Скачать 2.49 Mb.
|
СРАВНЕНИЕ МОДЕЛЕЙ ОЦЕНКИ VAR В ПЕРИОДЫ РАЗЛИЧНОГО ЭКОНОМИЧЕСКОГО СОСТОЯНИЯ НА ПРИМЕРЕ ЕВРОПЕЙСКИХ СТРАН Щерба Александр Владимирович (Москва, НИУ ВШЭ) В текущее время банки и инвестиционные компании уделяют большое внимание высокому качеству моделей оценки риска в связи с нестабильным состоянием глобальной финансовой системы. Одной из самых известных мер риска является VaR, которая измеряет наихудший уровень потерь на временном горизонте при заданном уровне доверительной вероятности. Целью данной работы является поиск наиболее точной оценки VaR в условиях меняющегося финансового рынка. В работе исследуется поведение пяти биржевых индексов акций европейских стран. К данным странам относятся: 1) Великобритания (индекс FTSE 100), Франция (индекс CAC 40), Германия (DAX) – страны с наиболее устойчивой экономикой; 2) Италия (индекс FTSE MIB) – страна с высокой долговой нагрузкой и менее стабильной экономикой, чем первые три страны; 3) Греция – наиболее сильно пострадавшая страна в финансовом плане в период кризиса 2008-2010 года. Для анализа влияния финансового состояния на качество модели в работе используется три временных периода: 01.01.2004 – 01.01.2008, 01.01.2006 – 01.01.2010, 01.01.2008 – 01.01.2012. Выбор данных периодов связан с тестированием моделей на предкризисном (первый период), кризисном (второй период) и пост-кризисном (третий период) экономическом состоянии европейских стран. Каждый период разделен пополам для проведения оценки модели. Так, в каждом период расчет одной модели проводится 500 раз на основе плавающего окна двух лет исторических данных, то есть оценка на VaR 02.01.2006 проводится на основе истории 01.01.2004 – 01.01.2006, а оценка на 03.01.2006 проводится на основе данных 02.01.2004 – 02.01.2006 и так далее. Расчет VaR производится с помощью моделей оценки волатильности, которые являются частными случаями APARCH(1,1) модели. Применение данных моделей в оценке волатильности биржевых индексов было отражено в работе (Peters, 2001), а использование моделей класса GARCH в оценке VaR отражено позже в многочисленных работах, одной из которых является (Angelidi et al., 2010). Для каждой модели оценка проводится с шестью распределениями – Нормальное, Стьюдента, Обобщенное распределение ошибки и модификации данных распределений с добавлением параметра смещения. APARCH(1,1) модель: , где , - функция распределения с нулевым математическим ожиданием и единичной дисперсией. Три модели, которые используются в оценке волатильности дополнительно к APARCH(1,1) являются модификацией вышеописанной модели: 1) GARCH(1,1): , 2) TS-GARCH(1,1): , 3) GJR-GARCH(1,1): Оценки VaR сравниваются с логарифмическими доходностями индексов для выявления количества значений, превышающих VaR. Количество данных значений на одном ряде и одном периоде сравнивается с доверительным уровнем вероятности, для которой строилась модель. Наилучшей моделью считается та, при которой количество значений, не превышающих VaR в процентном выражении, наиболее близко к значению доверительной вероятности. В результате проведенной оценки выявлены наиболее успешные модели на каждом временном интервале. Так, наиболее точной моделью в первом периоде является APARCH модель со смещенным распределением Стьюдента. Также, на данном периоде хорошо проявили себя модели TS со смещенным распределением Стьюдента и GJR модель со смещенным распределением ошибки. На втором периоде явным преимуществом обладает TS со смещенным распределением Стюдента, а также со смещенным распределением ошибки. В третий период самой успешной оказалась GARCH модель со смещенным распределением Стьюдента, а также несколько APARCH моделей. Особенностью данного анализа является классификация моделей в разбивке по периодам. В работе показано, что ни одна модель не является лучшей на всех участках прогноза и требуется различный подход в оценке финансовых рисков для временных интервалов различного экономического состояния. Литература 1. Angelidis T., Benos A., Degiannakis S. (2004). The Use of GARCH Models in VaR Estimation. Statistical Methodology,1(2), 105-128 Сравнительный анализ демографических показателей в базах данных Росстат, Евростат, ВОЗ HFA, ИНЕД17 Юмагузин Валерий Валерьевич (Москва, ГАУГН) Для анализа был выбран один из простейших, но наиболее часто используемых показателей - общий коэффициент смертности (ОКС). Выделим ряд особенностей в его представлении в различных базах данных (БД). Показатель по данным ВОЗ HFA приведен с точностью до двух знаков после запятой, по данным Росстат, Евростат, ИНЕД – до одного. Данные по России в БД Евростат начинаются с 1996 года, в БД ВОЗ HFA отсутствует 2010 год. Одинаковые значения по всем четырем БД наблюдаются в 1990-1992 и 2003-2008 гг. (рис. 1). Рисунок 1. ОКС в России по данным Росстат, Евростат, ВОЗ HFA, ИНЕД Наибольшая разница наблюдалась в 2001 г. и составила 0,28‰. Если ОКС в России в 2001 году по данным ВОЗ был равен 15,68‰, то по данным Росстат – 15,6‰, Евростат и ИНЕД – 15,4‰. Поскольку ОКС рассчитывается как отношение общего числа умерших за год к среднегодовой численности населения, выявленные расхождения в значениях ОКС могут быть вызваны различиями в исходных данных. БД ВОЗ HFA не содержит значения годовых чисел умерших, поэтому они были рассчитаны автором (рис. 2). Полученные данные различались по сравнению с значениями других БД: в период с 1993-2003 гг. превышение составило более 10 тыс. человек. Однако это может быть вызвано некорректными значениями среднегодовой численности населения в БД ВОЗ. Рисунок 2. Числа умерших в России за год по данным Росстат, Евростат, ВОЗ HFA (расчетные), ИНЕД Различия в среднегодовой численности населения выражены сильнее (рис. 3). Как и предполагалось выше, в БД ВОЗ HFA в 1990-2003 гг. наблюдаются заниженные значения. В то же время с 2009 года наблюдаются завышенные значения в БД ИНЕД. Примечательно, что значение показателя за 2010 год в БД Росстат по состоянию на 29 марта 2012 года отсутствует. Рисунок 3. Среднегодовая численность населения России по данным Росстат, Евростат, ВОЗ HFA, ИНЕД Выявленные различия в ОКС и среднегодовой численности населения могут быть вызваны тем, что несмотря на постоянную актуализацию, сотрудники ВОЗ после Всероссийских переписей 2002 и 2010 гг. не обновили данные по России с учетом перерасчета численности населения. Литература
ОПТИМИЗАЦИЯ РЕЖИМОВ РАБОТЫ ОБЪЕКТОВ СВЕТОФОРНОГО РЕГУЛИРОВАНИЯ МЕТОДАМИ НЕЧЕТКОЙ ЛОГИКИ Тарасов Олег Викторович (Магнитогорск, МГТУ им. Г.И. Носова) Увеличивающаяся концентрация автомобильного транспорта в городах за последние двадцать лет создает проблему обеспечения безопасности дорожного движения. Заторы являются следствием как сложившейся застройки городов, обуславливающей низкую пропускную способность проезжей части, так и организационно-управленческих причин, одной из которых является несоответствие режимов работы светофорной сигнализации реальным условиям движения. Все это приводит к низкой скорости сообщения, увеличению выбросов токсичных веществ, аварийности. Целью работы является исследование возможностей работы светофора с нечеткой логикой, при различных интенсивностях движения. В качестве изучаемого перекрестка взят «проблемный» прекресток «ул. им. Карла Маркса – ул. Завенягина» (г. Магнитогорск). Предлагается использовать 3 входа: число машин на ул. им. Карла Маркса по окончанию очередного цикла, число машин на ул. Завенягина по окончанию цикла и время зеленого сигнала светофора. Для каждой переменной необходимо задать лингвистические термы. Для переменной «время зеленого сигнала» предлагается использовать три терма: малое (10-25 сек.), среднее (20-40 сек.), большое (35-50 сек.). Аналогично, термы для двух оставшихся переменных будут: очень малое (0-18 сек.), малое (16-36 сек.), среднее (34-56 сек.), большое (54-76 сек.), очень большое (72-90 сек.). На рис. 1 представлена функция принадлежности второй и третьей переменной. Рисунок 1 - Функция принадлежности второй и третьей входных переменных. В связи с тем, что суть оптимизации режимов работы светофора состоит в изменении времени горения зеленого сигнала, в качестве выходного параметра предлагается использовать величину этого изменения. Термы в этом случае будут следующие: уменьшить (-20-0 сек.), не изменять (-15-15 сек.), увеличить (0-20 сек.). В процессе моделирования записывается таблица правил на основе условных высказываний, которая формирует выходное значение исходя из величин входных параметров, например: «если (число машин на ул. им. Карла Маркса = малое) и (число машин на ул. Завенягина = большое) и (время зеленого света на ул. им. Карла Маркса= большое), то (время зеленого света = уменьшить). Первоначально на светофор с датчиков поступает информация о количестве автомобилей на двух улицах. Эти данные переводятся в нечеткий формат согласно заданным функциям принадлежности, а далее происходит их обработка, полученное значение изменения времени зеленого света дефаззифицируется (т.е. переводится обратно в четкий формат) и поступает в виде управляющего сигнала на светофор. В соответствии с этим сигналом время зеленого сигнала светофора в следующем цикле будет другим. Количество машин, не успевших проехать перекресток за некое количество циклов приведено на рис. 2. Синий график – обычный светофор, сиреневый - светофор с нечеткой логикой. По оси ординат – количество машин, по оси абсцисс – количество циклов потоков машин. Имеет место улучшение качества управления объектом. Рисунок 2 – Количество отказов системы Литература
1Доклад подготовлен в рамках исследовательского проекта «Разработка базы данных демографических показателей по регионам России и странам мира» №11-04-0039 по конкурсу программы «Научный фонд ВШЭ» «Учитель – Ученики 2011-2012». 2 TNS Gallup Media (ТНС Россия) - это ведущая исследовательская компания в области СМИ и рекламы и единственная на российском рынке, специализирующаяся только в данной сфере исследований. 3 Инициативный всероссийский опрос ВЦИОМ проведён в октябре 2011 г. Опрошено 1600 человек в 138 населенных пунктах в 46 областях, краях и республиках России. Статистическая погрешность не превышает 3,4%. 4 [2, c. 7-8] 5 [1, c. 63-64] 6 Работа выполнена в рамках исследовательского проекта «Разработка Базы данных демографических показателей по регионам России и странам мира» №11-04-0039 по конкурсу Программы «Научный фонд ГУ-ВШЭ» «Учитель-Ученики» 2011-2012 гг. 7 Согласно данным Международной организации труда 8 Согласно данным Международной организации труда 9 Кудрявцев.В.Н., Бородин.С.К. Самоубийства/ В кн.: Социальные отклонения. 1989 М., с. 309 10 С.В.Бородин, А.С.Михлин. Предупреждение самоубийств/В кн.: Научные и организационные проблемы суицидологи. М., 1983 г с. 27 11 Работа выполнена при поддержке Федеральной целевой программы «Научные и научно-педагогические кадры инновационной России» на 2010-2013 годы. Государственный контракт № 14.740.11.0225. 12 Работа выполнена при поддержке Федеральной целевой программы «Научные и научно-педагогические кадры инновационной России на 2010-2013 годы». Государственный контракт № 14.740.11.0225. 13 При подготовке доклада были использованы результаты, полученные в ходе выполнения проекта «Идеологии профессионализма в социальном государстве», выполненного в рамках Программы «Научный фонд НИУ ВШЭ» в 2012 году, грант № 12-05-0007 14 Philippe Aghion & Peter Howitt, A Model of Growth Through Creative Destruction,60 ECONOMETRICA 323 (1992) 16 Так как информацию об объеме банковских услуг по РФ найти проблематично, возьмем в качестве его оценки объем услуг финансового посредничества в России. По данным Росстата об объеме в 2008 г. – 877,5 млрд.руб., в 2009 г. – 926,2 млрд.руб. 17 Работа выполнена в рамках исследовательского проекта «Разработка Базы данных демографических показателей по регионам России и странам мира» №11-04-0039 по конкурсу Программы «Научный фонд ГУ-ВШЭ» «Учитель-Ученики» 2011-2012 гг. |
Программа дисциплины " Многомерные статистические методы" для направления... Экстернат – самостоятельное изучение обучающимся дисциплин согласно основной образовательной программе высшего профессионального... | Программа дисциплины " Эконометрика " для направления 080100. 62... Гос впо по специальности 080507. 65 Менеджмент организации, утвержденными 17 марта 2000, №234 эк/сп | ||
Программа дисциплины " Эконометрика-2" для направления 080100. 68... Гэ по русскому языку и литературе. Данная программа позволяет подготовиться к сдаче егэ. Особенностью данного курса является то,... | Отчет о лаботарорной работе методы и средства анализа данных по теме:... Методы классификации, Data Mining, метод байеса, 8, id3, 1R, svm, ассоциативные правила, метод априори | ||
Отчет о лаботарорной работе методы и средства анализа данных по теме:... Методы классификации, data mining, метод байеса, 8, id3, 1R, svm, ассоциативные правила, метод априори | Отчет о лаботарорной работе методы и средства анализа данных по теме:... Методы классификации, data mining, метод байеса, 8, id3, 1R, svm, ассоциативные правила, метод априори | ||
Отчет о лаботарорной работе методы и средства анализа данных по теме:... Методы классификации, data mining, метод байеса, 8, id3, 1R, svm, ассоциативные правила, метод априори | Отчет о лаботарорной работе методы и средства анализа данных по теме:... Методы классификации, data mining, метод байеса, 8, id3, 1R, svm, ассоциативные правила, метод априори | ||
Отчет о лаботарорной работе методы и средства анализа данных по теме:... Методы классификации, data mining, метод байеса, 8, id3, 1R, svm, ассоциативные правила, метод априори | Факультет экономики ... | ||
Статистические методы анализа языка как способ повышения эффективности... Утверждена отделом документационно-содержательного обеспечения учебного процесса Ургпу | Отчет о лабораторной работе методы и средства анализа данных по теме:... «Лабораторная работа с системой анализа данных Weka. Сравнение методов классификации» | ||
Отчет о лабораторной работе методы и средства анализа данных по теме:... «Лабораторная работа с системой анализа данных Weka. Сравнение методов классификации» | Рабочая программа по дисциплине Аналитическая химия и физико-химические методы анализа Цели и задачи дисциплины: Освоение теоретических основ современных химических методов анализа, аналитических методик и приемов, статистической... | ||
Конспект лекций по системному анализу Лекция: История, предмет, цели системного анализа 2 Рассматриваются история развития и предмет системного анализа, системные ресурсы общества, предметная область системного анализа,... | Анализа данных-4: анализ издержки-выгод Методы анализа данных-4: анализ издержки-выгоды, анализ издержки-эффективность (17 ноября 2005)1 |