В большинстве случаев фактический уровень временного ряда можно представить как сумму или произведение трендовой, циклической и случайной компонент. Модель, в которой временной ряд представлен как сумма перечисленных компонент, называется аддитивной моделью временного ряда. Модель, в которой временной ряд представлен как произведение перечисленных компонент, называется мультипликативной моделью временного ряда.

Основная задача эконометрического исследования отдельного временного ряда - выявление и придание количественного выражения каждой из перечисленных выше компонент, с тем чтобы использовать полученную информацию для прогнозирования будущих значений ряда или при построении моделей взаимосвязи двух или более временных рядов [27, с. 42].

При наличии тенденции и циклических колебаний значения каждого последующего уровня ряда зависят от предыдущих значений. Корреляционную зависимость между последовательными уровнями временного ряда называют автокорреляцией уровней ряда. Количественно ее можно измерить с помощью линейного коэффициента корреляции между уровнями исходного временного ряда и уровнями этого ряда, сдвинутыми на несколько шагов во времени.

Одна из рабочих формул для расчёта коэффициента корреляции имеет вид:

. (4)

Преобразуем формулу и получим:

(5)

где (6)

Эту величину называют коэффициентом автокорреляции уровней ряда первого порядка, так как измеряет зависимость между соседними уровнями ряда t и t-1, т.е. при лаге 1 [15, с. 230].

Аналогично можно определить коэффициенты автокорреляции второго и более высоких порядков. Так, коэффициент автокорреляции второго порядка характеризует тесноту связи между уровнями ряда и и определяется по формуле:

(7)

где (8)

Число периодов, по которым рассчитывается коэффициент автокорреляции, называется лагом. С увеличением лага число пар значений, по которым рассчитывается коэффициент автокорреляции, уменьшается.

Отметим два важных свойства коэффициента автокорреляции.

Во-первых, он строится по аналогии с линейным коэффициентом корреляции и, таким образом, характеризует тесноту только линейной связи текущего и предыдущего уровней ряда. Поэтому по коэффициенту автокорреляции можно судить о наличии линейной (или близкой к линейной) тенденции. Для некоторых временных рядов, имеющих сильную нелинейную тенденцию (например, параболу второго порядка или экспоненту), коэффициент автокорреляции уровней исходного ряда может приближаться к нулю.

Во-вторых, по знаку коэффициента автокорреляции нельзя делать вывод о возрастающей или убывающей тенденции в уровнях ряда. Большинство временных рядов экономических данных содержат положительную автокорреляцию уровней, однако при этом они могут иметь убывающую тенденцию [15, с. 130].

Последовательность коэффициентов автокорреляции уровней первого, второго и т. д. порядков называют автокорреляционной функцией временного ряда. График зависимости ее значений от величины лага (порядка коэффициента автокорреляции) называется коррелограммой. Анализ автокорреляционной функции и коррелограммы позволяет определить лаг, при котором автокорреляция наиболее высокая, следовательно, лаг, при котором связь между текущим и предыдущими уровнями ряда наиболее тесная, т.е. при помощи анализа автокорреляционной функции и коррелограммы можно выявить структуру ряда [15, с. 222].

Если наиболее высоким оказался коэффициент автокорреляции первого порядка, исследуемый ряд содержит только тенденцию. Если наиболее высоким оказался коэффициент автокорреляции порядка , ряд содержит циклические колебания с периодичностью в моментов времени. Если ни один из коэффициентов автокорреляции не является значимым, можно сделать предположение относительно структуры этого ряда: либо ряд не содержит тенденции и циклических колебаний и имеет структуру, сходную со структурой ряда, либо ряд содержит сильную нелинейную тенденцию, для выявления которой нужно провести дополнительный анализ. Поэтому коэффициент автокорреляции уровней и автокорреляционную функцию целесообразно использовать для выявления во временном ряде наличия или отсутствия трендовой компоненты T и циклической (сезонной) компоненты S.

Анализ значений автокорреляционной функции позволяет сделать вывод о наличии в изучаемом временном ряде, во-первых, линейной тенденции, во-вторых, сезонных колебаний периодичностью в четыре квартала. Аналогично, если, например, при анализе временного ряда наиболее высоким оказался коэффициент автокорреляции второго порядка, ряд содержит циклические колебания с циклом, равным двум периодам времени, т.е. имеет пилообразную структуру.

Одним из наиболее распространенных способов моделирования тенденции временного ряда является построение аналитической функции, характеризующей зависимость уровней ряда от времени, или тренда. Этот способ называют аналитическим выравниванием временного ряда.

Поскольку зависимость от времени может принимать разные формы, для ее формализации можно использовать различные виды функций. Для построения трендов чаще всего применяются следующие функции:

- линейный тренд ;

- гипербола ;

- экспоненциальный тренд ;

- тренд в форме степенной функции ;

- парабола второго и более высоких порядков .

Параметры каждого из перечисленных выше трендов можно определить обычным МНК, используя в качестве независимой переменной время а в качестве зависимой переменной - фактические уровни временного ряда у. Для нелинейных трендов предварительно проводят стандартную процедуру их линеаризации.

Известно несколько способов определения типа тенденции; к наиболее распространенным относятся качественный анализ изучаемого процесса, построение и визуальный анализ графика зависимости уровней ряда от времени, расчет некоторых основных показателей динамики. В этих же целях можно использовать и коэффициенты автокорреляции уровней ряда. Тип тенденции можно определить путем сравнения коэффициентов автокорреляции первого порядка, рассчитанных по исходным и преобразованным уровням ряда.

Если временной ряд имеет линейную тенденцию, то его соседние уровни у, и тесно коррелируют [15, с.300].В этом случае коэффициент автокорреляции первого порядка уровней исходного ряда должен быть высоким. Если временной ряд содержит нелинейную тенденцию, например, в форме экспоненты, то коэффициент автокорреляции первого порядка по логарифмам уровней исходного ряда будет выше, чем соответствующий коэффициент, рассчитанный по уровням ряда. Чем сильнее выражена нелинейная тенденция в изучаемом временном ряде, тем в большей степени будут различаться значения указанных коэффициентов [15, с. 280].

Выбор наилучшего уравнения в случае, если ряд содержит нелинейную тенденцию, можно осуществить путем перебора основных форм тренда, расчета по каждому уравнению скорректированного коэффициента детерминации и выбора уравнения тренда с максимальным значением скорректированного коэффициента детерминации. Реализация этого метода относительно проста при компьютерной обработке данных.

Известно несколько подходов к анализу структуры временных рядов, содержащих сезонные или циклические колебания.

Простейший подход - расчет значений сезонной компоненты методом скользящей средней и построение аддитивной или мультипликативной модели временного ряда.

Общий вид аддитивной модели следующий:

Y=T+S+E (9)

Общий вид мультипликативной модели выглядит так:

Y=TSE (10)

Выбор одной из двух моделей проводится на основе анализа структуры сезонных колебаний. Если амплитуда колебаний приблизительно постоянна, строят аддитивную модель временного ряда, в которой значения сезонной компоненты предполагаются постоянными для различных циклов. Если амплитуда сезонных колебаний возрастает или уменьшается, строят мультипликативную модель временного ряда, которая ставит уровни ряда в зависимость от значений сезонной компоненты.

Процесс построения модели включает в себя следующие шаги:

1. Выравнивание исходного ряда методом скользящей средней.

2. Расчет значений сезонной компоненты .

3. Устранение сезонной компоненты из исходных уровней ряда и получение выравненных данных (T+E) в аддитивной или (T-E) в мультипликативной модели.

4. Аналитическое выравнивание уровней (T+E) или (T-E) и расчет значений с использованием полученного уравнения тренда.

5. Расчет полученных по модели значений (T+E) или (T-E).

6. Расчет абсолютных и/или относительных ошибок [12, с. 400].

Если полученные значения ошибок не содержат автокорреляции, ими можно заменить исходные уровни ряда и в дальнейшем использовать временной ряд ошибок E для анализа взаимосвязи исходного ряда и других временных рядов.

В целом можно сказать, что опытные эксперты легко находят разумные теоретические объяснения свершившимся фактам, но угадать во множестве текущих, часто противоположно направленных, тенденциях превалирующую бывает очень трудно.

1.3 Основы управления валютным риском в коммерческом банке

Установлено, что в экономической литературе отсутствует единая позиция относительно природы и происхождения понятия «риска». В данной работе сделана попытка изложить определенную трактовку собственного видения понятия риска. Содержание понятия риска, на наш взгляд, состоит: во-первых, из риска выбора, во-вторых, из риска влияния. Риск выбора является размером альтернативных издержек (издержки упущенных возможностей) для выбранной стратегии управления риском. Риск влияния - предполагаемый результат воздействия непредвиденных событий на хозяйствующий объект, с учетом измерения риска выбора.

Несмотря на существующие проблемы определения величины риска выбора мы предполагаем, что целесообразно рассматривать содержание понятия «риск» как с точки зрения риска влияния, так и риска выбора.

Ямайская валютная система, предполагающая свободный выбор странами валютного режима, привнесла в деятельность коммерческих банков элемент неопределенности, связанный с колебаниями валютных курсов. По мере роста объемов торговли на мировом валютном рынке, изменчивость валютных курсов достигла таких показателей, что непредвиденные колебания стали угрожать финансовой устойчивости коммерческих банков.

В последние годы все более серьезное влияние на величину валютного риска оказывает последовательная либерализация государственного валютного регулирования, но при этом нельзя забыть, что нормативные акты, регулирующие валютные операции коммерческих банков в целом отличаются от нормативных актов, которые напрямую регулируют величину валютного риска. Глобализация финансовых рынков и связанная с нею возможность крупномасштабной миграции капиталов увеличивают уязвимость коммерческих банков и неизбежно ведут к увеличению негативных последствий реализации валютного риска.

Ввиду вышеназванных факторов перед коммерческими банками со всей актуальностью встала проблема совершенствования системы управления валютным риском.

Страницы: 1, 2, 3, 4