Нелинейные векторные авторегрессии в краткосрочном прогнозировании цен

Для принятия эффективного экономического решения необходимо иметь представление о возможном состоянии в будущем объекта принятия решений и его окружения, получаемое с помощью прогнозирования. Чем точнее выполняются прогнозы, тем меньше неопределённости в ситуации принятия решений, и тем эффективнее принимаемые решения. Поэтому повышение точности экономического прогнозирования является важной научной задачей. Одним из новых направлений в экономическом прогнозировании является прогнозирование с помощью моделей векторных авторегрессий. Но практическое применение этих моделей затруднено, поскольку с ростом размерности вектора авторегрессии количество коэффициентов модели растёт нелинейно и возникают серьёзные вычислительные сложности при построении таких моделей. Нами предлагаются к использованию комплекснозначные векторные авторегрессии, которые проще векторных авторегрессий действительных переменных, поскольку содержат вдвое меньшее количество коэффициентов, значения которых следует оценить статистическими методами. На примере рынка мировых цен на цветные металлы нами был сформирован восьмимерный вектор цен на них – драгоценные и недрагоценные. На основе статистических данных этого вектора были построены две линейные векторные авторегрессии действительных и комплексных переменных, а также две нелинейные модели векторных авторегрессий действительных и комплексных переменных. Показано, что нелинейная комплекснозначная векторная авторегрессия является лучшей моделью из этих четырёх моделей как с позиций байесовского информационного критерия, так и с позиций точности краткосрочного экономического прогнозирования, что было проверено на последних статистических данных. Рекомендуется для краткосрочного экономического прогнозирования цен использовать нелинейные комплекснозначные авторегрессии. Возможность использования комплекснозначных векторных авторегрессий при краткосрочном прогнозировании других экономических показателей следует выяснять с помощью дополнительных исследований по методике, изложенной в статье. Доказательство эффективности использования комплекснозначных векторных авторегрессий в краткосрочном экономическом прогнозировании является основанием для построения в дальнейшем комплекснозначных моделей векторных авторегрессий размерности более 10, что чрезвычайно сложно или невозможно для векторных авторегрессий действительных переменных.