Анализ мирового валютного рынка

- Фундаментальный анализ

Как предполагает название, этот метод  анализа сосредотачивается на "фундаментальных" факторах, которые, как известно, затрагивают  или должны затрагивать котировки  валютного рынка. Этот метод является несколько традиционным по подходу  и, как правило, теоретическим по характеру.

Например, как правило, когда фундаментального аналитика просят предсказать котировки  рынка форекс, он посмотрит на существующие и ожидаемые процентные ставки, темпы  роста ВВП, инфляционные тренды, погодные изменения, затрагивающие сельскохозяйственную продукцию, балансы международной  торговли, политику обменных курсов вовлеченных  стран, статус рынка капитала и т.д. перед тем, как сказать: “Согласно  данным этих индикаторов, валютный рынок  должен вести себя следующим образом” и заключит, будет ли одна валюта, по всей вероятности, дорожать или обесцениваться в отношении другой. Неудивительно, что, когда определенный рыночный курс отличается от прогноза, фундаментальный  аналитик выглядит сбитым с толку.

Этот  тип анализа не в состоянии  принять во внимание, что есть также  нечто под названием “чувство рынка” - просто потому, что такой  фактор не "фундаментален" для  анализа, потому как он не предсказуем  и не поддается объяснениям./10,c.26/

Разобрав  два подхода, мы можем лишь сказать, что у каждого метода есть свои достоинства и недостатки.

Однако, умные операторы рынка форекс предпочитают использовать хорошую  комбинацию этих двух методов, учитывать  их советы и делать выводы о том, как рынок, скорее всего, поведет себя, предпринимая соответствующие действия для коррекции своего бизнеса.

3.1 Факторный анализ при прогнозировании валютного рынка

Методы  математического прогнозирования  используют следующие основные виды финансово-экономического анализа: горизонтальный и вертикальный анализ; трендовый  анализ; метод финансовых коэффициентов; сравнительный и факторный анализ. Причем модели прогнозирования будут  разрабатываться на основе различных  функционально-аналитических зависимостей: показательных и степенных функций, динамических рядов и аналитических зависимостей /1,c.76/. Рассмотрим особенности модели прогнозирования валютного курса на основе различных функционально-аналитических зависимостей. В данной модели концептуально должен быть показан механизм образования курса исследуемой валюты. Структура модели в данном случае будет зависеть от вида и характера зависимых факторов, которые влияют на то, как формируется валютный курс и гипотезы о паритете покупательной способности валют. Это определяет функцию «валютный курс» через эмиссию денег как внутри страны, так и за ее пределами и реальные национальные продукты в постоянных ценах./9,c.83/

После того как были рассмотрены реальные экономические системы, к ним  добавляются новые факторы и, соответственно, корректируются те, которые  были рассмотрены нами раньше. И  обобщенная модель выберет основные факторы, оказывающие влияние на формирование валютного курса. В  обобщенной модели валютного курса  будут обязательно присутствовать три Э:

• Экстраполяция,
• Экспертные оценки и Экономико-математическое моделирование
• Экстраполяция предполагает анализ сложившихся в прошлом до

настоящего  момента закономерностей развития изучаемого явления с возможностью распространения этих тенденций  на будущее с большой степенью вероятности.

Экспертные  оценки основываются на опыте, знаниях  и интуиции высококвалифицированных специалистов и часто применяются при разработке экономических прогнозов.

Экономико-математическое моделирование позволяет установить определенные количественные закономерности, характеризующие развитие финансового рынка, и дать качественную оценку важности отдельных показателей при воздействии различных факторов.

Рассмотрим  факторы влияния на механизм курсообразования. Известно - чтобы повысить эффективность  модели прогнозирования, необходимо тщательно  проанализировать характер воздействия  факторов, влияющих на валютный курс.

Что нужно сделать? Вначале следует  уделить внимание статистическим данным, которые непосредственно относятся  к рассмотренным выше факторам, формирующим  динамику валютного курса. Однако в  анализе присутствует некоторая  неопределенность, связанная со стохастическими  факторами, которые оказывают опосредованное влияние на валютный курс./5,c.65/

По  теории прогнозирование на базе рассмотренной  только что модели должно быть наиболее точным. Но для качественного исследования требуется огромная аналитическая  работа по поиску факторов, по выявлению  закономерностей в их динамике, характере  влияния, оказываемого на валютный курс в различных возможных ситуациях. Моделирование показателей финансового  рынка является сложной проблемой  в факторном анализе. И ее решение  требует специальных знаний и навыков.

Важен анализ интервалов времени между  началом изменений в факторах, определяющих динамику валютного курса, и учет одновременного воздействия  на изменение валютного курса  возможных различных изменений  нескольких факторов. Выполнение подобной работы под силу только крупным государственным  структурам и организациям или финансовым концернам. Анализ известных разработок в области прогнозирования экономических  процессов на макроуровне показал, что в большинстве случаев  ограничиваются построением линейных эконометрических и макроэкономических моделей, в основе которых лежат  гипотезы «эффективного рынка» и  «рациональных ожиданий». Однако имеющиеся  противоречия и несовершенства в  данных гипотезах часто являются причиной получения ошибочных результатов  и данные модели не обеспечивают учета  имеющих место изменений в  структуре влияний фундаментальных  индикаторов, а также учета отношения  участников рынка к неопределенностям  и противоречиям в развитии рыночных ситуаций. Это обуславливает целесообразность разработки иных подходов и методов  к задачам среднесрочного прогнозирования  валютных курсов и фундаментального анализа макроэкономической динамики. Они должны обеспечить решение данных задач с учетом имеющей место  неопределенности в их развитии, связанной  как со сложностью структуры связей фундаментальных макроэкономических индикаторов, нестационарным характером влияния одних фундаментальных  индикаторов на другие, так и с  субъективным восприятием и оценками участников макроэкономической динамики./13,c.76/ 
3.2 Использование системы поддержки принятия решений АСПИД-3W для обработки экспертной информации о будущей динамике валютного рынка

 

Одним из важнейших способов прогнозирования будущих курсов валют является привлечение экспертов  и обработка полученной от них  информации, которая может быть нечисловой, неточной и неполной. Большинство  подходов к прогнозированию финансовых рынков предполагают получение либо конкретного значения цены в требуемый момент времени /11,c.55/, либо значение доходности /12,c.32/ или логарифмической доходности /13,c.74/ за данный временной период. Такие подходы во многих случаях действительно оказываются весьма полезными. Однако, учитывая высокую волатильность валютного рынка Forex, нам представляется полезным другой тип краткосрочного прогнозирования. Именно, мы будем прогнозировать распределение значений валютного курса на изучаемом интервале времени.

Рассмотрим случай, когда  эксперт дает оценки вероятностей следующих  альтернатив A₁, A₂ и А₃:

1) значение котировки  отклонится от начального значения  более чем на 50 пунктов (т.е.  на 0,005) вниз;

2) не отклонится от  начального более чем на 50 пунктов  в обе стороны;

3) отклонится более чем  на 50 пунктов вверх. 

Предполагаем, что экспертные оценки для каждого дня торгов носят ординальный (порядковый) характер и выражаются неравенствами между  вероятностями альтернатив. Например, p_2t > p_1t и p_1t > p_3t означает, что за день t пребывание котировки в промежутке более вероятно, чем в промежутке , а пребывание в промежутке более вероятно, чем в , где Open(t) – цена открытия дня t.

Обработка полученной экспертной информации заключается в нахождении численных оценок вероятностей p_1t, p_2t и p_3t альтернатив A₁, A₂ и А₃ за промежуток (день) t. Это можно сделать с помощью системы поддержки принятия решений АСПИД-3W. Подробное описание работы данного программного комплекса изложено в /4,c.62/, здесь же приведем общую схему нахождения вероятностей альтернатив по нечисловой экспертной информации.

Предполагается, что компоненты вектора вероятностей альтернатив  отсчитываются дискретно с шагом , где – число градаций значимости отдельных показателей, измеряемой весовыми коэффициентами. То есть вероятности альтернатив принимают значения из множества .

Таким образом, множество  всех возможных векторов весовых коэффициентов конечно и имеет конечное число различных элементов.

Теоретические аргументы  и опыт практической работы показывают, что наиболее устойчивой и простой  для восприятия является нечисловая (ординальная, порядковая) информация, формализуемая при помощи системы  равенств и неравенств вида , , , для весовых коэффициентов .

Следует отметить, что нечисловая (порядковая) информация о вероятностях альтернатив может быть, к тому же, и неполной в том смысле, что  не все весовые коэффициенты входят в нетривиальные равенства и  неравенства, составляющие системы, отображающие информацию, имеющуюся у исследователя.

Учет описанной нечисловой (порядковой) и неполной информации о весовых коэффициентах позволяет сократить множество всех возможных векторов вероятностей альтернатив до некоторого непустого множества всех допустимых (с точки зрения информации ) векторов вероятностей.

Неопределенность выбора вектора  из множества моделируется путем рандомизации этого выбора, в результате которой вероятности альтернатив превращаются в случайные величины , имеющие совместное равномерное распределение на множестве .

Теперь в качестве числовых оценок вероятностей альтернатив, удовлетворяющих равенствам и неравенствам системы , можно использовать, например, математические ожидания рандомизированных вероятностей , , образующих случайный вектор вероятностей альтернатив . Точность таких оценок естественно определить при помощи стандартных отклонений , , соответствующих случайных вероятностей.

Таким образом, принимая p_1t = , p_2t = , p_3t = , получаем экспертные оценки вероятностей событий A₁, A₂ и A₃ соответственно.

2. Оценка качества прогнозов

В качестве меры эффективности  прогноза введем расстояние между фактическим  распределением в день t и прогнозируемым распределением по формуле:

,

где f_i – фактическая относительная частота события А_i, f_i’ – прогнозируемая.

Общую эффективность прогноза за несколько дней будем рассчитывать как среднее расстояние между  фактическими и спрогнозированными распределениями. При этом, чем меньше это расстояние, тем прогноз качественней.

Также определим два эталонных  прогноза: инерционный и наилучший.

Инерционный прогноз является простейшим. Так, предположим, что вероятности  наступления событий A₁, A₂ и A₃ в следующий временной период, например, день, будут равны аналогичным вероятностям за предшествующий период. В качестве оценок вероятностей наступления событий A₁, A₂ и A₃ за день t удобнее всего /6,c.71/ взять относительные частоты f_1,t, f_2,t, f_3,t нахождения цен закрытия малых внутридневных интервалов (5- или 15-минутных) внутри промежутков , и соответственно, где Open(t) – цена открытия дня t.

Прогнозируемые вероятности p_1t, p_2t и p_3t наступления событий A₁, A₂ и A₃ за день t предполагаем равными относительным частотам: p_1t = f_{1, t-1}, p_2t = f_{2, t-1}, p_2t = f_{2, t-1}. При этом относительные частоты вычисляются по формулам:

f_{1, t-1} = m_1,t-1 /m_t-1, f_{2, t-1} = m_{2,t -1}/m_t-1, f_{3, t-1} = m_3,t-1 /m_t-1,

где m_i,t-1, i = 1, 2, 3 – число попаданий наблюдаемых значений котировок в промежутки, определяющие альтернативы A₁, A₂ и А₃, за временной интервал (день) t-1;

m_t-1 = m_1,t-1 + m_2,t-1 + m_3,t-1 – общее число наблюдений за интервал t-1.

Такой способ прогнозирования  хорошо работает при устойчивом ценовом  тренде, но не позволяет предсказывать  коррекции и переломы трендов.

Кроме инерционного, определим  также наилучший прогноз. Прогнозом  его можно считать лишь условно, поскольку он делается по уже известным  данным и никак не может быть использован  на практике. Тем не менее, он позволяет  оценить, насколько вообще эффективным  потенциально может быть прогнозирование  по экспертной порядковой информации. Для того, чтобы получит такой  прогноз на день t, необходимо по уже  имеющимся данным за день t рассчитать относительные частоты альтернатив A₁, A₂ и A₃:

f_{1, t} = m_1,t /m_t, f_{2, t} = m_2,t1/m_t, f_{3, t} = m_3,t /m_t.

После чего определяем порядковые соотношения между ними, например, f_1t>f_2t, f_2t>f_3t. Введя эти соотношения в ОСППР АСПИД-3W, получим оценки вероятностей p_1t, p_2t и p_3t наступления событий A₁, A₂ и A₃ за день t.

Для примера рассмотрим временной  ряд курса валютной пары EUR/USD с 12 сентября по 14 октября 2011 года с периодичностью 15 минут. Графически он представлен  на рис. 1.1.

Рис. 1.1 Временной ряд курса валютной пары EUR/USD с 12 сентября по 14 октября 2011

Построим наилучший и  инерционный прогнозы распределения  в каждый t-й день, используя информацию о распределении за предыдущий t-1-й день. Так, имея данные о распределении курса валютной пары EUR/USD за 12 сентября, получим прогноз на 13 сентября. По прошествии этого дня сравним фактические данные с прогнозными, а затем спрогнозируем распределение на 14 сентября и так далее. Затем оценим эффективность инерционного и наилучшего прогнозов на изучаемом периоде с 12 сентября по 14 октября 2011 года. График расстояний между фактическим и прогнозируемыми распределениями представлен на рис. 1.2.

Рис.1.2 Расстояния между фактическим и прогнозируемыми распределениями

За рассматриваемый период среднее расстояние между фактическим  распределением и инерционным прогнозом  составляет 0,314, между фактическим  и экспертным – 0,097. Видим, что инерционный  прогноз гораздо хуже наилучшего, он приводит к частым и довольно серьезным ошибкам, что ставит под  сомнение его применимость на практике. Отметим, однако, что получение верных экспертных оценок даже в случае всего  лишь трех альтернатив представляет собой очень сложную задачу, решить которую удается далеко не всегда. Кроме того, среднее расстояние между  фактическим распределением и наилучшим  прогнозом ненулевое, что говорит  о принципиально ограниченной точности прогнозирования по порядковой информации.