Когда мы рассматриваем сектор рынка, соответствующий долгосрочным сделкам, вероятно, следует признать, что определяющее влияние на цены оказывают здесь такие экзогенные факторы, как обменные курсы и процентные ставки, показатели экономического роста, тенденции (тренды) цен и показателей прибыли. Поведение рынка здесь удовлетворительно описывается так называемой гипотезой эффективного рынка, согласно которой в каждый момент вся доступная информация о текущих и будущих событиях дисконтируется в текущие цены рынка, так что изменения цен бывают вызваны только поступающей свежей информацией. Напротив, в краткосрочной перспективе появляются новые возможности для прогнозов, связанные с учетом регулирования платежей, обратных связей и многочисленных технических и структурных факторов. Старые парадигмы финансовой науки типа модели случайного блуждания или гипотезы эффективного рынка внушают нам представление о том, что финансовые рынки склонны относительно плавно и разумно приспосабливаться к поступающей информации. В этом круге идей вполне убедительно выглядят описания поведения рынка на основе линейных зависимостей и законов обращения трендов (стационарности). Однако драматические обвалы рынка при отсутствии существенных изменений информации, резкие изменения условий доступа и сроков при пересечении компанией какого-то невидимого порога в кредитной сфере — все это проявления нелинейности. Действительность показывает, что поведение финансовых рынков едва ли может быть описано линейными трендами. [c.15]
Проведя ревизию результатов Нельсона-Плоссера для 14 рядов с допущением структурных изменений модели и экзогенным выбором даты излома, Перрон получил совершенно другие результаты. Теперь уже гипотеза единичного корня была отвергнута для 11 из 14 рядов, т.е. результаты получились практически прямо противоположными результатам Нельсона-Плоссера. Чуть позже мы обсудим это обстоятельство, а сейчас приведем пример применения процедуры Перрона к одному из основных российских макроэкономических рядов. [c.162]
Для учета влияния датировки при проверке гипотезы единичного корня в моделях, допускающих структурное изменение, воспользуемся процедурой PERRON97 из пакета статистического анализа RATS, реализующей методику, приведенную в статье [Perron (1997)]. Имея в виду предыдущие результаты, ограничим максимальное запаздывание разностей, включаемых в правую часть оцениваемых уравнений, тринадцатью. [c.167]
Для оценки финансовых активов существует множество моделей. Как правило, их целью является определение реальной цены котируемых финансовых инструментов, например облигаций, либо оценка рискованности портфеля активов с помощью прогнозирования. Эти модели позволяют выработать политику управления рисками и определить коэффициенты хеджирования. Зачастую определение коэффициентов хеджирования является их основной целью, еще более важной, чем теоретическая оценка самих активов. Существует два основных подхода к моделированию структуры процентных ставок и ее динамики параметрический и непараметрический. В данной главе нами будет рассмотрен непараметрический подход, не требующий принятия никакой априорной гипотезы относительно вида функционала процесса, формирующего структуру процентных ставок, а также вида распределения, характеризующего динамику наблюдаемых случайных величин. На примере исторического набора данных Эрик де Бодт, Филипп Грегори и Мари Коттрелл используют алгоритм СОК для аппроксимации распределения структуры процентных ставок и ее изменения с течением времени (структурных потрясений). Производимое на этой основе численное моделирование методом Монте-Карло позволяет получить картину долгосрочного развития структуры процентных ставок в течение пяти лет. [c.63]