, цей портфель отримує прибутковість, яка має економічну інтерпретацію. Формування портфеля, дублюючого економічні змінні, є способом використання поточної прибутковості активів в якості інструментів для вимірювання майбутніх змінних.

    Дублюючі портфелі застосовуються при вирішенні декількох питань. Однією з проблем є вимір премії за ризик. Якщо дублюючий портфель приносить премію за ризик, то тоді знак цієї премії і тотожність премії, згенерованої економічним параметром, можуть вказати на те, які економічні параметри значимо впливають на очікувану дохідність, і можуть допомогти оцінити модель оцінки фінансових активів.

    Дублюючі портфелі мають як мінімум ще три сфери застосування, які не ґрунтуються на портфелях, приносять ненульову премію за ризик. По-перше, ці портфелі можуть служити засобом хеджування для індивідуальних інвесторів, які бажають застрахувати себе на випадок якогось певного економічного ризику (наприклад, зниження споживання). По-друге, на основі дублюючого портфеля можна будувати прогноз поведінки будь-якої економічної змінної. Оскільки прибутковості активів можуть бути розраховані на кожен день, дублюючі портфелі можуть надати інформацію з приводу очікувань ринку на рахунок майбутнього економіки. По-третє, шляхом вимірювання очікувань, портфелі прямування виявляють структуру економіки і пояснюють реакцію цін на новини, що стосуються економічної сфери.

    Ці три сфери прикладання дублюючих портфелів можуть бути перевірені на практиці і не залежать від конкретної моделі оцінки активів. Наприклад, якщо припустити, що CAPM-модель вірна, то в цьому випадку дублюючий портфель мав би очікувану дохідність, що має тісний ковариацию з ринком. Але тоді неочікувана частина дохідності була б все одно відображенням новин про майбутній стан економіки. Навпаки, якщо припустити, що неефективний, ірраціональні настрої впливають на ціни, і дохідність частково передбачувана, то в цьому випадку до тих пір поки ціни відображають інформацію про майбутній стан економічних детермінант, прибутковість дублюючого портфеля також буде застосовна для хеджування, прогнозуванні і розуміння економіки .

    2.2 Прості дублюючі портфелі

    Дублюючий портфель для будь-якої змінної у може бути визначений як регресія у на прибутковості деякого набору базових активів. Частки активів, що входять до дублюючого портфель для у, ідентичні коефіцієнтам в регресії, побудованої за допомогою методу найменших квадратів. Якщо у є змінною, що впливає на ціноутворення базового активу, тоді мультифакторна модель виконується з одним фактором, який відстежує портфель, дублюючий змінну у. Однак, навіть якщо у не є значущою змінної для ціноутворення активів, то портфель, дублюючий цю змінну, також залишається цікавим об'єктом з економічної точки зору, тому що він відображає зміни ринкових очікувань відносної у.

    Наступні три твердження еквівалентні визначення дублюючого портфеля. Серед усіх можливих лінійних комбінацій доходностей базових активів дублюючий портфель має:

    А) мінімальну варіацію серед всіх портфелів із заданою бетою (коефіцієнтом регресії) в регресії прибутковості портфеля на у;

    Б) прибутковість, максимально можливо коррелирующую з у;

    В) найбільший R 2 в регресії у на прибутковість активів.

    Еквівалентність даних трьох тверджень може бути доведена і за допомогою матричної алгебри, і з допомогою більш простих викладок. позначимо:

    r - дохідність портфеля базових активів, r = bR,

    b - вектор ваг активів в портфелі,

    R - вектор доходностей даних активів.

    Дублюючим портфелем є портфель з вагами, які мінімізують варіацію даного портфеля на у. Іншими словами, b підбирається таким чином, щоб мінімізувати при заданій (де - Коефіцієнт регресії r на у). Оскільки , мінімізація еквівалентна мінімізації , Що еквівалентно максимізації (де ρ - коефіцієнт кореляції між у і r). Оскільки R 2 в простій регресії є і тому метод найменших квадратів максимізує R 2, рішення даного завдання максимізації ідентично рівняння регресії, побудованого за допомогою МНК.

    2.3 Дублирующие портфелі для непередбачених змін

    На основі даної теорії можна сформувати портфель з непередбаченими прибутковістю, якими максимально корелюють з непередбаченим компонентом майбутнього значення змінної у. Таким чином, основною змінною є «новини» про y t + k, де y t + k - макроекономічна змінна, наприклад темп інфляції в період t + k. Новини є чимось новим в очікуваннях щодо y t + k, причому . наприклад, може являти собою новини, про які повідомлено ринок в липні 2002 року про темп інфляції між липнем 2002 і липнем 2003 року.

    - Прибутковість дублюючого портфеля, де і - Прибутковості з кінця періоду t-1 до кінця періоду t. Дублюючий портфель формується на основі непередбачених доходностей базових активів. Непередбачена прибутковість - це дійсна прибутковість за вирахуванням очікуваної прибутковості з урахуванням того, що . Ваги b в портфелі вибираються таким чином, що максимально корелює з .

    Оцінювання дублюючих новини портфелів є трохи більш складним процесом, ніж оцінювання простих дублюючих портфелів. Завжди можна написати проектне рівняння новин на несподівану складову прибутковості. Ключовим припущенням є те, що зміни в дохідну відображають зміни в очікуваннях щодо значень змінних в майбутньому, тобто нульове рішення в рівнянні:

    , (2.1)
    де h t - складова новин, ортогональна несподіваного компоненту прибутковості.

    Оскільки несподівана складова прибутковості активів відображає новини з приводу майбутнього грошового потоку і дисконтних ставок, вектор а буде ненульовим для будь-якої змінної, корелятивною з майбутніми грошовими потоками і дисконтними ставками.

    З рівняння (2.1) може здатися, що необхідно визначити для того, щоб побудувати регресію. На щастя, цього можна уникнути, і все, що необхідно для оцінювання регресії, - це (непередбачений компонент прибутковості в період t).

    Реалізація змінної y t + k може бути переписана як сума очікувань в період t-1, непередбачених змін в очікуваннях в період t і з періоду t до t + k.

    (2.2)

    Тут слід зробити друге припущення про те, що очікувані прибутковості базових активів в період t є лінійною функцією від Z t -1 - вектора контрольних змінних, значення яких відомі в період t-1:

    (2.3)

    Оскільки припущення, що містяться в рівнянні (2.3) є потенційною причиною помилки специфікації моделі, можна очікувати, що емпіричні результати застосування даної помилкової моделі будуть відносно грубі, тому що прибутковості активів досить непередбачувані на короткому горизонті прогнозування.

    Таким чином, для подальшого зручності визначимо проектне рівняння лагірованних очікувань у як лагірованіе контрольовані змінних:

    (2.4)

    Об'єднуючи рівняння (2.1) - (2.4), отримуємо:

    (2.5)
    де b = a, c = f - ad і .

    Рівняння (2.5) є рівнянням регресії з майбутнім значенням у в лівій частині і прибутковістю в період t і значенням контрольних змінних в період t-1 в правій. Це рівняння обгрунтовано, тому що всі три складові за визначенням ортогональні як , так і .

    МНК-регресія, позначена рівнянням (2.5), призводить до b - Портфелю, непередбачений компонент якого максимально корелює з . . У дисертації я припускаю оцінювати рівняння (2.5) і пояснити властивості одержані дублюючих портфелів. Рівняння (2.5) практично не має теоретичного сенсу і залежить тільки від припущення, що зміни в очікуваннях на рахунок майбутнього значення у висвітлюються в прибутковості активів, і те, що очікувана прибутковість активів є функцією лагірованних контрольних змінних.

    Тут можна зробити кілька коментарів на рахунок практичного застосування рівняння (2.5). По-перше, передбачається використання прибутковості портфеля з нульовими витратами . Використання портфеля з нульовими витратами означає, що немає необхідності накладати обмеження на ваги портфеля. Кінцевий дублюючий портфель є незатратним, тому що є лінійною комбінацією портфелів з нульовими витратами.

    По-друге, передбачається використовувати в якості бази прибутковості активів за місяць. Використовуючи довші горизонти для базових активів (наприклад, річні прибутковості) слід бути більш обережним, тому що зі збільшенням інтервалу підвищується передбачуваність доходностей і оцінки регресії можуть стати більш чутливими до відхилення від рівняння (2.3).

    По-третє, може здатися, що слід відібратися тільки такі базові активи, прибутковості яких є найбільш інформативними в плані пояснення очікувань майбутнього значення у. Але в даному випадку важливим моментом є те, що різні активи мають різні чутливості до майбутнього значенням у. Таким чином, регресія повинна бути лінійною комбінацією доходностей активів, які хеджують загальну складову варіації прибутковості, яка некорреліровани з майбутнім значенням у.

    По-четверте, головною причиною вибору контрольованих змінних повинна бути модель очікуваної прибутковості, тобто повинна включати змінні, які прогнозують прибутковість базових активів. Якщо ж прибутковості активів повністю непередбачувані, або якщо некорреліровани з , Не слід включати взагалі ніяких контрольованих змінних. Допоміжною роллю лагірованной контрольованої змінної в рівнянні (2.5) є допомога в поясненні майбутнього значення у. включаючи в змінні, що корелюють з , Можна зменшити варіацію залишків в рівнянні (2.5) і, таким чином, більш точно оцінити параметр b.

    По-п'яте, додавання змінних в і пов'язане з витратами, тому що чим більше змінних включається, тим гостріше постає проблема практичного пояснення і помилкових висновків.

    3 ОГЛЯД ПІДХОДІВ У ДОСЛІДЖЕННІ ДИНАМИКИ ДОХОДНОСТИ

    Одним із застосувань дублюючих портфелів є хеджування економічного ризику існуючих активів. Альтернативний підхід - це створення абсолютно нових активів, що співвідносяться з економічними змінними. Економічні дублюючі портфелі, що використовують існуючі ліквідні активи, полегшують це завдання, тому що дублюючі портфелі допомагають емітентам нових цінних паперів частково хеджувати себе від економічного ризику.

    Іншим практичним застосуванням економічних дублюючих портфелів є аналіз взаємозв'язку економічних змінних і цін активів. Дослідження цього питання в економіці проходили за трьома напрямками: з використанням поточних економічних параметрів, з використанням майбутніх значень даних параметрів і з використанням і тих і інших у векторній авторегресії.

    3.1 Використання поточних значень показників

    Перший підхід включає в себе прибутковості активів сучасні значення економічних параметрів. Прикладом такого підходу є робота Chen, Roll and Ross (1986), в якій робиться висновок, що ковариация з ростом промислового виробництва, інфляції і прибутковості облігацій призводить до премії за ризик.

    На жаль, спроби скласти факторний портфель (factor mimicking portfolio) для макроекономічних показників не увінчалися успіхом. Chan, Karceski і Lakonishok (1998) сконструювали портфелі шляхом сортування цінних паперів по місячної поточної кореляції за п'ятирічний період. Вони сформували портфелі, засновані на інфляції і промисловому виробництві. Після вивчення прибутковості портфелів був зроблений висновок, що макроекономічні чинники є шумом і невиразні зі випадково генеруються портфелями.

    3.2 Використання майбутніх макроекономічних змінних

    Другий підхід являє собою дослідження регресії поточних доходностей активів на майбутні значення економічних показників. Прикладом такого підходу служать роботи Fama (1981, 1990), де проводиться оцінка того, наскільки сильно варіація дохідності на якийсь тестовий актив залежить від новин про майбутні економічні умовах.

    Співвідношення, яке даний підхід досліджує, наступне:

    (3.6)
    де також вимірює очікувану прибутковість тестованого активу.

    Помилка відображає прибутковість тестованого активу, яка не пов'язана із змінами в очікуваннях щодо у.

    Оскільки незмірно, регресія, якій дійсно слід даний підхід, - це заміна реального значення змінної у в майбутньому в термінах новин в рівнянні (3.1):

    (3.2)

    Використовуючи рівняння (2.2), отримуємо . Оскільки v t коррелированность з регресорів в рівнянні (3.2), оцінювання даного рівняння призведе до помилкових висновків про а 1 і оцінним властивостями u t.

    Застосування економічного дублюючого портфеля в даному питанні - це побудова регресії тестованого активу на дублюючий портфель для новин та відслідковується змінної для очікуваної прибутковості. Тобто економічний дублюючий портфель, який є аналогом рівняння (3.2), виглядає наступним чином:

    (3.3)
    де b визначається з рівняння (2.5).

    Очевидно і співвідношення між цими двома підходами: рівняння (3.3) є не чим іншим як оцінюванням рівняння (3.2) з використанням інструментальної змінної, де в якості інструменту виступає .

    У рівнянні (2.5), хорошим інструментом є що-небудь, одночасно корелювати з і некорреліровани з v t. Прибутковість дублюючого портфеля задовольняє першому критерію, тому що коррелированность з досліджуваним об'єктом. Частково також ця прибутковість задовольняє і другим критерієм, тому що вона некорреліровани з . На жаль, прибутковість дублюючого портфеля не є абсолютно придатною інструментальної змінної, тому що можлива кореляція з . може корелювати з , Тому що обидві складові витягуються з прибутковості активів і можуть відображати загальну варіацію прибутковості, яка некорреліровани з новинами про стан досліджуваного об'єкта.

    3.3 Застосування векторної авторегресії

    Даний напрямок в дослідженні факторів, що впливають на прибутковість активів представлено серією робіт (на приклад Campbell (1991), Cambell і Ammer (1993), Campbell і Mei (1993)). Як і в першому підході, використовуються непредсказанние зміни в поточних значеннях змінних для пояснення поточних доходностей активів. Аналогічно до другого підходу, даний напрямок зосереджено на тому, як зміни очікувань майбутніх значень економічних параметрів впливають на прибутковість. Якісно новим тут є застосування векторної авторегресії (VAR) для оцінювання зміни в прогнозованих майбутніх змінних і використання оцінок змін у прогнозуванні прибутковості активів.

    Кемпбелл для пояснення поведінки прибутковості використовує поточні значення різних економічних змінних. Він застосовує як прибутковість прогнозованих змінних, так і значення цих змінних (як таких змінних взяті рівень інфляції, ставка відсотка, трудовий дохід і майбутня прибутковість); а потім тестує чи непередбачені зміни в даних змінних факторами прибутковості активів.

    Процедура векторної авторегресії для визначення впливу факторів являє собою спеціальну динамічну модель, що включає всі змінні системи. Ця вимога зумовлює потенційно можливої ​​неправильної специфікації моделі. У той час як застосування дублюючих портфелів дозволяє вибирати дані прямо з рівняння регресії без необхідності звернення до інформації про продукт процесу, що генерують тимчасові ряди.

    4 ХАРАКТЕРИСТИКА І ВІДБІР ФАКТОРІВ В МОДЕЛЬ

    4.1 Відбір факторів для побудови дублюючого портфеля

    Проблема виявлення того, які чинники найкращим чином відображають систематичну частину ковариации доходностей, є центральною в застосуванні мультифакторній моделі ціноутворення активів.

    Популярність факторних моделей зросла разом з розвитком з індустрії інвестицій. Вони широко застосовуються для оптимізації портфельного ризику.

    Центральним практичним питанням є, які фактори є найбільш підходящими для пояснення загальних змін в дохідну. Одним з пунктів складання дублюючого портфеля для прогнозування має бути знаходження набору факторів, які відображають систематичну компоненту ковариации прибутковості цінних паперів. Це допоможе використовувати в даній моделі тільки ті фактори, які дійсно взаємопов'язані з прибутковістю ринку.

    Кожен з розглянутих факторів - це прибутковість нульовий інвестиційної стратегії: довга позиція, якщо актив має високе значення параметра (на приклад, ринкова капіталізація), і коротка позиція при низькому значенні параметра. Варіюючи даний параметр, можна відстежувати поведінку різних факторів. Пояснення поведінку прибутковості дублюючого портфеля допомагає оцінити і інтерпретувати чинники, що лежать в основі цього портфеля. Якщо дублюючий портфель показує більшу волатильність прибутковості, то це пов'язано з тим, що досліджуваний фактор вносить свій внесок до загального компонент динаміки прибутковості. Досліджуючи як прибутковість дублюючого портфеля змінюється в різних станах природи, можна робити висновки як фактор впливає на ризик пі прибутковість портфеля. І, нарешті, у багатьох випадках прибутковість портфеля безпосередньо пов'язана зі стилем інвестування.

    Фактори, які лежать в основі загальної динаміки доходностей, зазвичай співвідносяться з факторами, що пояснюють поведінку очікуваної прибутковості. До того ж фактори можуть і пояснювати загальну динаміку прибутковості, але бути неціновими. Хоти нецінові фактори не визначають середню прибутковість, вони все-таки важливі для інвесторів, що бажають контролювати портфельний ризик. Це передбачає, що постфактум для невеликих обсягів інвестицій не заробляється премія за ризик.

    Список факторів-кандидатів може бути досить великим, тому це вимагає процесу ретельного відбору. Одним з методів даного відбору є виявлення принципових складових з даних і застосування формальних статистичних тестів для ранжирування значущості факторів. Це не є найкращим методом з кількох причин. У той час як ці фактори добре працюють на конкретних прикладах, при спробах застосувати даних висновки на загальній основі виникають труднощі. Ще більш важливо причиною є те, що для цих статистичних чинників немає економічної інтерпретації. Отже, статистичні чинники не можуть широко застосовуватися дослідниками і інвесторами.

    Навпаки, можна зіставити різні передбачувані чинники в єдиному складі і вибрати найбільш значимі. Тут теж є свої підводні камені. У багатьох випадках змінні досить сильно корельовані між собою і це робить будь-який аналіз їх впливу на досліджуваний об'єкт нереальним. Іншою проблемою є можливість включення занадто великої кількості факторів. Коли в моделі використовується багато факторів, вловити динаміку результуючої змінної простіше не конкретному прикладі, але ці висновки не можна поширитися на сукупність взагалі.

    Беручи до уваги вище викладене, кращим підходом є оцінювання кожного фактора окремо. Якщо брати змінні окремо, фактор може виявитися незначним, але можливо припустити, що він виявиться значущим при оцінюванні цього фактора в сукупності з іншими. До даного фактору слід поставитися з деяким застереженням, тобто при перевірці точності отриманих результатів слід перевірити також робастної багатофакторної моделі.

    Фактори, що впливають на прибутковість цінних паперів (акцій), Chan, Karceski і Lakonishok (1998) розділили на 5 груп:

    - Внутрішні чинники компанії (фундаментальні чинники);

    - Минулі прибутковості (технічні фактори);

    - Макроекономічні змінні (макроекономічні чинники);

    - Фактори, які добувають із принципових компонент аналізу (статистичні чинники);

    - Прибутковість ринкового індексу (ринковий фактор).

    Ці автори прийшли до висновку, що макроекономічні чинники впливають тільки на середню динаміку прибутковості. Але як було показано вище при конструюванні дублюючих портфелів для новин можна уникнути деяких помилок специфікації і виявити вплив макроекономічних детермінант на ринок.

    Chen, Roll і Ross (1986) в совій роботі досліджували вплив тільки макроекономічних факторів на прибутковість активів. Стосовно до американського фондового ринку були досліджені наступні фактори:

    - Рівень промислового виробництва IP (t), за місяць MP (t), за рік YP (t):

    (4.1)

    (4.2)

    - рівень інфляції

    (4.3)
    де I (t) - реалізоване значення інфляції за місяць як різниця в логарифмах індексу споживчих цін.

    - Премія за ризик

    - Тимчасова структура облігацій

    - Ринкові індекси (прибутковість індексів)

    - споживання

    - Ціни на нафту

    Стосовно до російського ринку дану структуру можна зберегти незмінною, за винятком відповідно того, що в якості державних цінних паперів будуть розглядатися ДКО, ОФЗ та Єврооблігації. Єврооблігації на російському ринку можна також розглядати як безризиковий інструмент, тому що на відміну від державних облігацій, номінованих в національній валюті, прибутковість єврооблігацій коливається менше і відповідно вони має меншу премія за ризик.

    Мабуть, найбільш гострою проблемою, яка виникає перед фахівцями по факторному аналізу, є підбір чітких і ясних критеріїв, що дозволяють відсіяти малозначні фактори, що підвищують розмірність моделі без збільшення її точності, і при цьому правильно визначити вагу для інших факторів. Доказом важливості цього питання, а також відсутності однозначно оптимальних рішень, є достаток всіляких критеріїв відбору значущих компонент. Досить назвати такі відомі методи, як розрахунок варимакс-критерію, n-критерій, відбір за допомогою t-критерію Стьюдента і т.п.

    Очевидно, що вводити в модель черговий фактор доцільно тільки в тому випадку, якщо він в достатній мірі знижує рівень ентропії, а отже, збільшує значення R -квадрат. Яким чином чисельно висловити приріст даної величини в залежності від кількості що вводяться факторів? Розглянемо цю проблему в світлі коефіцієнтів послідовної детермінації.

    Нехай є N факторів X 1... X N, імовірно впливають на дохідність інвестиційного портфеля. При введенні в рівняння регресії фактора X i показник R -квадрат приймає деяке певне значення. Виберемо чинник, при якому воно буде найбільшим:

    (4.4)

    де P 1 За 2 - коефіцієнт послідовної детермінації для даного фактора,

    r yx1 - парний коефіцієнт кореляції між прибутковістю і цим фактором.

    Тепер вводиться в отримане рівняння регресії другий фактор таким чином, щоб значення R -квадрат знову виявилося максимально можливим, і потім розраховуємо другий коефіцієнт послідовної детермінації:

    (4.5)

    Аналогічним чином розраховуємо наступні коефіцієнти:

    і т.д.

    Базовий відбір факторів триває до тих пір, поки величина одержуваних коефіцієнтів послідовної детермінації не стане менше деякого критичного значення. З огляду на, що в механізм розрахунку скоригованої величини R-квадрат входить поправка на зростання ентропії при введенні нових факторів, її приріст на кожній ітерації алгоритму повинен бути позитивним і, отже, критичне значення p має бути більше нуля.

    Даний метод дозволяє відібрати з усіх наявних факторів саме ті, які мають найбільший вплив на прибутковість розглянутих цінних паперів. Це дозволяє істотно знизити розмірність моделі, створюваної на основі методики, прискорити обчислення і при цьому відкинути дані, які не мають великого впливу на питання, що цікавлять нас показники. Як правило, від виявлених головних компонент залежить не менше 85% загальної дисперсії, що зайвий раз свідчить про ефективність обраного методу аналізу.

    4.2 Застосування кластерного аналізу

    Процедура кластеризації вирішує питання про подібність фінансових активів, характеризуються значеннями багатьох параметрів, на основі формальних математичних критеріїв. Це дозволяє замінити тривалий і трудомісткий процес вивчення і порівняння активів більш швидким обчислювальним алгоритмом. Крім того, будучи засобом аналізу багатовимірних даних, кластеризація дозволяє виділити активи з близькими значеннями всіх параметрів.

    Значна перевага кластерного аналізу в тому, що він дозволяє виробляти розбивка об'єктів не по одному параметру, а по цілому набору ознак. Крім того, кластерний аналіз на відміну від більшості математико-статистичних методів не накладає ніяких обмежень на вид розглянутих об'єктів, і дозволяє розглядати безліч вихідних даних практично довільної природи. Це має велике значення, наприклад, для прогнозування кон'юнктури, коли показники мають різноманітний вигляд, що утруднює застосування традиційних економетричних підходів.

    Кластерний аналіз дозволяє розглядати досить великий обсяг інформації і різко скорочувати, стискати великі масиви соціально-економічної інформації, робити їх компактними і наочними.

    Важливе значення кластерний аналіз має стосовно совокупностям часових рядів, що характеризують економічний розвиток (наприклад, загальногосподарської і товарної кон'юнктури). Тут можна виділяти періоди, коли значення відповідних показників були досить близькими, а також визначати групи часових рядів, динаміка яких найбільш схожа.

    Як і будь-який інший метод, кластерний аналіз має певні недоліки і обмеження: Зокрема, склад і кількість кластерів залежить від обираних критеріїв розбиття. При зведенні вихідного масиву даних до більш компактному увазі можуть виникати певні спотворення, а також можуть губитися індивідуальні риси окремих об'єктів за рахунок заміни їх характеристиками узагальнених значень параметрів кластера. При проведенні класифікації об'єктів ігнорується дуже часто можливість відсутності в даній сукупності будь-яких значень кластерів.

    Загальновідомо, що зміна курсової вартості і дивідендів різних цінних паперів не тільки в Росії, але і у всьому світі залежить від ряду внутрішніх і міжнародних чинників економічного і неекономічного характеру. Ці фактори можуть бути пов'язані між собою в різного ступеня, а тенденції зміни їх динаміки здатні відрізнятися один від одного в досить сильному ступені. Отже, зміна вартості інвестиційного портфеля в результаті складання різних тенденцій з великою ймовірністю виявляється досить складною і практично непередбачуваною, якщо використовувати звичайний регресійний аналіз. Основні фактори впливу впливають на різні цінні папери не тільки з різною ефективністю, але часто і в прямо протилежних напрямках. Наприклад, підвищення цін на нафту може сприятливо позначитися на цінні папери нафтових корпорацій, негативно відбившись на автомобілебудівному секторі.

    У світлі вищесказаного, виникає проблема визначення з максимальним ступенем точності істотних факторів і їх вплив на курс цінних паперів.

    Як теоретики, так і практики стикаються з труднощами, коли перед ними виникає практично неминуча задача розбиття безлічі існуючих цінних паперів на різні групи з відносно однорідною структурою. Наріжним каменем проблеми є питання підбору та погодження обраних факторів так, щоб їх подання до багатовимірної системі координат досить точно виробляло розбивка на кластери, які характеризуються максимально схожими тенденціями. При цьому потрібно враховувати, що навіть якщо б і вдалося підібрати точні коефіцієнти для існуючих кількісних факторів, завжди знайдуться не менш важливі якісні показники, висловити які в кількісній формі практично неможливо. У зв'язку з цим прийнято групування цінних паперів на основі існуючих індустріальних та інших класифікацій, а також відштовхуючись від апріорної дохідності (ex ante).

    Розбиття множини цінних паперів на окремі кластери в залежності від динаміки прибутковості здійснюється наступним чином: дані по прибутковості цінних паперів протягом бази прогнозу компонуються в загальну матрицю виду:

    (4.6)

    де R km - прибутковість по k -й цінним папером за m -й період,

    Далі, розбивка на кластери відбувається через обчислення евклидова відстані між цінними паперами p і q за формулою

    (4.7)

    де m - номер періоду,

    sR m - середньоквадратичне відхилення дохідності за період m.

    Критична величина розбиття передбачається рівний квадратному кореню з кількості періодів T, тобто середній величині евклідової відстані:

    (4.8)

    Перевага даної методики полягає, по-перше, в тому, що вона дозволяє з вкрай високим ступенем точності групувати цінні папери з подібними тенденціями у зміні прибутковості протягом усього періоду, що визначає базу прогнозу, що дає підстави розраховувати на збереження такої тенденції і надалі.

    Другим її перевагою є можливість повної автоматизації, що значно полегшує роботу, дозволяючи використовувати сучасні обчислювальні засоби, а також обробляти однорідну інформацію, що отримується з електронних баз даних.

    5 ІНФОРМАЦІЙНЕ ЗАБЕЗПЕЧЕННЯ РОЗРОБКИ ПРОГНОЗА

    Для реалізації прогнозних моделей необхідно не тільки мати у своєму розпорядженні своєчасної і точної інформації, але і вміти осмислювати її, робити висновки і результативно втілювати в управлінських рішеннях. Необхідність присутності інформаційної складової в процесі прогнозування очевидна, оскільки вона є основою всього управлінського процесу. Реалізація будь-якої мети в процесі діяльності завжди пов'язана з проблемою вибору з наявних прогнозних альтернатив найбільш оптимальних та раціональних, що вносить елемент невизначеності в прогнозну модель. Зниження невизначеності можливо на базі використання інформації, що забезпечує певними відомостями.

    Інформація - це сукупність відомостей, повідомлень, даних, матеріалів, що визначають міру потенційних знань менеджера про певні процеси, що відбуваються на підприємстві в їх взаємозв'язку. Суть інформації становлять лише ті відомості, які зменшують невизначеність цікавлять менеджера подій.

    Можливості покриття інформаційних потреб при розробці прогнозів залежать від наявної інформаційної бази, накопиченої за попередні періоди діяльності.

    Слід враховувати, що прогноз є ймовірність настання тих чи інших подій і практично завжди в ньому присутній помилка невизначеності і випадкового впливу на показник неврахованих і рідко відбуваються фактів. Це означає, що «ідеальний прогноз» часто неможливий. Прогнозувати можна тільки область можливих станів, доповнюючи екстраполіруемое значення довірчим інтервалом прогнозу.

    При прогнозування макроекономічних детермінант з використанням дублюючих портфелів використовується тільки зовнішня інформація, що знаходиться у відкритому доступі, така як динаміка цінних паперів та макроекономічних показників. Таким чином, не виникає труднощів зі збором інформації і спотворень, що з'являються при неповній інформації.

    6 ПЕРЕВІРКА АДЕКВАТНОСТІ ОТРИМАНИХ РЕЗУЛЬТАТІВ

    Складність економічних процесів і явищ та інші особливості економічних систем ускладнюють не тільки побудова моделей, але і перевірку їх адекватності, істинності отриманих результатів.

    У природничих науках достатньою умовою істинності результатів моделювання і будь-яких інших форм пізнання є збіг результатів дослідження з спостерігаються фактами.

    Головне завдання економічної науки конструктивна: розробка наукових методів планування і управління економікою. Тому поширений тип математичних моделей економіки - це моделі керованих і регульованих економічних процесів, які використовуються для перетворення економічної дійсності. Такі моделі називаються нормативними. Якщо орієнтувати нормативні моделі тільки на підтвердження дійсності, то вони не зможуть служити інструментом вирішення якісно нових соціально-економічних завдань.

    Специфіка верифікації нормативних моделей економіки полягає в тому, що вони, як правило, "конкурують" з іншими, вже знайшли практичне застосування методами. При цьому далеко не завжди можна поставити чистий експеримент по верифікації моделі, усунувши вплив інших керуючих впливів на об'єкт.

    Ситуація ще більш ускладнюється коли ставиться питання про верифікацію моделей довгострокового прогнозування (як дескриптивних, так і нормативних). Адже не можна ж 10-15 років і більше пасивно чекати настання подій, щоб перевірити правильність передумов моделі.

    Незважаючи на зазначені ускладнюють обставини, відповідність моделі фактам і тенденціям реальному економічному житті залишається найважливішим критерієм, що визначає напрями вдосконалення моделей. Всебічний аналіз виявлених розбіжностей між дійсністю і моделлю, зіставлення результатів за моделлю з результатами, отриманими іншими методами, допомагають виробити шляхи корекції моделей.

    Значна роль у перевірці моделей належить логічному аналізу, в тому числі засобами самого математичного моделювання. Такі формалізовані прийоми перевірки моделей, як доказ існування рішення в моделі, перевірка істинності статистичних гіпотез про зв'язки між параметрами і змінними моделі, зіставлення розмірності величин і т.д., дозволяють звузити клас потенційно "правильних" моделей.

    Внутрішня несуперечливість передумов моделі перевіряється також шляхом порівняння один з одним одержуваних з її допомогою наслідків, а також з наслідками "конкуруючих" моделей.

    Оцінюючи сучасний стан проблеми адекватності математичних моделей економіки, слід визнати, що створення конструктивної комплексної методики верифікації моделей, що враховує як об'єктивні особливості модельованих об'єктів, так і особливості їх пізнання, як і раніше є однією з найбільш актуальних завдань економіко-математичних досліджень.

    ВИСНОВОК

    В системі формування ринкових механізмів зростає необхідність в прийнятті нестандартних, оперативних і правильних рішеннях. Основою для такого підходу в прийнятті управлінських рішень є економічне прогнозування, покликане виявити загальні перспективи та еволюції, тенденції організаційно-структурного розвитку, забезпечити збалансованість короткострокових і довгострокових програм.

    Головна особливість прогнозування полягає в тому, що він націлений на майбутнє; друга важлива риса - облік невизначеності, пов'язаної з цим майбутнім.

    Для реалізації прогнозних моделей необхідно мати у своєму розпорядженні своєчасної і точної інформації, яка є основою всього управлінського процесу. Інформація в процесі розробки і реалізації прогнозів - сума потрібних, сприйнятих і усвідомлених відомостей, необхідних для аналізу конкретної ситуації, що дає можливість комплексної оцінки причин її виникнення та розвитку.

    Існує велика різноманітність методів прогнозування, найбільш використовуваними є методи з статистичної групи такі, як екстраполяція трендів, експоненціальне згладжування, кореляційний аналіз, метод ковзної середньої і ін.

    Дублюючий портфель є одним з таких методів. Само по собі побудова такого портфеля не дає ще інформації про майбутнє, але при побудові дублюючого портфеля для майбутніх змінних дозволяє виявити якусь закономірність руху прибутковості активів і прогнозованих макроекономічних змінних.

    Дублюючі портфелі застосовуються при вирішенні декількох питань. Однією з проблем є вимір премії за ризик. Дублюючі портфелі мають як мінімум ще три сфери застосування, які не ґрунтуються на портфелях, приносять ненульову премію за ризик. По-перше, ці портфелі можуть служити засобом хеджування для індивідуальних інвесторів, які бажають застрахувати себе на випадок якогось певного економічного ризику. По-друге, на основі дублюючого портфеля можна будувати прогноз поведінки будь-якої економічної змінної. Оскільки прибутковості активів можуть бути розраховані на кожен день, дублюючі портфелі можуть надати інформацію з приводу очікувань ринку на рахунок майбутнього економіки. По-третє, шляхом вимірювання очікувань, портфелі прямування виявляють структуру економіки і пояснюють реакцію цін на новини, що стосуються економічної сфери.

    Використання прибутковості дублюючих портфелів в якості інструменту прогнозу майбутніх значень економічних змінних істотно збільшує важливість оцінки чутливості цін активів до новин про значення в майбутньому даних змінних.

    СПИСОК ЛІТЕРАТУРИ

    1. 1. Шарп У., Александер Г., Бейлі Дж. Інвестиції: Пер. з англ. - М .: ИНФРА-М, 2001. - XII, 1028 с.

    2. Owen Lamont. Economic Tracking Portfolios. 1999. NBER Working Paper no. 7055.

    3. Chen, N .; R. Roll and SA Ross, 1986, Economic Forces and the Stock Market. The Journal of Business 59, 383-403.

    4. Chan, LKC, J.Karceski and J. Lakonishok, 1998. The Risk and Return from Factors. Journal of Financial and Quantitative Analysis 33, 159-188.

    5. Fama, EF, 1990, Stock Return. Expected Returns, and Real Activity. Journal of Finance 45, 1089-1108.

    6. Breeden, DT; MR Gibbons; RH Litzenberger, 1989, Empirical Test of the Consumption-Oriented CAPM. Journal of Finance 44, 231-262.

    7. Fama, EF; KR French. 1993. Common Risk Factors in the Returns on Stock and Bonds. Journal of Financial Economics 33, 3-56.

    8. Campbell, JY, 1991, A Variance Decomposition for Stock Returns. Economic Journal 1001, 157-179.

    9. Campbell, JY, and J. Ammer, 1993, What Moves the Stock and Bond Markets? A variance Decomposition for Long-term Asset returns. Journal of Finance 48, 3-38.

    10. Campbell, JY, and J. Mei, 1993, Where Betas Come from? Asset Price Dynamics and the Source of Systematic Risk. Review of Financial Studies 6, 567-592.


    Головна сторінка


        Головна сторінка



    Прогнозування макроекономічних змінних за допомогою дублюючих портфелів

    Скачати 68.27 Kb.