В исследованиях экономических явлений и процессов возникают ситуации, в которых для одного моделируемого объекта создаются различные эконометрические модели. Такие модели имеют, как правило, различную точность прогнозов количественных характеристик изучаемого объекта и, быть может, отличаются составом объясняющих переменных.
В работах [1] и [2] предложен подход к оптимальному комбинированию прогнозов количественной характеристики объекта по различным эконометрическим моделям. В основании данного подхода лежит предположение, что прогнозируемая количественная характеристика объекта не изменяется во времени, т.е. является числом. В настоящей работе этот подход распространяется на важную для практики (и теории) ситуацию, когда прогнозируемая характеристика объекта является некоторой непрерывной функцией времени . Например, - вероятность дефолта некоторой фирмы в момент времени .
В свою очередь, эконометрические модели с непрерывным временем, по которым прогнозируется функция , чаще всего имеют облик стохастических дифференциальных уравнений [3, глава 10].
Постановка задачи
Предполагается, что имеется эконометрических моделей с непрерывным временем (например, ), каждая из которых доставляет некоторую оценку функции на промежутке времени . Обозначим эти оценки символами
Задача заключается в отыскании такой комбинации функций , которая оказалась бы ближе к искомой функции , чем каждая из функций в отдельности.
Точная постановка этой задачи требует следующих предположений. Во-первых, предполагается, что каждая оценка имеет структуру:
где - случайная погрешность оценки . Эта погрешность, по предположению является случайным процессом с количественными характеристиками
где - оператор математического ожидания, - автоковариационная функция.
Во-вторых, известны взаимные автоковариационные функции случайных процессов и в один и тот же момент времени :
В-третьих, искомую оптимальную оценку функции будем отыскивать в виде линейной комбинации
Коэффициенты комбинации (5) подчиним двум требованиям оптимальности (6) и (7):
Требование (6) означает несмещенность оценки (5) в каждый момент времени . Требование (7) имеет смысл минимальной средней по времени дисперсии оценки (5) и представляет собой естественное обобщение на функциональный случай требования [2, (7)] минимума дисперсии в статической ситуации. Подчеркнем, что (6)-(7) - это задача на условный экстремум с интегральным функционалом качества.
Решение задачи (6), (7)
Сначала обратимся к условию несмещенности (6). Как и в статическом случае [2, (6)], требование (6) равносильно ограничению [2, (3)] на искомые коэффициенты оценки (5):
где - строка из единиц, - вектор искомых коэффициентов.
С учетом (8), (3) и (4) требование оптимальности (7) принимает вид:
где
усредненная по времени ковариационная матрица случайного векторного процесса .
Принимая во внимание (8) и (9), приходим к следующему виду задачи (6)-(7):
Видим, что (11) - классическая задача математического программирования аналогичная задаче [2, (15)] в статической ситуации. Решение задачи (11) методом Лагранжа [4, стр. 156] доставляет вектор искомых коэффициентов оптимальной комбинации (5):
Пример
Получим решение (12) в подробной записи для частного случая в предположении, что векторный случайный процесс является совместно стационарным [5, стр.589]. Это значит, что дисперсии и взаимная ковариация компонент вектора не зависят от времени. В такой ситуации усредненная ковариационная матрица вектора оказывается такой:
и правило (12) в подробной записи принимает вид:
Здесь и - дисперсии погрешностей и , - ковариация погрешностей и .
Замечание. Обратите внимание, что в общем случае один из коэффициентов (14) может быть и отрицательным. Добавим, что в знаменателе формул (14) находится величина, имеющая смысл дисперсии стационарного случайного процесса
Если , то расчет по правилам (14) невозможен, и оптимальная комбинация (5) не существует! Такая ситуация возникает, например, в случае
т.е. при полном совпадении второй и первой моделей. Другими словами, уточнить единственную модель , создавая вторую модель по правилу (16), не удастся, что согласуется со здравым смыслом.
Литература
1. Бывшев В.А., Богомолов А.Н., Костюнин В.Н. Массовая оценка стоимостных показателей объектов недвижимости: от модели к системе. Вестник Финансовой академии №3(43), 2007 г., Москва, стр. 14-24.
2. Бывшев В.А., Богомолов А.Н., Костюнин В.Н. Системный подход к интеграции моделей и данных для прогноза динамики экономических показателей. «Бизнес Информ», №2(1) 2009, Украина, Харьков, стр. 4-6.
3. Т. Дж. Уотшем, К. Паррамоу Количественные методы в финансах. М., «Финансы», 1999
4. Бывшев В.А. Эконометрика. М., «Финансы и статистика», 2008
5. Г. Корн, Т. Корн Справочник по математике для научных работников и инженеров. «Наука», М., 1973