Банковское дело / Доходы и расходы / Лизинг / Финансовая статистика / Финансовый анализ / Финансовый менеджмент / Финансы / Финансы и кредит / Финансы предприятий / Шпаргалки Главная
Финансы
Финансовая статистика
| Шерстнева Г.С.. Финансовая статистика. Конспект лекций., 2008 | |
Валютный курс |
|
|
Последствия резких скачков на валютном рынке сказываются, как правило, на всех направлениях деятельности финансовых институтов. Именно в таких случаях большую роль играют статистические модели по прогнозированию курсов валют. Точный и своевременный прогноз способствует минимизации рисков и может пре-дотвратить существенные убытки кредитной организации. На современном этапе развития в основе динамики глобального валютного рынка лежат колебания ведущей пары - лдоллар/евро. Из чего ясно, почему прогноз по курсу этих валют представляет наибольший практический интерес. Российских участников рынка в первую очередь, что вполне естественно, интересуют колебания этой пары по отношению к рублю. Когда разрабатывается уравнение регрессии, рекомендуется брать в качестве независимой переменной X значение курса лрубль/евро, а зависимой переменной У - курс лрубль/доллар. Естественно, вполне вероятно создание прогностической модели, где независимой переменной может стать курс лрубль/доллар, а зависимой - лрубль/евро. Однако в реальности лучше использовать первый вариант, так как доллар продолжает играть более важную роль в обороте, чем евро. С помощью обычного метода наименьших квадратов (МНК), путем сопоставления временных рядов данных по курсам этих двух валют за 2005 г., решается парное уравнение регрессии. В результате чего получается следующее уравнение: 7=0,804Х Данное уравнение можно интерпретировать следующим образом: повышение курса евро на 1 руб. в среднем приводило к повы-шению курса доллара на 80,4 коп. У него оказался очень высокий коэффициент детерминации (К = = 0,998), что с одной стороны вроде бы очень хорошо. Но более детальный анализ показал, что это уравнение абсолютно непригодно для использования в качестве прогностической модели, так как: данное уравнение регрессии показывает лишь прямую статистическую зависимость между переменными, но совершенно не учитывает часто наблюдаемое на рынке явление, когда на фоне укрепления курса доллара происходит падение евро; для того, чтобы найти эту формулу регрессии, мы сопоставляли ряды данных с нулевым лагом, а потому его прогностическую ценность можно также считать нулевой; выясняется, что на основе этого уравнения нельзя создать оптимально работающую прогностическую модель. Трудность в том, что остатки данной регрессии (отклонения фактических значений от плановых) в ходе их исследования не смогли пройти тест на выполнение важнейших предпосылок метода наименьших квадратов. Получившиеся в результате решения уравнения регрессии остатки должны носить случайный характер. Между величиной отклонений и расчетными значениями У существует сильная линейная зависимость, о чем говорит высокий коэффициент детерминации, который равен 0,98. Короче говоря, 98% всех колебаний в остатках можно объяснить изменением величины прогноза. Исходя из формулы линейного тренда, следует вывод: рост прогнозируемого курса доллара на 1 руб., как правило, вел в среднем к отклонению остатков (от 0, когда разница отсутст-вует и достигается точный прогноз) в сторону отрицательных значений на 1,49 руб. (плюс 42,22 руб. - исходный уровень). Из чего следует, что повышение расчетного значения ведет к отклонениям остатков в сторону положительных значений в той же пропорции. Остатки не должны зависеть от независимой переменной X (в данном случае - величины курса лрубль/евро). Изменение величины остатков на 98% обусловлено колебаниями независимой переменной X. Об этом утверждает высокий коэффициент детерминации, равный 0,98. Согласно формуле линейного тренда, увеличение курса лрубль/евро на 1 руб. ведет в среднем к от-клонениям остатков в сторону отрицательных значений на 1,20 руб. (плюс 42,22 руб. - исходный уровень). Следовательно, снижение переменной X ведет к отклонениям остатков в сторону положительных значений в той же пропорции. Гомоскедастичность (одинаковый разброс) остатков независимо от значения номера наблюдения (для временных рядов). Несоблюдение данного условия называется гетероскедастично- стью, т. е. неодинаковым разбросом в остатках. Отсутствие автокорреляции остатков, т. е. остатки должны быть распределены во времени независимо друг от друга. Стоит обратить внимание на наличие автокорреляции в остатках и, если оставить найденные коэффициенты уравнения без дальнейших поправок, в результате не удастся построить прогностическую модель, которая способна работать с достаточно высокой степенью точности. Остатки подчиняются нормальному распределению. При наличии автокорреляции в остатках это означает, что каждый по-следующий уровень отклонения прогноза от фактических данных зависит от предыдущего. Если эта информация будет учитываться в расчетах, то получится уравнение регрессии со смещенными параметрами. Проделав соответствующие вычисления, видно, что коэффициент автокорреляции Еаяп для отклонений, которые получены на основе нашего уравнения регрессии, оказался равным 0,988 (максимальное значение этого параметра равно 1), т. е. очень высоким. Из чего следует, что для оценки параметров уравнения регрессии нужно скорректировать статистические ряды данных по сле-дующей формуле: у Ч у К X посл.корр. поел. авт пред.' где Хпред и Хпосл - предыдущее и последующее значения курса евро; Хпосл корр - последующее значение курса евро после его корректировки на автокорреляцию; Я - значение коэффициента автокорреляции. Аналогичную формулу стоит применить и по отношению к У, т. е. к зависимой переменной, обозначающей курс доллара. После чего на основе скорректированных рядов данных вновь проводится регрессионный анализ. В результате получается уравнение регрессии (с лагом, равным 0), которое скорректировано с учетом автокорреляции: 7=0,707Х. Данное уравнение можно сформулировать следующим образом: рост (или падение) курса евро на 1 руб. в 2005 г. приводил в среднем к повышению (или, соответственно, к снижению) курса доллара на 70,7 коп. Одновременно коэффициент детерминации для скорректированного уравнения оказался равен 87,4%, при том что аналогичный показатель для предыдущего уравнения регрессии был гораздо выше - 99,8%. Следовательно, устранение автокорреляции привело к понижению коэффициента детерминации на 12,4%. Затем по вновь полученным остаткам скорректированной регрессии вычисляется критерий Дарбина-Уотсона, который получается равным 1,98. Данный вывод свидетельствует практически о полном отсутствии автокорреляции (если критерий Дарбина-Уотсона равен 2, то это означает, что Яавт равно 0). Чтобы построить эффективно работающую прогнозную модель, недостаточно только устранения автокорреляции в остатках, поскольку в отклонениях фактических данных от прогноза по-прежнему присутствует неучтенная тенденция. Для этого модель необходимо изменить таким образом, чтобы она отражала этот тренд. Для решения этой задачи стоит воспользоваться разработан-ными тремя основными способами: методом отклонений от тренда, методом последовательных разностей и методом включения в модель регрессии фактора времени. Валютный курс В январеЧсентябре 2006 г. курсовая политика была направлена на ограничение инфляции, а также на то, чтобы не допустить чрезмерное укрепление рубля и предотвратить резкие изменения курса национальной валюты, которые не обусловлены действием фундаментальных экономических факторов. Относительно поступления определенных объемов экспортной выручки и ослабления доллара США на мировом валютном рын- ке - ситуация на внутреннем валютном рынке ознаменовалась систематическим превышением предложения иностранной валюты над спросом, что обусловило большие объемы интервенций Банка России в 2006 г. За период с января по сентябрь 2006 г. нетго-объем покупки Банком России иностранной валюты достиг 91,2 млрд долл. США, что более чем в полтора раза превысило аналогичный показатель 2005 г. (58,1 млрд долл. США). |
|
| << Предыдушая | Следующая >> |
| = К содержанию = | |
Похожие документы: "Валютный курс" |
|
|