Strona główna

Zmienne w modelach prognostycznych

          W procesie prognozowania najczęściej poszukuje się zmiennych objaśniających, które wynikają wprost z teorii wyceny danego instrumentu finansowego. W modelu Gordona jest to np. dynamika zysków przedsiębiorstw. Jednak często zmienne te nie wyjaśniają zachowania się instrumentów finansowych w wystarczającym stopniu. W teorii zakłada się np. że inwestorzy zachowują się racjonalnie, co nie musi być prawdą zwłaszcza na rynkach finansowych. Pamiętajmy, że cena rynkowa zależy od popytu i podaży na dany instrument. Na te z kolei mogą wpływać inne czynniki, które nie wynikają wprost z teorii. Dlatego w analizie rynków wykorzystuje się także inne zmienne, które mogą w jakiś sposób wyjaśniać zachowanie się badanego szeregu czasowego. Mogą to być np.:

  • wielkości makroekonomiczne (CPI, PPI, PKB, stopa bezrobocia, liczba nowych miejsc pracy itp.)
  • sygnały analizy technicznej (wskaźniki, oscylatory, formacje, fale, trendy, wybicia i inne)
  • stopy zwrotów innych instrumentów finansowych (np. ceny ropy)
  • zmienne opisujące efekty dni tygodnia, miesiąca (efekt stycznia), godziny
  • historyczne stopy zwrotu badanego szeregu czasowego (autokorelacja)
  • rozpiętość (spread) dowolnych instrumentów finansowych np. obligacji lub stóp procentowych, krzywych terminowych itp.
  • prognozy rynkowe oczekiwanych danych makroekonomicznych, wyników finansowych spółek itp.
  • nieoczekiwane informacje napływające na rynek (różnica pomiędzy prognozą a wartością opublikowaną danego wskaźnika)
  • wskaźniki pochodzące ze sprawozdań finansowych, np. ROE, marża zysku, dynamika przychodów
  • zmienne opóźnione w czasie
  • dowolne wielkości jakościowe lub ilościowe

Przed wykorzystaniem tych zmiennych w prognozowaniu, należy najpierw przebadać czy rzeczywiście mają one istotny wpływ na badany proces.