CC BY
136
УДК 681.3
АНАЛИЗ ПРОБЛЕМАТИКИ КРАТКОСРОЧНОГО ПРОГНОЗИРОВАНИЯ ИНТЕГРАЛЬНЫХ ЭКОНОМИЧЕСКИХ ПОКАЗАТЕЛЕЙ
В.Л. Бурковский, К.Ю. Гусев
В статье проводится анализ современных методов прогнозирования. Раскрывается проблема краткосрочного прогнозирования экономических систем. Приводится анализ математических методов прогнозирования и приложений к ним для применения при краткосрочном прогнозировании. Приводится анализ методов эконометрики для применения при краткосрочном прогнозировании в качестве приложения к математическим методам
Ключевые слова: краткосрочное прогнозирование, методы прогнозирования, эконометрика
В современных условиях мировой рынок претерпел определённую структурную перестройку: торговля носит межгосударственный характер, процесс ценообразования и совершения сделок носит беспорядочный характер. При этом время, затрачиваемое на совершение сделок, существенно уменьшилось, что оказывает большое влияние на краткосрочное поведение рынка. Что касается долгосрочного аспекта, то влияние на процесс
ценообразования оказывают курсы обмена национальных валют, процентные ставки, показатели экономического роста, тенденции издержек и прибыли. В такой ситуации рынок описывается так называемой «гипотезой эффективного рынка» [1], согласно которой вся текущая информация о его состоянии учитывается в текущих ценах, и будущее изменение цен зависит только от оперативно-формируемой информации.
В условиях рыночной экономики важную роль играет не столько информация о текущем состоянии рынка, сколько объективный прогноз состояния в конкретной перспективе. Большинство современных методов
прогнозирования состояния рынка, как экономической системы имеют долгосрочный характер (от 1 суток). Такие методы доказали свою работоспособность и широко применяются на практике. Ниже
рассматривается проблема краткосрочного прогнозирования интегральных экономических показателей, как наиболее актуальная в условиях современного рынка. При долгосрочном прогнозировании имеется возможность корректировать прогноз с течением времени, поскольку в систему прогнозирования постоян-
Бурковский Виктор Леонидович - ВГТУ, д-р техн. наук, профессор, E-mail: emses@mail.ru Гусев Константин Юрьевич - ВГТУ, студент, E-mail:gussev_konstantin@mail.ru
но поступает информация о текущем состоянии динамики экономического показателя и имеется запас времени для повышения объективности и качества прогноза. При краткосрочном прогнозировании возможность корректировки данных прогноза практически отсутствует по следующим причинам:
- временной интервал прогноза совпадает с временным интервалом поступления информации о динамике экономического показателя, то есть системе прогнозирования недоступны промежуточные информационные значения, позволяющие осуществить корректировку прогноза.
- время реакции системы прогнозирования соизмеримо с требуемым временным интервалом прогноза. Экономические системы очень сложны с точки зрения математического описания, поэтому для их анализа используются средства прогнозирования с соответствующими приложениями и модификациями, что неизбежно увеличивает непосредственно время формирования прогноза. Поэтому увеличение точности краткосрочного прогнозирования приводит к неизбежному расширению используемых машинных ресурсов.
Предлагается для минимизации влияния первой причины осуществить введение пробных шагов прогнозирования на временном интервале, что, во-первых, позволяет использовать методы долгосрочного прогнозирования в рамках данной задачи, а, во-вторых, появляется возможность уменьшения погрешности прогноза данного экономического показателя. Влияние второй указанной выше причины предлагается компенсировать путём выбора соответствующих систем прогнозирования с требуемым быстродействием.
Таким образом, к системам краткосрочного прогнозирования необходимо предъявлять следующие основные требования:
- возможность введения пробных шагов на временном интервале прогноза для уменьшения погрешности прогноза;
- время работы системы прогнозирования должно быть много меньше временного интервала прогноза.
Наиболее полную информацию о динамике рынка включают в себя индексы экономического развития. В общем случае, индекс есть средняя (или в неравных долях) цена акций ведущих предприятий страны, региона или отрасли. Например, индекс ММВБ — ценовой индекс, включающий 30 наиболее ликвидных акций российских эмитентов; промышленный индекс Доу-Джонса (БЛЛ) рассчитывается в определённых пропорциях стоимости акций 30 крупнейших промышленных корпораций.
Для анализа динамики соответствующего индекса последний можно представить в виде временного ряда. Каждое значение индекса, полученного на основе временного ряда, включает в себя следующие составляющие: тренд, циклические, сезонные и случайные колебания. Динамический анализ временных рядов
используется для определения тренда имеющегося временного ряда. Данную составляющую можно рассматривать в
качестве общей направленности изменений значений ряда или основной тенденции ряда. Циклическими называются колебания относительно линии тренда для периодов свыше одного года. Такие колебания в рядах финансовых и экономических показателей часто соответствуют циклам деловой
активности: резкому спаду, оживлению,
бурному росту и застою. Сезонными колебаниями называются периодические изменения значений ряда на протяжении года. Их можно вычленить после анализа тренда и циклических колебаний. Наконец, случайные колебания выявляются путем снятия тренда, циклических и сезонных колебаний для данного значения. Остающаяся после этого величина и есть беспорядочное отклонение, которое необходимо учитывать при определении вероятной точности принятой модели прогнозирования. Рассмотрим возможные методы прогнозирования индексов экономического развития.
Одним из математических средств, используемых в данной области, является
аппарат динамического хаоса. Идея прогнозирования здесь состоит в описании состояния экономического показателя в прошлом на фазовой плоскости аттракторами, создании базы
знаний и затем поиска аналогов в будущем. Известно, что хаотические системы очень чувствительны к начальным условиям. В связи с этим теорию динамического хаоса можно использовать только в краткосрочном прогнозировании. Несостоятельность этого метода в рамках задачи краткосрочного
прогнозирования состоит в сложном управлении хаосом, из чего следуют большие затраты времени для прогноза. Другими словами система прогнозирования с применением теории динамического хаоса не отвечает основным требованиям систем краткосрочного прогнозирования.
Наибольшее распространение для анализа и прогноза получили нейронные сети. Нейронные сети преобразуют информацию по образу процессов, происходящих в мозгу человека. Эта информация имеет численный характер, что позволяет использовать нейронную сеть, например, в качестве модели объекта с совершенно неизвестными характеристиками (описание объекта типа «чёрный ящик») [2]. Эту особенность мы можем использовать для описания изменений во времени экономических показателей. Принято считать, что чем больше внутренних связей и скрытых слоёв имеет нейронная сеть, тем выше её функциональные показатели. Однако на практике оказывается иначе: даже для описания сложных рядов используют трёхслойную нейронную сеть.
Идея прогнозирования с помощью нейронной сети совпадает с идеей использования теории хаоса: создание базы знаний и затем поиска аналогов в будущем.
Кроме нескольких базовых методов прогнозирования, отмеченных выше, для увеличения точности используют приложения: системы с нечёткой логикой, вейвлет-преобразование сигнала.
В процессе принятия решений субъект оперирует нечёткими переменными, следовательно, применение нечёткой логики в нейронных сетях даёт возможность приблизить функционирование сети к её биологическому прототипу - человеческому мозгу. Для применения аппарата нечёткой логики в нейронных сетях её весовые коэффициенты заменяются функциями принадлежности. В процессе обучения сети происходит настройка не одного веса нейрона, а двух параметров функции принадлежности. С одной стороны это увеличивает время работы нейронной сети, с другой - увеличивает точность описания объекта.
В рамках нейронных сетей вейвлет-преобразование сигнала предлагается
использовать:
- в качестве фильтра входного сигнала от помех и шума;
- в качестве замены весовым коэффициентам. База знаний нейронной сети содержит не весовые коэффициенты, а набор вейвлетов, с помощью которых описывается входной сигнал. Сначала происходит прямое вейвлет-преобразование входных данных, обращение к базе знаний системы, а затем обратное вейвлет-преобразование для получение прогнозируемой величины.
Несмотря на обилие современных методов прогнозирования, они оказываются не способными для краткосрочного прогноза экономических показателей. Для всестороннего прогноза необходимо использовать не только математические, но и экономические методы прогнозирования. Рассмотрим задачу прогнозирования с точки зрения эконометрики.
Известно, что 99% всех сделок -спекулятивные, т. е. направлены не на обслуживание реального товарооборота, а заключены с целью извлечения прибыли по схеме "купил дешевле - продал дороже ". Все они основаны на предсказаниях изменения курса участниками сделки. Причем, что немаловажно, предсказания участников каждой сделки противоположны друг другу. Так что объем спекулятивных операций характеризует степень различий в предсказаниях участников рынка, то есть реально - степень непредсказуемости финансовых временных рядов [3].
Теория эффективного рынка не разделяется, вполне естественно, самими участниками рынка. Большинство из них уверено, что рыночные временные ряды, несмотря на кажущуюся стохастичность, полны скрытых закономерностей, т. е. хотя бы отчасти предсказуемы. Такие скрытые эмпирические закономерности и стали основой технического анализа экономических показателей.
Технический анализ состоит в изучении прошлых цен с целью определения вероятного направления развития в будущем. Текущая динамика цен сравнивается с динамикой цен в прошлом, посредством чего достигается более или менее реалистичный прогноз [4].
Основу технического анализа составляют три правила:
- цены двигаются направленно. Это предположение стало основой для создания всех методик технического анализа. Главной задачей технического анализа является опреде-
ление направлений движения цен (тенденций или трендов) для использования в торговле. Существуют три типа трендов - бычий (движение цены вверх), медвежий (движение цены вниз) и боковой (цена практически не движется). Все три типа трендов встречаются не в чистом виде, поскольку движение «по прямой» на ценовом графике можно встретить очень редко;
- движение рынка учитывает всё («эффективный рынок»). Любой фактор, влияющий на цену, - экономический, политический, психологический - заранее учтен и отражен в ее графике;
- история повторяется. Предполагается, что если определенные типы анализа работали в прошлом, то будут работать и в будущем, поскольку эта работа основана на устойчивой человеческой психологии.
Технический анализ реализуется на основе следующих методов:
- графического метода, основанного на анализе ценовых графиков - нанесения на график изменения цены за определенный промежуток времени;
- математического метода, основанного на анализе математических функций, построенных на основе цены или объёма цен.
Как уже было сказано выше, цена включает в себя всю информацию о товаре. Фундаментальный анализ используется в большинстве случаев для определения
глобальных тенденций в развитии экономики. И как следствие, применятся стратегическими инвесторами для осуществления долгосрочных инвестиций. Стоит, однако, отметить, что в этом случае обычно пренебрегают краткосрочными колебаниями цен. Фундаментальный анализ для прогноза использует информацию, из которой складывается цена. В наше время фундаментальный анализ сводится к анализу новостей и слухов о том или ином товаре или фирме. Например, утром появляется статья о том, что предприятие получило большой заказ, и уже к обеду цена их акций начинает подниматься. То есть фундаментальный анализ даёт нам возможность предсказывать тренды.
Характерная черта фундаментального анализа заключается в том, что он в противовес техническому и вероятностному анализу изучает те причины, которые привели к изменению курса национальной валюты. При этом как при техническом, так и при вероятностном подходе вышеуказанные причины не вызывают интереса. Таким образом, главный постулат фундаментального
анализа можно сформулировать следующим образом: сначала причина, а потом следствие. Другими словами, любое изменение в валютном курсе обусловлено изменением спроса и предложения, что, в свою очередь, может оцениваться с использованием методов фундаментального анализа.
На практике фундаментальный анализ сводится, как правило, к анализу макроэкономических показателей
(экономических индикаторов, основных процентных ставок, фондовых индексов и т.д.) с точки зрения их влияния на курс национальной валюты. При этом любая новость обязательно анализируется в двух аспектах. С одной стороны, это оценка общего состояния национальной экономики, а с другой — влияние на основные процентные ставки (ставку) исследуемой страны.
Различают три фактора фундаментального анализа:
- экономический: данные о развитии
страны, заседание ЦБ, торговые переговоры, выступление глав государств;
- политический;
- форс-мажорный (например, природный фактор).
Также фундаментальный анализ использует данные экономического развития (ВНП, безработица, жилищное строительство и т.д.) [5].
Несмотря на простоту формулировок, детальный анализ фундаментальных факторов подчас связан с непреодолимыми трудностями. И, как следствие, для неспециалиста вероят-
ность успешного проведения такого анализа ничтожно мала (поскольку он не имеет достаточной экономической подготовки).
Таким образом, с глобализацией экономики появляется острая необходимость краткосрочного прогнозирования экономических показателей. Используя современные методы прогнозирования совместно с методами экономического анализа, появляется возможность прогнозировать такие показатели, как рост или снижение цен, социально-экономическое состояние стран, курсы национальных валют. Если в качестве приложения к методам прогнозирования (нейронные сети, теория хаоса, вероятностные методы) использовать не только математические (вейвлеты, нечёткая логика, генетические алгоритмы), но и методы эконометрики (технический и фундаментальный анализ) появляется возможность увеличить точность краткосрочного прогнозирования экономических показателей.
Литература
1. Фама Е.Ф., Миллер М.Г. Теория финансов. Нью-Йорк: Holt, Rinehart and Winston, 1972. 434 с.
2. Руткоская Д. Нейронные сети, генетические алгоритмы и нечёткие системы. М.: Горячая линия, 2006. 452 с.
3. Бэстенс Ж.-Э., В.-М. Ван Ден Берг, Д. Вуд. Нейронные сети и финансовые рынки. М.:ТВП, 1977. 236 с.
4. Стивен Б. Акелис. Технический анализ от А до Я. М.: Диаграмма, 1999. 242 с.
5. Майкл Бретт. Как читать финансовую информацию. М.: Проспект, 2004. 464 с.
Воронежский государственный технический университет
ANALISIS RANGE OF PROBLEM OF SHORT-TERM FORECASTING OF INTEGRAL
ECONOMIC INDEXES
V.L. Burkovskiy, K.Yu. Gusev
The article is devoted to the analysis of modern forecast method. Problem of short-term forecasting is considered. Mathematical methods of short-term forecasting, supplement to mathematical methods, functions of econometrics for using to short-term forecasting are analyzed
Key words: short-term forecasting, forecast method, econometrics
