CC BY
16
УДК 336.76 (477)
ПРОСТОРОВО-ДИНАМ1ЧНИЙ АНАЛ1З СТАНУ ФОНДОВОГО РИНКУ УКРАШ
©2019
БР1ЛЬ М. С.
УДК 336.76 (477)
Брiль М. С. np0CT0p0B0-AUHaMi4Huu аналiз стану фондового ринку УкраУни
У статт/ запропоновано та реал/зовано алгоритм просторово-динам/чно! оц/нки р/вня ф/нансовоi безпеки фондового ринку Украни пор/вняно з iншими кранами. Алгоритм, який побудовано на використаннi метод/в економ/ко-математичного моделювання, дозволяе зд/йснити динам/ко-просторовий анал/з фонового ринку, виявити та проанал/зувати силу впливу зовн/шн/х фактор/в на функц/онування фондового ринку Украни та зд/йснити прогнозування його розвитку в майбутньому. Результати просторового анал/зу дозволили виявити належн/сть Украни до класу кран з критичним р/внем ф'шансовоi безпеки фондового ринку та визначити пр/оритетн/ напрями функцюнування фондового ринку. Здшснено анал/з впливу фондових /ндекс/в кран-репрезентант/в та Китаю на функцюнування фондового ринку Укртни, результати якого показали позитивний вплив на ПФТСр/вня д'шовоi активност/ фондовихринк/в розвиненихсх/дноевропейськихкран. З використанням адаптивнихметод'вмоделювання здшснено прогнозування динам/ки /ндексу ПФТС.
Ключов'! слова: фондовий ринок, ф/нансова безпека, /ндекс ПФТС, кластерний анал/з, регрес/йна модель, прогнозування, адаптивн/ модел/, експо-ненц/йне згладжування, модель Хольта, динам/ка. Рис.: 15. Табл.: 3. Формул: 2. Б'бл.: 14.
Бр'ль Михайло Сергйович - кандидат економ/чних наук, доцент кафедри економ/чноi теорЦ статистики та прогнозування, Харк/вський нацо-нальний економ/чний ун/верситет /м. С. Кузнеця (просп. Науки, 9а, Харк/в, 61166, Украна) E-mail: msbrill01@gmail.com
УДК 336.76 (477)
Бриль М. С. Пространственно-динамический анализ состояния фондового рынка Украины
В статье предложен и реализован алгоритм пространственно-динамической оценки уровня финансовой безопасности фондового рынка Украины по сравнению с другими странами. Алгоритм, построенный на использовании методов экономико-математического моделирования, позволяет осуществить динамико-пространственный анализ фондового рынка, выявить и проанализировать силу влияния внешних факторов на функционирование фондового рынка Украины и осуществить прогнозирование его развития в будущем. Результаты пространственного анализа позволили выявить принадлежность Украины к классу стран с критическим уровнем финансовой безопасности фондового рынка и определить приоритетные направления функционирования фондового рынка. Осуществлен анализ влияния фондовых индексов стран-репрезентантов и Китая на функционирование фондового рынка Украины, результаты которого показали положительное влияние на ПФТС уровня деловой активности фондовых рынков развитых восточноевропейских стран. С использованием адаптивных методов моделирования осуществлено прогнозирование динамики индекса ПФТС.
Ключевые слова: фондовый рынок, финансовая безопасность, индекс ПФТС, кластерный анализ, регрессионная модель, прогнозирования, адаптивные модели, экспоненциальное сглаживание, модель Хольта, динамика.
Рис.: 15. Табл.: 3. Формул: 2. Библ.: 14.
Бриль Михаил Сергеевич - кандидат экономических наук, доцент кафедры экономической теории, статистики и прогнозирования, Харьковский национальный экономический университет им. С. Кузнеца (просп. Науки, 9а, Харьков, 61166, Украина) E-mail: msbrill01@gmail.com
UDC336.76 (477)
Bril M. S. The Spatial-Dynamic Analysis of Status of the Stock Market of Ukraine
The article proposes and implements the algorithm of spatial-dynamic evaluation of the financial security level of the stock market of Ukraine in comparison with other countries. The algorithm, built on the use of methods of economic-mathematical modelling, allows to carry out dynamic-spatial analysis of the stock market, to identify and analyze the force of influence of external factors on the functioning of the stock market of Ukraine and to carry out forecasting of its development in the future. The results of spatial analysis allowed to identify Ukraine's belonging to the class of countries with a critical level of financial security of the stock market and determine priority directions of the stock market functioning. The analysis of the impact of the stock indices of the countries-representants and China on the functioning of the stock market of Ukraine, the results of which showed positive impact on the PFTS level of business activity of the stock markets in the developed Eastern European Countries. With the use of adaptive modelling methods, the dynamics of the PFTS index are forecasted.
Keywords: stock market, financial security, PFTS index, cluster analysis, regression model, forecastings, adaptive models, exponential smoothing, Holt model, dynamics.
Fig.: 15. Tbl.: 3. Formulae: 2. Bibl.: 14.
Bril Mykhailo S. - Candidate of Sciences (Economics), Associate Professor of the Department of Economic Theory, Statistics and Forecasting, Simon Kuznets Kharkiv National University of Economics (9a Nauky Ave., Kharkiv, 61166, Ukraine) E-mail: msbrill01@gmail.com
Сучасний етап розвитку нащонально! еконо-мши характеризуемся негативними тенден-цшми розвитку фшансового ринку, зокрема таких його сегменпв, як валютний, кредитний, фондовий ринки. Шдкреслюючи важлившть фшансово! стабшзаци у валютнш, грошово-кредитнш сфер^ сл1д зазначити, що в контекст забезпечення сталого середньострокового розвитку економши, залучен-ня шоземних швестицш для модершзаци основних фондiв i технологш промислового сектора основною
проблемою е шдвищення рiвня дково! активност саме фондового ринку. Сьогодш укра'нський фондовий ринок перебувае на еташ формування i значно в^дстае в^д торгових бiрж розвинених кра'н. З огляду на це постае питання досмдження стану фондового ринку Укра'ши порiвняно з шшими кра'нами.
Важливий внесок у досмдження проблем укра-шського фондового ринку зробили таи вчеш: Д. Бу-тенко [1], I. Краснова [6], Д. Леонов [2; 3], С. Мо-сквш [4], Ю. Раделицький [12], К. Стрижиченко [13],
Ю. Коваленко [5], та ш. Однак складнiсть та стрiм-кiсть розвитку свиових фiнансових ринкiв вимагае в^д науковцiв та фiнансистiв постiйноi уваги, удоско-налення методiв дослiдження процеав на фондовому ринку Украши.
Сучасний стан фондового ринку Украши св1дчить про закр1плення позитивних тенденц1й розвитку в останш роки [7], однак характеризуеться й такими негативними моментами:
+ надто вузький спектр доступних на ринку фшансових шструмент1в, що ускладнюе диверсиф1кац1ю портфел1в 1 можливостей для швестування; + низька як1сть ц1нних папер1в, що перебува-ють в об1гу;
+ низька л1кв1дн1сть та висока волатильн1сть
ц1н л1стингових ц1нних папер1в; + низький р1вень розвитку ринку дериват1в; + в1дсутн1сть в об1гу на б1ржах ц1нних папер1в 1ноземних ем1тент1в, активи яких розташован1 в УкраМ.
Водночас фондовий ринок Украiни в1дносно молодий i поступово розвиваеться, але е фактори, як1 спов1льнюють цей процес, серед них:
+ недостатня конкурентоспроможн1сть фондового ринку; + недосконал1сть податкового стимулювання
розвитку ринку; + нерозвинене корпоративне управл1ння ринком;
+ недостатня розбудова шфраструктури фондового ринку; + недосконал1сть законодавства Украiни.
Тобто на даний час в Укра'М сформувався спекулятивний фондовий ринок, який перебувае в сильн1й залежност1 в1д 1ноземного кап1талу та зов-ншньоеконом1чно'1 динам1ки.
У зв'язку з вищесказаним метою дано! статтi е аналiз стану фондового ринку Украши порiвняно з ш-шими крашами, а також виявлення найбiльш впливо-вих зовнiшнiх факторiв на фшансову безпеку вiтчиз-няного фондового ринку.
Для досягнення поставлено! мети досмдження пропонуеться реалiзувати такий алгоритм (рис. 1), що спираеться на використання методiв економко-математичного моделювання, дозволяе здшснити ди-намшо-просторовий аналiз фонового ринку, виявити та проаналiзувати силу впливу зовнiшнiх факторiв на функцiонування фондового ринку Украши та здшснити прогнозування його розвитку в майбутньому.
Осшльки основна увага у статт придляеть-ся досл^дженню фiнансовоi безпеки фондового ринку Украши, вважаемо за дощльне в^дзначити таке: ф1нансова безпека е нев1д'емним елементом економ1чно! пол1тики держави, яка мае базуватися на принципах захисту грошово! одиниц1 в1д зовн1шн1х коливань, дотриманн1 стаб1льност1 в1дсоткових ставок, шдтриманш каттал1зацц фондового ринку на належному р1вн1 та оптимальному ф1скальному регулюванн1 економ1ки. II метою е збереження стаб1льност1 внутр1шньо'1 економ1чно! системи, п1двищення конкурентоспроможност1, за-лучення б1льших обсяг1в швестицшного кап1талу [2].
У межах реалiзацii першого кроку запропоно-ваного алгоритму здiйснимо оцшку рiвня фiнансовоi безпеки фондового ринку Украши. Для цього визначи-мося iз множиною iндикаторiв оцiнки (завдання 1.1): як останш для досл^дження будемо використовувати шдекси провiдних бiрж краш бвропейського Союзу, котрi певною мiрою вiдзначаються своею однор^д-шстю у формуваннi; iндекси лiдерiв свитого фондового ринку - США та Китаю; даш украшсько'1 бiржi ПФТС. Як вихiднi данi для аналiзу використаемо зна-
Крок 1. Анал1з стану фшансовоТ безпеки фондового ринку Украши пор1вняно з кражами £С
1.1. Виб1р множини ¡ндикатор1в оцшки р1вня фшансовоТ безпеки фондового ринку кра'ши.
1.2. Класиф1кац1я кра'н за р1внем фшансовоТ безпеки фондового ринку.
1.3. Виб1р репрезентан^в
з клаав кра'н за р1внем фшансовоТ безпеки фондового ринку
Крок 2. Анал1з впливу зовншых фактор1в на функцюнування фондового ринку Укра'ни
2.1. Анал1з кореляцшних зв'язк1в р1вня дтовоТ активной фондового ринку та зовншых фактор1в.
2.2. Побудова регресшноТ модел1 залежносп р1вня дтовоТ активносп фондового ринку
в1д найбтьш впливових зовншых фактор1в
Крок 3. Прогрнозування р1вня дтовоТ активносп фондового ринку Укра'ни
3.1. Побудова адаптивних моделей прогнозувння р1вня дтовоТ активност фондового ринку.
3.2. Розрахунок прогнозного р1вня показник1в
Рис. 1. Алгоритм просторово-динамiчного аналiзу стану фондового ринку Украши
чення шдексш фондових бiрж краш на початок 20142018 рр. (табл. 1).
Для здшснення класифiкацii краш за рiвнем фь нансово'1 безпеки фондового ринку (завдання 1.2 алгоритму) використаемо метод ^-середн1х, що е одним iз найб1льш поширених методiв кластерного аналiзу [14].
С початку будуемо дендрограму за допомогою методу Уорда, котра представлена на рис. 2, зовшшнш вигляд яко'1 дае змогу дшти ви-сновку про можливкть розбиття множини краш на 2-4 кластери. Для того, щоб зробити вiрний вибiр кiлькостi кластерiв, було визначено три функцюна-
ли якост розбиття [14]: сума квадратiв вiдстаней до центру кластерiв (F1), сума внутршньокласових в^д,-станей (F2), загальна внутрiшньокласова дисперсiя (F3). Найменшi значення обчислених функцiоналiв визначають оптимальну шльшсть кластерiв (рис. 3). Отже, сл^д, здiйснити розбиття множини до^джува-них краш на чотири кластери.
Шсля вибору кiлькостi кластерiв здшснюемо розбиття множини краш методом А:-середшх, резуль-тати якого представленi на рис. 4 i в табл. 2.
Графш середнiх значень iндикаторiв для отри-маних кластерiв дозволяе зробити висновок, що кластер 3 сформували краши з високим рiвнем фь
Таблиця 1
n04aTK0Bi дан для здшснення дослiдження
Kpama Ha3Ba rngeKcy Значення показнимв на початок року
2014 2015 2016 2017 2018
Austria ATX 2559 2191 2162 2676 3611
Belgium Bel 20 2891 3530 3486 3542 4163
Bulgaria BSE Sofix 546 500 448 602 715
Croatia Crobex 1803 1764 1612 2142 1879
Cyprus Cymain 91 57 49 47 43
Czech Republic PX 990 955 921 932 1114
Denmark OMXC20 647 810 972 902 1033
Estonia Tallin SE General 832 815 881 1102 1269
Finland OMX Helsinki 7030 8452 8341 8754 9745
France CAC 40 4165 4951 4417 4748 5513
Germany DAX 9306 10694 9798 11535 13246
Greece Athens General Composite 1176 721 552 611 852
Hungary Bumix 1403 1422 1667 1943 4267
Ireland ISEQ 4652 5471 6343 6392 7066
Italy Italy 40 1899 2005 1819 1814 2295
Latvia Riga 484 416 616 756 1023
Lithuania Vilnius SE General 453 464 487 561 667
Malta MSE 3703 3420 4472 4715 4451
Netherlands AEX 386 450 431 476 561
Poland WIG20 2355 2341 1780 2056 2591
Portugal PSI 20 6696 5144 5065 4475 5613
Romania BET 6378 7033 6268 7517 8233
Slovakia SAX 196 227 309 307 340
Slovenia Blue-Chip SBITOP 699 790 638 740 802
Spain IBEX 35 9920 10403 8815 9315 10520
Sweden OMX S30 1304 1573 1356 1536 1623
United Kindom FTSE 100 6510 6749 6083 7099 7755
USA NYSE 9967 10537 9632 11222 13246
China SSE100 3828 5648 5152 6097 6376
Ukraine PFTS 301 382 334 270 334
Джерело: складено за даними [8-10].
Q_
LQ
О
m о
о
Q_
О
=п <
<
Si
Ш
40 35
ш
5= зо
(U
S 25 ф
i?20 ji с
□ 15 10 5 0
Tree Diagram for 30 Cases Ward's method Euclidean distances
Таблиця 2
xVi__гУ^ц Д-п
ООО ооооооо
ОООО ООО
Рис. 2. Дендрограма класифшацм методом Уорда
35 30 25 20 15 10 5 0
33,27
Два кластери Три кластери
F1
IF3
Чотири кластери
О—F2
600 500 400 300 200 100 0
Рис. 3. Розрахунковi значення функцiоналiв якостi розбиття
нансово! безпеки фондового ринку; кластер 1 - кра-!ни з достатшм рiвнем безпеки фондового ринку; кластер 2 - краши з недостатшм рiвнем безпеки фондового ринку; кластер 4 - кра!ни з критичним рiвнем безпеки фондового ринку (див. рис. 4). Перелж кра!н, що сформували утворенi кластери, наведено в табл. 2.
Для утворених кластерiв кра!н за рiвнем фшан-сово! безпеки фондового ринку визначимо типових представнийв (завдання 1.3 алгоритму) на основi об-числення ЕвклГдових вiдстаней мiж елементами гру-пи та сумування !х значень за кожним об'ектом гру-
3,0 Plot of Means for Each Cluster
2,5
2,0 1,5
1,0
0,5
0,0
-0,5
-1,0
-1,5
-2,0 -o- Cluster 1 -в- Cluster 2 -»- Cluster 3 Cluster 4
2014 2015 2016 2017 2018 Variables
Розподш краж за кластерами
Рiвень безпеки с юндового ринку
Високий Достатшй Недо-статнiй Критичний
Фiнляндiя, Ымеччина, 1спашя, США Франтя, lрландiя, Мальта, Португалiя, Румунiя, Велика Британiя, Китай Австрiя, Бельгiя, Хорвата, Угорщина, lталiя, Польща Бол^я, Kinp, Чехiя, Данiя, Естонiя, Грефя, Лат- вiя, Литва, Нiдерланди, Словаччина, Словешя, Швецiя, Украша
Рис. 4. Графт середнiх величин утворених кластерiв
пування. Найменше з обчислених значень визначае кра!ну-репрезентанта. Результати розрахункiв для кожного iз кластерiв представлено на рис. 5 - рис. 8, а визначеш типовi представники груп такк кра'ши з ви-соким рiвнем безпеки фондового ринку - США, кра!-ни з достатшм рiвнем - Iрландiя, краши з недостатшм рiвнем - Польща, з критичним рiвнем - Болгарiя.
Таким чином, за результатами першого кроку запропонованого алгоритму були отримаш чотири кластери кра!н за рiвнем фшансово! безпеки фондового ринку, кожний з яких мае певш властивостi. Украша потрапляе до «найслабшого» кластера. Проте моделi становлення, формування та функщонування фондових ринкiв Польщi, 1рландИ та США мають стати для Украши першочерговими векторами розвитку.
Далi здiйснимо аналiз впливу зовнiшнiх фак-торiв на функщонування фондового ринку Украши (Крок 2 алгоритму). Перевiримо кнування зв'язку мiж iндексом ПФТС (завдання 2.1), який виступатиме в дослГдженш як залежна змшна, i фондових шдекав кра'iн-репрезентантiв та найбiльш зростаючо! еконо-мiки свiту - Китаю - на основi щомiсячних котиру-вань вГдповГдного iндексу за перiод 2014-2017 рр. [8]. Для цього побудуемо залежшсть мiж вказаними змш-ними у виглядi множинно! лiнiйноi регресГ! (рис. 9).
Коефiцiент кореляцГ! отримано! моделi 0,90896 е доволГ високим, при цьому вказаш незалежнi фак-тори пояснюють змГни результуючо! ознаки лише на 82,62%. Побудована модель за критерГем Фшера е статистично значущою. За результатами критерГю Стьюдента найбГльш значний вплив на динамку фондового ринку Украши здшснюе рГвень дГлово! актив-ностГ кра!н з достатнГм, недостатнГм та критичним рГвнем фшансово'1 безпеки. Стандартна похибка дано! моделГ е досить великою, при цьому лише 2 Гз 5 по-казникГв е значущими, тому дану модель рекоменду-вати для проведення практичних дослГджень не вар-
Фшляндт
США
Ымеччина
1спашя
Рис. 5. Значения сумарноТ ЕвклщовоТ' вщстан для кластера «КраТни з високим р1внем безпеки фондового ринку»
Китай
Румун ¡я
Францт
lpланд¡я
Мальта
Португалт
Рис. 6. Значення сумарноТ ЕвклщовоТ' вщстан для кластера «КраТни з достатшм р1внем безпеки фондового ринку»
Австp¡я
Польща
Бельг¡я
lтал¡я
Угорщина
Рис. 7. Значення сумарноТ ЕвклщовоТ вщстаж для кластера «КраТни з недостатшм р1внем безпеки фондового ринку»
Болгарт УкраТна -^Юпр
Словешя Словаччина
H¡деpланди
Eстон¡я
Литва
Латвт
Гpец¡я
Рис. 8. Значення сумарноТ ЕвклщовоТ вщстан для кластера «КраТни з критичним р1внем безпеки фондового ринку»
N=48 Regression Summary for Dependent Variable: PFTS UKRAINE ii R= .90896129 R?= .32821062 Adjusted R?= ,30552141 F(5.42)=39.934 p<.00000 Std.Error of estimate: 33,236
b* Std. Err. of b* b Std.Err. of b t(42) p-value
Intercept 155.8639 101.1477 1.54095 0.130329
NYSE USA 0.156799 0024596 -0.269543 0,677364 ■0.523829 0.137492 0.114733 0.149924 0,101520 0.0165 0.0145 1.14042 0.260574
SSE 100 CHINA 0.0015 0.0070 0.21437 0.331293
BSE SOFIX BULGARIA -0 2362 0.1314 -1.79786 0.079390
WIG 20 POLAND 0,1905 0,0236 6,67222 0.000000
ISEQ IRELAND 0.122627 -0.0529 0.0124 4.27172 0 000109
Рис. 9. Результат побудови лшшноТ множинноТ регресп
то. Однак 11 результати дозволили зробити висновок, що рiвень дково! активностi фондових ринкiв таких кра1н, як США та Китай не мають значно! кореляци iз ПФТС, у той час, як показники европейських кра'ш доволi тiсно пов'язаш мiж собою та iз ПФТС.
Для реалiзащi завдання 2.1 скоригуемо множи-ну ознак початково! залежносп та використаемо дан1 лише для Укра'ши, БолгарП, Польщi та 1рланди (рис. 10).
Отриманий результат набагато краще в^до-бражае реальнi процеси, до того ж ва три включеш факторнi змiннi суттево впливають на iндекс ПФТС.
Отримана залежншть мае вигляд: 7 = 227,63 - 0,17 • BSE + 0,21 • WIG - 0,04 • ISEQ.
(1)
Висока яюсть побудовано! моделi дозволяе вико-ристати Ii для прогнозування. Для цього використаемо реальш данi i3 фондових бiрж за сiчень 2018 р. [10]. Результат прогнозування отримуемо такий (рис. 11).
Отже, iз ймовiрнiстю 95%, у ачш величина фондового шдексу ПФТС зпдно з моделлю може дорiв-нювати 323 iз дiапазонами входження в^д, 298 до 349.
Рис. 10. Побудова ново!' модифтаци множинно!' лшшно!' регреси
Рис. 11. Результат прогнозування
Дiйснi данi близькi до 330, що означае, що модель загалом може бути використана для прогнозування шдексу.
Однак набагато точншу iнформацiю по фор-муванню фондового шдексу можуть надати адаптивш методи прогнозування, котрi дово-лi точно ^ентифкують усi можливi змiни. Прогнозування з використанням адаптивних методiв здшсни-мо в межах третього кроку алгоритму (завдання 3.1).
До щомкячних значень шдексу ПФТС за 2014— 2017 рр. [10] застосуемо апарат експоненщального згладжування, що виключае з дослiдження випадкову та сезонну компоненти. Параметром адаптаци виби-раемо значення 0,942. За початкове значення шдексу приймаеться середня величина шдекав за вказаний перюд, котра дорiвнюе 317,1. Результати згладжування шдексу наведено на рис. 12 - рис. 13.
550 500 450 400 кп £350 о. 300 250 200 150 Exponential smoothing: S0=317,1 N0 trend,no season; Alpha= ,942 РРТБ 120 100
А 80
1 А У 60
Г Ы1 40 (О 3 20 32
Ц иг Ф 0
\ л г -20
N51 -40
-60
10 15 20 25 30 35 40 45 50 55 60 _ РРТБ (Ц — Smoothed Бег1е5 (Ц
Рис. 13. Критерп похибки моделi
Оцшка адекватностi побудовано! моделi здш-снюеться на основi середньо! абсолютно! вiдсотковоi похибки [11]:
МАРЕ = --У п '
У - УI
г=1
(2)
Рис. 12. Початковi та згладженi данi
де п - часовi перiоди; У( - значення за аналiзований перюд; Уг - прогнозне значення за аналiзований пе-рiод.
Отримане значення МАРЕ, що дорiвнюе 4,72%, св^дчить про високу точнiсть прогнозу. Iншi критери якостi прогнозу (середня похибка, середня абсолютна похибка, сума квадрапв похибок, середньоква-дратична похибка, середня в^дсоткова похибка [11]), наведеш на рис. 13, також шдтверджують точнiсть прогнозування.
Здiйснимо прогнозування за адаптивною мо-деллю Хольта [11] та порiвняемо отриманi результати. Вх^дними параметрами моделювання стануть зна-
чення 0,81 та 0,21, як вкьний член - значення 300,9, а коефщент при змшнш - 0,2979. Результати згла-джування за моделлю Хольта наведено на рис. 14. Критери якост1 модел1 - на рис. 15.
Бачимо, що значення МАРЕ для дано! модел1 е меншим 1 складае 4,63%. Це означае, що вона кра-ще описуе процеси формування фондового шдексу ПФТС. Зд1йснимо прогнозування на наступш твро-ку для фондового шдексу (завдання 3.2), результати якого показано в табл. 3.
ВИСНОВКИ
У статт було запропоновано та реал1зовано алгоритм просторово-динам1чно'1 оцшки р1вня фшан-сово! безпеки фондового ринку Украши пор1вняно з 1ншими кра!нами, що спираеться на використання метод1в економ1ко-математичного моделювання, до-зволяе здшснити динам1ко-просторовий анал1з фонового ринку, виявити та проанал1зувати силу впливу зовшшшх фактор1в на функц1онування фондового
550 500 450 400 i/i t 350 300 250 200 150 Exp. smoothing: S0=300,9 T0=,2979 Lin.trend,no season; Alpha= ,810 Gamma=,210 PFTS 120 100 80 60 40 -is 20 1 <v 0 * -20 -40 -60 80 0
A
rv У \
/ r ад v
\ у /
\ n к
\ 4 J)
5 10 15 20 25 30 35 40 45 50 55 6 _ PFTS (L) — Smoothed Series (L)
Рис. 14. Результати згладжування за моделлю Хольта
Рис. 15. Аналiз похибки моделi
Таблиця 3
Формування прогнозних значень шдексу ПФТС на перше пiврiччя 2018 р.
Дата Значення Дата Значення
Очень 2018 318,97 Квтень 2018 334,81
Лютий 2018 324,25 Травень 2018 340,08
Березень 2018 329,53 Червень2018 345,36
Анал1зуючи прогнозш значення по регрес1йн1й 1 адаптивнш моделям, можемо говорити про високу яшсть побудованих моделей та !х результат1в. Однак побудова регресшно! модел1 не е такою однозначною, на в1дм1ну в1д результат1в адаптивно! модель
ринку Укра!ни та здшснити прогнозування його роз-витку в майбутньому.
Результати просторового анал1зу показали, що Укра!на належить до класу кра!н з критичним р1в-нем фшансово! безпеки фондового ринку та у сво'ш стратеги розвитку фондового ринку повинна ор1ен-туватися на модел1 функц1онування фондових ринюв Польщ1, 1рланди та США. Здшснено анал1з впливу фондових шдексш краш-репрезентантш та Китаю на функщонування фондового ринку Украши (1ндекс ПФТС). Результати анал1зу дозволили зробити ви-сновок, що р1вень дково! активност фондових рин-к1в таких кра!н, як США та Китай не мають значно! кореляци 1з ПФТС, а позитивний вплив на ПФТС мае шдвищення р1вня дково'1 активносп фондових ринк1в сх1дноевропейських кра!н з високим р1внем економ1чного розвитку. З використанням адаптив-них метод1в моделювання, котр1 довол1 точно кенти-фжують ус1 можлив1 зм1ни, зд1йснено прогнозування динамки шдексу ПФТС на перше твр1ччя 2018 р., що засв1дчуе позитивну динам1ку показника. ■
Л1ТЕРАТУРА
1. Бутенко Д. С. Розвиток iнструментiв бiржового фондового ринку як необхщна умова забезпечення кон-курентоспроможност торговельноТ iнфраструктури на-цiонального фондового ринку. Фшансова iнфраструктура УкраТни: проблеми та напрямки розвитку. КиТв : Криниця, 2013. С. 117-120.
Q_
LQ
О
m о
2. Фондовий ринок в УкраМ : навч. noci6. / Дегтярьо-ва Н. В., Леонов Д. А., Счевлюк В. А. та iH. Кив : У1РФР, 2015. 600 с.
3. Депозитарна дiяльнiсть в Укра'У : навч. поаб. / Леонов Д. А., Рaдзieвськa В. М., Хоружий С. Г., Хоружий К. С. Кив : У1РФР, 2014. 300 с.
4. Козак В. I., Москвш С. О. Е|^ая облiгaцiй кому-нальних пiдприeмств та мiсцевих позик : практ. поаб. Кив : DESPRO, 2017. 106 с.
5. Коваленко Ю. М. Iнституцiалiзацiя фшансового сектору економiки : монографiя. 1рпшь, 2013. 608 с.
6. Краснова I. В. Фондовий ринок в УкраМ стан та перспективи розвитку. Проблеми eKOHOMiKU. 2014. № 1. С. 129-134.
7. Нацюнальна комюя з цшних папер1в та фондового ринку : офщмний сайт. URL: http://nssmc.gov.ua/
8. Офщмний сайт видання «Financial Times». URL: http://www.ft.com
9. Офщмний сайт Мастерства фiнансiв Украши. URL: http://index.minfin.com.ua/index/infl/
10. Офiцiйний сайт ФондовоТ бiржi ПФТС. URL: http:// www.pfts.ua/uk/shares-indexes/
11. Прогнозування соцiально-економiчних процеав : навч. посiб. / Клебанова Т. С., Курзенев В. А., Наумов В. М. та ш. Харш : Вид-во ХНЕУ iM. С. Кузнеця, 2015. 656 с.
12. Раделицький Ю. О. Оргашзацмно-шформацмна складова ринку фшансових iнвестицiй в УкраМ Всник со-цiально-економiчнихдослiджень. 2012. Вип. 4. С. 80-86.
13. Стрижиченко К. А. Державне регулювання фшансового ринку в умовах ново! економш : монографiя. Бер-дянськ : Вид. ФОП Ткачук О. В., 2013. 352 с.
14. Яровий А. Т., Страхов £. М. Багатовимiрний ста-тистичний аналiз : навчально-методичний поабник. Одеса : Астропринт, 2015. 132 с.
REFERENCES
Butenko, D. S. "Rozvytok instrumentiv birzhovoho fondo-voho rynku yak neobkhidna umova zabezpechennia konkuren-tospromozhnosti torhovelnoi infrastruktury natsionalnoho fondovoho rynku" [Development of instruments of the stock
market as a necessary condition for ensuring the competitiveness of the commercial infrastructure of the national stock market]. I n Finansova infrastruktura Ukrainy: problemy ta napriamky rozvytku, 117-120. Kyiv: Krynytsia, 2013.
Dehtiaryova, N. V. et al. Fondovyi rynok v Ukraini [Stock market in Ukraine]. Kyiv: UIRFR, 2015.
Klebanova, T. S. et al. Prohnozuvannia sotsialno-ekonomi-chnykh protsesiv [Forecasting of social and economic processes]. Kharkiv: Vyd-vo KhNEU im. S. Kuznetsia, 2015.
Kovalenko, Yu. M. Instytutsializatsiia finansovoho sektoru ekonomiky [Institutionalization of the financial sector of the economy]. Irpin, 2013.
Kozak, V. I., and Moskvin, S. O. Emisiia oblihatsii komunal-nykh pidpryiemstv ta mistsevykh pozyk [Issuance of bonds of municipal enterprises and local loans]. Kyiv: DESPRO, 2017.
Krasnova, I. V. "Fondovyi rynok v Ukraini: stan ta pers-pektyvy rozvytku" [The stock market in Ukraine: the state and prospects of development]. Problemy ekonomiky, no. 1 (2014): 129-134.
Leonov, D. A. et al. Depozytarna diialnist v Ukraini [Depositary activity in Ukraine]. Kyiv: UIRFR, 2014.
Natsionalna komisiia z tsinnykh paperiv ta fondovoho rynku : ofitsiinyi sait. http://nssmc.gov.ua/
Ofitsiinyi sait Fondovoi birzhi PFTS. http://www.pfts.ua/ uk/shares-indexes/
Ofitsiinyi sait Ministerstva finansiv Ukrainy. http://index. minfin.com.ua/index/infl/
Ofitsiinyi sait vydannia «Financial Times». http://www.
ft.com
Radelytskyi, Yu. O. "Orhanizatsiino-informatsiina skla-dova rynku finansovykh investytsii v Ukraini" [Organizational and informational component of the market of financial investments in Ukraine]. Visnyk sotsialno-ekonomichnykh doslidzhen, no. 4 (2012): 80-86.
Stryzhychenko, K. A. Derzhavne rehuliuvannia finansovoho rynku v umovakh novoi ekonomiky [State regulation of the financial market in a new economy]. Berdiansk: Vyd. FOP Tka-chuk O. V., 2013.
Yarovyi, A. T., and Strakhov, Ye. M. Bahatovymirnyi sta-tystychnyianaliz [Multivariate statistical analysis]. Odesa: Astro-prynt, 2015.
О Q_
О =П
<C
<
Si
Ш
