Αναζήτηση
|
|
|
|
Ένα από τα βασικότερα στοιχεία, ίσως το πιο σημαντικό, της οικονομικής και
χρηματοοικονομικής θεωρίας είναι η υπόθεση ότι οι συμμετέχοντες σε μία αγορά
αλλάζουν τη συμπεριφορά τους και λαμβάνουν αποφάσεις με βάση τις προσδοκίες
που διαμορφώνουν οι ίδιοι για το μέλλον. Είναι, λοιπόν, προφανές ότι η
διαδικασία διαμόρφωσης προβλέψεων για τη μελλοντική κίνηση μιας αγοράς είναι
από τις σημαντικότερες που λαμβάνουν χώρα σε καθημερινή βάση. Αυτό πρακτικά
ισχύει για όλες τις χρηματοοικονομικές αγορές – για παράδειγμα, την αγορά
μετοχών, συναλλάγματος, παραγώγων, προϊόντων κ.λπ.
ΒΑΣΙΚΑ ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ
H διαμόρφωση χρηματοοικονομικών προβλέψεων έχει τρία βασικά χαρακτηριστικά που
την κάνουν να διαφέρει από τη διαμόρφωση προβλέψεων σε άλλους κλάδους της,
φυσικής κυρίως, επιστήμης:
1. Δεν υπάρχει ακριβές οικονομικό υπόδειγμα. Οι χρηματοοικονομικές
αγορές δεν εξελίσσονται πάντα με βάση τις επιταγές των οικονομικών θεωριών που
έχουμε γι’ αυτές. Επομένως, δεν υπάρχει ένα ακριβές οικονομικό υπόδειγμα που
να μπορεί να χρησιμοποιηθεί για τη διαμόρφωση προβλέψεων, αλλά μια πληθώρα
οικονομικών υποδειγμάτων, τα οποία συχνά προβλέπουν αντιφατικά μεταξύ τους
θεωρητικά αποτελέσματα.
2. Το επιτυχημένο σήμερα δεν σημαίνει ότι θα συνεχίσει να είναι
επιτυχημένο. Οι χρονολογικές σειρές χρηματοοικονομικών δεδομένων
παρουσιάζουν μία πληθώρα τεχνικών χαρακτηριστικών που κάνουν την
υποδειγματοποίησή τους αρκετά δύσκολη. Για παράδειγμα, ένα σημαντικό τέτοιο
χαρακτηριστικό είναι η ύπαρξη πολλών διαρθρωτικών αλλαγών στον τρόπο εξέλιξης
των χρονολογικών σειρών. Ένα επιτυχημένο μέχρι σήμερα προβλεπτικό υπόδειγμα
δεν είναι απαραίτητο ότι θα συνεχίσει να είναι επιτυχημένο και στο μέλλον.
3. Οι προβλέψεις δεν είναι τελικές αποφάσεις. H διαμόρφωση προβλέψεων
δεν είναι το τελικό αποτέλεσμα στη διαδικασία λήψης χρηματοοικονομικών
αποφάσεων. Οι προβλέψεις χρησιμοποιούνται για τη δημιουργία κανόνων συναλλαγής
στις αγορές και, επομένως, δεν μπορούν να κριθούν μόνο με βάση στατιστικά
κριτήρια, αλλά (κυρίως, ίσως) με βάση τις αποδόσεις που παρέχουν.
Τα τρία παραπάνω χαρακτηριστικά είναι αυτά που, σε μεγάλο βαθμό, καθορίζουν
τόσο τον τρόπο με τον οποίο εξελίσσεται η έρευνα γύρω από τη μεθοδολογία των
προβλέψεων όσο και τον τρόπο της πρακτικής εφαρμογής των προβλέψεων.
ΑΝΑΛΥΣΗ ΧΡΟΝΟΛΟΓΙΚΩΝ ΣΕΙΡΩΝ
H στατιστική ανάλυση χρονολογικών σειρών παίζει σημαντικό ρόλο στην
υποδειγματοποίηση χρηματοοικονομικών δεδομένων και στη δημιουργία προβλέψεων.
Υπάρχουν πάρα πολλά υποδείγματα που έχουν πρακτική εφαρμογή στη δημιουργία
προβλέψεων, τα οποία στηρίζονται στη στατιστική θεωρία και έχει αποδειχθεί ότι
είναι αρκετά ευέλικτα και κατάλληλα για χρήση σε πραγματικό χρόνο. Τα
υποδείγματα αυτά καλύπτουν ένα μεγάλο εύρος χαρακτηριστικών και έχουν, πολλές
φορές, διαφορετική προέλευση (όχι απαραίτητα από κάποια οικονομική θεωρία). Τα
περισσότερα επιτυχημένα υποδείγματα χρονολογικών σειρών για χρηματοοικονομικά
δεδομένα, λοιπόν:
1. Έχουν «αυτοπαλίνδρομα» χαρακτηριστικά. Αυτό πρακτικά σημαίνει ότι
χρησιμοποιούν τις προηγούμενες χρονικές τιμές των χρηματοοικονομικών δεδομένων
για την πρόβλεψη των μελλοντικών τιμών.
2. Λαμβάνουν υπόψη τους την πολυπλοκότητα που υπάρχει στην εξέλιξη των
χρηματοοικονομικών δεδομένων. Για παράδειγμα, τη μη γραμμική εξέλιξη πολλών
χρονολογικών σειρών, την ύπαρξη συχνών διαρθρωτικών αλλαγών, την πιθανότητα
για τη δυναμική εναλλαγή των παραμέτρων που τα κατευθύνουν κ.λπ.
3. Λαμβάνουν υπόψη τους την ύπαρξη ισχυρής συσχέτισης μεταξύ
διαφορετικών χρηματοοικονομικών σειρών και των χρονικών τους υστερήσεων και
τις χρησιμοποιούν ως επεξηγηματικές μεταβλητές.
4. Μπορούν να παράγουν προβλέψεις, όχι μόνο για την εξέλιξη των τιμών
και των σχετικών αποδόσεων αλλά και του κινδύνου που τις συνοδεύει (προβλέψεις
μεταβλητότητας των αποδόσεων).
5. Έχουν στιβαρές στατιστικές βάσεις και τις απαιτούμενες ιδιότητες για
τους εκτιμητές των παραμέτρων που ελέγχουν τη δημιουργία των προβλέψεων.
6. Είναι (σχετικά) εύκολη η εμπειρική εφαρμογή τους για την ταυτόχρονη
(παράλληλη) ανάλυση πολλών χρονολογικών σειρών μαζί.
ΣΤΑΤΙΣΤΙΚΑ ΥΠΟΔΕΙΓΜΑΤΑ
Υπάρχουν πολλές κλάσεις στατιστικών υποδειγμάτων πρόβλεψης χρονολογικών σειρών
που πληρούν τα παραπάνω κριτήρια. Πολλά έχουν την αρχή τους στη στατιστική
ανάλυση και την ανάλυση χρονολογικών σειρών, ενώ άλλα στη θεωρία του χάους και
τα νευρωνικά συστήματα. Αν επικεντρωθούμε μόνο στην οικογένεια των
αυτοπαλίνδρομων υποδειγμάτων (υποδειγμάτων, δηλαδή, που δεν χρησιμοποιούν
επεξηγηματικές μεταβλητές), παραδείγματα υποδειγμάτων θα είναι: το γραμμικό
αυτοπαλίνδρομο, το μη γραμμικό αυτοπαλίνδρομο ομαλής μετάβασης, το μη γραμμικό
και μη παραμετρικό αυτοπαλίνδρομο, το μη γραμμικό αυτοπαλίνδρομο με υπό
συνθήκη «ετεροσκεδαστικότητα», το μη γραμμικό αυτοπαλίνδρομο με νευρικά
δίκτυα, καθώς και πολλές παραλλαγές τους.
ΟΙΚΟΝΟΜΕΤΡΙΚΑ ΥΠΟΔΕΙΓΜΑΤΑ
H χρήση, όμως, μόνο στατιστικών υποδειγμάτων δεν είναι, πολλές φορές, αρκετή
για τη διαμόρφωση χρηματοοικονομικών προβλέψεων. Συχνά, η υποδειγματοποίηση
των δεδομένων που έχουμε θα λάβει υπόψη της και τις προτάσεις των οικονομικών
θεωριών για την αγορά που αναλύουμε και θα γίνει στα πλαίσια οικονομετρικών
υποδειγμάτων. Τα οικονομετρικά υποδείγματα χρησιμοποιούν τις διαρθρωτικές
σχέσεις της χρηματοοικονομικής θεωρίας και προσθέτουν οικονομικές
επεξηγηματικές μεταβλητές που είναι πιθανόν να βοηθούν στην πρόβλεψη των
χρονολογικών σειρών που αναλύουμε.
Έχοντας υπόψη μας τις κλάσεις των στατιστικών υποδειγμάτων χρονολογικών σειρών
και των οικονομετρικών υποδειγμάτων, μπορούμε να εξετάσουμε τα δεδομένα μας
και να κάνουμε μία (αρχική έστω) επιλογή ενός υποδείγματος. Μετά την εκτίμηση
των παραμέτρων που ελέγχουν την προσαρμογή του υποδείγματος στα δεδομένα,
μπορούμε να προχωρήσουμε στη δημιουργία προβλέψεων. Εδώ προκύπτει το εξής
πρόβλημα: σε τι βάθος χρόνου θα κάνουμε πρόβλεψη; Με άλλα λόγια, ποιος θα
είναι ο χρονικός ορίζοντας της πρόβλεψης; Τα περισσότερα υποδείγματα μπορούν
να παραγάγουν προβλέψεις για οποιονδήποτε χρονικό ορίζοντα, είτε κοντά είτε
μακριά στο μέλλον.
H απάντηση στο ερώτημα αυτό στηρίζεται σε δύο σκέλη, ένα οικονομικό και ένα
στατιστικό. Το στατιστικό σκέλος έχει να κάνει με ένα θεμελιώδες αποτέλεσμα
στη θεωρία των προβλέψεων: όσο μεγαλύτερος είναι ο χρονικός ορίζοντας της
πρόβλεψης τόσο μειώνεται η προβλεπτική ικανότητα οποιουδήποτε στατιστικού ή
οικονομετρικού υποδείγματος (η πιθανότητα να «πέσουμε έξω» στις προβλέψεις μας
αυξάνει σημαντικά). Επιπλέον, είναι σημαντικό να σημειώσουμε ότι όσο μεγαλώνει
ο ορίζοντας της πρόβλεψης τόσο αυξάνεται και η πιθανότητα να υπάρξει
διαρθρωτική αλλαγή στο προβλεπτικό υπόδειγμα και οι προβλέψεις να χάσουν τη
σχετική τους ακρίβεια.
Το οικονομικό σκέλος έχει να κάνει με τη διαδικασία λήψης οικονομικών
αποφάσεων: ο χρονικός ορίζοντας της πρόβλεψης είναι συνάρτηση της
προσδοκώμενης χρήσης της πρόβλεψης.
Προβλέψεις στο κλίμα των αγορών
Έχοντας στη διάθεσή μας ένα (ή και περισσότερα) υποδείγματα τα οποία θεωρούμε
κατάλληλα για τη διαμόρφωση προβλέψεων, μπορούμε να προβούμε στη δημιουργία
των προβλέψεων αυτών σε πραγματικό χρόνο. Εδώ, όμως, τελειώνει και η
διαδικασία της πρόβλεψης; Κάθε άλλο! Υπάρχει μία άλλη σειρά από παράγοντες που
πρέπει τώρα να εξετάσουμε, πριν η πρόβλεψή μας βρει πραγματική
χρηματοοικονομική εφαρμογή. Πρώτα απ’ όλα, πρέπει να εντάξουμε την πρόβλεψή
μας στο πλαίσια του οικονομικού κλίματος των αγορών που εξετάζουμε, και της
οικονομικής κατάστασης γενικότερα.
Με άλλα λόγια, δεν είναι δυνατόν να παρουσιάσουμε έναν αριθμό (ή διάστημα
εμπιστοσύνης ή κατεύθυνση τάσης), χωρίς να τον αιτιολογήσουμε στα πλαίσια της
πληροφόρησης που έχουμε τώρα διαθέσιμη. Έπειτα, πρέπει να λάβουμε υπόψη μας
την αβεβαιότητα που συνοδεύει κάθε στατιστικό / οικονομετρικό υπόδειγμα και,
φυσικά, κάθε πρόβλεψη.
ΚΡΙΣΙΜΕΣ ΠΑΡΑΜΕΤΡΟΙ
Αν προβλέπουμε χρηματοοικονομικές αποδόσεις, είναι απαραίτητο να προβλέψουμε
και να αξιολογήσουμε και τον κίνδυνο που συνοδεύει την πρόβλεψη της απόδοσης
και να δούμε ποιο είναι το σχετικό όφελος και ποιο το σχετικό κόστος της
προβλεπόμενης απόδοσης. Επειδή κάθε πρόβλεψη καταλήγει, τελικά, να ενσωματωθεί
σε έναν ή περισσότερους κανόνες συναλλαγών ή στη δημιουργία προτάσεων για την
άσκηση χρηματοοικονομικής διαχείρισης, είναι απαραίτητο να κάνουμε αξιολόγηση
της προβλεπτικής ικανότητας του υποδείγματος(των) που δημιούργησε(αν) την
πρόβλεψη με βάση τα ιστορικά δεδομένα (backtesting): η αξιολόγηση αυτή πρέπει
να στηρίζεται τόσο σε στατιστικούς κανόνες προβλεπτικής ικανότητας όσο και
στην ικανότητα του υποδείγματος(των) να παράγουν κερδοφόρες συναλλαγές ή να
κάνουν επιτυχημένη διαχείριση. Για να είναι η τελική απόφαση που θα πάρουμε
σχετικά αξιόπιστη, είναι απαραίτητο να συνδυάσουμε όλα τα παραπάνω στοιχεία
και να εξετάσουμε την πρόβλεψη και τις συνέπειές της με κριτικό πνεύμα. Ακόμη
καλύτερο είναι, να εντάξουμε την πρόβλεψή μας σε ένα συγκεκριμένο «σενάριο»
για την πιθανή μελλοντική εξέλιξη της αγοράς που εξετάζουμε, δηλαδή να την
κρίνουμε και να την παρουσιάσουμε μέσα σε ένα ολοκληρωμένο πλαίσιο αντίδρασης
σε πιθανές μελλοντικές εξελίξεις – πάντα με γνώμονα και κριτήριο την
οικονομική θεωρία και, φυσικά, την κοινή λογική.
Tips
Ακριβές…
… οικονομικό υπόδειγμα δεν υπάρχει. Αυτό που σήμερα είναι επιτυχημένο δεν
σημαίνει ότι θα συνεχίσει να είναι. Οπότε, πώς μπορεί κανείς να είναι σίγουρος
για μια χρηματοοικονομική πρόβλεψη;
Tips
Όσο…
… μεγαλύτερος είναι ο χρονικός ορίζοντας της πρόβλεψης τόσο μειώνεται η
προβλεπτική ικανότητα οποιουδήποτε στατιστικού ή οικονομετρικού υποδείγματος
