IX Международная студенческая научная конференция Студенческий научный форум - 2017
ПРОГНОЗИРОВАНИЕ ЦЕНЫ НА ЗОЛОТО НА РОССИЙСКОМ РЫНКЕ В ЗАВИСИМОСТИ ОТ КУРСА ДОЛЛАРА
Полная версия работы доступна во вкладке "Файлы работы" в формате PDF
Стоимость золота уже несколько десятков лет находится у Лондонской «золотой» биржи, которая постоянно устраивает аукцион – фиксинг, на котором несколько банкинг компаний проводят анализ существующих цен на золото, а потом устанавливают наиболее оптимальную. Несложно предположить, что цены на золото на 2017 год в России будут напрямую связаны с тем, как стремительно будет меняться ситуация на бирже. Однако нужно понимать, что стоимость данного драгоценного металла в России будет отличаться от той цены, которую установит Лондон, потому что к ней будут прибавлена стоимость затрат, которые компании тратят на добывание данного продукта (а это достаточно дорогое «удовольствие»), а также уровень инфляции. На основании данной информации несложно самостоятельно догадаться о том, что окончательную стоимость металла на территории РФ устанавливает Центробанк, однако за другими банковскими структурами остается право на ее изменение [1].
Целью работы является построение качественной спецификации модели, с помощью которой можно будет увидеть зависимость цены на золото от курса доллара.
Актуальность темы заключается в том, что данная тема обсуждается и рассматривается экономистами в реальном времени.
По собранной статистике (50 дней с 1.10.16 по 7.12.2016 [2], [3]) построена диаграмма рассеивания
Рисунок 1. Диаграмма рассеивания
Вид диаграммы приближен к линейной связи, даже к константе.
Но найденные оценки случайных остатков имеют длительное постоянство знака.
|
Цена на золото (руб/г) |
Курс доллара (руб) |
Цена на золото (руб/г) |
Курс доллара (руб) |
||
|
2706,56 |
63,40 |
154,2263 |
2639,93 |
63,50 |
88,21149 |
|
2651,74 |
62,55 |
94,58784 |
2639,93 |
63,50 |
88,21149 |
|
2627,78 |
62,43 |
69,97234 |
2643,95 |
63,91 |
94,52117 |
|
2558,29 |
62,46 |
0,630028 |
2631,14 |
63,74 |
80,73986 |
|
2538,45 |
62,39 |
-19,5979 |
2679,81 |
63,89 |
130,2982 |
|
2513,88 |
62,30 |
-44,6615 |
2611,59 |
63,42 |
59,3705 |
|
2531,56 |
62,39 |
-26,497 |
2632,80 |
65,22 |
90,80822 |
|
2512,30 |
62,19 |
-46,8578 |
2632,80 |
65,22 |
90,80822 |
|
2526,83 |
62,59 |
-30,0864 |
2588,75 |
65,86 |
50,40716 |
|
2562,09 |
63,35 |
9,475158 |
2590,07 |
65,55 |
49,99868 |
|
2544,06 |
62,99 |
-10,5605 |
2543,59 |
64,55 |
-2,20977 |
|
2544,06 |
62,99 |
-10,5605 |
2571,28 |
64,92 |
27,57678 |
|
2543,42 |
63,15 |
-10,3053 |
2524,47 |
65,10 |
-18,1716 |
|
2551,00 |
62,89 |
-4,20784 |
2513,92 |
64,36 |
-32,9493 |
|
2554,89 |
62,58 |
-2,05541 |
2490,73 |
63,63 |
-60,2847 |
|
2547,07 |
62,42 |
-10,8109 |
2496,78 |
64,01 |
-52,0734 |
|
2537,77 |
62,45 |
-19,9377 |
2466,91 |
64,63 |
-78,4263 |
|
2535,14 |
62,23 |
-23,7889 |
2467,03 |
64,62 |
-78,3659 |
|
2532,11 |
62,05 |
-27,8805 |
2481,74 |
64,92 |
-61,9638 |
|
2549,96 |
62,26 |
-8,82805 |
2479,11 |
64,94 |
-64,4257 |
|
2572,59 |
63,04 |
18,23362 |
2490,52 |
65,24 |
-51,3497 |
|
2560,16 |
62,90 |
5,029977 |
2392,88 |
63,68 |
-157,837 |
|
2589,79 |
63,22 |
36,44185 |
2416,60 |
64,15 |
-131,435 |
|
2609,91 |
63,20 |
56,47721 |
2394,11 |
63,92 |
-155,223 |
|
2642,09 |
63,42 |
89,87334 |
2405,07 |
63,87 |
-144,548 |
Таблица 1. Оценки случайных остатков модели (1).
Существенно отличаются оценки существующих параметров.
|
1 половина |
2 половина |
|||
|
56,05823854 |
-951,1152506 |
1,661932927 |
2431,189085 |
|
|
19,33035542 |
1212,30979 |
26,19692133 |
1687,541563 |
|
|
0,267750578 |
39,90165111 |
0,000174954 |
91,80227478 |
|
|
8,410062356 |
23 |
0,004024635 |
23 |
|
|
13390,01149 |
36619,26051 |
33,91824385 |
193836,1261 |
|
Таблица 2. Отличие соответствующих параметров.
Видно, что оценка по первой половине данных значительно отличается от оценки по второй половине. Оценка параметр по первой половине превосходит в 35 раз оценку по второй половине.
Следовательно, можно сделать вывод, что нарушена взаимосвязь переменных в спецификации.
Так как по диаграмме видно, что связь линейная, предполагаем, что спецификация должна выглядеть следующим образом.
(2).
|
1 половина |
2 половина |
|||
|
40,91263235 |
0 |
39,38216252 |
0 |
|
|
0,129549453 |
- |
0,285876649 |
- |
|
|
0,999759418 |
40,62370215 |
0,99873695 |
92,07734258 |
|
|
99734,10219 |
24 |
18977,62035 |
24 |
|
|
164589710,4 |
39606,84424 |
160896763,3 |
203477,6884 |
|
Таблица 3. Отличие соответствующих параметров новой спецификации.
При сопоставлении соответствующих оценок параметра по первой и второй половине данных видим, что они отличаются незначительно.
Остановимся на спецификации (2).
Проведем оценивание коэффициентов с помощью функции ЛИНЕЙН и F-тест для спецификации (2):
|
40,12690975 |
0 |
|
0,191030046 |
- |
|
0,998890708 |
85,87238746 |
|
44123,30837 |
49 |
|
325368229 |
361329,2795 |
Таблица 4. МНК-оценки.
Получаем оцененную модель:
(3).
Проверим спецификацию модели (2) на качество с помощью F-статистики. Коэффициент детерминации из таблицы 4 =0,999. Значение коэффициента детерминации говорит о том, что цена на золото почти полностью объясняется значениями курса доллара.
|
F |
43222,83 |
|
F-крит |
4,038393 |
|
Вывод |
F>F-крит |
Таблица 5. F-тест.
Качество регрессии удовлетворительно, т.е. регрессор в рамках линейной модели обладают способностью объяснять значение эндогенной переменной [4].
Проверим адекватность модели (3). Для этого используем интервальное прогнозирование. В качестве контролирующей выборки используем последний набор статистики.
|
(2405,07; 63,87) |
|
|
0,022314971 |
|
|
2,011740514 |
|
|
2566,326078 |
|
|
(2396,181982; 2736,470174) |
|
|
Вывод |
Таблица 6. Интервальное прогнозирование.
Проверим выполнение предпосылок теоремы Гаусса-Маркова для модели (3).
Предпосылку D() = D() =…= D() = проверим с помощью теста Голдфелда-Квандта.
|
0,386838 |
|
|
2,58506 |
|
|
2,403447 |
|
|
Вывод |
Таблица 7. Тест Голдфелда-Квандта.
Предпосылка о постоянстве дисперсии не выполняется - случайный остаток в модели гетероскедастичен.
Гипотезу Cov( исследуем с помощью теста Дарбина-Уотсона.
|
DW |
0,081747 |
|
1,5 |
|
|
1,59 |
|
|
Вывод |
DW(0;) |
Таблица 8. Тест Дарбина Уотсона.
Гипотеза не выполняется, случайные остатки в модели положительно коррелируют.
Полученная мною модель оказалась качественной и адекватной, но ни одной предпосылке теоремы Гаусса-Маркова не удовлетворяет. Ошибка скорее всего заключается в неправильном выборе функции регрессии в спецификации модели (в пропуске значимой предопределенной переменной) [4].
Динамика золота в 2017 году будет достаточно высокой, так как в среднем оно увеличится в стоимости в среднем на 5%, и во многом это зависит от экономики и неустойчивой ситуацией на валютном рынке. Помимо этого, цена металла просто не может снижаться, ведь мировые запасы металла постепенно иссякают, поэтому компании, которые занимаются его добыванием, поднимают цены, что вполне логично. Однако такую динамику можно назвать положительной для страны в целом, потому что налоги с покупки-продажи этого металла идут в государственную казну, и чем больше приходится за него платить, тем стремительнее наполняется бюджет, а в условиях финансового дефицита этому просто нельзя не радоваться. [1]
Список литературы
-
http://russinfo.net/
-
http://gold.investfunds.ru/
-
http://bhom.ru/currencies/usd/
-
Эконометрика: учеб. пособие / В.А.Бывшев – М: Финансы и статистика, 2008