Как предсказать курс доллара. Эффективные методы прогнозирования с использованием Excel и EViews - Владимир Брюков 13 стр.

Вызывает большие сомнения, что 26,8 % — ное повышение курса доллара в августе 1998 г. не привело к структурным изменениям во временном ряде. Тем не менее уровни значимости F-критерия и LR-статистики, полученные в ходе тестирования, оказались в августе 1998 г. существенно выше 0,05. Это объясняется тем, что в табл. 5.6 представлены результаты тестирования для статистической модели, построенной на базе данных за период с июня 1992 г. по апрель 2010 г. При такой базе данных прирост курса доллара в августе 1998 г. на 1,67 руб. не выглядит чем-то экстраординарным, хотя сразу после августовского дефолта столь значительный взлет американской валюты буквально шокировал участников рынка.

Посмотрим, что произойдет, если мы возьмем в качестве базы данных период с июня 1992 г. по август 1998 г., т. е. фактически смоделируем ситуацию реального прогнозирования. С этой целью представим, что мы делаем прогноз на сентябрь 1998 г. в августе 1998 г., а потому более поздней информацией по курсу доллара не обладаем. Тем более что мы уже умеем быстро менять нашу базу данных (см. алгоритм действий № 15 «Как в EViews можно быстро изменить выборку данных»).

После того как мы в очередной раз изменили выборку, у нас появилась возможность построить прогноз на сентябрь 1998 г. на основе рыночных данных (по курсу доллара на конец каждого месяца) за период с июня 1992 г. по август 1998 г. С этой целью мы сначала решаем уравнение регрессии (см. алгоритм действий № 6 «Как решить уравнение регрессии в EViews»), а потом делаем прогноз и соответственно сразу же находим остатки (см. алгоритм действий № 8 «Как оценить точность статистической модели в EViews»). Вывод данных по этому уравнению регрессии представлен в табл. 5.12.

Согласно прогнозу, составленному по этому уравнению регрессии, курс американского доллара к концу сентября 1998 г. должен был вырасти до 9 руб. 3 коп. Однако в действительности стоимость американской валюты к тому времени взлетела до 16 руб. 6 коп., т. е. оказалась выше прогнозируемого значения на 7 руб. 3 коп. Теперь посмотрим, сможем ли мы диагностировать структурные изменения в августе 1998 г., не обращаясь при этом к более поздней рыночной информации.

С этой целью лучше воспользоваться другим тестом Чоу — тестом на точность прогноза. Дело в том, что тест на структурную стабильность требует, чтобы количество наблюдений в каждом из выделенных периодов временного ряда было равно количеству параметров в оцененной статистической модели, которых у нас два (по числу переменных). Таким образом, для проведения теста Чоу на стабильность нам пришлось бы выделять в отдельный период два месяца — июль и август 1998 г., хотя в первом месяце, как известно, курс доллара еще колебался в рамках установленного российским правительством коридора. Тест Чоу на точность прогноза лишен этого недостатка, поэтому нам нужно уметь им пользоваться. Для этого используется алгоритм действий № 19.

Тест Чоу на точность прогноза оценивает две статистические модели: одну, построенную при помощи всей выборки данных, и другую, построенную на неполной части выборки, в которую не включаются прогнозируемые наблюдения. При этом выдвигается нулевая гипотеза о структурной стабильности во временном ряде. Однако в случае выявления существенной разницы между двумя моделями нулевая гипотеза отвергается и делается вывод о значимости структурных изменений, произошедших в момент перехода от неполной выборки к прогнозируемым наблюдениям.

Для оценки результатов теста EViews сообщает две статистики: величины F-критерия и LR-статистики. Расчет F-критерия основан на сравнении суммы квадратов остатков, полученных для моделей, основанных на всей и неполной выборках (см. формулу (5.6)), a LR-статистики — на сравнении соотношения ограниченного и неограниченного максимума логарифма правдоподобия. При этом в случае если уровень значимости F-критерия и LR-статистики меньше 0,05, нулевая гипотеза отвергается. Некоторые математические подробности по этому тесту приводятся ниже.

Шаг 2. Проведение в EViews теста Чоу на точность прогноза

Чтобы в EViews получить результаты теста Чоу на точность прогноза, необходимо выбрать следующие опции: VIEW/STABILITY TESTS/CHOW FORECAST TEST… (посмотреть/тесты на стабильность/тест Чоу на точность прогноза). После чего в появившемся диалоговом мини-окне CHOW TESTS мы указываем прогнозируемое наблюдение — 98m08, т. е. август 1998 г. (рис. 5.9). Таким образом, все остальные наблюдения у нас попадут в неполную выборку охватывающую период с июня 1992 г. по июль 1998 г.

Если в диалоговом мини-окне CHOWTESTS мы щелкнем кнопку ОК, то получим готовый вывод данных с результатами теста Чоу на точность прогноза. Эти данные поместим в табл. 5.13, из которой следует, что уровень значимости как F-критерия, так LR-статистики у нас оказался равен нулю. Следовательно, нулевая гипотеза о структурной стабильности во временном ряде отвергается и делается вывод о значимости структурных изменений во временном ряде, произошедших в августе 1998 г. Таким образом, вывод о наличии структурных изменений зависит не только от этих изменений, но и от объема взятой нами выборки.

Расчет F-критерия для теста Чоу на точность прогноза построен на сравнении суммы квадратов остатков, полученных для двух моделей, основанных соответственно на всей и неполной выборках.

При этом вычисления делаются по следующей формуле:

где SS1 — сумма квадратов остатков, полученных по уравнению регрессии, построенному на всей выборке;

SS2 — сумма квадратов остатков, полученных по уравнению регрессии, построенному на неполной выборке;

Т1 — количество наблюдений в неполной выборке;

Т2 — количество прогнозируемых наблюдений, т. е. наблюдений, не вошедших в неполную выборку;

k — количество параметров в уравнении регрессии.

Таким образом, в нашем случае фактический F-критерий в тесте Чоу на точность прогноза относительно прогнозируемого наблюдения — августа 1998 г. будет иметь следующее значение:

Далее находим уровень значимости Fфакт с помощью функции в Excel РРАСП(200,28; 1; 70) = 0. Поскольку уровень значимости Fфакт равен нулю, то, следовательно, нулевая гипотеза отвергается.

Как мы уже говорили ранее, LR-статистика этого теста основана на сравнении соотношения ограниченного и неограниченного максимума логарифма правдоподобия. Причем как ограниченный, так и неограниченный логарифм правдоподобия находятся путем оценки всей выборки наблюдений. Однако при расчете ограниченного логарифма правдоподобия используется первоначальный набор независимых переменных, в то время как для нахождения неограниченного логарифма правдоподобия в первоначальный набор регрессоров добавляют еще фиктивную переменную, которая равна единице — для прогнозируемых наблюдений выборки и равна нулю — для остальных наблюдений выборки. Следовательно, в нашем случае фиктивная переменная равна единице лишь для августа 1998 г.

Следует иметь в виду, что при нулевой гипотезе об отсутствии структурных изменений LR-статистика имеет асимптотическое χ2 (хи-квадрат) распределение со степенями свободы, равными количеству прогнозируемых наблюдений. В том случае, если уровень значимости LR-статистики оказывается меньше 0,05, нулевая гипотеза о структурной стабильности отвергается.

Таким образом, тесты Чоу на структурную стабильность и на точность прогноза помогают анализировать устойчивость временного ряда. При этом тест на структурную стабильность, на наш взгляд, лучше подходит для ретроспективного анализа устойчивости статистической модели за весь период наблюдений, а тест на точность прогноза — для анализа ее стабильности относительно последнего наблюдения.

Причем в том случае, когда тест на точность прогноза свидетельствует о структурной нестабильности, возникшей в модели в результате резкого изменения курса доллара в последнем наблюдении, то для устранения смещения в коэффициентах регрессии (и (или) величины константы) в уравнение можно ввести фиктивную переменную. Приравняем к единице фиктивную переменную для последнего наблюдения, а все остальные наблюдения приравняем к нулю, и тем самым прогностической моделью будет аппроксимирован последний рост без изменения коэффициентов регрессии и константы (свободного члена) уравнения. Еще более надежным способом получения точного прогноза в ситуации, когда тест Чоу на точность прогноза показал структурную нестабильность, является отказ от уравнения авторегрессии с нестационарной ARMА-структурой и переход к уравнению авторегрессии со стационарной ARMA-структурой, поскольку внешние шоки в гораздо меньшей степени влияют на коэффициенты регрессии и константу последнего уравнения. О том, как построить прогностическую модель со стационарной ARMA-структурой, мы будем говорить в главе 6.

5.6. Структурные изменения в курсе доллара, произошедшие в августе-октябре 1998 г

Пока остановимся на тестировании характера структурных изменений во временном нестационарном ряде, поскольку по форме они могут быть различными. Вполне очевидно, что в том случае, когда тестирование показывает нестабильность временнoго ряда, тогда перед нами стоит задача выявить характер произошедших структурных изменений. В общем виде этот анализ проводится следующим образом. Например, предположим, что в момент времени t = 5 в динамике временнoго ряда произошли кардинальные изменения. Чтобы понять характер этих изменений, нужно сравнить параметры следующего уравнения регрессии:

Y= a1 + b1 × Y(-1) в момент времени t ≤ 5;

Y= а2 + b2 × Y(-1) в момент времени t > 5,

где Y(-1) — независимая переменная с лагом в один месяц;

а — свободный член уравнения регрессии;

b — коэффициент регрессии уравнения регрессии.

Если, например, после момента времени t = 5 в уравнении регрессии (5.8) статистически значимо изменился свободный член уравнения, т. е. если мы пришли к выводу, что а1 ≠ а2, это свидетельствует о произошедшем структурном изменении в виде сдвига. Геометрически это означает, что графики стабильного тренда и тренда со сдвигом продолжают оставаться параллельными друг другу (рис. 5.10), в то время как изменение в начальном уровне тренда со сдвигом произошло единовременно в момент времени t = 5 при неизменном среднем темпе прироста в обоих трендах за весь период времени t.

Если, например, после момента времени t = 5 в уравнении (5.8) статистически значимо изменился коэффициент регрессии, т. е. если мы пришли к выводу, что b1 ≠ b2, это свидетельствует о произошедшем структурном изменении в виде изменения наклона. Геометрически это означает, что графики стабильного тренда и тренда с изменением наклона становятся непараллельными друг другу, пересекаясь в момент времени t = 5 (рис. 5.11). При этом изменения в динамике обоих трендов обусловлены возникшей у них существенной разницей в среднем темпе прироста.

Если после момента времени t = 5 в уравнении регрессии (5.8) статистически значимо изменились как свободный член уравнения (а1 ≠ а2), так и коэффициент регрессии (b1 ≠ b2), это свидетельствует о произошедшем структурном изменении в виде одновременного сдвига и изменения наклона. В этой ситуации можно говорить о том, что изменение в начальном уровне «тренда со сдвигом и изменением наклона» произошло единовременно в момент времени t = 5, что совпало и с возникшей в этот момент существенной разницей в среднем темпе прироста между обоими трендами. Поэтому вполне понятно, что с геометрической точки зрения график тренда со сдвигом и изменением наклона представляет собой сочетание тренда с изменением наклона и тренда со сдвигом. А потому график тренда со сдвигом и изменением наклона не параллелен стабильному тренду и резко отклоняется от последнего в момент времени, равный 5 (рис. 5.12).

После краткой общей характеристики различных видов структурных изменений нужно применить эти знания к исследованию нашей статистической модели USDOLLAR = а × USDOLLAR(-l) + b × USDOLLAR(-2). Поэтому предположим, что в августе 1998 г. в динамике курса доллара произошли структурные изменения, характер которых нам следует определить. Чтобы справиться с поставленной задачей, необходимо воспользоваться методом, предложенным американским экономистом Д. Гуйарати[16].

В основе метода Д. Гуйарати лежит достаточно простая и вполне понятная идея: поскольку основной задачей уравнения регрессии является аппроксимация динамики временного ряда, то, разделив этот ряд с помощью фиктивной переменной на два периода — до и после структурного изменения, можно выяснить характер произошедшего структурного изменения. При этом фиктивная переменная для наблюдений, расположенных до момента предполагаемого структурного изменения, у нас приравнивается к нулю, а на остальном участке временного ряда приравнивается к единице. Следует также заметить, что структурные изменения в виде сдвига диагностируются с помощью обычной фиктивной переменной (назовем ее фиктивной переменной сдвига), а изменение в виде наклона — с помощью еще одной переменной, представляющей собой произведение фиктивной переменной и независимой переменной (назовем ее фиктивной переменной наклона).

Перед тестированием выдвигается нулевая гипотеза об отсутствии в динамике временного ряда структурных изменений в виде сдвига и в виде наклона. Но если после решения уравнения регрессии фиктивные переменные сдвига и наклона окажутся статистически значимыми, то нулевая гипотеза будет считаться опровергнутой и будет принята альтернативная гипотеза.

Поскольку мы хотим узнать характер структурных изменений, произошедших в августе 1998 г. во временном ряде, охватывающем период с августа 1992 г. по апрель 2010 г., то, следовательно, фиктивная переменная DUMMY до июля 1998 г. (включительно) будет приравнена к нулю, а для последующих наблюдений — к единице. Соответственно структурные изменения в виде сдвига будут выявлены в том случае, если фиктивная переменная DUMMY окажется статистически значимой. Кроме того, в уравнение регрессии USDOLLAR = а × USDOLLAR(-l) + b × USDOLLAR(-2) будут введены не только фиктивная переменная сдвига DUMMY, но и новые переменные DUMMY × USDOLLAR(-1) и DUMMY × USDOLLAR(-2), которые в случае их статистической значимости помогут нам выявить изменения в наклоне соответственно коэффициентов а, b и с. Таким образом, процедура тестирования по сути будет представлять собой решение обычного уравнения регрессии (см. алгоритм действий № 6 «Как решить уравнение регрессии в EViews»). При этом в диалоговое мини-окно EQUATION ESTIMATION следует ввести соответствующую формулу (рис. 5.13): USDOLLAR USDOLLAR(-1) USDOLLAR(-2) DUMMY DUMMY × USDOLLAR(-1) DUMMY × USDOLLAR(-2).

Шаг 3. Интерпретация теста Д. Гуйарати

В результате решения нового уравнения регрессии мы получили следующий вывод данных (табл. 5.14). При этом коэффициент фиктивной переменной сдвига DUMMY у нас получился статистически значимым (Prob. = 0). Однако поскольку уровень значимости (Probility) у коэффициентов таких переменных, как USDOLLAR(-2) и фиктивных переменных наклона USDOLLAR(-1) × DUMMY и USDOLLAR(-2) × DUMMY, оказался больше 0,05, то, следовательно, их нельзя признать статистически значимыми, а потому состав переменных, включенных в это уравнение регрессии, нужно пересмотреть.

Поэтому мы решили избавиться от статистически незначимых фиктивных переменных наклона, введя вместо них новые. Исходя из этого предполагаем, что изменение наклона в динамике курса доллара происходило в два этапа. Согласно нашему предположению, в сентябре 1998 г. структурное изменение в виде первого изменения наклона произошло за счет изменения коэффициента регрессии переменной USDOLLAR(-2), а в октябре 1998 г. имело место второе изменения наклона — за счет изменения коэффициента регрессии в переменной USDOLLAR(-1). (Попутно заметим, что сначала мы проверили предположение об изменении наклона относительно обеих переменных в сентябре 1998 г., но оно не подтвердилось, так как не все коэффициенты в уравнении регрессии оказались статистически незначимыми.)

Чтобы проверить наше последнее предположение, нам пришлось создать две дополнительные фиктивные переменные: DUMMY09 и DUMMY10. При этом DUMMY09 принимает нулевые значения с августа 1992 г. и до августа 1998 г. (включительно), а область нулевых значений — для DUMMY10 с августа 1992 г. до сентября 1998 г. (включительно). Во всех последующих наблюдениях вплоть до апреля 2010 г. эти фиктивные переменные равны единице. Две дополнительные фиктивные переменные потребовались нам для создания новых переменных наклона USDOLLAR(-1) × DUMMY10 и USDOLLAR(-2) × DUMMY09. После чего в диалоговое мини-окно EQUATION ESTIMATION была введена формула в следующем виде: USDOLLAR USDOLLAR(-1) USDOLLAR(-2) DUMMY DUMMY10 × USDOLLAR(-1) DUMMY09 × USDOLLAR(-2).