К первому облигационному внутреннему займу правительство России прибегло лишь в 1809 г., чему в немалой степени способствовала внешнеполитическая ситуация. Голландия, где до этого размещалось большинство российских займов, была оккупирована Францией. Финансовый рынок Европы был расстроен в результате наполеоновских войн. Размер дохода по внутренним займам первоначально был определен в 6% (и сверх того грация 1%), причем и процент, и грация каждые 12 месяцев выдавались на год вперед. Для большей популярности облигации займа должны были приниматься в залог по всем подрядам и откупам, а также в уплату казенных и таможенных сборов в размере У5 платежа. Однако, несмотря на высокую доходность и льготы, заем не имел успеха. Выпуск займов принадлежал к компетенции царя и министерства финансов, однако после своего первого созыва Государственная дума приобрела право утверждать каждый заем при этом условия займа определялись правительством. Правительство Советской России, отказавшись выплачивать царские долги, практически не выходило на рынок внешних заимствований и осуществляло лишь внутренние займы. [c.277]
Необходимо также отметить, что банки, подотчетные по закону парламенту (Швеция, Германия, США, Швейцария, Голландия), обладают большей самостоятельностью в отличие от банков, подотчетных Министерству финансов, которых в мировой практике большинство. [c.502]
Более того, безмодельный подход позволил нам включать в рассмотрение в качестве потенциальных источников информации такие экзотические переменные, как погода (количество дождливых и солнечных дней), а также качественные переменные, скажем, организационную гибкость. Хотя, на первый взгляд, такие переменные кажутся слишком необычными, по крайней мере, интуитивно понятно, что они могут отвечать за какую-то составляющую дохода по активу или его волатильности. Так, в ходе работы в рамках нашего совместного проекта с Министерством финансов Голландии выявился ряд задач, где погодный фактор является высокозначимой объясняющей переменной.3 [c.6]
Сведения об авторе книги приведены в изданиях Кто есть кто в мире — 1996 и Кто есть кто в мире финансов— 1997 . Выступал в качестве консультанта по вычислительным методам в области финансов для Министерства финансов Голландии и банка ABN-AMRO. [c.8]
В гл. 3 мы переходим к финансовым приложениям. Исследуется такой вопрос обладают ли финансовые рынки внутренним механизмом нелинейной обратной связи Если такой механизм, проявляющийся во внешне случайном, хаотическом поведении цен, действительно, существует, то это было бы серьезным ударом по таким известным теориям, как теория случайного. блуждания или гипотеза эффективного рынка. При помощи ряда простых и хорошо известных статистических моделей мы исследуем некоторые временные ряды, а затем они же используются для определения возможностей нейронно-сетевого подхода в обнаружении (и предсказании) детерминированных связей в исследуемом ряде. В гл. 4 рассматриваются результаты управления активами и пассивами министерства финансов Голландии и, особенно подробно, ежемесячная оценка валовых поступлений от налогов. Оценивается эффективность различных методов, в том числе — модели ARIMA (собственной разработки министерства). Новые методы, такие, как1 нейронные сети, позволяют исследовать процесс без предварительной спецификации нелинейной модели, и, по-видимому, традиционные модели образования цен уступают им именно из-за отсутствия спецификации, а не из-за неучета свойств эффективности рынка. [c.17]
Денежные потоки в любой организации, без преувеличения, можно назвать ее кровеносной системой. В то же время этот показатель, как никакой другой, труден для прогнозирования. Эта глава посвящена проблеме управления активами и пассивами Министерства финансов Голландии (далее — MoF). Особое внимание будет уделено оценке суммы ежемесячного валового сбора налогов. Мы рассмотрим и сравним различные методы, в том числе, и модель ARIMA — собственную разработку MoF. Так как нейронные сети превосходят другие методы по показателю среднеквадратичной ошибки (MSE) на вновь предъявляемых образцах, мы будем выделять различные типы индивидуального и совместного поведения переменных с помощью анализа первичных весов, тестов на чувствительность и выделения кластеров среди векторов весов-состояния. [c.94]