Читать «Как предсказать курс доллара. Расчеты в Excel для снижения риска проигрыша» онлайн - страница 21

Таблица 3.1. Данные по курсу доллара к рублю, нумерации торговых дней и остаткам с лагом в один день

Источник: расчеты автора и данные Банка России

Воспользуемся алгоритмом № 5. «Как решить уравнение регрессии в Excel» из главы 2, чтобы решить новое уравнение регрессии. Алгоритм действий будет аналогичным за исключением того, что в это уравнение регрессии будут включены две независимые переменные, о которых мы уже говорили – Xt и Xo, а также зависимая от них результативная переменная Y.

Однако прежде чем приступить к решению двухфакторного уравнения регрессии приведем краткий алгоритм оценки адекватности уравнения регрессии на основе вывода итогов, оценки средней ошибки аппроксимации и выявления автокорреляции в остатках. Этим мы уже занимались в главе 2, но в данном случае этот алгоритм представляет собой краткое резюме для проверки адекватности уравнений регрессии. Им читателю будет удобно пользоваться при оценке адекватности решенных им уравнений регрессии.

Алгоритм № 6 «Оценка адекватности уравнения регрессии».

Шаг 1. Принятие решения о статистической значимости уравнения регрессии.

1.1. Чем ближе R-квадрат или нормированный R-квадрат (если сравниваются уравнения регрессии с различным количеством включенных в него независимых переменных) к 1, тем лучше, что дает отличный критерий для выбора одного из нескольких уравнений регрессии.

1.2. Значимость F должна быть меньше 0,05 – при 5% уровне статистической значимости или 95% уровне надежности; должна быть меньше 0,01 ‑ при 1% уровне статистической значимости или 99% уровне надежности.

Шаг 2. Принятие решения о статистической значимости коэффициентов уравнения регрессии .

2.1. P-Значение должно быть меньше 0,05 – при 5% уровне статистической значимости или 95% уровне надежности; P-Значение должно быть меньше 0,01 ‑ при 1% уровне статистической значимости или 99% уровне надежности.

2.2. Коэффициенты регрессии и свободного члена при переходе от столбца Нижние и к столбцу Верхние (при заданном уровне надежности) не должны менять свой знак. Если смена знака происходит, то коэффициенты данного уравнения регрессии считаются статистически незначимыми.

Шаг 3. Принятие решения о возможности прогнозирования по данной статистической модели.

3.1. Средняя ошибка аппроксимации не должна быть выше 7-10%.

Шаг 4. Проверка автокорреляции в остатках.