Posibniki.com.ua › Інформатика › Нелінійні моделі економічних процесів › 2.3 Фрактальні структури в економічному аналізі


< Попередня  Змiст  Наступна >

2.3 Фрактальні структури в економічному аналізі


Оскільки економіка, як складна, систематично змінювана нелінійна система, органічно проявляє себе як фрактальна структура, їй притаманна відповідно фрактальна поведінка: неперервне відстеження числових значень економічного чинника надає не чіткий геометричний образ у вигляді ліній, а розпливчастий — своєрідну трубку значень, у середині якої лежить числова інформація.

2.3.1. Показник Херста (Н)

Спершу він був запропонований для вивчення часових рядів природних явищ, але згодом поширився на економічні системи.

Автор [23] вводить співвідношення де ліворуч стоїть нормований розмах (відношення класичного розмаху — різниці між максимальним і мінімальним значеннями певного досліджуваного економічного показника до стандартного відхилення цього показника як деякої випадкової величини; N — кількість спостережень; a — деяка константа; Н — показник Херста. Це співвідношення вимагає мінімальної кількості припущень щодо досліджуваної системи й дозволяє класифікувати часові ряний: якщо в попередньому періоді спостерігалось зростання, то, найімовірніше, у поточному відбудеться спад, і навпаки. Це так знане повернення до середнього значення. Такий ряд більш варіативний або волатильний, ніж випадковий, бо чергуються спади з підйомами; 3) для має місце персистентний або трендостійкий ряд. Якщо значення показника Херста Н зростає у попередній період, то, найімовірніше, тенденція зберігатиметься в майбутньому деякий час, і навпаки. Чим ближче значення Н до 0,5, тим менше спостерігатинівський рух). Якщо Н ? 1, то відповідна крива накопичень часового ряду стає плавнішою і менш зазубленою (вищербленою).

H Na S R ?= ,(2.3) () () H Na S R ?= ,(2.3) ди, а саме: 1) для Н = 0,5 спостереження не є незалежними, має місце випадковий ряд, що не підпорядковується нормальному закону розподілу; 2) для

5,00H — ряд антиперсистент

5,00Hди, а саме: 1) для Н = 0,5 спостереження не є незалежними, має місце випадковий ряд, що не підпорядковується нормальному закону розподілу; 2) для

5,00H — ряд антиперсистент

15,0<<H

15,0<<Hметься тренд, і навпаки — наближення до Н = 1 засвідчує силу персистентності (стійкості тренда).

Персистентний часовий ряд, визначений для

15,0?<H , — фрактал (узагальнений броу

15,0?<H меться тренд, і навпаки — наближення до Н = 1 засвідчує силу персистентності (стійкості тренда).

Персистентний часовий ряд, визначений для

15,0?<H , — фрактал (узагальнений броу

Показник Н Херста дає змогу відрізняти випадковий ряд від невипадкового. У довгочасному масштабі система, яка продукує статистику Херста, є результат довгого потоку взаємозв’язаних подій: залишковий вплив далеких подій завжди помітний. Показник Херста є мірою зазубленості часового ряду. Величина, обернена до Н, — фрактальна розмірність. Фрактальний часовий ряд ніби відокремлює випадковий ряд детермінованої системи, збуреної випадковими подіями. ричний закон Херста дає добре наближення для коротких рядів.

aNH S R logloglog+= ) оцінювати нахил () S R як функцію N, то отримується оцінка показника Н, яка не пов’язана з припущеннями про закон розподілу. () S R спостереження стають випадковими і плутаними. Ця властивість дозволяє визначити середню довжину циклу системи, що є довгочасність, після завершення якої втрачається пам’ять про початкові умови.

Має місце емпірична формула [23]:

Для N = 200 S R спостереження стають випадковими і плутаними. Ця властивість дозволяє визначити середню довжину циклу системи, що є довгочасність, після завершення якої втрачається пам’ять про початкові умови.

Має місце емпірична формула [23]: () ()

2 log log n S R H= ,

Метод () S R аналізу нормованого розмаху надзвичайно стійкий, не вимагає припущення про нормальний розподіл. Справді, якщо в подвійних логарифмічних координатах (шляхом логарифмування виразу (2.3) має місце рівність ()() aNH S R logloglog+= ) оцінювати нахил () S R як функцію N, то отримується оцінка показника Н, яка не пов’язана з припущеннями про закон розподілу.

Для N = 200 () S R спостереження стають випадковими і плутаними. Ця властивість дозволяє визначити середню довжину циклу системи, що є довгочасність, після завершення якої втрачається пам’ять про початкові умови.

Має місце емпірична формула [23]: () ()

2 log log n S R H= , де n — кількість спостережень, оцінювання показника Херста за значеннями () S R . Цей емпі

Фрактальна розмірність d випадкового блукання лежить між кривою (d = 1) і площиною (d = 2), що реалізується формулою Hd?=2.

Перемішування даних руйнує структуру системи, воно може зробити дані незалежними. Якщо сукупність даних не мала ефекту довгочасної пам’яті, то операція перемішування сприяє зростанню показника Н Херста, і навпаки.

Зауваження. Фрактальні часові ряди маються довгу, але скінченну пам’ять. Подібне спостерігаєтьсяу відношенні між природними і математичними фракталами: перші мають межу скейлінгу, а масштабна інваріантність других безмежна. (d = 2), що реалізується формулою Hd?=2.

Перемішування даних руйнує структуру системи, воно може зробити дані незалежними. Якщо сукупність даних не мала ефекту довгочасної пам’яті, то операція перемішування сприяє зростанню показника Н Херста, і навпаки.

Зауваження. Фрактальні часові ряди маються довгу, але скінченну пам’ять. Подібне спостерігаєтьсяу відношенні між природними і математичними фракталами: перші мають межу скейлінгу, а масштабна інваріантність других безмежна.

Фрактальна розмірність d випадкового блукання лежить між кривою (d = 1) і площиною (d = 2), що реалізується формулою Hd?=2.

Перемішування даних руйнує структуру системи, воно може зробити дані незалежними. Якщо сукупність даних не мала ефекту довгочасної пам’яті, то операція перемішування сприяє зростанню показника Н Херста, і навпаки.

Зауваження. Фрактальні часові ряди маються довгу, але скінченну пам’ять. Подібне спостерігаєтьсяу відношенні між природними і математичними фракталами: перші мають межу скейлінгу, а масштабна інваріантність других безмежна.

2.3.2. Метод нормованого розмаху в аналізі ринку капіталу

Використовуються два важливі з інформаційного погляду чинники — показник Херста Н закону розподілу. Якщо вико аналізу

нується нерівність 10<<H, то ряд є фрактальним. і середня довжина циклу. Коли

5,0?H , то немає нормальногонується нерівність 10<<H, то ряд є фрактальним.

2.3.2.1. Методика () S R

Автор [23] користується власноруч уведеним поняттям «логарифмічного прибутку» t S , використовуючи формулу де t P є ціна на момент часу t. Величина у підходить краще, ніж процентна зміна цін, бо «логарифмічні прибутки» додаються, накопичуючись, на відміну від процентних змін.

Зауваження. На першу думку, справедливіше буде говорити про деякий логарифмічний показник t S .

Зауваження. На першу думку, справедливіше буде говорити про деякий логарифмічний показник t S .

Ціни (дані за кожен місяць протягом 40 років) перетворюються на логарифмічний прибуток числом 480. Починаючи з 6-місячних приростів, ряд ділиться на 80 незалежних відрізків.

Обчислюється розмах R для кожного з періодів. Вони нормуються, отримуючи 80 окремихцих спостережень отримується оцінка

S R для N = 6 місяців.

Продовжується підрахунок для N = 7, 8, 9, …, 240.

Продовжується підрахунок для N = 7, 8, 9, …, 240. () S R спостережень. За допомогою осереднення () S R для N = 6 місяців.

Продовжується підрахунок для N = 7, 8, 9, …, 240.

Сукупність розрахунків для всіх N дозволяє оцінити регресійну залежність () S R logN: нахил лінії регресії дає оцінку величини Н.

на log

Завжди знайдеться точка, починаючи з якої буде губитися пам’ять про початкові умови. Проводячи паралелі з природними фракталами, висловлюється гіпотеза, що процеси з довгочасною пам’яттю скінченні, а сам обсяг пам’яті визначається структурою нелінійної динамічної системи, що породжує фрактальний часовий ряд.

Часові ряди в економіці зазвичай короткі, тож варто ставитися до результатів аналізу критично і уважно. Важлива візуальна оцінка даних для подвійної логарифмічної кривої.

2.3.2.2. Фондовий ринок

Тепер розглянемо приклад щодо фондового ринку. Результати застосування методики () S R аналізу на підґрунті щомісячних даних за 38 років для цінних паперів однієї компанії США, що котируються на фондовому ринку [23], графічно відображено на рис. 2.2 і 2.3. На першому з них зображено криву в подвійних логарифмічних координатах. Процес із довгочасною пам’яттю спостерігається протягом 48 місяців. Так звані «логарифмічні прибутки», що лежать один від іншого на відстані понад 48 місяців, у середньому мають лівосторонню кореляцію, тобто відбувається поворот регресійної прямої ліворуч (проти часової стрілки).

Зауваження. Графічну інформацію (рис. 2.2 — 2.11) запозичено з праці [23].

Рис. 2.2. )Рис. 2.3. Оцінка довжини циклу (абсциса N — кількість років; ордината — показник Херста Н)

Рис. 2.2. )

Рис. 2.3. Оцінка довжини циклу (абсциса N — кількість років; ордината — показник Херста Н)

На рис. 2.4 зображено графік показника Н, розрахованого за регресіями для N = 3; 3,5; 4; 4,5 і 5 років. Має місце пік для N = 4 і Н = 0,78. Ця оцінка свідчить, що фондовий ринок є фрактальним.

Застосування процедури перемішування до ряду щомісячних прибутків зображено на рис. 2.5.У цьому разі отримується Н = 0,50. Отже, перемішування руйнує структуру довгочасної пам’яті початкового ряду, перетворюючи його на незалежний, який уже не показує зламу кривої. Перемішаний ряд має властивості випадкових блукань. () S R нормованого розмаху дозволяє пересвідчитися, що припущення про незалежність, нехтування ефектом довгочасної пам’яті є серйозним недоліком. Ринкові процеси описуються персистентними часовими рядами з фрактальним розподілом імовірностей.

Зауваження. Фрактальний розподіл імовірностей означає, що нормальний закон не діє, гладка крива Гаусса на різних інтервалах апроксимується різноманітними функціональними залежностями. Насправді спостерігається «довгий хвіст» кривої розподілу.

Велике значення показника Херста Н означає менше шуму, більшу персистентність і ясність тренда на противагу малим Н. Більші величини Н означають менший ризик, але існує ймовірність різкого падіння акцій, а це теж певний ризик.4,5 і 5 років. Має місце пік для N = 4 і Н = 0,78. Ця оцінка свідчить, що фондовий ринок є фрактальним.

Застосування процедури перемішування до ряду щомісячних прибутків зображено на рис. 2.5.У цьому разі отримується Н = 0,50. Отже, перемішування руйнує структуру довгочасної пам’яті початкового ряду, перетворюючи його на незалежний, який уже не показує зламу кривої. Перемішаний ряд має властивості випадкових блукань. () S R нормованого розмаху дозволяє пересвідчитися, що припущення про незалежність, нехтування ефектом довгочасної пам’яті є серйозним недоліком. Ринкові процеси описуються персистентними часовими рядами з фрактальним розподілом імовірностей.

Зауваження. Фрактальний розподіл імовірностей означає, що нормальний закон не діє, гладка крива Гаусса на різних інтервалах апроксимується різноманітними функціональними залежностями. Насправді спостерігається «довгий хвіст» кривої розподілу.

Велике значення показника Херста Н означає менше шуму, більшу персистентність і ясність тренда на противагу малим Н. Більші величини Н означають менший ризик, але існує ймовірність різкого падіння акцій, а це теж певний ризик.2.5.У цьому разі отримується Н = 0,50. Отже, перемішування руйнує структуру довгочасної пам’яті початкового ряду, перетворюючи його на незалежний, який уже не показує зламу кривої. Перемішаний ряд має властивості випадкових блукань. () S R нормованого розмаху дозволяє пересвідчитися, що припущення про незалежність, нехтування ефектом довгочасної пам’яті є серйозним недоліком. Ринкові процеси описуються персистентними часовими рядами з фрактальним розподілом імовірностей.

Зауваження. Фрактальний розподіл імовірностей означає, що нормальний закон не діє, гладка крива Гаусса на різних інтервалах апроксимується різноманітними функціональними залежностями. Насправді спостерігається «довгий хвіст» кривої розподілу.

Велике значення показника Херста Н означає менше шуму, більшу персистентність і ясність тренда на противагу малим Н. Більші величини Н означають менший ризик, але існує ймовірність різкого падіння акцій, а це теж певний ризик.

На рис. 2.4 зображено графік показника Н, розрахованого за регресіями для N = 3; 3,5; 4; 4,5 і 5 років. Має місце пік для N = 4 і Н = 0,78. Ця оцінка свідчить, що фондовий ринок є фрактальним.

Застосування процедури перемішування до ряду щомісячних прибутків зображено на рис. 2.5.У цьому разі отримується Н = 0,50. Отже, перемішування руйнує структуру довгочасної пам’яті початкового ряду, перетворюючи його на незалежний, який уже не показує зламу кривої. Перемішаний ряд має властивості випадкових блукань.

Метод () S R нормованого розмаху дозволяє пересвідчитися, що припущення про незалежність, нехтування ефектом довгочасної пам’яті є серйозним недоліком. Ринкові процеси описуються персистентними часовими рядами з фрактальним розподілом імовірностей.

Зауваження. Фрактальний розподіл імовірностей означає, що нормальний закон не діє, гладка крива Гаусса на різних інтервалах апроксимується різноманітними функціональними залежностями. Насправді спостерігається «довгий хвіст» кривої розподілу.

Велике значення показника Херста Н означає менше шуму, більшу персистентність і ясність тренда на противагу малим Н. Більші величини Н означають менший ризик, але існує ймовірність різкого падіння акцій, а це теж певний ризик.

39

2.3.2.3. Ринок облігацій

Дослідження дохідності казначейських облігацій протягом тридцяти років за допомогою методу () S R нормованого розмаху відображено на рис. 2.6 і 2.7.

Рис. 2.6.Результати () S R аналізу щомісячних даних

Отримано оцінку Н = 0,68 і довжину циклу п’ять років, що збігається із циклом американського промислового виробництва.

Отримано оцінку Н = 0,68 і довжину циклу п’ять років, що збігається із циклом американського промислового виробництва.

Рис. 2.7.Результати () S R аналізу з використанням усереднених 3-, 6- і 12-місячних доходів

Отримано Н = 0,65, але циклу немає.

Отримано Н = 0,65, але циклу немає.

2.3.2.4. Курси валют

Застосування методу () S R нормованого розмаху у вивченні обмінного курсу чотирьох валют (японської ієни, фунта стерлінгів, німецької марки і сінгапурського долара) щодо американського долара показало (рис. 2.8—2.11), що для перших трьох валют характерний високий рівень персистентності, для паритету між сінгапурським і американським доларом отримано випадковий ряд.

41 Метод показники Херста вказують на те, що тренди валют не досить персистентні, порівнюючи їх з акціями.

Метод показники Херста вказують на те, що тренди валют не досить персистентні, порівнюючи їх з акціями.

Резюме

У розділі 2 для опису слабо структурованих економічних систем розглянуто концепції фрактального аналізу — зручний сучасний математичний апарат, який може стати ефективним інструментом моделювання багатьох проблем ринкової економіки. Стисло й доступно подано інформацію (основні поняття та ідеї) про фрактали, потрібну для успішного аналізу і синтезу дискретних нелінійних економічних процесів. Викладено методику застосування () S R аналізу — послідовність дій для практичного використання методу нормованого розмаху на прикладі аналізу ринку капіталів, фондового ринку, обмінних курсів основних валют світу і ринку облігацій. Отже, з’являється реальна можливість реалізувати одвічне бажання економіста — дізнатися про майбутній характер подій на ринку товарів, яке задовольняється певною мірою. З’являється можливість заздалегідь підготуватися до негативного розвитку процесів.

Терміни і поняття

Фрактал

Розмірність (топологічна і фрактальна) економічного простору

Самоподібність в економіці

Автомодельність економічної системи

Масштабна інваріантність (скейлінг) у теоретичній економіці

Показник Херста (Н)

Персистемність часового ряду

Метод () S R аналізу

Питання дляперевірки знань

1. Розкрийте зміст поняття «фрактал».

2. Чим викликаний в економіці інтерес до теорії фракталів?

3. Сутність фрактального підходу в економіці.

4. Наведіть приклади фракталів в економіці.

5. Ваше розуміння розмірності економічного простору.

6. Наведіть приклади застосування дробової розмірності.

7. Основний концепт фрактальної розмірності.

8. У якому відношенні знаходяться хаусдорфова і топологічна розмірності?

9. Типові риси фрактальних об’єктів.

10. Поясніть самоподібність в економіці.

11. Що таке автомодельність?

12. Призначення коефіцієнта подібності.

13. Порівняйте відомі вам визначення фрактала, виокремте головне.

14. Сформулюйте дефініції а) однорідної і б) неоднорідної фрактальної множини.

15. Зміст афінного перетворення.

16. Тлумачення поняття «скейлінг» стосовно економіки.

17. Опишіть економічну подібність, знаючи про геометричну і фізичну.

18. Самоафінна множина з погляду економіста.

19. Принципова особливість афінного перетворення, його застосування в економіці.

20. Сфери використання результатів теорії фракталів в економічному аналізі.

Завдання для індивідуальної роботи

Теми рефератів

1. Ідеографія результатів теорії фракталів.

2. Фрактальний аналіз у проекції на економічну проблематику.

3. Автомодельність у моделюванні економіки.

Тематика курсових робіт

На підґрунті матеріалу підрозділу 2.3.2 дослідити:

— фондовий ринок України;

— ринок облігацій української держави;

— обмінний курс валют «гривня — американський долар».

Список використаних і рекомендованих джерел для поглибленого вивчення матеріалу

Гринберг А. С. Информационные технологии моделирования процессов управления экономикой : учеб. пособие для вузов / А. С. Гринберг, В. М. Шестаков. — М. : ЮНИТИ-ДАНА, 2003. — 399 с.

Квита Г. М. Использование фракталов при исследовании экономических систем, стремящихся к идеалу/ Г. М. Квита // Моделювання та інформатизація соціально-економічного розвитку України : зб. наук. пра. — К.: ДНДІІМЕ, 2003. — Вип. 3. — С. 64—69.

Коханенко И. К. Фрактальна топология и динамика экономических систем, И. К. Коханенко // Экономика и математические методы. — 2007. — Т. 43. — № 1. — С. 87—96.

Чуличков А. И. Математические модели нелинейной динамики / А. И. Чуличков. — 2-е изд,. испр. — М.: Физматлит, 2003. — 296 с. (гл. 6).


< Попередня  Змiст  Наступна >
Iншi роздiли:
3.2. Канонічні моделі нелінійної динаміки в економіці
3.3. Моделі соціально-економічної динаміки
3.4. Дослідження на стійкість траєкторій нелінійних динамічних систем
Властивості відображення А (х):
РОЗДІЛ 4. РІВНОВАГА і НЕРІВНОВАГА, СТІЙКІСТЬ і НЕСТІЙКІСТЬ ДИНАМІЧНИХ МОДЕЛЕЙ ЕКОНОМІКИ



Дисциплiни

Англійська моваБанківська справаБухгалтерський облікЕкономікаМікроекономікаМакроекономікаЕтика та естетикаІнформатикаІсторіяМаркетингМенеджментПолітологіяПравоСтатистикаФілософіяФінанси

Бібліотека підручників та статтей Posibniki