Валютный курс

Последствия резких скачков на валютном рынке сказываются, как правило, на всех направлениях деятельности финансовых институтов. Именно в таких случаях большую роль играют статистические модели по прогнозированию курсов валют. Точный и своевременный прогноз способствует минимизации рисков и может предотвратить существенные убытки кредитной организации.

На современном этапе развития в основе динамики глобального валютного рынка лежат колебания ведущей пары – «доллар/евро». Из чего ясно, почему прогноз по курсу этих валют представляет наибольший практический интерес. Российских участников рынка в первую очередь, что вполне естественно, интересуют колебания этой пары по отношению к рублю.

Когда разрабатывается уравнение регрессии, рекомендуется брать в качестве независимой переменной X значение курса «рубль/евро», а зависимой переменной Y – курс «рубль/доллар». Естественно, вполне вероятно создание прогностической модели, где независимой переменной может стать курс «рубль/доллар», а зависимой – «рубль/евро». Однако в реальности лучше использовать первый вариант, так как доллар продолжает играть более важную роль в обороте, чем евро.

С помощью обычного метода наименьших квадратов (МНК), путем сопоставления временных рядов данных по курсам этих двух валют за 2005 г., решается парное уравнение регрессии. В результате чего получается следующее уравнение:

Y = 0,804X .

Данное уравнение можно интерпретировать следующим образом: повышение курса евро на 1 руб. в среднем приводило к повышению курса доллара на 80,4 коп.

У него оказался очень высокий коэффициент детерминации (R = = 0,998), что с одной стороны вроде бы очень хорошо. Но более детальный анализ показал, что это уравнение абсолютно непригодно для использования в качестве прогностической модели, так как:

1) данное уравнение регрессии показывает лишь прямую статистическую зависимость между переменными, но совершенно не учитывает часто наблюдаемое на рынке явление, когда на фоне укрепления курса доллара происходит падение евро;

2) для того, чтобы найти эту формулу регрессии, мы сопоставляли ряды данных с нулевым лагом, а потому его прогностическую ценность можно также считать нулевой;

3) выясняется, что на основе этого уравнения нельзя создать оптимально работающую прогностическую модель.

Трудность в том, что остатки данной регрессии (отклонения фактических значений от плановых) в ходе их исследования не смогли пройти тест на выполнение важнейших предпосылок метода наименьших квадратов.

1. Получившиеся в результате решения уравнения регрессии остатки должны носить случайный характер.

Между величиной отклонений и расчетными значениями Y существует сильная линейная зависимость, о чем говорит высокий коэффициент детерминации, который равен 0,98. Короче говоря, 98 % всех колебаний в остатках можно объяснить изменением величины прогноза. Исходя из формулы линейного тренда, следует вывод: рост прогнозируемого курса доллара на 1 руб., как правило, вел в среднем к отклонению остатков (от 0, когда разница отсутствует и достигается точный прогноз) в сторону отрицательных значений на 1,49 руб. (плюс 42,22 руб. – исходный уровень). Из чего следует, что повышение расчетного значения ведет к отклонениям остатков в сторону положительных значений в той же пропорции.

Перейти на страницу: 1 2 3

Поиск
Разделы