CC BY
57
МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «ИННОВАЦИОННАЯ НАУКА» №3/2016 ISSN 2410-6070 УДК519.862.6
А.П. Цыпин
к.э.н., доцент кафедры статистики и эконометрики Оренбургский государственный университет
г. Оренбург, Российская Федерация А.А. Топунова студент группы 14Эк(ба)БСт Оренбургский государственный университет
г. Оренбург, Российская Федерация
ЭКОНОМЕТРИЧЕСКОЕ МОДЕЛИРОВАНИЕ ВЛИЯНИЯ СОЦИАЛЬНО-ЭКОНОМИЧЕСКИХ ПОКАЗАТЕЛЕЙ НА ФЛУКТУАЦИЮ УРОВНЕЙ ИНДЕКСА ММВБ
Аннотация
В статье проводится построениеэконометрической модели, отражающей влияние факторов на динамику индекса ММВБ. В качестве основного метода используется корреляционно-регрессионный анализ. В итоге оцениваются параметры модели влияния экспорта РФ на исследуемый показатель, и осуществляется процедура имитации отклика индекса ММВБ при прогнозных уровнях независимой переменной в первом квартале 2015 года.
Ключевые слова
индекс ММВБ, динамика, траектория движения, временной ряд, влияние, эконометрическая модель.
Значительная подвижность индикаторов фондового рынка накладывает определенные ограничения на круг применяемых эконометрических моделей, в связи с этим интересным является вопрос о выявлении факторов, оказывающих влияние на флуктуацию рассматриваемых показателей. Из этого следует цель написания статьи, которая заключается в построении эконометрической модели влияния социально-экономических факторов на индекс ММВБ.
Актуальность выбранной темы исследования подтверждается большим количеством работ, посвященных состоянию и перспективам развития российского фондового рынка, среди авторов занимавшихся этой проблематикой можно выделить: Бердникову Т. Б. [2], Наумова А.А. [4], Соснину Н.В. [5], Теницкого С.В. [6], Фетисова В.А. [7] и др. Среди исследователей, посвятивших свои работы проблеме моделирования динамики фондовых индексов в общем, и цен на акции в частности, можно выделить: Алексеева Д.Н. [1], Егорову Н.Е. [3], Фонотова А.М. [8] и др.
В качестве факторов, оказывающих влияние на индекс ММВБ, будем испиливать следующие переменные за период 2009-2014 гг. (в помесячном представлении) представленные ниже:хх —Доходы консолидированного бюджета, млрд. руб.; х2 —Расходы консолидированного бюджета, млрд. руб.; х3 —Инвестиции в основной капитал, млрд. руб.; х4 —Среднедушевые денежные доходы населения, руб. в месяц; х5 —Норма безработицы (на конец месяца), %; х6 —Экспорт-всего, млрд. долл. США; х7 —Импорт -всего, млрд. долл. США; х8 —Индекс выпуска по базовым видам экономической деятельности, с поправкой на сезонность, 2003.1(факт)=100.
Основным методом, применяемым на начальном этапе построения эконометрической модели, является корреляционный метод, так с его помощью можно установить (и измерить) наличие (отсутствие) взаимосвязи между зависимой и независимой переменной, а также (в случае значительного количества регрессоров) установить присутствие мультиколлениарности и исключить данную проблему[8, 9].
МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «ИННОВАЦИОННАЯ НАУКА» №3/2016 ISSN 2410-6070
Указанные задачи в эконометрике решаются с помощью построения и анализа матрицы парных коэффициентов корреляции.
Обратившись к возможностям пакета программ STATISTICA, получим результаты, представленные в таблице 1.
Для интерпретации значений коэффициентов, представленных в таблице 1, использовалась шкала Чеддока, согласно которой наблюдается высокая взаимосвязь между зависимой переменной и экспортом, при этом получено положительное значение, что указывает на прямую взаимосвязь. Данную взаимосвязи следовало ожидать поскольку наибольшую долю в экспорте занимает категория «минеральное сырье», а в индекс ММВБ входят значительное количество предприятий, занимающихся добычей и экспортом углеводородов.
Таблица 1
Матрица парных коэффициентов корреляции для зависимости динамики индекса ММВБ от факторов за
период 2009-2014 гг.
У Xi *2 Х4 *6 Х7 Хд
У 1,00
Xi 0,47 1,00
Х2 0,25 0,73 1,00
Хз 0,24 0,64 0,87 1,00
Х4 0,34 0,85 0,91 0,88 1,00
Х5 -0,53 -0,80 -0,45 -0,55 -0,70 1,00
х6 0,74 0,81 0,51 0,53 0,65 -0,82 1,00
х7 0,64 0,81 0,54 0,62 0,70 -0,86 0,93 1,00
хв 0,66 0,81 0,43 0,46 0,65 -0,93 0,90 0,86 1,00
Также стоит указать на обратную зависимость между у и безработицей (х5), что полностью согласуется с теоретическими предпосылками, так при росте безработицы, население в меньшей степени способно инвестировать в фондовый рынок.
Помимо выделенных факторов на динамику индекса ММВБ оказывают переменныех6,х7 их8, но в связи с наличием мультиколлениарности (зависимости между независимыми переменными) оставим в модели лишь одну переменную оказыващую наибольшее влияние - х6.
Итак, опираясь на значения коэффициентов корреляции, можно предположить следующую зависимость между переменными: У = /(х6).
Обратимся к возможностям пакета программ 8ТАТКТ1СА (модуль Множественная регрессия) и протестируем выдвинутые гипотезы относительно линейных зависимостей, посредством построения регрессионных уравнений.
Множественный коэффициент корреляции равный 0,739, указывает на высокую корреляционную связь между результативной переменной и фактором, вошедшем в модель.
Коэффициент множественной детерминации получен также достаточно высокими, и указывают на удовлетворительное качество модели, 54,6 % вариации зависимой переменной описывается регрессией.
Фактическое значение ^-критерия Фишера, больше табличного значения (табличное значение Е-статистики равно 3,97), отсюда можно сделать вывод о статистической значимости модели.
Рассмотрим параметры оцененных моделей, для этого обратимся к таблица 2.
Таблица 2
Эконометрическая модель зависимости динамики индекса ММВБ от экспорта РФ
Параметры Коэффициенты модели Стандартная ошибка модели t(70 )-статистика Стьюдента ^-уровень значимости
Свободный член 557,480 92,432 6,031 0,000
Хб 21,707 2,364 9,182 0,000
МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «ИННОВАЦИОННАЯ НАУКА» №3/2016 ISSN 2410-6070
Полученные фактические значения ¿-критерия Стьюдента выше табличного значения (табличное значение ¿-статистики равно 1,99), отсюда можно сделать вывод о статистической значимости параметров регрессионного уравнения.
Интерпретация параметра при независимой переменной заключается в следующем - при увеличении экспорта на 1 млрд. долл. США индекс ММВБ увеличится на 21,7 процентный пункт.
Так как построенная нами модель статистически значима, а остатки не проявляют наличие автокорреляции, то можно перейти к процессу моделирования. При этом в качестве значений переменной х6 выберем имеющиеся в нашем расположении данные за первое полугодие 2015 год (таблица 3).
Как и следовало ожидать, согласно полученным прогнозам, наблюдается рост точечных прогнозных значений, но также необходимо указать на их отставание от фактических значений. Данная закономерность объясняется наличием неучтенных в модели факторов.
Таблица 3
Результаты построения прогнозов динамики индекса ММВБ от экспорта РФ
Периоды Фактические значения х6 Точечный прогноз y Нижняя доверительная граница Верхняя доверительная граница Фактические значенияy
янв.15 27,8 1160,9 1098,6 1223,3 1394,66
1193 5 1136 5 1250 5
фев.15 мар.15 29,3 32,7 1267,3 1220,9 1313,7 1647,74 1759,25
апр.15 31,5 1241,2 1191,5 1291,0 1625,21
май.15 30,9 1228,2 1176,6 1279,8
1689,55
июн.15 30,3 1215,2 1161,6 1268,8 1610,07
Рассматривая итоги проведенного корреляционно-регрессионного анализа зависимости индекса ММВБ от факторов, необходимо заметить, что нам не удалось построить множественные уравнения регрессии, в которых доля объясненной флуктуации приближалась бы к 100 %. Все это объясняется значительным количеством факторов, оказывающих существенное влияние на зависимую переменную и необходимы другие методы построения модели не накладывающие ограничения на мультиколлениарности, в качестве такого метода можно предложить искусственные нейронные сети. Список использованной литературы:
1. Алексеев Д.Н. Адаптивные методы прогнозирования динамики цен на фондовом рынке // Наука и образование в глобальных процессах. 2015. № 1 (2). С. 54-57.
2. Егорова Н.Е., Торжевский К.А. Модели и методы анализа фондовых рынков и опыт их применения в условиях России // Экономика и математические методы. 2015. Т. 51. № 1. С. 68-79.
3. Наумов А.А. О современном состоянии методов анализа волатильности фондовых рынков // Theoretical&AppHedStience. 2014. № 4 (12). С. 175-177.
4. Соснина Н.В. Российский фондовый рынок и его особенности. // Экономика и социум. 2014. № 4-4 (13). С. 1012-1015.
5. Теницкий С.В. Российский фондовый рынок 2015 года: уроки и последствия // Экономика и управление: проблемы, решения. 2015. № 11. С. 86-89.
6. Фетисов В.А. Фондовый рынок России // ScienceTime. 2014. № 8. С. 303-308.
7. Фонотов А.М., Бабич К.К. Прогнозирование движения цен на фондовом рынке в краткосрочном периоде // Искусственный интеллект. 2013. № 1 (59). С. 190-195.
8. Цыпин А.П. Статистический анализ трансформации экономики России: автореф. дис. ... к-та экон. наук. - Оренбург, 2005. - 18 С.
9. Цыпин А.П. О статистических методах периодизации исторических временных рядов макроэкономических показателей // Вестник НГУЭУ. 2014. № 4. С. 88-100.
© Цыпин А.П., Топунова А.А., 2016
