ІМОВІРНІСНІ МОДЕЛІ ТА МЕТОДИ РЕГРЕСІЙНОГО АНАЛІЗУ ВОЛАТИЛЬНИХ ФІНАНСОВИХ РЯДІВ
| Jazyk: | angličtina |
|---|---|
| Rok vydání: | 2023 |
| Předmět: | |
| Zdroj: | Science-based technologies; Vol. 57 No. 1 (2023); 3-11 Наукоемкие технологии; Том 57 № 1 (2023); 3-11 Наукоємні технології; Том 57 № 1 (2023); 3-11 |
| ISSN: | 2310-5461 2075-0781 |
| Popis: | The article considers financial and economic time series in production, banking, and investment branches. Empirical research in the field of economics increasingly uses data at the individual or household level obtained from surveys. Some variables are difficult enough to measure that such problems arise even when estimating simple bivariate regressions; when panel data are used in ways that effectively distinguish much of the true change while adding to the noise. Results of analysis of real information give the reasons to suppose that the most adequate mathematic models of non-stationary financial time series are homoscedastic and heteroscedastic probabilistic models with partially unknown impact factors. We propose the auto regression and moving average (ARMA) models for analysis of homoscedastic series and auto regression and integrated moving average (ARIMA) models for analysis of heteroscedastic series. These models cover rather wide class of random processes, which are non-stationary in wide and narrow sense. Correct choice of model order allows getting the results with acceptable errors (discrepancy) using rather simple models. We showed the principal useless of tendency to non-critical enlarging of order of moving average and regression equations. Moreover, the model gets much more complicated, and the errors of extrapolation, corresponding with forecasting, grow very quickly. The article attempts a preliminary survey and analysis of time series data for the specification of a model of the interrelationship of variables. It should be recognized that the practical implementation of the above rules is not trivial. In particular, it is obvious that it is possible to obtain satisfactory estimates of the spectrum of financial and economic time series, but at the moment it is not clear how to quantitatively estimate volatility values, cooperation processes in conflict conditions, etc. Only further analysis, both theoretical and empirical, can provide answers to these questions. У статті розглянуто фінансово-економічні часові ряди у виробничій, банківській та інвестиційній галузях. Емпіричні дослідження в галузі економіки все частіше використовують дані на індивідуальному рівні або на рівні домогосподарств, отримані в результаті опитувань. Деякі змінні настільки важко виміряти, що такі проблеми виникають навіть при оцінці простих двофакторних регресій; коли панельні дані використовуються таким чином, що ефективно виділяють більшу частину справжніх змін, додаючи шуму. Результати аналізу реальної інформації дають підстави припускати, що найбільш адекватними математичними моделями нестаціонарних фінансових часових рядів є гомоскедастичні та гетероскедастичні ймовірнісні моделі з частково невідомими імпакт-факторами. Ми пропонуємо моделі авторегресії та ковзного середнього (ARMA) для аналізу гомоскедастичних рядів та моделі авторегресії та інтегрованого ковзного середнього (ARIMA) для аналізу гетероскедастичних рядів. Ці моделі охоплюють досить широкий клас випадкових процесів, нестаціонарних у широкому та вузькому розумінні. Правильний вибір порядку моделей дозволяє отримувати результати з допустимими похибками (розбіжністю) за досить простими моделями. Ми показали принципову марність тенденції до некритичного розширення порядку ковзного середнього та рівнянь регресії. Крім того, модель значно ускладнюється, а похибки екстраполяції, відповідні прогнозу, зростають дуже швидко. У статті зроблено спробу попереднього огляду та аналізу даних часових рядів для специфікації моделі взаємозв’язку змінних. Слід визнати, що практична реалізація наведених вище правил не є тривіальною. Зокрема, очевидно, що можна отримати задовільні оцінки спектру фінансово-економічних часових рядів, але наразі незрозуміло, як кількісно оцінити значення волатильності, процеси взаємодії в умовах конфлікту тощо. Лише подальший аналіз , як теоретичні, так і емпіричні, можуть дати відповіді на ці запитання. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|