- •Санкт-Петербургский торгово-экономический институт
- •Основы эконометрики
- •1.Введение
- •1.Эконометрика как наука
- •1.1.Определение
- •1.2.Классификация задач эконометрики
- •1.3.Математико-статистический инструментарий эконометрики
- •2.Эконометрическое моделирование
- •2.1.Основные понятия эконометрического моделирования
- •2.2.Типы эконометрических моделей
- •2.3.Типы данных
- •2.4.Основные этапы и проблемы эконометрического моделирования
- •3.Обзор элементарных понятий статистики
- •3.1.Переменные
- •3.2.Зависимости
- •3.3.Статистическая значимость
- •3.4.Нормальное распределение
- •4.Парный регрессионный анализ
- •4.1.Основные понятия регрессионного анализа
- •4.2.Модель парной линейной регрессии
- •4.3.Метод наименьших квадратов
- •4.4.Интерпретация уравнения регрессии
- •4.5.Качество оценки: коэффициент детерминации r2
- •4.6.Случайные ошибки
- •4.6.1.Природа случайности
- •4.6.2.Условия Гаусса-Маркова
- •4.6.3.Оценка дисперсии ошибок σ2
- •4.6.4. Оценка дисперсий параметров модели a и b
- •4.7.Свойства коэффициента регрессии и проверка гипотез
- •4.7.1.Формулирование нулевой гипотезы.
- •4.7.2.Проверка гипотез
- •4.7.3.Доверительные интервалы
- •4.8.Таблица дисперсионного анализа для простой линейной регрессии
- •5.Множественный регрессионный анализ
- •5.1.Модель множественной линейной регрессии
- •5.2.Фиктивные переменные
- •5.2.1.Модель бинарной фиктивной переменной
- •5.2.2.Модель сезонных колебаний
- •5.2.3.Кусочно-линейная модель
- •6. Перспективы и проблемы эконометрики
- •7.Системы для обработки эконометрических данных
- •8.Примеры эконометрических моделей
- •8.1.Маркетинг
- •29.2.Финансы
- •37.1.Социально-экономические исследования
- •Рекомендуемая литература
- •Основы эконометрики
- •194021, Санкт-Петербург, Новороссийская ул., 50
29.2.Финансы
Исследование тенденций и явлений в сфере финансов требует привлечения самых последних достижений в области математической статистики, а также обработки больших массивов разнородной информации. Здесь может быть использован практически весь спектр классических статистических методов и в первую очередь ‑ методы анализа временных рядов и прогнозирования. В настоящее время в экономической практике все активнее используются новые методы исследования, основанные на построении нейросетевых моделей.
В сфере финансового и бизнес-анализа можно выделить следующие задачи, решаемые статистическими методами: задачи классификации, мониторинга, прогнозирования,анализа рисков.
Классификация:
30.задолженностей;
31.инвестиционных проектов;
32.возмущающих воздействий на рынки;
33.кредиторов на основании их финансово-экономических и организационных характеристик.
В зависимости от типа данных и специфики проблемы для классификации используется либо дискриминантный анализ, либо деревья классификации. Кластерный анализ позволяет выделить однородные группы кредиторов по выбранной системе характеристик. Возможно решение многомерных задач с десятками экономических показателей. Выбор показателей определяется пользователем. Определяется распределение наблюдений по кластерам, средние характеристики для каждого кластера и т.п.
Анализ инвестиций и кредитных рисков. Оценка состояния инвестиционных фондов может быть начата с изучения многомерных группировок инвестиционных фондов. Для этого используются методы кластерного анализа. В качестве переменных могут выступать доходность за период, риск, ежегодный процент дохода, расходная часть, налоговые рейтинги и т.п. Далее с помощью дискриминантного анализа могут быть построены дискриминантные функции для разделения фондов на группы в соответствии с рекомендациями экспертов по операциям с ценными бумагами.
Мониторинг и прогнозирование:
34.мониторинг финансовых рынков в режиме реального времени;
35.прогнозирование финансовых показателей;
36.прогнозирование курсов акций;
37.анализ транзакций по вкладам физических лиц для выработки оптимальных программ работы с частными вкладчиками.
Методы множественной регрессии позволяют найти функциональные зависимости между различными финансовыми показателями. Используя построенные уравнения, можно прогнозировать изменения выбранных показателей в зависимости от изменения других показателей. Пользователь системы выбирает показатели, система строит наилучшую модель. STATISTICA строит уравнение зависимости в явном виде, а также доверительные интервалы, дает оценку точности решения и оценку адекватности с помощью всестороннего графического и аналитического анализа остатков. Инструментарий исследования ‑ множественная регрессия.
Исследование зависимости размеров вкладов частных лиц от различных индивидуальных характеристик вкладчиков может выявить небольшое чило гипотетических, непосредственно не наблюдаемых параметров - факторов, на основе которых возможна разработка специальных программ работы с вкладчиками. Инструментарий: факторный анализ, множественная регрессия.