Ryža. 9.6. Paritné pásmo úrokové sadzby
schopnosť predvídať zmeny v legislatíve a v podmienkach uzatvárania a plnenia zmlúv.
Je možné rozlíšiť nasledujúce ciele predpovedania výmenného kurzu;
a) riadenie menového rizika.
Tento cieľ je hlavný, ale nie jediný; b) rozhodnutia o krátkodobom financovaní. Mena, v ktorej si požičiavame, musí mať želateľné nízku úrokovú sadzbu a tendenciu oslabovať počas obdobia financovania; c) rozhodnutia o krátkodobých investíciách. Mena, v ktorej vkladáme vklady alebo poskytujeme úvery, by mala mať najvyššiu možnú úrokovú sadzbu a mala by mať tendenciu sa počas investičného obdobia zhodnocovať; d) hodnotenie dlhodobých investičných projektov. Ak sa chystáme investovať peniaze do inej krajiny, potom by mala zodpovedajúca mena ideálne oslabiť. Ak však investujeme prostriedky v rámci našej krajiny na následný vývoz, potom bude žiaduce posilniť zodpovedajúcu menu;
e) hodnotenie dlhodobých pôžičiek. V zásade je prístup rovnaký ako pri krátkodobom financovaní, ale realizácia tohto prognostického cieľa je oveľa náročnejšia; f) riadenie toku príjmov prijatých* do zahraničia. Ak sa mena, v ktorej sa príjem prijíma, posilní, potom by sa mal tento príjem s najväčšou pravdepodobnosťou repatriovať, to znamená vziať „domov“. Ale ak sa predpovedá opačný vývoj kurzu, potom je najlepšie ich reinvestovať v zahraničí.
Vyššie uvedený zoznam cieľov ukazuje veľmi významný vplyv, ktorý môže mať efektívne metódy predpovedanie výmenných kurzov o ziskovosti medzinárodných transakcií. To determinovalo úsilie a prostriedky vynaložené na riešenie problému ich rozvoja. Táto úloha sa stala mimoriadne aktuálnou v súvislosti so zavedením systému plávajúcich výmenných kurzov do svetovej praxe*3 v pol. -70-te roky 20. storočia Odvtedy sa vytvoril pôsobivý arzenál rôznych prognostických metód a nazbierali sa rozsiahle skúsenosti s ich aplikáciou.
Vyvinuté metódy boli založené na teoretických štúdiách o pohybe výmenných kurzov uskutočnených v globálnej finančnej vede za posledné desaťročia, o ktorých sme hovorili vyššie. Za posledných dvadsať až tridsať rokov sa vyvinulo a prakticky otestovalo veľké množstvo metód na hodnotenie budúceho pohybu výmenných kurzov. Sú založené na štyroch základných prístupoch: 1) technické prognózovanie; 2) fundamentálne predpovedanie; 3) prognózovanie založené na očakávaniach trhu; 4) prognózovanie založené na odborných posudkoch.
Prvé dva prístupy pochádzajú z dvoch všeobecne akceptovaných prognostických metód aplikovaných nielen na výmenné kurzy, ale aj na predikciu mnohých ďalších sociálno-ekonomických parametrov. Vlastnosti ich aplikácie na devízových trhoch sú diskutované v tejto časti. Tretí prístup je špecifický pre predpovedanie výmenných kurzov, preto mu bude venovaná osobitná pozornosť. Napokon štvrtý prístup, využívajúci intuitívne názory odborníkov, je celkom zrejmý a nižšie budú uvedené len niektoré pripomienky k vhodnosti jeho použitia.
Prístup založený na technickej prognóze možno formálne prezentovať takto:
e(= a0 + a( x et_, + a2x ec_2 + + a„x ec_“, (9.17)
kde e je zmena výmenného kurzu v prognózovanom období t\
e, -2, ???, e, -„ - zmeny kurzu tej istej meny v obdobiach t - 1, t- 2, ..., t - n)
ak - štatistické (vážiace) koeficienty získané korelačno-regresnými alebo inými metódami (k od 0 do n);
n je počet minulých období, na základe ktorých je prognóza zostavená.
Technická prognóza má v ruštine iný názov, a to prognózovanie na základe časových radov. V súčasnosti sa objavilo niekoľko nových sofistikovaných metód na takéto predpovedanie, ktoré využívajú rôzne nelineárne funkcie minulých a budúcich údajov, grafická analýza kolísanie výmenného kurzu, odborné posúdenie možnosti prenosu niektorých vzorcov pohybu tohto kurzu z predchádzajúcich období, tzv. modely časových radov atď. Často to skutočne umožňuje dosiahnuť uspokojivé výsledky. Tento prístup však vo svojom jadre predpokladá prípustnosť extrapolácie, rozšírenie vývojových trendov konkrétneho javu, ktoré sa vyvinuli v minulosti, do budúcnosti. Z tohto predpokladu vyplývajú jeho možnosti aj obmedzenia. Ekonomická interpretácia prognózy je pomerne jednoduchá, ale akákoľvek výrazná zmena existujúcich trendov sa ukazuje ako škodlivá pre kvalitu prognózovania budúcej hodnoty výmenného kurzu.
Fundamentálne predpovedanie na rozdiel od technických predpovedí nie je založené na extrapolácii minulého trendu zmien samotného výmenného kurzu, ale na štúdiu jeho závislosti od určitých faktorov mimo devízového trhu. V tomto ohľade sa v ruskojazyčnej literatúre často nazýva faktoriál. Vo formálnej forme môže byť tento prístup napísaný takto:
es =aa + akhhi + ... + apxP"(+ap^ +ui.x +- +ap+tut1_i (9.18)
kde xx, ..., xn“ sú faktory ovplyvňujúce devízový kurz, ktorých hodnoty sú tiež predikované na obdobie
y„, _ „ ..., ut,“ _, - faktory ovplyvňujúce devízový kurz, ktorých hodnoty je možné vypočítať na základe skutočných údajov za obdobie t -
n, t - počet faktorov prvej a druhej skupiny.
Identifikácia týchto dvoch skupín faktorov je nevyhnutná, pretože odráža podstatu prístupu k prognózovaniu výmenného kurzu. Konštrukcia faktorových modelov v posudzovanej oblasti by totiž mala vychádzať predovšetkým zo všeobecne uznávaných teoretických úvah o vplyve určitých parametrov na výmenný kurz.
Vyššie diskutovaná teória medzinárodného Fisherovho efektu definuje dvojfaktorový model, v ktorom budúca hodnota výmenného kurzu závisí od porovnateľných mier inflácie a porovnateľnej úrovne úrokových mier v dvoch krajinách, medzi ktorých menami je požadovaný výmenný kurz. je predpovedané. V tomto prípade sa miery inflácie berú za obdobie, na ktoré sa robí prognóza, t. j. samy sa musia predpovedať. Môžete tiež vziať miery inflácie za predchádzajúce obdobie, pre ktoré sú už známe. To si však vyžaduje náležité zdôvodnenie, t. j. určenie toho, čo je štatisticky významnejšie: vzťah medzi pohybom výmenného kurzu a sprievodnými mierami inflácie alebo mierami prevládajúcimi v minulom období a či takéto nahradenie povedie k strate kvalitu predpovede.
Čo sa týka úrokových sadzieb, ktoré sa v tejto teórii považujú za faktor, na prvý pohľad sú platné pre prognózované obdobie a v tomto zmysle sú jasne stanovené už na začiatku obdobia, a preto ich možno interpretovať ako faktor predchádzajúceho obdobia. . Nie je to však celkom pravda. Faktom je, že zvyčajne robíme prognózu vopred, s určitým predstihom, čo znamená, že úrokové sadzby na prognózované obdobie ešte nie sú známe a samotné musia byť predmetom prognózy. Rovnako ako v predchádzajúcom prípade možno za faktor považovať aj sadzby z predchádzajúceho obdobia, tu je však potrebné rovnaké dodatočné odôvodnenie. Využitie fundamentálnej prognózy je teda spojené s množstvom problémov, ktorých stupeň rozlíšenia priamo ovplyvňuje kvalitu prognózy.
Medzi týmito problémami je najprv potrebné venovať pozornosť nasledujúcemu. Prvým je nájsť obdobia, pre ktoré sa faktory berú, v tomto prípade nehovoríme len o prognózovanom období a období, ktoré mu bezprostredne predchádza. Je možné, že kvalita prognózy môže byť vyššia, ak sa použijú skoršie obdobia alebo ak model obsahuje hodnoty toho istého faktora pre niekoľko období: 4 ^ - 1, ? - 2 atď. Toto môže byť obzvlášť vhodné pri vytváraní krátkodobej predpovede, napríklad mesiac alebo týždeň vopred.
Ak sa ukáže, že je opodstatnené použiť hodnoty faktorov v prognózovanom období, potom prirodzene vzniká problém, ako tieto hodnoty získať.
Po vyriešení problémov súvisiacich s určením požadovaného súboru faktorov vznikajú problémy pri konštrukcii korelačnej regresie alebo nejakého iného vzťahu medzi uvažovanými faktormi a požadovanou hodnotou. Zároveň existujú tradičné nebezpečenstvá v procese konštrukcie regresných rovníc a predovšetkým možnosť chýbajúcich nezapočítaných, ale významných faktorov, čo robí model ako celok nie celkom adekvátnym.
Napokon ďalším veľmi významným problémom je stabilita regresných koeficientov získaných ako výsledok výpočtu regresnej rovnice. Nestabilita a variabilita týchto koeficientov môže prameniť z dvoch hlavných dôvodov. Prvým z nich je, že pri zmene množiny použitých faktorov alebo spôsobu výpočtu ich hodnôt (napríklad výpočet danej hodnoty za obdobie t alebo? - 1) sa regresné koeficienty môžu zmeniť, a preto odrážajú nerovnaké elasticita zmien výmenného kurzu pre jeden a ten istý faktor.
Druhý dôvod vyplýva z potreby použiť v určitých prípadoch prediktívne hodnoty faktorov. Takáto predpoveď nemôže byť absolútne presná a navyše je vo väčšine prípadov nevhodné ju spresňovať, napríklad spriemerovať, pretože to vedie k umelému vyhladzovaniu výsledných prognózovaných hodnôt výmenného kurzu, čo odrážať celú zložitosť skúmaného vzťahu.
Aby sme lepšie pochopili poslednú pozíciu a vo všeobecnosti si jasnejšie predstavili spôsoby využitia ekonomickej interpretácie výsledkov fundamentálneho prognózovania, uvedieme príklad.
Zvážte dvojfaktorový základný prognostický model nasledujúceho typu:
ec=a0+axxc+a2y1L, (9,19)
kde x1 je rozdiel v úrokových sadzbách v dvoch krajinách predpovedaný pre obdobie I;
g/(_, - aktuálne za obdobie? - 1 hodnota rozdielu v miere inflácie medzi krajinami.
Predpokladajme, že pre tento model bola získaná štatisticky významná regresná rovnica
e(=0(2-0^c(+O5y(_1. (9,20))
Túto rovnicu možno interpretovať podľa vzorcov (9.6) a (9.11) nasledovne.
Každý percentuálny nárast miery inflácie v niektorej podmienenej „našej“ krajine v porovnaní s mierou inflácie v „inej“ krajine v minulom období vedie k zvýšeniu priameho výmenného kurzu „našej“ meny voči „inej“ mene o 0,5 %. v prognózach - v sledovanom období. Zvýšenie priameho kurzu „našej“ meny, teda zvýšenie ceny cudzej meny, znamená zníženie ceny, oslabenie „našej“ meny.
Na druhej strane každé percentuálne zvýšenie úrokovej sadzby v „inej“ krajine v porovnaní s úrokovou sadzbou v „našej“ krajine v prognózovanom období vedie k znehodnoteniu „našej“ meny o 0,6 % v rovnakom období a zodpovedajúcemu zvýšeniu v cene cudzej meny .
Venujme osobitnú pozornosť záverom získaným vo finančnej teórii* a potvrdeným praxou krajín s vyspelými trhové hospodárstvo. On ss| Ide o to, že zvýšenie úrokovej sadzby v ktorejkoľvek krajine v porovnaní s inými krajinami v určitom období (rok, mesiac) vedie za ostatných okolností k tlaku nahor, t. j. k zvýšeniu ceny mien tejto krajiny. krajiny v rovnakom období. Poznamenávame však, že rovnaký nárast| môže v ďalšom období viesť naopak k tlaku nadol, k znehodnoteniu danej meny? + 1.
Po potrebných vysvetleniach zadáme niektoré počiatočné hodnoty! do faktorového modelu. Predpokladajme, že skutočná hodnota rozdielu medzi | miera inflácie v dvoch uvažovaných krajinách v období 1 bola! 1 %. To znamená, že miera inflácie u nás bola vyššia. Poďme to spraviť! rovnaké predpoklady týkajúce sa rozdielov v úrokových sadzbách získané ako výsledok niektorých výpočtov pre prognózované obdobie. Tieto hodnoty sú zadané| sú určené nie jedným číslom, ale ich určitým súborom, rozdelením s označením! Pre každý z nich definujeme pravdepodobnosť implementácie. Zodpovedajúce údaje sú uvedené v tabuľke. 9.4. |
Tabuľka 9.І Prognózované hodnoty rozdielu úrokových sadzieb Číslo prognózovanej možnosti Hodnota prognózy pre opciu, % Pravdepodobnosť realizácie opcie, % 1 -4 10 2 -5 60 3 -6 30 Ako je zrejmé z tabuľky. 9.4, vo všetkých možnostiach je úroková sadzba v „našej* krajine nižšia ako v „inej“, ale možná veľkosť rozdielu nie je rovnaká. Okrem toho je aj pravdepodobnosť realizácie každej možnosti iná. Zdôrazňujeme, že tento princíp prezentovania prognózovaných informácií je pomerne bežný a navyše korešponduje s modernými predstavami o finančnom riziku ako objektívne existujúcej neistote budúcich výsledkov a mnohých ďalších ekonomických parametrov.
Výsledky prognózy výmenného kurzu budú prezentované aj v troch variantoch, ktoré sú uvedené v tabuľke. 9.5.
Ako je možné vidieť z tabuľky. 9.5, vyššia miera inflácie aj nižšie úrokové sadzby v „našej“ krajine vedú k oslabeniu „našej“ meny, čo v závislosti od možnej veľkosti poklesu úrokových sadzieb, presnejšie povedané, od predpokladanej miery ich oneskorenie od úrovne úrokových sadzieb v „inej“ krajine môže byť so 60 % pravdepodobnosťou 3,7 %,
Tabuľka 9.5
Predpokladané hodnoty kurzu Číslo možnosti „„ + “L,., „A e, Pravdepodobnosť realizácie opcie, % 1 0,7 2,4 z 10 2 0,7 3,0 3,7 60 3 0,7 3,6 4,3 30 a tiež 4,3 % - s a pravdepodobnosť 30% a 3,1% - s pravdepodobnosťou 10%. Je možné vypočítať aj nejakú priemernú hodnotu ( očakávaná hodnota) zmeny výmenného kurzu 3.1
x 0,10 + 3,7 x 0,60 + 4,3 x 0,30 = 3,82.
Táto hodnota nastane, ak sa zrealizuje priemerná, matematicky očakávaná prognózovaná hodnota medzery v úrokových sadzbách, rovná 5,2 %.
Prejdime teraz k tretiemu prístupu v oblasti prognózovania výmenného kurzu, ktorý je veľmi odlišný od prvých dvoch, pretože používa zásadne odlišnú metodiku a techniku na výpočty prognóz. Tento prístup je založený na použití teórie úrokovej parity. Hlavným problémom jej aplikácie na prognózovanie je miera zhody medzi forwardovým kurzom a budúcim spotovým kurzom. Zásadnú možnosť zhody alebo dostatočnej blízkosti na predpovedanie týchto sadzieb určujú nasledujúce dve okolnosti.
Prvým je, že forwardový kurz je hodnota odvodená od trhových očakávaní o budúcom aktuálnom kurze bánk a iných firiem poskytujúcich forwardové služby. Špecialisti týchto bánk a firiem majú najlepšie poznanie príslušné devízové trhy, keďže na nich pôsobia profesionálne, a navyše majú záujem minimalizovať rozdiel medzi vypočítanými forwardovými a skutočnými spotovými kurzami, ktoré vzniknú v budúcnosti, keďže sa tým znižuje riziko poskytovania forwardových služieb.
Druhou okolnosťou je, že konvergenciu budúcich a budúcich aktuálnych sadzieb zabezpečujú procesy samoregulácie trhu. Tá je založená na menovo-úrokovej arbitráži: z teoretického hľadiska je možné dosiahnuť nulovú ziskovosť arbitrážnych operácií, čo znamená rovnovážny stav uvažovaného segmentu trhu. Samozrejme, úplná rovnováha alebo, ako sa bežne hovorí, stav dokonalého finančného trhu je dosiahnuteľný len v ideálnom prípade. Miera dosiahnutia rovnováhy však určuje mieru opodstatnenosti použitia metódy predpovedania výmenného kurzu na základe trhových očakávaní.
Prejdime teraz k problémom praktického využitia opísaných metód, berúc do úvahy reálne obmedzenia, ktoré existujú v ekonomickom systéme.
V mnohých krajinách sa uskutočnil rozsiahly výskum kvality prognóz získaných rôznymi metódami. Pri celkovom hodnotení výsledkov týchto štúdií je potrebné poukázať na dva hlavné závery. Po prvé, žiadne z metropol neposkytuje úplne presné predpovede v štatistickom zmysle. Takmer vždy existuje štatisticky významná odchýlka v prognostickom hodnotení v porovnaní so skutočným. Po druhé, predpovede založené na trhových očakávaniach priniesli vo väčšine štúdií najmenšiu zaujatosť.
Pri zdôrazňovaní toho, že táto metóda dáva v priemere minimálnu chybu prognózy, je potrebné zdôrazniť, že to nepopiera, že za určitých okolností je vhodné použiť iné metódy. O krátke obdobia predpovedanie (deň, týždeň), metóda technického predpovedania sa stáva vhodnejšou, už len z toho dôvodu, že v budúcnosti! kah rozvinuté krajiny Na také krátke obdobia jednoducho nie sú k dispozícii žiadne reprezentatívne kotácie úrokových sadzieb. S predlžujúcim sa trvaním týchto období (rok alebo viac) sa makroekonomické faktory pohybu výmenných kurzov stávajú zreteľnejšími, a preto sa stáva dôležitejším aj metóda fundamentálneho predpovedania.
Treba mať na pamäti aj to, že pre praktické uplatnenie Prognostická metóda založená na trhových očakávaniach musí spĺňať tri základné podmienky, za ktorých funguje: 1) neexistujú dostatočne významné obmedzenia pohybu peňazí medzi príslušnými trhmi; 2) prevažná väčšina devízových transakcií má čisto finančný charakter a neslúži procesom pohybu tovaru ani poskytovaniu nefinančných služieb; 3) komerčné banky zohrávajú na trhu rozhodujúcu úlohu, v každom prípade ich celkové finančné pozície nie sú nižšie ako pozície centrálnych bánk krajín, na ktorých trhoch sa tento prístup uplatňuje. Vyššie uvedené podmienky sú splnené pre krajiny s rozvinutou trhovou ekonomikou, čo určuje zásadnú možnosť prognózovania na základe tejto metódy.
Veľkosť: px
Začnite zobrazovať zo stránky:
Prepis
1 18 S.A. Polujachtov, V.A. Spoločnosť Belkin S.A. Polujachtov, V.A. Cykly úrokových sadzieb Belkin UDC Kondratiev ako základ predpovedania ich dynamiky Abstrakt. Článok na základe rozsiahleho štatistického materiálu dokazuje hypotézu, že cyklické výkyvy úrokových sadzieb bánk na úvery sú determinované cyklami slnečnej aktivity. Na tomto základe je možné predpovedať úrokovú mieru v strednodobom a dlhodobom horizonte a následne aj budúci stav globálnej a ruskej ekonomiky. Zhrnutie. Rozsiahly štatistický materiál pomohol autorom potvrdiť hypotézu, že cyklické výkyvy úrokovej sadzby bankového úveru sú determinované slnečnými cyklami. Tieto skutočnosti umožňujú predpovedať úrokovú sadzbu v strednodobom a dlhodobom horizonte a následne predpovedať budúcu ekonomickú situáciu vo svete aj v Rusku. Kľúčové slová. cyklickosť úrokovej sadzby banky, cykly slnečnej aktivity, cyklický vývoj ekonomiky, predpovedanie hospodárskych kríz, predpovedanie úrokovej sadzby banky. Kľúčové slová. Cyklické výkyvy úverovej úrokovej sadzby banky, solárne cykly, cyklický vývoj ekonomiky, prognóza hospodárskej krízy, prognóza úrokovej sadzby bánk. Globálna finančná kríza opäť odhalil problém neadekvátneho predpovedania hlavného ekonomické ukazovatele a v dôsledku toho príliš optimistický pohľad vlád rôznych krajinách o budúcej ekonomickej situácii vo svete. Jednou z príčin tohto stavu je nedostatok prognóz pre jeden z najdôležitejších ekonomických ukazovateľov úrokovej sadzby bánk. S. Moiseev vo svojom článku „O prognóze úrokových sadzieb“ poznamenáva, že „zatiaľ čo úrokové sadzby v zahraničí sú dobre predvídateľné aj bez predpovedí centrálnej banky, v Rusku je nedostatok informácií o budúcej dynamike peňažného trhu. Veštenie úrokových sadzieb je jednou z najkomplexnejších analýz a odhady budúcich sadzieb spravidla nie sú zahrnuté v konsenzuálnych prognózach a prieskumoch profesionálnych prognostikov.“ Bez možnosti získať percentuálnu predpoveď z oficiálne zdroje, mnohí ekonómovia sa ju rozhodnú predpovedať sami. Prognostické metódy, ktoré sú dnes dostupné, sú však buď príliš primitívne, alebo tak náročné na prácu, že sú pre väčšinu z nich nedostupné. Preto navrhujeme vyvinúť metódu predpovedania úroku, založenú na jej spojení s cyklami slnečnej aktivity (ďalej len SA), ktorá poskytne presnejšiu predpoveď bez akýchkoľvek prácne výpočtov, čo umožní jej využitie napr. akýkoľvek ekonomický subjekt. HODNOTA GLOBÁLNEHO SPRIEVODCU č.11
2 Kondratieffove cykly úrokových mier Ako východisko prijímame hypotézu V.A. Belkin, že „cyklické výkyvy hlavných makroekonomických ukazovateľov, ako je miera nezamestnanosti, miera inflácie a priemerná úverová miera, výmenný kurz národnej meny, deficit (prebytok) konsolidovaného rozpočtu, sú určené cyklami slnečnej aktivity. Na testovanie tejto hypotézy za obdobie od roku 1947 do júla 2010 sme vzali priemerné ročné údaje o počtoch vlkov, ktoré sú úmerné počtu škvŕn na slnečnom disku a charakterizujú SA. V tom istom období sa za bankovú úrokovú sadzbu, ktorá ovplyvňuje stav svetovej ekonomiky, brala základná sadzba (úroková sadzba najbližšie k bezrizikovej sadzbe). Ďalej sme zostrojili grafy zmien týchto ukazovateľov v čase (obr. 1). Ako ukazuje tento graf, od roku 1968 je cyklický charakter základnej sadzby do značnej miery určovaný cyklami CA. Ryža. 1. Dynamika zmien v priemerných ročných Wolfových číslach a prime rate Za zmienku stoja niektoré črty cyklického charakteru SA a prime rate. Rastová fáza SA teda trvá v priemere 4 roky a klesajúca fáza 7 rokov, celkové trvanie cyklu je v priemere 11 rokov. To znamená, že cyklus SA má prudký nárast a plynulý pokles. Zároveň počas rastovej fázy SA nastáva aj fáza rastu bankovej úrokovej sadzby a keď cyklus SA dosiahne svoj vrchol, úroková sadzba okamžite alebo po 1 roku tiež dosiahne svoju maximálnu hodnotu. Počas fázy znižovania BÚ klesá aj úroková sadzba banky. Približne jeden až dva roky pred ďalším minimom BÚ však úroková sadzba banky dosiahne svoje ďalšie maximum. Zatiaľ nevieme presne určiť dôvod opakovaného cyklu bankovej sadzby v rámci cyklu SA a môžeme len vyslovovať domnienky či hypotézy. EKONOMIKA
3 20 S.A. Polujachtov, V.A. Belkin Aby sme sa zbavili vplyvu krátkodobých výkyvov primárnej sadzby, boli priemerné hodnoty analyzovaných ukazovateľov vypočítané podľa rokov v inflexných bodoch krivky cyklu SA a boli skonštruované zodpovedajúce grafy (obr. 2). . Z tohto diagramu je vidieť, že 11-ročné cykly CA sa dostatočne zhodujú s cyklami bankových úrokových sadzieb (korelačný koeficient je 79 %), ktoré sa zhodujú s cyklami C. Juglara. To znamená, že zvýšenie SA vedie k zvýšeniu základnej sadzby a v dôsledku toho nanajvýš k hospodárskej kríze. Práve cyklická aktivita slnka je teda kľúčovým faktorom určujúcim zmeny úrokových sadzieb bánk. Identifikovaná súvislosť tiež prezrádza skutočný dôvod cyklický charakter tohto ukazovateľa a vývoj svetovej ekonomiky ako celku. Ukážme, že také sadzby ako LIBOR, EURIBOR sa menia takmer synchrónne s primárnou sadzbou. Ukážeme teda, že cykly CA určujú dynamiku úrokových sadzieb bánk na celom svete, nielen v Spojených štátoch. Ryža. 2. Dynamika zmien priemerných ročných Wolfových čísel a prime rate v inflexných bodoch (extrémach) krivky slnečnej aktivity Na štúdium vzťahu medzi primárnymi sadzbami a LIBOR bola zvolená sadzba LIBOR pre úvery do 1 roka Obr. . Hodnoty preň boli prevzaté z webovej stránky ekonomických štatistík MORTGAGE-X. Nasleduje diagram, ktorý prehľadne ukazuje dynamiku synchrónnych zmien priemerných ročných hodnôt základnej sadzby a sadzieb LIBOR (za obdobie do jedného roka) (obr. 3). HODNOTA GLOBÁLNEHO SPRIEVODCU č.11
4 Kondratieffove úrokové cykly Obr. 3. Dynamika zmien priemerných ročných hodnôt prime rate a LIBOR (do jedného roka) Na štúdium vzťahu medzi prime rate a EURIBOR bola zvolená sadzba EURIBOR pre úvery do jedného roka. Hodnoty boli prevzaté z webovej stránky ItIsTimed. Ďalej sme zostrojili diagram, ktorý jasne ukazuje dynamiku vysoko synchrónnej zmeny priemerných ročných hodnôt základnej sadzby a sadzieb EURIBOR (na obdobie do jedného roka) (obr. 4). In Sadzba EURIBOR sa menila synchrónne s hlavnou sadzbou, avšak s časovým oneskorením približne 1 roka. Ryža. 4. Dynamika zmien priemerných ročných hodnôt prime rate a EURIBOR (na obdobie do jedného roka) E C O N O M I C A
5 22 S.A. Polujachtov, V.A. Belkin Uvedené diagramy jasne a presvedčivo dokazujú vysoký stupeň synchronicity zmien hlavných medzinárodných úrokových sadzieb LIBOR a EURIBOR a základnej sadzby. Nami preukázané spojenie medzi CA a základnou sadzbou je teda možné rozšíriť aj na ďalšie úrokové sadzby, najmä LIBOR a EURIBOR. Na základe získaného výsledku, ako aj prognózy pre 24. cyklus SA (obr. 5) je možné vypracovať prognózu pre hodnotu prime rate. Ďalší vrchol SA sa očakáva v roku 2013, a preto môžeme očakávať zvýšenie základnej sadzby do roku 2013 a v roku 2013. Predpovedáme ďalšie maximum tejto sadzby a následnú globálnu finančnú krízu. Samozrejme, skutočná aktivita Slnka v 24. cykle sa môže líšiť od predpovedanej, keďže tieto cykly sa trochu líšia v trvaní (9-11 rokov). V tomto prípade dôjde k určitému zodpovedajúcemu časovému posunu v stanovenom dátume najbližšieho vrcholu hlavných sadzieb a globálnej hospodárskej krízy. Ryža. 5. Predpoveď 24. cyklu slnečnej aktivity Na Obr. Obrázok 5 ukazuje, že ďalšie minimum SA by malo nastať okolo roku 2020. Následne dôjde k ďalšiemu zvýšeniu úrokových sadzieb okolo roku 2018, po ktorom bude nasledovať ďalšie zvýšenie v rokoch 2019 a 2020. spomalenie rastu reálneho HDP USA alebo hospodárska kríza. Aby sme mohli presnejšie predpovedať hodnotu primárnej sadzby v roku 2013, obráťme sa na vlnovú teóriu N. Kondratieva, na základe ktorej je identifikovaných 5 ekonomických cyklov v dĺžke približne jedného roka: o problematike č. 11
6 Kondratieffove cykly úrokových mier sa pohybujú od roku 1790 do . 2 cyklus od do gg. 3 cyklus od do gg. 4 cyklus od do gg. Cyklus 5 s cyklami Kondratieff podlieha všetkým hlavným makroekonomickým ukazovateľom, vrátane základnej úrokovej sadzby banky. Zároveň na konci cyklu rýchlosť dosiahne svoju maximálnu hodnotu. Aby sme potvrdili našu hypotézu, analyzujme diagram uvedený na obr. 1. Ukazuje, že predposledné minimum ekonomických ukazovateľov svetovej ekonomiky bolo v roku 1982 a bolo sprevádzané maximom v bankovej úrokovej sadzbe, ktorú navrhujeme nazvať Kondratieffovo maximum základnej sadzby (K-rate). Pred K-rate došlo k zvýšeniu základnej sadzby po poklese. Navrhujeme nazvať tieto cykly veľkými cyklami základnej sadzby. Podľa výskumu japonského vedca Shimanaka Yujiho, potvrdeného Japonským ekonomickým výskumným centrom (JERC) a publikovaným v The Wall Street Journal, sa jeden Kondratieffov cyklus rovná piatim cyklom SA, čiže 55 rokom. Na základe tejto teórie a skutočnosti, že v období rokov 1982 až 2010 prebehli dva cykly SA, možno predpokladať, že rok 2010 je inflexným bodom veľkého cyklu prime rate a jeho rast bude pozorovaný aj v budúcnosti. V dôsledku toho bude lokálna maximálna primárna sadzba v roku 2013 vyššia ako lokálne maximum tohto ukazovateľa v roku 2009 a bude približne na úrovni lokálneho maxima v roku 2000. Prime rate tak v roku 2013 dosiahne svoje ďalšie strednodobé maximum v strednodobom horizonte na úrovni 8-9 %, čo s vysokou pravdepodobnosťou povedie k ďalšej globálnej finančnej kríze (obr. 6). Ryža. 6. Kondratievov cyklus základnej sadzby a jeho prognóza do roku 2020 E K O M I C A
7 24 S.A. Polujachtov, V.A. Belkin Podobne aj lokálne maximum základnej sadzby v roku 2018 bude vyššie ako lokálne maximum tohto ukazovateľa v roku 2013, ale nižšie ako lokálne maximum tohto ukazovateľa v roku 1989, to znamená, že jeho hodnota bude približne na úrovni 10 % (obr. 6). Vzhľadom na to, že zmeny základnej sadzby sú synchrónne so zmenami úrokových sadzieb LIBOR a EURIBOR, môžeme očakávať zodpovedajúce zvýšenie týchto sadzieb na 6 %, resp. 5 % v roku 2013 a LIBOR na 8,5 % v roku 2018. Od roku 2003 dochádza v dôsledku globalizácie svetovej ekonomiky a vysokého zapojenia ruskej ekonomiky do nej k synchronizácii amerického HDP a ruského HDP s vyššou volatilitou ruského HDP. V dôsledku toho zmena základnej sadzby nevyhnutne vedie k podobnej zmene úrokovej sadzby ruských bánk na pôžičky, preto sa do roku 2013 v Rusku zvýši aj úroková sadzba bánk na pôžičky poskytnuté právnickým osobám na obdobie do 1 roka. zvýšenie na úroveň roku 2000 a vo výške 18 -20 % ročne. Maximálna slnečná aktivita bude naďalej viesť k zvýšeniu úrokových sadzieb ruských bánk na pôžičky, a teda k ďalšej finančnej kríze. Získaný výsledok je mimoriadne dôležitý nielen pre vládnych činiteľov, ale aj pre celé ekonomicky aktívne obyvateľstvo, keďže na jeho základe je možné robiť dlhodobé investičné rozhodnutia a objektívne hodnotiť budúci vývoj ekonomiky krajiny. Na vysvetlenie dôvodu identifikovaného spojenia možno uviesť výskum veľkého ruského vedca A. Čiževského, ktorý tvrdil, že psychopatické epidémie, panické nálady, masová hystéria, halucinácie atď., Ako aj modifikácia nervovej excitability neuropsychického tónu sú v úzkom spojení s cyklami SA. Cyklické výkyvy vo vyššie uvedených sentimentoch pesimizmu a optimizmu vedú k cyklickým výkyvom vo výške rizikovej platby, ktorá je zohľadnená v úrokovej sadzbe, a k jej cyklickým výkyvom. Takže ako výsledok tejto štúdie: Na príklade základnej sadzby bol odhalený vysoký stupeň prepojenia medzi CA cyklami a bankovou úrokovou sadzbou; Navrhuje sa zaviesť do vedeckého obehu koncepty Kondratieffovho cyklu bankovej sadzby (na príklade základnej sadzby) a Kondratieffovho maxima (minimum) tejto sadzby; Bola vypracovaná strednodobá a dlhodobá prognóza budúcej maximálnej základnej sadzby a globálnych finančných kríz; Ukazuje sa vysoký stupeň synchronicity v dynamike základnej sadzby, sadzieb LIBOR, EURIBOR; Bola vypracovaná strednodobá prognóza ďalších maximálnych sadzieb LIBOR, EURIBOR a ruskej úrokovej sadzby z úverov v roku 2013. HODNOTA GLOBÁLNEHO SPRIEVODCU č.11
8 Kondratieffove cykly úrokových sadzieb Literatúra 1. Moiseev S. „O prognóze úrokovej miery“ URL: post/124329/ 2. Belkin V. A. Vzájomný vzťah cyklov slnečnej aktivity a cyklov hlavných makroekonomických ukazovateľov // Sociálno-ekonomický vývoj Rusko v pokrízovom období: národné, regionálne a podnikové aspekty: zber. m-lov 27 int. vedecko-praktické konferencia 1. časť, Čeľabinsk: UrSEI AT a SO, S; 3. Štatistické údaje z Centra pre analýzu údajov o vplyve Slnka (Belgicko) URL: 4. Údaje zo stránky ekonomických štatistík MORTGAGE-X URL: com 5. Údaje zo stránky ItIsTimed URL: php 6. Výskumné materiály NASA URL: solnechnyiy-prognoz/ 7. Korotaev A.V., Tsirel S.V. Kondratiev vlny v globálnej ekonomickej dynamike / Monitorovanie systému. Globálny a regionálny rozvoj / Zodpovedný. vyd. D. A. Khalturina, A. V. Korotajev. M.: Librocom/URSS, C URL: cliodynamics.ru/download/m02korotayev_tsirel_kondratyevskie_volny.pdf 8. The Union of Intelligible Associations // Configuring: Transformative policy cycles (9. Chizhevsky A.L. Terrestrial echo of solar storms. M.: 2nd ed. Myšlienka, str E K O N O M I K A
Bulletin Čeľabinskej štátnej univerzity. 2011. 6 (221). ekonomika. Vol. 31. S. 39 43. CYKLY SLNEČNEJ AKTIVITY AKO ZÁKLAD CYKLOV BANKOVÝCH ÚROKOVÝCH SADZIEB Na základe rozsiahleho štatistického materiálu
Bulletin Čeľabinskej štátnej univerzity. 1. (). ekonomika. Vol. 3. S. 1. Veľké cykly slnečnej aktivity ako základ veľkých cyklov Kondratieffovej konjunktúry Bolo odhalené silné prepojenie medzi veľkými cyklami
Bulletin Čeľabinskej štátnej univerzity. 2011. 36 (251). ekonomika. Vol. 35. S. 23 27. VÝVOJ TEÓRIE CYKLICKÝCH VÝKYVOV INFLÁCIE A NEZAMESTNANOSTI NA ZÁKLADE ICH PREPOJENIA S CYKLMI SLNEJ AKTIVITY
Vladimír Alekseevič Belkin Čeljabinská pobočka Ekonomického inštitútu, Uralská pobočka Ruskej akadémie vied CYKLY PRIEMYSELNEJ VÝROBY V RUSKU A SLNEČNÁ AKTIVITA: MECHANIZMUS A FAKTY SILNEJ SPÄTNEJ VÄZBY (1861 2013) V článku
MDT 336,71 FAKTOROVÁ ANALÝZA ÚROVNE MONETIZÁCIE EKONOMIKY NA ZÁKLADE EKONOMICKÝCH A ŠTATISTICKÝCH MODELOV S. V. MISHCHENKO, kandidát ekonomických vied, docent Katedry financií E-mail: s-mischenk@mail. ru univerzita
Hospodárska kríza v Rusku je hlbšia ako v USA, metodika hodnotenia dôsledkov ekonomických kríz Abstrakt Ako určiť trvanie a hĺbku ekonomických cyklov a kríz? Autor na to reaguje
1.5 Makroekonomická dynamika. Inflácia. Teória ekonomických cyklov 1.5.1 Inflácia je dlhodobý proces udržateľného rastu všeobecnej cenovej hladiny, ktorý vedie k poklesu kúpnej sily peňazí.
T. Gorshkova, S. Drobyshevsky, M. Turuntseva, M. Khromov Makroekonomická prognóza na rok 2017 2019: rast nie vyšší ako 1,0 1,5 % Výsledky 1. polroka 2017 na jednej strane potvrdzujú vyššie uvedené predpoklady
Financie, peňažný obeh a úver 247 Vplyv úrokových mier na dynamiku štruktúry aktív a pasív komerčných bánk 2009 P.S. Moskovská štátna univerzita Bardaeva. M.V. Lomonosov
Grishina E.N., Ph.D., docentka Katedry IT a štatistiky, Štátna poľnohospodárska akadémia Vjatka Rusko, Kirov Trusova L.N., Ph.D., docentka Katedry histórie a filozofie Štátna Vjatka
V. Averkiev, S. Drobyshevsky, M. Turuntseva, M. Khromov Prognóza na rok 2016 2017: ekonomika sa dostáva do stabilizačného pásma Vývoj situácie v prvom štvrťroku. 2016, najmä zníženie cien ropy na minimum
TLAČOVÁ POZNÁMKA KU KAPITOLE 3: MAKROEKONOMICKÉ VPLYVY FIŠKÁLNEJ KONSOLIDÁCIE BUDE BOLÍ? Svetový ekonomický výhľad október 2010 Pripravil: Daniel Lee (vedúci tímu),
Averkiev V., Drobyshevsky S., Turuntseva M., Khromov M. Prognóza scenára sociálno-ekonomického vývoja Ruskej federácie v rokoch 2017 2018. (január 2017) V treťom štvrťroku 2016 začala ruská ekonomika cyklickú fázu
UDC 311.2:364.2 Kapelyuk S.D., Siberian University of Consumer Cooperation, Novosibirsk Ekonomické a štatistické modely pri prognózovaní životnej úrovne obyvateľstva Predpovedanie životnej úrovne obyvateľstva
42 Základy ekonómie, manažmentu a práva 5 (5) FINANCIE, PEŇAŽNÝ OBEH A ÚVER MDT 336,77:338,43 V.N. Domračev, E.V. Skaletskaya* MODERNÉ TRENDY V BANKOVÝCH ÚVEROCH POĽNOHOSPODÁRSKYM PODNIKOM
3. HOSPODÁRSKY CYKLUS. NEZAMESTNANOSŤ KONCEPCIA HOSPODÁRSKEHO CYKLU Ekonomický cyklus je vzostupmi a pádmi v ekonomike, ktoré sa periodicky opakujú v priebehu niekoľkých rokov. Ekonomický cyklus - periodický
6. Tatarkin, A. Štrukturálna reštrukturalizácia priemyslu ako prvok dlhovlnného procesu / A. Tatarkin, O. Romanová, M. Filatová // Federalizmus. 2. 4. 7. Kondratyev, V. Priemyselná politika alebo politika
V. Averkiev, S. Drobyshevsky, M. Turuntseva, M. Khromov Prognóza scenára sociálno-ekonomického vývoja Ruskej federácie v rokoch 206-208. (jún 206) Makroekonomická prognóza pre najpravdepodobnejšie scenáre v roku 206 208
16 O správaní mediánu Kondratieffových cyklov N. V. Mityukov Článok analyzuje dynamiku zmien asymetrie Kondratieffových cyklov. Predpokladá sa, že cykly samotné podliehajú harmonickej
ISSN 2079-8490 Elektronické vedecká publikácia„Vedecké poznámky Tomskej štátnej univerzity“ 2017, zväzok 8, 3, s. 92 96 Certifikát El FS 77-39676 zo dňa 5.5.2010 http://pnu.edu.ru/ru/ejournal/about/ [e-mail chránený] MDT 378.147.091.3 (571.6)
POLUYAHTOV STANISLAV ANDREEVICH ZNAKY CYKLICKÝCH VÝKYVOV ÚROKOV Z PÔŽIČIEK V EKONOMICKÝCH SYSTÉMOCH Špecializácia: 08.00.01-Ekonomická teória (všeobecná ekonomická teória) ABSTRAKT dizertačnej práce
Mesačný analytický prehľad URALSIB Bank121 Júl 2011 2 Globálna prognóza, umiestnenie portfólia Jún, ako sme očakávali v našom poslednom mesačnom prehľade, bol ďalším mesiacom poklesu
1002 MDT 330.4 VÝPOČET UKAZOVATEĽOV VÝVOJA DYNAMIKA EKONOMICKÝCH PROCESOV UKAZOVATEĽOV VÝPOČET EKONOMICKÝCH PROCESOV DYNAMICKÝ VÝVOJ Sudarkina E.S. Juhoruský inštitút manažmentu, pobočka ruštiny
UDC 33 Kuznetsov S.A., docent, Voronezh State Forestry University pomenovaná po. G.F. Morozova“ Zabudkov V.A., magisterský študent Voronež, Rusko „Voronežské štátne lesné inžinierstvo
37 MDT 336,71 PROGNÓZA VÝŠKY POŽADOVANÝCH REZERV KOMERČNEJ BANKY I.D. Štátna chemicko-technologická univerzita Kuznetsova Ivanovo Yu.E. Štátny textilný závod Panueva Ivanovo
Národná banka Bieloruskej republiky MONITOROVANIE PODMIENOK BANKOVÝCH ÚVEROV Analytický prehľad január marec Minsk 2 V rámci analýzy úverového trhu Národnou bankou sa vykonáva
MDT 365.282 Nour M.V., študent, skupina STm-14 Popova I.V., docent, Ph.D. Federálna štátna rozpočtová vzdelávacia inštitúcia vysokoškolského vzdelávania „Štátna univerzita architektúry a stavebníctva v Penze“, Penza, Rusko VÝSKUM VÝVOJOVÝCH TRENDOV
124 T.A. Zelenina T.A. Zelenina [e-mail chránený] MDT 519.8:336.77:005.334 Prognóza kreditného rizika komerčnej banky ABSTRAKT. Článok prezentuje výsledky predikcie rizika klienta
MDT 336,69 TRENDY VO VÝVOJI SVETOVÉHO FINANČNÉHO SYSTÉMU Belukhin V.V., Kharchenko A.A. Neštátne akreditované neziskové súkromné vzdelávacia inštitúcia vysokoškolské vzdelanie „Akadémia marketingu
Test z "Makroekonómie" Metodické odporúčania na prípravu skúšobná práca pre študentov 1. Možnosť testu je určená poslednou číslicou študentského preukazu (kódu)
MDT: 33(075,8) PRAVIDLÁ A MODERNÉ TRENDY VO VÝVOJI SVETOVEJ EKONOMIKY: FAKTORY URČUJÚCE DYNAMIKU A SMER VÝVOJA INOVÁCIÍ Alexey Vasilievich Tebekin, doktor technických vied, doktor ekonómie. Sc., prof.,
NovaInfo.Ru - 46, 2016 Ekonomické vedy 1 INFLÁCIA: KONCEPCIA, TYPY A DYNAMIKA. Yamurova Aliya Rafisovna Inflácia - znehodnotenie bezhotovostných papierových peňazí Peniaze sprevádzané rastúcimi cenami
Fed rate Bullish 12/07/2016 Americký Federálny rezervný systém je nezávislá federálna agentúra vytvorená v roku 1913 ako regulátor bankového systému krajiny. Vykonáva funkcie
Bulletin Čeľabinskej štátnej univerzity. 213,15 (36). ekonomika. Vol. 41. S. 19 115. MODEL PODNIKOVÉHO HOSPODÁRSTVA Efektívnej fiškálnej politiky štátu Prezentovaný je vývoj modelu
MDT 334.723 Lyamkin I.I., kandidát ekonomických vied, docent, vedúci Katedry ekonomickej teórie a sociálno-politických vzťahov, Kemerovský inštitút (pobočka) Federálnej štátnej rozpočtovej vzdelávacej inštitúcie vyššieho odborného vzdelávania „REU im. G.V. Plechanov"
Krašeninnikov N.V. PRÍČINY BANKOVÝCH KRÍZ V RUSKU A ICH IDENTIFIKÁCIA V RANNÝCH ŠTÁDIÁCH VÝVOJE Vedecký školiteľ: docent, Ph.D. Shaker I.E. V domácej i zahraničnej literatúre sa uvádza
MALÉ PODNIKANIE A PODNIKANIE A.A. Uchádzač Fleshler, študent Vysokej školy ekonómie a ekonómie, Transbaikal State University PROBLÉMY ROZVOJA MALÉHO PODNIKANIA Z ASPEKTU NÍZKEJ FINANČNEJ ÚROVNE
EFEKTÍVNOSŤ DLHOVEJ POLITIKY RUSKEJ FEDERÁCIE: KRITÉRIÁ HODNOTENIA A PERSPEKTÍVY Kokarev K.N. Finančná univerzita pri vláde Ruskej federácie, Moskva Vedecký školiteľ Ph.D., docent. Sanginová L. D. Dolgovaya
100 %, tmavozelené tieňovanie), ako aj: Kostroma, Magadan a Jaroslavľ, Republiky Adygea, Udmurtia, Baškirsko (štyri z piatich sektorov rastú, index REA = 80 %, svetlozelené tieňovanie).
Prácu vykonali: študent Ekonomickej fakulty, skupiny M 3-4 MOLIY G.M., Vedecký školiteľ: Ph.D., Profesor NEVEŽIN V.P. Finančná univerzita pri vláde Ruskej federácie, Moskva ANALÝZA PHILLIPS KRIVKA PRE RUSKA
Makroekonómia: ako vzniká krízová vlna? nová teória ekonomických cyklov, kríz a makroekonomickej rovnováhy Abstrakt Účelom tejto štúdie bolo študovať príčiny a mechanizmy
Monetárna koncepcia ekonomických cyklov Ako je známe, v Tevesovom modeli existuje peňažný trh, ako v modeli Hicks Samuelson, v ktorom sú príčinou trhových cyklov exogénne zmeny.
Predpoveď 2015 2016: horšia ako sa očakávalo S. Drobyshevsky, V. Petrenko, M. Turuntseva, M. Khromov Ukazovatele ekonomického vývoja Ruskej federácie v 1. polroku 2015 a prvé údaje o dynamike hlavných makroekonomických
MDT 336,02 CHARAKTERISTIKA VPLYVU UKAZOVATEĽOV MENOVÉHO SYSTÉMU NA DYNAMIKU HDP Demina P.S. vedúci odborník vzdelávacieho a metodického centra JSC Forecast, Perm, Rusko Abstrakt Článok popisuje
MDT 550.343.6 O VZŤAHU SILNÝCH (M W 7,5) ZEMEtrasení KAMČATKY K SLNEČNEJ AKTIVITE Serafimova Yu.K. Kamčatská pobočka Geofyzikálneho prieskumu Ruskej akadémie vied, Petropavlovsk-Kamčatskij, [e-mail chránený]Úvod
59 MDT 330,4:338,45(470,315) DLHODOBÁ PROGNÓZA EKONOMICKEJ DYNAMIKY REGIÓNU IVANOV A.N. Štátna chemicko-technologická univerzita Petrova Ivanova Vykonala sa ekonometrická štúdia
Makroekonómia ŠTÁTNY ROZPOČET Tatyana TISHCHENKO, Ph.D. ekon. Veda Podľa federálneho ministerstva financií v prvej polovici tohto roka príjmy federálneho rozpočtu naďalej rástli a na konci obdobia
SCHVÁLENÉ Dekrét prezidenta Bieloruskej republiky 12.7.2009 591 HLAVNÉ SMERY menovej politiky Bieloruskej republiky na rok 2010 ODDIEL I ZÁKLADNÉ USTANOVENIA 1. Menová politika republiky
Inflačné očakávania obyvateľstva v máji až júni 2013 Ruská banka predstavuje výsledky ďalšej vlny prieskumu inflačných očakávaní, ktorý uskutočnil fond Verejný názor» (FOM) príkazom banky
Komentáre Konsenzuálna prognóza 1. Prieskum profesionálnych prognostikov: Bielorusko a Kazachstan Začiatkom mája 2014 uskutočnil Ústav vývojového centra Vysokej školy ekonomickej Národnej výskumnej univerzity ďalší Prieskum profesionálnych prognostikov týkajúcich sa
MDT 338,27 Šorová S.N. Študent 3. ročníka, Fakulta financií a úverov, Rusko, Krasnodar Blokhina I.M., kandidát ekonomických vied, docent Katedry financií, Kubanský štát poľnohospodárska univerzita
FINANČNÁ STABILITA NEZBYTNÝ PREDPOKLAD PRE ZABEZPEČENIE EKONOMICKÉHO RASTU: POROVNÁVACIA ANALÝZA RIZÍK ROZVOJUJÚCICH SA TRHOV Kartavov I.V. Vedecký školiteľ: Ph.D., docent. Matrizaev B.D. Finančné
A. A. SUKHIKH, A. S. DEMIDOV Southwestern State University Vedecký školiteľ: Ph.D., docent Tretyakova I.N. ANALÝZA INFLAČNÝCH PROCESOV V RUSKU (2009-2014) Abstrakt Článok analyzuje
MDT 35.073.515.2 Kurazova D.A., asistentka katedry „Štatistika a informačné systémy v ekonómii“ Čečenská štátna univerzita Rusko, Groznyj PERSPEKTÍVY ROZVOJA POISTNÉHO TRHU V RUSKU.
POZNÁMKY PRE TLAČ KU KAPITOLE 4 HOSTITEĽSKÁ PARTY? VONKAJŠIE PODMIENKY A HOSPODÁRSKY RAST V KRAJÍNACH ROZVÍJAJÚCE SA TRHU PRED, POČAS A PO GLOBÁLNEJ FINANČNEJ KRÍZE Vyhliadky globálneho rozvoja
Rozpočet 3. Konsolidácia regionálnych rozpočtov v roku 2014, prognóza na rok 2015 Zníženie miery hospodárskeho rastu z 3,4 % v roku 2012 na 1,3 % v roku 2013 a na 0,6 % v roku 2014 nemôže mať vplyv na regionálne
MDT 330.101.54 Geraščenko E.R. študentka Donskej štátnej technickej univerzity (DSTU), Mitina I.A., Ph.D., docentka Donskej štátnej technickej univerzity (DSTU),
MDT 336.7 Gilvanov T.I. študent gr.e31 Fakulta ekonómie a matematiky Neftekamská pobočka Baškirskej štátnej univerzity F.F. Islamov, Ph.D., docent Neftekamská pobočka Baškirskej štátnej univerzity
Inflácia a úrokové sadzby v Rusku Analýza cenových zmien, akcie centrálnej banky a podmienky na úverovom trhu Posilnenie rubľa a súčasná inflácia umožňujú centrálnej banke znížiť sadzbu v marci o 0,25 % V druhom štvrťroku
TURBULENCE NA SVETOVÝCH FINANČNÝCH TRHOCH: PRÍČINY A RIZIKÁ* Anna KIYUTSEVSKAYA, Ph.D. ekon. vedy Pavel TRUNIN, PhD. ekon. Vedy B posledné mesiace Globálna ekonomika čelí rastúcim rizikám spojeným s
Nikolaenková Mária Sergejevna študentka Prudnikova Anna Anatolyevna Ph.D. ekon. vedy, docent Federálna štátna rozpočtová inštitúcia vysokoškolského vzdelávania „Finančná univerzita pod vládou Ruskej federácie“ Moskva MEDZINÁRODNÉ SKÚSENOSTI V APLIKÁCII NEGATÍV
Drobyshevsky S.M. Petrenko V.D. Turuntseva M.Yu. Chromov M.Yu. Prognóza vývoja ruskej ekonomiky na roky 2015 2016. Je zrejmé, že v roku 2015 Rusko vstupuje do obdobia hospodárskej recesie, hĺbky a trvania
MDT 336 EKONOMICKÉ VEDY Artsuev Abubakar Mairbekovich, študent finančnej univerzity pri vláde Ruská federácia Bashybuyuk Mohammed Enes, študent finančnej univerzity pod vládou
Prehľad vývojových trendov v bankovom sektore Ruskej federácie: výsledky k 21. 1. 2011 Analytický materiál marec 211 Obsah Objem bankových aktív vzrástol o 14,9 %. Aktíva Sberbank rástli rýchlejšie ako v iných ruských bankách
MDT 368(470.54) kľúčové slová: poistenie, regionálny poistný trh, hustota, penetrácia, simulačné modelovanie I. Yu Vedmed Analýza hlavných ukazovateľov vývoja poistného trhu v Sverdlovsku
Vyškovskij Gennadij Leonidovič METODIKA OPTIMÁLNEHO VÝBERU FÁZ MARKETINGOVÉHO VPLYVU V MEDIÁLNOM PLÁNOVANÍ KĽÚČOVÉ SLOVÁ: mediálne plánovanie, riadenie dopytu po informáciách, marketingová fáza
SPRÁVA „O prognóze sociálno-ekonomického rozvoja Čeľabinského regiónu na rok 2015 a plánovacie obdobie 2016 a 2017“ Snímka 2.3 Prognóza sociálno-ekonomického rozvoja Čeľabinského regiónu na tri roky
- Špecialita Vyššej atestačnej komisie Ruskej federácie08.00.13
- Počet strán 149
ÚVOD
KAPITOLA 1. PORTFÓLIOVÉ INVESTÍCIE. MODERNÝ POHĽAD A PROBLÉMY.
Odsek 1.1. Investori a ich ciele. Investičné inštitúcie a úrokové sadzby.
1.1.1. Investičné ciele. Predmety investičnej činnosti.
1.1.2. Etapy investičnej činnosti.
Odsek 1.2. Prehľad cenných papierov s pevným výnosom.
1.2.1. Klasifikácia cenných papierov.
1.2.2. Cenné papiere, ktoré tvoria časovú štruktúru úrokových sadzieb.
Odsek 1.3. Prehľad stratégií riadenia portfólia s pevným výnosom. Posuny úrokových sadzieb. Stratégie imunizácie.
1.3.1. Stratégie štruktúrovania portfólia.
1.3.2. Klasifikácia stratégií správy majetku.
1.3.3. Typy posunov v časovej štruktúre úrokových sadzieb.
1.3.4. Problémy nerovnobežných posunov. Akceptované riešenia problému.
Odsek 1.4. Metódy analýzy a prognózovania finančných trhov. Nástroje na predpovedanie finančných trhov.
1.4.1. Typy analýzy finančných trhov.
1.4.2. Výber typu analýzy na vyriešenie problému predpovedania typov posunov výnosovej krivky.
1.4.3. Modely používané pre termínovú štruktúru úrokových mier.
1.4.4. Prognózovanie finančných trhov založené na použití metód indukcie pravidiel a neurónových sietí.
1.4.5. Systémy založené na metódach indukcie pravidiel.
1.4.6. Neurálne siete.
1.4.7. Vlastnosti predpovedania finančných trhov pomocou neurónových sietí.
1.4.8. Vybrané prognostické nástroje.
Odsek 1.5. Faktory, ktoré určujú časovú štruktúru úrokových sadzieb.
1.5.1. Ekonomické a neekonomické faktory ovplyvňujúce zmeny v časovej štruktúre úrokových mier.
1.5.2. Sklon výnosovej krivky. Frankel model.
KAPITOLA 2. VÝVOJ METÓD NA RIADENIE PORTFÓLIA CENNÝCH PAPIEROV S PEVNÝM VÝNOSOM.
Odsek 2.1. Všeobecné princípy konštrukcie neurónových sietí pri riešení problému predikcie úrovne úrokových sadzieb a neparalelného vychýlenia.
Odsek 2.2. Modelovanie vzťahu medzi hlavnými fundamentálnymi faktormi a úrovňou úrokových sadzieb.
Odsek 2.3. Modelovanie štruktúry úrokových sadzieb.
Časť 2.4. Vývoj metodiky imunizácie portfólia cenných papierov s pevným výnosom.
Časť 2.5. Predpoveď neparalelných posunov.
KAPITOLA 3. VÝVOJ AUTOMATIZOVANÉHO PRACOVNÉHO STANICE PRE MANAŽÉRA PORTFÓLIA BONDOV.
Odsek 3.1. Koncept AWS. rozvojové ciele AWP.
Odsek 3.2. Technologická architektúra pracovných staníc.
Odsek 3.3. Funkčná štruktúra automatizovaného pracoviska.
3.3.1. Blok na určenie investičných cieľov.
3.3.2. Blok na prípravu informácií o stave trhov a histórii makroekonomických ukazovateľov.
3.3.3. Blok na analýzu údajov o stave trhov a predpovedanie trhov.
3.3.4. Blok na analýzu aktuálnej štruktúry portfólia, výber investičnej stratégie a určenie detailnej štruktúry investičného portfólia.
3.3.5. Jednotka pre hodnotenie činností správy portfólia.
Časť 3.4. Technické a softvérové komponenty automatizovaného pracoviska.
Časť 3.5. Neurónová sieť ako súčasť automatizovaného pracoviska.
Odsek 3.6. Základné predpisy a postupy. Informačná podpora.
3.6.1. Predpisy na určenie systému investičných cieľov.
3.6.2. Predpisy na určenie systému obmedzení klienta/firmy.
3.6.3. Predpisy na určenie systému legislatívnych obmedzení v oblasti správy majetku.
3.6.4. Predpisy na určenie systému obmedzení infraštruktúry.
3.6.5. Predpisy o informačnej a analytickej podpore. Externé informácie.
3.6.6. nariadenia informačnú podporu. Informácie o štruktúre portfólia.
3.6.7. Predpisy pre vývoj a údržbu technológií.
3.6.8. Predpisy pre tvorbu investičnej stratégie a stanovenie podrobnej štruktúry portfólia.
3.6.9. Predpisy na posudzovanie činností správy portfólia.
Časť 3.7. Hodnotenie efektívnosti automatizovaného pracoviska.
Úvod dizertačnej práce (časť abstraktu) na tému „Modely a metódy prognózovania úrokových sadzieb v informatizácii správy cenných papierov“
Efektívne riadenie kapitálu je kritickým záujmom podnikov a jednotlivcov. Štát má významné miesto v systéme regulácie, kontroly a zefektívnenia činnosti správy majetku. Jedným z nich je aj zvyšovanie úrovne sociálnej ochrany obyvateľstva prioritné úlohy akýkoľvek štát. reforma existujúci systém dôchodkového zabezpečenia, vytvorenie neštátneho systému dôchodkového zabezpečenia na tento účel má tento problém vyriešiť z hľadiska zlepšenia sociálnej ochrany dôchodcov. Tento prístup dominuje objektívne viac efektívnu prácu neštátne podniky.
Najdôležitejšou úlohou neštátnych dôchodkových fondov je zase zefektívniť správu aktív s cieľom dosiahnuť maximálnu výnosnosť pri prijateľnej miere rizika na investovaných prostriedkoch investorov fondov. Keďže tieto ciele sa dosahujú pomocou technológií s pevným výnosom, úlohy vytvorenia, implementácie a zlepšenia efektívnosti technológií správy cenných papierov s pevným výnosom nadobúdajú najväčší význam.
Vzhľadom na stále krátku históriu ruského finančného trhu na jednej strane a rozsiahle skúsenosti nazbierané západnými finančnými inštitúciami na strane druhej dosahujú najväčšie úspechy v správe aktív tí finanční manažéri, ktorí tieto skúsenosti racionálne využívajú, prenos západných technológií správy aktív do Ruska, no zároveň zohľadňovať osobitosti ruskej ekonomiky, mentality atď.
Medzi najvýznamnejšie črty ruského finančného trhu, pozorované za posledných päť rokov jeho fungovania, patria: krátka história;
Vysoká expozícia vonkajším faktorom (hlavným je pohyb zahraničného kapitálu);
Vysoká miera vplyvu neformalizovaných a zle predvídateľných faktorov;
Vysoká variabilita legislatívneho rámca.
Tieto vlastnosti určujú niektoré problémy pri analýze a prognóze finančných trhov v Ruskej federácii. Krátka história nám neumožňuje adekvátne zovšeobecňovať a analyzovať priestor udalostí; nelikvidný trh umožňuje jednému veľkému operátorovi náhodne významne ovplyvňovať cenové hladiny; Variabilita legislatívy je ťažko predvídateľná a často nezodpovedá ekonomickej realite.
Preto je použitie väčšiny metód analýzy a prognózovania trhov s cennými papiermi, vrátane trhov s cennými papiermi s pevným výnosom, prakticky nemožné. Na nelikvidných a slabo likvidných trhoch, akým bol ruský trh cenných papierov s pevným výnosom pred rokom 1997 a v rokoch 1998-1999, nie je možné na účely strednodobého predpovedania použiť ani klasickú technickú analýzu, ani klasickú analýzu fundamentálnych faktorov z dôvodu vplyvu existujúcich nepredvídateľných alebo slabo predpovedaných faktorov. Presnosť prognózy strednodobých úrokových sadzieb (na obdobie dlhšie ako 1 mesiac) pri prognózovaní s použitím naj moderná technológia na základe využívania neurónových sietí je menej ako 60 %, čo je neuspokojivý ukazovateľ.
Ruská vláda s pochopením a akceptovaním všetkých vyššie uvedených problémov, ktoré sú vlastné ruskému finančnému trhu, postupne prostredníctvom zákona liberalizuje činnosť domácich finančných inštitúcií. Príkladom toho je povolenie pre neštátne dôchodkové fondy umiestňovať aktíva do vysoko spoľahlivých nástrojov západných finančných trhov.
Preto analýza existujúcich technológií správy aktív na západných finančných trhoch, identifikácia ich nedostatkov, úprava týchto technológií za účelom zvýšenia presnosti prognózy pre ďalšiu aplikáciu na západných peňažných trhoch a kapitálových trhoch, ako aj prispôsobenie sa ruským podmienkam Zlepšenie investičnej klímy je najnaliehavejšou modernou úlohou finančného manažmentu v Rusku.
Napriek rôznorodosti technológií vyvinutých počas stáročnej histórie západných finančných trhov, vývoj metód a teórií správy portfólia v súčasnosti pokračuje. Mimoriadne silný impulz pre rozvoj a zlepšovanie technológií správy portfólia dal prelom v oblasti informačných technológií. Faktorová analýza veľkých objemov údajov na základe využitia najnovšie technológie zber, uchovávanie a rýchle spracovanie údajov; objavenie sa nástrojov, ako sú neurónové siete, umožnilo identifikovať v ekonomike nezjavné vzorce. Možno konštatovať, že v súčasnosti vývoj technológií správy majetku výrazne závisí od úrovne rozvoja informačných technológií. Preto, podobne ako proces zlepšovania informačných technológií, aj proces vývoja nových technológií správy aktív možno nazvať nepretržitým.
Potreba zlepšiť existujúce investičné technológie, modely a metódy prognózovania v moderné podmienky a určil tému výskumu realizovaného v práci.
Cieľom štúdie je vyvinúť modely a metódy na predpovedanie úrokových sadzieb a ich aplikáciu pri riadení portfólia cenných papierov.
Ciele vývoja automatizovaného pracoviska pre manažéra dlhopisového portfólia sú:
Zlepšenie efektívnosti správy portfólií cenných papierov s pevným výnosom;
Zvýšenie konkurencieschopnosti spoločnosti/fondu;
Tvorba stromu možných rozhodnutí pre manažéra dlhopisového portfólia na základe analýzy všetkých typov investičných stratégií;
Posúdenie efektívnosti implementácie a schopnosť porovnávať rôzne investičné stratégie vrátane klasických a nových;
Zvyšovanie kvalifikácie správcov portfólia aktív.
Ciele štúdie v súlade s uvedeným cieľom sú:
Výskum charakteru investičných cieľov finančných inštitúcií a jednotlivcov;
Výskum druhov cenných papierov s pevným výnosom, zostavenie klasifikácie cenných papierov s pevným výnosom;
Výskum a klasifikácia investičných stratégií pre správu portfólia cenných papierov;
Stanovenie akceptovaných metód analýzy a predpovedania finančných trhov;
Identifikácia faktorov, ktoré najviac ovplyvňujú dynamiku úrokových sadzieb, určenie významnosti týchto faktorov na základe využitia technológií neurónových sietí;
Modelovanie štruktúr úrokových sadzieb;
Zostrojenie modelu závislosti úrokových sadzieb od významných faktorov na základe využitia technológií neurónových sietí;
Identifikácia rizík spojených s používaním technológií správy cenných papierov s pevným výnosom;
Vývoj metód na znižovanie rizík používania technológií na správu cenných papierov s pevným výnosom;
Vývoj a implementácia automatizovanej pracovnej stanice (AWS) pre manažéra dlhopisového portfólia;
Vykonanie hodnotenia efektívnosti vytvoreného systému riadenia portfólia cenných papierov s pevným výnosom.
Predmetom štúdie je trh cenných papierov s pevným výnosom emitovaných v amerických dolároch. Článok skúma dynamiku výnosovej krivky pre obligácie amerických štátnych dlhopisov (zmenky, zmenky a štátne dlhopisy USA). Predmetom štúdie je problém efektívne riadenie portfólio cenných papierov s pevným výnosom.
Pre vedecký výskum v práci boli použité metódy Štatistická analýza, empirický výskum, numerická optimalizácia, metódy teórie neurónových sietí, metódy riešenia minimaxových úloh.
1. Technológie na predpovedanie úrovne úrokových sadzieb pomocou stanovenia funkčné závislosti medzi kľúčovými makroekonomickými faktormi, ich priemernými minulými hodnotami a očakávaniami investorov, pokiaľ ide o úrovne úrokových sadzieb pomocou nástrojov neurónových sietí;
2. Technológie na analýzu významu faktorov na predpovedanie úrokových sadzieb pomocou lineárnych jednovrstvových neurónových sietí;
3. Technológie na predpovedanie typu posunu (paralelného alebo neparalelného) výnosovej krivky pomocou multifaktorového modelu závislosti typu posunu od makroekonomických ukazovateľov (Frankel) a pomocou nástrojov neurónových sietí;
4. Metóda stanovenia možnosti využitia portfóliových imunizačných stratégií pomocou portfóliového imunizačného kritéria; vývoj portfóliových imunizačných kritérií;
5. Technológie na určenie štruktúry imunizovaného portfólia počas imunizácie na akékoľvek obdobie.
Praktická hodnota Práca spočíva v tom, že vyvinutý aparát na riešenie problémov správy portfólia cenných papierov s pevným výnosom využíva v praxi správcovská spoločnosť Neštátneho dôchodkového fondu na predikciu jedného z hlavných faktorov ovplyvňujúcich ruský trh cenných papierov - tzv. úrokovú sadzbu amerických štátnych dlhopisov. Vyvinuté technológie môžu byť použité, keď sa definitívne zmení legislatíva o kontrole meny, po ktorej budú môcť ruské fondy pôsobiť na medzinárodných kapitálových trhoch. Tieto technológie je možné prispôsobiť aj ruskému finančnému trhu po tom, čo Ruskej federácii pridelia investičné ratingy popredných západných ratingových agentúr, čo bude znamenať príchod nových investorov a kapitálu a stabilizáciu ruského finančného trhu.
Je potrebné poznamenať, že výsledky získané v práci môžu využiť nielen neštátne dôchodkové fondy, ale aj poisťovne, investičné spoločnosti, komerčné banky a súkromní investori na účely správy portfólií cenných papierov s pevným výnosom.
Záver dizertačnej práce na tému "Matematické a inštrumentálne metódy ekonómie", Shkrapkin, Alexey Vadimovich
Záver.
Dizertačná práca sa vyvíjala efektívne informačné technológie správa portfólia cenných papierov s pevným výnosom. Účinnosť bola preukázaná testovaním na skutočných trhových údajoch.
V súlade so stanovenými cieľmi štúdie boli riešené nasledovné úlohy:
Bola vykonaná štúdia charakteru investičných cieľov investičných inštitúcií a jednotlivcov; typy investičných cieľov sú identifikované v závislosti od rôznych typov investorov.
Uskutočnila sa štúdia typov cenných papierov s pevným výnosom, vytvorila sa klasifikácia cenných papierov s pevným výnosom; sú identifikované cenné papiere, ktoré sú predmetom štúdie;
Študovala sa existujúca klasifikácia investičných stratégií na riadenie portfólia cenných papierov;
Boli identifikované a preštudované akceptované metódy analýzy a predpovedania finančných trhov;
Riziká spojené s používaním technológií správy cenných papierov s pevným výnosom boli identifikované;
Boli identifikované faktory, ktoré najviac ovplyvňujú dynamiku úrokových sadzieb, a význam týchto faktorov bol analyzovaný na základe využitia technológií neurónových sietí;
Sú určené existujúce modely časových štruktúr úrokových mier; bol doplnený jeden z existujúcich modelov, v dôsledku čoho sa zvýšila presnosť aproximácie;
Na základe využitia technológií neurónových sietí bol skonštruovaný model závislosti úrokových sadzieb od významných faktorov;
Boli vyvinuté metódy na zníženie rizík používania technológií správy cenných papierov s pevným výnosom založených na použití modifikovaných imunizačných stratégií s ochranou proti tilt shift;
Bola vyvinutá a implementovaná automatizovaná pracovná stanica (AWS) na riadenie dlhopisového portfólia;
Vykonalo sa hodnotenie ekonomickej efektívnosti vytvoreného systému riadenia portfólia cenných papierov s pevným výnosom.
Získané výsledky nám umožňujú konštatovať, že bol urobený ďalší krok v zlepšovaní a vývoji technológií na správu portfólia aktív s pevným výnosom. Vyvinuté technológie umožnia portfólio manažérom Spoločnosti využívať tieto technológie na zvýšenie efektívnosti správy aktív.
Zoznam odkazov na výskum dizertačnej práce Kandidát ekonomických vied Shkrapkin, Alexey Vadimovich, 2000
1. Sharp W.F., Alexander G.J., Bailey J.W. Investície M. Infra-M, 1997. - 1024 s.
2. Frank J. Fabozzi Dlhopisové trhy, analýza a stratégie Prentice Hall, 1996,595 s.
3. Frank J. Fabozzi, Franco Modigliani, Kapitálové trhy: Inštitúcie a nástroje – Prentice Hall, 1992
4. Frank J. Fabozzi Dlhopisové trhy, analýza a účastníci Prentice Hall, 1994
5. F. M. Reddington Review of the Princip of Life Office Valuation Journal of Institute of Actuaries, 1952
6. G.O. Bierwag, George K. Kaufman, Alden Toevs Imunizačné stratégie na financovanie viacerých záväzkov Journal of Financial and Quantitative Analysis, 1983
7. Fong a Vasicek Stratégia minimalizácie rizika pre imunizáciu voči viacnásobnej zodpovednosti - Journal of portfolio management, jar 1987
8. Stratégie výnosovej krivky Franka J. Jonesa Journal of fixed income, 1 - 1991
9. Robert R. Reitano Multivariačný prístup k teórii imunizácie Aktuálne výskumné zúčtovacie stredisko, 1990
10. Robert R. Reitano Neparalelné posuny výnosovej krivky a imunizácia Journal of portfolio management, jar 1992
11. J.A.Frankel Finančné trhy a menová politika, MIT Press, Cambridge, 1995
12. I.T.Nabney P.G.Jenkins Rule Induction in finance and marketing Conference on data mining in finance and marketing, 1992
13. G. Cybenko Aproximácia superpozíciou sigmoidálnej funkcie Mat. Riadenie, signály a systémy, 1989
14. C.Dunis Forecasting Financial Markets John Wiley"&Sons, 1997
15. J.M. Keynes Všeobecná teória zamestnanosti, úrokov a peňazí Macmillan, Londýn, 1936
16. W. Phoa Pokročilá analytika fixného príjmu FJF, 1998
17. Gorban A.N. Tréningové neurónové siete. Moskva. Odsek SP. 1990. - 160 s. 18.2. celoruská vedecko-technická konferencia "Neuroinformatika-2000". Zborník vedeckých prác. V 2 častiach. M.: MEPhI, 2000. 284 s.
18. N. Anderson, F. Breedon Odhad a interpretácia výnosovej krivky Wiley, 1997 220 s.
19. J. W. Smith, E. V. Kuznetsova, Finančné riadenie podniku Právna kultúra, 1995 383 s.
20. D.-E. Bastens, W.-M. Van den Bergh, D. Wood Neurónové siete a finančné trhy, Finančná a poistná matematika 1997 236 s.
21. Prístupy Vasicek and Beyond k budovaniu a aplikácii modelov úrokových sadzieb - Financial Engineering Ltd., 1996 367c.
22. G.O.Bierwag, Duration Analysis: Riadenie úrokového rizika. Cambridge, MA: Ballinger Publishing Company, 1987
23.G.C. Kaufman Meranie a riadenie úrokového rizika: Primer. Ekonomická perspektíva, Federálna rezervná banka v Chicagu 1-2 1984
24. R. Litterman, J. Scheinkman Spoločné faktory ovplyvňujúce výnosy dlhopisov, Journal of fixed income, 6-1991
25. R.E. Dattatreya, F.J.Fabozzi Aktívne riadenie celkovej návratnosti portfólií s pevným výnosom, Probus Publishing, 1989
26. F.Modigliani, R.J.Shiller, Inflácia, racionálne očakávania a termínová štruktúra úrokových mier, Econometrica, 1973
27. T.j. Messmore Trvanie prebytku. Journal of portfolio management, zima 1990
28. F.J. Fabozzi Investment Management, Infra-M, 2000
29. K. J. Cohen, R. L. Kramer, W. H. Waughovo regresné výnosové krivky pre vládne cenné papiere USA, Management science, 14, 1966
30. W.T.Carleton, I.A.Cooper, Odhad a použitie termínovej štruktúry úrokových mier, Journal of finance, 4, 1976
31. De Boor, Praktický sprievodca spline, Springer-Verlag, New York 1978
32. D.I.Meiselman Termínová štruktúra úrokových mier, Prentice Hall, 1962
33. G.S.Shea, Odhad termínovej štruktúry úrokovej sadzby s exponenciálnymi líniami: poznámka, Journal of Finance, 1, 1985
34. A. Buhler, H. Zimmermann Štatistická analýza časovej štruktúry úrokových mier vo Švajčiarsku a Nemecku. Časopis fixných príjmov 12-1996.
35. A. Beja Štátna preferencia a bezriziková úroková miera: Markovov model kapitálových trhov. Prehľad ekonomických štúdií 46, 1979
36. Shkrapkin A.B. Všeobecné stratégie správy portfólia aktív. Aktívne, pasívne a pasívno-aktívne portfóliové stratégie./ Zborník z vedeckej konferencie "Reformy v Rusku a problémy manažmentu-97", číslo 3 M.: GAU 1997.
37. Shkrapkin A.V. Stratégie štruktúrovania portfólia. / Trh cenných papierov, 2000, č. 19.
38. Shkrapkin A.V. Prístupy k predpovedaniu úrokových sadzieb pomocou nástrojov neurónových sietí. / Bankové technológie, 2000, č.12.
Upozorňujeme, že vyššie uvedené vedecké texty sú zverejnené na informačné účely a boli získané uznaním pôvodné texty dizertačných prác (OCR). Preto môžu obsahovať chyby spojené s nedokonalými rozpoznávacími algoritmami. IN PDF súbory V dizertačných prácach a abstraktoch, ktoré dodávame, takéto chyby nie sú.
Na predpovedanie ďalšej dynamiky menového páru sa vyvinulo obrovské množstvo metód. Kvantita sa však nepremietla do kvality a získať pomerne efektívnu predpoveď nie je práve najjednoduchšia úloha. Pozrime sa na štyri najbežnejšie metódy predpovedania kurzov menových párov.
Teória parity kúpnej sily (PPP).
Parita kúpnej sily (PPP) je snáď najpopulárnejšia metóda. V učebniciach ekonómie sa spomína častejšie ako iné. Teória PPP je založená na princípe „zákona jednej ceny“, ktorý uvádza, že náklady na rovnaký tovar v rôznych krajinách by mali byť rovnaké.
Napríklad cena skrine v Kanade by mala byť podobná cene tej istej skrine v Spojených štátoch, berúc do úvahy výmenný kurz a bez nákladov na dopravu a výmenu. To znamená, že by nemal byť dôvod na špekulácie, kupovať lacno v jednej krajine a predávať drahšie v inej.
Podľa teórie PPP by zmeny výmenného kurzu mali kompenzovať . Napríklad v tomto roku by sa ceny v Spojených štátoch mali zvýšiť o 4%, v Kanade za rovnaké obdobie - o 2%. Inflačný diferenciál je teda: 4 % – 2 % = 2 %.
V súlade s tým budú ceny v USA rásť rýchlejšie ako v Kanade. Podľa teórie PPP musí americký dolár stratiť na hodnote približne 2 %, aby cena toho istého tovaru v dvoch krajinách zostala približne rovnaká. Napríklad, ak bol výmenný kurz 1 CAD = 0,9 USD, potom podľa teórie PPP sa predpokladaný kurz vypočíta takto:
(1 + 0,02) x (0,90 USD za 1 CAD) = 0,918 USD za 1 CAD
To znamená, že na dodržanie PPP musí kanadský dolár zdražieť na 91,8 amerických centov.
Najčastejším príkladom využitia princípu PPP je Big Mac index, ktorý je založený na porovnaní jeho ceny v rôznych krajinách a ktorý demonštruje mieru podhodnotenia a nadhodnotenia meny.
Princíp relatívnej ekonomickej stability
Spôsob tejto túry je opísaný už v samotnom názve. Za základ sa berú miery hospodárskeho rastu rôznych krajín, čo umožňuje predpovedať dynamiku výmenného kurzu. Je logické predpokladať, že stabilný ekonomický rast a zdravá podnikateľská klíma pritiahnu viac zahraničných investícií. Na investovanie je potrebné kúpiť národnú menu, čo teda vedie k zvýšeniu dopytu po národnej mene a jej následnému posilneniu.
Táto metóda je vhodná nielen na porovnanie stavu ekonomiky dvoch krajín. S jeho pomocou si môžete vytvoriť názor na prítomnosť a intenzitu investičných tokov. Investorov napríklad priťahujú vyššie úrokové sadzby, aby maximalizovali návratnosť svojich investícií. V súlade s tým dopyt po národnej mene opäť rastie a posilňuje sa.
Nízke úrokové sadzby môžu znížiť tok zahraničných investícií a stimulovať domáce pôžičky. To je prípad Japonska, kde boli úrokové sadzby znížené na rekordne nízke hodnoty. Existuje obchodná stratégia založená na rozdiele úrokových sadzieb.
Rozdiel medzi princípom relatívneho ekonomická stabilita z teórie PPP je, že s jej pomocou nie je možné urobiť prognózu veľkosti výmenného kurzu. Dáva len investorovi Všeobecná myšlienka o vyhliadkach na posilnenie alebo oslabenie meny a sile impulzu. Ak chcete získať viac úplný obrázok, princíp relatívnej ekonomickej stability je kombinovaný s inými prognostickými metódami.
Konštrukcia ekonometrického modelu
Veľmi populárnou metódou predpovedania výmenných kurzov je metóda vytvorenia modelu, ktorý popisuje vzťah medzi výmenným kurzom meny a faktormi, ktoré podľa názoru investora alebo obchodníka ovplyvňujú jeho pohyb. Pri zostavovaní ekonometrického modelu sa spravidla používajú hodnoty z ekonomickej teórie, ale pri výpočtoch je možné použiť akékoľvek iné premenné, ktoré majú významný vplyv na výmenný kurz.
Vezmime si napríklad prognózu na nadchádzajúci rok pre pár USD/CAD. Vyberáme kľúčové faktory pre dynamiku páru: rozdiel (diferenciál) medzi úrokovými sadzbami USA a Kanady (INT), rozdiel a rozdiel medzi mierami rastu osobných príjmov USA a Kanady (IGR ). Ekonometrický model bude mať v tomto prípade nasledujúcu formu:
USD/CAD (1 rok) = z + a(INT) + b(HDP) + c(IGR)
Koeficienty a, b a c môžu byť negatívne alebo pozitívne a ukazujú, aký silný je vplyv príslušného faktora. Stojí za zmienku, že metóda je pomerne zložitá, ak však máte hotový model, na získanie prognózy stačí jednoducho nahradiť nové údaje.
Analýza časových radov
Metóda analýzy časových radov je čisto technická a nezohľadňuje ekonomickú teóriu. Najpopulárnejším modelom v analýze časových radov je model autoregresného kĺzavého priemeru (ARMA). Metóda je založená na princípe predpovedania cenových vzorcov menového páru na základe minulej dynamiky. Výpočet je realizovaný špeciálnym počítačovým programom na základe zadaných parametrov časového radu, výsledkom ktorého je vytvorenie individuálneho cenového modelu pre konkrétny menový pár.
Predpovedanie výmenných kurzov je nepochybne mimoriadne náročná úloha. Mnohí investori jednoducho radšej zaisťujú menové riziká. Iní investori uznávajú dôležitosť predpovedania výmenných kurzov a snažia sa pochopiť faktory, ktoré ich ovplyvňujú. Vyššie uvedené metódy môžu byť dobrou pomôckou pre takýchto účastníkov trhu.
Na modelovanie úrovní úrokových sadzieb v štatistike sa používajú rôzne typy rovníc vrátane polynómov rôznych stupňov, exponenciál, logických kriviek a iných typov funkcií.
Pri modelovaní úrovní úrokových sadzieb je hlavnou úlohou vybrať typ funkcie, ktorý najpresnejšie popisuje trend vývoja skúmaného ukazovateľa. Mechanizmus určenia funkcie je podobný výberu typu rovnice pri konštrukcii trendových modelov. V praxi sa na vyriešenie tohto problému používajú nasledujúce pravidlá.
1) Ak má dynamický rad tendenciu monotónne narastať alebo klesať, potom je vhodné použiť nasledujúce funkcie: lineárna, parabolická, mocninná, exponenciálna, hyperbolická alebo kombinácia týchto typov.
2) Ak má rad tendenciu rýchlo sa vyvíjať ukazovateľ na začiatku obdobia a ku koncu obdobia klesať, potom je vhodné použiť logistické krivky.
3) Ak je séria dynamiky charakterizovaná prítomnosťou extrémnych hodnôt, potom je vhodné zvoliť si ako model jeden z variantov Gompertzovej krivky.
V procese modelovania úrovne úrokových sadzieb veľký význam sa venuje starostlivému výberu typu analytickej funkcie. Vysvetľuje to skutočnosť, že presný popis modelu vývoja indikátora identifikovaného v minulosti určuje spoľahlivosť prognózy jeho vývoja v budúcnosti.
Teoretickým základom štatistických metód používaných v prognózovaní je vlastnosť zotrvačnosti ukazovateľov, ktorá vychádza z predpokladu, že vzorec vývoja, ktorý existoval v minulosti, bude pokračovať aj v predpovedanej budúcnosti. Hlavnou metódou štatistického predpovedania je extrapolácia údajov. Existujú dva typy extrapolácie: perspektívna, vykonaná do budúcnosti a retrospektívna, vykonaná do minulosti.
Extrapolácia by sa mala posúdiť ako prvý krok pri vytváraní konečných prognóz. Pri jej aplikácii je potrebné vziať do úvahy všetky známe faktory a hypotézy týkajúce sa skúmaného ukazovateľa. Okrem toho je potrebné poznamenať, že čím kratšie je obdobie extrapolácie, tým presnejšiu predpoveď možno získať.
Vo všeobecnosti možno extrapoláciu opísať pomocou nasledujúcej funkcie:
y i + T = ƒ (y i, T, a n), (26)
kde y i + T – predpokladaná hladina;
y i – aktuálna úroveň predpovedaného radu;
T – extrapolačné obdobie;
a n je parameter trendovej rovnice.
Príklad 3´´. Na základe údajov v príklade 3 vykonáme extrapoláciu na prvý polrok 2001. Trendová rovnica je nasledovná: y^ t = 10,1-1,04t.
y8 = 10,1-1,04*8 = 1,78;
y9 = 10,1-1,04*9 = 0,78.
V dôsledku extrapolácie údajov získame bodové predpovedné hodnoty. Zhoda skutočných údajov pre budúce obdobia a údajov získaných extrapoláciou je nepravdepodobná z týchto dôvodov: funkcia používaná pri prognózovaní nie je jediná, ktorá popisuje vývoj javu; prognóza sa vykonáva s použitím obmedzenej informačnej základne a výsledok prognózy ovplyvnili náhodné zložky obsiahnuté v úrovniach počiatočných údajov; nepredvídané udalosti v politickom a ekonomickom živote spoločnosti v budúcnosti môžu výrazne zmeniť predpovedaný trend vývoja skúmaného ukazovateľa.
Vzhľadom na to, že každá prognóza je relatívna a približná, pri extrapolácii úrovní úrokových sadzieb je vhodné určiť hranice intervalov spoľahlivosti prognózy pre každú hodnotu y i + T. Hranice intervalu spoľahlivosti ukážu amplitúdu výkyvov skutočných údajov budúceho obdobia od predpovedaných. Vo všeobecnosti možno hranice intervalov spoľahlivosti určiť podľa nasledujúceho vzorca:
y t ± t α *σ yt , (27)
kde yt je predpokladaná hodnota hladiny;
t α – hodnota spoľahlivosti určená na základe Studentovho t-testu;
σ yt – stredná kvadratická chyba trendu.
Okrem extrapolácie na základe zosúladenia radov podľa analytickej funkcie je možné prognózu vykonať aj extrapolačnou metódou založenou na priemernom absolútnom prírastku a priemernej miere rastu.
Prvá metóda je založená na predpoklade, že Všeobecný trend vývoj úrovní úrokových sadzieb je vyjadrený lineárnou funkciou, t.j. dochádza k jednotnej zmene ukazovateľa. Na určenie predpokladanej úrovne úrokov z úveru pre ktorýkoľvek dátum t by sa mal vypočítať priemerný absolútny nárast a mal by sa sekvenčne sčítať podľa poslednej úrovne radu dynamiky toľkokrát, koľkokrát sú časové obdobia, na ktoré sa rad extrapoluje.
y i + T = y i + ∆¯*t, (28)
kde i je posledná úroveň skúmaného obdobia, pre ktoré sa vypočítava ∆¯;
t – obdobie prognózy;
∆¯ - priemerný absolútny nárast.
Druhá metóda sa používa, ak sa predpokladá, že všeobecný trend vývoja je určený exponenciálnou funkciou. Prognóza sa vykonáva výpočtom priemernej miery rastu zvýšenej na mocninu rovnajúcu sa extrapolačnému obdobiu.
