Ryż. 9.6. Pasmo parzystości stopy procentowe
umiejętność przewidywania zmian w przepisach prawa oraz warunkach zawierania i wykonywania umów.
Można wyróżnić następujące cele prognozowania kursu walutowego;
a) zarządzanie ryzykiem walutowym.
Cel ten jest celem wiodącym, ale nie jedynym; b) decyzje dotyczące finansowania krótkoterminowego. Waluta, w której pożyczamy, musi mieć korzystnie niskie oprocentowanie i tendencję do osłabiania się w okresie finansowania; c) krótkoterminowe decyzje inwestycyjne. Waluta, w której lokujemy depozyty lub udzielamy pożyczek, powinna mieć możliwie najwyższe oprocentowanie i wykazywać tendencję do aprecjacji w okresie inwestycji; d) ocena długoterminowych projektów inwestycyjnych. Jeśli mamy zamiar inwestować pieniądze w innym kraju, wówczas odpowiednia waluta powinna w idealnym przypadku osłabić się. Jeśli jednak zainwestujemy środki w naszym kraju w celu późniejszego eksportu, pożądane będzie wzmocnienie odpowiedniej waluty;
e) ocena zadłużenia długoterminowego. W zasadzie podejście jest takie samo jak w przypadku finansowania krótkoterminowego, jednak realizacja tego prognostycznego celu jest znacznie trudniejsza; f) zarządzanie przepływem dochodów uzyskiwanych* za granicą. Jeśli waluta, w której uzyskiwany jest dochód, umocni się, wówczas dochód ten najprawdopodobniej powinien zostać repatriowany, czyli zabrany „do domu”. Jeżeli jednak przewidywany jest odwrotny trend kursu walutowego, wówczas najlepiej je reinwestować za granicą.
Powyższa lista celów pokazuje, jak bardzo znaczący wpływ może to mieć skuteczne metody prognozowanie kursów walut na temat opłacalności transakcji międzynarodowych. To determinowało wysiłki i środki włożone w rozwiązanie problemu ich rozwoju. Zadanie to stało się niezwykle istotne w związku z wprowadzeniem do praktyki światowej systemu płynnych kursów walut*3 w połowie -Lata 70. XX w. Od tego czasu stworzono imponujący arsenał różnych metod prognostycznych i zgromadzono bogate doświadczenia w ich stosowaniu.
Opracowane metody oparto na teoretycznych badaniach ruchu kursów walut prowadzonych w światowych naukach finansowych na przestrzeni ostatnich dziesięcioleci, które omówiono powyżej. W ciągu ostatnich dwudziestu–trzydziestu lat opracowano i przetestowano w praktyce wiele metod oceny przyszłego ruchu kursów walutowych. Opierają się one na czterech podstawowych podejściach: 1) prognozowaniu technicznym; 2) prognozowanie podstawowe; 3) prognozowanie w oparciu o oczekiwania rynkowe; 4) prognozowanie na podstawie ocen eksperckich.
Pierwsze dwa podejścia wywodzą się z dwóch ogólnie przyjętych metod prognozowania, stosowanych nie tylko do kursów walut, ale także do przewidywania wielu innych parametrów społeczno-ekonomicznych. W tej części omówiono cechy ich zastosowania na rynkach walutowych. Trzecie podejście jest specyficzne dla prognozowania kursów walut, dlatego zostanie mu poświęcona szczególna uwaga. Wreszcie czwarte podejście, wykorzystujące intuicyjne opinie ekspertów, jest dość oczywiste i poniżej zostaną podane jedynie niektóre uwagi na temat zasadności jego stosowania.
Podejście oparte na prognozowaniu technicznym można formalnie przedstawić w następujący sposób:
e(= a0 + a( x et_, + a2x ec_2 + + a„x ec_„, (9.17)
gdzie e jest zmianą kursu walutowego w okresie prognozy t\
e, -2, ???, e, -„ - zmiany kursu tej samej waluty w okresach t - 1, t- 2, ..., t - p)
ak - współczynniki statystyczne (ważące) uzyskane metodą korelacji-regresji lub innymi metodami (k od 0 do n);
n to liczba przeszłych okresów, na podstawie których budowana jest prognoza.
Prognozowanie techniczne ma w języku rosyjskim inną nazwę, a mianowicie prognozowanie na podstawie szeregów czasowych. Obecnie pojawiło się sporo nowych, wyrafinowanych metod takiego prognozowania, wykorzystujących różnorodne nieliniowe funkcje danych przeszłych i przyszłych, analiza graficzna wahania kursu walutowego, ekspercka ocena możliwości przeniesienia z poprzednich okresów pewnych wzorców ruchu tego kursu walutowego, tzw. modele szeregów czasowych itp. Często pozwala to faktycznie na uzyskanie zadowalających wyników. Niemniej jednak w swej istocie podejście to zakłada dopuszczalność ekstrapolacji, czyli rozszerzenia na przyszłość trendów rozwojowych konkretnego zjawiska, które rozwinęły się w przeszłości. Z tego założenia wynikają zarówno jego możliwości, jak i ograniczenia. Ekonomiczna interpretacja prognozy jest dość prosta, jednak jakakolwiek istotna zmiana istniejących trendów okazuje się szkodliwa dla jakości prognozowania przyszłej wartości kursu walutowego.
Prognozowanie fundamentalne, w odróżnieniu od prognozowania technicznego, opiera się nie na ekstrapolacji przeszłego trendu zmian samego kursu walutowego, lecz na badaniu jego zależności od określonych czynników spoza rynku walutowego. Pod tym względem w literaturze rosyjskojęzycznej często nazywa się to silnią. W formie formalnej podejście to można zapisać w następujący sposób:
es =aa + ahhi + ... + ahpP"(+ap^ +ui.x +- +ap+tut1_i (9.18)
gdzie xx, ..., xn” to czynniki wpływające na kurs walutowy, których wartości są również przewidywane na dany okres
y„, _ „ ..., ut,” _, - czynniki wpływające na kurs walutowy, których wartości można obliczyć na podstawie danych rzeczywistych za okres t -
n, t - liczba czynników pierwszej i drugiej grupy.
Identyfikacja tych dwóch grup czynników jest konieczna, gdyż oddaje istotę podejścia do prognozowania kursu walutowego. Rzeczywiście, konstrukcję modeli czynnikowych w rozpatrywanym obszarze należy oprzeć przede wszystkim na ogólnie przyjętych rozważaniach teoretycznych dotyczących wpływu określonych parametrów na kurs walutowy.
Omawiana powyżej teoria międzynarodowego efektu Fishera definiuje model dwuczynnikowy, w którym przyszła wartość kursu walutowego zależy zarówno od porównawczych stóp inflacji, jak i od porównawczego poziomu stóp procentowych w dwóch krajach, pomiędzy których walutami pożądany kurs wymiany jest przewidywane. W tym przypadku wskaźniki inflacji brane są za okres, na który sporządzana jest prognoza, czyli same muszą być prognozowane. Można też przyjąć wskaźniki inflacji za poprzedni okres, dla którego są już znane. Wymaga to jednak odpowiedniego uzasadnienia, czyli ustalenia, co jest bardziej istotne statystycznie: związek pomiędzy kształtowaniem się kursu walutowego a towarzyszącymi mu stopami inflacji lub panującymi w okresie minionym oraz czy takie zastąpienie spowoduje utratę jakość prognozy.
Jeśli chodzi o stopy procentowe, uznawane w tej teorii za czynnik, na pierwszy rzut oka obowiązują one dla okresu prognozy i w tym sensie są wyraźnie określone już na początku tego okresu, a zatem można je interpretować jako czynnik okresu poprzedniego . Jednak nie jest to do końca prawdą. Faktem jest, że prognozę zwykle robimy z wyprzedzeniem, z pewnym wyprzedzeniem, co oznacza, że stopy procentowe na okres prognozy nie są jeszcze znane i same muszą być przedmiotem prognozy. Podobnie jak w poprzednim przypadku, jako czynnik można uwzględnić również stawki z poprzedniego okresu, jednak tutaj wymagane jest takie samo dodatkowe uzasadnienie. Zatem stosowanie prognozowania fundamentalnego wiąże się z szeregiem problemów, których stopień rozwiązania bezpośrednio wpływa na jakość prognozy.
Wśród tych problemów należy najpierw zwrócić uwagę na następujące. Pierwsza polega na znalezieniu okresów, dla których brane są czynniki. W tym przypadku mówimy nie tylko o okresie prognozy, ale także o okresie bezpośrednio go poprzedzającym. Może się zdarzyć, że jakość prognozy będzie wyższa w przypadku uwzględnienia wcześniejszych okresów lub w przypadku uwzględnienia w modelu wartości tego samego współczynnika dla kilku okresów: 4 ^ - 1, ? - 2 itd. Może to być szczególnie odpowiednie przy tworzeniu prognozy krótkoterminowej, na przykład na miesiąc lub tydzień wcześniej.
Jeżeli zasadne okaże się wykorzystanie wartości czynników w okresie prognozy, to w naturalny sposób pojawia się problem, w jaki sposób uzyskać te wartości.
Po rozwiązaniu problemów związanych z określeniem wymaganego zestawu czynników pojawiają się problemy w skonstruowaniu korelacji-regresji lub innej zależności pomiędzy rozpatrywanymi czynnikami a pożądaną wartością. Jednocześnie istnieją tradycyjne zagrożenia w procesie konstruowania równań regresji, a przede wszystkim możliwość pominięcia nieuwzględnionych, ale istotnych czynników, co powoduje, że model jako całość nie jest do końca adekwatny.
Wreszcie kolejnym bardzo istotnym problemem jest stabilność współczynników regresji uzyskanych w wyniku obliczenia równania regresji. Niestabilność i zmienność tych współczynników może wynikać z dwóch głównych przyczyn. Pierwsza z nich polega na tym, że przy zmianie zbioru stosowanych współczynników lub sposobu obliczania ich wartości (np. obliczenie danej wartości dla okresu t lub? - 1) współczynniki regresji mogą ulec zmianie, a zatem odzwierciedlać nierówność elastyczność zmian kursu walutowego dla tego samego czynnika.
Drugi powód wynika z konieczności wykorzystania w określonych przypadkach wartości predykcyjnych czynników. Prognoza taka nie może być w pełni dokładna, a ponadto w większości przypadków niewłaściwe jest jej udoskonalanie, np. uśrednianie, gdyż prowadzi to do sztucznego wygładzenia otrzymanych prognozowanych wartości kursu walutowego, co nie odzwierciedlają pełną złożoność badanej zależności.
Aby lepiej zrozumieć to ostatnie stanowisko i w ogóle jaśniej wyobrazić sobie sposoby wykorzystania ekonomicznej interpretacji wyników prognozowania fundamentalnego, podamy przykład.
Rozważmy dwuczynnikowy podstawowy model prognozowania następującego typu:
ec=a0+axxc+a2y1L, (9.19)
Gdzie x1 to różnica stóp procentowych w dwóch krajach przewidywana na okres I;
g/(_, - faktyczna za okres? - 1 wartość różnicy stóp inflacji pomiędzy krajami.
Załóżmy, że dla tego modelu otrzymano istotne statystycznie równanie regresji
e(=0(2-0^c(+O5y(_1. (9.20)
Równanie to można interpretować zgodnie ze wzorami (9.6) i (9.11) w następujący sposób.
Każdy procentowy wzrost stopy inflacji w jakimś warunkowym „naszym” kraju w porównaniu ze stopą inflacji w „innym” kraju w minionym okresie powoduje wzrost bezpośredniego kursu „naszej” waluty o 0,5% w stosunku do „innej” waluty w prognozach - W analizowanym okresie. Wzrost bezpośredniego kursu „naszej” waluty, czyli wzrost ceny obcej waluty, oznacza obniżkę ceny, osłabienie „naszej” waluty.
Natomiast każdy procentowy wzrost stopy procentowej w „innym” kraju w porównaniu do stopy procentowej w „naszym” kraju w okresie prognozy prowadzi do deprecjacji „naszej” waluty w tym samym okresie o 0,6% i odpowiedniego wzrostu w cenie waluty obcej.
Zwróćmy szczególną uwagę na wniosek uzyskany w teorii finansów* i potwierdzony praktyką krajów rozwiniętych gospodarka rynkowa. On ss| Rzecz w tym, że wzrost stopy procentowej w jakimkolwiek kraju w porównaniu do innych krajów w pewnym okresie (roku, miesiącu) powoduje, przy innych czynnikach, presję wzrostową, czyli wzrost cen walut tego kraju. kraju w tym samym okresie. Zauważamy jednak, że ten sam wzrost| mogłoby wręcz przeciwnie wywołać presję spadkową, deprecjację danej waluty w kolejnym okresie? + 1.
Po niezbędnych wyjaśnieniach wprowadzimy kilka przyjętych wartości początkowych! do modelu czynnikowego. Załóżmy, że rzeczywista wartość różnicy między | stopa inflacji w obu rozpatrywanych krajach w okresie 1 wyniosła! 1%. Oznacza to, że stopa inflacji w naszym kraju była wyższa. Zróbmy to! te same założenia dotyczące różnic w stopach procentowych uzyskane w wyniku niektórych obliczeń dla okresu prognozy. Te wartości są wprowadzane| wyznaczane są nie przez jedną liczbę, ale przez pewien ich zbiór, rozkład ze wskazaniem! Dla każdego z nich określamy prawdopodobieństwo realizacji. Odpowiednie dane podano w tabeli. 9.4. |
Tabela 9.І Prognozowane wartości różnicy stóp procentowych Numer opcji prognozy Wartość prognozy dla opcji, % Prawdopodobieństwo realizacji opcji, % 1 -4 10 2 -5 60 3 -6 30 Jak widać z tabeli. 9.4, we wszystkich wariantach stopa procentowa w „naszym* kraju jest niższa niż w „drugim”, ale możliwa wielkość różnicy nie jest taka sama. Ponadto prawdopodobieństwo realizacji każdej opcji jest również inne. Podkreślamy, że ta zasada prezentacji informacji prognostycznych jest dość powszechna, a ponadto koresponduje ze współczesnymi wyobrażeniami o ryzyku finansowym jako obiektywnie istniejącej niepewności co do przyszłych wyników i wielu innych parametrów ekonomicznych.
Wyniki prognozy kursu walutowego zostaną także zaprezentowane w trzech wariantach, które przedstawiono w tabeli. 9,5.
Jak widać z tabeli. 9.5, zarówno wyższa inflacja, jak i niższe stopy procentowe w „naszym” kraju prowadzą do osłabienia „naszej” waluty, co w zależności od możliwej wielkości spadku stóp procentowych, a dokładniej od przewidywanego stopnia ich odchylenie od poziomu stóp procentowych w „innym” kraju może z 60% prawdopodobieństwem wynieść 3,7%,
Tabela 9.5
Prognozowane wartości kursu walutowego Numer opcji „„ + ”L,., „A e, Prawdopodobieństwo realizacji opcji, % 1 0,7 2,4 z 10 2 0,7 3,0 3,7 60 3 0,7 3,6 4,3 30 a także 4,3% - przy prawdopodobieństwo 30% i 3,1% - z prawdopodobieństwem 10%. Można również obliczyć pewną wartość średnią ( wartość oczekiwana) zmiany kursu walut 3.1
x 0,10 + 3,7 x 0,60 + 4,3 x 0,30 = 3,82.
Wartość ta wystąpi w przypadku zrealizowania się średniej, matematycznie oczekiwanej prognozowanej wartości luki stóp procentowych wynoszącej 5,2%.
Przejdźmy teraz do rozważenia trzeciego podejścia w zakresie prognozowania kursu walutowego, które bardzo różni się od dwóch pierwszych, gdyż wykorzystuje zasadniczo inną metodologię i technikę obliczeń prognoz. Podejście to opiera się na wykorzystaniu teorii parytetu stóp procentowych. Wiodącym problemem jego zastosowania do prognozowania jest stopień zgodności pomiędzy kursem terminowym a przyszłym kursem spot. O zasadniczej możliwości zbieżności lub wystarczającej bliskości do prognozowania tych kursów decydują dwie następujące okoliczności.
Po pierwsze, stopa terminowa jest wartością wynikającą z oczekiwań rynku co do przyszłej bieżącej stopy banków i innych firm świadczących usługi terminowe. Specjaliści tych banków i firm mają najlepsza wiedza odpowiednich rynków walutowych, gdyż zajmują się nimi zawodowo, a ponadto są zainteresowani minimalizacją powstającej w przyszłości różnicy pomiędzy obliczonymi kursami terminowymi a rzeczywistymi kursami spot, gdyż zmniejsza to ryzyko świadczenia usług terminowych.
Druga okoliczność jest taka, że zbieżność bieżących stóp procentowych terminowych i przyszłych jest zapewniona poprzez procesy samoregulacji rynku. Ten ostatni opiera się na arbitrażu walutowo-procentowym: z teoretycznego punktu widzenia można osiągnąć zerową rentowność operacji arbitrażowych, co oznacza stan równowagi rozpatrywanego segmentu rynku. Oczywiście pełna równowaga, czyli jak się powszechnie mówi, stan doskonałego rynku finansowego jest możliwy do osiągnięcia tylko w idealnym przypadku. Niemniej jednak miara osiągnięcia równowagi wyznacza miarę zasadności stosowania metody prognozowania kursu walutowego w oparciu o oczekiwania rynkowe.
Przejdźmy teraz do problemów praktycznego zastosowania opisanych metod, biorąc pod uwagę realne ograniczenia istniejące w systemie gospodarczym.
W wielu krajach przeprowadzono szeroko zakrojone badania jakości prognoz uzyskiwanych różnymi metodami. Oceniając łącznie wyniki tych badań, należy wskazać dwa główne wnioski. Po pierwsze, żadne metro nie daje w pełni dokładnych prognoz w sensie statystycznym. Prawie zawsze istnieje statystycznie istotne odchylenie w ocenie prognostycznej w stosunku do rzeczywistej. Po drugie, w większości badań prognozowanie oparte na oczekiwaniach rynkowych powodowało najmniejsze błędy systematyczne.
Podkreślając tę metodę jako dającą średnio minimalny błąd prognozy, należy podkreślić, że nie przeczy to celowości stosowania w określonych okolicznościach innych metod. Na krótkie okresy prognozowanie (dzień, tydzień), preferowana staje się metoda prognozowania technicznego, choćby z tego powodu, że w przyszłości! ka kraje rozwinięte Po prostu nie ma dostępnych reprezentatywnych kwotowań stóp procentowych dla tak krótkich okresów. W miarę wydłużania się tych okresów (rok lub dłużej) makroekonomiczne czynniki zmian kursów walut stają się coraz bardziej widoczne, a zatem coraz większe znaczenie zyskuje metoda prognozowania fundamentalnego.
Należy również pamiętać, że dla praktyczne zastosowanie Metoda prognozowania oparta na oczekiwaniach rynkowych musi spełniać trzy podstawowe warunki, w których może działać: 1) nie istnieją wystarczająco istotne ograniczenia w przepływie pieniędzy pomiędzy danymi rynkami; 2) zdecydowana większość transakcji dewizowych ma charakter wyłącznie finansowy i nie służy procesom przepływu towarów ani świadczeniu usług niefinansowych; 3) banki komercyjne odgrywają decydującą rolę na rynku, w każdym razie ich łączna pozycja finansowa nie jest gorsza od pozycji banków centralnych tych krajów, dla których to podejście jest stosowane. Powyższe warunki są spełnione dla krajów o rozwiniętej gospodarce rynkowej, co determinuje zasadniczą możliwość prognozowania w oparciu o tę metodę.
Rozmiar: piks
Rozpocznij wyświetlanie od strony:
Transkrypcja
1 18 SA Polujachtow, V.A. Belkin S.A. Polujachtow, V.A. Cykle stóp procentowych Belkina UDC Kondratiewa jako podstawa prognozowania ich dynamiki Streszczenie. W artykule, na podstawie obszernego materiału statystycznego, potwierdzono hipotezę, że cykliczne wahania oprocentowania kredytów bankowych determinowane są cyklami aktywności słonecznej. Na tej podstawie można przewidzieć wysokość stóp procentowych w średnim i długim okresie, a co za tym idzie, przyszły stan gospodarki światowej i rosyjskiej. Streszczenie. Bogaty materiał statystyczny pozwolił autorom zweryfikować hipotezę, że cykliczne wahania oprocentowania kredytu bankowego determinowane są cyklami słonecznymi. Fakt ten pozwala prognozować wysokość stóp procentowych w perspektywie średnio- i długoterminowej, a co za tym idzie, przewidywać przyszłą sytuację gospodarczą na świecie, a także w Rosji. Słowa kluczowe. cykliczność stopy procentowej banku, cykle aktywności słonecznej, cykliczność rozwoju gospodarki, prognozowanie kryzysów gospodarczych, prognozowanie stopy procentowej banku. Słowa kluczowe. Cykliczne wahania oprocentowania kredytów bankowych, cykle słoneczne, cykliczny rozwój gospodarki, prognoza kryzysu gospodarczego, prognoza stóp procentowych banków. Światowy kryzys finansowy ponownie ujawnił problem niedostatecznego prognozowania głównego wskaźniki ekonomiczne i w konsekwencji zbyt optymistyczne nastawienie rządów różne kraje na temat przyszłej sytuacji gospodarczej na świecie. Jedną z przyczyn tej sytuacji jest brak prognoz jednego z najważniejszych wskaźników ekonomicznych stopy procentowej banku. W swoim artykule „O prognozie stóp procentowych” S. Moiseev zauważa, że „o ile stopy procentowe za granicą są dobrze przewidywalne nawet bez prognoz banku centralnego, o tyle w Rosji brakuje informacji na temat przyszłej dynamiki rynku pieniężnego. Wróżenie na temat stóp procentowych jest jedną z najbardziej złożonych analiz i z reguły szacunki przyszłych stóp nie są uwzględniane w prognozach konsensusu i ankietach profesjonalnych prognostów. Bez możliwości uzyskania prognozy procentowej źródła oficjalne, wielu ekonomistów decyduje się na samodzielne prognozowanie. Jednakże dostępne obecnie metody prognozowania są albo zbyt prymitywne, albo tak pracochłonne, że dla większości z nich są niedostępne. Dlatego proponujemy opracowanie metody przewidywania oprocentowania, opartej na jego powiązaniu z cyklami aktywności Słońca (zwanej dalej SA), która da dokładniejszą prognozę bez pracochłonnych obliczeń, co pozwoli na jej wykorzystanie przez jakikolwiek podmiot gospodarczy. WARTOŚĆ GLOBALNEGO PRZEWODNIKA nr 11
2 Cykle Kondratiewa stóp procentowych Za punkt wyjścia przyjmujemy hipotezę V.A. Belkina, że „cykliczne wahania głównych wskaźników makroekonomicznych, w tym takich jak stopa bezrobocia, stopa inflacji i średnia stopa kredytu, kurs waluty krajowej, deficyt (nadwyżka) skonsolidowanego budżetu, determinowane są przez cykle aktywności słonecznej”. Aby przetestować tę hipotezę dla okresu od 1947 r. do lipca 2010 r., wzięliśmy średnioroczne dane dotyczące liczb Wolfa, które są proporcjonalne do liczby plam na dysku słonecznym i charakteryzują SA. W tym samym okresie za stopę procentową banku wpływającą na stan gospodarki światowej przyjęto stopę podstawową (stopę procentową najbliższą stopie wolnej od ryzyka). Następnie skonstruowaliśmy wykresy zmian tych wskaźników w czasie (ryc. 1). Jak pokazuje ten wykres, od 1968 r. cykliczność stóp procentowych jest w dużej mierze determinowana przez cykle CA. Ryż. 1. Dynamika zmian średniorocznych liczb Wolfa i stawki podstawowej Warto zwrócić uwagę na pewne cechy cykliczności SA i stawki podstawowej. Zatem faza wzrostu SA trwa średnio 4 lata, a faza opadania trwa 7 lat, łączny czas trwania cyklu wynosi średnio 11 lat. Oznacza to, że cykl SA charakteryzuje się gwałtownym wzrostem i płynnym spadkiem. Jednocześnie w fazie wzrostu SA następuje także faza wzrostu bankowej stopy procentowej, a gdy cykl SA osiąga swój szczyt, stopa procentowa od razu lub po 1 roku również osiąga swoją wartość maksymalną. W fazie redukcji CA spada także stopa procentowa banku. Jednakże na około rok lub dwa lata przed kolejnym minimum CA stopa procentowa banku osiąga kolejne maksimum. Jak dotąd nie jesteśmy w stanie dokładnie określić przyczyny powtarzającego się cyklu stopy banku w ramach cyklu SA i możemy jedynie snuć założenia lub hipotezy. GOSPODARKA
3 20 SA Polujachtow, V.A. Belkin Aby pozbyć się wpływu krótkotrwałych wahań stopy procentowej, obliczono średnie wartości analizowanych wskaźników w poszczególnych latach w punktach przegięcia krzywej cyklu SA i skonstruowano odpowiadające im wykresy (ryc. 2). . Z tego wykresu widać, że 11-letnie cykle CA w wystarczającym stopniu pokrywają się z cyklami stóp procentowych banku (współczynnik korelacji wynosi 79%), które pokrywają się z cyklami C. Juglara. Oznacza to, że wzrost SA prowadzi do wzrostu stawki podstawowej, a w konsekwencji maksymalnie do kryzysu gospodarczego. Zatem to właśnie cykliczna aktywność słońca jest kluczowym czynnikiem determinującym zmiany stóp procentowych banków. Zidentyfikowane połączenie również ujawnia prawdziwy powód cykliczność tego wskaźnika i rozwój gospodarki światowej jako całości. Pokażmy, że stawki takie jak LIBOR, EURIBOR zmieniają się niemal synchronicznie ze stawką podstawową. W ten sposób udowodnimy, że cykle CA determinują dynamikę stóp procentowych banków na całym świecie, a nie tylko w Stanach Zjednoczonych. Ryż. Rys. 2. Dynamika zmian średniorocznych liczb Wolfa i stawki podstawowej w punktach przegięcia (ekstremach) krzywej aktywności słonecznej Do badania zależności pomiędzy stawkami podstawowymi a LIBORem wybrano stawkę LIBOR dla kredytów do 1 roku . Wartości dla niego zostały wzięte z serwisu statystyk gospodarczych MORTGAGE-X. Poniżej znajduje się wykres, który wyraźnie pokazuje dynamikę synchronicznych zmian średniorocznych wartości stopy podstawowej i stawek LIBOR (w okresie do jednego roku) (rys. 3). WARTOŚĆ GLOBALNEGO PRZEWODNIKA nr 11
4 Cykle stóp procentowych Kondratiewa Ryc. 3. Dynamika zmian średniorocznych wartości stawki podstawowej i LIBOR (w okresie do jednego roku) Do badania zależności stopy podstawowej i EURIBOR wybrano stawkę EURIBOR dla kredytów do jednego roku. Wartości dla niego zostały pobrane ze strony ItIsTimed. Następnie skonstruowaliśmy wykres, który wyraźnie pokazuje dynamikę wysoce synchronicznej zmiany średniorocznych wartości stawki podstawowej i stawek EURIBOR (w okresie do jednego roku) (rys. 4). W Stawka EURIBOR zmieniała się synchronicznie ze stawką podstawową, jednak z opóźnieniem około 1 roku. Ryż. 4. Dynamika zmian średniorocznych wartości stawki podstawowej i EURIBOR (w okresie do roku) E C O N O M I C A
5 22 SA Polujachtow, V.A. Belkin Zaprezentowane wykresy jasno i przekonująco dowodzą wysokiego stopnia synchroniczności zmian głównych międzynarodowych stóp procentowych LIBOR i EURIBOR oraz stopy podstawowej. Zatem udowodniony przez nas związek pomiędzy CA a stopą podstawową można rozszerzyć na inne stopy procentowe, w szczególności LIBOR i EURIBOR. Na podstawie uzyskanego wyniku, a także prognozy na 24. cykl SA (rys. 5) można opracować prognozę wartości stawki podstawowej. Kolejny szczyt SA oczekiwany jest w 2013 roku, w związku z czym można spodziewać się podwyżki stawki podstawowej do 2013 roku i w 2013 roku. Przewidujemy kolejne maksimum tej stopy i późniejszy światowy kryzys finansowy. Oczywiście rzeczywista aktywność Słońca w 24. cyklu może różnić się od przewidywanej, ponieważ cykle te różnią się nieco czasem trwania (9-11 lat). W tym przypadku nastąpi odpowiednie przesunięcie czasowe określonej daty kolejnego szczytu stawek podstawowych i światowego kryzysu gospodarczego. Ryż. 5. Prognoza 24. cyklu aktywności Słońca Na ryc. Rysunek 5 pokazuje, że kolejne minimum SA powinno nastąpić około 2020 roku. W efekcie w okolicach 2018 roku nastąpi kolejna podwyżka stóp procentowych, a następnie w latach 2019 i 2020. spowolnienie wzrostu realnego PKB w USA lub kryzys gospodarczy. Aby móc dokładniej prognozować wartość stopy procentowej w 2013 roku, zwróćmy się do teorii falowej N. Kondratiewa, na podstawie której wyróżnia się 5 cykli koniunkturalnych o długości około roku: o zagadnieniu nr 1. 11
6 Cykle Kondratiewa cykl stóp procentowych od 1790 r. do . 2 cykl od do gg. 3 cykl od do gg. 4 cykl od do gg. Cykl 5 z cyklami Kondratiewa podlega wszystkim głównym wskaźnikom makroekonomicznym, w tym głównej stopie procentowej banku. Jednocześnie pod koniec cyklu kurs osiąga wartość maksymalną. Aby potwierdzić naszą hipotezę, przeanalizujmy diagram przedstawiony na ryc. 1. Pokazuje, że przedostatnie minimum wskaźników ekonomicznych gospodarki światowej miało miejsce w 1982 r. i towarzyszyło mu maksimum bankowej stopy procentowej, które proponujemy nazwać maksimum Kondratiewa stawki podstawowej (stopa K). Przed stawką K następował wzrost stawki podstawowej, po spadku. Proponujemy nazwać te cykle dużymi cyklami stóp procentowych. Według badań japońskiego naukowca Shimanaki Yuji, potwierdzonych przez Japan Economic Research Centre (JERC) i opublikowanych w The Wall Street Journal, jeden cykl Kondratieffa równa się pięciu cyklom SA, czyli 55 latom. Bazując na tej teorii oraz na fakcie, że w okresie od 1982 do 2010 roku miały miejsce dwa cykle SA, można przyjąć, że rok 2010 jest punktem zwrotnym dużego cyklu stóp podstawowych i w przyszłości będzie obserwowany jego wzrost. W rezultacie lokalna maksymalna stawka prime w 2013 roku będzie wyższa od lokalnego maksimum tego wskaźnika w 2009 roku i będzie kształtować się w przybliżeniu na poziomie lokalnego maksimum w roku 2000. Tym samym stopa prime w 2013 roku osiągnie w średnim okresie kolejne pośrednie maksimum na poziomie 8-9%, co z dużym prawdopodobieństwem doprowadzi do kolejnego światowego kryzysu finansowego (Rys. 6). Ryż. 6. Cykl Kondratiewa stawki podstawowej i jego prognoza do 2020 r. E C O N O M I C A
7 24 SA Polujachtow, V.A. Belkin Podobnie lokalne maksimum stawki podstawowej w 2018 roku będzie wyższe od lokalnego maksimum tego wskaźnika w 2013 roku, ale niższe od lokalnego maksimum tego wskaźnika w 1989 roku, czyli jego wartość będzie w przybliżeniu na poziomie 10 % (ryc. 6). Biorąc pod uwagę fakt, że zmiany stawki podstawowej są synchroniczne ze zmianami stóp procentowych LIBOR i EURIBOR, można spodziewać się odpowiedniego wzrostu tych stawek odpowiednio do 6% i 5% w 2013 r. oraz LIBOR na poziomie 8,5% w 2018 r. Od 2003 roku, w związku z globalizacją gospodarki światowej i dużym zaangażowaniem w nią gospodarki rosyjskiej, następuje synchronizacja PKB USA i Rosji przy większej zmienności PKB Rosji. W konsekwencji zmiana podstawowej stopy procentowej nieuchronnie prowadzi do podobnej zmiany oprocentowania kredytów w rosyjskim banku, dlatego do 2013 roku w Rosji będzie również obowiązywać oprocentowanie banków w przypadku kredytów udzielanych osobom prawnym na okres do 1 roku wzrosną do poziomu z 2000 r. i wyniosą 18-20% rocznie. Maksymalna aktywność słoneczna będzie w dalszym ciągu prowadzić do wzrostu oprocentowania kredytów w rosyjskich bankach, a co za tym idzie do kolejnego kryzysu finansowego. Uzyskany wynik jest niezwykle ważny nie tylko dla urzędników państwowych, ale także dla całej populacji aktywnej zawodowo, gdyż na jego podstawie można podejmować długoterminowe decyzje inwestycyjne i obiektywnie oceniać przyszły rozwój gospodarki kraju. Aby wyjaśnić przyczynę zidentyfikowanego związku, można przytoczyć badania wielkiego rosyjskiego naukowca A. Chiżewskiego, który argumentował, że epidemie psychopatyczne, nastroje paniki, masowa histeria, halucynacje itp., A także modyfikacja pobudliwości nerwowej o tonie neuropsychicznym są ściśle powiązane z cyklami SA. Cykliczne wahania powyższych nastrojów pesymizmu i optymizmu prowadzą do cyklicznych wahań wysokości płatności za ryzyko uwzględnianej w stopie procentowej oraz do jej cyklicznych wahań. Zatem w wyniku tego badania: Na przykładzie stopy podstawowej wykazano wysoki stopień powiązania cykli CA ze stopą procentową banku; Proponuje się wprowadzenie do obiegu naukowego koncepcji cyklu Kondratiewa stopy bankowej (na przykładzie stopy podstawowej) oraz maksimum (minimum) Kondratiewa tej stopy; Opracowano średnio- i długoterminową prognozę kolejnej maksymalnej stopy procentowej oraz światowych kryzysów finansowych; Wykazano wysoki stopień synchroniczności dynamiki stawek prime, LIBOR, EURIBOR; Opracowano średnioterminową prognozę kolejnych maksymalnych stawek LIBOR, EURIBOR oraz rosyjskiego oprocentowania kredytów w 2013 roku. WARTOŚĆ GLOBALNEGO PRZEWODNIKA nr 11
8 Cykle Kondratiewa stóp procentowych Literatura 1. Moiseev S. „O prognozie stopy procentowej” URL: post/124329/ 2. Belkin V. A. Powiązanie cykli aktywności słonecznej z cyklami głównych wskaźników makroekonomicznych // Rozwój społeczno-gospodarczy Rosja w okresie pokryzysowym: aspekty narodowe, regionalne i korporacyjne: kolekcja. m-lov 27 int. naukowo-praktyczny konferencja Część 1, Czelabińsk: UrSEI AT i SO, S; 3. Dane statystyczne z Centrum Analiz Danych o Wpływie Słońca (Belgia) URL: 4. Dane z serwisu statystyk gospodarczych MORTGAGE-X URL: com 5. Dane z serwisu ItIsTimed URL: php 6. Materiały badawcze NASA URL: solnechnyiy-prognoz/ 7. Korotaev A.V., Tsirel S.V. Fale Kondratieva w globalnej dynamice gospodarczej / Monitoring systemu. Rozwój globalny i regionalny / Odpowiedzialny. wyd. D. A. Khalturina, A. V. Korotaev. M.: Librocom/URSS, C URL: cliodynamics.ru/download/m02korotayev_tsirel_kondratyevskie_volny.pdf 8. Związek inteligentnych stowarzyszeń // Konfiguracja: cykle polityki transformacyjnej (9. Chizhevsky A.L. Terrestrial echo of solarstorms. 2nd ed. M.: Myśl, s. E K O N O M I K A
Biuletyn Państwowego Uniwersytetu w Czelabińsku. 2011. 6 (221). Gospodarka. Tom. 31. s. 39 43. CYKLE AKTYWNOŚCI SŁONECZENIA JAKO PODSTAWA CYKLI STÓP PROCENTOWYCH BANKU Na podstawie obszernego materiału statystycznego
Biuletyn Państwowego Uniwersytetu w Czelabińsku. 1. (). Gospodarka. Tom. 3. P. 1. Duże cykle aktywności słonecznej jako podstawa dużych cykli koniunktury Kondratiewa Odkryto silny związek między dużymi cyklami
Biuletyn Państwowego Uniwersytetu w Czelabińsku. 2011. 36 (251). Gospodarka. Tom. 35. s. 23 27. ROZWÓJ TEORII CYKLICZNYCH ZMIAN INFLUKCJI I BEZROBOCIA W OPARCIU O ICH POWIĄZANIE Z CYKLAMI AKTYWNOŚCI SŁOŃCA
Władimir Aleksiejewicz Belkin Czelabińsk oddział Instytutu Ekonomii, Ural Oddział Rosyjskiej Akademii Nauk CYKLE PRODUKCJI PRZEMYSŁOWEJ W ROSJI I AKTYWNOŚĆ SŁONECZNA: MECHANIZM I FAKTY SILNEGO SPrzężenia ZWROTNEGO (1861-2013) W artykule
UDC 336.71 ANALIZA CZYNNIKOWA POZIOMU MONETYZACJI GOSPODARKI W OPARCIU O MODELE EKONOMICZNE I STATYSTYCZNE S. V. MISHCHENKO, kandydat nauk ekonomicznych, profesor nadzwyczajny Wydziału Finansów E-mail: s-mischenk@mail. ru Uniwersytet
Kryzys gospodarczy w Rosji jest głębszy niż w Stanach Zjednoczonych, metodologia oceny skutków kryzysów gospodarczych Streszczenie Jak określić czas trwania i głębokość cykli i kryzysów gospodarczych? Autor odpowiada na to
1.5 Dynamika makroekonomiczna. Inflacja. Teoria cykli gospodarczych 1.5.1 Inflacja to długotrwały proces trwałego wzrostu ogólnego poziomu cen, prowadzący do spadku siły nabywczej pieniądza.
T. Gorshkova, S. Drobyshevsky, M. Turuntseva, M. Khromov Prognoza makroekonomiczna na rok 2017 2019: wzrost nie wyższy niż 1,0 1,5% Wyniki I półrocza 2017 roku z jednej strony potwierdzają wcześniej przyjęte założenia
Finanse, obieg pieniądza i kredyt 247 Wpływ stóp procentowych na dynamikę struktury aktywów i pasywów banków komercyjnych 2009 P.S. Uniwersytet Państwowy Bardaev w Moskwie. M.V. Łomonosow
Grishina E.N., Ph.D., profesor nadzwyczajny na Wydziale Informatyki i Statystyki, Vyatka State Agricultural Academy Russia, Kirov Trusova L.N., Ph.D., profesor nadzwyczajny na Wydziale Historii i Filozofii Vyatka State
V. Averkiev, S. Drobyshevsky, M. Turuntseva, M. Khromov Prognoza na rok 2016 2017: gospodarka wchodzi w strefę stabilizacji. Rozwój sytuacji w I kwartale. w szczególności obniżka cen ropy do minimum w 2016 roku
NOTATKA PRASOWA DO ROZDZIAŁU 3: MAKROEKONOMICZNE SKUTKI KONSOLIDACJI FISKALNEJ CZY TO BOLI? World Economic Outlook, październik 2010 r. Przygotowane przez: Daniel Lee (lider zespołu),
Averkiev V., Drobyshevsky S., Turuntseva M., Khromov M. Scenariuszowa prognoza rozwoju społeczno-gospodarczego Federacji Rosyjskiej w 2017 r. 2018 r. (styczeń 2017) W trzecim kwartale 2016 roku rosyjska gospodarka weszła w fazę cykliczną
UDC 311.2:364.2 Kapelyuk S.D., Syberyjski Uniwersytet Współpracy Konsumenckiej, Nowosybirsk Modele ekonomiczne i statystyczne w prognozowaniu poziomu życia ludności Prognozowanie poziomu życia ludności
42 Podstawy ekonomii, zarządzania i prawa 5 (5) FINANSE, OBIEG PIENIĘDZY I KREDYT UDC 336.77:338.43 V.N. Domrachev, E.V. Skalecka* WSPÓŁCZESNE TENDENCJE KREDYTÓW BANKOWYCH DLA PRZEDSIĘBIORSTW ROLNYCH
3. CYKL EKONOMICZNY. BEZROBOCIE KONCEPCJA CYKLU GOSPODARCZEGO Cykl gospodarczy to wzloty i upadki w gospodarce, które okresowo powtarzają się przez szereg lat. Cykl gospodarczy - okresowy
6. Tatarkin, A. Strukturalna restrukturyzacja przemysłu jako element procesu długofalowego / A. Tatarkin, O. Romanova, M. Filatova // Federalizm. 2. 4. 7. Kondratyev, V. Polityka przemysłowa czy polityka
V. Averkiev, S. Drobyshevsky, M. Turuntseva, M. Khromov Scenariuszowa prognoza rozwoju społeczno-gospodarczego Federacji Rosyjskiej w latach 206-208. (czerwiec 206) Prognoza makroekonomiczna dla najbardziej prawdopodobnych scenariuszy w 206 208
16 O zachowaniu mediany cykli Kondratiewa N.V. Mityukov W artykule analizowano dynamikę zmian asymetrii cykli Kondratiewa. Zakłada się, że same cykle podlegają harmonicznym
ISSN 2079-8490 Elektroniczny publikacja naukowa„Notatki naukowe Tomskiego Uniwersytetu Państwowego” 2017, tom 8, 3, s. 92 96 Certyfikat El FS 77-39676 z dnia 05.05.2010 http://pnu.edu.ru/ru/ejournal/about/ [e-mail chroniony] UDC 378.147.091.3(571.6)
POLUYAHTOV STANISLAV ANDREEVICH CECHY CYKLICZNYCH ZMIAN OPROCOWANIA KREDYTOWEGO W SYSTEMACH EKONOMICZNYCH Specjalności: 08.00.01-Teoria ekonomii (ogólna teoria ekonomii) STRESZCZENIE rozprawy doktorskiej
Miesięczny przegląd analityczny URALSIB Bank121 lipiec 2011 2 Globalna prognoza, pozycjonowanie portfela Czerwiec, zgodnie z naszymi oczekiwaniami w naszym ostatnim miesięcznym przeglądzie, był kolejnym miesiącem spadków
1002 UDC 330.4 OBLICZANIE WSKAŹNIKÓW DYNAMIKI ROZWOJU PROCESÓW GOSPODARCZYCH WSKAŹNIKI OBLICZANIE WSKAŹNIKÓW DYNAMIKI ROZWOJU PROCESÓW GOSPODARCZYCH OBLICZANIE WSKAŹNIKÓW DYNAMIKI ROZWOJU PROCESÓW GOSPODARCZYCH Sudarkina E.S. Południoworosyjski Instytut Zarządzania, oddział rosyjski
UDC 33 Kuznetsov S.A., starszy wykładowca Państwowego Uniwersytetu Leśnego w Woroneżu im. G.F. Morozova” Zabudkov V.A., magister Woroneż, Rosja „Woroneż Państwowa Inżynieria Leśna
37 UDC 336,71 PROGNOZOWANIE WYSOKOŚCI REZERW OBOWIĄZKOWYCH BANKU KOMERCYJNEGO I.D. Kuznetsova Iwanowo Państwowy Uniwersytet Technologii Chemicznej Yu.E. Państwowe Zakłady Tekstylne Panueva Iwanowo
Narodowy Bank Republiki Białorusi MONITOROWANIE WARUNKÓW KREDYTU BANKOWEGO Przegląd analityczny styczeń marzec Mińsk 2 W ramach analizy rynku kredytowego Narodowego Banku Polskiego przeprowadza się
UDC 365.282 Nour M.V., student, grupa STm-14 Popova I.V., profesor nadzwyczajny, dr hab. Federalna Państwowa Budżetowa Instytucja Edukacyjna Szkolnictwa Wyższego „Penza State University of Architecture and Construction”, Penza, Rosja BADANIA TENDENCJI ROZWOJOWYCH
124 TA Zelenina T.A. Zelenina [e-mail chroniony] UDC 519.8:336.77:005.334 Prognozowanie ryzyka kredytowego banku komercyjnego STRESZCZENIE. W artykule przedstawiono wyniki prognozowania ryzyka klienta
UDC 336,69 TRENDY W ROZWOJU ŚWIATOWEGO SYSTEMU FINANSOWEGO Belukhin V.V., Kharchenko A.A. Niepubliczna, akredytowana prywatna organizacja non-profit instytucja edukacyjna wykształcenie wyższe „Akademia Marketingu
Test z „Makroekonomii” Zalecenia metodologiczne przygotowania praca testowa dla studentów 1. O możliwości testu decyduje ostatnia cyfra legitymacji studenckiej (kodu)
UDC: 33(075.8) Prawidłowości i współczesne trendy w rozwoju światowej gospodarki: CZYNNIKI OKREŚLAJĄCE DYNAMIKĘ I KIERUNEK ROZWOJU INNOWACJI Aleksiej Wasiljewicz Tebekin, doktor nauk technicznych, doktor nauk ekonomicznych. SC, prof.,
NovaInfo.Ru - 46, 2016 Nauki ekonomiczne 1 INFLACJA: POJĘCIE, RODZAJE I DYNAMIKA. Yamurova Aliya Rafisovna Inflacja - amortyzacja bezgotówkowego pieniądza papierowego Pieniądze, czemu towarzyszą rosnące ceny
Kurs Fed Byczy 12.07.2016 System Rezerwy Federalnej Stanów Zjednoczonych jest niezależną agencją federalną utworzoną w 1913 roku jako organ regulacyjny systemu bankowego kraju. Pełni funkcje
Biuletyn Państwowego Uniwersytetu w Czelabińsku. 213,15 (36). Gospodarka. Tom. 41. s. 19 115. MODEL GOSPODARKI PRZEDSIĘBIORSTWOWEJ efektywnej polityki fiskalnej państwa. Przedstawiono rozwój modelu
UDC 334.723 Lyamkin I.I., kandydat nauk ekonomicznych, profesor nadzwyczajny, kierownik Katedry Teorii Ekonomii i Stosunków Społeczno-Politycznych, Instytut Kemerowo (oddział) Federalnej Państwowej Budżetowej Instytucji Edukacyjnej Wyższego Kształcenia Zawodowego „REU im. G.V. Plechanow”
Krasheninnikov N.V. PRZYCZYNY KRYZYSÓW BANKOWYCH W ROSJI I ICH IDENTYFIKACJA NA WCZEŚNIEJSZYCH ETAPACH ROZWOJU Opiekun naukowy: profesor nadzwyczajny, dr hab. Shaker I.E. Jest prezentowany w literaturze krajowej i zagranicznej
MAŁY BIZNES I PRZEDSIĘBIORCZOŚĆ A.A. Wnioskodawca Fleshler, student Wyższej Szkoły Ekonomii i Ekonomii Transbaikal State University PROBLEMY ROZWOJU MAŁYCH PRZEDSIĘBIORCZOŚCI W ASPEKCIE NISKIEGO POZIOMU FINANSOWEGO
SKUTECZNOŚĆ POLITYKI DŁUGOWEJ FEDERACJI ROSYJSKIEJ: KRYTERIA OCENY I PERSPEKTYWY Kokarev K.N. Uniwersytet Finansowy Rządu Federacji Rosyjskiej, Moskwa Promotor naukowy Doktor, profesor nadzwyczajny. Sanginova L. D. Dolgovaya
100%, cieniowanie ciemnozielone), a także: regiony Kostroma, Magadan i Jarosław, Republiki Adygei, Udmurcji, Baszkirii (rosną cztery z pięciu sektorów, wskaźnik REA = 80%, jasnozielone cieniowanie).
Pracę wykonali: student Wydziału Ekonomii i Ekonomii, grupy M 3-4 MOLIY G.M., Opiekun naukowy: dr, profesor NEVEZHIN V.P. Uniwersytet Finansowy przy Rządzie Federacji Rosyjskiej, Moskwa ANALIZA PHILLIPSA KRZYWA DLA ROSYJSKIEGO
Makroekonomia: jak powstaje fala kryzysu? nowa teoria cykli gospodarczych, kryzysów i równowagi makroekonomicznej Streszczenie Celem pracy było zbadanie przyczyn i mechanizmów
Monetarna koncepcja cykli gospodarczych Jak wiadomo, w modelu Tevesa istnieje rynek pieniężny, podobnie jak w modelu Hicksa Samuelsona, w którym przyczyną cykli rynkowych są zmiany egzogeniczne
Prognoza 2015 2016: gorsza od oczekiwań S. Drobyshevsky, V. Petrenko, M. Turuntseva, M. Khromov Wskaźniki rozwoju gospodarczego Federacji Rosyjskiej w I połowie 2015 roku oraz pierwsze dane dotyczące dynamiki głównych czynników makroekonomicznych
UDC 336.02 CHARAKTERYSTYKA WPŁYWU WSKAŹNIKÓW SYSTEMU MONETARNEGO NA DYNAMIKĘ PKB Demina P.S. wiodący specjalista centrum dydaktyczno-metodycznego JSC Forecast, Perm, Rosja Streszczenie Artykuł opisuje
UDC 550.343.6 O ZWIĄZKU SILNYCH (M W 7,5) Trzęsień Ziemi KAMCZATKI Z AKTYWNOŚCIĄ SŁONECZNĄ Serafimova Yu.K. Kamczacki oddział Służby Geofizycznej Rosyjskiej Akademii Nauk, Pietropawłowsk Kamczacki, [e-mail chroniony] Wstęp
59 UDC 330.4:338.45(470.315) PROGNOZOWANIE DYNAMIKI GOSPODARCZEJ REGIONU IWANOWSKIEGO W DŁUGIM OKRESIE A.N. Państwowy Uniwersytet Technologii Chemicznej Pietrowa Iwanowo Przeprowadzono badanie ekonometryczne
Makroekonomia BUDŻET PAŃSTWA Dr Tatiana TISZCZENKO ekonomia. Nauka Według Ministerstwa Skarbu Federalnego w pierwszej połowie br. dochody budżetu federalnego w dalszym ciągu rosły, a na koniec okresu
ZATWIERDZONE Dekret Prezydenta Republiki Białorusi z dnia 12.07.2009 r. 591 GŁÓWNE KIERUNKI polityki pieniężnej Republiki Białorusi na rok 2010 ROZDZIAŁ I POSTANOWIENIA PODSTAWOWE 1. Polityka pieniężna Republiki Białorusi
Oczekiwania inflacyjne społeczeństwa w maju-czerwcu 2013 r. Bank Rosji prezentuje wyniki kolejnej fali badań oczekiwań inflacyjnych prowadzonych przez Fundusz Opinia publiczna» (FOM) na zlecenie Banku
Komentarze Prognoza konsensusu 1. Badanie prognostów zawodowych: Białoruś i Kazachstan Na początku maja 2014 r. Instytut Centrum Rozwoju Państwowej Wyższej Szkoły Ekonomicznej Państwowej Wyższej Szkoły Ekonomicznej przeprowadził kolejne Badanie prognostów zawodowych dotyczące
UDC 338.27 Shorova S.N. Student III roku, Wydział Finansów i Kredytu, Rosja, Krasnodar Blokhina I.M., Kandydat nauk ekonomicznych, Profesor nadzwyczajny Wydziału Finansów, Państwo Kubań Uniwersytet Rolniczy
STABILNOŚĆ FINANSOWA NIEZBĘDNYMWARUNKIEM ZAPEWNIENIA WZROSTU GOSPODARCZEGO: ANALIZA PORÓWNAWCZA RYZYKA ROZWIJAJĄCYCH SIĘ RYNKÓW Kartavov I.V. Opiekun naukowy: dr hab., profesor nadzwyczajny. Matrizaev B.D. Budżetowy
A. A. SUKHIKH, A. S. DEMIDOV Southwestern State University Opiekun naukowy: dr, profesor nadzwyczajny Tretyakova I.N. ANALIZA PROCESÓW INFLACYJNYCH W ROSJI (2009-2014) Streszczenie W artykule dokonano analizy
UDC 35.073.515.2 Kurazova D.A., asystent katedry „Statystyki i systemy informacyjne w ekonomii” Czeczeński Uniwersytet Państwowy Rosja, Grozny PERSPEKTYWY ROZWOJU RYNKU UBEZPIECZEŃ W ROSJI.
NOTATKI PRASOWE DO ROZDZIAŁU 4 PRZYJAZD? WARUNKI ZEWNĘTRZNE I WZROST GOSPODARCZY W KRAJACH RYNKU WSCHODZĄCEGO PRZED, W TRAKCIE I PO ŚWIATOWYM KRYZYSIE FINANSOWYM Globalne perspektywy rozwoju
Budżet 3. Konsolidacja budżetów regionalnych w 2014 r., prognoza na 2015 r. Obniżenie tempa wzrostu gospodarczego z 3,4% w 2012 r. do 1,3% w 2013 r. i do 0,6% w 2014 r. nie mogło nie wpłynąć na rynki regionalne
UDC 330.101.54 Gerashchenko E.R. student Don State Technical University (DSTU), Mitina I.A., Ph.D., profesor nadzwyczajny Don State Technical University (DSTU),
UDC 336.7 Gilvanov T.I. student gr.e31 Wydział Ekonomii i Matematyki Neftekamsk oddział Baszkirskiego Uniwersytetu Państwowego F.F. Islamov, Ph.D., profesor nadzwyczajny Neftekamsk oddział Baszkirskiego Uniwersytetu Państwowego
Inflacja i stopy procentowe w Rosji Analiza zmian cen, działań Banku Centralnego i sytuacji na rynku kredytowym Umocnienie rubla i bieżąca inflacja umożliwiają Bankowi Centralnemu obniżkę stopy w marcu o 0,25% w drugim kwartale
TURBULENCJE NA ŚWIATOWYCH RYNKACH FINANSOWYCH: PRZYCZYNY I RYZYKA* dr Anna KIYUTSEVSKAYA ekonomia. Nauki Pavel TRUNIN, Ph.D. ekonomia. Nauki B ostatnie miesiące Gospodarka światowa stoi przed rosnącymi zagrożeniami związanymi z
Nikolaenkova Maria Sergeevna studentka Prudnikova Anna Anatolyevna Ph.D. ekonomia. Nauki, profesor nadzwyczajny Federalnej Państwowej Instytucji Budżetowej Szkolnictwa Wyższego „Uniwersytet Finansowy pod Rządem Federacji Rosyjskiej”, Moskwa MIĘDZYNARODOWE DOŚWIADCZENIE W STOSOWANIU NEGATYWNYCH
Drobyshevsky S.M. Petrenko V.D. Turuntseva M.Yu. Chromow M.Yu. Prognoza rozwoju gospodarki rosyjskiej na lata 2015-2016. Jest oczywiste, że w 2015 roku Rosja wchodzi w okres recesji gospodarczej, jej głębokość i czas trwania
UDC 336 NAUKI EKONOMICZNE Artsuev Abubakar Mairbekovich, student Rządowego Uniwersytetu Finansowego Federacja Rosyjska Bashybuyuk Mohammed Enes, student Rządowego Uniwersytetu Finansowego
Przegląd tendencji rozwojowych w sektorze bankowym Federacji Rosyjskiej: wyniki 21 Materiał analityczny Marzec 211 Spis treści Wolumen aktywów bankowych wzrósł o 14,9%. Aktywa Sberbanku rosły szybciej niż innych rosyjskich banków
UDC 368(470.54) słowa kluczowe: ubezpieczenia, regionalny rynek ubezpieczeń, gęstość, penetracja, modelowanie symulacyjne I. Yu. Vedmed Analiza głównych wskaźników rozwoju rynku ubezpieczeniowego w Swierdłowsku
Wyszkowski Giennadij Leonidowicz METODOLOGIA OPTYMALNEGO DOBORU FAZ ODDZIAŁYWANIA MARKETINGOWEGO W PLANOWANIU MEDIÓW SŁOWA KLUCZOWE: planowanie mediów, zarządzanie popytem na informacje, faza marketingu
RAPORT „W sprawie prognozy rozwoju społeczno-gospodarczego obwodu czelabińskiego na rok 2015 oraz okresu planowania 2016 i 2017” Slajd 2.3 Prognoza rozwoju społeczno-gospodarczego obwodu czelabińskiego na trzy lata
- Specjalność Wyższej Komisji Atestacyjnej Federacji Rosyjskiej08.00.13
- Liczba stron 149
WSTĘP
ROZDZIAŁ 1. INWESTYCJE PORTFELOWE. WSPÓŁCZESNE WIDOKI I ZAGADNIENIA.
Paragraf 1.1. Inwestorzy i ich cele. Instytucje inwestycyjne i stopy procentowe.
1.1.1. Cele inwestycyjne. Przedmioty działalności inwestycyjnej.
1.1.2. Etapy działalności inwestycyjnej.
Paragraf 1.2. Przegląd papierów wartościowych o stałym dochodzie.
1.2.1. Klasyfikacja papierów wartościowych.
1.2.2. Papiery wartościowe tworzące strukturę terminową stóp procentowych.
Paragraf 1.3. Przegląd strategii zarządzania portfelem instrumentów stałodochodowych. Zmiany stóp procentowych. Strategie szczepień.
1.3.1. Strategie strukturyzowania portfela.
1.3.2. Klasyfikacja strategii zarządzania aktywami.
1.3.3. Rodzaje zmian struktury terminowej stóp procentowych.
1.3.4. Zagadnienia przemieszczeń nierównoległych. Zaakceptowane rozwiązania problemu.
Paragraf 1.4. Metody analizy i prognozowania rynków finansowych. Narzędzia prognozowania rynków finansowych.
1.4.1. Rodzaje analiz rynków finansowych.
1.4.2. Wybór rodzaju analizy w celu rozwiązania problemu przewidywania rodzajów przesunięć krzywej dochodowości.
1.4.3. Modele stosowane do określenia struktury terminowej stóp procentowych.
1.4.4. Prognozowanie rynków finansowych w oparciu o metody indukcji reguł i sieci neuronowe.
1.4.5. Systemy oparte na metodach indukcji reguł.
1.4.6. Sieci neuronowe.
1.4.7. Cechy prognozowania rynków finansowych z wykorzystaniem sieci neuronowych.
1.4.8. Wybrane narzędzia prognostyczne.
Paragraf 1.5. Czynniki determinujące strukturę terminową stóp procentowych.
1.5.1. Czynniki ekonomiczne i pozaekonomiczne wpływające na zmiany struktury terminowej stóp procentowych.
1.5.2. Nachylenie krzywej dochodowości. Model Frankela.
ROZDZIAŁ 2. OPRACOWANIE METOD ZARZĄDZANIA PORTFELEM PAPIERÓW WARTOŚCIOWYCH O STAŁYM DOCHODZIE.
Paragraf 2.1. Ogólne zasady budowy sieci neuronowych przy rozwiązywaniu problemu przewidywania poziomu stóp procentowych i obciążenia nierównoległego.
Paragraf 2.2. Modelowanie zależności pomiędzy głównymi czynnikami fundamentalnymi a poziomem stóp procentowych.
Paragraf 2.3. Modelowanie struktury stóp procentowych.
Sekcja 2.4. Opracowanie metodologii uodparniania portfela papierów wartościowych o stałym dochodzie.
Sekcja 2.5. Przewidywanie przemieszczeń nierównoległych.
ROZDZIAŁ 3. ROZWÓJ ZAUTOMATYZOWANEGO STANOWISKA PRACY DLA ZARZĄDZAJĄCEGO PORTFELEM OBLIGACJI.
Paragraf 3.1. Koncepcja AWS-a. Cele rozwoju AWP.
Paragraf 3.2. Architektura technologiczna stanowisk pracy.
Paragraf 3.3. Struktura funkcjonalna zautomatyzowanego stanowiska pracy.
3.3.1. Blok do wyznaczania celów inwestycyjnych.
3.3.2. Blok do przygotowywania informacji o stanie rynków i historii wskaźników makroekonomicznych.
3.3.3. Blok do analizy danych o stanie rynków i prognozowania rynków.
3.3.4. Blok umożliwiający analizę aktualnej struktury portfela, wybór strategii inwestycyjnej i określenie szczegółowej struktury portfela inwestycyjnego.
3.3.5. Jednostka oceny działań w zakresie zarządzania portfelem.
Sekcja 3.4. Elementy techniczne i programowe zautomatyzowanego stanowiska pracy.
Sekcja 3.5. Sieć neuronowa jako element zautomatyzowanego miejsca pracy.
Paragraf 3.6. Podstawowe przepisy i procedury. Wsparcie informacyjne.
3.6.1. Regulamin ustalania systemu celów inwestycyjnych.
3.6.2. Regulamin ustalania systemu ograniczeń klienta/firmy.
3.6.3. Regulamin ustalania systemu ograniczeń prawnych w zakresie zarządzania aktywami.
3.6.4. Regulamin ustalania systemu ograniczeń infrastrukturalnych.
3.6.5. Regulamin wsparcia informacyjnego i analitycznego. Informacje zewnętrzne.
3.6.6. Przepisy prawne wsparcie informacyjne. Informacje o strukturze portfela.
3.6.7. Regulamin rozwoju i utrzymania technologii.
3.6.8. Regulamin tworzenia strategii inwestycyjnej i ustalania szczegółowej struktury portfela.
3.6.9. Regulamin oceny działalności w zakresie zarządzania portfelem.
Sekcja 3.7. Ocena efektywności zautomatyzowanego miejsca pracy.
Wprowadzenie do rozprawy doktorskiej (część streszczenia) na temat „Modele i metody prognozowania stóp procentowych w informatyzacji zarządzania papierami wartościowymi”
Efektywne zarządzanie kapitałem ma kluczowe znaczenie dla przedsiębiorstw i osób prywatnych. Państwo zajmuje znaczące miejsce w systemie regulacji, kontroli i poprawy efektywności działań w zakresie zarządzania majątkiem. Jednym z nich jest zwiększenie poziomu ochrony socjalnej ludności zadania priorytetowe dowolny stan. Reforma istniejący system emerytalnego, utworzenie w tym celu niepaństwowego systemu emerytalnego ma rozwiązać ten problem w zakresie poprawy ochrony socjalnej emerytów i rencistów. Podejście to dominuje ze względu na obiektywnie więcej wydajna praca przedsiębiorstw niepaństwowych.
Najważniejszym zadaniem niepaństwowych funduszy emerytalnych jest z kolei zwiększanie efektywności zarządzania aktywami w celu osiągnięcia maksymalnej rentowności przy akceptowalnym poziomie ryzyka na inwestowanych środkach inwestorów funduszy. Ponieważ cele te osiągane są przy wykorzystaniu technologii stałodochodowych, największego znaczenia nabierają zadania tworzenia, wdrażania i doskonalenia efektywności technologii zarządzania papierami wartościowymi o stałym dochodzie.
Ze względu na wciąż krótką historię rosyjskiego rynku finansowego z jednej strony i bogate doświadczenie zgromadzone przez zachodnie instytucje finansowe z drugiej strony, największe sukcesy w zarządzaniu aktywami osiągają ci menedżerowie finansowi, którzy racjonalnie korzystają z tego doświadczenia, transfer zachodnich technologii zarządzania aktywami do Rosji, ale jednocześnie uwzględnia specyfikę rosyjskiej gospodarki, mentalności itp.
Do najważniejszych cech rosyjskiego rynku finansowego, zaobserwowanych w ciągu ostatnich pięciu lat jego funkcjonowania, należą: krótka historia;
Wysoka ekspozycja na czynniki zewnętrzne (głównym z nich jest przepływ kapitału zagranicznego);
Wysoki stopień wpływu czynników niesformalizowanych i słabo przewidywalnych;
Duża zmienność ram legislacyjnych.
Cechy te determinują pewne problemy w analizie i prognozowaniu rynków finansowych w Federacji Rosyjskiej. Krótka historia nie pozwala na adekwatne uogólnienie i analizę przestrzeni wydarzeń; niepłynny rynek pozwala jednemu dużemu operatorowi losowo znacząco wpływać na poziom cen; Zmienność ustawodawstwa jest trudna do przewidzenia i często nie odpowiada realiom gospodarczym.
Dlatego też stosowanie większości metod analizy i prognozowania rynków papierów wartościowych, w tym rynków papierów wartościowych o stałym dochodzie, jest praktycznie niemożliwe. Na niepłynnych i słabo płynnych rynkach, jakimi był rosyjski rynek papierów wartościowych o stałym dochodzie przed 1997 r. i w latach 1998-1999, do celów prognoz średnioterminowych nie można zastosować ani klasycznej analizy technicznej, ani klasycznej analizy czynnikowej ze względu na wpływ istniejących, nieprzewidywalnych lub słabo przewidywalnych czynników. Dokładność średnioterminowej prognozy stóp procentowych (na okres dłuższy niż 1 miesiąc) przy prognozowaniu wykorzystuje się najczęściej nowoczesna technologia opartego na wykorzystaniu sieci neuronowych wynosi niecałe 60%, co jest wskaźnikiem niezadowalającym.
Rozumiejąc i akceptując wszystkie powyższe problemy nieodłącznie związane z rosyjskim rynkiem finansowym, rząd rosyjski sukcesywnie liberalizuje w drodze prawa działalność krajowych instytucji finansowych. Przykładem tego jest zezwolenie niepaństwowym funduszom emerytalnym na lokowanie aktywów w wysoce wiarygodne instrumenty zachodnich rynków finansowych.
Dlatego też analiza istniejących technologii zarządzania aktywami na zachodnich rynkach finansowych, identyfikacja ich wad, modyfikacja tych technologii w celu zwiększenia trafności prognozy do dalszego zastosowania na zachodnich rynkach pieniężnych i rynkach kapitałowych, a także dostosowanie do warunków rosyjskich poprawa klimatu inwestycyjnego jest najpilniejszym współczesnym zadaniem zarządzania finansami w Rosji.
Pomimo różnorodności technologii wypracowanych w ciągu wielowiekowej historii zachodnich rynków finansowych, rozwój metod i teorii zarządzania portfelem trwa nadal. Szczególnie potężny impuls do rozwoju i doskonalenia technologii zarządzania portfelem dał przełom w dziedzinie technologii informatycznych. Analiza czynnikowa dużych ilości danych w oparciu o wykorzystanie najnowsze technologie gromadzenie, przechowywanie i szybkie przetwarzanie danych; pojawienie się takich narzędzi jak sieci neuronowe umożliwiło identyfikację nieoczywistych wzorców w gospodarce. Można zauważyć, że obecnie rozwój technologii zarządzania aktywami w istotny sposób zależy od poziomu rozwoju technologii informatycznych. Dlatego, podobnie jak proces doskonalenia technologii informatycznych, proces opracowywania nowych technologii zarządzania aktywami można nazwać ciągłym.
Konieczność doskonalenia istniejących technologii inwestycyjnych, modeli i metod prognozowania w nowoczesne warunki oraz określił temat badań przeprowadzonych w pracy.
Celem pracy jest opracowanie modeli i metod prognozowania stóp procentowych oraz ich zastosowania w zarządzaniu portfelem papierów wartościowych.
Cele opracowania zautomatyzowanego miejsca pracy dla zarządzającego portfelem obligacji to:
Poprawa efektywności zarządzania portfelami papierów wartościowych o stałym dochodzie;
Zwiększenie konkurencyjności spółki/funduszu;
Stworzenie drzewa możliwych decyzji zarządzającego portfelem obligacji na podstawie analizy wszystkich typów strategii inwestycyjnych;
Ocena efektywności wdrożenia i umiejętność porównania różnych strategii inwestycyjnych, w tym klasycznych i nowych;
Podnoszenie kwalifikacji zarządzających portfelami aktywów.
Cele studiów zgodnie z postawionym celem to:
Badanie charakteru celów inwestycyjnych instytucji finansowych i osób prywatnych;
Badanie rodzajów papierów wartościowych o stałym dochodzie, konstrukcja klasyfikacji papierów wartościowych o stałym dochodzie;
Badanie i klasyfikacja strategii inwestycyjnych w zakresie zarządzania portfelem papierów wartościowych;
Określenie przyjętych metod analizy i prognozowania rynków finansowych;
Identyfikacja czynników mających największy wpływ na dynamikę stóp procentowych, określenie znaczenia tych czynników w oparciu o wykorzystanie technologii sieci neuronowych;
Modelowanie struktur stóp procentowych;
Budowa modelu zależności stóp procentowych od istotnych czynników w oparciu o wykorzystanie technologii sieci neuronowych;
Identyfikacja ryzyk związanych ze stosowaniem technologii zarządzania papierami wartościowymi o stałym dochodzie;
Rozwój metod ograniczania ryzyka stosowania technologii zarządzania papierami wartościowymi o stałym dochodzie;
Opracowanie i wdrożenie zautomatyzowanej stacji roboczej (AWS) dla zarządzającego portfelem obligacji;
Przeprowadzenie oceny efektywności stworzonego systemu zarządzania portfelem papierów wartościowych o stałym dochodzie.
Przedmiotem badania jest rynek papierów wartościowych o stałym dochodzie emitowanych w dolarach amerykańskich. W artykule zbadano dynamikę krzywej dochodowości amerykańskich obligacji skarbowych (obligacje, bony i amerykańskie obligacje skarbowe). Przedmiotem badania jest problem Efektywne zarządzanie portfel papierów wartościowych o stałym dochodzie.
Dla badania naukowe W pracy zastosowano metody Analiza statystyczna, badania empiryczne, optymalizacja numeryczna, metody teorii sieci neuronowych, metody rozwiązywania problemów minimaksowych.
1. Technologie przewidywania poziomu stóp procentowych metodą determinacji zależności funkcjonalne pomiędzy kluczowymi czynnikami makroekonomicznymi, ich uśrednionymi wartościami z przeszłości oraz oczekiwaniami inwestorów dotyczącymi poziomu stóp procentowych z wykorzystaniem narzędzi sieci neuronowej;
2. Technologie analizy znaczenia czynników prognozowania stóp procentowych z wykorzystaniem liniowych jednowarstwowych sieci neuronowych;
3. Technologie prognozowania rodzaju przesunięcia (równoległego lub nierównoległego) krzywej dochodowości z wykorzystaniem wieloczynnikowego modelu zależności rodzaju przesunięcia od wskaźników makroekonomicznych (Frankel) oraz z wykorzystaniem narzędzi sieci neuronowych;
4. Metoda określania możliwości stosowania strategii immunizacji portfelowych z wykorzystaniem kryterium immunizacji portfelowej; opracowanie kryteriów szczepień portfelowych;
5. Technologie określania struktury portfela uodpornionego podczas szczepień na dowolny okres.
Wartość praktyczna Praca polega na tym, że opracowany aparat rozwiązywania problemów zarządzania portfelem papierów wartościowych o stałym dochodzie jest w praktyce wykorzystywany przez spółkę zarządzającą NPF do przewidywania jednego z głównych czynników wpływających na rosyjski rynek papierów wartościowych – oprocentowania amerykańskich obligacji skarbowych . Opracowane technologie będą mogły zostać wykorzystane po ostatecznej zmianie przepisów dotyczących kontroli dewizowej, po której rosyjskie fundusze będą mogły działać na międzynarodowych rynkach kapitałowych. Technologie te będzie można także dostosować do rosyjskiego rynku finansowego po przyznaniu Federacji Rosyjskiej ratingu inwestycyjnego przez wiodące zachodnie agencje ratingowe, co będzie oznaczać przybycie nowych inwestorów i kapitału oraz stabilizację rosyjskiego rynku finansowego.
Należy zaznaczyć, że wyniki uzyskane w pracy mogą być wykorzystywane nie tylko przez niepaństwowe fundusze emerytalne, ale także przez zakłady ubezpieczeń, firmy inwestycyjne, banki komercyjne i inwestorów prywatnych na potrzeby zarządzania portfelami papierów wartościowych o stałym dochodzie.
Zakończenie rozprawy na temat „Matematyczne i instrumentalne metody ekonomii”, Shkrapkin, Alexey Vadimovich
Wniosek.
Rozprawa opracowana efektywnie technologia informacyjna zarządzanie portfelem papierów wartościowych o stałym dochodzie. Skuteczność została potwierdzona poprzez testy na rzeczywistych danych rynkowych.
Zgodnie z postawionymi celami pracy rozwiązano następujące zadania:
Przeprowadzono badanie charakteru celów inwestycyjnych instytucji inwestycyjnych i osób prywatnych; Rodzaje celów inwestycyjnych są identyfikowane w zależności od różnych typów inwestorów.
Przeprowadzono badanie rodzajów papierów wartościowych o stałym dochodzie, skonstruowano klasyfikację papierów wartościowych o stałym dochodzie; identyfikowane są papiery wartościowe będące przedmiotem badania;
Przeanalizowano istniejącą klasyfikację strategii inwestycyjnych zarządzania portfelem papierów wartościowych;
Zidentyfikowano i zbadano przyjęte metody analizy i prognozowania rynków finansowych;
Zidentyfikowano ryzyka związane ze stosowaniem technologii zarządzania papierami wartościowymi o stałym dochodzie;
Zidentyfikowano czynniki mające największy wpływ na dynamikę stóp procentowych i przeanalizowano znaczenie tych czynników w oparciu o wykorzystanie technologii sieci neuronowych;
Wyznacza się istniejące modele struktur terminowych stóp procentowych; jeden z istniejących modeli został uzupełniony, w wyniku czego wzrosła dokładność aproksymacji;
W oparciu o wykorzystanie technologii sieci neuronowych skonstruowano model zależności stóp procentowych od istotnych czynników;
Opracowano metody ograniczania ryzyka związanego ze stosowaniem technologii zarządzania papierami wartościowymi o stałym dochodzie, oparte na zastosowaniu zmodyfikowanych strategii immunizacji z zabezpieczeniem przed przesunięciem pozycji;
Opracowano i wdrożono zautomatyzowaną stację roboczą (AWS) do zarządzania portfelem obligacji;
Dokonano oceny efektywności ekonomicznej stworzonego systemu zarządzania portfelem papierów wartościowych o stałym dochodzie.
Uzyskane wyniki pozwalają stwierdzić, że został wykonany kolejny krok w udoskonalaniu i rozwijaniu technologii zarządzania portfelem aktywów o stałym dochodzie. Opracowane technologie pozwolą zarządzającym portfelami Spółki wykorzystując te technologie zwiększyć efektywność zarządzania aktywami.
Lista referencji do badań do rozprawy doktorskiej Kandydat nauk ekonomicznych Shkrapkin, Aleksiej Wadimowicz, 2000
1. Sharp W.F., Alexander G.J., Bailey J.W. Inwestycje M. Infra-M, 1997. - 1024 s.
2. Frank J. Fabozzi Rynki obligacji, analizy i strategie Prentice Hall, 1996.595 s.
3. Frank J. Fabozzi, Franco Modigliani, Rynki kapitałowe: instytucje i instrumenty – Prentice Hall, 1992
4. Frank J. Fabozzi Rynki obligacji, analizy i uczestnicy Prentice Hall, 1994
5. F. M. Reddington Przegląd zasad wyceny biura ubezpieczeń na życie Dziennik Instytutu Aktuariuszy, 1952
6. GO Bierwag, George K. Kaufman, Alden Toevs Strategie szczepień w celu finansowania wielu zobowiązań Dziennik analizy finansowej i ilościowej, 1983
7. Fong i Vasicek Strategia minimalizacji ryzyka w przypadku immunizacji na wielokrotną odpowiedzialność – Journal of portfel Management, wiosna 1987
8. Frank J. Jones Strategie krzywej dochodowości Journal of stałodochodowe, 1 – 1991
9. Robert R. Reitano Wielowymiarowe podejście do teorii immunizacji Rzeczywista izba rozliczeniowa badań, 1990
10. Robert R. Reitano Nierównoległe przesunięcia krzywej dochodowości i uodpornianie Journal of portfel Management, wiosna 1992
11. J.A.Frankel Rynki finansowe i polityka monetarna, MIT Press, Cambridge, 1995
12. I.T.Nabney P.G.Jenkins Wprowadzenie reguł w finansach i marketingu Konferencja na temat eksploracji danych w finansach i marketingu, 1992
13. G. Cybenko Aproksymacja przez superpozycję funkcji sigmoidalnej Matematyka. Sterowanie, sygnały i systemy, 1989
14. C.Dunis Prognozowanie rynków finansowych John Wiley”&Sons, 1997
15. J.M. Keynes Ogólna teoria zatrudnienia, odsetek i pieniądza Macmillan, Londyn, 1936
16. W. Phoa Zaawansowana analityka instrumentów stałodochodowych FJF, 1998
17. Gorban A.N. Trening sieci neuronowych. Moskwa. SP ust. 1990. - 160 s. 18.2. Ogólnorosyjska Konferencja Naukowo-Techniczna „Neuroinformatyka-2000”. Zbiór prac naukowych. W 2 częściach. M.: MEPhI, 2000. 284 s.
18. N. Anderson, F. Breedon Szacowanie i interpretacja krzywej dochodowości Wiley, 1997 220 s.
19. J. W. Smith, E. V. Kuznetsova, Zarządzanie finansami przedsiębiorstwa Kultura prawna, 1995 383 s.
20. D.–E. Bastens, W.-M. Van den Bergh, D. Wood Sieci neuronowe i rynki finansowe, Matematyka finansowa i ubezpieczeniowa 1997 236 s.
21. Vasicek i Beyond Podejścia do budowania i stosowania modeli stóp procentowych -Financial Engineering Ltd., 1996 367c.
22. G.O.Bierwag, Analiza duracji: Zarządzanie ryzykiem stopy procentowej. Cambridge, MA: Ballinger Publishing Company, 1987
23.G.C. Kaufman Pomiar i zarządzanie ryzykiem stopy procentowej: elementarz. Perspektywa ekonomiczna, Bank Rezerw Federalnych w Chicago 1-2 1984
24. R. Litterman, J. Scheinkman Wspólne czynniki wpływające na rentowność obligacji, Journal offixed tax, 6-1991
25. RE Dattatreya, F.J.Fabozzi Aktywne zarządzanie całkowitym zwrotem z portfeli o stałym dochodzie, Probus Publishing, 1989
26. F.Modigliani, R.J.Shiller, Inflacja, racjonalne oczekiwania i struktura terminowa stóp procentowych, Econometrica, 1973
27. Tj. Messmore Czas trwania nadwyżki. Dziennik zarządzania portfelem, zima 1990
28. F.J. Fabozzi Investment Management, Infra-M, 2000
29. K. J. Cohen, R. L. Kramer, W. H. Krzywe rentowności regresji Waugha dla rządowych papierów wartościowych Stanów Zjednoczonych, Management Science, 14, 1966
30. W.T.Carleton, I.A.Cooper, Estymacja i zastosowania struktury terminowej stóp procentowych, Journal of Finance, 4, 1976
31. De Boor, Praktyczny przewodnik po splajnach, Springer-Verlag, Nowy Jork 1978
32. D.I.Meiselman Struktura terminowa stóp procentowych, Prentice Hall, 1962
33. G.S.Shea, Estymacja struktury terminowej stopy procentowej za pomocą wykładniczych splajnów: notatka, Journal of Finance, 1, 1985
34. A. Buhler, H. Zimmermann Analiza statystyczna struktury terminowej stóp procentowych w Szwajcarii i Niemczech. Dziennik stałych dochodów 12-1996.
35. A. Beja Preferencja państwa a stopa procentowa pozbawiona ryzyka: Markowski model rynków kapitałowych. Przegląd studiów ekonomicznych 46, 1979
36. Shkrapkin A.B. Ogólne strategie zarządzania portfelem aktywów. Aktywne, pasywne i pasywno-aktywne strategie portfelowe./Materiały z konferencji naukowej „Reformy w Rosji i problemy zarządzania-97”, numer 3 M.: GAU 1997.
37. Shkrapkin A.V. Strategie strukturyzowania portfela. / Rynek Papierów Wartościowych, 2000, nr 19.
38. Shkrapkin A.V. Podejścia do prognozowania stóp procentowych z wykorzystaniem narzędzi sieci neuronowych. / Technologie bankowe, 2000, nr 12.
Informujemy, że prezentowane powyżej teksty naukowe zostały zamieszczone w celach informacyjnych i zostały uzyskane w drodze rozpoznania oryginalne teksty rozprawy doktorskie (OCR). Dlatego mogą zawierać błędy związane z niedoskonałymi algorytmami rozpoznawania. W Pliki PDF W dostarczanych przez nas rozprawach i abstraktach nie ma tego typu błędów.
Aby przewidzieć dalszą dynamikę pary walutowej, opracowano ogromną liczbę metod. Ilość nie przełożyła się jednak na jakość, a uzyskanie w miarę skutecznej prognozy nie należy do najłatwiejszych zadań. Przyjrzyjmy się czterem najczęstszym metodom prognozowania kursów par walutowych.
Teoria parytetu siły nabywczej (PPP).
Prawdopodobnie najpopularniejszą metodą jest parytet siły nabywczej (PPP). W podręcznikach ekonomii jest ona wymieniana częściej niż inne. Teoria PPP opiera się na zasadzie „prawa jednej ceny”, które głosi, że koszt identycznych towarów w różnych krajach powinien być taki sam.
Przykładowo cena szafki w Kanadzie powinna być zbliżona do ceny tej samej szafki w Stanach Zjednoczonych, biorąc pod uwagę kurs wymiany i bez kosztów wysyłki i wymiany. Oznacza to, że nie powinno być powodu do spekulacji, aby kupować tanio w jednym kraju i sprzedawać drożej w innym.
Zgodnie z teorią PPP zmiany kursu walutowego powinny kompensować . Na przykład w tym roku ceny w Stanach Zjednoczonych powinny wzrosnąć o 4%, w Kanadzie w tym samym okresie - o 2%. Zatem różnica inflacji wynosi: 4% - 2% = 2%.
W związku z tym ceny w USA będą rosły szybciej niż w Kanadzie. Według teorii PPP dolar amerykański musi stracić około 2% na wartości, aby cena tego samego dobra w dwóch krajach pozostała mniej więcej taka sama. Przykładowo, jeśli kurs wymiany wynosił 1 CAD = 0,9 USD, to zgodnie z teorią PPP przewidywany kurs oblicza się w następujący sposób:
(1 + 0,02) x (0,90 USD za 1 CAD) = 0,918 USD za 1 CAD
Oznacza to, że aby zachować zgodność z PPP, cena dolara kanadyjskiego musi wzrosnąć do 91,8 centów amerykańskich.
Najczęstszym przykładem zastosowania zasady PPP jest indeks Big Mac, który opiera się na porównaniu jej ceny w różnych krajach i pokazuje poziom niedowartościowania i przewartościowania waluty.
Zasada względnej stabilności gospodarczej
Sposób tej wędrówki opisano już w samej nazwie. Za podstawę przyjmuje się tempo wzrostu gospodarczego różnych krajów, co pozwala przewidzieć dynamikę kursu walutowego. Logiczne jest założenie, że stabilny wzrost gospodarczy i zdrowy klimat biznesowy przyciągną więcej inwestycji zagranicznych. Aby inwestować, należy zakupić walutę krajową, co w konsekwencji prowadzi do wzrostu popytu na walutę krajową i jej późniejszego wzmocnienia.
Metoda ta nadaje się nie tylko do porównywania stanu gospodarki dwóch krajów. Za jego pomocą można wyrobić sobie opinię na temat obecności i intensywności przepływów inwestycyjnych. Na przykład inwestorów przyciągają wyższe stopy procentowe, aby zmaksymalizować zwrot z inwestycji. W związku z tym popyt na walutę krajową ponownie rośnie i wzmacnia się.
Niskie stopy procentowe mogą ograniczyć napływ inwestycji zagranicznych i pobudzić akcję kredytową w kraju. Tak jest w Japonii, gdzie stopy procentowe zostały obniżone do rekordowo niskiego poziomu. Istnieje strategia handlowa oparta na różnicy stóp procentowych.
Różnica między zasadą względności stabilność ekonomiczna Z teorii PPP wynika, że przy jej pomocy nie da się prognozować wielkości kursu walutowego. Daje tylko inwestorowi główny pomysł o perspektywach wzmocnienia lub osłabienia waluty i sile impulsu. Aby uzyskać więcej Pełne zdjęcie, zasadę względnej stabilności gospodarczej łączy się z innymi metodami prognozowania.
Budowa modelu ekonometrycznego
Bardzo popularną metodą prognozowania kursów walut jest metoda tworzenia modelu opisującego zależność pomiędzy kursem waluty a czynnikami, które w opinii inwestora lub tradera wpływają na jego kształtowanie się. Przy kompilowaniu modelu ekonometrycznego z reguły wykorzystuje się wartości z teorii ekonomii, ale w obliczeniach można wykorzystać dowolne inne zmienne, które mają istotny wpływ na kurs walutowy.
Weźmy na przykład prognozę na nadchodzący rok dla pary USD/CAD. Wybieramy kluczowe czynniki dynamiki pary: różnicę (różnicę) między stopami procentowymi w USA i Kanadzie (INT), różnicę i różnicę między stopami wzrostu dochodów osobistych w USA i Kanadzie (IGR ). Model ekonometryczny w tym przypadku będzie miał postać:
USD/CAD (1 rok) = z + a(INT) + b(PKB) + c(IGR)
Współczynniki a, b i c mogą być ujemne lub dodatnie i pokazują, jak silny jest wpływ odpowiedniego czynnika. Warto zaznaczyć, że metoda jest dość złożona, jednak jeśli dysponuje się gotowym modelem, aby otrzymać prognozę wystarczy po prostu zastąpić nowe dane.
Analiza szeregów czasowych
Metoda analizy szeregów czasowych ma charakter wyłącznie techniczny i nie uwzględnia teorii ekonomii. Najpopularniejszym modelem w analizie szeregów czasowych jest model autoregresyjnej średniej kroczącej (ARMA). Metoda opiera się na zasadzie przewidywania wzorców cen pary walutowej w oparciu o przeszłą dynamikę. Kalkulacja dokonywana jest przez specjalny program komputerowy na podstawie wprowadzonych parametrów szeregu czasowego, w wyniku czego powstaje indywidualny model cenowy dla konkretnej pary walutowej.
Nie ulega wątpliwości, że prognozowanie kursów walut jest zadaniem niezwykle trudnym. Wielu inwestorów po prostu woli zabezpieczać ryzyko walutowe. Inni inwestorzy dostrzegają znaczenie prognozowania kursów walut i starają się zrozumieć czynniki na nie wpływające. Powyższe metody mogą być dobrą pomocą dla takich uczestników rynku.
Do modelowania poziomów stóp procentowych w statystyce wykorzystuje się różnego rodzaju równania, w tym wielomiany różnego stopnia, wykładnicze, krzywe logiczne i inne rodzaje funkcji.
Podczas modelowania poziomów stóp procentowych głównym zadaniem jest wybór rodzaju funkcji, która najdokładniej opisuje trend rozwojowy badanego wskaźnika. Mechanizm wyznaczania funkcji jest podobny do wyboru rodzaju równania przy konstruowaniu modeli trendu. W praktyce do rozwiązania tego problemu stosuje się następujące zasady.
1) Jeżeli szereg dynamiki ma tendencję do monotonicznego wzrostu lub spadku, wówczas wskazane jest zastosowanie funkcji: liniowej, parabolicznej, potęgowej, wykładniczej, hiperbolicznej lub kombinacji tych typów.
2) Jeżeli szereg ma tendencję do szybkiego wzrostu wskaźnika na początku okresu i spadku pod koniec okresu, wówczas wskazane jest zastosowanie krzywych logistycznych.
3) Jeżeli szereg dynamiki charakteryzuje się występowaniem wartości ekstremalnych, wówczas wskazane jest wybranie jako modelu jednego z wariantów krzywej Gompertza.
W procesie modelowania poziomów stóp procentowych bardzo ważne wymaga starannego doboru rodzaju funkcji analitycznej. Tłumaczy się to tym, że trafny opis przebiegu rozwoju wskaźnika zidentyfikowanego w przeszłości decyduje o wiarygodności prognozy jego rozwoju w przyszłości.
Podstawą teoretyczną metod statystycznych stosowanych w prognozowaniu jest własność bezwładności wskaźników, która opiera się na założeniu, że istniejący w przeszłości wzorzec rozwoju będzie kontynuowany w przewidywanej przyszłości. Główną metodą prognozowania statystycznego jest ekstrapolacja danych. Istnieją dwa rodzaje ekstrapolacji: prospektywna, przeprowadzana w przyszłość i retrospektywna, przeprowadzana w przeszłość.
Ekstrapolację należy ocenić jako pierwszy krok w tworzeniu ostatecznych prognoz. Stosując go, należy wziąć pod uwagę wszystkie znane czynniki i hipotezy dotyczące badanego wskaźnika. Ponadto należy zauważyć, że im krótszy okres ekstrapolacji, tym dokładniejszą można uzyskać prognozę.
Ogólnie ekstrapolację można opisać następującą funkcją:
y ja + T = ƒ (y ja , T, za n), (26)
gdzie y i + T – poziom przewidywany;
y i – aktualny poziom przewidywanego szeregu;
T – okres ekstrapolacji;
oraz n jest parametrem równania trendu.
Przykład 3’’. Na podstawie danych z przykładu 3 dokonamy ekstrapolacji na pierwszą połowę 2001 roku. Równanie trendu wygląda następująco: y^ t = 10,1-1,04t.
y8 = 10,1-1,04*8 = 1,78;
y9 = 10,1-1,04*9 = 0,78.
W wyniku ekstrapolacji danych otrzymujemy punktowe wartości prognoz. Zbieżność danych rzeczywistych dla przyszłych okresów z danymi uzyskanymi w drodze ekstrapolacji jest mało prawdopodobna z następujących powodów: funkcja wykorzystywana w prognozowaniu nie jest jedyną funkcją opisującą rozwój zjawiska; prognoza realizowana jest w oparciu o ograniczoną bazę informacyjną, a na wynik prognozy miały wpływ składowe losowe, nieodłącznie związane z poziomami danych początkowych; nieprzewidziane wydarzenia w życiu politycznym i gospodarczym społeczeństwa w przyszłości mogą znacząco zmienić przewidywany trend rozwojowy badanego wskaźnika.
Z uwagi na fakt, że każda prognoza ma charakter względny i przybliżony, przy ekstrapolacji poziomów stóp procentowych celowe jest określenie granic przedziałów ufności prognozy dla każdej wartości y i + T. Granice przedziału ufności pokażą amplitudę wahań rzeczywistych danych przyszłego okresu od przewidywanych. Ogólnie rzecz biorąc, granice przedziałów ufności można wyznaczyć za pomocą następującego wzoru:
y t ±t α *σ yt , (27)
gdzie y t jest przewidywaną wartością poziomu;
t α – wartość ufności wyznaczona na podstawie testu t-Studenta;
σ yt – pierwiastek średniokwadratowy błędu trendu.
Oprócz ekstrapolacji opartej na uporządkowaniu szeregów według funkcji analitycznej, prognozę można przeprowadzić metodą ekstrapolacji w oparciu o średni bezwzględny wzrost i średnią stopę wzrostu.
Pierwsza metoda opiera się na założeniu, że Ogólny trend rozwój poziomu stóp procentowych wyraża funkcja liniowa, tj. następuje jednolita zmiana wskaźnika. Aby określić przewidywany poziom oprocentowania kredytu dla dowolnej daty t, należy obliczyć średni bezwzględny wzrost i zsumować sekwencyjnie o ostatni poziom szeregu dynamiki tyle razy, ile okresów, na które szereg jest ekstrapolowany.
y ja + T = y ja + ∆¯*t, (28)
gdzie i jest ostatnim poziomem badanego okresu, dla którego obliczane jest ∆¯;
t – okres prognozy;
∆¯ - średni bezwzględny wzrost.
Drugą metodę stosuje się, jeśli przyjmie się, że ogólny trend rozwojowy jest wyznaczany przez funkcję wykładniczą. Prognozowanie odbywa się poprzez obliczenie średniego tempa wzrostu podniesionego do potęgi równej okresowi ekstrapolacji.
