Проверка устойчивости прогностической модели к внешним шокам.

Для проверки устойчивости прогностической модели к внешним шокам необходимо проверить авторегрессионный процесс на стационарность.}}

Проверка AR-структуры модели на стационарность

Inverted AR Roots (обратные AR единичные корни) 0.87

Поскольку обратный единичный корень оказался меньше единицы, то структура уравнения является стационарной. Из этого вытекает вывод, что коэффициенты уравнения авторегрессии будут устойчивыми, а значит, их можно назвать достаточно надежными к воздействию внешних шоков, т.е. к случаям внезапного и резкого повышения цен на нефть.

Далее остановимся еще на одном важном инструменте оценки устойчивости статистических моделей к внешним шокам (резкие изменения цен на нефть) - тестирование AR-структуры авторегрессионного процесса на импульсный ответ. При этом появится возможность получить также и оценку инновационной неопределенности, возникающей в этом авторегрессионном процессе в результате воздействия внешнего шока.

Таблица 10

Импульсный ответ АК-структуры и оценка инновационной неопределенности для уравнения авторегрессии

Модель: PRACE OIL AR( 1) С Выборка: 2010М01 2013М03

Включает 38 наблюдений после корректировки

Модель: РЛАСЕСНЬ ЛЯ( 1) С Выборка: 2010М01 2013М03

Включает 38 наблюдений после корректировки

В таблице 10 содержится информация, характеризующая величину стандартной ошибки функции импульсного ответа и величину стандартной ошибки функции накопленного импульсного ответа АЯ-структуры на рост инновационной неопределенности, значения которой помещены в двух разделах «Стандартная ошибка». Важным свойством модели является то обстоятельство, что у них уровень инновационной неопределенности, как и величина ответа на импульс, асимптотически - по мере нарастания выборки (количества периодов) - стремится к нулю. Это свидетельствует об устойчивости стационарного процесса к единовременным шоковым воздействиям. Внизу таблицы выведены итоги асимптотической оценки как величины импульсного ответа, так и уровня инновационной неопределенности, которые равны нулю.

Далее оценим влияние резких изменений цен на нефть на смещение коэффициентов регрессии. В качестве критерия отбора используем величину изменения цен на нефть за один месяц.

Рейтинг наблюдений по величине скачка цен на нефть

Из 15 наблюдений, включенных в рейтинг, в 5 случаях цены резко падали, а в 10 укреплялись. Причем самые сильные скачки наблюдались при падении цен. Данная таблица необходима для оценки надежности модели, т.к. слишком сильные колебания существенно сказывались на качестве прогноза.

Очевидно, что любое резкое повышение цены на нефть приводит к возникновению выбросов, т.е. необычно больших остатков (разницы между фактическими и прогнозными ценами), отрицательно влияющих на точность последующих прогнозов.

Поэтому, решая уравнение регрессии, необходимо проверять величину полученных остатков, а также оценивать риск, связанный с влиянием выбросов на смещение коэффициентов в уравнении регрессии. {{