Владимир Брюков - Как предсказать курс доллара. Эффективные методы прогнозирования с использованием Excel и EViews

После решения уравнения регрессии (на основе рыночных данных по курсу доллара за период с июня 1992 г. по сентябрь 1998 г.) в строке EQUATION выбираем опции VIEW/STABILITY DIAGNOSTICS/INFLUENCE STATISTICS. В результате на экране появляется диалоговое мини-окно INFLUENCE STATISTICS, которое нужно соответствующим образом заполнить, чтобы провести диагностику остатков (рис. 5.6). Чтобы получить как графический, так и табличный вариант по статистике влияния остатков в параметре OUTPUT TYPE (тип выходной статистики), следует установить опции GRAPH (график) и TABLE (таблица). Далее в параметре OUTPUT STATISTICS (выходная статистика) ставим галочку у опции RSTUDENT (стьюдентизированные остатки) и рядом пишем RS — название файла, который будет помещен в рабочий файл.

В результате шага 1 получены диаграмма (она приведена на рис. 5.7) и табл. 5.8. Интерпретация диаграммы довольно проста, поскольку на ней представлен график значений стьюдентизированных остатков, который с обеих сторон выделен пунктирной линией и обозначает область допустимых значений, равных ± 2. Когда стьюдентизированные остатки выходят за пределы этой пунктирной линии, в этом наблюдении их можно считать выбросами. Легко заметить, что особенно велик стьюдентизированный остаток, полученный в сентябре 1998 г.

В таблице 5.8 приведена часть полученных с помощью EViews значений стьюдентизированных остатков (за период с января 1997 г. по сентябрь 1998 г.). При этом стьюдентизированные остатки, которые считаются выбросами (их величина больше или меньше 2), при выводе итогов обозначаются EViews красным шрифтом (в таблице они подчеркнуты). При этом область допустимых значений определяется с помощью уже известной нам t -статистики. В частности, выбросами считаются остатки, которые получены не только в сентябре, но и в августе 1998 г. Если сравнить стандартные остатки из табл. 5.7 со стьюдентизированными остатками, то легко заметить, что значения последних — за счет выросшей дисперсии между наблюдениями — наиболее сильно отличаются от значений первых для августа и сентября 1998 г.

Теоретически все случайные ошибки предполагаются независимыми и имеющими одну и ту же дисперсию σ 2, однако в действительности конкретные остатки отнюдь не независимы и, следовательно, не имеют одинаковых дисперсий. В действительности дисперсия остатков зависит не только от величины σ 2, но и от h i— i- го диагонального элемента матрицы вида Х t(Х`Х) -1Х t , с которой мы уже познакомились в главе 3.

Стьюдентизированные остатки в EVews рассчитываются по формуле

где е t — остаток для конкретного наблюдения, полученный по уравнению регрессии, построенному с учетом всех наблюдений временного ряда;

s(i) — стандартное отклонение остатков, полученное по уравнению регрессии, построенному по тому же временному ряду без учета наблюдения i ;

h t— i -ный диагональный элемент матрицы вида Х t(ХХ) -1Х t.

При необходимости i -ный диагональный элемент матрицы Х t(ХХ) -1Х t можно найти для каждого наблюдения, если в диалоговом мини-окне INFLUENCE STATISTICS установить опцию ПАТ MATRIX (т. е. матрица Х t(ХХ) -1Х t ).

Например, величина стьюдентизированного остатка для сентября 1998 г. равна

Распределение стьюдентизированных остатков подчиняется t -статистике, получаемой в результате подстановки фиктивной переменной в первоначальное уравнение регрессии. Причем фиктивная переменная для интересующего нас наблюдения i равна 1, а для всех остальных наблюдений она равна 0. Таким образом, стьюдентизированный остаток можно интерпретировать как тест на значимость остатка определенного наблюдения с точки зрения его влияния на уравнение регрессии.

Следует заметить, что если у кого-то из читателей нет последней версии EViews или иных программ, умеющих рассчитывать стьюдентизированные остатки, то в принципе для обнаружения выбросов вполне возможно пользоваться стандартными остатками. Во всяком случае, как утверждают Н. Дрейпер и Г Смит, в подавляющем большинстве случаев, хотя и не во всех, для обнаружения выбросов вполне достаточно пользоваться графиками обычных и стандартных остатков [15] Дрейпер Н., Смит Г. Прикладной регрессионный анализ. С. 190. .

Чтобы убедиться в справедливости этих слов, мы провели небольшой эксперимент. С этой целью уравнение регрессии USDOLLAR = а × USDOLLAR(-l) + b × USDOLLAR(-2) решено на основе данных за период с июня 1992 г. по апрель 2010 г., а затем рассмотрены полученные остатки (табл. 5.9). В том случае, когда стьюдентизированные остатки диагностируют выбросы, стандартные остатки также их выявляют (если к выбросам отнести остатки, имеющие два стандартных отклонения). Правда, поскольку стьюдентизированные остатки учитывают не только стандартное отклонение, но и дисперсию между различными наблюдениями (формула (5.6)), то величина стьюдентизированных остатков всегда выше. Причем особенно заметна эта разница относительно сентября 1998 г. и января 2009 г., т. е. когда на валютном рынке наблюдалась максимальная волатильность, обусловленная в первом случае августовским дефолтом 1998 г., а во втором случае — глобальным финансовым кризисом 2008–2009 гг.

Диагностика выбросов в остатках является не единственным инструментом для выявления проблем, мешающих повышению точности прогностических моделей. В этом смысле, пожалуй, еще большее значение имеет тест Грегори Чоу на наличие структурной стабильности временного ряда. Поэтому следующим нашим шагом будет оценка на основе этого теста стабильности временного ряда за период с июня 1992 г. по апрель 2010 г. С методикой проведения этого теста можно познакомиться в алгоритме действий № 18.