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

Тут можно читать онлайн Владимир Брюков - Как предсказать курс доллара. Эффективные методы прогнозирования с использованием Excel и EViews - бесплатно ознакомительный отрывок. Жанр: Личные финансы, издательство КНОРУС; ЦИПСиР, год 2011. Здесь Вы можете читать ознакомительный отрывок из книги онлайн без регистрации и SMS на сайте лучшей интернет библиотеки ЛибКинг или прочесть краткое содержание (суть), предисловие и аннотацию. Так же сможете купить и скачать торрент в электронном формате fb2, найти и слушать аудиокнигу на русском языке или узнать сколько частей в серии и всего страниц в публикации. Читателям доступно смотреть обложку, картинки, описание и отзывы (комментарии) о произведении.
  • Название:
    Как предсказать курс доллара. Эффективные методы прогнозирования с использованием Excel и EViews
  • Автор:
  • Жанр:
  • Издательство:
    КНОРУС; ЦИПСиР
  • Год:
    2011
  • Город:
    Москва
  • ISBN:
    978-5-406-01441-7
  • Рейтинг:
    3/5. Голосов: 11
  • Избранное:
    Добавить в избранное
  • Отзывы:
  • Ваша оценка:
    • 60
    • 1
    • 2
    • 3
    • 4
    • 5

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

Как предсказать курс доллара. Эффективные методы прогнозирования с использованием Excel и EViews - описание и краткое содержание, автор Владимир Брюков, читайте бесплатно онлайн на сайте электронной библиотеки LibKing.Ru
Детально излагаются методики построения стационарных и нестационарных статистических моделей по прогнозированию курса доллара США с использованием программ EViews и Excel. При этом прогнозы по курсу доллара к рублю делаются с упреждением в один месяц, две и одну неделю, а по курсу евро к доллару — с упреждением в один день. Особый акцент сделан на составлении (с установленным инвестором уровнем надежности) прогнозов цен покупки и продажи валют для работы на валютном рынке на основе разработанных статистических моделей. Все методики с успехом применяются на практике.
Для всех, кто интересуется валютным рынком, собирается зарабатывать или уже зарабатывает на этом рынке, хочет научиться делать прогнозы по курсам валют. Для валютных инвесторов, трейдеров и студентов, будущая профессия которых связана с работой в банке, финансовой компании или с операциями на финансовых и товарных рынках.

Как предсказать курс доллара. Эффективные методы прогнозирования с использованием Excel и EViews - читать онлайн бесплатно ознакомительный отрывок

Как предсказать курс доллара. Эффективные методы прогнозирования с использованием Excel и EViews - читать книгу онлайн бесплатно (ознакомительный отрывок), автор Владимир Брюков
Тёмная тема
Сбросить

Интервал:

Закладка:

Сделать

Вполне очевидно, что в том случае, когда T → 0, величина отклонения переменной X ( t ) от ее математического ожидания в момент времени Остановится все более зависимой от значения этого отклонения в момент времени t — Т. Иначе говоря, корреляция между лаговыми переменными возрастает, а когда в авторегрессионной модели значение T = t 1— t 2 становится равным нулю, то вместо двух лаговых переменных мы получим лишь одну переменную X ( t ), по которой, правда, будет невозможно прогнозировать.

7.2. Использование в торговле модели для прогнозирования курса доллара к рублю с упреждением в две недели

Теперь посмотрим, какие результаты может дать расчет цен покупки и продажи валюты для двухнедельного инвестиционного периода. С этой целью построим статистическую модель, по которой можно делать прогноз по курсу доллара к рублю с упреждением в две недели. Полный список действий, которые необходимо выполнить при разработке такой модели, можно найти в главе 6 (см. алгоритм действий № 22 «Перечень действий, необходимых для построения статистической модели, представляющей собой уравнения авторегрессии (AR) или уравнения авторегрессии со скользящей средней (ARMA)»). Однако на подробном описании этих действий мы сейчас не будем останавливаться, поскольку с методикой построения статистических моделей наш читатель уже знаком, поэтому здесь дадим только краткую характеристику этой модели, а также остановимся на наиболее интересных моментах, связанных с ее разработкой.

На основе базы данных по курсу доллара, взятых с интервалом в две недели (на конец периода) с октября 1998 г. по июнь 2010 г., была построена прогностическая модель, по которой можно делать прогнозы с упреждением в две недели. Вывод данных по итогам решения уравнения регрессии можно увидеть в табл. 7.6.

Подставив в USDOLLAR с а USDOLLARl b USDOLLAR2 значения - фото 268 Подставив в USDOLLAR с а USDOLLARl b USDOLLAR2 значения - фото 269

Подставив в USDOLLAR = с + а × USDOLLAR(-l) — b × USDOLLAR(-2) значения коэффициентов из табл. 7.6, получим следующую формулу:

USDOLLAR = 1,2002 + 1,1429 × USDOLLAR(-l) — 0,1842 × USDOLLAR(-2), (7.3)

где USDOLLAR, USDOLLAR(-l), USDOLLAR(-2) — переменные, обозначающие текущий курс доллара, курс доллара с лагом в две недели и лагом в четыре недели.

Интерпретация уравнения (7.3) следующая: в период с октября 1998 г. по июнь 2010 г. рост на 1 руб. курса доллара с лагом в две недели в среднем приводил к повышению прогнозируемого курса доллара на 1,1429 руб.; в свою очередь рост курса доллара с лагом в четыре недели в среднем приводил к снижению прогнозируемого курса доллара на 0,1842 руб.; при исходном уровне курса доллара, равном 1,2002 руб.

Далее оценим точность полученной статистической модели (см. алгоритм действий № 8 «Как оценить точность статистической модели в EViews»), поместив полученные данные в табл. 7.7. Судя по этой таблице, среднее отклонение по модулю курса доллара от его прогноза за весь период составило всего лишь 28,9 коп., а среднее отклонение по модулю в процентах равняется 1,07 %.

Для сравнения напомним что у стационарной модели logUSDollar с b - фото 270

Для сравнения напомним, что у стационарной модели log(USDollar) = с + b × log(USDollar(-1)) + МА(1) с оптимизированным временным рядом, делающей прогнозы с упреждением в один месяц, среднее отклонение по модулю курса доллара от его прогноза оказалось равно 41,5 коп., а среднее отклонение по модулю в процентах — 1,53 % (см. табл. 6.23).

Поскольку исходный уровень временн o го ряда оказался стационарным, то при построении статистической модели USDOLLAR = с + а × USDOLLAR(-l) — b × USDOLLAR(-2) мы не стали переходить к логарифмическому временн о му ряду. О стационарности исходного временного ряда свидетельствуют итоги тестирования исходного временного ряда на стационарность с помощью расширенного теста Дикки — Фуллера (табл. 7.8). Поскольку в результате нам удалось получить уровень значимости (Prob.*) одностороннего t -критерия (t-Statistic), равный нулю, то, следовательно, нулевая гипотеза о нестационарности исходного временного ряда отвергается и принимается альтернативная гипотеза о его стационарности.

Чтобы проверить качество полученной статистической стационарной модели - фото 271 Чтобы проверить качество полученной статистической стационарной модели - фото 272

Чтобы проверить качество полученной статистической стационарной модели, посмотрим, во-первых, как изменяются с увеличением лага автокорреляция и частная автокорреляция в остатках; во-вторых, насколько соответствуют фактические значения коррелограммы остатков их теоретическим значениям. Судя по рис. 7.2, по мере роста величины лага уровень автокорреляции постепенно снижается, асимптотически стремясь к нулю, а частная автокорреляция упала почти до нуля уже со второго лага. Если сравнить фактический уровень автокорреляции и частной автокорреляции (вертикальные линии) с их теоретическими значениями (верхняя линия), то они практически не отличаются. Все это свидетельствует о хорошем качестве полученной стационарной модели.

Тестирование на импульсный ответ ARMAструктуры модели USDOLLAR с а - фото 273

Тестирование на импульсный ответ ARMA-структуры модели USDOLLAR = с + а × USDOLLAR(-l) — b × USDOLLAR(-2) также показало ее стационарность. Рисунок 7.3 показывает, что величина импульсного ответа — по мере увеличения периодов тестирования на внешние шоки (инновационную неопределенность) — асимптотически стремится к нулю. Если проанализировать динамику накопленного импульсного ответа, то по мере увеличения периодов тестирования его величина стабилизируется на определенном уровне, что также свидетельствует о стационарности построенной статистической модели.

Убедившись в достаточно высоком качестве статистической модели USDOLLAR с а - фото 274

Убедившись в достаточно высоком качестве статистической модели USDOLLAR = с + а × USDOLLAR(-l) — b × USDOLLAR(-2), мы составили с ее помощью прогноз с упреждением в две недели на 13 июля 2010 г. При этом использовались данные по курсу доллара, взятые с интервалом две недели (на конец этого периода) с октября 1998 г. по 29 июня 2010 г. Согласно полученному точечному прогнозу, курс доллара на 13 июля 2010 г. должен был равняться 30,82 руб., но в действительности американская валюта в этот день стоила 30,88 руб., т. е. ее курс отклонился всего лишь на 6 коп. Таким образом, прогноз курса американской валюты оказался точным при интервальном прогнозе, составленном с 20 %-ным уровнем надежности.

Читать дальше
Тёмная тема
Сбросить

Интервал:

Закладка:

Сделать


Владимир Брюков читать все книги автора по порядку

Владимир Брюков - все книги автора в одном месте читать по порядку полные версии на сайте онлайн библиотеки LibKing.




Как предсказать курс доллара. Эффективные методы прогнозирования с использованием Excel и EViews отзывы


Отзывы читателей о книге Как предсказать курс доллара. Эффективные методы прогнозирования с использованием Excel и EViews, автор: Владимир Брюков. Читайте комментарии и мнения людей о произведении.


Понравилась книга? Поделитесь впечатлениями - оставьте Ваш отзыв или расскажите друзьям

Напишите свой комментарий
x