10.4 Методы, используемые при прогнозировании валютных курсов

Прогнозирование — это научно обоснованное предсказание будущих событий. Целью прогноза является уменьшение рис при принятии решений. Прогноз обычно получается ошибочным, но ошибка зависит от используемой прогнозирующей системы. Предоставляя прогнозу больше ресурсов, можно увеличить точность прогноза и уменьшить убытки, связанные с неопределенностью при принятии решений.

Предсказание финансовых временных рядов — необходимый элемент любой инвестиционной деятельности. Сама идея инвестиций вложения денег сейчас с целью получения дохода в будущем основывается на идее прогнозирования будущего. Соответственно, предсказание финансовых временных рядов лежит в основе деятельности всей индустрии инвестиций — всех бирж и не биржевых систем торговли финансовыми инструментами.

Основными принципами прогнозирования являются:

1. системный подход;

2. научная обоснованность;

3. альтернативность и вариантность;

4. выделение генеральной цели, ведущего звена;

5. отражение объективных закономерностей;

1. достоверность.

Методика прогнозирования фондового рынка включает совокупность различных методов и приемов разработки прогнозов.

Основными методами прогнозирования являются эксперт методы, логическое моделирование, статистические (экстраполяция и интерполяция, индексный), нормативный, фактографический, программно-целевой методы.

Модель экспоненциального сглаживания является одним самых распространенных методов адаптивного прогнозирования, которое используется для краткосрочных прогнозов на небольшой период упреждения. Адаптивные (приспосабливающиеся) модели подвижны, способны воспринимать свежую информацию и, если есть видоизменение тренда временного ряда, трансформировать свои параметры. Однако линейность данных моделей весьма ограничивает возможности их практического применения к прогнозированию финансовых временных рядов.

Экспоненциальная средняя — разновидность взвешенной скользящей средней. Она рассчитывается так, что влияние на ее величину отдельных наблюдений следующее: чем дальше оно (наблюдение) отстоит от момента времени, на который рассчитывается средняя, тем меньшее значение оказывает.

Формула экспоненциальной средней St:

S_t, = α*y_t,+(1-α)*S_t-1

где t — момент времени, для которого исчисляется выравненное значение исходного временного ряда; α — постоянная сглаживания (0 < α < 1); . y_t — фактическое значение исходного временного ряда в момент времени t; (S_t-1) — экспоненциальная средняя в момент времени, предшествующий t.

На практике параметр сглаживания α часто ищется с поиском на сетке: возможные значения параметра разбиваются сеткой с определенным шагом (например, рассматривается сетка значений от 0,1 до 0,9, с шагом 0,1); затем выбирается α, для которого сумма квадратов (или средних квадратов) остатков (наблюдаемых значения минус прогнозы на шаг вперед) является минимальной.

При наличии во временном ряде трендовой и сезонной составляющих в простую модель экспоненциального сглаживания добавляются параметры, отвечающие за экспоненциальное сглаживание вышеназванных компонент. При наличии во временном ряде линейного тренда и сезонной составляющей выделяют следующие две модели экспоненциального сглаживания: модель экспоненциального с мультипликативной сезонностью и линейным ростом (модель Уинтерса) и модель экспоненци­ального сглаживания с аддитивной сезонностью и линейным ростом (модель Г. Тейла и С. Вейджа).