Гипотезы финансовой эконометрики - раздел Экономика, ЭКОНОМЕТРИКА Различные Классы Моделей Финансовой Эконометрики Базируются На Тех Или Иных П...
Различные классы моделей финансовой эконометрики базируются на тех или иных предположениях относительно корреляционных взаимосвязей, характерных для наблюдаемого временного ряда определенного финансового показателя, в качестве которого могут выступать непосредственно цены, доходы (чистые, валовые, логарифмические), а также их приросты, ошибки моделей и некоторые другие характеристики. Примером этих характеристик могут являться также и функциональные преобразования финансовых показателей, например, линейные и степенные функции от них.
Значительная часть таких взаимосвязей может быть определена общим выражением, означающим отсутствие автоковариационных связей между временными рядами, образованными различными функциональными преобразованиями рассматриваемого финансового показателя, следующего вида:
Cov(f(zt), g(zt–k))=0, k=1, 2,... (7.15)
В выражении (7.15) в качестве аргумента z функций f и g выступает одна из перечисленных выше характеристик финансового показателя (цена, какая-либо из ее производных, функция от цены или ее производной и т. п.), рассматриваемая в моменты t и t–k соответственно.
Выражение (7.15) часто называют ортогональным условием. Различные сочетания входящих в него функций соответствуют вполне определенным предпосылкам относительно характера взаимосвязей во временном ряду финансового показателя (исходные гипотезы), которые и кладутся в основу описывающей этот ряд модели. Рассмотрим некоторые из наиболее известных предпосылок более подробно.
Одна из самых “старых” гипотез относительно взаимосвязей во временном ряду цен, лежащая в основе так называемой “мартингальной модели” (martingale model)*, предполагает отсутствие автокорреляционных взаимосвязей между приростом цен при любых сдвигах.
Случайный процесс Yt, t=1,2,..., характеризующий динамику цены в этом случае удовлетворяет следующему условию:
M[Yt+1/Yt, Yt–1,...]=Yt, (7.16)
которое эквивалентно соответствующему условию для приростов цен
M[Yt+1–Yt /Yt, Yt–1,...]=0. (7.17)
Выражения (7.16) и (7.17) свидетельствуют о том, что условное математическое ожидание цены в момент t+1 при известных ее значениях в периоды времени t, t–1, t–2,... равно ее значению в момент t, которое , в свою очередь, предопределено предшествующей динамикой этой цены или, что эквивалентно, условное математическое ожидание прироста цены за интервал (t, t+1) при известной ее предыстории равно нулю и, таким образом, прирост цены не зависит от предшествующих уровней цен. Последнее допущение также означает, что любые (по величине лага) непересекающиеся во времени приросты цен некоррелированы между собой, что предопределяет невозможность их предсказания с помощью линейных моделей временных рядов, рассмотренных в главе VI. Таким образом, “лучший прогноз” цены на дату t+1– это ее уровень на дату t.
Условия (7.16) и (7.17) удовлетворяют предпосылкам так называемого “эффективного рынка”, одна из важнейших среди которых свидетельствует о том, что текущая цена полностью предопределена информацией, содержащейся в ценах предыдущих периодов и не существует никакой другой информации, поступившей в период (t, t+1), эксклюзивное владение которой позволяет участникам торговых сделок извлечь дополнительную прибыль. Следовательно, условное математическое ожидание прироста цены на ее предшествующие значения не может быть ни положительным, ни отрицательным, а “обязано” быть равным нулю, и изменения цены являются абсолютно случайными и непредсказуемыми.
С точки зрения “ортогонального” условия (7.15) предпосылки мартингальной модели означают, что функция f является линейной с аргументом, выражающим прирост цен в текущем периоде, а функция g может быть любой по отношению к этому аргументу, рассматриваемому в предшествующие периоды. Кроме линейной функции прироста в качестве g может рассматриваться, например, любая степенная функция от этого аргумента, т. е. g(Dyt–k2), g(Dyt–k3),... , k=1, 2,... .
Достаточно широкий класс моделей финансовой эконометрики базируется на предположении о том, что приросты цен эквивалентны случайному процессу по своим свойствам близкому к “белому шуму”. Это предположением отражает сущность так называемой “гипотезы случайного блуждания” (ГСБ). В научной литературе описаны три версии этой гипотезы, которые отличаются друг от друга содержанием, вкладываемым в понятие “белого шума”.
Согласно первой версии этой гипотезы – ГСБ-1, разработанной еще в начале ХХ века*, случайные приросты финансового показателя (цены) и любые их функциональные преобразования независимы и удовлетворяют условию стационарности или иначе имеют идентичные условные распределения на уровни цен в прошедшие моменты времени. Таким образом, ГСБ-1 утверждает, что динамика приростов цены по своим свойствам соответствует процессу “строгого белого шума”. Как правило, закон распределения приростов предполагается нормальным N~(0, s2), в специальных случаях – стабильным**.
С точки зрения выражения (7.15) это означает, что в качестве f(zt) и g(zt–k) могут рассматриваться как линейные, так и степенные функции от приростов z (например, квадраты и более высокие степени).
Вместе с тем, результаты анализа динамики многих финансовых показателей, зафиксированных на мировых рынках, свидетельствуют, что продекларованное ГСБ-1 предположение об идентичности закона распределения их приростов часто не подтверждается, особенно на продолжительных (свыше года) периодах наблюдения. В значительной степени это относится к параметрам их закона распределения (обычно к дисперсии), хотя вид этого закона может и не изменяться. Например, дисперсия не удовлетворяет условию гомоскедастичности и меняется во времени.
Процесс с независимыми, но неодинаково распределенными (имеются в виду условные распределения на уровни цены в прошлом) приращениями, вообще говоря, не относится к разряду процессов “белого шума”, поскольку в данном случае он не является стационарным (точнее, не удовлетворяет условиям стационарности 2-го порядка). Вместе с тем , отказ от идентичности закона распределения приростов является логичным развитием ГСБ-1, “смягчающим” ее достаточно строгие ограничения в отношении свойств приростов цены.
Предположение о независимости приростов цены и неидентичности их условных распределений выражает сущность второй версии ГСБ – ГСБ-2. Таким образом, ГСБ-2, как ГСБ-1, предполагает, что как сами приросты, так и любые их функции независимы между собой. С точки зрения (7.15) это означает, что функции f(zt ) и g(zt–k ) также не ограничены по форме. Они могут быть как линейными, так и степенными. ГСБ-2 была обоснована уже во второй половине ХХ века*.
Смягчение условия полной независимости процесса приращений цен приводит к третьей версии ГСБ – ГСБ-3, согласно которой автокорреляционные связи между приростами отсутствуют, однако автокорреляция между их степенями может иметь место. Например, Cov(zt2), g(zt–k2))¹0, для некоторых сдвигов k¹0. Таким образом, с точки зрения выражения (7.15), функции f(zt) и g(zt–k ) являются по форме линейными от приростов z.
Формально, если при этом sz2=const, то такой процесс остается стационарным. Его свойства эквивалентны свойствам “слабого белого шума” – стационарного процесса с независимыми значениями. Такой процесс можно рассматривать как частный случай стационарного процесса второго порядка с нулевыми автокорреляциями.
Один из вариантов модели, соответствующей любой из рассмотренных версий ГСБ, может быть записан в следующем виде:
где m – ожидаемое постоянное изменение цены в период (t–1, t)**, t=1, 2,...; et – случайный прирост цены в интервале (t–1, t), свойства которого удовлетворяют одной из версий ГСБ. С целью сохранения преемственности в терминологии, по-прежнему, et будем называть ошибкой. Обычно при всех версиях ГСБ предполагается, что et~N(0, se2), либо она распределена по стабильному закону с нулевым средним.
Для ГСБ-1 se2=const, для ГСБ-2 se2=st2, что означает изменчивость дисперсии во времени, но в то же время ряды et2, et–12, et–22,... являются статистически независимыми. При ГСБ-3 в отношении se2 могут быть выдвинуты различные предположения.
Рассмотрим некоторые общие закономерности динамики цены, вытекающие из выражения (7.18).
Подставляя в (7.18) последовательно значения t=1,2,... получим следующую последовательность значений цен:
В силу независимости ошибок e0, e1, e2,... и равенства нулю их математического ожидания из последовательности (7.19) непосредственно вытекает, что при m¹0 условное математическое ожидание цены в момент Т на ее значение Y0, зафиксированное в момент t=0, является линейной функцией от времени
M[YТ/Y0]=Y0+m×Т. (7.20)
Аналогично, в силу независимости ошибок et, t=1, 2,...; несложно показать, что условная дисперсия цены YT на ее значение Y0 определяется как сумма квадратов ошибки e.
D(YТ/Y0)=M[Yt –M(Yt /Y0)]2=M[e 0+e 1+... eТ–1 ]2=
* . (7.21)
Для ГСБ-1, в частности, из выражения (7.21) вытекает, что в силу равенства M[e02]=M[e12]=...=se2, условная дисперсия D(YТ/Y0) с ростом t также растет во времени согласно линейному закону
D(YТ/Y0)=se2×Т. (7.22)
В случае ГСБ-2 правая часть выражения (7.22) примет вид 
Из выражений (7.20)–(7.22), в частности, вытекает, что при m=0 условное математическое ожидание M[Yt/Y0] =const, а условная дисперсия, как и в общем случае, увеличивается согласно линейной зависимости.
Неограниченность роста условной дисперсии (7.21) в общем случае противоречит очевидному условию неотрицательности цены в любой момент времени, т. е. Yt³0, t=1, 2,... С целью избежания этого противоречия, там, где оно может иметь место, модели финансовой эконометрики “работают” или с логарифмами цены yt=lnYt, или с логарифмами доходов 
В этих случаях аналогами модели (7.18) являются следующие выражения соответственно:
где показатели m и et имеют то же статистическое содержание, что и показатели m и et в модели (7.18), т. е. являются математическим ожиданием и ошибкой соответственно.
Знание специфических свойств процесса изменения финансового показателя позволяет подобрать (построить) адекватную его закономерностям математическую модель, которая более точно описывает исходный ряд Yt, а, следовательно, и обладает лучшими предсказательными способностями в отношении его будущих значений Yt+1, Yt+2,... по сравнению с другими вариантами моделей.
Выявление этих свойств прежде всего предполагает умение соотносить свойства рассматриваемого процесса с какой-либо из версий ГСБ. Решение этой непростой проблемы обычно осуществляется с помощью специальных тестов, которым подвергается исходный ряд цен Yt, t=0, 1, ... или какие-либо его производные характеристики (доходы, логарифмы цен, их приросты и т. п.).
Все темы данного раздела:
Основные этапы построения эконометрической модели
Построение эконометрической модели является центральной проблемой любого эконометрического исследования, поскольку ее “качество” непосредственно определяет достоверность и обоснованность результато
Особенности обоснования формы эконометрической модели
Основные подходы к решению проблем первого этапа исследования в значительной степени базируются на методах содержательного анализа закономерностей рассматриваемых процессов, подкрепляемых по мере н
Методы отбора факторов
“Оптимальный” состав факторов, включаемых в эконометрическую модель, является одним из основных условий ее “хорошего” качества, понимаемого и как соответствие формы модели теоретической концепции,
Если имеет место соотношение
ti £t*, (1.26)
то влияние фактора хi на переменную у можно признать незначимым (недостаточно значимым
Характеристики и критерии качества эконометрических моделей
Выявление лучшего варианта эконометрической модели обычно осуществляется путем сравнения соответствующих им качественных характеристик, которые можно рассчитать на основе исходной статистической ин
Качество оценок параметров эконометрических моделей
Эконометрическая модель считается построенной, когда определены значения оценок ее параметров. Исходными данными при этом являются наблюдаемые значения (измеренные уровни) зависимого показателя (пе
Процедура оценки параметров по методу наименьших квадратов
Метод наименьших квадратов (МНК) является одним из наиболее разработанных и распространенных вследствие своей относительной простоты и эффективности методов оценки параметров линейных эконометричес
Сумма квадратов значений фактической ошибки модели должна быть минимальной.
Иными словами, найденные с помощью МНК оценки a0, a1,..., an, обеспечивают минимум следующей квадратичной формы на множестве всех других комбин
Детерминированные независимые переменные.
В этом случае матрица Х представляет собой матрицу, состоящую из констант, и элементы матриц (Х¢Х) и (Х
Стохастические независимые переменные.
В эконометрических исследованиях в качестве значений независимых переменных часто приходится использовать исходные данные, которые нельзя интерпретировать как детерминированные величины, поскольку
Особенности проверки качества оценок МНК
Проверка условий, выполнение которых свидетельствует о “высоком” качестве полученных оценок параметров эконометрической модели (а, следовательно, в значительной степени и самой модели), на практике
Свойства фактической ошибки эконометрической модели
В данном разделе рассматриваются некоторые подходы к проверке наличия стандартных свойств (2.20)–(2.23) у “истинной” ошибки эконометрической модели et на основе анализа соответств
Тестирование свойств фактической ошибки эконометрической модели
На практике справедливость предпосылок (2.21) и (2.22) можно подтвердить или опровергнуть только путем анализа свойств фактической ошибки еt, после оценки ее значений. В таком слу
Оценка дисперсии истинной ошибки модели
На практике вместо дисперсии истинной ошибки se2, значение которой не известно, используется ее оценка, рассчитываемая на основе фактических значений ошибки еt
Особенности проверки обратимости матрицы Х¢Х
Как было отмечено ранее, при наличии достаточно сильной корреляции между двумя или несколькими переменными хi, i=1,2,..., n, могут возникнуть трудности, связа
Оценка последствий неправильного выбора состава независимых переменных модели
В данном разделе рассмотрим особенности влияния на качество параметров эконометрической модели ошибок, допущенных на этапе содержательного анализа при выборе состава независимых переменных (факторо
Оценивание параметров эконометрической модели с учетом ограничений
При нахождении оценок параметров линейной эконометрической модели с использованием МНК предполагалось, что их значения не связаны никакими ограничениями. Вместе с тем, исходные предпосылки, лежащие
Предпосылки метода максимального правдоподобия
Достаточно широкое распространение при оценке параметров моделей получил и метод максимального правдоподобия, базирующийся на критерии (принципе), согласно которому оптимальные оценки параметров об
Процедура получения оценок максимального правдоподобия
Целевая функция типа (2.109) называется функцией максимального правдоподобия. Несложно заметить, что оптимальные значения оценок параметров a0*, a1
Обобщенный метод наименьших квадратов
Рассмотрим основные последствия нарушения условия (2.21) для оценок параметров эконометрической модели, полученных с использованием “классических” методов оценивания, например, МНК.
Как бы
Обобщенный метод максимального правдоподобия
В обобщенном ММП предполагается, что ошибка модели подчиняется нормальному закону распределения с ковариационной матрицей W, определенной выражением либо (3.1), либо (3.4),
Эконометрические модели с коррелирующими ошибками
Причины появления корреляционной зависимости между разновременными значениями ошибки эконометрической модели, вызывающие отличие вида их ковариационной матрицы от диагональной, могут быть разными.
Между ошибками эконометрической модели
Причиной появления ошибки явилось не вполне обоснованное предположение о том, что данные на интервалах (1, Х1) и (Х1, Х2) описы
Эконометрические модели с гетероскедастичными ошибками
Причиной непостоянства дисперсии (гетероскедастичность ошибки) эконометрической модели часто является ее зависимость от масштаба рассматриваемых явлений. В эконометрическую модель ошибка входит как
Метод инструментальных переменных
Для получения несмещенных (по крайней мере состоятельных) оценок параметров эконометрических моделей в ситуациях, когда имеют место (теоретически допускаются) корреляционные взаимосвязи между незав
Рекуррентные методы оценки параметров эконометрических моделей
Использование рекуррентных методов при оценке параметров эконометрических моделей позволяет избежать обращения матрицы X¢X и тем самым, появлени
Метод главных компонент
Метод главных компонент является одним из самых эффективных вычислительных средств, позволяющих оценить коэффициенты эконометрической модели при плохой обусловленности матрицы (X
Изменчивости главных компонент.
Методы оценки коэффициентов моделей с лаговыми независимыми переменными
Эконометрические модели с лаговыми независимыми переменными учитывают влияние на переменную уt уровней объясняющих факторов, относящихся к прошедшим моментам времени t–1,
Проблемы построения моделей с лаговыми зависимыми переменными
Общий вид линейной эконометрической модели с лаговыми зависимыми переменными может быть выражен следующим уравнением:
Основные подходы к оценке коэффициентов эконометрической модели, содержащей лаговые зависимые переменные
Из материала предыдущего раздела вытекает, что эконометрические модели, содержащие в правой части лаговые зависимые переменные, неоднородны по своим свойствам. В основном это обусловлено появлением
Особенности использования инструментальных переменных в оценках параметров моделей
В научных публикациях можно встретить рекомендации выбирать в качестве значений переменной (обозначим их как ) расчетные значения переменно
Стационарные временные ряды
Широкий круг социально-экономических, технических и естественнонаучных процессов часто представляется набором последовательных значений показателя у1, у2,...,
Параметрические тесты стационарности
Из определения стационарного процесса второго порядка, формализованного с помощью выражений (6.2)–(6.4), непосредственно вытекает, что очевидными параметрическими критериями при проверке реального
Непараметрические тесты стационарности
Параметрические критерии проверки стационарности достаточно неудобны в практических исследованиях и весьма ограничены в применении из-за своих достаточно строгих предположений относительно нормальн
Преобразование нестационарных временных рядов в стационарные
Реальные процессы свойством стационарности второго порядка могут и не обладать. Однако с помощью достаточно несложных преобразований часто удается привести наблюдаемый ряд к стационарному процессу.
Модели скользящего среднего
В моделях скользящего среднего текущее значение стационарного случайного процесса второго порядка yt представляется в виде линейной комбинации текущего и прошедших значений ошибки
Модели временных рядов с сезонными колебаниями
Характерной особенностью некоторых социально-экономических процессов, представленных временными рядами, является ярко выраженная периодичность. Например, интенсивность транспортных поездок (особенн
Переход от стационарных моделей к нестационарным
В тех случаях, когда модель авторегрессии и скользящего среднего применялась для описания процесса, приведенного к стационарному, например, с помощью одного из преобразований (6.39)–(6.42), процесс
Объекты исследования финансовой эконометрики
Временные ряды специфических (финансовых) показателей являются объектом исследования одного из самых “древних” направлений эконометрики – финансовой эконометрики, истоки которого лежат в XVI веке.
Тестирование финансовых процессов
Для выявления соответствия свойств реального финансового процесса какой-либо из версий гипотезы случайного блуждания, каждая из которых в свою очередь характеризуется специфической формой ортогонал
Модели ГСБ-1. Броуновское движение
Одной из достаточно широко известных моделей финансовой эконометрики, описывающих процессы с непрерывным временем, удовлетворяющие предпосылкам ГСБ-1, является модель, получившая в научной литерату
Модели финансовых процессов с изменяющейся вариацией (ГСБ-2 и ГСБ-3)
В последние два десятилетия в финансовой эконометрике бурно развивается направление, связанное с разработкой моделей процессов изменения цен, характерной чертой которых является изменяющаяся диспер
Модели процессов со скачками вариации
Для описания процессов с редкими скачками вариации, вызванными в основном экстраординарными событиями, обычно используются модели, в которых дополнительно к выражению (7.101) вводится ограничение н
Модели процессов с зависимой вариацией
Привязка изменений вариации цен к экстраординарным событиям не выглядит достаточно реалистично, хотя бы по той причине, что такого рода события возникают достаточно редко и они не в полной мере объ
Методы оценки параметров модели с изменяющейся вариацией
В общем случае определение параметров оценок моделей с изменяющейся вариацией является более сложной проблемой, чем оценка параметров моделей с постоянной вариацией. Дело в том, что эффекты, обусло
Модели временных рядов финансовых показателей с нелинейными структурами
Обобщая изложенный в главе VII материал, отметим, что в предыдущих разделах были рассмотрены модели с линейной структурой условного математического ожидания, в которых этот показатель был выражен в
Оценки параметров распределения отношения SR
Заметим, что ковариация случайных величин At, At+1 может быть определена на основе следующего выражения:
Параметры распределения выборочной дисперсии
Для случайной величины Х, распределенной по нормальному закону с математическим ожиданием M[X] и дисперсией sx2, выборочная дисперс
Оценка параметров распределений функциональных зависимостей случайных величин
Предположим, что между переменными у и х1, х2,..., xn существует функциональная связь
y=f(
Особенности систем взаимозависимых моделей
При формировании и построении эконометрических моделей в предыдущих разделах предполагалось, что между независимыми переменными х1t,..., хпt и зависимой п
Формы представления систем взаимозависимых эконометрических моделей
Собрав по разные стороны знака равенства переменные уit и хjt и ошибки eit, i=1, 2,..., т; j=1, 2,..., n; представи
Косвенный метод оценки коэффициентов структурной формы систем взаимозависимых эконометрических моделей
В разделе 8.2. было показано, что использование МНК приводит к смещению оценок коэффициентов только структурной формы модели. В силу статистической независимости экзогенных переменных и ошибок стру
Оценивание параметров структурной формы на основе двухшагового МНК с использованием инструментальных переменных
Двухшаговый МНК является одним из наиболее “популярных” методов оценки параметров моделей структурной формы. Причем обычно он используется в случае изолированного рассмотрения каждой из моделей сис
Первый шаг.
На основании выражения
=X×(X¢&t
Второй шаг.
Заметим, что матрица значений независимых переменных структурной формы модели (8.49) может быть представлена в виде объединения матриц Y1 и Х
Оценки параметров системы взаимозависимых эконометрических моделей с использованием трехшагового МНК
Как было отмечено в предыдущем разделе, наличие корреляционных связей между ошибками различных эконометрических моделей, входящих во взаимозависимую систему, ведет к потере свойства эффективности о
Этап 3.
С помощью обобщенного МНК (выражение (8.79)) определяются “окончательные” оценки коэффициентов структурной формы всей системы взаимозависимых эконометрических моделей, которые теоретически при нали
Причины изменчивости структуры модели
В предыдущих разделах учебника рассматривались эконометрические модели, значения коэффициентов которых предполагались постоянными на всем рассматриваемом временном интервале t=1,2,..., Т
Тестирование изменчивости структуры эконометрической модели
Основная идея тестирования изменчивости коэффициентов эконометрической модели, имеющей систематический характер, состоит в проверке свойства случайности кумулятивной суммы ее ошибок при увеличении
Стандартизованных ошибок модели
Таким образом, для любого r для эконометрической модели с постоянной структурой с п независимыми переменными имеет место следующее вероятностное условие, определяющее
Эконометрические модели с переключениями
Эконометрические модели линейного типа с переключениями, т. е. со скачкообразными изменениями коэффициентов в точках t1, t2,... tп–1
Эконометрические модели с эволюционными изменениями коэффициентов
Модель с эволюционными изменениями коэффициентов в общем случае имеет следующий вид:
где ai(t), i=0,..., n – оценки коэффициентов мод
Эконометрические модели с ошибками в переменных
В общем случае следует разделять три ситуации, связанные с ошибками переменных эконометрической модели: ошибки имеют место у зависимой переменной, у независимых переменных и у тех и других вместе в
Модели с фиктивными независимыми переменными
Фиктивные переменные вводятся в эконометрическую модель обычно с целью учета воздействия качественных аспектов на закономерности развития рассматриваемых процессов. К таким аспектам, например, отно
Модели с дискретными зависимыми переменными
Как следует из рассмотренного в предыдущих разделах материалов, в эконометрических исследованиях обычно предполагается, что результирующий показатель yt, является количественной в
Модели бинарного выбора
Модели бинарного выбора широко используются в экономических и социальных исследованиях, особенно в экономике труда, при проведении анализа на микро-уровне. Покажем их специфические свойства на прим
Двумерные и многомерные probit-модели.
Probit-модели могут быть могут быть использованы для определения вероятностей сложных событий, выражаемых в виде комбинаций некоторых наборов простых событий, каждое из кото
Многомерные модели бинарного выбора с цензурированием.
Бывают ситуации, когда наблюдаемые переменные в двумерной probit-модели цензурируют одна другую. Например, при оценке возможности кредитования Бойз (Boyes et al., 1989) анализировал данные п
Модели множественного выбора
От многомерных probit-моделей отличаются модели множественного выбора. Многомерные probit-модели предполагают принятие нескольких решений, каждое из которых заключается в выборе одног
Гнездовые logit-модели (nested logit-models).
Как было отмечено, в условной logit-модели ошибки обычно предполагаются гомоскедастичными. Для практики это предположение часто является слишком строгим. Например, в случае выбора одного из
Модели счетных данных
В практических исследованиях достаточно часто приходится сталкиваться с зависимыми переменными, которые представляют собой результаты подсчетов. Примерами таких переменных являются число выданных з
Отрицательная биномиальная модель.
Как уже отмечалось, в пуассоновской модели предполагается, что математическое ожидание и дисперсия числа событий уt равны друг другу. Это свойство существенно ограничивает ее прим
Модель преодоления препятствий (hurdle-model).
Данные модели предназначены для описания процессов, нулевые уровни (значения) которых выражают принципиально другое содержание, по сравнению с положительными, которые, как и в рассмотренных ранее м
Модели с ограниченными зависимыми переменными
В практике социально-экономических исследований на микро-уровне достаточно часто возникают ситуации, когда зависимая переменная является количественной и непрерывной, т. е. удовлетворяет предпосылк
Модели усеченных выборок
Предположим, усеченное распределение является частью неусеченного распределения, которая находится выше или ниже определенного порогового значения.
Плотность непрерывной случайной переменн
Модели цензурированных выборок
Напомним, что в случае цензурирования зависимой переменной yt вместо ее значений выше (или ниже) определенного уровня рассматривается сам этот уровень.
Например, если спр
Цензурированная модель (tobit-модель).
Для описания зависимости цензурированной переменной yt от влияющих на нее факторов обычно используется так называемая tobit-модель.
Tobi
Модели случайно усеченных выборок (selection-model)
Предположим, что переменные у и z имеют двумерное распределение с коэффициентом корреляции r. Найдем распределение у по случайной выборке (у, z) условии, ч
Метод максимального правдоподобия
Из-за специфических свойств моделей с дискретными и ограниченными зависимыми переменными, метод максимального правдоподобия имеет некоторые особенности. Покажем их на примере моделей бинарного выбо
Метод максимального счета (MSCORE)
Рассмотрим особенности метода максимального счета, применяемого наряду с методом максимального правдоподобия для оценки параметров модели бинарного выбора.
Этот метод использует критерий,
Особенности оценки параметров нелинейных моделей
Нелинейная модель, а точнее нелинеаризуемая форма основного уравнения эконометрической модели, создает существенные трудности при оценке значений ее параметров. Кроме того, некоторые проблемы в это
Метод прямого поиска
Использование метода прямого поиска при нелинейном оценивании имеет определенные как преимущества, так и недостатки по сравнению с другими методами. Его преимущества обусловлены достаточно несложно
Методы оценки параметров, основанные на линейной аппроксимации модели
В основе этой группы методов лежит идея представления нелинейного функционала эконометрической модели f(a, x) в произвольной точке
Методы, предполагающие линеаризацию целевой функции
В основе методов оценки параметров эконометрической модели, предполагающих линеаризацию целевой функции, т. е. суммы квадратов ошибки модели S2(a,
Качественные характеристики оценок параметров нелинейных эконометрических моделей
Помимо определения точечных значений оценок параметров нелинейных эконометрических моделей в эконометрических исследованиях большое внимание уделяется и поиску их интервальных характеристик, по вел
Особенности эконометрического прогнозирования
Прогнозирование является одной из основных сфер практического применения эконометрических моделей. Эконометрические прогнозные исследования, начало которым было положено в конце 20-х годов ХХ-го ст
Методы оценки дисперсии прогноза при детерминированном прогнозном фоне
Рассмотрим, не прибегая к излишней математической строгости, сначала общий подход к оценке дисперсии прогноза . Без ограничения общности предположим, что прогнозы получены с использованием линейной
Методы оценки дисперсии прогноза при случайном прогнозном фоне
При случайном прогнозном фоне обычно предполагается, что значения независимых факторов в будущие моменты времени T+k являются случайными величинами, которые можно представить в виде с
Оценка точечных прогнозов.
Из выражения (12.35) следует, что прогнозное значение показателя уT(1), т. е. на один шаг вперед, может быть определено как условное математическое ожидание переменной уT
Проблемы оценки дисперсий прогнозов.
Вместе с тем оценка дисперсий таких прогнозов представляет собой достаточно сложную проблему, корректное решение которой в аналитическом виде еще не получено. Раскроем суть этой проблемы с учетом р
Оценки дисперсий прогнозов при детерминированных параметрах моделей.
В этой связи, в научной литературе обычно рассматриваются методы оценки дисперсий прогнозов процессов, представленных в виде временных рядов, не учитывающие ошибки оценок коэффициентов, описывающих
Модель СС(1).
Прогнозируя на момент Т+1 на основе модели СС(1)
получим следующее прогнозное значение рассматриваемой переменной y:
Поскольку матема
Модель АРСС(1,1).
Модель АРСС(1,1), являющуюся комбинацией рассмотренных выше моделей АР(1) и СС(1), представим в следующем виде:
Несложно заметить, что прогнозное значение п
Программа дисциплины
“ЭКОНОМЕТРИКА”
Составители: д.э.н., профессор ТИХОМИРОВ Н.П.
к.э.н., доцент ДОРОХИНА Е.Ю.
I.Организационно-методический раздел
YII.Модели финансовой эконометрики
Объекты изучения финансовой эконометрики. Первичный и вторичный финансовые рынки. Временные ряды финансовых показателей. Особенности сбора, обработки и анализа исходной информации. Ее источники. Аг
В прогнозировании социально-экономических процессов
Примеры моделей. Построение прогнозной процедуры и проблема верификации прогноза. Оценка точности прогноза. Доверительный интервал прогноза. Интерпретация параметров модели. Методы оценки доверител
Новости и инфо для студентов