My-library.info
Все категории

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

На электронном книжном портале my-library.info можно читать бесплатно книги онлайн без регистрации, в том числе Владимир Брюков - Как предсказать курс доллара. Эффективные методы прогнозирования с использованием Excel и EViews. Жанр: Личные финансы издательство КНОРУС; ЦИПСиР, год 2004. В онлайн доступе вы получите полную версию книги с кратким содержанием для ознакомления, сможете читать аннотацию к книге (предисловие), увидеть рецензии тех, кто произведение уже прочитал и их экспертное мнение о прочитанном.
Кроме того, в библиотеке онлайн my-library.info вы найдете много новинок, которые заслуживают вашего внимания.

Название:
Как предсказать курс доллара. Эффективные методы прогнозирования с использованием Excel и EViews
Издательство:
КНОРУС; ЦИПСиР
ISBN:
978-5-406-01441-7
Год:
2011
Дата добавления:
25 июль 2018
Количество просмотров:
854
Текст:
Ознакомительная версия
Читать онлайн
Владимир Брюков - Как предсказать курс доллара. Эффективные методы прогнозирования с использованием Excel и EViews

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

Владимир Брюков - 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 My-Library.Info
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

Как предсказать курс доллара. Эффективные методы прогнозирования с использованием Excel и EViews - читать книгу онлайн бесплатно, автор Владимир Брюков
Конец ознакомительного отрывкаКупить книгу

Ознакомительная версия.

Подставив в log(EURUSD) = а × log(EURUSD(-l)) коэффициенты из табл. 7.20, получим следующую формулу:

log(EURUSD) = 0,9996 × log(EURUSD(-l)), (7.5)

где EURUSD, EURUSD(-l) — переменные, обозначающие текущий курс евро к доллару и курс евро к доллару с лагом в один день.

Однако интерпретация формулы (7.5) не столь очевидна, поскольку она относится к логарифмическому ряду. Поэтому с помощью потенцирования этой формулы можно перейти от логарифмов к исходному временному ряду, как мы это уже делали при преобразовании формулы (6.5) в формулу (6.6). В результате исходная линейная функция (7.5), решенная относительно логарифмического временнoго ряда, станет степенной функцией, которую можно применять относительно исходного временнoго ряда:

EURUSD = EURUSD(-1)^0,9996. (7.6)

При этом интерпретация формулы (7.6) будет следующей: в период с 5 января 1999 г. по 13 сентября 2010 г. рост на 1 % курса евро к доллару в предыдущем торговом дне в среднем способствовал повышению курса евро к доллару в следующем торговом дне на 0,9996 %.

Далее оценим точность полученной статистической модели (см. алгоритм действий № 8 «Как оценить точность статистической модели в EViews»), поместив результаты этой оценки в табл. 7.21. Судя по этой таблице, среднее отклонение по модулю курса евро к доллару от его прогноза за весь период составило лишь 0,58 цента, а среднее отклонение по модулю в процентах равняется 0,50 %.

Теперь посмотрим, является ли стационарным логарифмический временной ряд, на основе которого построена наша статистическая модель. С этой целью проведем тестирование логарифмического временного ряда с помощью расширенного теста Дикки — Фуллера (табл. 7.22). При этом уровень значимости (Prob.*) одностороннего t-критерия получился равным 0,2908, а потому нулевая гипотеза о нестационарности логарифмического временного ряда не отвергается.

Таким образом, мы получили статистическую модель со стационарной ARMA-структурой, построенной на основе нестационарного логарифмического временнoго ряда. Посмотрим, получим ли мы в результате стационарные остатки, что весьма важно для получения надежных прогнозов. С этой целью проведем с помощью расширенного теста Дикки — Фуллера тестирование остатков, полученных после решения уравнения регрессии log(EURUSD) = а × log(EURUSD(-l)). Судя по табл. 7.23, можно сделать вывод, что мы получили стационарные остатки, поскольку уровень значимости теста (Prob.) оказался равен нулю.

Для проверки качества модели log(EURUSD) = а × log(EURUSD(-l)) посмотрим, во-первых, как изменяется с увеличением лага автокорреляция и частная автокорреляция в остатках, во-вторых, насколько соответствуют фактические значения коррелограммы остатков их теоретическим значениям. Судя по рис. 7.8, по мере роста величины лага уровень автокорреляции постепенно снижается, асимптотически стремясь к нулю, а частная автокорреляция падает почти до нуля, начиная со 2-го лага. Правда, при этом фактический уровень автокорреляции (нижние вертикальные линии) падает гораздо быстрее его теоретических значений (верхняя пологая точечная линия). Что же касается динамики фактического уровня частной автокорреляции (вертикальные линии), то она практически совпадает с его теоретическими значениями (верхняя точечная линия).

Тестирование на импульсный ответ ARMA-структуры модели log(EURUSD) = а × log(EURUSD(-l)) хотя и показало ее стационарность, однако вместе с тем выявило тот факт, что для достижения стабильности модели требуется весьма длительное тестовое время. Как хорошо видно из рис. 7.9, величина импульсного ответа и величина накопленного импульсного ответа по мере увеличения периодов тестирования на внешние шоки (инновационную неопределенность) асимптотически стремятся: первая — к нулю, а вторая — к определенному пределу. Однако, чтобы показать на рисунке обе эти тенденции, мы были вынуждены увеличить время тестирования до 5000 периодов.

Убедившись, что статистическая модель log(EURUSD) = а × log(EURUSD(-l)) в целом адекватна, составим с ее помощью прогноз с упреждением в один день на 14 сентября 2010 г. При этом используются данные курса евро к доллару, взятые с интервалом в один день (цена закрытия) с 5 января 1999 г. по 13 сентября 2010 г. Согласно полученному точечному прогнозу, курс евро на 14 сентября 2010 г. должен был равняться 1,2800 дол., хотя в действительности единая европейская валюта в этот день стоила 1,2850 дол., т. е. ее курс отклонился на 0,5 цента. Таким образом, прогноз курса евро к доллару оказался точным при интервальном прогнозе, составленном с 50 %-ным уровнем надежности.

Полученная в результате составления прогноза средняя ошибка индивидуального прогнозного значения курса евро оказалась равна 0,0085, дол., или 0,85 цента. Ее мы использовали для составления рекомендуемых цен покупки и продажи, воспользовавшись алгоритмом действий № 24. При этом для расчета рекомендуемых цен покупки и продажи в качестве среднего значения для нормального распределения был взят фактический курс евро на конец 13 сентября 2010 г. (точнее сказать, на 24 часа по GMT, т. е. на 24 часа по Гринвичу), равный 1,2997 дол.

На основе этих данных мы составили рекомендуемые цены покупки и продажи евро относительно к доллару на 14 сентября, при этом торги велись с интервалом в один час по ценам открытия. Рассчитанные нами рекомендуемые цены продажи и покупки представлены в табл. 7.24.

Прежде чем перейти к тестированию по рыночным данным эффективности рекомендуемых цен покупки и продажи, необходимо сначала убедиться в их обоснованности. Нужно посмотреть, какая доля цен покупки или продажи, рассчитанных по этой методике, оказалась ниже (или выше) фактического курса евро к доллару в конце торгового дня.

С этой целью мы рассчитали рекомендуемые курсы покупки и продажи евро за период с 5 января 1999 г. по 13 сентября 2010 г., а затем отклонения рекомендуемых цен от заданного уровня надежности. В таблице 7.25 показан фактический риск того, что рекомендуемая цена продажи единой европейской валюты, вычисленная с определенным уровнем надежности, в действительности может оказаться ниже курса евро к доллару на конец торгового дня (цена закрытия).

Из таблицы 7.25 можно сделать вывод, что вероятность удачной сделки при продаже евро по ценам, рассчитанным с 95 %-ным уровнем надежности и при более низких уровнях надежности, выше заданного уровня надежности. При 60 %-ном уровне надежности эта положительная разница достигает своего максимума — 4,1 процентного пункта. Правда, при продаже евро с 99 %-ным уровнем надежности вероятность удачной сделки чуть ниже установленного уровня надежности.

Ознакомительная версия.


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 My-Library.Info.


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.

Прокомментировать
Подтвердите что вы не робот:*
Подтвердите что вы не робот:*
Все материалы на сайте размещаются его пользователями.
Администратор сайта не несёт ответственности за действия пользователей сайта..
Вы можете направить вашу жалобу на почту librarybook.ru@gmail.com или заполнить форму обратной связи.