Cтраница 2
Можно заметить, что во всех случаях величина погрешности чувствительна к изменениям значений переменных, и это говорит о том, что все переменные активны. В целом, по-видимому, наибольшие погрешности связаны с переменными временной структуры и премии за риск. Замена истинных значений этих переменных их средними значениями дает относительно большую ошибку прогноза. Это замечание согласуется с результатами регрессии, согласно которым обе переменные являлись высокозначимыми. Если теперь мы обратим внимание на знак погрешности, то увидим здесь для этих переменных противоположную зависимость. Большие отрицательные погрешности для одной переменной, как правило, совпадают с большими положительными для другой, и это может указывать на то, что их вклады в погрешность в некоторой степени компенсируют друг друга. Несмотря на то, что такие переменные, как показывает регрессионный анализ, в среднем мало влияют на результат, в некоторых ситуациях они могут быть очень активными. Поскольку такая маргинальная активность не улавливается регрессией, исследование чувствительности погрешности к изменениям этих якобы малозначимых переменных может продвинуть нас в понимании того, какое влияние глобальные факторы оказывают на рынок акций. [16]
Во-первых, можно основываться на прошлом - рассмотреть фирмы, потерпевшие банкротство, и сравнить их с фирмами, которые этого избежали, а затем выявить переменные, различающие их. Для выведения пробитое следует начать со всех зарегистрированных в 1990 г. фирм и их финансовых характеристик, а затем определить те фирмы, которые потерпели банкротство в период 1991 - 1999 гг., и оценить вероятность банкротства как функцию переменных, наблюдавшихся в 1990 г. Результат, напоминающий результат регрессии, позволит оценить вероятность дефолта для любой фирмы в настоящий момент времени. [17]
Наряду с ошибками спецификации могут иметь место ошибки выборки, поскольку исследователь чаще всего имеет дело с выборочными данными при установлении закономерной связи между признаками. Ошибки выборки имеют место и в силу неоднородности данных в исходной статистической совокупности, что, как правило, бывает при изучении экономических процессов. Если совокупность неоднородна, то уравнение регрессии не имеет практического смысла. Для получения хорошего результата обычно исключают из совокупности единицы с аномальными значениями исследуемых признаков. И в этом случае результаты регрессии представляют собой выборочные характеристики. [18]
После построения уравнения регрессии проводится проверка наличия у оценок Б, ( случайных остатков) тех свойств, которые предполагались. Связано это с тем, что оценки параметров регрессии должны отвечать определенным критериям. Эти свойства оценок, полученных по МНК, имеют чрезвычайно важное практическое значение в использовании результатов регрессии и корреляции. [19]
После построения уравнения регрессии проводится проверка наличия у оценок б, ( случайных остатков) тех свойств, которые предполагались. Связано это с тем, что оценки параметров регрессии должны отвечать определенным критериям. Эти свойства оценок, полученных по МНК, имеют чрезвычайно важное практическое значение в использовании результатов регрессии и корреляции. [20]
На рисунке 2.5 мы видели, что валютный курс иена / доллар имел знакомое нам теперь распределение с толстыми хвостами. Рисунки 2.9 ( а) - ( с) показывают схожие частотные распределения для валютных курсов марка / доллар, фунт / доллар и иена / фунт. Фактически, частотное распределение валютных прибылей имеет более высокие пики и более толстые хвосты, чем американские акции или облигации. Рисунки 2.10 ( а) - ( с) показывают временную структуру волатильности для трех обменных курсов, а в Таблице 2.5 приведены результаты регрессии в двойном логарифмическом масштабе. Во всех случаях наклон - и, следовательно, масштабирование стандартного отклонения - увеличивается более быстрым темпом, чем американские акции или облигации, и они не являются ограниченными. [21]