Как предсказать курс доллара. Эффективные методы прогнозирования с использованием Excel и EViews
Шрифт:
Сравнив табл. 5.18 и табл. 4.8, можно сделать следующие выводы. Во-первых, фактическая точность интервальных прогнозов, составленных по нестационарной модели с оптимизированным временным рядом, как и точность интервальных прогнозов, составленных по аналогичной модели с полным временным рядом, при 95 %-ном уровне надежности оказалась выше заданного уровня. Во-вторых, фактическая точность интервальных прогнозов, рассчитанных по модели с полным временным рядом, в среднем немного выше, чем у модели с оптимизированным временным рядом, хотя при 95 %-ном уровне надежности эта
Однако последняя модель опережает первую по таким важным параметрам, как средний диапазон интервального прогноза (в рублях); средний диапазон интервального прогноза (в процентах от среднего фактического курса); и индекс оптимальности интервальных прогнозов (см. табл. 6.24).
Стоит также отметить, что благодаря оптимизации временного ряда нам удалось получить временной ряд с приемлемым диапазоном интервального прогноза. В этом можно убедиться, если познакомиться с табл. 5.19, в которой в целях экономии места помещена лишь часть интервальных прогнозов.
Так, в ноябре 1998 г. общий диапазон интервального прогноза (верхняя граница интервального прогноза минус нижняя граница интервального прогноза) при 95 %-ном уровне надежности составил 2 руб. 86,53 коп. при фактическом курсе доллара, равном 17 руб. 88 коп. В свою очередь при прогнозе на май 2010 г. общий диапазон интервального прогноза был равен 2 руб. 88,07 коп., а фактический курс доллара составил 30 руб. 49,56 коп. Следовательно, в ноябре 1998 г. общий диапазон интервального прогноза составлял 16,03 % от фактической стоимости доллара, в то время как в мае 2010 г. эта цифра равнялась 9,42 %.
Нетрудно также заметить, что за счет уменьшения стандартного отклонения (в структурно стабильном временном ряде, естественно, наблюдается более низкий уровень волатильности) ширина диапазона интервального прогноза в табл. 5.19 оказалась несколько меньше, чем в табл. 4.9.
1. Какую формулу нужно ввести в мини-окно EQUATION SPECIFICATION, чтобы проверить AR-структуру статистической модели на стационарность? Как находятся обратные единичные корни? При каком значении обратных единичных корней авторегрессионный процесс считается нестационарным?
2. Чем различаются функция импульсного ответа и функция накопленного импульсного ответа? Как изменяется инновационная неопределенность и импульсный ответ в нестационарной и в стационарной AR-моделях?
3. Почему в шестерку самых волатильных месяцев вошли только те месяцы, когда был зафиксирован резкий рост, а не падение курса доллара? Как этот факт можно объяснить с фундаментальной точки зрения? Как это влияет на распределение остатков?
4. Чем можно объяснить большую неточность прогноза, составленного на октябрь 1998 г.? Какие остатки считаются выбросами, по мнению Н. Дрейпера и Г. Смита? Как величина выброса определяется во многих статистических программах? Что такое стьюдентизированные остатки и чем они отличаются от стандартных остатков? Какие остатки точнее учитывают волатильность во временном ряде?
5. В чем сходство и различие тестов Чоу на структурную стабильность и на точность прогноза? Какой из этих тестов лучше подходит для анализа стабильности статистической модели относительно последнего наблюдения? Как можно изменить статистическую модель в том случае, когда тест на точность прогноза свидетельствует о структурной нестабильности, возникшей в модели в результате резкого изменения курса доллара в последнем наблюдении?
6. Чем отличается структурное изменение в виде тренда со сдвигом от структурного изменения в виде тренда с наклоном? С помощью какого теста выявляются такого рода изменения во временном ряде? Какие структурные изменения в динамике курса доллара к рублю были выявлены в августе, сентябре и октябре 1998 г.?
7. Почему из расчетной базы данных, на которых строилась статистическая модель USDOLLAR = а x USDOLLAR(-l) + b x US-DOLLAR(-2), была исключена часть наблюдений? Удалось ли в результате получить статистическую модель с оптимальным диапазоном интервального прогноза? Вывод свой обоснуйте.
Глава 6
Построение стационарной статистической модели
6.1. Тестирование исходного и логарифмического временнoго ряда на стационарность
В главе 5 с помощью анализа остатков на выбросы, тестов Чоу на стабильность и точность прогноза, а также метода Гуйарати по определению характера структурных изменений была выявлена нестабильность параметров уравнения регрессии USDOLLAR = а x USDOLLAR(-l) + b x USDOLLAR(-2). Причем эта проблема особенно обостряется во время резких колебаний курса доллара (в первую очередь в периоды кризисов 1998 г. и 2008–2009 гг.). Мы также выяснили, что нестабильность параметров в этом уравнении регрессии обусловлена не только высокой волатильностью на рынке, но и его нестационарной AR-структурой. Об этом, в частности, свидетельствует тестирование этого уравнения регрессии на импульсный ответ (см. алгоритм № 14).
В связи с этим нам предстоит задача по созданию уравнения регрессии, обладающего стационарной AR- или ARM А-структурой. Напомним нашим читателям, что отличие первой от второй заключается в том, что первое уравнение представляет уравнение авторегрессии, а второе — уравнение авторегрессии со скользящей средней.
Вот что пишет о специфике стационарных временных рядов профессор статистики Стэнфордского университета Т. Андерсон: «Предполагается, что случайные составляющие имеют в каждый момент времени одинаковые дисперсии и некоррелированны. Они могут представлять собой ошибки наблюдения или нерегулярности иного рода. Предположения о равенстве дисперсий и отсутствии корреляции являются определенным приближением к действительному положению вещей…Иногда наблюдения лучше соответствуют условиям равенства дисперсий и аддитивности ошибки, если преобразовать масштаб измерений изучаемой величины. Например, в ряде экономических исследований производится анализ не самих цен, а их логарифмов…» [18]
18
Андерсон Т. Статистический анализ временных рядов. С. 43.
Попробуем получить стационарные ряды, взяв логарифмы от исходного уровня временного ряда, содержащего данные по курсу доллара за период с июня 1992 г. по июнь 2010 г. Однако сначала убедимся, что исходный временной ряд, содержащий данные по ежемесячному курсу доллара за период с июня 1992 г. по июнь 2010 г., действительно нестационарен, и с этой целью воспользуемся указаниями алгоритма действий № 21.