Международная практика прогнозирования мировых цен на финансовых рынках (сырье, акции, курсы валют)

Международная практика
прогнозирования мировых
цен на финансовых рынках
(сырье, акции, курсы валют)

2014

Москва

ИНСТИТУТ  МИРОВОЙ  ЭКОНОМИКИ
И  МЕЖДУНАРОДНЫХ  ОТНОШЕНИЙ  РАН

Под редакцией
доктора экономических наук,
профессора Я. М. Миркина

УДК 339.72:339.977
ББК 65.2682
М43

А в т о р с к и й к о л л е к т и в:

Миркин Я. М. — введение, концепция и ключевые идеи книги, гл. 1 (в соавторстве); Жукова Т. В. — п. 2.1, 2.3.1— 2.3.5, 2.5.2 гл. 2, п. 3.1.2, 3.2.2 гл. 3; Кудинова М. М. — п. 2.4, 2.5.3
гл. 2, п. 3.1.3, 3.2.3 гл. 3; Бахтараева К. Б. — п. 2.2, 2.5.1 гл.2, 3.1.1, 3.2.1 гл. 3; Левченко
А. В. — п. 2.3.6 гл.2, п. 3.1.2.3, 3.1.2.4 гл.3 (в части консенсуспрогнозов Bloomberg), п.
3.2.2.4 (в части инвестиционных банков, представленных в Bloomberg, консенсуспрогнозов, агрегированной оценки достоверности прогнозов); Добашина И. В. — гл. 1 (в соавторстве), заключение; Бунатян А. Г. — Директория исследований в области воздействия
мировых цен на финансовых рынках (сырье, акции, курсы валют) на макроэкономическую и финансовую динамику России

М43
Международная практика прогнозирования мировых цен на финансовых
рынках (сырье, акции, курсы валют) / под ред. Я. М. Миркина. — М. : Магистр,
2014. — 456 с.
ISBN 9785977603645
Агентство CIP РГБ

В книге дан теоретический очерк изменений в причинноследственных механизмах формирования цен на сырье, акции, курсы валют. Представлен полный, всеохватывающий обзор моделей и инструментов прогнозирования мировых цен (сырье, акции, валютные курсы). Детально
рассмотрены мировая практика их применения, точность прогнозов. Разработана карта основных
российских и международных исследований в области прогнозирования цен. Создан «атлас» ключевых центров прогнозирования. Представлены наиболее известные имена тех, кто пытается
«предвидеть будущее» в ключевой для многих экономик области мировых цен на ресурсы.

УДК 339.72:339.977
ББК 65.2682

В оформлении обложки использован фрагмент картины
Л. Руссоло “Combination of Houses Light Sky” (1910е гг.)

ISBN 9785977603645
© Авторы, 2014
© ИМЭМО РАН, 2014
© Оформление. Издательство «Магистр», 2014

Обозначения и сокращения .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 7
Введение
.  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 9
1
Ключевые факторы и причинноследственные связи, формирующие
мировые цены на сырье
.  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 11
2
Анализ методов и моделей прогнозирования мировых цен на финансовых
рынках (сырье, акции, курсы валют)
.  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 41
2.1. Типология методов и моделей прогнозирования, используемых
для прогнозирования цен на финансовых рынках .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 41
2.1.1. Введение в методы и модели прогнозирования . . . . . . . . . . . . . 41
2.1.2. Классификация методов и моделей прогнозирования
. . . . . . . . . 41
2.1.3. Количественные (формальные) модели . . . . . . . . . . . . . . . . . 51
2.1.4. Качественные модели . . . . . . . . . . . . . . . . . . . . . . . . . . 58
2.2. Основные методы и модели прогнозирования курса резервной валюты
(доллара США) к корзине мировых валют .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 60
2.2.1. Общая классификация моделей и методов прогнозирования
валютных курсов
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
2.2.2. Структурные модели . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
2.2.3. Неструктурные модели
. . . . . . . . . . . . . . . . . . . . . . . . . 88
2.2.4. Модели искусственного интеллекта . . . . . . . . . . . . . . . . . . . 92
2.2.5. Качественные модели прогнозирования валютных курсов
. . . . . . . 95
2.2.6. Российская практика прогнозирования валютных курсов . . . . . . . . 99
2.2.7. Ключевые исследователи
. . . . . . . . . . . . . . . . . . . . . . . 100
2.2.8. Ключевые центры прогнозирования валютных курсов . . . . . . . . . 107
2.3. Инструментарий прогнозирования мировых цен на сырье .  .  .  .  .  .  .  .  .  .  .  .  . 118
2.3.1. Введение в инструментарий прогнозирования . . . . . . . . . . . . . 118
2.3.2. Структурные модели равновесия и комбинированные авторские
модели . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
2.3.3. Неструктурные модели временных рядов и модели, построенные
на основе фьючерсных цен
. . . . . . . . . . . . . . . . . . . . . . . . . 157
2.3.4. Модели искусственного интеллекта (нейронные сети и метод опорных
векторов) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
2.3.5. Качественные модели прогнозирования мировых цен на сырье . . . . 174
2.3.6. Модели прогнозирования цен на золото . . . . . . . . . . . . . . . . 190
2.4. Характеристика методов и моделей прогнозирования курсов акций
на ключевых мировых рынках .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 201

Международная практика прогнозирования цен на финансовых рынках
5

2.5. Карта современных исследований в области прогнозирования мировых цен
на финансовых рынках (курсы валют, сырье, акции) .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 221
2.5.1. Валютные курсы . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221
2.5.2. Цены на сырье . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221
2.5.3. Цены на рынках акций . . . . . . . . . . . . . . . . . . . . . . . . . 234
3
Оценка достоверности прогнозов мировых цен на финансовых рынках
.  .  .  . 253
3.1. База данных ценовых прогнозов .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 253
3.1.1. Курсы валют . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253
3.1.2. Сырье
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261
3.1.2.1. Подходы к формированию базы данных
. . . . . . . . . . . . . 261
3.1.2.2. Прогнозы ведущих мировых центров прогнозирования . . . . . . 263
3.1.2.3. База данных прогнозов мировых цен на сырье крупных
финансовых институтов
. . . . . . . . . . . . . . . . . . . . . . . . . . 273
3.1.2.4. Kонсенсуспрогнозы мировых цен на сырье
. . . . . . . . . . . 291
3.1.3. Среднеи долгосрочные прогнозы динамики рынков акций . . . . . . 296
3.2. Оценка достоверности прогнозов .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 318
3.2.1. Валютные курсы . . . . . . . . . . . . . . . . . . . . . . . . . . . . 318
3.2.2. Мировые цены на сырье . . . . . . . . . . . . . . . . . . . . . . . . 328
3.2.2.1. Подходы к оценке достоверности прогнозов мировых цен
на сырье . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 328
3.2.2.2. Нефть . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 329
3.2.2.3. Природный газ
. . . . . . . . . . . . . . . . . . . . . . . . . . 345
3.2.2.4. Металлы (никель, алюминий, золото)
. . . . . . . . . . . . . . . 352
3.2.2.5. Пшеница
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 369
3.2.2.6. Выводы по оценке достоверности прогнозов на цены
на сырье
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 381
3.2.3. Оценка достоверности прогнозов курсов акций . . . . . . . . . . . . 383

Директория исследований в области воздействия мировых цен на финансовых
рынках (сырье, акции, курсы валют) на макроэкономическую и финансовую
динамику России .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 413

Заключение .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 440

Список источников .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 441

Оглавление

ALN, Adeline
Adaptive Linear Neuron — Адаптивный линейный нейрон

ANN
Artificial Neural Network — Искусственная нейронная сеть

ANNQ
Artificial Neural NetworkQualitative — Искусственная нейронная сеть качественного
анализа

ARIMA
Autoregressive Integrated Moving Average — Интегрированная модель авторегрессии — скользящего среднего

BN
Belief Network — Байесовская сеть, байесовская сеть доверия

BPNN
Back Propagation Neural Network — нейронная сеть обратного распространения
ошибки

CEC
California Energy Commission Model — Модель Калифорнийской энергетической комиссии

CEPR
Centre for Economic Policy Research — Центр исследования экономической политики, Великобритания

CES
Constant Elasticity of Substitution — Постоянная эластичность замещения

CPI
Consumer Price Index — Индекс потребительских цен

ECM
Error Correction Model — Модель исправления ошибок

EMD
Emperical Mode Decomposition — Метод разложения сигналов на функции, которые
получили название «эмпирических мод»

GP
Genetic Programming — Генетическое программирование

IEA
International Energy Agency — Международное энергетическое агентство

KB
Knowledge Base — База знаний

LCP
Linear Complementarity Programming — Линейное дополнительное программирование

LP
Linear Programming — Линейное программирование

LQ
LinguisticQuantitative — Количественная лингвистика

LR
Logistic Regression — Логистическая регрессия

MIP
Mixed Integer Programming — Смешанное целочисленное программирование

NBER
National Bureau of Economic Research — Национальное бюро экономических
исследований, США

NN
Neural Network — Нейронные сети

QP
Quadratic Programming — Квадратичное программирование

Международная практика прогнозирования цен на финансовых рынках
7

RBF
Radial Basis Function Neural Network — NN с радиальнобазисными функциями
нейрона

RES
Rulesbased Expert System — Экспертная система на базе правил

ROM
Resource Optimization Model — Модель оптимизации ресурсов

SCM
Standard Commodity Model — Стандартная модель сырьевого рынка

STPA
Spatial and Temporal Price and Allocation — Пространственновременная модель
ценового распределения

SVM
Support Vector Mechanism — Метод опорных векторов

WTM
Webbased Text Mining — Поиск (добыча) текстовых даных в интернете

ПФИ
Производные финансовые инструменты

Обозначения и сокращения

Окончание табл.

Мировые цены на сырье, акции, курсы валют — ключевые точки глобальной
экономики. С начала 2000х г. произошли глубокие изменения в механизмах ценообразования. «Полетели» все долгосрочные прогнозы по ценам. Они кратно
отличались от реальности. Причина — глубокие изменения в мировой экономике, в частности, ее «финансиализация», финансовое развитие, секьюритизация
товарного мира, новации в микроструктуре финансовых и товарных рынков.
В результате центр ценообразования сместился на финансовые рынки. Произошла синхронизация движения рынков различных активов, так как одним из
движущих факторов стал курс мировой резервной валюты — доллара США, в которой производится преобладающая часть международных расчетов. Ослабление
курса доллара США ведет к росту цены активов на рынках, к тому, что увеличение цен становится компенсацией падающего доллара. Усиление курса доллара
США связано с отрицательными движениями в стоимости активов. Эта связанная динамика становится важнейшим доказательством превращения товарных
рынков в финансовые. Наблюдается устойчивая корреляция цен товарных и финансовых активов.
Как следствие, цикличность курса доллара США, его прогнозируемая динамика в 2015—2020х гг. будут прямо влиять на всю систему мировых цен и, соответственно, на финансовое состояние стран, экономика которых, как это
происходит в России, ориентирована на экспорт сырья и существенно зависит
от него.
Результат финансиализации — резкое усложнение причинноследственных
связей, формирующих мировые цены на сырье. Кроме обычных фундаментальных факторов (запасы, спрос, производство, технологии, геополитические риски, цикличность) одновременно действуют финансовые факторы (инфляция,
валютные курсы, спрос и предложение на финансовых рынках, их корреляция,
микроструктура и т.п.).
В этой связи задача прогноза мировых цен на финансовых рынках с учетом
действия «традиционных» фундаментальных факторов становится все более
сложной. Как правило, прогнозы, кем бы они ни делались, содержат системные
ошибки. На длинных горизонтах фактические цены могут отклоняться от прогнозных в разы.
В книге дан теоретический очерк изменений в причинноследственных механизмах формирования цен на сырье, акции, курсы валют. Представлен полный, всеохватывающий обзор моделей и инструментов прогнозирования мировых цен (сырье, акции, валютные курсы). Детально рассмотрены мировая практика их применения, точность прогнозов. Разработана карта основных
российских и международных исследований в области прогнозирования цен.
Создан «атлас» ключевых центров прогнозирования. Представлены наиболее изМеждународная практика прогнозирования цен на финансовых рынках
9

вестные имена тех, кто пытается «предвидеть будущее» в ключевой для многих
экономик области — мировые цены на ресурсы.
Все это сделано для того, чтобы предметная область «прогнозирование мировых цен» стала информационно прозрачной, объемной, чтобы в огромном количестве моделей, аналитических материалов, публичных имен стали лучше видны
те, чьи представления о причинноследственных связях и способность увидеть
будущее позволяют получить прогнозы, превосходящие по точности все другие.
Исследование выполнено за счет гранта Российского научного фонда (проект № 141802845 «Прогнозирование мировых цен на финансовых рынках (сырье, акции, курсы валют) и их воздействия на макроэкономическую и финансовую динамику России») в Институте мировой экономики и международных отношений РАН.

Введение

Российская экономика — в большой части функция цен на нефть, газ и металлы.
Нефтегазовые доходы устойчиво составляют 46 — 48% доходов федерального
бюджета РФ. Доля нефти и газа в экспорте товаров и услуг составляла в 1994 г.
33%, в 2000 г. — 46, в 2007 г. — 55, в 2011 — 2013 гг. — 59—61% (ЦБ РФ). С металлами, лесоматериалами и удобрениями — 68—71%. Машины и оборудование составляют всего лишь 3—4% экспорта (ФТС, ЦБ РФ, 2011).
Падение цен на нефть стало спусковым крючком для слома СССР в конце
1980х гг., для кризиса 1998 г. В 2008 г. цена на нефть всего лишь за пять месяцев
упала в четыре раза. Это (наряду с падением спроса и мировых цен на металлы и
другое сырье) немедленно вызвало обрушение экономики. И, наоборот, неожиданные скачки нефтяных цен вверх — средство спасения в кризисы (1999 г.,
2009 г.).
В 2014 г. всего лишь за четыре месяца (июль — октябрь) цены упали почти на
30%.
Бизнес и жизнь в России и других сырьевых экономиках, регулирование макроэкономики невозможны без понимания механики мировых цен на нефть и
другие виды сырья и способности оценивать, хотя бы с большими допусками,
будущую динамику цен.

Системные ошибки в прогнозах цен на сырье

Детальный анализ точности прогнозов мировых цен на кратко, среднеи долгосрочном горизонтах по всем ключевым центрам прогнозирования и по важнейшим видам сырья (нефть, газ, металлы (золото, никель, алюминий), продовольствие (пшеница), курсы акций, курс доллара США как мировой резервной валюты) приведен в п. 3.2.
Отклонения фактических цен от реальных по всем видам сырья, курсам акций и валют обычно достигают десятков процентов, а на длинных горизонтах
могут составлять разы (2—3кратные отклонения).
Пример по нефти. В 2000 г. считалось, что цены на нефть в 2010 г. будут колебаться в районе 25—30 долл. за баррель (US International Energy Outlook 2000).
Дефакто они были в 2,5 раза выше.
В июле 2009 г. был сделан прогноз, что средние цены на нефть в 2010 г. составят около 60 долл. США за баррель. Действительные цены (в диапазоне
70—80 долл. США за баррель) далеки от прогнозных значений.
В прогнозы, даже на длинных горизонтах, часто скрыто закладывается экстраполяция текущего уровня цен, даже если формально речь идет не о стандартМеждународная практика прогнозирования цен на финансовых рынках
11

ном статистическом анализе временных рядов, а о применении структурных моделей, консенсуспрогнозах, нейронных сетях. Результат — огромные отклонения от реальности (табл. 1.1). Как показала практика (пример в табл. 1.1 — один
из множества, которых можно было бы привести), сверхвысокая подвижность
цен на сырье делает экономически бессмысленной их экстраполяцию на
5—10 лет вперед.

Т а б л и ц а 1.1. Ошибочность прогнозов цены на нефть

Источник прогноза

Референтные текущие цены на сырую импортируемую нефть, долл. /
баррель

Прогноз на 2010 г.
Отклонение реальной цены, %

WEO 2000
25—30
+ 160—210

WEO 2005
40
+95

WEO 2006
58
+34

WEO 2007
65
+20

WEO 2008
107
–27

Реальная цена
78
—

И с т о ч н и к: International Energy Agency, World Energy Outlook 2000—2008, IEA Annual Statistical
Supplement with 2010 data.

При
сценарном
подходе
применяется
такой
уровень
разброса
цен
(в 2—4 раза), что прогноз теряет практический смысл. Пример — диапазон официальных прогнозов цены на нефть для 2010 г., разработанных в Российской Федерации: Концепция долгосрочного развития 2020 (2008 г.) — 99 долл. США за
баррель, Банк России (2009 г.) — 59 долл. США, Минэкономразвития (2010 г.) —
75 долл. США.
Системные ошибки в прогнозах означают только то, что не полностью понимается механизм формирования цен на сырье. Неадекватно распознаются фундаментальные факторы, воздействующие на цены, и влияние, которое они оказывают. Прогнозы носят технический, не содержательный характер.
Но справедливо отметить, что даже понимание механизма формирования
цен на сырье может не прибавить прогнозам точности, поскольку формирующие
их факторы могут сами по себе нести высокую неопределенность (будучи результирующим многих слагаемых).
В этом случае максимум чего реально достичь — указать направление движения цен и оценить масштаб их колебаний в пределах 5—10 лет, рассматривая
цены на сырье как функцию от формирующих их факторов.
При этом динамика факторов (в свою очередь, являющихся зависимыми переменными в глобальной экономике) должна бы стать самостоятельным объектом значимого, а не технического прогнозирования, если это возможно.

12
Международная практика прогнозирования цен на финансовых рынках

1. Ключевые факторы и причинноследственные связи, формирующие мировые цены на сырье