Мониторинг и прогнозирование, осуществляемые с высокой частотностью

Построение моделей последовательных периодов прогнозирования для обеспечения ввода начальных условий для динамических систем, рассчитанных на более длительное время, является надежной исследовательской стратегией. В информационный век эту процедуру применяют при разработке составляемых с высокой частотностью систем для инициализации квартальных и годовых систем, которые используются при экстраполяции на несколько лет.

В настоящее время ежемесячные данные, а в отдельных случаях данные более высокой частотности могут обеспечить экстраполяции, которые можно применять для уточнения или инициализации составляемых с более низкой частотностью систем квартальных или годовых данных.

Составляемая с высокой частотностью система имеет два типа взаимосвязей, основанных на двух главных источниках данных (сохранены оригинальные обозначения, используемые в модели).

1. Ежемесячные или выводимые с более высокой частотностью показатели (еженедельные, ежедневные или квазиреального времени):

m_ix = i-й ежемесячный показатель;

т = т,-й месяц.

2. Квартальные переменные национальных счетов доходов и продуктов (НСДП) (СНС США), включая номинальные, реальные, связанные цены:

q_n = i-я квартальная переменная;

t = t-ii квартал.

Значимость такого подхода к построению моделей с высокой частотностью в настоящем контексте состоит в том, что система национальных счетов доходов и продуктов не подлежит изменению. Главную роль в структуре системы играют учетные взаимосвязи.

Промежуточные уравнения:

Уравнение временного ряда для оценки т_п

В промежуточных уравнениях делается попытка связать квартальные показатели национальных счетов доходов и продуктов с тесно связанными с ними средними за квартал ежемесячными показателями. В качестве примера приведем оценку потребительских расходов за квартал в национальных счетах доходов и продуктов с применением среднего за квартал объема розничных продаж. Уровень детализации гораздо выше, чем общий объем розничных продаж и общие потребительские расходы в реальной практике.

При выборе /я, можно руководствоваться следующим соображением. Эти показатели должны быть как можно ближе к тем, которые используются официальной статистикой при построении своих оценок q_it. Используемые на практике показатели большей частью хорошо известны. В экономической науке, применяющей данные высокой частотности, ценится скорость; поэтому важно искать необычные данные, особенно новые данные, которые поступают в начале квартала, чтобы дать ориентировку в отношении будущего движения q_iy Новые выборочные обследования, экономические обязательства, свидетельства о намерении, форвардные рыночные позиции, фьючерсные цены и тому подобные переменные величины могут стать аргументами правой части промежуточных уравнений либо как главные, либо как дополнительные переменные.

Для уравнений временного ряда значения переменных величин показателей получаются в результате экстраполяций при установлении или уточнении информации за квартал.

Методы Бокса — Дженкинса с одним уравнением используются для оценки функций авторегрессионных интегрированных скользящих средних (модель ARIMA). Оцениваются также некоторые в высшей степени вероятные последствия перекрестного запаздывания по разным секторам, например начало строительства жилого дома как дополнительная переменная в уравнениях ARIMA для розничных продаж оборудования и предметов домашнего обихода и бытовых электроприборов.

В настоящее время ведется экспериментальная работа, но оценке уравнений векторных авторегрессионных скользящих средних (VAR) вместо уравнений ARIMA для таких компактных подгрупп, как виды потребительских товаров длительного пользования, потребительские товары кратковременного пользования, накопление капитала предприятий, переменные внешней торговли, переменные рынка труда и т. д.

Приведенные выше уравнения обычно не являются структурными уравнениями поведения или теоретически выведенными уравнениями. Это эмпирические уравнения, и они вновь перерассчитываются, как только становятся известны новые данные за месяц, и файлы данных обновляются, что обычно происходит в течение нескольких часов после опубликования новых данных.

Прогнозы высокой частотности можно выдавать как угодно часто. Считается целесообразным собирать информацию в конце каждой недели, например в пятницу на момент окончания рабочей недели, обновлять ее, проводить переоценку и давать прогноз по многим переменным национальных счетов доходов и продуктов на два квартала вперед, т. е. на два квартала, по которым данные еще не опубликованы. В США эти экстраполяции затем изучаются в контексте деловых новостей и вместе с пояснениями публикуются каждый понедельник.