Статья опубликована в рамках: CLXIV Международной научно-практической конференции «Научное сообщество студентов: МЕЖДИСЦИПЛИНАРНЫЕ ИССЛЕДОВАНИЯ» (Россия, г. Новосибирск, 04 мая 2023 г.)
Наука: Экономика
Скачать книгу(-и): Сборник статей конференции
дипломов
УЧЕТ ВЛИЯНИЯ ФУНДАМЕНТАЛЬНЫХ ФАКТОРОВ ПРИ ПРОГНОЗИРОВАНИИ ЦЕН НА РОССИЙСКОМ ФОНДОВОМ РЫНКЕ
TAKING INTO ACCOUNT THE INFLUENCE OF FUNDAMENTAL FACTORS IN FORECASTING PRICES ON THE RUSSIAN STOCK MARKET
Artem Novikov
Master's student, Togliatti State University,
Russia, Togliatti
АННОТАЦИЯ
В статье представлен метод учета влияния фундаментальных факторов на прогнозирование цен на активы на российском финансовом рынке.
ABSTRACT
The article presents a method for taking into account the influence of fundamental factors on forecasting asset prices in the Russian financial market.
Ключевые слова: прогнозирование цен, фундаментальные факторы, валютный курс, драгоценные металлы, российский финансовый рынок.
Keywords: price forecasting, fundamental factors, exchange rate, precious metals, Russian financial market.
На финансовом рынке успешность деятельности, связанной с операциями с активами, включая драгоценные металлы и валюту, очень сильно зависит от точности прогноза. При этом выделяют 2 подхода для анализа динамики цен на финансовые активы — технический и фундаментальный.
Технический анализ связан с использованием экономико-статистических методов прогнозирования, включая регрессный анализ и модели ARIMA [1].
Однако если сначала разработанные математические модели довольно точно описывают динамику цен и обладают высокой предсказательной силой, то через некоторое время их прогнозная способность снижается, чтоб объясняется изменением фундаментальный причин, действующих на финансовый рынок.
Для оценки изменения фундаментальных факторов предлагается использовать изменение объемов торгов, которое, по нашему мнению, точно указывает, что спрос или предложение со стороны трейдеров на финансовые активы изменилось, что и вызвало рост или падение объемов продаж.
В качестве проверки данной гипотезы рассмотрим динамику курса золота GLD/RUB за период с 01.07.2021г. по 30.06.2022г. на Московской бирже (рисунок 1) [2].
Рисунок 1. Временной ряд курса золота GLD/RUB за 01.07.21-30.06.22г.
Анализ динамики GLD/RUB показывает, что в рассматриваемом периоде тенденция изменения курса этого драгметалла значительно изменилась в конце февраля 2022г. – если до этого момента практически не наблюдался тренд, то начиная с марта 2022г. валютная пара USD/RUB характеризуется нисходящим трендовым движением.
При этом анализ доходности по данному финансовому активу показал, что в период с 24.02.2022г. по 11.02.2022г. наблюдался также значительный размах колебаний доходности GLD, что говорит нестационарном ряде доходности золота в период с 01.07.21г. по 30.06.2022г. (рисунок 2).
Рисунок 2. Динамика доходности курса GLD/RUB за 01.07.21-30.06.22г.
Поэтому для учета изменения фундаментальных факторов и приведения ряда GLD/RUB к стационарному виду изменим период анализа данных – с 11.03.2022г. по 30.06.2022г. (рисунок 3).
Рисунок 3. Временной ряд курса золота GLD/RUB за 11.03.22-30.06.22г.
Регрессионный анализ данного ряда (таблица 1) показал, что наиболее приемлемой для прогнозирования является модель 2ей степени, поскольку коэффициент детерминации с увеличением степени в данных моделях увеличиваются незначительно, а F-критрий снижается.
Таблица 1
Регрессионный анализ временного ряда GLD/RUB
|
Степень модели |
Уравнение регрессии |
Скорректированный коэффициент детерминации |
F-критерий расчетный |
|
1 |
GLD = 6176,4461-49,0386* time |
0,902491 |
676,6456 |
|
2 |
GLD = 6796,4982-97,9901* time +0,6527* time2 |
0,961171 |
904,5073 |
|
3 |
GLD = 6972,0961-125,1776* time+1,5529* time2-0,008* time3 |
0,963833 |
649,4773 |
|
4 |
GLD = 7145,1921-168,7117* time+4,1242* time2-0,0611* time3+0,0004* time4 |
0,965523 |
512,0896 |
|
5 |
GLD = 7552,7134-317,7021* time+17,6589* time2-0,5374* time3+0,0075* time4 - |
0,973914 |
546,0924 |
Оценка модели ARIMA по временному ряду курса золота GLD/RUB показала, что достаточно адекватно описывает это ряд модель ARIMA (4,1,2) (таблица 2).
Таблица 2
Оценка параметров моделей ARIMA для временного ряда GLD
|
Параметр |
ARIMA (1, 1, 2) |
ARIMA (4, 1, 1) |
ARIMA (4,1,2) |
|||
|
Значение |
Значимость (+,-) |
Значение |
Значимость (+,-) |
Значение |
Значимость (+,-) |
|
|
p(1) |
0,982150 |
+ |
-0,535809 |
+ |
0,037759 |
- |
|
p(2) |
|
0,210782 |
- |
0,571111 |
+ |
|
|
p(3) |
|
|
0,067655 |
|
-0,120036 |
- |
|
p(4) |
|
|
0,283943 |
+ |
0,305908 |
+ |
|
q(1) |
0,718298 |
+ |
-0,904133 |
+ |
-0,261220 |
- |
|
q(2) |
0,192302 |
- |
|
|
0,620522 |
+ |
|
Средний квадрат остатков MS Residual |
16552 |
|
16115 |
|
15817 |
|
Исходя из этой модели размах между максимальным прогнозным значением и минимальным прогнозным значением в конечном прогнозном периоде составил 2 594,444 руб. (рисунок 4).
Рисунок 4. Прогноз временного ряда GLD по модели ARIMA (4,1,2)
Следует отметить, что данный прогноз сбылся – фактический курс золота GLD в прогнозном периоде находился в пределах прогнозного коридора. Следовательно, гипотеза о учете объема торгов при прогнозировании курса финансовых активов на российском рынке подтверждена.
Результаты выше представленного исследования могут использоваться трейдерами для построения прогнозных моделей.
Список литературы:
- Напалков, Д. А. Анализ подходов к прогнозированию динамики фондового рынка / Д. А. Напалков // Экономика и бизнес: теория и практика. – 2021. – № 7(77). – С. 100-103.
- Данные Московской биржи. — URL: www.moex.com
дипломов
Оставить комментарий