URSS.ru Магазин научной книги
Обложка Егорова Н.Е., Бахтизин А.Р., Торжевский К.А. Прогнозирование фондовых рынков с использованием экономико-математических моделей. (С дополнением: Криптовалюта как новый сектор финансового рынка) Обложка Егорова Н.Е., Бахтизин А.Р., Торжевский К.А. Прогнозирование фондовых рынков с использованием экономико-математических моделей. (С дополнением: Криптовалюта как новый сектор финансового рынка)
Id: 268601
799 р.

ПРОГНОЗИРОВАНИЕ ФОНДОВЫХ РЫНКОВ с использованием экономико-математических моделей.
(С дополнением: КРИПТОВАЛЮТА как новый сектор финансового рынка). Изд. 2, дополн.

Прогнозирование фондовых рынков с использованием экономико-математических моделей. (С дополнением: Криптовалюта как новый сектор финансового рынка) URSS. 2021. 248 с. ISBN 978-5-9710-8454-9.
Белая офсетная бумага

Аннотация

В настоящей монографии исследуются методы и подходы к анализу и прогнозированию фондовых рынков, в том числе российского фондового рынка, основным индикатором которого является индекс РТС. В развитии российского рынка выделяются стабильная (1995–2008 гг.), кризисная (2008–2010 гг.) и посткризисная (2010 г. -- настоящее время) фазы; используются различные методы статистического анализа. Исследуется информационная чувствительность... (Подробнее)


Оглавление
top
Введение5
Глава I Методические основы исследования фондовых рынков с применением экономико-математического инструментария10
1.1. Концептуальная модель взаимодействия фондового и реального секторов экономики10
1.2. Классификация методов и подходов к исследованию фондовых рынков15
1.3. Российский фондовый рынок: основные этапы развития и модели его динамики25
Глава II Анализ российского фондового рынка в стабильной фазе35
2.1. Фундаментальный анализ: взаимосвязь основных макроэкономических индикаторов и индекса РТС35
2.2. Анализ зависимости индекса РТС от динамики основных международных фондовых индикаторов42
2.3. Визуальный анализ: исследование влияния информационного фактора на индекс РТС47
2.4. Нейронные сети как эффективный инструмент анализа и прогнозирования рынка52
2.5. Использование метода Гурвица при реализации комплексного подхода к прогнозированию фондовых рынков62
Глава III Прогнозирование российского фондового рынка в фазе кризиса70
3.1. Общие принципы моделирования динамики индекса РТС70
3.2. Регрессионная модель «РТС – цены на нефть» и сценарии восстановления рынка74
3.3. Методы оценки последствий кризиса фондового рынка на основе сравнения с условным эталоном78
Глава IV Вступление России в ВТО и реакция фондового рынка91
4.1. Экономические последствия вступления России в ВТО91
4.2. Экономические предпосылки оптимистического и пессимистического сценариев развития событий: экспертные оценки и расчеты97
4.3. Реакция фондового рынка: качественный и количественный анализ102
Глава V Технический анализ динамики российского фондового рынка112
5.1. Общая характеристика методов технического анализа112
5.2. Анализ хаотичности российского фондового рынка на основе индикатора скользящей средней с постоянной мерой рассеивания116
Глава VI Фондовый рынок Китая: анализ и моделирование133
6.1. Основные экономические предпосылки развития китайского фондового рынка: от изоляции к открытой экономике133
6.2. Эконометрический анализ фондового рынка Китая143
Глава VII Криптовалюта как новый сектор финансового рынка172
7.1. Процессы трансформации социально-экономических институтов: влияние криптовалютного обращения и распространения технологий блокчейна172
7.2. Использование модифицированной модели М. Фабера для прогнозирования рынка криптовалюты178
Заключение191
Библиография194
Приложение 1 Становление фондового рынка России: Историческая справка204
Приложение 2 Становление фондового рынка в Китае: Историческая справка и особенности220

Введение
top

Одним из условий активизации инвестиционных процессов в реальном секторе российской экономики и обеспечения ее устойчивого роста является развитие фондового рынка. Сформировавшийся за годы реформ разрыв между потребностями предприятий в инвестиционных ресурсах и теми возможностями, которые может предложить им финансовый сектор российской экономики, значительно усугубился финансовым кризисом осени 2008 г.

На начальном этапе российских реформ основная надежда в установлении необходимой связи между финансовым и промышленным секторами возлагалась на процессы прямого кредитования предприятий, особенно в связи с постепенным снижением процентных ставок за кредит. Однако банки недостаточно активно участвовали в инвестировании предприятий, экономическое состояние которых не всегда давало полноценные гарантии по возврату заемных средств. Кроме того, ставка кредитования оставалась достаточно высокой, что делало кредит недоступным для многих предприятий.

На фоне относительно замедленных процессов кредитования промышленности контрастной оказалась проявившаяся в 2001–2006 гг. тенденция ускоренного роста рынка корпоративных ценных бумаг. Отмечен существенный рост стоимости акций многих ведущих российских компаний (не только «голубых фишек»), что обусловлено как известной недооцененностью их акций, так и успешной и стабильной работой этих предприятий. Это свидетельствовало об известной зрелости рынка, способного произвести «справедливую» рыночную оценку капитализации предприятия и скорректировать имевшуюся их недооцененность. Если раньше для его характеристики использовались такие эпитеты, как слабый, зарождающийся, вялотекущий и т. д., то начиная с 1996 г. и особенно с 2000 г. он проявил себя как динамичный и быстро растущий сегмент финансовой системы, активно включающийся в мировую экономику.

Разразившийся мировой финансовый кризис осени 2008 г. не только остановил поступательное развитие российского фондового рынка, но и отбросил его назад. Его негативные последствия достаточно долго сказывались и будут еще сказываться на состоянии российской экономики, что делает проблему анализа и прогнозирования российского фондового рынка особенно актуальной.

В процессе исследования авторами был реализован комплексный подход, который выражался, во-первых, в том, что при анализе рассматривался достаточно широкий набор факторов, которые могли оказывать воздействие на российский фондовый рынок; а во-вторых (что наиболее важно), была сделана попытка интеграции методов различного типа, обычно применяющихся при анализе фондовых рынков автономно. Идея данного подхода основывается на том, что адекватный анализ такого сложного и труднопрогнозируемого объекта как фондовый рынок с помощью лишь одного, даже весьма эффективного инструмента, вряд ли возможен. Кроме того, создание (а затем и использование) сложного инструмента, полномасштабно учитывающего множество действующих на объект факторов, достаточно проблематично. Так, при использовании многофакторного регрессионного анализа неизбежно возникает проблема гетероскедастичности.

В то же время использование целого набора относительно простых методов способно воссоздать более многомерную и поэтому более объективную картину развития объекта. Следует ожидать, что интеграция результатов по разным методам, осуществляемая по некоторому синтезирующему правилу (возможный вариант которого предложен авторами) позволит обеспечить более эффективный и адекватный прогноз.

Логика изложения материала в целом соответствует логике исследования, которое проводилось в течение ряда лет и осуществлялось по этапам. В первой главе определены методические принципы исследования; с учетом специфики российского рынка сформулирована концептуальная модель взаимодействия фондового рынка и реального сектора экономики.

Комплекс методов, разработанных авторами (модель динамики, регрессионные модели с использованием основных макроэкономических индикаторов, нейросетевая модель), представлен во второй главе работы. Данные модели получены на основе информационной базы, содержащей значения основных макроэкономических показателей и индекса РТС более чем за десятилетний период (1995–2008 гг.). При построении моделей использовались стандартные ППП (SPSS, Statistica, Neuro Solution и др.).

Этот этап исследования был прерван мировым финансовым кризисом. Вместе с обвалом мировых фондовых рынков, произошла резкая ломка сложившихся связей и на российском рынке. Как показал статистический анализ, в этот период рынок функционировал по совсем другим законам и должен был рассматриваться как совсем иной объект. Так, выявилась явная зависимость между индексом РТС и основными международными фондовыми индексами, которая отсутствовала в фазе стабильного развития рынка; гораздо теснее, чем раньше, стала связь индекса РТС и цен на нефть; растущий характер зависимостей сменился падающим и т. д. В этих условиях потребовался новый инструментарий, который изложен в третьей главе. В новый комплекс методов вошли две модели – нейросетевая (персептрон) и регрессионная (последняя представляет собой соотношение, характеризующее взаимосвязь динамики РТС и цены на нефть). В отличие от предшествующего комплекса моделей, новый комплекс учитывает возросшую динамичность процессов, проходящих на кризисной фазе рынка и использует значительно более дробный такт моделирования. Здесь же рассмотрены возможные сценарии выхода из кризиса, полученные с использованием нового инструментария и экспертных прогнозов динамики цены на нефть.

Что касается инструментария, разработанного для стабильной фазы рынка, то авторы полагают преждевременным сбрасывание его со счетов. Данный инструментарий, во-первых, может быть востребован в будущем на очередном витке развития рынка и вступления его в новую стабильную фазу. Изменение параметров разработанных ранее моделей (которое представляется неизбежным на новом временном этапе) будет служить индикатором произошедшей трансформации рынка и характеризовать основные тенденции его развития при сравнительном анализе двух стабильных фаз на различных исторических интервалах.

Во-вторых, он может быть использован и на современном этапе для более корректной оценки последствий кризиса. Сложившаяся практика такой оценки предполагает сопоставление значений выбранного индикатора (например, индекса РТС) по текущей и начальной дате кризисного состояния рынка. При этом (по умолчанию) принимаются два допущения: 1) условность момента начала кризиса; 2) «замораживание» развития на начальной точке отсчета.

Однако для более корректной оценки должны сопоставляться два состояния – текущее и альтернативное, то есть такое, в которое должен был попасть рынок, если бы кризис не случился, а продолжилась бы стабильная фаза. Альтернативная траектория (как условный эталон для сопоставлений значений индекса РТС в каждый текущий момент времени) может быть получена на основе разработанного инструментария. Построению условного эталона посвящен заключительный параграф третьей главы.

Большое внимание в книге уделяется исследованию рефлексивной способности российского фондового рынка, которая существует в двух ипостасях: •

информационная чувствительность к самому широкому спектру событий, происходящих на мировой арене – политических, экономических, природно-климатических и т. д. В этой ипостаси фондовый рынок предстает в виде чуткой мембраны, колебаниями которой оценивается конкретное событие: при положительной его оценке фондовые индексы растут, при отрицательной – падают. Данный аспект проблемы освещен на сравнительных примерах российского и американского фондовых рынков в разделе 2.3 второй главы. •

системная чувствительность, которая проявляется при взаимодействии реального и финансового секторов экономики как единой системы. В этой ипостаст фондовый рынок выступает как барометр, характеризующий путем динамики своих индикаторов состояние экономики. Поэтому все крупные экономические события (масштабные сделки по слиянию и поглощению, реализация национальных программ, экономические реформы и т. д.) оказывают на фондовый рынок не только одномоментное информационное воздействие, но и долговременное влияние – через происходящее благодаря этим событиям изменение макроэкономических индикаторов. Этому аспекты проблемы посвящена четвертая глава монографии, в которой производится оценка влияния на фондовый рынок такого крупномасштабного события, как вступление России в ВТО.

Наряду с методами фундаментального анализа фондовых рынков (которым посвящена большая часть книги), в работе представлены методы их технического анализа. данное направление исследований является альтернативным к методам фундаментального анализа и базируется на другой гипотезе – предпосылке о полной независимости фондовых рынков: считается, что вся необходимая информация уже содержится в динамике фондовых индикаторов, характер их изменения подчинен некоторым внутренним правилам и обладает свойством повторяемости. Поэтому нет необходимости исследовать влияние макроэкономических факторов на фондовый рынок, а следует изучать внутренние закономерности его динамики, в частности, выявлять тренды и прогнозировать точки «переломов» этих трендов.

Методы технического анализа разделяются на визуальные и формально-статистические. Визуальные методы предполагают анализ ситуации по стандартным фигурам (паттернам – «флаг», «свеча», «голова», «плечи» и т. д.), которые участники рынка распознают в графиках динамики анализируемого фондового индикатора. Эти методы наиболее востребованы в дневном трейдинге, в условиях неспокойного рынка, когда время принятия решения может измеряться минутами и секундами. Формально-аналитические методы технического анализа представлены главным образом методами статистической обработки временных рядов с помощью различных инструментов (индикаторы ADX, Macd, Ишимоку и др.) В главе пятой осуществляется анализ динамических свойств российского фондового рынка на основе индикатора скользящей средней с постоянной мерой рассеивания, и выявляются аттракторы – компактные подмножества фазового пространства динамической системы, к которым стремятся все траектории, находящиеся в некоторой области этого пространства. Найденные подмножества с известной условностью могут быть интерпретированы как нечеткие тренды, к которым стремится рынок.

В главе шестой с помощью регрессионных моделей анализируется опыт развития фондового рынка Китая и производится сравнение его с российским фондовым рынком. Опыт Китая весьма поучителен. Как и российский, китайский фондовый рынок – молодой, развивающийся рынок, растущий бурными темпами. Оба рынка имеют схожие этапы своего формирования: периоды социалистического прошлого и возрождения в ходе осуществления в этих странах экономических реформ. Однако рынок Китая ушел далеко вперед. В настоящее время (с 2011 г.) он занимает второе место в мире (после США) и имеет капитализацию порядка 6 трлн долл., в то время как капитализация российского фондового рынка составляет 1 трлн долл. В Приложениях 1 и 2 в историческом аспекте рассмотрены экономические предпосылки формирования этих рынков.

Исследование выполнено при финансовой поддержке РФФИ (проект № 08-06-00163 «Теоретико-методологические основы анализа российского фондового рынка с использованием нейронных сетей») и РГНФ (проект № 11-02-00215а «Методы прогнозирования стратегии развития российского фондового рынка в условиях стабилизации и устойчивого роста экономики»).


Об авторах
top
photoЕгорова Наталья Евгеньевна
Доктор экономических наук (1990), профессор (1999), главный научный сотрудник Центрального экономико-математического института Российской академии наук.
photoБахтизин Альберт Рауфович
Доктор экономических наук, профессор РАН, профессор ВАК РФ, член-корреспондент РАН. Директор Центрального экономико-математического института РАН, заведующий кафедрой математических методов анализа экономики экономического факультета МГУ имени М. В. Ломоносова.

Обладатель профессиональных сертификатов корпорации Microsoft различного уровня (Microsoft Certified Professional, Microsoft Certified Application Developer, Microsoft Certified Solution Developer).

Совместно с академиком В. Л. Макаровым разработал теорию построения и комплекс агент-ориентированных моделей для суперкомпьютеров, а также осуществил запуск крупномасштабной агент-ориентированной модели социально-экономической системы России на суперкомпьютерах «Ломоносов» (МГУ имени М. В. Ломоносова) и «Тяньхэ-2» (Гуанчжоу, Китай). Результаты этой работы были отмечены в качестве важнейших результатов деятельности РАН.

photoТоржевский Кирилл Анатольевич
Окончил механико-математический факультет МГУ (2005), кандидат экономических наук (2009), старший научный сотрудник Центрального экономико-математического института Российской академии наук.