Научная статья на тему 'Математическая модель краткосрочного прогнозирования динамики фьючерсных рынков'

Математическая модель краткосрочного прогнозирования динамики фьючерсных рынков Текст научной статьи по специальности «Экономика и бизнес»

CC BY
881
129
i Надоели баннеры? Вы всегда можете отключить рекламу.

Аннотация научной статьи по экономике и бизнесу, автор научной работы — Григорьев В. П., Козловских А. В., Ситникова О. В.

В работе представлена нелинейная динамическая модель краткосрочного прогнозирования цен на фьючерсном рынке, разработанная на основе методов нелинейной динамики. Приведены схемы построения точечного и интервального прогнозов.

i Надоели баннеры? Вы всегда можете отключить рекламу.
iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

Текст научной работы на тему «Математическая модель краткосрочного прогнозирования динамики фьючерсных рынков»

УДК 159.6

МАТЕМАТИЧЕСКАЯ МОДЕЛЬ КРАТКОСРОЧНОГО ПРОГНОЗИРОВАНИЯ ДИНАМИКИ ФЬЮЧЕРСНЫХ РЫНКОВ

В.П. Григорьев, А.В. Козловских, О.В. Ситникова

Томский политехнический университет.

E-mail: [email protected]

В работе представлена нелинейная динамическая модель краткосрочного прогнозирования цен на фьючерсном рынке, разработанная на основе методов нелинейной динамики. Приведены схемыы построения точечного и интервального прогнозов.

Экономическая постановка задачи

В данной работе объектом исследования является фондовый рынок. Динамика цены на фьючерсном рынке часто носит флуктуационный характер, поэтому для описания данных процессов используют стохастические вероятностные модели, в которых исследуемый процесс есть решение системы стохастических уравнений, содержащих источник случайности.

Наиболее перспективным является метод, основанный на теории детерминированного хаоса. Здесь возникновение флуктуаций объясняется как результат неслучайных взаимодействий связанных переменных в нелинейной динамической системе. Согласно данной теории введение в модель теоретически оправданных нелинейностей может описать экономические флуктуации более успешно, чем введение случайных переменных [1].

На первом этапе моделирования необходимо определить основные факторы движения рынка. Согласно теории технического анализа, которая широко применяется для прогнозирования поведения рыночных характеристик, динамика рынка включает три основных источника информации, а именно: цену контракта, объем торгов и "открытый интерес". Объем торгов и "открытый интерес" не первостепенные, но, тем не менее, чрезвычайно важные факторы, влияющие на формирование цены. "Открытый интерес" - это количество не закрытых позиций на конец торгового дня [2]. На основе данных факторов формируется ликвидность рынка и оборот торгов.

В результате модель прогнозирования цен на фьючерсном рынке должна описывать процесс изменения трех рыночных характеристик - цены

г м м

контракта, объема торгов и "открытого интереса".

Математическое обоснование и построение модели

Экспериментально поведение сложной системы определяется путем наблюдений в течение какого-то интервала времени над некоторым экономическим показателем Д/), в нашем случае - ценой. Анализ этой последовательности, на формирование которой оказывают влияние и другие переменные, позволяет определить число дифференциальных уравнений первого порядка И, необхо-

димых для моделирования динамики системы. Фрактальная размерность аттрактора й должна удовлетворять неравенству d<N. Округлив й до ближайшего целого сверху, получим величину N [3].

Для определения размерности аттрактора строим псевдофазовое пространство, используя значения временного ряда цены, взятые со сдвигом во времени. Например, фазовый портрет на плоскости может быть построен с использованием вектора: ДО), Д/+Т)}.

Идея заключается в том, что сигнал Д/+ Т) связан с производной сигнала Д/), и результат имеет те же свойства, что и при использовании истиной фазовой плоскости.

Далее для численной оценки корреляционной размерности используем корреляционную функцию, подсчитывающую число пар точек, расстояние между которыми меньше Ь [3].

(2 = 0, если Ь - jXi - Х] || > 0;

Q = 1, если Ь - Цх - Х;.|| < 0.

Сама корреляционная размерность оценивается из наклона зависимости 1п[С(Ь)] от 1п(Ь).

Проведенный анализ последовательности наблюдений изменения цены на различных фондовых рынках позволяет ограничиться тремя уравнениями для описания исследуемой динамической системы [3].

В качестве первой фазовой координаты выбираем Д(/) - цену контракта, в качестве второй и третьей - рыночные характеристики, которые оказывают наиболее сильное влияние на формирование цены - это Х2(/) - объем торгов и Д(/) - "открытый интерес".

Поскольку исследуемые динамические процессы, в общем случае, описываются дифференциальными уравнениями турбулентного типа, то модель должна включать систему трех нелинейных дифференциальных уравнений следующего вида:

dxx(t)

dt

dt

dt

ài(t) • Xj(t) + a2(t) • Xj(t) • X2(t) + as(t) • Xj(t) • Xs(t)

-- bj(t) • X2(t) • Xj(t) + b2(t) • X2(t) + bs(t) • X2(t) • Xs(t) (1)

= ci(t) • Xs(t) Xi(t) + 02(t) • Xs(t) • X2(t) + C3(t) • X3(t),

Существующая взаимосвязь между вышеописанными экономическими показателями отражена перекрестным произведением соответствующих фазовых переменных: X1(t)-X2(t) - оборот торгов. Отражает взаимосвязь между ценой контракта и объемом торгов и позволяет учитывать в модели внутренние силы, управляющие движением цены.

X1(t)-X3(t) - текущая ликвидность рынка. Позволяет отразить факт заинтересованности тем или иным контрактом с долгосрочной точки зрения; другими словами, определить, насколько серьезно участники рынка воспринимают текущий тренд. Отражает взаимосвязь между ценой контракта и "открытым интересом".

X2(t)-X3(t) - взаимосвязь между объемом торгов и

п н г\

"открытым интересом". О количественной характеристике взаимосвязи объема и "открытого интереса" известно мало, но качественную характеристику, опираясь на экспериментальные данные, можно сформулировать следующим образом: "Увеличение объема торгов должно подтверждаться достаточным открытым интересом" [2].

a(t), ait), ait), bit), b2(t), b(t), с 1(f), с(), с() -неизвестные коэффициенты системы, определяющие степень влияния соответствующих показателей рынка и их взаимосвязи на поведение системы. Данные коэффициенты являются переменными на некотором достаточно большом отрезке времени, но кусочно-постоянными на небольшом исследуемом интервале - шаге прогноза. Эти коэффициенты характеризуют:

a1(t) - изменение цены на один процент в единицу времени, 1/c.

a2(t) - изменение оборота торгов на один процент в единицу времени, 1/c.

a3(t) - изменение ликвидности рынка на один процент в единицу времени, 1/c.

b1(t) - влияние цены на изменение оборота торгов, 1/руб-с.

b2(t) - изменение объема торгов на один процент в единицу времени, 1/c.

b3(t) - влияние открытого интереса на измене/- М <-> м

ние взаимосвязи: объем - "открытый интерес", 1/шт-с.

с(^ - влияние цены на изменение ликвидности рынка, 1/руб-с.

с2(^ - отражает влияние объема торгов на изме-

Г tt м

нение взаимосвязи: объем - "открытый интерес", 1/шт-с.

с() - изменение открытого интереса на один процент в единицу времени, 1/с.

Вычисление коэффициентов производиться по всем параметрам модели в фиксированные моменты времени. В результате получается система алгебраических уравнений (2) относительно неопределенных коэффициентов. Первые производные в левых частях уравнений оцениваются при помощи кубического сплайна.

(

dxi(t, )

= aj ■ Xj(t) + a2 • Xj(t,) • X2(t) + аз • Xj(t,) • X3(t,)

dxi(t,)

= bj • X2(t) • Xj(t,) + b2 • X2(t) + Ьз • X2(t) • X3(t,)

_ Cj Xt) •Xj(ti) + C2 • X3(t,) • X2(t) + C3 • X3(ti)

aj■Xj(t,+j) + a-2■Xj(t,+j) ■X2(tl+j) + аз■Xj(tl+j) ■X3(tl+j)

dx3(t,) dt,

dxi(tl+i) _ dt,+i dx2 (ti+1 ) _ b dt,

X (

——tj+^_ Cj-X3(il+j) ■Xj(il+j) + C2'X3(ti+j) • X2(ti+j) + C3X3(tl+j)

dt,

dx3 ( t,+j ) _ dt,+j dxi (t,+2 )

bjX2(ti+j) Xj(ti+j) + b2X2(ti+j) + b3X2(ti+j) X3(t!+j) (2)

_ ajxj(ti+2) + a2■Xj(ti+2) x2(ti+2) + азXj(ti+2) x3(ti+2)

dt,+2

dX2(t,+2) _ bjX2(t,+2) •Xj(t,+2) + b2-X2(t,+2) + b3-X2(t,+2) •X3(t,+2)

dx3 (ti+2)

V dt,+2

_ Cj'X3(tl+2) ■Xj(tl+2) + C2'X3(t,+2) -X2(ti+2) + C3'X3(t+2)

Из решения данной системы находим искомые параметры, которые считаем постоянными на шаге прогноза. Подставляем a1, a2, a3, Ь1, Ь2, Ь3, с1, с2, с3 в систему уравнений (1) и, решая задачу Коши для системы обыкновенных дифференциальных уравнений при начальных условиях в точке (^+2), находим вектор прогностических значений Xp(x1, x2, x3). В результате получаем точечный прогноз на один шаг вперед.

Следует отметить, что все процессы, характеризующиеся наличием хаоса, гиперчувствительны к точности задания параметров и начальных условий [1]. Поэтому краткосрочное прогнозирование наиболее качественно осуществляется с помощью адаптивных непрерывно подстраиваемых моделей. Это означает, что при прогнозировании с помощью модели (1) на каждом шаге осуществляется обновление коэффициентов a1, a2, a3, Ь1, Ь2, Ь3, с1, с2, с3 и начальных условий с учетом развития событий.

Построение интервального прогноза

Предсказание вектора Xp одним значением называется точечным прогнозом. Для построения интервального прогноза (предсказания того, что событие осуществиться в заданном интервале значений с указанной вероятностью) необходимо, в первую очередь, проанализировать относительную ошибку прогноза, которая представляется последовательностью - (е, t = 1, ... п). - должны быть

случайными величинами и удовлетворять нормальному закону распределения.

Анализируя временной ряд е,, доказываем случайность колебаний уровней е, пользуясь критерием пиков. Критерием случайности ряда е с 5 %

dx3 (t)

dt

dt

уровнем значимости является выполнение следующего неравенства [4]:

2

Р > [3 (п - 2) - 1,96

16п - 29

90

(3)

где P - число поворотных точек ряда е. Квадратные скобки означают, что берется только целая часть полученного значения.

При выполнении данного критерия гипотеза о случайности колебаний е принимается.

Далее предполагаем, что е имеет нормальное распределение, и рассматриваем вопрос о согласованности статистического и теоретического распределений, используя критерий Пирсона [5].

Величина Р характеризует вероятность согласованности теоретического и статистического распределений. При Р>0,1 нормальный закон достаточно удовлетворительно воспроизводит заданное статистическое распределение. Р определяется из справочных таблиц по значениям %2 и г [5].

г = /- 3,

х- = ь± (^±

1=1

(4)

где wi - относительные частоты, заданные статистической таблицей; Pi - вероятности, полученные по некоторому теоретическому закону распределения, в нашем случае нормальному; / - число разрядов статистической таблицы.

В результате интервальный прогноз строится по следующей схеме:

ир - Хр ±

ОрПа

число иа находят по справочным таблицам значений функции Лапласа [5] из условия

Ф(Па)

1 - а 2

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Хр - X

пт(п + т - 2)

(п - 1)Охр + (т -1)Бх

п+т

(5)

где хр - предсказанные значения; х - реальные данные; Бхр - дисперсия предсказанных значений цены, Д - дисперсия реальных данных; п, т - соответствующие относительные частоты, заданные статистической таблицей [5].

Сравниваем Тп с критическим значением Т„ взятым из справочной таблицы [5]. Если неравенство Т>Тп выполняется, то гипотеза об адекватности модели принимается с заданным уровнем значимости.

Таблица. Результаты прогноза цены контракта

Истинное значение цены, $ Прогностическое значение цены,$ Относительная ошибка прогноза,% Доверительный интервал для прогностической цены

171,50 170,159 0,781 [170,137; 170,181]

170,00 169,460 0,317 [169,438; 169,482]

168,80 168,328 0,279 [168,306; 168,350]

166,00 165,458 0,326 [165,436; 165,480]

163,70 163,951 0,153 [163,929; 163,973]

166,50 164,671 1,098 [164,649; 164,693]

158,40 163,351 3,215 [163,329; 163,373]

158,25 160,714 1,557 [160,692; 160,736]

155,35 160,514 3,324 [160,492; 160,536]

155,10 157,156 1,325 [157,134; 157,178]

158,20 156,237 1,240 [156,215; 156,259]

155,05 155,542 0,317 [155,520; 155,564]

Для проведения тестовых расчетов использовались исходные данные - итоги торгов с Чикагской товарно-сырьевой биржи по продажам кофе за несколько лет [6]. Результаты проведенного исследования сведены в таблице и представлены на рисунке.

где (1-а) - доверительная вероятность; Хр - предсказанное значение; Бр - дисперсия прогноза, которая определяется по временному ряду е.

Проверка на адекватность и тестирование модели

В общем случае под адекватностью понимают степень соответствия модели свойствам реального объекта или явления, для описания которых она строиться.

В данной работе оценка адекватности модели проводилась по средним значениям откликов модели и системы, то есть предсказанных значений показателей и реальных. При этом проверялась гипотеза о близости среднего значения наблюдаемых переменных среднему значению реальных данных.

По результатам испытаний вычисляем значение следующей величины [5]:

шаг прогноза

Рисунок. Сравнительная диаграмма реальных и прогнозируемых

Временной ряд е1 для нашего прогноза удовлетворяет приведенным выше критериям (3), (4) и имеет дисперсию Д=1,2829, поэтому нетрудно определить с вероятностью Р=0,95, что относительная ошибка прогноза не превысит двух процентов.

Р (е< 0,02) = 0,95

Для проверки адекватности модели по формуле (5) определяем величину Тп. Отмечаем, что неравенство Тс>Тп выполняется, а это указывает на то, что модель адекватна описываемой системе с

вероятностью Р=0,95. Кроме этого, адекватность модели наглядно просматривается из поведения экспериментальных и теоретических кривых на рисунке.

СПИСОК ЛИТЕРАТУРЫ

1. Шустер Г Детерминированный хаос / Пер. с англ. — М.: Мир, 1988. — 240 с.

2. Кузнецов М.В. Технический анализ рынка ценных бумаг. — Киев: Наукова думка, 1990. — 248 с.

3. Мун Ф. Хаотические колебания: Вводный курс для научных работников и инженеров / Пер. с англ. — М.: Мир, 1990. — 312 с.

4. Экономико-математические методы и прикладные модели / Под ред. В.В. Федосеева. — М.: ЮНИТИ, 2001. — 391 с.

5. Мельник М. Основы прикладной статистики. — М.: Энергоатомиздат, 1990. — 373 с.

6. http://www.chicagostockex.com/

УДК 37

О РЕГИОНАЛЬНОМ АСПЕКТЕ РАЗВИТИЯ ОТЕЧЕСТВЕННОГО БИЗНЕС-ОБРАЗОВАНИЯ (1990-1998 гг.) (НА МАТЕРИАЛАХ ЗАПАДНОЙ СИБИРИ)

О.А. Никифоров Юргинский филиал Томского политехнического университета. г. Юрга

Проанализированы в кратком виде процессы формирования бизнес-образования в России и Западной Сибири в 1990-е годы XX века. Показана актуальность проблемы, обусловленная переходом страны от одной экономической модели к другой и принципиальным изменением условий хозяйствования. Свои рассуждения и выводы автор подкрепляет данными социологических опросов, проводившихся в это время в России. Кроме того, приводятся и данные авторского социологического исследования, позволяющие сравнить общероссийские показатели с аналогичными в одном из малых городов региона. В статье использованы данные периодической печати для освещения регионального аспекта проблемы.

Переход российского общества от командно-административной к рыночной модели экономического развития не мог пройти безболезненно. Ошибки, допущенные в ходе планирования и осуществления реформ, привели страну к глубокому социальноэкономическому кризису. Общая численность занятого населения в стране уменьшилась с 1990 по 1998 гг. почти на 12 млн чел. [24. С. 54]. Спад производства, падение инвестиционной активности, высокий уровень инфляции стимулировали рост безработицы и ухудшали социально-экономическое положение значительной части населения. Безработица имела прогрессивную динамику, как минимум до 1997 г. и в стране, и в регионе Западной Сибири [26. С. 116—117; 29]. При этом цифры не отражали полностью картины сложившейся на рынке труда. Во-первых, это объяснялось разными методиками подсчета незанятого населения, во-вторых наличием проблемы скрытой безработицы [3. С. 43; 4. С. 22; 13; 15. С. 4; 17; 25. С. 33; 27. С. 70; 29].

Вывод страны из кризиса на дорогу динамичного развития связан в современных условиях со становлением рыночного механизма хозяйствования, с предпринимательством. Россия должна пройти путь, совершенный индустриально развитыми странами мира в более короткие ограниченные

сроки, опираясь на достижения современной теории и практики рынка. Это невозможно без наличия широкого слоя квалифицированных кадров, способных работать в условиях рыночной экономики. Необходима стройная и эффективная система бизнес-образования. Советская экономическая школа, базировавшаяся на основе планово-распределительной модели хозяйственного механизма неспособна удовлетворить насущные потребности современного этапа развития.

Актуальность проблемы признавалась как государственными структурами управления, так и сообществом предпринимателей. Данные Госкомстата России, а также результаты исследований, проведенных Институтом стратегического анализа по заказу Госкомитета РФ, по поддержке и развитию малого предпринимательства и Всемирного банка показали, что низкая квалификация большинства предпринимателей и работающего персонала в их фирмах — одна из основных проблем, сдерживавших рыночные преобразования в стране [12. С. 13]. Это подтвердил и опрос предпринимателей г. Юр-ги, проведенный автором в 1998 г. Свыше трети респондентов (36 %) отметили среди свойств, необходимых для успешного ведения коммерческой деятельности, наличие более глубоких основных

i Надоели баннеры? Вы всегда можете отключить рекламу.