Авторы: а спирант Афанасьев Д.О., профессор Федорова Е.А ., д.э.н.

1. КАФЕДРАЛЬНЫЙ СЕМИНАР Разработка комплексного кризисного индикатора для РФ на базе применения динамической регрессионной модели с марковскими переключениями Авторы: аспирант Афанасьев Д.О., профессор Федорова Е.А., д.э.н. Кафедра «Финансовый менеджмент» Финансовый университет при Правительстве РФ г. Москва 2013

2. Результаты текущих исследований экспертных институтов и групп • Центр макроэкономического анализа и краткосрочного прогнозирования (ЦМАКП): Сводные опережающие индикаторы системного банковского кризиса, кредитных и валютных рисков, оттока средств со счетов и депозитов населения • Институт экономической политики имени Е.Т. Гайдара: Индекс промышленного оптимизма и система индикаторов раннего предупреждения кризисных ситуаций • Компания "Ренессанс Капитал" и Российская экономическая школа: Прогноз динамики ВВП • "Центр развития" ВШЭ: Сводный опережающий индекс экономической конъюнктуры

3. Цели исследования • Разработать комплексный опережающий индикатор для прогнозирования кризисных ситуаций, учитывающий особенности экономики Российской Федерации. • Апробировать динамическую регрессионную модель с марковскими переключениями и зависящими от времени вероятностями переходов MS-DR-TVTP для моделирования индекса давления на валютный рынок EMPI. • Разработать прикладное программного обеспечения, которое позволит рассчитывать конкретные значения прогнозов вероятностей кризисов на базе построенного кризисного индикатора.

4. Динамическая модель MS-DR: общая спецификация Markov Regime Switching Dynamic Regression Model (MS-DR) –латентный процесс, определяющий состояние процесса ,; – коэффициенты модели, зависящие от текущего состояния ; – коэффициенты модели, не зависящие от текущего состояния ; – экзогенные факторы, от которых зависит ; – случайные некоррелированные инновации; – распределение плотности вероятности инноваций ; –параметры распределения , зависящие от состояния системы .

5. Динамическая модель MS-DR: вероятностные характеристики Скрытый процесс является цепью Маркова 1 порядка, описываемой матрицей вероятностей переключений где – вероятность переключения системы из состояния j в момент времени t-1 в состояние i в момент времени t: Модель будет полностью определена, если удастся найти значения всех параметров моделиДля этого предлагается использовать метод максимального правдоподобия (MLE, Maximum Likelihood Estimation):

6. Динамическая модель MS-DR: функция правдоподобия для k=2 Вероятность состояния системы iв момент времени tс учетом истории процесса : Распределение плотности вероятности в состоянии i в момент времен t: Условное распределение плотности вероятности в момент времен t получаем суммированием по всем возможным состояниям Условное распределение плотности вероятности за весь исследуемый период, т.е. функция правдоподобия :

7. Динамическая модель MS-DR-TVTP: вероятностные характеристики Вероятности переключений состояний полагаются динамическими и зависящими от экзогенных факторов: Perez-Quiros G., TimmermannA. (2000) предлагают использовать интегральную функцию стандартного нормального распределения: . KnedlikT., Scheufele R. (2007) используют в своей работе логистическую функцию:

8. Разработка комплексного кризисного индикатора для РФ: индекс EMPI Идентификация кризисных периодов базируется на индексе EMP (KaminskyG., Lizondo S., Reinhart C.(1998): Определение порогового значения индекса EMP: • Классический (стандартный) подход: • Состояние системы в модели MS(2)-DR-TVTP с большими и :

9. Методология тестирования значимости экзогенных факторов Выявление значимых для прогнозирования кризисов фундаментальных экономических факторов посредством статистического LR-теста (тест отношения правдоподобия): Прогноз вероятности кризиса:

10. Эмпирическая база исследования и программный инструментарий • Использованы ежемесячные данные по 23 фундаментальным финансово-экономическим показателям за период 2001-2010 гг. (IFS International Monetary Fund, World Bank, Bloomberg) • Расчеты выполнены с использованием программной библиотеки MS_Regress_tvtp, реализованной Ding Z.(2012), на базе исходного кода библиотеки MS_RegressPerlin M. (2012), в программном комплексе Matlab™

11. Результаты тестирования значимости фундаментальных факторов для РФ

12. Комплексный опережающий кризисный индикатор для РФ Комплексный индикатор , позволяющий на основании национальных фундаментальных финансово-экономических факторов прогнозировать вероятность наступления кризиса в России с горизонтом прогнозирования в 1 месяц: где – реальная ставка по депозитам, – темп роста импорта, – доходность фондового рынка (индекса РТС).

13. Оценка параметров и качества модели MS(2)-DR-TVTP

14. Динамика показателей в составе комплексного индикатора

15. Динамика экономики РФ и прогнозных значений вероятности кризиса

16. Основные выводы исследования • Среднее значение EMPI в кризисном состоянии существенно превышает среднее значение в спокойном состоянии . Это же верно и для волатильности: в 2 раза превосходит . • Увеличение вероятности наступления экономического кризиса связано со следующими событиями: • ростом реальной ставки по депозитам; • падением доходности фондового рынка; • увеличением темпов роста импорта (т.е. его ускорением). • Прогноз вероятности кризиса по индикатору на 09.2008 г. составляет 67,9%, для 10.2008 г. вероятность достигает 100,0%. Это хорошо согласуется с реальной ситуацией того периода, т.е. индикатор адекватно прогнозирует кризисные явления в РФ.

17. Программное обеспечение «Прогноз вероятности кризиса»

18. Спасибо за внимание!