- •Глава 3. Корреляционно-регрессионный метод анализа фондового рынка.
- •3.1. Простая линейная регрессия.
- •Пример построения линейной регрессии.
- •3.2. Определение параметров уравнения регрессии с помощью метода наименьших квадратов.
- •3.3. Критерии значимости коэффициентов и и уравнения регрессии.
- •Коэффициент детерминации .
- •3.4. Гетероскедастичность.
- •3.5. Автокорреляция.
- •3.6. Мультиколлинеарность.
- •3.10. Использование регрессии для прогнозирования.
- •3.10. Моделирование взаимосвязей финансово-экономических показателей.
- •3.10.2. Оценка качества построенной модели.
- •Проверка точности.
- •Проверка адекватности и оценка точности модели парной линейной регрессии.
- •Проверка адекватности.
- •Курс доллара сша и предположительно влияющие на него факторы.
- •Корреляционная матрица системы показателей.
- •Параметры модели зависимости курса доллара от цены золота и ее статистические характеристики.
- •Параметры модели зависимости курса доллара от цены золота и dj-индекса и ее статистические характеристики.
- •Параметры модели зависимости курса доллара от цены золота, dj-индекса и тn-индекса и ее статистические характеристики.
- •Результаты моделирования зависимости курса доллара от цены золота и dj-индекса.
Курс доллара сша и предположительно влияющие на него факторы.
Порядковый номер |
DJ-индекс
|
ТN-индекс
Х2 |
Цена золота (РУб./г)
|
Курс доллара (руб./дол.)
Y |
1 |
3051,08 |
16048 |
212,97 |
23,68 |
2 |
3051,08 |
16048 |
212,97 |
23,80 |
3 |
3031,10 |
16378 |
214,27 |
23,80 |
4 |
2935,16 |
14500 |
217,43 | |
23,92 |
5 |
2952,09 |
16019 |
216,92 |
24,29 |
6 |
2962,22 |
15986 |
215,91 |
24,22 |
7 |
3009,52 |
16017 |
213,26 |
24,18 |
8 |
3001,40 |
16017 |
213,43 |
24,19 |
9 |
3001,40 |
16017 |
213,43 |
24,20 |
10 |
2993,27 |
16017 |
213,61 |
24,20 |
11 |
3034,61 |
16009 |
213,02 |
24,20 |
12 |
3021,18 |
15836 |
212,72 |
24,18 |
13 |
2979,92 |
16327 |
214,71 |
24,16 |
14 |
2996,30 |
16290 |
219,49 |
24,29 |
15 |
2996,30 |
16312 |
220,72 |
24,83 |
16 |
2996,30 |
16312 |
220,72 |
24,97 |
17 |
2996,30 |
16334 |
219,49 |
24,97 |
18 |
3141,38 |
16479 |
221,96 |
25,11 |
19 |
3121,80 |
16554 |
220,25 |
25,10 |
20 |
3144,44 |
16846 |
221,73 |
25,12 |
Определим также предельный уровень ошибок, при котором сокращение среднеквадратической ошибки по сравнению с предыдущим значением считается существенным: примем = 0,01. Взаимосвязь между исследуемыми показателями характеризуется корреляционной матрицей (табл. 3.3).
Степень влияния показателей-факторов на Y определяется коэффициентами корреляции в последней строке таблицы. Как видим, наиболее сильное влияние на курс доллара оказывает фактор X3 (цена золота) с коэффициентом корреляции 0.87, два других фактора оказывают существенное, но не сильное влияние.
Таблица 3.3.
Корреляционная матрица системы показателей.
|
X |
X |
X |
Y |
X |
1 |
|
|
|
X |
0.85 |
1 |
|
|
X |
0.45 |
0.45 |
1 |
|
Y |
0.57 |
0.51 |
0.87 |
1 |
В остальных клетках таблицы под главной диагональю представлены коэффициенты корреляции между показателями-факторами. Коэффициент корреляции между первым и вторым факторами (на пересечении соответствующего столбца и строки) равен 0,85, он больше 0,8, что свидетельствует о коллинеарности между индексами деловой активности DJ и ТN, к тому же коэффициенты корреляции между каждым из этих факторов и курсом доллара (соответственно 0,57 и 0,51) ниже корреляции между ними. Поэтому включать в модель оба эти фактора одновременно нецелесообразно. Рассмотрим, какой из этих факторов включить предпочтительнее. Для этого воспользуемся методом пошаговой регрессии. Сначала в соответствии с алгоритмом включим в модель фактор с максимальным коэффициентом корреляции и оценим ее параметры и характеристики качества. Результаты моделирования на основе программного модуля «Регрессия» в пакете «Анализ данных» табличного процессора Excel представлены в табл. 3.4.
Таблица 3.4.
