Читать «Как предсказать курс доллара. Эффективные методы прогнозирования с использованием Excel и EViews» онлайн - страница 76

5. В чем сходство и различие тестов Чоу на структурную стабильность и на точность прогноза? Какой из этих тестов лучше подходит для анализа стабильности статистической модели относительно последнего наблюдения? Как можно изменить статистическую модель в том случае, когда тест на точность прогноза свидетельствует о структурной нестабильности, возникшей в модели в результате резкого изменения курса доллара в последнем наблюдении?

6. Чем отличается структурное изменение в виде тренда со сдвигом от структурного изменения в виде тренда с наклоном? С помощью какого теста выявляются такого рода изменения во временном ряде? Какие структурные изменения в динамике курса доллара к рублю были выявлены в августе, сентябре и октябре 1998 г.?

7. Почему из расчетной базы данных, на которых строилась статистическая модель USDOLLAR = а × USDOLLAR(-l) + b × US-DOLLAR(-2), была исключена часть наблюдений? Удалось ли в результате получить статистическую модель с оптимальным диапазоном интервального прогноза? Вывод свой обоснуйте.

Глава 6

Построение стационарной статистической модели

6.1. Тестирование исходного и логарифмического временнoго ряда на стационарность

В главе 5 с помощью анализа остатков на выбросы, тестов Чоу на стабильность и точность прогноза, а также метода Гуйарати по определению характера структурных изменений была выявлена нестабильность параметров уравнения регрессии USDOLLAR = а × USDOLLAR(-l) + b × USDOLLAR(-2). Причем эта проблема особенно обостряется во время резких колебаний курса доллара (в первую очередь в периоды кризисов 1998 г. и 2008–2009 гг.). Мы также выяснили, что нестабильность параметров в этом уравнении регрессии обусловлена не только высокой волатильностью на рынке, но и его нестационарной AR-структурой. Об этом, в частности, свидетельствует тестирование этого уравнения регрессии на импульсный ответ (см. алгоритм № 14).

В связи с этим нам предстоит задача по созданию уравнения регрессии, обладающего стационарной AR- или ARM А-структурой. Напомним нашим читателям, что отличие первой от второй заключается в том, что первое уравнение представляет уравнение авторегрессии, а второе — уравнение авторегрессии со скользящей средней.

Вот что пишет о специфике стационарных временных рядов профессор статистики Стэнфордского университета Т. Андерсон: «Предполагается, что случайные составляющие имеют в каждый момент времени одинаковые дисперсии и некоррелированны. Они могут представлять собой ошибки наблюдения или нерегулярности иного рода. Предположения о равенстве дисперсий и отсутствии корреляции являются определенным приближением к действительному положению вещей…Иногда наблюдения лучше соответствуют условиям равенства дисперсий и аддитивности ошибки, если преобразовать масштаб измерений изучаемой величины. Например, в ряде экономических исследований производится анализ не самих цен, а их логарифмов…»