БАНКИ и ФИНАНСЫ www.buzdalin.ru

www.buzdalin.ru
www.prognoz.4u.ru

Home
Новости сайта

   IR

   БАНКИ

   РИСКИ

   РЫНКИ

   прочее

   КОЛЛЕГИ

 

Автор проекта Алексей Буздалин
А.В. БУЗДАЛИН

   биография
   публикации

 +7 495 9912238 A@Buzdalin.ru


 

 

Финансовые прогнозы. Опыты и результаты

Буздалин А.В.

 

Прогнозирование – важнейший компонент аналитической работы, позволяющий предсказать наиболее вероятное развитие событий, а также оценить, какие меры воздействия приведут к тем или иным результатам. Именно поэтому прогнозной деятельности отводится ведущая роль в экономическом анализе, проводимом Центральными Банками стран с рыночной экономикой.

 

 

Цели и задачи прогнозирования

Исходя из задач прогнозирования и специфики отдельных сегментов финансового рынка, представляется целесообразным выделить четыре блока работ. Во-первых, краткосрочное прогнозирование наиболее важных индикаторов финансовых рынков (курса USD, сводных фондовых индексов ММВБ и РТС, средневзвешенных доходностей по срокам до погашения ГКО, ставок МБК, котировок ликвидных фьючерсных контрактов). Конкретно - построение прогнозов недельной глубины, делаемых по состоянию на конец последнего торгового дня рабочей недели.

Во-вторых, среднесрочное (глубиной в год) прогнозирование тех же индикаторов финансовых рынков. Форма прогнозов может быть различна, в зависимости от особенностей прогнозируемого индикатора. Для курса USD, с характерным глобальным монотонный ростом, такой прогноз может быть дан в виде последовательности ожидаемых величин на середину каждого месяца будущего года. Для фондовых индексов, с хаотичным поведением, построение точных прогнозов большой глубины невозможно. В данной ситуации прогноз выразится в определении ориентировочных дат возможных спадов и подъемов с указанием минимальных и максимальных значений индексов.

В-третьих, содержательной, а может быть, и наиболее важной задачей является прогнозирование кризисов.

И наконец, в-четвертых, прогнозирование финансовых рынков может заключаться в оценке некоторых величин, которые не являются прогнозами в прямом смысле, но могут информировать о наиболее вероятных тенденциях развития. В качестве примера можно привести показатели “недооцененности” или “переоцененности” определенных серий ГКО.

Известный философ А. Зиновьев, предсказания которого во многом сбылись, говорил: “… будущее – это развитие тенденций настоящего”. Поэтому прогнозы являются иллюстрациями развития царящих и зарождающихся в данный момент тенденций. Тем самым, прогноз выражает наиболее вероятное развитие событий, и потребитель прогностической информации должен, учитывая ее, делать выводы относительно своих будущих действий, особенно если он может и должен не только наблюдать за тенденциями, но и целенаправленно формировать их.

Иногда на реализацию прогноза (а точнее на его не реализацию) влияет какое-либо экстраординарное событие, спрогнозировать которое было невозможно. В основном это относится к политическим решениям, как то отставка правительства, изменение ставки рефинансирования ЦБ, кризис на Дальнем востоке и т. п. В таком случае сопоставление прогноза с фактическим ходом событий позволяет судить о степени влияния того или иного особого события на картину финансовых рынков. В этом кроется польза не реализовавшегося прогноза. Накапливание информации об особенностях и степени влияния “неучитываемых” событий на финансовые рынки может позволить подойти к сценарному прогнозированию. А именно с высокой долей уверенности говорить, например, что “если ЦБ понизит ставку рефинансирования на 5%, то произойдет …”, “если произойдет отставка Кабинета, то произойдет …”, “если начнется война в Иксландии, то …” и т. д.

 

Вид комплексной системы прогнозирования

Было отлажено построение следующих прогнозов:

  1. недельный прогноз курса USD на ММВБ;
  2. годовой прогноз курса USD на ММВБ;
  3. недельный прогноз фондового индекса РТС;
  4. недельный прогноз сводного фондового индекса ММВБ;
  5. недельный прогноз средневзвешенной доходностей ГКО с сроком до погашения менее 30 дней;
  6. недельный прогноз средневзвешенной доходностей ГКО с сроком до погашения от 31 до 90 дней;
  7. недельный прогноз средневзвешенной доходностей ГКО с сроком до погашения более 91 дней;

Так же делаются попытки по прогнозированию глобальных спадов и подъемов фондового рынка.

Остановимся более подробно на методиках получения и формах имеющихся прогнозов. В качестве инструментария прогнозирования были выбраны методы теоретической статистики, статистического анализа временных рядов, того, что принято именовать фундаментальным анализом. На сегодня в области фундаментального анализа накоплен богатейший инструментарий прогнозирования, пользующийся признанием во всем мире. Упомянем лишь присуждение в 1997 году Нобелевской премии по экономике П. Мертону и М. Шоулсу за работу в области теории расчетов опционов и обязательств корпораций, использовавших сложнейшие методы современной математики. В Москве более трех лет действует ежемесячный семинар “Аналитика в государственных учреждениях”, организованной Администрацией президента РФ, на котором регулярно делаются доклады по фундаментальному анализу. Востребованность сложных моделей математической статистики в современной экономической теории не случайно, а является следствием произошедшего в последние 20 лет революционного развития и либерализации мировых финансовых рынков, получение прибыли на которых невозможно без учета общих статистических закономерностей их динамики. Отследить их мозг человека без математико-экономического вооружения не способен. Для Центрального Банка задача переносится из области получения прибыли в область управления процессами.

При построении недельных прогнозов курса USD, доходностей ГКО и фондовых индексов ММВБ, РТС использовалась классическая так называемая сезонная модель авторегрессии и проинтегрированного скользящего среднего (ARIMA). Выбор данной модели краткосрочного прогнозирования обусловлен ее относительной простотой, доступными реализациями в специализированных статистических программных продуктах, сравнительной “неприхотливостью” к статистическим данным (единственными входящими статистическими данными этой модели является временной ряд прогнозируемого показателя). Опишем смысловую форму получаемых прогнозов.

График 1

На графике 1 представлен характерный прогноз модели ARIMA. Он имеет двоякую форму: форму точечного прогноза и форму доверительного (в нашем случае 70%) интервала. Доверительный интервал показывает, в каких границах должно находиться 70% наблюденных затем величин, а точечный прогноз дает представление о предполагаемых средних значениях будущих реализаций. Таким образом, если по истечению определенного времени большинство реализаций попало в пределы спрогнозированного доверительного интервала, то можно говорить о реализованности прогноза. При практическом прогнозировании удается добиться более значимых результатов, когда точечный прогноз фактически полностью дублирует поведение наблюденных величин.

При построении прогнозов курса USD годовой глубины использование модели ARIMA неоправданно, так как доверительные интервалы, а точнее их широта, быстро растет с увеличением глубины прогноза. Если при построении недельных прогнозов ширина доверительных интервалов вполне приемлема, то уже для месячных прогнозов она слишком велика, чтобы такой прогноз имел смысл, не говоря уже о годовых прогнозах. Поэтому при прогнозировании курса USD на год, учитывая общую монотонную линейную тенденцию его роста, целесообразно использовать более простую и в данном случае более надежную модель прогнозирования, а именно метод адаптивного прогнозирования Брауна, основанный на экспоненциальном сглаживании. Не вдаваясь в технические детали модели, скажем лишь, что прогноз дается в точечном виде, то есть, представляет последовательность курсов USD с месячным шагом.

Эти модели фундаментального анализа лежат в основе уже полученных результатов комплексной системы прогнозирования динамики финансовых рынков. Необходимо отметить, что использование этих моделей не подразумевает примитивную механическую закладку статистических данных в компьютер, который может самостоятельно выдать прогноз. Дело в том, что все эти модели в качестве входящих данных, помимо статистических наблюдений, запрашивают ряд параметров, подбор которых зависит от подготовленности и опыта прогнозиста. Качественные прогнозы могут получаться только у эксперта. Дилетант, не знающий предметной области прогнозирования, не в состоянии оценить закономерности рынка и, следовательно, правильно подобрать необходимые параметры моделей.

Изучение закономерностей подъемов и спадов фондового рынка, в той форме, в которой это делается в комплексной системе прогнозирования сегодня, базируется не столько на методах фундаментального сколько на методах технического анализа. Технический анализ финансовых рынков является намного более простым в плане методической части по сравнению с фундаментальным, базируясь главным образом на визуальном анализе графиков специально построенных индикаторов рынков. Технический анализ, в отличие от фундаментального, не в состоянии делать точных прогнозов, числовых оценок будущего, но вместе с тем, он может улавливать психологическое состояние игроков, их ожидания и опасения, что позволяет иногда прогнозировать изменения глобальной динамики фондового рынка. Некоторые из таких методов были апробированы на фондовых индексов ММВБ и РТС, полученные результаты оказались достаточно интересными и содержательными. Так, в динамике сводного фондового индекса ММВБ была выделена двухнедельная сезонная составляющая, отслеживание поведения которой может позволить иногда прогнозировать переломы глобальных тенденций фондового рынка.

 

Первые результаты и верификация прогнозов

Для того, чтобы судить о конкретном опыте прогнозирования курса USD фондовых индексов РТС, ММВБ, средневзвешенных доходностей ГКО, а также прогнозирования смены тенденций фондового рынка, сопоставим сделанные прогнозы с наблюденными реализациями прогнозируемых величин. Возьмем период в четыре недели, а именно с 10 марта 1998 г. по 3 апреля 1998 г.

Первый этап верификации прогнозов должен заключаться в проверке попадания минимум 70% наблюдений в доверительные 70%-ые интервалы. После соответствующих подсчетов было получено: 95% наблюдений курса USD попали в доверительный интервал; 100% наблюдений индекса ММВБ попали в доверительный интервал; 100% наблюдений индекса РТС попали в доверительный интервал; 100% наблюдений средневзвешенных доходностей ГКО со сроком до погашения менее 30 дней попали в доверительный интервал; 100% наблюдений средневзвешенных доходностей ГКО со сроком до погашения от 31 до 90 дней попали в доверительный интервал; 85% наблюдений средневзвешенных доходностей ГКО со сроком до погашения более 91 дня попали в доверительный интервал. Таким образом, все сделанные прогнозы реализовались с точки зрения фундаментального анализа. Более того, они оказались лучше, чем ожидала модель прогнозирования.

Второй этап верификации прогнозов может заключаться в сопоставлении точечных прогнозов с конкретными реализациями прогнозируемых величин. Оказывается, что даже точечные прогнозы в подавляющем большинстве случаев хорошо накладываются на реализации и отражают изменения прогнозируемых показателей. Исключения составляют те дни, когда в действие вступали некоторые экзогенные факторы, предсказать которые было невозможно. Таких событий в рассматриваемом периоде было всего два:

  1. 24.03.98 г., отставка правительства;
  2. 02.04.98 г., появившееся в печати заявление председателя ЦБ о возможной “плавной девальвации” рубля.

Никакие другие “политические” события в минувшем месяце особого влияния на финансовые рынки не оказывали, и прогнозы фактически полностью реализовывались.

Отставка правительства существенно сказалась на курсе USD, а также на доходностях ГКО. Они скачкообразно превысили прогнозируемые уровни, однако уже на следующий день курс и доходности легли на спрогнозированные траектории и следовали им в течении последующей недели. Это говорит о том, что отставка правительства оказала импульсивное кратковременное воздействие на валютный рынок и рынок ГКО, ее влияние на следующий день уже не наблюдалось. Любопытно отметить, что это событие фактически никак не повлияло на рынок корпоративных ценных бумаг (прогноз полностью реализовался).

Влияние второго события на финансовые рынки выглядело следующим образом. Валютный рынок моментально отреагировал ростом курса USD темпами, не наблюдавшимися в течении предшествующих двух месяцев. Реализации курса заметно превысили прогнозируемые уровни, причем превышение наблюдаемого уровня над спрогнозированным наблюдалось и в дальнейшем, что говорит об устойчивости влияния события, переведшего рынок в качественно новое состояние.

Рынок ГКО отреагировал частично: заметно возросли доходности бумаг со сроком до погашения свыше 91 дня, однако прогнозы по более коротким бумагам полностью реализовались, то есть для них (бумаг) это событие было несущественным. Рынок корпоративных ценных бумаг не отреагировал.

Интересно отметить, что в рассматриваемом периоде произошло событие (понижение ставки рефинансирования 16.03.98 на 6%), от которого следовало бы ожидать заметного воздействия на состояние финансовых рынков. Тем не менее никаких соответствующих наблюдений не было зарегистрировано, прогнозы полностью реализовались. Иными словами Центральному Банку удалось провести данную операцию без каких-либо шоковых эффектов.

Что касается опыта прогнозирования переломных явлений на фондовом рынке, то его можно назвать также вполне успешным. Происшедший 11.03.98 г. переход от роста к стагнации и падению индексов ММВБ и РТС был заранее предсказан как на локальном уровне в рамках модели ARIMA, так и на глобальном уровне методами технического анализа.

Среднесрочные годовые прогнозы курса USD, делаемые на основе модели Брауна верифицировать пока преждевременно. Квартальный промежуток времени их наблюдения слишком мал, чтобы сделать серьезные выводы. Однако необходимо отметить, наши прогнозы довольно неплохо соответствуют котировкам фьючерсных контрактов на ММВБ, что вселяет надежду в их корректность. С другой стороны, этот факт говорит о том, что механизм выторговывания фьючерсных котировок достаточно легко формализуется моделью, и эта модель нам известна.

  

 

Литература

 

  1. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистистика: Основы моделирования и первичная обработка данных. Справочное изд. – М.: Финансы и статистика,1983.
  2. Андерсен Т. Статистический анализ временных рядов. – М.: Мир,1976.
  3. Афифи А., Эйзен С. Статистический анализ. Подход с использованием ЭВМ.- М.: Мир, 1982.
  4. Бернад Дж., Пирсол А. Применение корреляционного и спектрального анализа. – М.: Мир, 1979.
  5. Бокс Дж., Дженкинс Г. Анализ временных рядов. Прогноз и управление. – М.: Мир, 1974.
  6. Боровиков В.П., Боровиков И.П., Statistica. Статистический анализ и обработка данных в среде Windows. – М.: Филинъ, 1997.
  7. Браун Стивен Дж., Крицмен Марк П. Количественные методы финансового анализа. – М.: ИНФРА-М, 1996.
  8. Бриллинджер Д. Временные ряды. – М.: Мир,1980.
  9. Дженкинс Г., Ваттс Д. Спектральный анализ и его приложения. – М.: Мир, 1972.
  10. Драймаз Ф. Распределенные лаги. Проблема выбора и оценивания модели. – М.: Финансы и статистика, 1982.
  11. Драйпер Н., Смит Г., Прикладной регрессионный анализ. Т. 1,2 1987.
  12. Дюк В., Обработка данных на ПК в примерах. – С.-Пб.: Питер, 1997.
  13. Енюков И.С. Методы, алгоритмы, программы многомерного статистического анализа. М.: Финансы и статистика, 1986.
  14. Кейн Э. Экономическая статистика и эконометрия. Выпуск 1, 2. – М.: Статистика, 1977.
  15. Кендэлл М. Временные ряды. - М.: Финансы и статистика, 1981.
  16. Коломаев В.А., Староверов О.В., Турундаевский В.Б. Теория вероятностей и математическая статистика. – М.: Высшая школа, 1991.
  17. Кузнецов М.В., Овчинников А.С., Технический анализ рынка ценных бумаг. - М.: ИНФРА-М, 1996.
  18. Прикладной анализ временных рядов с программой ЭВРИСТА. М.: Центр статистических исследований, 1996.
  19. Песаран М., Слейтер Л. Динамическая регрессия: теория и алгоритмы. М.: Финансы и статистика, 1984.
  20. Справочник по прикладной статистике. В 2-х т., под ред. Э. Ллойда, У. Ледермана, Ю.Н. Тюрина – М.: Финансы и статистика, 1989, 1990.
  21. Тюрин Ю.Н., Макаров А.А. Статистический анализ данных на компьютере. – М.: ИНФРА-М, 1998.
  22. Эдлер А. Как играть и выигрывать на бирже. – М.: Крон-пресс, 1996.