Имя материала: Финансовая статистика. Конспект лекций

Автор: Шерстнева Г.С

Валютный курс

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

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

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

С помощью обычного метода наименьших квадратов (МНК), путем сопоставления временных рядов данных по курсам этих двух

72

валют за 2005 г., решается парное уравнение регрессии. В результате чего получается следующее уравнение:

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

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

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

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

3)            выясняется, что на основе этого уравнения нельзя создать

оптимально работающую прогностическую модель.

Трудность в том, что остатки данной регрессии (отклонения фак

тических значений от плановых) в ходе их исследования не смогли

пройти тест на выполнение важнейших предпосылок метода наимень

ших квадратов.

1.             Получившиеся в результате решения уравнения регрессии

остатки должны носить случайный характер.

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

2.             Остатки не должны зависеть от независимой переменной X

(в данном случае — величины курса «рубль/евро»).

73

Изменение величины остатков на 98\% обусловлено колебаниями независимой переменной X. Об этом утверждает высокий коэффициент детерминации, равный 0,98. Согласно формуле линейного тренда, увеличение курса «рубль/евро» на 1 руб. ведет в среднем к отклонениям остатков в сторону отрицательных значений на 1,20 руб. (плюс 42,22 руб. — исходный уровень). Следовательно, снижение переменной X ведет к отклонениям остатков в сторону положительных значений в той же пропорции.

Гомоскедастичность (одинаковый разброс) остатков независимо от значения номера наблюдения (для временных рядов). Несоблюдение данного условия называется гетероскедастично-стью, т. е. неодинаковым разбросом в остатках.

Отсутствие автокорреляции остатков, т. е. остатки должны быть распределены во времени независимо друг от друга. Стоит обратить внимание на наличие автокорреляции в остатках и, если оставить найденные коэффициенты уравнения без дальнейших поправок, в результате не удастся построить прогностическую модель, которая способна работать с достаточно высокой степенью точности.

Остатки подчиняются нормальному распределению. При наличии автокорреляции в остатках это означает, что каждый последующий уровень отклонения прогноза от фактических данных зависит от предыдущего. Если эта информация будет учитываться в расчетах, то получится уравнение регрессии со смещенными параметрами. Проделав соответствующие вычисления, видно, что коэффициент автокорреляции Rasm для отклонений, которые получены на основе нашего уравнения регрессии, оказался равным 0,988 (максимальное значение этого параметра равно 1), т. е. очень высоким. Из чего следует, что для оценки параметров уравнения регрессии нужно скорректировать статистические ряды данных по следующей формуле:

где Хпред. и Хпосл. — предыдущее и последующее значения курса евро;

Xпосл.корр. — последующее значение курса евро после его корректировки на автокорреляцию; Rавт — значение коэффициента автокорреляции.

74

Аналогичную формулу стоит применить и по отношению к Y, т. е. к зависимой переменной, обозначающей курс доллара. После чего на основе скорректированных рядов данных вновь проводится регрессионный анализ. В результате получается уравнение регрессии (с лагом, равным 0), которое скорректировано с учетом автокорреляции:

Данное уравнение можно сформулировать следующим образом: рост (или падение) курса евро на 1 руб. в 2005 г. приводил в среднем к повышению (или, соответственно, к снижению) курса доллара на 70,7 коп. Одновременно коэффициент детерминации для скорректированного уравнения оказался равен 87,4\%, при том что аналогичный показатель для предыдущего уравнения регрессии был гораздо выше — 99,8\%. Следовательно, устранение автокорреляции привело к понижению коэффициента детерминации на 12,4\%. Затем по вновь полученным остаткам скорректированной регрессии вычисляется критерий Дарбина-Уотсона, который получается равным 1,98. Данный вывод свидетельствует практически о полном отсутствии автокорреляции (если критерий Дарбина-Уотсона равен 2, то это означает, что Rавт равно 0).

Чтобы построить эффективно работающую прогнозную модель, недостаточно только устранения автокорреляции в остатках, поскольку в отклонениях фактических данных от прогноза по-прежнему присутствует неучтенная тенденция. Для этого модель необходимо изменить таким образом, чтобы она отражала этот тренд.

Для решения этой задачи стоит воспользоваться разработанными тремя основными способами: методом отклонений от тренда, методом последовательных разностей и методом включения в модель регрессии фактора времени.

Валютный курс

В январе—сентябре 2006 г. курсовая политика была направлена на ограничение инфляции, а также на то, чтобы не допустить чрезмерное укрепление рубля и предотвратить резкие изменения курса национальной валюты, которые не обусловлены действием фундаментальных экономических факторов.

Относительно поступления определенных объемов экспортной выручки и ослабления доллара США на мировом валютном рын-75

ке — ситуация на внутреннем валютном рынке ознаменовалась систематическим превышением предложения иностранной валюты над спросом, что обусловило большие объемы интервенций Банка России в 2006 г. За период с января по сентябрь 2006 г. нетто-объем покупки Банком России иностранной валюты достиг 91,2 млрд долл. США, что более чем в полтора раза превысило аналогичный показатель 2005 г. (58,1 млрд долл. США).

Влияние факторов внешнеэкономической конъюнктуры на ситуацию на внутреннем валютном рынке

Использование бивалютной корзины в качестве операционного ориентира курсовой политики рублевой стоимости, которая была рассчитана в 2006 г., исходя из 0,6 долл. США и 0,4 евро, позволяло при проведении интервенций более взвешенно и гибко реагировать на взаимные изменения курсов основных мировых валют и проводить сглаживание каждодневных колебаний эффективной стоимости рубля. Соответственно верхняя и нижняя границы стоимости корзины постоянно пересматривались Банком России, исходя из заявленной цели курсовой политики.

Динамика официальных курсов Банка России и рублевой стоимости бивалютной корзины в 2006 г.

Конверсионные операции с валютой проводились как в результате биржевых торгов, так и на рынке внебиржевых межбанковских валют. При этом основное влияние на результаты курсо-об-разования на внутреннем валютном рынке оказывали интервенции на сегменте «рубль/доллар США», проводимые Банком России. Этот банк также покупал евро за рубли, но все же объемы таких сделок в результате невысоких уровней активности участников на данном сегменте валютного рынка были незначительны.

Динамика среднемесячных реальных курсов рубля к доллару США, евро и реального эффективного курса рубля (прирост к декабрю

2005       г., \%)

По состоянию на 1 октября 2006 г., по сравнению с 1 января

2006       г., номинальный курс доллара США к рублю снизился на

7,0\% — до 26,78 руб./долл. США, а номинальный курс евро к руб

лю снизился на 0,6\% — до 33,98 руб./евро. Данные изменения

характерны для динамики курса евро к доллару США на мировом

валютном рынке. В результате чего номинальный эффективный

курс рубля за 9 месяцев 2006 г. вырос на 3,2\%.

76

В результате превышения темпов инфляции в России над средними темпами инфляции в группе стран (основных торговых партнеров Российской Федерации) сохранилась тенденция к росту реального эффективного курса рубля. За январь—сентябрь 2006 г. курс рубля к доллару США в фактическом выражении повысился на 12,1\%, к евро — на 6,0\%. Прирост фактического эффективного курса рубля составил 8,0\%.

В 2006 г. в целом реализация курсовой политики обеспечивала относительно низкий уровень волатильности курса рубля к бива-лютной корзине, что позволило сгладить влияние изменений внешнеэкономической конъюнктуры на состояние внутреннего валютного рынка и создать условия для роста доверия к российской национальной валюте.

Ценные бумаги

Согласно классической интерпретации, операции на открытом рынке заключаются в купле-продаже Центральным банком ценных бумаг с целью регулирования объема денежных средств у коммерческих банков. Это характеризует воздействие на краткосрочную ликвидность, изменения которой производит контроль Центрального банка через каналы трансмиссионного механизма; это оказывает влияние на важнейшие макроэкономические показатели (совокупный объем кредитования, изменения денежной массы, динамику рыночных процентных ставок, уровень инфляции и т. п.).

По операциям на открытом рынке в качестве базового актива в основном используются государственные ценные бумаги. Следует вывод, что причинами являются относительно низкий уровень риска данных финансовых инструментов, большие объемы государственных ценных бумаг в обращении и, что характерно, хорошо развитая инфраструктура рынка правительственных облигаций в зарубежных странах.

Проведение операций с государственными ценными бумагами обладает еще одним существенным преимуществом с точки зрения Центрального банка: расходы по обслуживанию и погашению этих облигаций несет не Центральный банк, а правительство, что не приводит к росту денежной массы.

В основном облигации Центрального банка получают приоритет перед государственными ценными бумагами, когда государственные ценные бумаги не могут эффективно использоваться

77

в операциях на открытом рынке. Можно выделить, согласно международному опыту проведения денежно-кредитной политики, две причины неэффективности использования государственных ценных бумаг для регулирования ликвидности банковской системы:

отсутствие или низкий уровень развития рынка государственного внутреннего долга на этапе перехода Центрального банка от административных методов проведения денежно-кредитной политики к рыночным;

даже относительно хорошо развитый рынок государственных ценных бумаг может быть непригодным для целей денежно-кредитной политики.

Страница: | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 |