УДК 336.76 DOI 10.24411/2413-046Х-2020-10834 ПРОГНОЗИРОВАНИЕ ИНВЕСТИЦИОННЫХ ПРЕДПОЧТЕНИЙ ЧАСТНЫХ ИНВЕСТОРОВ FORECASTING INVESTMENT PREFERENCES OF PRIVATE INVESTORS Попова Т.А., доцент, кандидат экономических наук, доцент кафедры «Финансовый рынок и финансовые институты», Новосибирский государственный университет экономики и управления «НИНХ», Россия, г. Новосибирск Козимирова А.Н., факультет «Финансовый рынок и финансовый инжиниринг», Новосибирский государственный университет экономики и управления «НИНХ», Россия, г. […]
DOI 10.24411/2413-046Х-2020-10833 Анализ методологии определения эффективности и уровня инновационности в агропромышленном комплексе Республики Коми Analysis of the methodology for determining the effectiveness and level of innovation in the agro-industrial complex of the Komi Republic Статья подготовлена в рамках государственного задания № 0412-2019-0051 по разделу Х 10.1., подразделу 139 Программы ФНИ государственных академий на 2020 год, […]
УДК 334.012 DOI 10.24411/2413-046Х-2020-10832 РАЗРАБОТКА ОРГАНИЗАЦИОННО-ЭКОНОМИЧЕСКИХ МЕХАНИЗМОВ В ЦЕЛЯХ ЭФФЕКТИВНОГО РАЗВИТИЯ ПРЕДПРИЯТИЙ ИНВЕСТИЦИОННО-СТРОИТЕЛЬНОГО КОМПЛЕКСА ПЕНЗЕНСКОЙ ОБЛАСТИ DEVELOPMENT OF ORGANIZATIONAL AND ECONOMIC MECHANISMS FOR THE PURPOSE OF EFFECTIVE DEVELOPMENT OF ENTERPRISES INVESTMENT AND CONSTRUCTION COMPLEX OF THE PENZA REGION Шлапакова Наталья Александровна, кандидат экономических наук, доцент кафедры «Экономика, организация и управление производством», Федеральное государственное бюджетное образовательное […]
DOI 10.24411/2413-046Х-2020-10831 ИССЛЕДОВАНИЕ ПРОЧНОСТИ И ОГНЕСТОЙКОСТИ ЖЕЛЕЗОБЕТОННЫХ КОНСТРУКЦИЙ С ДОБАВЛЕНИЕМ ФИБРЫ И ЭКОНОМИЧЕСКИЕ ПОКАЗАТЕЛИ ИХ ПРИМЕНЕНИЯ THE STUDY OF DURABILITY AND FIRE RESISTANCE CONCRETE STRUCTURES WITH FIBRE AND ECONOMIC PERFORMANCE OF THEIR APPLICATION Базанов Сергей Владимирович, преподаватель кафедры комплексной безопасности в строительстве, Московский Строительный Государственный Университет Bazanov Sergey Vladimirovich, Moscow State University Of Civil Engineering […]
УДК 338.43 DOI 10.24411/2413-046Х-2020-10830 ОЦЕНКА СОВРЕМЕННОГО СОСТОЯНИЯ ОХОТОВОДСТВА В ПЕРМСКОМ КРАЕ ASSESSMENT OF THE CURRENT STATE OF CATTLE BREEDING IN THE PERM REGION Давлетов Ильдар Ильдусович, кандидат экономических наук, доцент, Пермский государственный аграрно-технологический университет имени академика Д.Н. Прянишникова, г. Пермь, Российская академия народного хозяйства и государственной службы при президенте РФ Пермский филиал, г. Пермь Davletov […]
УДК 338.43 DOI 10.24411/2413-046Х-2020-10829 ПЕРСПЕКТИВЫ РАЗВИТИЯ ОТРАСЛИ ОВЦЕВОДСТВА В ПЕРМСКОМ КРАЕ PROSPECTS FOR THE DEVELOPMENT OF THE SHEEP INDUSTRY IN THE PERM REGION Свечникова Татьяна Михайловна, старший преподаватель кафедры организации аграрного производства, Пермский государственный аграрно-технологический университет имени академика Д.Н. Прянишникова, г. Пермь Svechnikova Т.М., dobroe5@yandex.ru Аннотация. В статье анализируется рейтинг регионов Приволжского федерального округа по […]
УДК 338.43 DOI 10.24411/2413-046Х-2020-10828 ОЦЕНКА КАЧЕСТВА ПРОИЗВОДСТВА МЯСНОЙ ПРОДУКЦИИ В СООТВЕТСТВИИ С МЕЖДУНАРОДНЫМИ СТАНДАРТАМИ QUALITY ASSESSMENT OF MEAT PRODUCTION IN ACCORDANCE WITH INTERNATIONAL STANDARDS Давлетов Ильдар Ильдусович, кандидат экономических наук, доцент, доцент кафедры менеджмента, Пермский государственный аграрно-технологический университет имени академика Д.Н. Прянишникова, г. Пермь, Российская академия народного хозяйства и государственной службы при президенте РФ Пермский […]
УДК 332.2.021 DOI 10.24411/2413-046Х-2020-10903 МЕХАНИЗМ УПРАВЛЕНИЯ РАЗВИТИЕМ СЕЛЬСКИХ ТЕРРИТОРИЙ РЕГИОНА (НА ПРИМЕРЕ УРФО) THE MECHANISM OF MANAGING THE DEVELOPMENT OF RURAL TERRITORIES OF THE REGION (ON THE EXAMPLE OF THE URFO) Пустуев А.А., ФГБОУ ВО «Уральский государственный юридический университет», г. Екатеринбург Мустафина О.В., ФГБОУ ВО «Уральский государственный экономический университет», г. Екатеринбург Перминова И.М., ФГБОУ ВО […]
УДК 330 DOI 10.24411/2413-046Х-2020-10902 КОНКУРЕНТНЫЕ ВОЗМОЖНОСТИ МАЛОГО И СРЕДНЕГО БИЗНЕСА В ОБЕСПЕЧЕНИИ УСТОЙЧИВОГО ЭКОНОМИЧЕСКОГО РОСТА В НАЦИОНАЛЬНОЙ ЭКОНОМИКЕ COMPETITIVE OPPORTUNITIES OF SMALL AND MEDIUM BUSINESSES IN PROVIDING SUSTAINABLE ECONOMIC GROWTH IN THE NATIONAL ECONOMY Лазутина Антонина Леонардовна, кандидат экономических наук, доцент, НГПУ им. К. Минина (Мининский университет), г. Нижний Новгород; ИПТД (Институт пищевых технологий и […]
УДК 330.15 DOI 10.24411/2413-046Х-2020-10899 Тенденции развития сферы медицинского здравоохранения в России на опыте социально-экономических трансформаций зарубежных стран и регионов Trends in the development of medical healthcare in Russia based on the experience of socio-economic transformations in foreign countries and regions Валишина Галия Лутфуллаевна, кандидат технических наук, доцент, НАО «Медицинский университет Астана», Республика Казахстан Атабаев Адыл […]
ПРОГНОЗИРОВАНИЕ ИНВЕСТИЦИОННЫХ ПРЕДПОЧТЕНИЙ ЧАСТНЫХ ИНВЕСТОРОВ
FORECASTING INVESTMENT PREFERENCES OF PRIVATE INVESTORS
Попова Т.А., доцент, кандидат экономических наук, доцент кафедры «Финансовый рынок и финансовые институты», Новосибирский государственный университет экономики и управления «НИНХ», Россия, г. Новосибирск
Козимирова А.Н., факультет «Финансовый рынок и финансовый инжиниринг», Новосибирский государственный университет экономики и управления «НИНХ», Россия, г. Новосибирск
Popova T.A., associate Professor, candidate of economic Sciences, associate Professor of the Department “Financial market and financial institutions”, Novosibirsk state University of Economics and management “NINH», Russia, Novosibirsk
Kazimirova A.N., faculty of “Financial market and financial engineering”, Novosibirsk state University of Economics and management “NINH», Russia, Novosibirsk
Аннотация. С каждым годом увеличивается количество частных инвесторов на финансовом рынке. Прогнозирование инвестиционных предпочтений инвесторов является одним из наиболее важных аспектов, поскольку активность на финансовом рынке отражается на экономике всей страны. В статье рассмотрена методика, которая позволяет провести прогноз структуры инвестиционного портфеля и количества частных инвесторов на рынке. Апробация методики выполнена с использованием статистики по ИИС. По результатам исследования были определены факторы, которые в большей степени влияют на количество инвесторов на рынке. Проведено исследование поисковых запросов в социальных сетях, которые влияют на динамику инвестиционного портфеля инвестора. Построена прогнозная модель, в рамках которой был дан прогноз количества инвесторов на конец года.
Summary. The number of private investors in the financial market is increasing every year. Forecasting the investment preferences of investors is one of the most important aspects, since activity in the financial market affects the economy of the entire country. The article discusses a technique that allows you to forecast the structure of the investment portfolio and the number of private investors in the market. Approbation of the methodology was performed using individual investment account statistics. Based on the results of the study, the factors that have a greater influence on the number of investors in the market were identified. A study of search queries in social networks, which affect the dynamics of the investor’s investment portfolio, was carried out. A forecast model was built, within the framework of which a forecast of the number of investors at the end of the year was given.
С декабря 2018 года на Московской бирже произошел лавинообразный рост числа зарегистрированных клиентов, составив к апрелю нынешнего года уже почти 8 миллионов.
При этом большая их часть – физические лица. Из более 8 млн зарегистрированных клиентов – лишь 26 тыс. лица юридические, 20 тыс. – иностранцы (физические и юридические нерезиденты). Клиентов, передавших свои средства в доверительное управление, – лишь 76,5 тысячи. То есть если число физических зарегистрированных клиентов на ММВБ с января прошлого года выросло в 2,5 раза, то число иностранных физических лиц – лишь в 1,4 раза, а счетов в доверительном управлении – в 1,6 раза [4].
По данным статистики можно сказать, что с каждым годом люди активнее участвуют в инвестициях на фондовом рынке, уходят от привычных банковских вкладов, используя более доходные финансовые инструменты. Для этого необходимо понимание инвестиционных предпочтений инвестора и возможность прогнозирования его поведения на рынке.
Для разработки методического подхода к прогнозированию инвестиционных предпочтений частных инвесторов были проанализированы существующие методы прогнозирования как российских, так и зарубежных авторов. Результаты проведенного анализа представлены в таблице 1.
Критический анализ существующих методических подходов к принятию инвестиционного решения на фондовом рынке показал их недостатки на современном этапе развития. Основными недочетами являются следующие:
1) преимущественное использование графического метода статистического анализа;
2) будущее состояние определяется на основе прошлых показателей, не учитываются новые условия, которые могут повлиять на выбор инвесторов;
3) отсутствие исследования функциональной связи между переменными.
Таким образом возникает необходимость разработки нового методического подхода к прогнозированию инвестиционных предпочтений частных инвесторов, на каждом этапе которого ставятся задачи, решение которых позволит получить обоснованные прогнозные значения количества частных на рынке и направленность в изменении структуры их инвестиционного портфеля.
Авторский методический подход прогнозирования инвестиционных предпочтений частных инвесторов состоит из 5 этапов. Переход к каждому последующему этапу осуществляется только после реализации предыдущего. Схема методического подхода представлена на рисунке 1.
Суть методического подхода заключается в том, что он направлен на анализ и развитие коэффициентного метода прогнозирования инвестиционных предпочтений инвесторов, посредством дополнения математической моделью и динамикой популярности поисковых запросов, которые позволят прогнозировать структуру инвестиционного портфеля и количество частных инвесторов на рынке.
Приведем характеристику каждого из этапов более подробно.
Этап 1. На первом этапе методического подхода стоит задача определить инструмент, при помощи которого частными инвесторы будут инвестировать в ценные бумаги. Исходя из собственных целей, инвестор выбирает тот способ инвестирования, с которым ему будет максимально удобно работать.
Этап 2. Данный этап предполагает, что метод инвестирования уже выбран и теперь необходимо собрать статистику активности инвесторов на рынке. Для сбора данных необходимо пользоваться статистической отчетностью Московской Биржи, Центрального Банка России, данными Росстата и т.д. Подобные агрегаты позволят получить полную картину деятельности частных инвесторов на рынке и провести дальнейшее исследование.
Этап 3. Для анализа данных могут применяться разные методы. Статистические методы анализа данных предназначены для их уплотнения, выявления взаимосвязей и структур.
Ключевым элементом аналитической статистики является система показателей, отражающих цифровую характеристику различных экономических явлений и процессов, а также экономики в целом. Под термином «система показателей» понимается некоторое упорядоченное множество взаимосвязанных и взаимосогласованных показателей, характеризующих основные аспекты экономического процесса и экономику в целом. Согласованность показателей позволяет использовать их в комбинациях, а также исчислять различные производные коэффициенты, имеющие большое аналитическое значение
Этап 4. Данный этап планируется осуществить с использованием Яндекс Wordstat [8] или Google Trends [9]. Это онлайн сервисы, предоставляющие данные о том, сколько раз интернет-пользователи вводили в поисковую строку тот или иной запрос, а также отражают их динамику популярности как по всей стране, так и в разрезе отдельных регионов. Анализ динамики популярности поисковых запросов в текущем месяце может показать, как именно изменится показатель и поможет составить прогноз на будущий период.
Этап 5. Расчет прогнозных значений инвестиционных предпочтений частных инвесторов зависит от многих факторов. О высокой эффективности проведенного исследования можно говорить, если все анализируемые параметры находятся в пределах желаемых показателей.
Определенно, на практике добиться желаемых результатов довольно сложно, поэтому приходится идти на определенные компромиссы. И здесь очень важно правильно составить план исследования, из нескольких взаимосвязанных явлений с разными показателями, которые будут дополнять друг друга повышая эффективность исследования инвестиционных предпочтений частных инвесторов.
Для прогнозирования инвестиционных предпочтений частных инвесторов был разработан алгоритм прогнозирования структуры инвестиционного портфеля и количества частных инвесторов на рынке. Данная методика состоит из 6 этапов, представленных на рисунке 2.
Приведем краткой описание каждого из этапов авторской методики:
Этап 1. Определение инструмента инвестирования должно определяться инвестиционными предпочтениями.
Наиболее популярным инструментом инвестирования для частных инвесторов является вклад, однако в последнее время частные инвесторы обращают свое внимание на фондовый рынок. Наибольшей популярностью пользуется такой финансовый инструмент, как ИИС, у которого есть определенные преимущества по сравнению с другими способами инвестирования. Для апробации методики будет использованы данные по активности инвесторов на ИИС.
Этап 2. Графическое изображение табличных данных позволяет получить общее представление о всей совокупности статистических показателей. В данном исследовании использование графиков позволит сделать вывод об общей активности частных инвесторов на фондовом рынке. Кроме того, графическое исследование позволит выявить наличие тенденций и связей в исследуемых явлениях.
Денежные средства, находящиеся на ИИС, могут быть использованы для вложения в различные ценные бумаги, владением которыми принесет дополнительную прибыль. Таким образом, инвесторы формируют свой инвестиционный портфель.
Инвестиционный портфель – набор финансовых инструментов, в которые инвестор вкладывает свои сбережения. Составляя портфель, инвестор распределяете деньги между различными классами активов: депозитами, ценными бумагами, недвижимостью, паями фондов и так далее. Следовательно, появляется необходимость прогнозирования структуры инвестиционного портфеля частных инвесторов.
Этап 3. На основе статистики поисковых запросов частных инвесторов будут выявлены инвестиционные предпочтения частных инвесторов. При проведении анализа будет использован Google Trends – сервис подбора слов, позволяющий оценить пользовательский интерес к определенной тематике, товару или услуге.
Проведение данного анализа позволит прогнозировать такой показатель как «Народный портфель» или «Портфель частного инвестора» – аналитический продукт Московской биржи, который отражает предпочтения и поведение частных инвесторов на рынке акций [3].
Этап 4. Задачей корреляционного анализа является установление направления (положительное или отрицательное) и формы (линейная, нелинейная) связи между варьирующими признаками, измерению ее тесноты, и, наконец, к проверка уровня значимости полученных коэффициентов корреляции. Регрессионный анализ помогает понять, как меняется типичное значение зависимой переменной, если одна из независимых переменных изменяется, в то время как другие независимые переменные остаются фиксированными. Также данный этап позволит получить математическую модель, которая может быть использована для прогнозирования количества инвесторов на рынке.
После получения уравнения регрессии, рассчитываются точность полученной математической модели. Если показатели являются достаточными, для принятия уравнения регрессии значимым, то данная модель может быть использована для прогноза.
Этап 5. Главное достоинство прогнозной модели, основанной на экспоненциальных средних, состоит в том, что она способна последовательно адаптироваться к новому уровню процесса без значительного реагирования на случайные отклонения.
В процессе прогнозирования и выбора начальных значений или параметров модели возникает задача оценки точности прогнозирования. При разных значениях коэффициента сглаживания оценка точности прогноза будет отличаться.
Этап 6. Полученные прогнозные модели на 4 и 5 этапах сравниваются между собой по точности. Модель с меньшей точностью не используется в дальнейшей доработки, но может быть использована для объяснения внешних факторов, влияющих на количество инвесторов.
Для модифицированной прогнозной модели проводится оценка ее точности и, если полученное значение превышает значение точности исходного уравнения, то уравнение считается значим и может быть использовано для расчета прогнозных значений.
Оценить эффективность разработанной методики к прогнозированию структуры инвестиционного портфеля и количества частных инвесторов на рынке невозможно без практического применения. Генеральная совокупность исследования была сформирована из обзора ключевых показателей профессиональный участников рынка ценных бумаг, полученных с сайта Банка России [6].
В соответствии с авторской методикой был проведен отбор данных, относящихся к ИИС. Необходимо уточнить, чем обусловлен и на что направлен рост инвестиционной активности населения. Привлечение физических лиц на финансовой рынок является одной из стратегических задач государства. Осуществление операций через ИИС позволяет инвесторам получать налоговые вычеты, что делает итоговую доходность вложений в биржевые инструменты привлекательной даже с учетом сопутствующих рисков. Статистика по открытым ИИС позволяет оценить значимость этого инструмента для финансового рынка. По данным Банка России, количество ИИС динамично возрастает (рисунок 3).
Анализ данных, представленных Банком России, показывает спад в количестве новых ИИС, однако на текущий момент нельзя однозначно утверждать, что этот инструмент исчерпал свои возможности по привлечению новых участников на рынок. Доля населения, использующего биржевые инструменты, до сих пор не достигла уровня развитых стран, а потому сохраняется потенциал для роста [1].
Далее рассмотрим изменение структуры инвестиционного портфеля частных инвесторов, опираясь на народный портфель. Структура портфеля довольно сильно меняется от месяца к месяцу. Это происходит из-за того, что портфель формируется только из 10 бумаг, поэтому даже небольшие изменения в предпочтениях частных инвесторов могут приводить к включению или выбытию той или иной бумаги из структуры.
Рассмотрим акции компаний, которые пользуются наибольшей популярностью у частных инвесторов, впервые пришедших на рынок. Для анализа используем сервис Google Trends [9], помогающий оценить динамику популярности запросов в интернете.
В своем исследовании исходим из предположения, что наиболее популярные запросы по акциям в текущем месяце, приведет к повышению доли этих акций в народом портфеле в следующем месяце.
Проведем анализ и сравним динамику популярности запросов у следующих организаций:
1) Сбербанк;
2) Газпром;
3) Лукойл;
4) Норникель;
5) ВТБ.
Таким образом, 4 из 5 организаций показали, что уровень популярности поисковых запросов может напрямую влиять на долю акций этих компаний в народном портфеле. Результаты проведенного исследования и подтверждение гипотезы представим в таблице 2.
Изменение доли акций Газпром, вероятно, будет снижена, поскольку увеличение доли запросов имеет обратную связь с количеством акций Газпрома в народном портфеле. Данный факт говорит о том, что с наибольшей вероятностью вырастет доля других организаций в народном портфеле.
Популярность же запросов по акциям Сбербанка выросла, что может отразиться и на увеличении их доли в народном портфеле в следующем месяце. Аналогичным образом может измениться и доля других акций в народном портфеле.
По итогам проведенного исследования можно сделать вывод, что уровень популярности поисковых запросов в социальных сетях влияет на долю акций в народном портфеле частного инвестора. Следовательно, можно предположить, каким образом изменятся доли акций народного портфеля в следующем периоде.
Следующим этапом методики является проведение корреляционно-регрессионного анализа. Определим факторы, которые с наибольшей вероятностью могут повлиять на количество ИИС и инвесторов на рынке. Исходные данные представим в таблице 3.
Таким образом при проведении анализа планируется выяснить, каким образом может повлиять объем портфеля на ИИС, Индекс МосБиржи, Индекс финансовой грамотности населения России и объем вкладов физических лиц в банках на общее количество открытых ИИС. Используем данные, действительные на конец каждого периода, связано это с тем, что некоторые из представленные показателей рассчитываются только за годовой период.
Для начала рассмотрим каждый из показателей и поясним, почему для анализа были выбраны именно эти.
Объем портфеля ИИС. Портфель ИИС представляет собой определенный набор активов для инвестирования. Это могут быть акции, облигации, полисы ИСЖ и другие активы. В этом наборе чаще всего присутствуют разные ценные бумаги для того, чтобы распределить риски. Таким образом попытаемся выяснить, насколько частным инвесторам интересны стратегии ИИС, предлагаемые брокерами и какую часть денежных средств они готовы вложить на выбранную стратегию ИИС.
Индекс Московской Биржи. Индекс Московской биржи (код – IMOEX) является главным ориентиром состояния финансового рынка в России и включает в себя 50 наиболее ликвидных акций крупнейших и динамично развивающихся компаний из ключевых секторов экономики.
Чаще всего индекс МосБиржи [2] используется инвесторами для прогнозирования поведения рынка и технического анализа. Начинающему инвестору рекомендуется наблюдать за показателями индекса при открытии и закрытии торговых сессий. Волатильность рынка можно контролировать по максимальным и минимальным значениям индекса.
Индекс финансовой грамотности. Индекс отражает способность человека к разумному управлению личными финансами и состоит из нескольких отдельных компонент – знаний в области финансов, навыков управления финансами, установок в отношении финансов. Индекс финансовой грамотности принимает значения в диапазоне от 1 до 21 балла [5]. Данный показатель выбран с целью выяснить, насколько финансовая грамотность частных инвесторов отражается на процессе инвестирования.
Объем вкладов в банках. Несмотря на существенное снижение ставок по вкладам в рублях и валюте в течение года, депозиты как инструмент сбережения остаются весьма востребованными у населения. Данные денежные средства населения [7] могут быть потенциально использованы для инвестирования, а значит в определенной степени оказывают влияние на количество ИИС.
Перейдем к построению корреляционно-регрессионной модели. Для построения линейной регрессионной модели используем надстройку «Анализ данных», затем выбираем из меню «Корреляция» и «Регрессия», заполняем входные данные. Значение коэффициентов корреляции представим в таблице 4.
Далее проведем регрессионный анализ. В результате расчетов была получена следующая факторная модель:
Однако некоторые факторы в модели отсутствуют, например, критерий F, который позволит определить значимость уравнения регрессии в целом. Исходя из этого делаем вывод о статистической незначимости уравнения регрессии в целом.
По итогам проведенного исследования сделаем следующие выводы:
1) построение факторной модели невозможно в связи с малым количеством данных для исследования: ИИС функционирует не так давно и еще не успел сформировать достаточный объем данных для исследования и линейные зависимости;
2) наибольшее влияние на количество ИИС оказывает уровень финансовой грамотности населения и свободные денежные средства, размещенные на депозитах в банках: проведение качественных мероприятий, направленных на повышение знаний частных инвесторов о финансовом рынке, позволит привлечь денежных средства со вкладов на ИИС.
Следующим этапом апробации методики является прогнозирование количества ИИС и частных инвесторов на рынке методом экспоненциального сглаживания.
Данный метод прогнозирования считается весьма эффективным и надежным. Метод экспоненциального сглаживания дает возможность получить оценку параметров тренда, характеризующих не средний уровень процесса, а тенденцию, сложившуюся к моменту последнего наблюдения.
Формула расчета прогноза экспоненциальным сглаживанием выглядит следующим образом:
Ŷt+1– прогноз на следующий период t+1;
Yt – данные для прогноза за текущий период t;
Ŷt – значение прогноза на текущий период t. Причем в первый период (месяц, день…) Ŷ1=Y1, т.е. Ŷt в первый период равны продажам в этот период.
α – коэффициент сглаживания, α задается вручную и находится в диапазоне от 0 до 1, 0 < α < 1.
Коэффициент сглаживания отображает вклад компонента в текущий прогноз. Следовательно, чем больше коэффициент сглаживания, тем меньшее влияние на прогноз оказывают исторические данные, и, наоборот, чем меньше коэффициент сглаживание, тем большее влияние оказывают новые данные прошлого периода.
Для анализа используем квартальные данные по количеству ИИС по данным Банка России [6]. Исходные данные представим в таблице 6.
Далее, в рамках диссертационного исследования, было построено несколько моделей экспоненциального сглаживания с разными коэффициентами и рассчитана точность прогноза. Для этого необходимо найти ошибку модели (фактическое значение за вычетом прогнозного), а также среднеквадратичное отклонение ошибки модели к прогнозной модели. После этого посчитаем среднее значение полученного отклонения. Из 1 вычтем полученное среднее значение и умножим на 100. Таким образом была вычислена точность построенных моделей.
Выведем формулу полученной модели экспоненциального сглаживания:
Точность полученной модели составляет 91,98%. Данный показатель выше, среди всех исследуемых, а значит принимаем данную модель к прогнозу количества ИИС на следующий период.
Следующим этапом модифицируем полученную модель и увеличим ее точность за счет включения нового показателя, отражающего влияние внешних факторов, которые невозможно учесть в модели. Используем среднее значение между разностью фактических и прогнозных значений количества ИИС из первоначально построенной модели. Рассчитаем точность полученной модели и представим данные в таблице 6.
Таким образом, точность модели повышается до 98,78%. Прогнозное значение на конец 3 квартала 2020 года составляет 2744,02 тыс. ед. ИИС.
Получаем новую формулу прогнозной модели:
Представим график новой модели на рисунке 4.
Подводя итог, необходимо отметить, что выбор инструмента и способа инвестирования частным инвестором неоднозначен. Существует множество вариантов инвестирования, при которых ситуация во внутренней и внешней политике будет играть не последнюю роль. Кроме того, есть возможность диверсифицировать портфель ценных бумаг, найти альтернативу некоторым финансовым инструментам, что в конечном счете приведет к достижению поставленной цели и получению потенциально высокого дохода.
Список литературы
Козимирова А.Н., Попова Т.А. Инвестиционные предпочтения частных инвесторов в 2020 году. // Научный электронный журнал «Инновации. Наука. Образование». Тольятти: − 2020. − № 15 (август). − 829 с.− URL: http://innovjourn.ru.
Московская Биржа. Индекс МосБиржи и Индекс РТС [Электронный ресурс]. – Режим доступа: https://www.moex.com/ru/index/IMOEX/archive/.
Московская Биржа. Инфографика [Электронный ресурс]. – Режим доступа: https://www.moex.com/s2184.
Реальное время [Электронный ресурс]. – Режим доступа: https://realnoevremya.ru/.
Рейтинг финансовой грамотности регионов России [Электронный ресурс] – Режим доступа: https://www.karta.vashifinancy.ru/.
Центральный Банк. Обзор ключевых показателей профессиональных участников рынка ценных бумаг [Электронный ресурс]. – Режим доступа: https://cbr.ru/analytics/rcb/review_rcb/.
Центральный Банк. Объем привлеченных кредитными организациями вкладов (депозитов) физических лиц [Электронный ресурс]. – Режим доступа: URL: https://cbr.ru/statistics/bank_system/4-2-1a_18/.
Яндекс Wordstat [Электронный ресурс]. – Режим доступа: https://wordstat.yandex.ru/.
Google Trends [Электронный ресурс]. – Режим доступа: https://trends.google.ru/trends/?geo=RU.
