Задачи, связанные с оценкой и прогнозированием волатильности, вызывают значительный интерес в современной науке. Необходимость исследования различных моделей определения волатильности является актуальной, так как существует нестабильность на мировых финансовых рынках. Показатели волатильности доходности финансовых инструментов можно использовать для инвестиционной деятельности, с целью получения прибыль в будущем, определения риска, а также возможного и своевременного определения предпосылок возникновения кризиса на финансовых рынках.
Волатильность является статистическим показателем, который характеризует изменчивость рыночных цен или дохода во времени. При этом нужно понимать, что на конечный результат, к примеру, курс валюты или значение биржевого индекса, влияет большое количество факторов. К ним можно отнести новости, выступление президента, макроэкономическую обстановку, отчеты и результаты компаний об их деятельности и т.д. Следовательно, необходимо учесть вышеуказанные факторы и их частоту появления при оценке или прогнозировании различных показателей, так как именно это вызывает трудность при определении волатильности.
Существует множество методов для анализа и прогнозирования волатильности различных финансовых инструментов, индексов, значений ВВП, объемов продаж и потребления, но чаще всего прибегают к анализу (финансовых) временных рядов.
Предпосылки к изучению временных рядов были положены Луи Башелье, который в 1900 г. провел изучение динамики поведения французских государственных облигаций. Также значимый вклад был внесен в 80-х годах ХХ века Нельсоном, Кангом и Плоссером, когда необходимость прогнозирования набрала наибольшую популярность [5].
Под временными рядами понимают последовательность значений некоторых протекающих во времени процессов, т.е. переменные, значения которых изменяются со временем.
Таким образом, временные ряды можно рассматривать как совокупность наблюдений случайного процесса. Характерной составляющей для ряда xt1, xt2, ..., xtn является порядок в последовательности t1, t2, ..., tn следовательно, время является одним из определенных факторов.
В курсе эконометрики спецификацию условно можно представить в виде уравнения:
Yt = α + β · Yt–1 + γ0 · Xt + γ1 · Xt + ... + εt .
Данная спецификация объясняет полученные результаты Yt не только за счет влияния лагового значения Yt–1, но и за счет существующих различных внешних факторов.
Как уже было написано в начале, цель работы – это попытка оценки волатильности индекса РТС на основе анализа временных рядов. При расчетах были использованы значения индекса РТС за последний год, в период с 20.11.2013 по 21.11.2014 [6].
Первая часть работы построена на основе оценки волатильности индекса методами экспоненциального скользящего среднего и Хольта-Винтерса, с использованием программной среды Microsoft Excel (рис. 1).
Говоря об экспоненциальном скользящем среднем, стоит отметить, что более ранние цены имеют меньшее значение, чем более поздние. Также методы скользящего среднего позволяют определить так называемые скрытые тренды и упростить графическое представление временного ряда [7].
В свою очередь метод Хольта-Винтерса позволяет помимо учета экспоненциального тренда включить аддитивную сезонность, что дает более точный прогноз на долгий период (рис. 2) [8] .
На основе расчета с использованием метода [1] и [2] были получены следующие прогнозные значения (таблица).
На основании вышеуказанных расчетов можно сделать выводы, что данные методы являются неточными, также существуют сложность учета множества внешних факторов. При этом прогнозируемые значения позволяют определить приближенные значения границ индекса РТС в течение торгового дня.
Вторая часть работы построена на основе анализа моделей семейства GARCH, с помощью программной среды МАТLAB и соответствующих надстроек для данной программы.
Данная программа позволяет включать различные факторы при оценках показателей, определить изменения на основе анализа колебаний, а также построить более точный интервальный прогноз (рис. 3).
Рис. 1. Сглаживание с помощью экспоненциального скользящего среднего
Рис. 2. Метод Хольта-Винтерса
Значение индекса РТС на конец анализируемого периода
Метод экспоненциального скользящего среднего |
Метод Хольта-Винтерса |
||
18.11.2014 |
1020,77 |
18.11.2014 |
1020,77 |
19.11.2014 |
1021,17 |
19.11.2014 |
1021,17 |
20.11.2014 |
1040,36 |
20.11.2014 |
1040,36 |
21.11.2014 |
1058,80 |
21.11.2014 |
1058,80 |
Полученные прогнозы в результате расчетов |
|||
24.11.2014 |
1036,94 |
24.11.2014 |
1083,66 |
25.11.2014 |
1044,84 |
25.11.2014 |
1085,43 |
26.11.2014 |
1050,37 |
26.11.2014 |
1086,02 |
27.11.2014 |
1054,25 |
27.11.2014 |
1094,58 |
Рис. 3. Колебание и величина показателя индекса РТС
Говоря о качестве полученных данных, можно сказать, что использования модели – GARCH позволяет получить более точные прогнозы по сравнению с предыдущими результатами, а также производить оценку изменчивости на основе колебаний и соответствующей амплитуды.
Подводя общий итог, следует отметить, что в современных условиях использование конкретного метода оценок волатильности не даст желаемый результат. С целью достижения точности прогноза необходимо использовать набор методов, которые позволят получать разностороннюю оценку исследуемого объекта. В свою очередь реализация данного набора методов должна осуществляться через набор аналитических правил принятия решений, т.е. через реализацию технологий оценки и прогнозирования в новейших вычислительных и торговых системах.
Библиографическая ссылка
Керимов И.В. ОЦЕНКА ВОЛАТИЛЬНОСТИ ИНДЕКСА РТС В РАМКАХ ЭКОНОМЕТРИЧЕСКОЙ ТЕОРИИ // Международный студенческий научный вестник. – 2015. – № 4-1. ;URL: https://eduherald.ru/ru/article/view?id=12675 (дата обращения: 05.10.2024).