- •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.
Параметры модели зависимости курса доллара от цены золота, dj-индекса и тn-индекса и ее статистические характеристики.
Регрессионная статистика |
Наименование параметров
|
Коэффициенты
|
Стандартная ошибка
|
t-статистика
|
|
Множественный R |
|
||||
R-квадрат |
0,8217 |
Y-пересечение |
-3.1102 |
3.2501 |
-0.9569 |
Нормированный R-квадрат |
0.7902 |
Переменная Х1
|
0.100234
|
0.01617
|
6.1978
|
Стандартная ошибка |
0,2264 |
Переменная Х2 |
0.000241 |
0,000148 |
1.6225 |
Наблюдения |
20 |
Переменная Х3
|
0,00063
|
0,001073
|
0,5875
|
F = 26.11 |
|
|
|
|
|
Данные таблицы свидетельствуют о том, что введение очередного фактора позволило незначительно увеличить коэффициент множественной корреляции с 0,891 до 0,906 и сократить стандартную ошибку с 0.235 до 0.226. Такое сокращение уже считается несущественным, так как приращение составило 0,01. Следовательно, включение в модель последнего фактора (ТN-индекса) нецелесообразно. Об этом же свидетельствует расчетное значение t-критерия Стьюдента: для соответствующего коэффициента регрессии оно равно 0.588 и меньше табличного (2.567). Отметим также, что включение в модель последнего фактора привело к тому, что параметр регрессии DJ-индекса (1,623) в последней модели тоже стал незначимым. Поэтому окончательно принимается модель, полученная на втором шаге (см. табл. 3.5) и включающая два фактора х1- цена золота и х2 - DJ-индекс:
Y(х) = -3,576 + 0,106 x1 + 0,002 x2.
Результаты моделирования по этой модели представлены в табл. 3.7. Модель достаточно хорошо отражает общий характер изменения курса доллара, но имеет более резкие колебания по сравнению с фактическими данными. Это может быть обусловлено тем, что ЦБ, используя валютные запасы, оказывает влияние на реальный курс доллара. Воздействие этого фактора не нашло отражения в модели.
Таблица 3.7.
Результаты моделирования зависимости курса доллара от цены золота и dj-индекса.
Наблюдение |
Курс доллара (руб./дол.)
Y |
Предсказанное (расчетное)
Y(Х) |
Остатки Y - Y(Х) |
1 |
23,68 |
24,05058 |
-0,370580 |
2 |
23,80 |
24,05058 |
-0,250580 |
3 |
23,80 |
24,15504 |
-0,355040 |
4 |
23,92 |
24,33019 |
-0,410190 |
5 |
24,29 |
24,30432 |
-0,014320 |
6 |
24,22 |
24,2142 |
0,005795 |
7 |
24,18 |
24,0122 |
0,167799 |
8 |
24,19 |
24,01671 |
0,173295 |
9 |
24,20 |
24,01671 |
0,183295 |
10 |
24,20 |
24,02225 |
0,177748 |
11 |
24,20 |
24,0285 |
0,171504 |
12 |
24,18 |
23,9744 |
0,205601 |
13 |
24,16 |
24,11655 |
0,043451 |
14 |
24,29 |
24,64999 |
-0,359990 |
15 |
24,83 |
24,78025 |
0,049754 |
16 |
24,97 |
24,78025 |
0,189754 |
17 |
24,97 |
24,64999 |
0,320012 |
18 |
25,11 |
25,15275 |
-0,042750 |
19 |
25,10 |
24,93911 |
0,160889 |
20 |
25,12 |
25,13359 |
-0,013590 |
Анализ остатков этой модели провести самостоятельно: вычислить статистику Дарбина-Уотсона, проверить случайность и независимость остатков.
Точность модели характеризуется значением среднеквадратической (стандартной) ошибки остатков S=0,23 и может быть признана удовлетворительной.
Подведем итог проведенного анализа качества модели: построенная модель значима, отражает существенную долю вариации Y, является достаточно точной и ряд ее остатков не противоречит нормальному распределению. Однако она неадекватна по важнейшим критериям: случайности и независимости ряда остатков. Это, как уже отмечалось, связано с большей вариацией расчетных значений по сравнению с фактическими и обусловлено субъективным, не поддающимся моделированию фактором - регулирующей роли ЦБ по сглаживанию влияния конъюнктуры рынка на курс доллара. Использование полученной модели для анализа механизма формирования курса доллара допустимо, но прогнозирование на её основе нежелательно.
