Тула, Россия
В работе сделана попытка на основе динамики дневных колебаний индекса МосБиржи разработать модель, позволяющую снизить рыночные риски частного инвестора. Во введении описываются основные проблемы и сложности, связанные с прогнозированием фондовых рынков в целом и в России, в частности. В следующей части подробно описана методика построения модели, предварительной обработки данных, подбора параметров автокорреляции. В работе использовались такие методы как АПРСС, метод индексов прироста, метод искусственных нейронных сетей, спектральный анализ Фурье, метод обобщения, двухвыборочный t-тест для средних и др. Для оценки результатов исследования использовались методы анализа автокорреляции остатков, нормального распределения остатков, метод максимального правдоподобия, t-критерий Стьюдента, а также сравнение прогноза, построенного по урезанному ряду с известными (исходными) данными. В результате оценки подтвердилась гипотеза об адекватности, существенности и значимости модели. На основании модели построена биржевая стратегия, рассчитанная на минимизацию рисков частным инвестором. В обсуждении приведены так называемые «отрицательные результаты» — полученные в ходе исследования неадекватные модели, неподходящие факторы, параметры и методы, от которых пришлось отказаться на пути к представленному в работе результату.
Фондовый рынок, индекс МосБиржи, временные ряды, АПРСС, стоп-лосс.
1. Бабуров Д.В., Гришаева С.А. Управление рисками на российском фондовом рынке: проблемы и перспективы [Текст] / Д.В. Бабуров, С.А. Гришаева. — Наука и экономика, 2010. — С. 52–56.
2. Басовский Л.Е. Прогнозирование и планирование в условиях рынка [Текст]/ Л.Е. Басовский: учеб. пособие. — М.: ИНФРА-М, 2001. — 260 с.
3. Галустян М.Ж. Использование метода главных компонент при отборе факторов для прогнозирования фондового рынка России [Текст] / М.Ж. Галустян // Известия ТулГУ. Серия «Экономические и юридические науки». — Тула: Изд-во ТулГУ, 2016. — Вып. 2. — Ч. I. — С. 176–183.
4. Егорова Н.Е., Бахтизин А.Р., Торжевский К.А. Экономико-математический инструментарий прогнозирования фондовых рынков (на примере России) [Текст] / Н.Е. Егорова, А.Р. Бахтизин, К.А. Торжевский. — М: Российская акад. наук, Учреждение Российской акад. наук Центральный экономико-мат. ин-т РАН (ЦЭМИ), 2011. — 109 с.
5. Могилевич Е.О., Шведов А.С. Анализ динамики фондовых индексов с использованием нечетких моделей Такаги-Сугено [Текст] / Е.О. Могилевич А.С. Шведов // Экономический журнал Высшей школы экономики, 2017. — № 3. С. 434–450.
6. Овешникова Л.В., Устинов Е.А. Анализ развития фондового рынка Российской Федерации: прогнозные оценки [Текст] / Экономика и предпринимательство. 2016. № 10-3 (75-3). С. 1034–1041.
7. Федорова Е. А., Панкратов К.А. Моделирование волатильности фондового рынка в период кризиса[Текст]/ Е.А. Федорова// Финансовая аналитика: проблемы и решения, 2011. — № 37. С. 21–30.
8. Федорова Е.А., Бузлов Д.А. Прогнозирование фондового рынка российской федерации с помощью GARCH-моделирования [Текст] / Е.А. Федорова, Д.А. Бузлов // Финансовая аналитика: проблемы и решения, 2013. — № 16. С. 2–10.
9. Фёдорова Е.А., Сняткова И.Н., Сутягина Ю.Н. Анализ зависимости между ценой на нефть, валютным курсом и фондовыми рынками развивающихся стран [Текст] / Е.А. Фёдорова // Финансовая аналитика: проблемы и решения 2012. — № 41. — С. 14–23.
10. Шапкин А.С., Шапкин В.А. Экономические и финансовые риски. Оценка, управление, портфель инвестиций. [Текст]: Монография // А.С. Шапкин, 2012. — 544 с.
11. Электронный учебник StatSoft [Электронный ресурс]// URL: http://statsoft.ru/home/textbook/default.htm (Дата обращения: 18.01.2018).
12. Использование модели ARIMA для краткосрочного прогнозирования поведения ценовых графиков на валютном рынке Forex [Электронный ресурс]: Портал магистров ДонНТУ. — URL: http://uran.donntu.org/~masters/2007/fvti/karpunova/diss/index.html (Дата обращения: 17.01.2018).
13. Применение модели ARIMA-GARCH для прогнозирования курса рубля [Электронный ресурс]: Финансовый портал. — URL: https://smart-lab.ru/blog/327500.php (Дата обращения: 18.01.2018).
14. Morimune K., Miyazaki K. Arima approach to the unit root analysis of macroeconomic time series/Mathematics and computers in simulation, no. 3-6, pp. 395–403.
