- •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.
Пример построения линейной регрессии.
FТSЕ 100
(Y)
|
S&Р 500 (X) |
|
|
|
|
2851,6 |
442,52 |
-114,545 |
-10,726 |
115,0471 |
1228,61 |
2882,6 |
442,01 |
-83,545 |
-11,236 |
126,2477 |
938,7116 |
2878,4 |
450,3 |
-87,745 |
-2,946 |
8,678916 |
258,4968 |
2813,4 |
442,46 |
-152,745 |
-10,786 |
116,3378 |
1647,508 |
2849,2 |
453,83 |
-116,945 |
0,584 |
0,341056 |
-68,2959 |
2888,8 |
449,02 |
-77,345 |
-4,226 |
17,85908 |
326,86 |
2941,7 |
450,15 |
-24,445 |
-3,096 |
9,585216 |
75,68172 |
3085 |
463,15 |
118,855 |
9,904 |
98,08922 |
1177,14 |
3039,3 |
461,28 |
73,155 |
8,034 |
64,54516 |
587,7273 |
3164,4 |
469,1 |
198,255 |
15,854 |
251,3493 |
3143,135 |
3233,2 |
461,89 |
267,055 |
8,644 |
74,71874 |
2308,423 |
|
|
|
|
|
|
Сумма: |
|
|
|
882,7993
|
11624
|
Однако фактические данные не говорят нам ничего о причинной связи. Наше понимание причинной связи исходит из предварительно выдвинутой гипотезы. Как мы заметили в одном из предыдущих абзацев, указание на причину и следствие, т.е. на то, что является зависимой, а что независимой переменной, определяется выдвинутой гипотезой.
Для иллюстрации этого вернемся снова к гипотезе о том, что уровень FТSЕ 100 находится под влиянием уровня S&Р 500. Фактические данные подтверждают эту идею, но поддержит ли ее ваше понимание экономики финансов? S&Р 500 может влиять на FТSЕ 100 из-за огромного масштаба экономики США и международного оборота капитала. Однако альтернативное предположение заключается в том, что, так как оба рынка открыты для международных инвесторов, они оба могут находиться под влиянием третьего фактора, может быть, ожидания японских или европейских инвесторов.
Рис.
3.1. Динамика индексов FТSЕ
100 и S&Р 500.
Ясно, что независимо от регрессионной модели необходимо развивать гипотезу для того, чтобы регрессионный анализ смог обоснованно подтвердить или не подтвердить ее. Регрессионный анализ не в состоянии "доказать" гипотезу, он может лишь подтвердить ее статистически или отвергнуть.
Обращаясь к диаграмме рассеяния (рис. 3.1), отметим, что через точки на графике можно провести несколько прямых линий, удовлетворяющих выражению (3.1), хотя в действительности невозможно построить одну прямую линию, которая пройдет через все точки корреляционного поля. Отсюда очевидно, что нужно выбрать лишь одну линию.
