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

4.5. Проверка точности составленных интервальных прогнозов

И еще один важный момент: мы уже ранее говорили, что интервальные прогнозы составляются исходя из предположения о нормальном распределении остатков, однако в действительности их распределение нельзя назвать нормальным. В связи с этим возникает вопрос: насколько, например, 95 %- ный уровень надежности соответствует фактическому попаданию курса доллара в интервал прогноза?

Чтобы ответить на этот важный вопрос, нам необходимо сделать следующее. Во-первых, решить в EViews уравнение авторегрессии 2-го порядка без константы (см. алгоритм действий № 6 «Как решить уравнение регрессии в EViews»). Во-вторых, найти точечные прогнозы с помощью опции FORECAST (см. алгоритм действий № 8 «Как оценить точность статистической модели в EViews»), в которой надо обязательно заполнить дополнительную опцию S.E. (optional) аббревиатурой SE. Таким образом, в файле SE у нас появятся средние ошибки прогнозируемого индивидуального значения курса доллара (см. табл. 4.7). В-третьих, чтобы вывести на экран точечные прогнозы, нам необходимо выбрать опции EQUATION/VIEW/ACTUAL, FITTED, RESIDUAL /ACTUAL, FITTED, RESIDUAL TABLE (уравнение/вид/ фактические, расчетные значения, остатки/таблица фактических, расчетных значений и остатков). Так мы получим данные по фактическим и предсказанным значениям курса доллара и по величине остатков за весь период с августа 1992 г. по май 2010 г., т. е. за 214 месяцев (табл. 4.10). В результате у нас получилась табл. 4.11, в которую мы в целях экономии места занесем фактические и предсказанные значения по курсу доллара лишь за два небольших периода — с августа по декабрь 1992 г. и с июля 2008 г. по май 2010 г.

В-четвертых, используя данные в файле SE по средним ошибкам прогнозируемого индивидуального значения курса доллара составим с 95 %-ным уровнем надежности интервальные прогнозы за весь период с августа 1992 г. по май 2010 г. При этом расчеты нижней и верхней границы интервальных прогнозов будем делать согласно формулам (4.15) и (4.16). Таким образом, табл. 4.11 будет дополнена еще и интервальными прогнозами по включенным в нее наблюдениям.

После проведения соответствующих подсчетов удалось выяснить, что при 95 %-ном уровне надежности из 214 составленных нами интервальных прогнозов в 206 случаях фактический курс доллара оказался в рамках интервального прогноза, т. е. был точным. Следовательно, при 95 %-ном уровне надежности фактическая вероятность точного интервального прогноза достигла 96,3 %, т. е. получилась на 1,3 процентного пункта выше заданного уровня надежности.

А теперь посмотрим, насколько удачными были наши интервальные прогнозы при других уровнях надежности. С этой целью мы должны: во-первых, найти t-значения для каждого уровня надежности; во-вторых, для каждого уровня надежности вычислить по формулам (4.15) и (4.16) верхние и нижние границы интервального прогноза, используя при этом данные из файла SE по средним ошибкам прогнозируемых индивидуальных значений курса доллара; и, в-третьих, подсчитать для каждого уровня надежности количество попаданий фактического курса доллара в диапазон интервального прогноза.

После проведения этих вычислений получилась табл. 4.10, в которой заданные уровни надежности сопоставляются с фактической долей точных прогнозов. Судя по этой таблице, доля точных прогнозов оказалась выше заданного уровня надежности при 95 %-ном и более низких уровнях надежности. Причем эта положительная разница растет при снижении уровня надежности, достигая своего максимума при 30 %-ном уровне надежности, когда она равна 43,4 процентного пункта.

Отсюда можно сделать вывод, что средняя ошибка прогнозируемого индивидуального значения курса доллара по своей сути является суммой стандартного отклонения и индивидуального значения средней ошибки. При этом рост последнего слагаемого зависит в нашем случае от значений переменных USDollar(-l) USDollar(-2) в момент прогнозирования, а если сказать точнее, то от их разницы, что фактически означает рост волатильности на валютном рынке. Именно поэтому максимального своего значения, равного 0,975232 (см. файл SE), средняя ошибка прогнозируемого индивидуального значения курса доллара достигла при прогнозировании на октябрь 1998 г., поскольку по итогам предыдущего месяца USDollar(-l) был равен 16,0645 руб., a USDollar(-2) — 7,9050 руб., т. е. разница между ними составила более 8 руб. Для справки также заметим, что в сентябре 1998 г. разница между предсказанным и фактическим курсом доллара составила 7 руб. 61,37 коп., т. е. также была наивысшей за все время наблюдений.

В целом же по всему исследуемому временному ряду средняя ошибка прогнозируемого индивидуального значения курса доллара не слишком заметно отличается от стандартного отклонения, которое равно 0,817803.

Так, если в августе 1992 г. величина средней ошибки составила 0,817807, то в мае 2010 г. она была чуть больше и равнялась 0,821060 (выше первой цифры лишь в 1,004 раза). Таким образом, в течение 18 лет средняя ошибка прогнозируемого индивидуального значения курса доллара в основном лишь незначительно отступала от стандартного отклонения, в то время как фактический курс доллара вырос с 0,1253 руб.[12] в июне 1992 г. до 30,4956 руб. в мае 2010 г., т. е. увеличился в 243,5 раза!

С учетом методики расчета нижней и верхних границ интервального прогноза (см. формулы (4.15) и (4.16)) становится вполне понятным, почему у нас в результате возникла проблема избыточной ширины интервального прогноза. Так, при прогнозе на август 1992 г. общий диапазон интервального прогноза (верхняя граница интервального прогноза минус нижняя граница интервального прогноза) при 95 %-ном уровне надежности составил 3 руб. 22,43 коп. (см. табл. 4.11), в то время как фактическое значение курса доллара было равно лишь 20,5 коп. В свою очередь при прогнозе на май 2010 г. общий диапазон интервального прогноза был равен 3 руб. 23,72 коп., а фактический курс доллара составил 30 руб. 49,56 коп. Легко подсчитать, что в августе 1992 г. диапазон интервального прогноза в 15,7 раза превышал фактический курс доллара, в то время как в мае 2010 г. его доля в стоимости курса американской валюты составила вполне приемлемые 10,62 %.

Почему для начальных наблюдений временного ряда у нас получился столь широкий диапазон интервального прогноза? Как построить статистическую модель с приемлемым диапазоном интервального прогноза? Стоит ли при этом исключать из расчетной базы данных часть наблюдений? И если исключать часть наблюдений все-таки необходимо, то как определить оптимальную выборку данных, которая необходима нам для составления предсказаний с оптимальным диапазоном интервального прогноза?

Чтобы ответить на эти вопросы, необходимо сделать следующее. Во-первых, познакомиться с такими понятиями, как устойчивость прогностической модели к внешним шокам; во-вторых, узнать, какого рода бывают изменения структурной стабильности временного ряда; в-третьих, научиться проводить тесты Чоу на структурную стабильность и на точность прогноза; в-четвертых, освоить методику проведения теста Д. Гуйарати по определению характера структурного сдвига; и, в-пятых, на основе результатов последнего теста научиться выделять выборку данных, необходимую для получения предсказаний с оптимальным диапазоном интервального прогноза.

Контрольные вопросы и задания

1. При каком уровне надежности статистически значим свободный член уравнения авторегрессии, если его p-значение равно 0,037226? Стоит ли его включать в уравнение, если мы хотим составить уравнение регрессии с 99 %-ным уровнем надежности?

2. С помощью какого алгоритма действий уравнения авторегрессии проверяются на автокорреляцию в остатках? При использовании LM-теста Бройша — Годфри какой лаг следует установить в мини-окне LAG SPECIFICATION при тестировании уравнений авторегрессии 1-го AR(1), 2-го AR(2) и 3-го порядков AR(3)? В каком случае LM-тест Бройша — Годфри свидетельствует об отсутствии автокорреляции в остатках?