Обоснование метода прогнозирования состояния фондового рынка в РФ

Корреляционный анализ часто применяется для оценки взаимосвязей между мировыми фондовыми рынками. Развитию исследований в этой области способствуют, с одной стороны, наличие количественной статистики, характеризующей динамику конъюнктуры рынков в виде фондовых индексов, с другой стороны - высокая практическая ценность результатов исследований.

Можно привести примеры достаточно интересных работ ученых, работающих под эгидой Всемирного банка и МВФ:

- Pritsker M. <Каналы распространения финансовой инфекции> (The channels for Financial Contagion).

В этой работе Мэт Притскер рассматривает причины взаимосвязей финансовых рынков, выражающихся в том числе и через корреляцию фондовых индексов.

Baig T., Goldfajn I. <Российский дефолт и финансовая инфекция в Бразилию> (Russian default and contagion to Brazil).

На основе анализа статистических данных по финансовым рынкам Бразилии и России авторы пришли к выводу, что финансовый кризис в Бразилии был усугублен, но не вызван российским дефолтом. Также они отметили существование значимой корреляции между российским и бразильским финансовыми рынками, которая особенно сильно проявляется на рынке еврооблигаций.

Forbes K., Rigobon R. <Измерение финансовой инфекции. Концептуальные и эмпирические аспекты> (Measuring Contagion: Conceptual and Empirical Issues).

Нужно обратить внимание на определенные особенности, связанные с измерением корреляции между индексами:

Во-первых, коэффициент корреляции измеряется не между фондовыми индексами, а между относительными изменениями фондовых индексов: чем дольше период исследования, тем большее искажение получается при нарушении этого правила.

Во-вторых, исследователь должен решить вопрос выбора периода изменения фондовых индексов. Можно рассчитывать коэффициент корреляции между дневной, недельной, месячной доходностью фондовых индексов, и в каждом случае результат исследования будет различен; чем меньше период доходности, тем больше вероятность, что коэффициент корреляции не будет учитывать реально существующие влияния, проявляющиеся с определенным лагом; при удлинении периода уменьшается число наблюдений и соответственно коэффициент корреляции становится менее значимым.

В-третьих, при оценке динамики коэффициента корреляции возникает проблема гетероскедастичности. Суть проблемы в том, что оценка корреляции в отдельные периоды искажается из-за изменения амплитуды колебаний фондовых индексов.

Метод экстраполяции тренда создан на основании статического наблюдения динамики конкретного показателя, выявления тенденций развития и сохранения данной тенденции для последующих периодов. Иначе можно сказать, что методы экстраполяции трендов позволяют тенденции прошлого развития исследуемого объекта переносятся в будущий период.

Данный метод экстраполяции тренда используется в основном для краткосрочного прогнозирования, сроком до года, в случае, когда количество изменений равно минимальному значению. Данный метод реализуется для каждого определенного объекта в отдельности и поэтапно на каждый последующий момент текущего времени. В случае, когда необходимо составить прогноз для продукции или услуги, основанного на экстраполяции, задача прогнозирования предполагает анализ спроса и анализ продаж данного товара.

Результаты прогнозирования параболического <http://www.forexrost.ru/termini-forex/porab-trend/index.html> тренда <http://www.forexrost.ru/termini-forex/porab-trend/index.html> являются применимыми для всех сфер внутрифирменного планирования, а так же для стратегического, финансового, маркетингового планирования, планирования производства и управления запасами, управления торговыми потоками и операциями. Наиболее часто пользуются для краткосрочного прогнозирования методами экстраполяции трендов следующих видов: методами скользящего среднего и методами экспоненциального сглаживания. Метод скользящего среднего основан на простом предположении, который гласит, что последующий показатель в конкретный промежуток времени по величине равен средней. Этот показатель экстраполяции считается за крайние 3 месяца.

А метод экспоненциального сглаживания тренда можно охарактеризовать как прогноз текущего показателя на предстоящий период, который представлен в виде общей суммы фактического показателя за текущий период и краткосрочный прогноз на текущий период, взвешенных при применении специальных индикаторов. В некоторых случаях данные методы трендов дополняются другими методами корреляции параболических трендов. <http://www.forexrost.ru/termini-forex/porab-trend/index.html> Этот метод предполагает исследование взаимодействия различных тенденций в целях нахождения их взаимного влияния и непосредственного улучшения качества прогнозов. Следовательно, корреляционный анализ изучает взаимосвязь двух или более показателей, в зависимости от этого данный метод носит название парной или множественной корреляции. Данные методы применяются как российскими предприятиями, так и иностранными, так как они являются наиболее простыми, традиционными и эффективными.