- •Анализ и прогнозирование финансовых процессов
- •Глава 1. Математические методы и модели как средства исследования экономических процессов ………………………………………………………….7
- •Глава 8. Построение доверительных интервалов прогнозов ………………….210
- •Глава 9. Анализ и прогнозирование финансовых процессов на базе рассмотренных моделей ………………………………………………………….232
- •Предисловие
- •Глава 1. Математические методы и модели как средства исследования экономических процессов
- •1.1. Экономико-математические методы и модели исследования экономических процессов
- •1.2. Разновидности экономико-математических моделей и методов
- •1.3. Программные средства анализа экономических данных
- •1.4. Методика статистического анализа и прогнозирования данных
- •Контрольные вопросы
- •Глава 2. Исследование структуры временных рядов экономических показателей
- •2.1. Понятие временного ряда
- •В таблице 2.4 представлен ряд динамики средних величин - Среднедушевые номинальные денежные доходы населения России в месяц,
- •2.2. Структура временного ряда
- •2.3. Оценивание однородности и направленности изменений финансовых процессов, представленными временными рядами
- •2.4. Статистические показатели измерения динамики финансовых процессов
- •2.5. Показатели и критерии устойчивости и колеблемости развития финансовых процессов
- •Контрольные вопросы и задания
- •Глава 3. Прогнозирование финансовых процессов с использованием кривых роста
- •3.1. Основные этапы прогнозирования с использованием кривых роста
- •3.2. Характеристика кривых роста
- •3.3. Методы выбора кривых роста для выравнивания
- •3.4. Методы оценки параметров кривых роста
- •Контрольные вопросы и задания
- •Глава 4. Сезонные колебания в финансовых процессах
- •4.1. Исследование сезонных колебаний в финансовых процессах
- •4.2. Статистические критерии выявления сезонных колебаний
- •4.3 Показатели измерения сезонности
- •4.4. Моделирование тренд-сезонных временных рядов
- •Контрольные вопросы и задания
- •Глава 5. Адаптивные методы прогнозирования
- •5.1. Сущность адаптивных методов
- •5.2. Экспоненциальное сглаживание
- •5.3. Полиномиальные адаптивные модели
- •5.4. Адаптивные модели прогнозирования сезонных процессов
- •5.5. Метод эволюции
- •5.6. Модели авторегрессии и скользящего среднего
- •Контрольные вопросы и задания
- •Глава 6. Оценка точности и адекватности модели
- •6.1. Оценка адекватности модели
- •Проверка равенства математического ожидания уровней ряда остатков нулю.
- •6.2. Оценка точности модели
- •Контрольные вопросы и задания
- •Глава 7. Применение регрессионных моделей для прогнозирования
- •7.1.Типы регрессионных моделей
- •7.2. Определение зависимости между моделируемыми показателями и определяющими их факторами
- •7.3. Оценка тесноты линейной и нелинейной связи
- •7.4. Линейная модель парной регрессии. Оценка значимости параметров линейной регрессии
- •7.5. Нелинейная регрессия
- •Полиномы разных степеней -;
- •7.6. Модель множественной регрессии
- •7.7. Отбор факторов при построении модели множественной регрессии. Мультиколлинеарность
- •7.8. Регрессионные модели с фиктивными переменными
- •7.9. Прогнозирование в регрессионных моделях
- •Контрольные вопросы и задания
- •Глава 8. Построение доверительных интервалов прогнозов
- •8.1. Методы и критерии, используемых при построении доверительных интервалов
- •8.2. Доверительные интервалы при получении оценок по моделям регрессии
- •8.3.Оценка доверительных интервалов в моделях экономического прогнозирования
- •Доверительный интервал для тренда в общем виде определяется как
- •Контрольные вопросы и задания
- •Глава 9. Анализ и прогнозирование финансовых процессов на базе рассмотренных моделей
- •9.1. Алгоритм методики оценивания доверительных интервалов прогнозов
- •9.2. Практическая реализация методов прогнозирования
- •(По индексам)
- •Контрольные вопросы и задания
- •Литература
- •Шелобаев Сергей Иванович
В таблице 2.4 представлен ряд динамики средних величин - Среднедушевые номинальные денежные доходы населения России в месяц,
Таблица 2.4.
Денежные доходы населения Российской Федерации, руб.
(среднедушевые денежные доходы в месяц, руб.)
Показатель |
2000 |
2001 |
2002 |
2003 |
2004 |
2005 |
Среднедушевые денежные доходы в месяц, руб. |
2281,1 |
3062,0 |
3947,2 |
5170,4 |
6410,3 |
8023,2 |
Российский статистический ежегодник. 2006, таб. 6.8, стр. 174
3) по расстоянию между датами или интервалам времени ряды динамики подразделяются на ряды динамики с равноотстоящими уровнями и неравноотстоящими уровнями. Ряды динамики с равноотстоящими уровнями имеют место, когда даты регистрации или окончания периодов следуют друг за другом с равными интервалами. Все рассмотренные ранее примеры - это ряды с равноотстоящими уровнями. Ряды динамики с неравноотстоящими уровнями имеем в случае, когда принцип равных интервалов не соблюдается. В таб. 2.5 представлен ряд динамики с неравноотстоящими уровнями, имеются пропуски значений уровней ряда.
Таблица 2.5
Долгосрочное кредитование реального сектора
Показатель |
2000 |
2003 |
2004 |
2005 |
2006 |
Кредиты со сроком погашения свыше 1 года в общем объеме кредитов, в % |
29,7 |
38 |
39,6 |
43,7 |
46 |
По данным Банка России, www.cbr.ru
Успешность статистического анализа развития процессов во времени во многом зависит от правильного построения рядов динамики. Поэтому к составлению рядов динамики предъявляются определенные требования.
1. Периодизация развития, т. е. расчленение его во времени на однородные этапы, в пределах которых показатель подчиняется одному закону развития. Вопрос о том, какие этапы развития прошло то или иное явление за определенный исторический отрезок времени, решается теорией той науки, к области которой относится изучаемая совокупность явления. При этом обращают внимание на значимые даты и события. А именно, время принятия управленческих решений по данному показателю, смену хозяйственного механизма, смену руководства, войну и т.д.
2. Вторым важным условием правильного построения ряда динамики является сопоставимость всех входящих в него уровней по территории, кругу охватываемых объектов, единицам измерения, времени регистрации, ценам, методологии расчета. Проблема сопоставимости данных особенно остро стоит в рядах динамики, потому что они охватывают значительные периоды времени, за которые могли произойти изменения и привести к несопоставимости статистических данных. Данное условие решается либо в процессе сбора и обработки данных, либо путем их пересчета.
Сопоставимость по территории предполагает одни и те же границы территории, изменение границ влияет на численность населения и объем продукции.
Сопоставимость по кругу охватываемых объектов означает сравнение совокупностей с равным числом элементов. Например, при характеристике динамики численности студентов вузов нельзя в одни годы учитывать только студентов дневных отделений, а в другие – численность студентов всех видов обучения.
Сопоставимость по времени регистрации для интервальных рядов динамики обеспечивается равенством периодов времени, за которые приводятся данные. Для моментных рядов показатели следуют приводить на одну и туже дату.
Сопоставимость по ценам. При приведении к сопоставимому виду продукции, измеренной в стоимостных показателях, трудность заключается в том, что во-первых, с течением времени происходит непрерывное изменение цен, во-вторых существует несколько видов цен. Для характеристики изменения объема продукции должно быть устранено влияние изменения цен. Поэтому на практике количество продукции, произведенной в разные периоды, оценивают в ценах одного и того же базисного периода, которые называют неизменными или сопоставимыми ценами.
Сопоставимость по методологии расчета. При определении уровней динамического ряда необходимо использовать единую методологию расчета. Например, до 1958 г. уровень производительности труда в промышленности определялся на одного рабочего, а с 1958 г. на одного работающего. Поэтому для анализа уровня производительности, уровни рассчитанные до 1958 г. необходимо пересчитать по новой методологии.
Следовательно, прежде чем анализировать динамический ряд, надо, исходя из цели исследования, убедиться в сопоставимости уровней ряда. Если данные несопоставимые, они могут быть приведены к сопоставимому виду дополнительными расчетами.
В большинстве случаев удается устранить несопоставимость вызванную указанными причинами, путем пересчета более ранних значений показателей. Следует отметить, что проведение такой обработки не обеспечивает требуемой точности, приводит к снижению ценности исходной информации, а, следовательно, и к затруднению дальнейшего анализа.
3. Соответствие величины временных интервалов интенсивности изучаемых процессов. Чем больше вариация уровней во времени, тем чаще следует делать замеры. Соответственно для стабильных процессов интервалы можно увеличить. Так, переписи населения достаточно проводить один раз в десять лет, учет национального дохода, урожая – раз в год. Ежедневно регистрируются курсы покупки и продажи валют, ежечасно температура воздуха и т.д.
4. Упорядоченность числовых уровней рядов динамики во времени. Не допускается анализ рядов с пропусками отдельных уровней; если же такие пропуски неизбежны, то их восполняют условными расчетными значениями.
Применение к временным рядам определенного математического аппарата, а именно методов математической статистики, предъявляет к исходным данным ряд дополнительных требований: однородность данных, устойчивость тенденции, полнота данных.
Однородность данных – означает отсутствие сильных изломов тенденций, а также аномальных, т.е. резко выделяющихся, нетипичных для данного ряда наблюдений. Аномальные наблюдения проявляются в виде сильного изменения уровня – скачка или спада, с последующим приблизительным восстановлением предыдущего уровня. Наличие аномалии резко искажает результаты моделирования, поэтому аномальные наблюдения необходимо исключить из временного ряда, заменив их расчетными значениями.
Устойчивость тенденции – характеризуется преобладанием закономерности над случайностью в изменении уровней ряда. На графиках устойчивых временных рядов закономерность прослеживается визуально, на графиках неустойчивых рядов изменения последовательных уровней представляются хаотичными, поэтому поиск закономерностей в формировании значений уровней таких рядов лишен смысла.
Полнота данных – требование обусловлено тем, что закономерность может обнаружиться лишь при наличии минимально допустимого объема наблюдений.