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

Как легко увидеть в табл. 5.3, в 1-м периоде величина инновационной неопределенности незначительна, а ошибка импульсного ответа равна стандартной ошибке уравнения регрессии. Во 2-м периоде инновационная неопределенность возрастает в силу воздействия внешнего шока, величина которого приравнивается к стандартной ошибке коэффициента регрессии независимой лаговой переменой USDOLLAR(-1). Далее в последующие периоды величина инновационной неопределенности (см. оба столбца Std. Err.) нарастает как в функции импульсного, так еще больше и в функции накопленного импульсного ответа. Так, уровень инновационной неопределенности в функции импульсного ответа увеличивается с 0,03962 в 1 — м периоде до 0,16794 в 25-м периоде; соответственно в функции накопленного импульсного ответа эти цифры выросли с 0,03962 в 1-м периоде до 3,28261 в 25-м периоде.

Если при тестировании AR-структуры нестационарного процесса увеличить количество исследуемых периодов, то в результате уровень инновационной неопределенности и величина стандартной ошибки импульсного ответа в нестационарной модели еще больше вырастут к концу последнего периода.

Так, если в диалоговом мини-окне ARMA DIAGNOSTIC VIEWS в опции PERIODS установить 50 периодов вместо используемых по умолчанию 24, то уровень инновационной неопределенности в функции импульсного ответа будет равен 0,27308, а в функции накопленного импульсного ответа — 8,65349. Соответственно при 100 периодах эти цифры в последнем периоде будут существенно выше и равны 0,56117 и 28,4379.

Шаг 3. Построение графика функций импульсного и накопленного импульсного ответа

При желании функции импульсного и накопленного импульсного ответа можно получить и в графическом виде. С этой целью в диалоговом мини-окне ARMA DIAGNOSTIC VIEWS необходимо выбрать опции IMPULSE RESPONSE и GRAPH. Если мы при этом оставим те же опции, что установили при выводе данных, размещенных в табл. 5.3, то тогда получим следующие графики роста величины импульсного и накопленного импульсного ответа (рис. 5.4). Помимо удобств, связанных с наглядностью, эти графики позволяют также увидеть нижние и верхние границы интервалов, в рамках которых рассчитанная в EViews величина импульсного и накопленного импульсного ответа может колебаться. В качестве доверительного интервала для оценки величины этих функций берется диапазон в размере двух стандартных отклонений.

5.3. Влияние резких изменений курса доллара на смещение коэффициентов регрессии

Продолжим далее наш анализ устойчивости к воздействию внешних шоков нестационарного AR- процесса, описанного уравнением USDOLLAR = а ? USDOLLAR(-l) + b ? USDOLLAR(-2). С этой целью составим рейтинг наиболее резких изменений в курсе доллара, зафиксированных за период с августа 1998 г. по апрель 2010 г. При этом в качестве критерия для отбора будем использовать величину изменения курса доллара за один месяц в процентах по модулю. В результате получилась табл. 5.4. Из нее следует, что три самых крупных колебания курса доллара наблюдались в сентябре и августе 1998 г., а также в январе 2009 г. Кроме того, из этой таблицы (см. раздел «Скачок курса доллара по сравнению с предыдущим месяцем, руб.») можно сделать вывод, что резкие скачки доллара по преимуществу были положительными. Так, из 20 наблюдений, включенных в этот рейтинг, в 15 случаях рубль резко укреплялся и лишь в пяти случаях резко падал. Причем в шестерку самых волатильных месяцев вошли только те месяцы, когда был зафиксирован резкий рост, а не падение курса доллара. С фундаментальной точки зрения это объясняется многолетней политикой Банка России по поддержанию слабого курса рубля, а с точки зрения статистического анализа этот факт можно подтвердить с помощью описательной статистики (см. табл. 4.4), показывающей значительную правостороннюю асимметрию в остатках.

Таблица 5.4, в которую включена топ-двадцатка самых волатильных (с августа 1998 г.) месяцев, понадобится для того, чтобы оценить надежность нашей прогностической модели. Вполне очевидно, что слишком сильные колебания курса доллара довольно существенно сказывались на качестве прогноза. Своего рода рекорд по неточности предсказания можно было бы установить в конце сентября 1998 г. при прогнозировании курса доллара на октябрь 1998 г. на основе данных за период с июня 1992 г. по сентябрь 1998 г. Проверим это утверждение. Однако прежде нам надо научиться оперативно изменять выборку данных в EViews, поскольку каждый раз импортировать новые данные нерационально в смысле затрат времени (см. алгоритм действий № 15).

Алгоритм действий № 15

Как в EViews можно быстро изменить выборку данных

Чтобы смоделировать ситуацию реального прогноза на октябрь 1998 г., необходимо оставить во временном ряде данные лишь за период с июня 1992 г. по сентябрь 1998 г. С этой целью надо в верхней строке рабочего файла выбрать опции QUICK /SAMPLE (быстро/выборка), после чего появится диалоговое мини-окно SAMPLE, в котором мы должны ввести текст: ©first 1998m08. Введенный в диалоговое мини-окно текст означает, что в выборке должны остаться данные с первого наблюдения по август 1998 г. Для справки заметим, что если бы мы захотели ограничить выборку снизу (например, с сентября 1998 г. до последнего наблюдения), то тогда команда в диалоговом мини-окне SAMPLE выглядела бы так: 1998т09@ last. А если бы нам потребовалось вновь использовать всю выборку, то в этом случае в диалоговое мини-окно надо было бы ввести команду @all.

После сокращения выборки (период уменьшили до 74 наблюдений — с июня 1992 г. по сентябрь 1998 г.) займемся решением уравнения регрессии (см. алгоритм действий № 6 «Как решить уравнение регрессии в EViews»). А затем делаем прогноз и соответственно сразу же находим остатки (см. алгоритм действий № 8 «Как оценить точность статистической модели в EViews»). Вывод данных по уравнению регрессии у нас представлен в табл. 5.5.

В результате, согласно точечному прогнозу, составленному по этому уравнению регрессии, американский доллар в октябре 1998 г. должен был бы стоить 43 руб. 02 коп.! На самом деле за всю историю наблюдений за валютным рынком стоимость доллара никогда не достигала таких значений, а фактический его курс в конце октября 1998 г. равнялся 16 руб. 1 коп. Таким образом, разница (или остаток) составила 27 руб. и 1 коп.!!! Впрочем, столь неудачный прогноз — все-таки единственное исключение из всего временного ряда. Для справки заметим, что аналогичный прогноз, сделанный на ноябрь 1998 г., а тем более все последующие прогнозы уже не столь существенно отклонялись от фактического курса доллара. Так, согласно прогнозу на ноябрь 1998 г., рассчитанному на основе рыночных данных по курсу доллара за период с июня 1992 г. по октябрь 1998 г., американский доллар должен был стоить 16 руб. 75 коп. Однако фактическая стоимость доллара оказалась равна 17 руб. 88 коп., т. е. разница (остаток) составила 1 руб. 13 коп.

В чем же причины столь серьезной ошибки в прогнозе на октябрь 1998 г., сделанном с помощью уравнения регрессии USDOLLAR = а ? USDOLLAR(-l) + b ? USDOLLAR(-2)? Причина вполне очевидна — беспрецедентный 103,2 %-ный скачок курса доллара в сентябре 1998 г. по сравнению с предыдущим месяцем. В результате этого колоссального внешнего шока оба коэффициента b и с в уравнении регрессии резко сместились в сторону предсказания необычно высокого роста, что характерно для статистических моделей с нестационарной ARMA-структурой. Смещение коэффициентов регрессии наглядно показано в табл. 5.6: если в уравнении регрессии, на основе которого был составлен прогноз на сентябрь 1998 г., первый коэффициент регрессии b был равен 1,6309, а второй коэффициент с = -0,6185, то уже в следующем месяце эти коэффициенты