معرفی کار
مرتبط بودن موضوع تحقیق.وظیفه مدیریت ریسک در بخش بانکی در کل فعالیت بانکی بی اهمیت است. مشکل ریسک های بانکی در دوران مدرن با توجه به تأثیر فزاینده بخش مالی بر روی آن، به طور فزاینده ای مرتبط می شود اقتصاد جهانی. بنابراین، برای مثال، در ایالات متحده، بزرگترین اقتصاد جهان، در دهه 1970 سهم درآمد بخش مالی از کل درآمد شرکت ها از 16٪ تجاوز نمی کرد و در دهه 2000 به 41٪ رسید. با در نظر گرفتن نقش عظیم بانک ها در بحران مالی جهانی سال 2008 و بحران فزاینده سال 2011، مشکل مدیریت و کنترل ریسک در بخش بانکی نیازمند توجه و مطالعه دقیق است.
در میان انواع ریسک های ذاتی فعالیت های بانکی، ریسک نرخ بهره رتبه بندی می شود مکان ویژه، موقعیت پیشرو خود را از نظر تأثیر فقط بر ریسک اعتباری تسلیم می کند. با این حال، یکی از تفاوت‌های مهم بین ریسک نرخ بهره و ریسک اعتباری این واقعیت است که حوزه تحت تأثیر آن بسیار گسترده‌تر است. در نتیجه، اهمیت ریسک نرخ بهره نه برای یک رشته کسب و کار، بلکه برای کل بانک بالاست.
علاوه بر این، با در نظر گرفتن نوسانات بالای بازارهای مالی از جمله بازار نرخ بهرهدر دوره‌های بی‌ثباتی اقتصادی، مدیریت ریسک نرخ بهره باید با در نظر گرفتن سناریوهای احتمالی که بر سطح ریسک نرخ بهره تأثیر می‌گذارد، با دقت انجام شود.
شرایط ذکر شده در بالا ارتباط مطالعه را تعیین می کند.
درجه توسعه علمی موضوع.مطالعه مفهوم ریسک نرخ بهره و بررسی جنبه های مختلف مشکلات ارزیابی و مدیریت این نوع ریسک توسط دانشمندانی مانند Macaulay F., Redhead K., Hughes S., Entrap O., Cade انجام شد. E.، Helliar C، Fabozzi F.، Gardener E.، Mishkin F.، Van Greuning H.، Patnaik I.، Madura J.، Amadou N.
سطح فعلی توسعه این مشکل در کشور ما در آثار دانشمندان و متخصصان داخلی منعکس شده است که در میان آنها باید Sevruk V.T.، Larionova I.V.، Vinichenko I.N.، Lavrushin O.I.، Sokolinskaya N.E.، Valentseva N.I.، Khandrueva A.A. را برجسته کنیم.
یکی از زمینه های در حال توسعه پویا در مطالعه اشیا و سیستم های اقتصادی استفاده از روش های ریاضی است. در این میان، باید به رویکردهایی اشاره کرد که امکان استفاده گسترده از مفاهیم هم افزایی، آشوب قطعی و هندسه فراکتال را در تحقیقات فراهم می کند. دانشمندان زیر در توسعه و توسعه چنین روش‌هایی مشارکت داشتند: Takens F., Sornette D., Peters E., Bachelier L., Mandelbrot V., Gilmore R., Kantz H., Grassberger P., Procaccia I., Fama E.، Lorenz E.، Ruelle D.، Casdagli M.، Cao L.، Haken H.، Lefranc M. در علم روسیه، مشارکت قابل توجهی در توسعه این جهت توسط Kurdyumov SP.، Malinetsky G.G.، Bezruchko انجام شد. B.P.، Loskutov A. Z.Yu.، Shumsky S.A.، Kuperin Yu.A.
هدف از تحقیق پایان نامهتوسعه مبانی نظری و روش شناختی برای مدیریت ریسک نرخ بهره در بانک های تجاری بر اساس پیش بینی نرخ بهره با استفاده از نظریه آشوب قطعی است.
برای رسیدن به این هدف، وظایف زیر حل شد:
تحقیق رویکردهای موجود برای پیش‌بینی سری‌های زمانی مالی و ارزیابی ریسک نرخ بهره به منظور استفاده از تجربیات موجود در توسعه روشی جدید.
انتخاب ابزارهای موثر برای مطالعه غیرخطی سیستم های پویابر اساس سری های زمانی تولید شده
بررسی رابطه بین بازار نرخ بهره و ریسک بهره در بانک های تجاری.
انطباق یک مدل پیش بینی ریاضی یک بعدی با بازار نرخ بهره، با در نظر گرفتن جبر و پیش بینی پذیری محدود.
توسعه یک مدل ریاضی چند بعدی برای پیش‌بینی نرخ بهره.
ایجاد یک روش برای مدیریت ریسک نرخ بهره بر اساس مدل های پیش بینی توسعه یافته.
موضوع مطالعهبانک‌های تجاری هستند که در نتیجه معاملات با محصولات بهره‌دار در معرض ریسک نرخ بهره قرار دارند.
موضوع تحقیقروش ها و ابزارهایی برای مدیریت ریسک نرخ بهره در بانک های تجاری و همچنین روش ها و الگوریتم هایی است که مدل سازی سیستم های مرتبط با ریسک نرخ بهره را ارائه می دهد.
رشته تحصیلیمطابق با گذرنامه تخصص کمیسیون عالی گواهینامه فدراسیون روسیه 08.00.13 "روش های ریاضی و ابزاری اقتصاد" در موارد زیر است:
1.1. توسعه و توسعه یک دستگاه ریاضی برای تجزیه و تحلیل سیستم های اقتصادی: اقتصاد ریاضی، اقتصاد سنجی، آمار کاربردی، نظریه بازی، بهینه سازی، نظریه تصمیم گیری، ریاضیات گسسته و سایر روش های مورد استفاده در مدل سازی اقتصادی و ریاضی.
1.6. تجزیه و تحلیل ریاضی و مدل سازی فرآیندها در بخش مالی اقتصاد، توسعه روش ریاضیات مالی و محاسبات اکچوئری.
2.3. توسعه سیستم های پشتیبانی تصمیم برای منطقی سازی ساختارهای سازمانیو بهینه سازی مدیریت اقتصادی در تمامی سطوح.
مبانی نظری و روش شناختیآثار علمی دانشمندان داخلی و خارجی در زمینه ارزیابی و مدیریت ریسک نرخ بهره در بانک‌ها، نظریه آشوب قطعی، دینامیک غیرخطی، روش‌ها و مدل‌های ریاضی بازارهای مالی، هندسه فراکتال، سینرژتیک منتشر شده در روسی و خارجی مطبوعات، و همچنین در اینترنت.
محاسبات عملی در چارچوب این مطالعه با استفاده از نرم افزارهای کاربردی مانند MS Excel، MathWorks Matlab، Fractan، Tisean انجام شد.
پایگاه اطلاع رسانیتحقیق به میزان:
داده ها از اطلاعات و مواد تحلیلی در مورد مشکل مورد مطالعه، ارائه شده در ادبیات علمی، نشریات دوره ای و اینترنت؛
منابع آماری در قالب مظنه نرخ های وام بین بانکی LIBOR و EURIBOR برای دوره های مختلف.
بیشتر نتایج قابل توجهیشخصاً توسط نویسنده دریافت شده و دارای تازگی علمی است و برای دفاع ارائه شده است:
غیر خطی بودن و قطعیت بازار نرخ بهره LIBOR و EURIBOR با استفاده از روش های آماری ایجاد شد.
یک مدل ریاضی اصلاح‌شده برای پیش‌بینی نرخ بهره بر اساس یک سری زمانی تک بعدی با در نظر گرفتن جبر مورد مطالعه
سیستم ها و همچنین رویکرد توسعه یافته برای تعیین دامنه کاربرد این مدل.
یک مدل ریاضی برای پیش‌بینی نرخ بهره بر اساس یک سری زمانی چند بعدی، با در نظر گرفتن جبر سیستم‌های مورد مطالعه و امکان استفاده از دینامیک چندین سیستم در هنگام ساخت یک پیش‌بینی.
یک روش برای مدیریت ریسک نرخ بهره در بانک های تجاری، که بر اساس یک مدل ریاضی برای پیش بینی نرخ بهره بر اساس روش های نظریه آشوب قطعی است که امکان مدل سازی سناریو با استفاده از داده های پیش بینی را فراهم می کند.
اهمیت نظری نتایج.مفاد و نتایج تدوین شده در تحقیق پایان نامه، مبنای نظری و روش شناختی را برای تحلیل و پیش بینی بازار نرخ بهره و همچنین روش هایی برای مدیریت ریسک نرخ بهره ایجاد می کند.
اهمیت عملی نتایجرویکرد روش‌شناختی توسعه‌یافته ابزار صحیحی را برای بانک‌های تجاری فراهم می‌کند که در وظیفه مدیریت ریسک نرخ بهره، اجازه می‌دهد از مدلسازی سناریویی فرضی به مدلسازی سناریو بر اساس داده‌های پیش‌بینی محتمل‌تر حرکت کنند.
تایید نتایج تحقیق.مفاد اصلی کار پایان نامه در کنفرانس علمی و فنی دانشجویان و دانشمندان جوان دانشگاه فنی دولتی پرم (پرم، 2007)، در پانزدهم کنفرانس بین المللی علمی و فنی "اطلاعات و فناوری های محاسباتی و کاربردهای آنها (Penza, 2011)، در دوازدهمین کنفرانس بین المللی علمی و فنی "سایبرنتیک و فناوری های برتر قرن بیست و یکم (ورونژ، 2011)، در سمینار آزمایشگاه روش های سازنده برای تحقیق مدل های پویا دانشگاه تحقیقات ملی ایالت پرم (پرم، 2011) .
نتایج تحقیق پیدا شد کاربرد عملیدر CJSC UniCredit Bank. این سازمان از روش مدیریت ریسک نرخ بهره استفاده می کند و همچنین از مدل پیش بینی نرخ بهره شرح داده شده در مطالعه استفاده می کند.
همچنین از مواد، روش ها و نتایج پایان نامه در دپارتمان ریاضیات کاربردی موسسه تحقیقات ملی پرم استفاده می شود. دانشگاه پلی تکنیکهنگام مطالعه درس "تحلیل ریاضی مدل های پویا در اقتصاد" در جهت آماده سازی 010500.68 "کاربردی
ریاضیات و علوم کامپیوتر" در چارچوب برنامه کارشناسی ارشد "روش های ریاضی در مدیریت فرآیندهای اقتصادی" و هنگام مطالعه درس "تحلیل ریاضی فرآیندهای پویا در اقتصاد" در راستای آماده سازی 080100.68 - "اقتصاد" در مقطع کارشناسی ارشد "روش های ریاضی تحلیل اقتصادی".
بسیاری از فعالان بازار علاقه مند هستند که بتوانند جهت آینده نرخ ارز را پیش بینی کنند. باشد شرکت بزرگیا یک معامله گر فردی، پیش بینی ارز برای به حداقل رساندن ریسک ها و افزایش سود بسیار مهم است.
تعداد زیادی روش وجود دارد که به شما امکان می دهد رفتار یک جفت ارز را پیش بینی کنید. با این حال، چنین تعداد زیادی به احتمال زیاد به دلیل اثربخشی نسبتاً برابر هر روش است. به همین دلیل است که به دست آوردن یک پیش بینی واقعاً با کیفیت بسیار دشوار است. با این حال، این مقاله بر روی چهار روش رایج پیش‌بینی تمرکز خواهد کرد نرخ ارز.
تئوری برابری قدرت خرید (PPP).
برابری قدرت خرید (PPP) به دلیل ذکر مداوم آن در کتاب های درسی اقتصاد، شاید محبوب ترین روش باشد. اصل PPP مبتنی بر قانون نظری "قانون یک قیمت" است که طبق آن کالاهای یکسان در کشورهای مختلفباید همین قیمت را داشته باشد
به عنوان مثال، طبق این قانون، یک مداد در کانادا باید با در نظر گرفتن نرخ ارز و بدون احتساب هزینه مبادله و حمل و نقل، قیمتی برابر با همان مداد در ایالات متحده داشته باشد. به عبارت دیگر، زمانی که شخصی مداد را در یک کشور «ارزان» می‌خرد تا در کشور دیگری به طور سودآور بفروشد، نباید دلیلی برای حدس و گمان وجود داشته باشد.
بر اساس این نظریه PPP، نرخ ارز باید به گونه ای تغییر کند که افزایش قیمت ها به دلیل تورم را جبران کند. به عنوان مثال، فرض کنید که انتظار می رود قیمت ها در ایالات متحده در سال آینده 4٪ افزایش یابد، در حالی که انتظار می رود در کانادا فقط 2٪ افزایش یابد. تفاضل تورم به صورت زیر خواهد بود:
این بدان معناست که نرخ رشد قیمت در ایالات متحده سریعتر از کانادا خواهد بود. بر اساس اصل برابری قدرت خرید، دلار آمریکا باید حدود 2 درصد کاهش یابد تا قیمت کالاها در دو کشور نسبتاً برابر باشد. به عنوان مثال، اگر نرخ مبادله 90 سنت آمریکا به ازای هر دلار کانادا باشد، طبق روش PPP، نرخ پیش‌بینی شده به صورت زیر خواهد بود:
(1 + 0.02) x (0.90 دلار به ازای هر 1 کانادا) = 0.918 ایالات متحده در هر 1 کانادا
این بدان معناست که دلار کانادا باید به 91.8 سنت آمریکا در هر دلار افزایش یابد.
محبوب ترین کاربرد روش PPP با مثالی از نمایه بیگ مک، گردآوری و منتشر شده در بریتانیا نشان داده شده است. مجلهاقتصاددان شاخص فانکی تلاشی است برای تعیین اینکه آیا یک ارز بر اساس قیمت یک بیگ مک در کشورهای مختلف ارزش کمتری دارد یا بیش از حد ارزش گذاری شده است. از آنجایی که بیگ مک یک محصول جهانی است، در همه کشورهایی که در آن فروخته می شود یکسان است، مقایسه قیمت آن اساس این شاخص را تشکیل می دهد.
اصل ثبات نسبی اقتصادی
نام این رویکرد برای خود صحبت می کند. نرخ رشد اقتصادی در کشورهای مختلف به عنوان مبنایی در نظر گرفته شده است که به ما امکان می دهد جهت حرکت نرخ ارز را پیش بینی کنیم. منطق پشت این روش این است که یک جو اقتصادی سالم و نرخ های رشد بالقوه بالاتر احتمال بیشتری برای جذب سرمایه گذاری از خارج دارد. و برای سرمایه گذاری وجوه، سرمایه گذار خارجی باید پول ملی را خریداری کند که منجر به افزایش تقاضا و در نتیجه افزایش قیمت ارز می شود.
با این حال، چنین رویکردی نه تنها مبتنی بر رابطه بین ثبات اقتصادی نسبی دو کشور است. همچنین به شما امکان می دهد تا ایده ای از جریان های سرمایه گذاری داشته باشید. به عنوان مثال جذب سرمایه گذار در کشور از جمله می تواند سطح معیننرخ بهره بنابراین، نرخ بهره بالاتر برای آن دسته از سرمایه گذارانی که در تلاش برای دستیابی به حداکثر بازده سرمایه گذاری خود هستند، وسوسه انگیز می شود. در نتیجه تقاضا برای پول ملی افزایش می یابد و این باعث افزایش ارزش آن می شود.
برعکس، نرخ‌های بهره پایین در برخی موارد می‌تواند سرمایه‌گذاران را دلسرد کند، جریان سرمایه‌گذاری را کاهش دهد یا حتی وام‌دهی به ارز داخلی را برای سرمایه‌گذاری‌های دیگر تشویق کند. وضعیت مشابهی در ژاپن به وجود آمد، زمانی که نرخ بهره به پایین ترین حد خود رسید. این استراتژی معاملاتی به عنوان معامله حمل و نقل شناخته می شود.
برخلاف نظریه PPP، اصل ثبات نسبی اقتصادی به پیش بینی اندازه نرخ ارز کمکی نمی کند. این روش به سرمایه گذاران سریعتر می دهد ایده کلیدر مورد جهت حرکت ارز (تقویت یا تضعیف)، و همچنین قدرت ضربه. اغلب، برای به دست آوردن یک تصویر کامل تر، از اصل توصیف شده در ترکیب با سایر روش های پیش بینی استفاده می شود.
ساخت یک مدل اقتصاد سنجی
یکی دیگر از روش‌های رایج پیش‌بینی نرخ ارز، ایجاد مدلی است که نرخ تبدیل یک ارز خاص را با تمام عواملی که به نظر معامله‌گر بر حرکت آن تأثیر می‌گذارند، پیوند می‌دهد. به طور معمول، هنگام ساخت یک مدل اقتصادسنجی، مقادیر از نظریه اقتصادی. با این حال، هر متغیری که اعتقاد بر این است که تأثیر زیادی بر نرخ ارز داشته باشد، می تواند به محاسبات اضافه شود.
فرض کنید یک پیش بینی کننده برای یک شرکت کانادایی وظیفه ایجاد پیش بینی نرخ ارز USD/CAD را برای سال آینده دارد. پس از تحقیق و تحلیل دقیق، عوامل زیر به عنوان عوامل کلیدی انتخاب می شوند: تفاوت نرخ بهره بین ایالات متحده آمریکا و کانادا (INT)، تفاوت بین نرخ رشد تولید ناخالص داخلی (GDP) و تفاوت بین نرخ رشد درآمد در هر دو کشور. (IGR). سپس مدل اقتصادسنجی به این صورت خواهد بود: way:
USD/CAD (1 سال) = z + a (INT) + b (GDP) + c (IGR)
بدون پرداختن به جزئیات در مورد اصول ساخت معادله، پس از بدست آوردن مدل، به سادگی می توانید متغیرهای INT، GDP و IGR را جایگزین کرده و پیش بینی لازم را بدست آورید. ضرایب a، b و c تعیین می کنند که هر یک از این عوامل چقدر بر نرخ ارز و جهت حرکت تأثیر می گذارد (بسته به منفی یا مثبت بودن ضریب). این روش شاید پیچیده ترین و زمان برترین روشی باشد که در بالا توضیح داده شد. با این حال، هنگامی که از قبل یک مدل آماده دارید، می توانید به راحتی با اتصال داده های جدید، پیش بینی های سریع دریافت کنید.
تحلیل سری های زمانی
آخرین روش مورد بحث تحلیل سری زمانی است. این روش کاملاً فنی است و به تئوری اقتصادی مربوط نمی شود. یکی از محبوب ترین مدل ها در تحلیل سری های زمانی، مدل میانگین متحرک اتورگرسیو (ARMA) است. بر اساس این روش، رفتار گذشته و الگوهای قیمت را می توان برای پیش بینی رفتار آینده و الگوهای قیمت یک جفت خاص استفاده کرد. برای این منظور در یک ویژه برنامه کامپیوتریداده های سری زمانی وارد می شوند، پس از آن برنامه تمام پارامترها را ارزیابی کرده و یک مدل فردی ایجاد می کند.
نتیجه گیری
پیش بینی نرخ ارز یک کار بسیار دشوار است. به همین دلیل است که بسیاری از شرکت ها و سرمایه گذاران به سادگی ریسک های ارزی را بیمه می کنند. دیگران اهمیت پیش‌بینی نرخ ارز را درک می‌کنند و سعی می‌کنند عوامل مؤثر بر آنها را درک کنند. 4 روشی که در بالا توضیح داده شد شروع خوبی برای این دسته از فعالان بازار خواهد بود.
اندازه: px
شروع نمایش از صفحه:
رونوشت
1 18 S.A. پولیاختوف، V.A. بلکین اس.ا. پولیاختوف، V.A. چرخه های نرخ بهره Belkin UDC Kondratiev به عنوان مبنایی برای پیش بینی پویایی آن چکیده. این مقاله، بر اساس مطالب آماری گسترده، این فرضیه را اثبات می‌کند که نوسانات دوره‌ای در نرخ سود بانکی وام‌ها توسط چرخه‌های فعالیت خورشیدی تعیین می‌شود. بر این اساس می توان نرخ بهره را در میان مدت و بلند مدت و به تبع آن وضعیت آینده اقتصاد جهانی و روسیه را پیش بینی کرد. خلاصه مطالب آماری گسترده به نویسندگان کمک کرد تا این فرضیه را اثبات کنند که نوسانات چرخه ای نرخ بهره اعتبار بانکی توسط چرخه های خورشیدی تعیین می شود. این واقعیت امکان پیش‌بینی نرخ بهره را در چشم‌انداز میان‌مدت و بلندمدت و در نتیجه پیش‌بینی وضعیت اقتصادی آینده در جهان و روسیه را ممکن می‌سازد. کلمات کلیدی چرخه ای بودن نرخ های بهره بانکی، چرخه های فعالیت خورشیدی، توسعه چرخه ایاقتصاد، پیش بینی بحران های اقتصادی، پیش بینی نرخ سود بانکی. کلمات کلیدی نوسانات چرخه ای نرخ سود اعتبار بانکی، چرخه های خورشیدی، توسعه چرخه ای اقتصاد، پیش بینی بحران اقتصادی، پیش بینی نرخ سود بانکی. بحران مالی جهانی بار دیگر مشکل پیش‌بینی ناکافی شاخص‌های کلیدی اقتصادی و در نتیجه نگاه بیش از حد خوش‌بینانه دولت‌های کشورهای مختلف به وضعیت اقتصادی آینده جهان را آشکار کرد. یکی از دلایل این وضعیت عدم پیش بینی یکی از مهمترین شاخص های اقتصادی نرخ سود بانکی است. S. Moiseev در مقاله خود "در مورد پیش بینی نرخ بهره" اشاره می کند که "در حالی که نرخ های بهره در خارج از کشور حتی بدون پیش بینی های بانک مرکزی به خوبی قابل پیش بینی است، در روسیه کمبود اطلاعات در مورد پویایی های آینده بازار پول وجود دارد. فال در مورد نرخ بهره یکی از بهترین هاست تحلیل های پیچیدهو به عنوان یک قاعده، تخمین نرخ‌های آینده در پیش‌بینی‌های اجماع و نظرسنجی‌های پیش‌بینی‌گران حرفه‌ای گنجانده نمی‌شود.» بسیاری از اقتصاددانان که قادر به بدست آوردن درصدی از پیش بینی از منابع رسمی نیستند، تصمیم می گیرند خودشان آن را پیش بینی کنند. با این حال، روش‌های پیش‌بینی موجود امروزه یا خیلی ابتدایی هستند یا آنقدر کار فشرده هستند که برای بسیاری از آنها غیرقابل دسترس است. بنابراین، ما پیشنهاد می‌کنیم که روشی برای پیش‌بینی بهره، بر اساس ارتباط آن با چرخه‌های فعالیت خورشیدی (از این پس SA نامیده می‌شود) ایجاد کنیم، که پیش‌بینی دقیق‌تری را بدون هیچ گونه محاسبات فشرده‌ای ارائه می‌دهد که امکان استفاده از آن توسط هر نهاد اقتصادی ارزش راهنمای جهانی شماره 11
2 چرخه کندراتیف نرخ بهره به عنوان نقطه شروع، فرضیه V.A. بلکین می‌گوید: «نوسان‌های چرخه‌ای شاخص‌های اصلی اقتصاد کلان، از جمله نرخ بیکاری، نرخ تورم و نرخ متوسط اعتبار، نرخ ارز ملی، کسری (مازاد) بودجه تلفیقی، توسط چرخه‌های فعالیت خورشیدی تعیین می‌شوند. برای آزمایش این فرضیه برای دوره 1947 تا ژوئیه 2010، داده‌های میانگین سالانه اعداد گرگ را گرفتیم که متناسب با تعداد لکه‌های روی صفحه خورشیدی است و SA را مشخص می‌کند. برای همان دوره، نرخ اصلی (نزدیک ترین نرخ بهره به نرخ بدون ریسک) به عنوان نرخ بهره بانکی که بر وضعیت اقتصاد جهانی تأثیر می گذارد در نظر گرفته شد. سپس، نمودارهایی از تغییرات این شاخص ها در طول زمان ساختیم (شکل 1). همانطور که این نمودار نشان می دهد، از سال 1968، ماهیت چرخه ای نرخ اولیه تا حد زیادی توسط چرخه های CA تعیین شده است. برنج. 1. پویایی تغییرات در میانگین سالانه اعداد Wolf و نرخ نرخ اول شایان ذکر است که برخی از ویژگی های چرخه ای SA و نرخ نرخ اول ذکر شده است. بنابراین، مرحله رشد SA به طور متوسط 4 سال طول می کشد، و فاز سقوط 7 سال طول می کشد، مدت زمان کل چرخه به طور متوسط 11 سال است. یعنی چرخه SA صعود شدید و نزولی هموار دارد. در عین حال، در مرحله رشد SA، مرحله رشد نرخ سود بانکی نیز وجود دارد و زمانی که چرخه SA به اوج خود می رسد، نرخ سود بلافاصله یا پس از 1 سال نیز به حداکثر مقدار خود می رسد. در مرحله کاهش CA، مقادیر نرخ بهره بانکی به طور همزمان کاهش می یابد. با این حال، تقریباً یک تا دو سال قبل از حداقل CA بعدی، نرخ بهره بانکی به حداکثر بعدی خود می رسد. تاکنون نمی‌توانیم دلیل تکرار چرخه نرخ بانکی در چرخه SA را دقیقاً تعیین کنیم و فقط می‌توانیم فرضیات یا فرضیه‌هایی را مطرح کنیم. اقتصاد
3 20 S.A. پولیاختوف، V.A. بلکین برای رهایی از تأثیر نوسانات کوتاه مدت در نرخ اولیه، مقادیر متوسط شاخص های تجزیه و تحلیل شده بر اساس سال در نقاط عطف منحنی چرخه SA محاسبه شد و نمودارهای مربوطه ساخته شد (شکل 2). . از این نمودار می توان دریافت که چرخه های CA 11 ساله به اندازه کافی با چرخه های نرخ بهره بانکی مطابقت دارند (ضریب همبستگی 79٪ است که با چرخه های C. Juglar منطبق است. یعنی افزایش SA منجر به افزایش نرخ اولیه و در نتیجه در حداکثر نقاط به یک بحران اقتصادی می شود. بنابراین، این فعالیت چرخه ای خورشید است که عامل کلیدی تعیین کننده تغییرات در نرخ سود بانکی است. همچنین، ارتباط شناسایی شده دلیل واقعی ماهیت چرخه ای این شاخص و توسعه اقتصاد جهانی را در کل نشان می دهد. اجازه دهید نشان دهیم که نرخ هایی مانند LIBOR، EURIBOR تقریباً همزمان با نرخ اصلی تغییر می کنند. بنابراین، ما ثابت خواهیم کرد که چرخه های CA، پویایی نرخ بهره بانکی را در سراسر جهان، و نه فقط در ایالات متحده، تعیین می کند. برنج. شکل 2. دینامیک تغییرات در اعداد متوسط سالانه گرگ و نرخ اول در نقاط عطف (افراط) منحنی فعالیت خورشیدی برای مطالعه رابطه بین نرخ های اولیه و LIBOR، نرخ LIBOR برای وام های تا یک سال انتخاب شد . مقادیر مربوط به آن از وب سایت آمار اقتصادی MORTGAGE-X گرفته شده است. نمودار زیر به وضوح پویایی تغییرات همزمان در مقادیر متوسط سالانه نرخ اولیه و نرخ LIBOR (برای یک دوره حداکثر یک ساله) را نشان می دهد (شکل 3). ارزش راهنمای جهانی شماره 11
4 چرخه نرخ بهره کندراتیف شکل. 3. دینامیک تغییرات مقادیر متوسط سالانه نرخ اولیه و LIBOR (تا یک سال) برای بررسی رابطه بین نرخ اولیه و EURIBOR، نرخ EURIBOR برای وام های تا یک سال انتخاب شد. مقادیر مربوط به آن از وب سایت ItIsTimed گرفته شده است. در مرحله بعد، ما یک نمودار ساختیم که به وضوح پویایی یک تغییر بسیار همزمان در مقادیر متوسط سالانه نرخ اولیه و نرخ های EURIBOR (برای یک دوره حداکثر یک ساله) را نشان می دهد (شکل 4). در نرخ EURIBOR به طور همزمان با نرخ اصلی تغییر کرد، اما با تاخیر زمانی تقریباً 1 سال. برنج. 4. دینامیک تغییرات در مقادیر متوسط سالانه نرخ اولیه و EURIBOR (برای یک دوره حداکثر یک ساله) E C O N O M I C A
5 22 S.A. پولیاختوف، V.A. بلکین نمودارهای ارائه شده به وضوح و قانع کننده درجه بالای همزمانی تغییرات در نرخ های بهره بین المللی اصلی LIBOR و EURIBOR و نرخ اولیه را اثبات می کند. بنابراین، ارتباط ما بین CA و نرخ اصلی را می توان به سایر نرخ های بهره، به ویژه LIBOR و EURIBOR تعمیم داد. بر اساس نتیجه به‌دست‌آمده و همچنین پیش‌بینی چرخه 24 SA (شکل 5)، می‌توان پیش‌بینی برای مقدار نرخ اولیه ایجاد کرد. اوج بعدی SA در سال 2013 پیش بینی می شود و بنابراین می توان انتظار افزایش نرخ اولیه را تا سال 2013 و در سال 2013 داشت. ما حداکثر بعدی این نرخ و بحران مالی جهانی متعاقب آن را پیش بینی می کنیم. البته، فعالیت واقعی خورشید در چرخه 24 ممکن است با آنچه پیش بینی شده است متفاوت باشد، زیرا این چرخه ها تا حدودی در مدت زمان (9-11 سال) متفاوت هستند. در این حالت مقداری جابجایی زمانی مربوطه وجود خواهد داشت تاریخ مشخص شدهحداکثر نرخ اولیه بعدی و بحران اقتصادی جهانی. برنج. 5. پیش بینی چرخه 24 فعالیت خورشیدی در شکل. شکل 5 نشان می دهد که حداقل SA بعدی باید در حدود سال 2020 رخ دهد. در نتیجه، افزایش دیگری در نرخ بهره در حدود سال 2018 و به دنبال آن افزایش دیگری در سال های 2019 و 2020 وجود خواهد داشت. کاهش رشد تولید ناخالص داخلی واقعی ایالات متحده یا یک بحران اقتصادی. به منظور ارائه پیش‌بینی دقیق‌تر از ارزش نرخ اصلی در سال 2013، اجازه دهید به نظریه موجی N. Kondratiev بپردازیم، که بر اساس آن 5 چرخه اقتصادی به طول حدود یک سال شناسایی شده است: شماره 11.
6 چرخه کندراتیف از چرخه نرخ بهره از 1790 تا . 2 چرخه از تا gg. 3 چرخه از تا gg. 4 چرخه از تا gg. چرخه 5 با چرخه های کندراتیف تابع همه شاخص های کلان اقتصاد کلان، از جمله نرخ بهره بانکی با نرخ اصلی است. در همان زمان، در پایان چرخه، شرط به حداکثر مقدار خود می رسد. برای تایید فرضیه خود، اجازه دهید نمودار ارائه شده در شکل 1 را تجزیه و تحلیل کنیم. 1. نشان می دهد که حداقل ماقبل آخر شاخص های اقتصادی اقتصاد جهان در سال 1982 بوده و با حداکثر نرخ سود بانکی همراه بوده است که پیشنهاد می کنیم آن را حداکثر کندراتیف نرخ اصلی (K-rate) بنامیم. قبل از K-rate یک افزایش در نرخ اول، پس از کاهش وجود داشت. ما پیشنهاد می‌کنیم که این چرخه‌ها را چرخه‌های نرخ اولیه بزرگ بنامیم. طبق تحقیقات دانشمند ژاپنی شیماناکا یوجی که توسط مرکز تحقیقات اقتصادی ژاپن (JERC) تایید شده و در وال استریت ژورنال منتشر شده است، یک چرخه کندراتیف برابر با پنج چرخه SA یا 55 سال است. بر اساس این نظریه و این واقعیت که دو چرخه SA در بازه زمانی 1982 تا 2010 اتفاق افتاده است، می توان فرض کرد که سال 2010 نقطه عطف یک چرخه بزرگ نرخ اول است و رشد آن در آینده مشاهده خواهد شد. در نتیجه، حداکثر نرخ اولیه محلی در سال 2013 بالاتر از حداکثر محلی این شاخص در سال 2009 خواهد بود و تقریباً در سطح حداکثر محلی در سال 2000 خواهد بود. بنابراین، نرخ نرخ اولیه در سال 2013 به حداکثر متوسط بعدی خود در میان مدت در سطح 8-9٪ خواهد رسید که به احتمال زیاد منجر به یک بحران مالی جهانی دیگر می شود (شکل 6). برنج. 6. چرخه کندراتیف نرخ اصلی و پیش بینی آن تا سال 2020 E C O N O M I C A
7 24 S.A. پولیاختوف، V.A. بلکین به همین ترتیب، حداکثر محلی نرخ اولیه در سال 2018 بالاتر از حداکثر محلی این شاخص در سال 2013 خواهد بود، اما کمتر از حداکثر محلی این شاخص در سال 1989، یعنی مقدار آن تقریباً در سطح 10 خواهد بود. % (شکل 6). با توجه به اینکه تغییرات در نرخ اولیه با تغییرات نرخ بهره LIBOR و EURIBOR همزمان است، می‌توان انتظار داشت که این نرخ‌ها به ترتیب به 6 و 5 درصد در سال 2013 و LIBOR به 8.5 درصد در سال 2018 افزایش یابد. از سال 2003، به دلیل جهانی شدن اقتصاد جهانی و دخالت زیاد اقتصاد روسیه در آن، همزمانی تولید ناخالص داخلی ایالات متحده و تولید ناخالص داخلی روسیه با نوسانات بالاتر تولید ناخالص داخلی روسیه وجود داشته است. در نتیجه، تغییر در نرخ اصلی به ناچار منجر به تغییر مشابهی در نرخ بهره بانکی روسیه در وام می شود، بنابراین تا سال 2013 در روسیه نرخ بهره بانکی وام های صادر شده اشخاص حقوقیبرای یک دوره حداکثر یک ساله نیز تا سطح 2000 افزایش می یابد و به 18-20٪ در سال می رسد. حداکثر فعالیت خورشیدی منجر به افزایش نرخ بهره بانکی روسیه در وام ها و بر این اساس، یک بحران مالی دیگر خواهد شد. نتیجه به دست آمده نه تنها برای مقامات دولتی، بلکه برای کل جمعیت فعال اقتصادی بسیار مهم است، زیرا بر اساس آن می توان تصمیمات سرمایه گذاری بلندمدت گرفت و به طور عینی توسعه آینده اقتصاد کشور را ارزیابی کرد. برای توضیح دلیل ارتباط شناسایی شده، می توان به تحقیقات دانشمند بزرگ روسی A. Chizhevsky استناد کرد، که استدلال می کرد که اپیدمی های روانی، خلق و خوی هراس، هیستری جمعی، توهم و غیره، و همچنین اصلاح تحریک پذیری عصبی لحن عصبی روانی در ارتباط نزدیک با چرخه SA هستند. نوسانات چرخه‌ای در احساسات بدبینی و خوش‌بینی بالا منجر به نوسانات دوره‌ای در میزان پرداخت ریسک که در نرخ بهره لحاظ می‌شود و نوسانات دوره‌ای آن می‌شود. بنابراین، در نتیجه این مطالعه: درجه بالایی از ارتباط بین چرخه های CA و نرخ بهره بانکی با استفاده از مثال نرخ اولیه آشکار شد. پیشنهاد می شود وارد شود گردش علمیمفاهیم چرخه کندراتیف نرخ بانکی (با استفاده از مثال نرخ نرخ اولیه) و حداکثر کندراتیف (حداقل) این نرخ؛ یک پیش‌بینی میان‌مدت و بلندمدت از حداکثر نرخ اولیه بعدی و بحران‌های مالی جهانی تهیه شده است. درجه بالایی از همزمانی در دینامیک نرخ اولیه، نرخ های LIBOR، EURIBOR نشان داده شده است. یک پیش‌بینی میان‌مدت برای حداکثر نرخ‌های بعدی LIBOR، EURIBOR و نرخ بهره روسیه در وام‌ها در سال 2013 تهیه شده است. ارزش راهنمای جهانی شماره 11
8 چرخه نرخ بهره Kondratiev منابع 1. Moiseev S. "در مورد پیش بینی نرخ بهره" URL: post/124329/ 2. Belkin V. A. رابطه متقابل چرخه های فعالیت خورشیدی و چرخه های شاخص های اصلی اقتصاد کلان // توسعه اجتماعی و اقتصادی روسیه در دوره پس از بحران: جنبه های ملی، منطقه ای و شرکتی: مجموعه. m-lov 27 int. علمی-عملی کنفرانس قسمت 1، چلیابینسک: UrSEI AT and SO, S; 3. داده های آماری از مرکز تجزیه و تحلیل داده ها در مورد تأثیر خورشید (بلژیک) URL: 4. داده ها از سایت آمار اقتصادی MORTGAGE-X URL: com 5. داده ها از سایت ItIsTimed URL: php 6. مواد تحقیقاتی ناسا URL: solnechnyiy-prognoz/ 7. Korotaev A.V., Tsirel S.V. Waves in the world Economic dynamics / System monitoring. توسعه جهانی و منطقه ای / مسئول. ویرایش D. A. Khalturina، A. V. Korotaev. M.: Librocom/URSS، C URL: cliodynamics.ru/download/m02korotayev_tsirel_kondratyevskie_volny.pdf 8. اتحادیه انجمن های قابل فهم // پیکربندی: چرخه های سیاست تغییر شکل (9. Chizhevsky A.L. Echo زمینی طوفان های خورشیدی. : اندیشه، ص E K O N O M I K A
بولتن دانشگاه دولتی چلیابینسک. 2011. 6 (221). اقتصاد. جلد 31. ص 39 43. چرخه های فعالیت خورشیدی به عنوان مبنای چرخه های نرخ بهره بانکی بر اساس مواد آماری گسترده
بولتن دانشگاه دولتی چلیابینسک. 1. (). اقتصاد. جلد 3. ص. 1. چرخه‌های بزرگ فعالیت خورشیدی به عنوان پایه چرخه‌های بزرگ دوران کندراتیف ارتباط قوی بین چرخه‌های بزرگ آشکار شده است.
بولتن دانشگاه دولتی چلیابینسک. 2011. 36 (251). اقتصاد. جلد 35. ص 23 27. توسعه تئوری نوسانات چرخه ای تورم و بیکاری بر اساس ارتباط آنها با چرخه های فعالیت خورشیدی
ولادیمیر آلکسیویچ بلکین شعبه چلیابینسک مؤسسه اقتصاد، شعبه اورال آکادمی علوم روسیه چرخه های تولید صنعتی در روسیه و فعالیت خورشیدی: مکانیسم و حقایق بازخورد قوی (1861 2013) در مقاله
UDC 336.71 تحلیل عاملی سطح پولی‌سازی اقتصاد بر اساس مدل‌های آماری و اقتصادی S. V. MISHCHENKO، کاندیدای علوم اقتصادی، دانشیار گروه مالی E-mail: E-mail: دانشگاه ru
بحران اقتصادی در روسیه عمیق‌تر از روش‌شناسی ارزیابی پیامدهای بحران‌های اقتصادی در روسیه است. نویسنده به این موضوع پاسخ می دهد
1.5 پویایی اقتصاد کلان. تورم تئوری چرخه های تجاری 1.5.1 تورم یک فرآیند بلندمدت رشد پایدار است سطح عمومیقیمت ها منجر به کاهش قدرت خرید پول می شود.
T. Gorshkova, S. Drobyshevsky, M. Turuntseva, M. Khromov پیش بینی کلان اقتصادی برای سال 2017 2019: رشد بیش از 1.0 1.5٪ نتایج نیمه اول 2017 از یک سو، مفروضات قبلاً اعلام شده را تأیید می کند.
امور مالی، گردش پول و اعتبار 247 تأثیر نرخ بهره بر پویایی ساختار دارایی ها و بدهی های بانک های تجاری 2009 P.S. دانشگاه دولتی باردایف مسکو. M.V. لومونوسوف
Grishina E.N.، Ph.D.، دانشیار گروه IT و آمار، آکادمی کشاورزی دولتی Vyatka روسیه، Kirov Trusova L.N.، Ph.D.، دانشیار گروه تاریخ و فلسفه ایالت ویاتکا
V. Averkiev، S. Drobyshevsky، M. Turuntseva، M. Khromov پیش بینی برای سال 2016 2017: اقتصاد در حال ورود به منطقه ثبات است توسعه وضعیت در سه ماهه اول. 2016، به ویژه، کاهش قیمت نفت به حداقل
یادداشت مطبوعاتی برای فصل 3: تأثیرات کلان اقتصادی تلفیق مالی صدمه خواهد زد؟ چشم انداز اقتصاد جهانی اکتبر 2010 تهیه شده توسط: دانیل لی (رهبر تیم)،
Averkiev V., Drobyshevsky S., Turuntseva M., Khromov M. پیش بینی سناریوی توسعه اجتماعی و اقتصادی فدراسیون روسیه در سال 2017 2018. (ژانويه 2017) در سه ماهه سوم 2016، اقتصاد روسيه فاز چرخه اي را آغاز كرد.
UDC 311.2:364.2 Kapelyuk S.D.، دانشگاه سیبری همکاری مصرف کننده, مدل های اقتصادی و آماری نووسیبیرسک در پیش بینی استاندارد زندگی جمعیت پیش بینی استاندارد زندگی جمعیت
42 مبانی اقتصاد، مدیریت و حقوق 5 (5) مالی، گردش پول و اعتبار UDC 336.77:338.43 V.N. دومراچف، ای.وی. Skaletskaya* روندهای مدرن در اعطای وام بانکی به شرکت های کشاورزی
3. چرخه اقتصادی. بیکاری مفهوم چرخه اقتصادی چرخه اقتصادی فراز و نشیب هایی در اقتصاد است که به طور دوره ای طی چند سال تکرار می شود. چرخه اقتصادی - دوره ای
6. تاتارکین، الف. بازسازی ساختاری صنعت به عنوان عنصری از فرآیند موج بلند / A. Tatarkin, O. Romanova, M. Filatova // فدرالیسم. 2. 4. 7. کندراتیف، V. سیاست یا سیاست صنعتی
V. Averkiev، S. Drobyshevsky، M. Turuntseva، M. Khromov پیش بینی سناریوی توسعه اجتماعی و اقتصادی فدراسیون روسیه در 206-208. (ژوئن 206) پیش بینی کلان اقتصادی برای محتمل ترین سناریوها در 206 208
16 در مورد رفتار میانه چرخه های کندراتیف N.V. Mityukov مقاله پویایی تغییرات در عدم تقارن چرخه های کندراتیف را تجزیه و تحلیل می کند. فرض بر این است که خود چرخه ها در معرض هارمونیک هستند
ISSN 2079-8490 انتشارات علمی الکترونیکی "یادداشت های علمی دانشگاه دولتی تومسک" 2017، جلد 8، 3، ص 92 96 گواهی El FS 77-39676 مورخ 05/05/2010 http://pnu.edu.ru/ru/ ژورنال/درباره/ [ایمیل محافظت شده] UDC 378.147.091.3 (571.6)
POLUYAHTOV STANISLAV ANDREEVICH ویژگی های نوسانات چرخه ای سود وام در سیستم های اقتصادی تخصص: 08.00.01-نظریه اقتصادی (نظریه اقتصادی عمومی) چکیده پایان نامه
بررسی ماهانه تحلیلی URALSIB Bank121 ژوئیه 2011 2 پیش بینی جهانی، موقعیت پرتفوی ژوئن، همانطور که در آخرین بررسی ماهانه خود انتظار داشتیم، یک ماه دیگر با کاهش بود.
1002 UDC 330.4 CACULATION OF INDICATORS OF DEVELOPMENT DYNAMICS OF ECONOMIC PROCESSES Indicators Calculation of Economic Processes DYNAMIC DEVELOPMENT Sudarkina E.S. موسسه مدیریت روسیه جنوبی، شعبه روسی
UDC 33 Kuznetsov S.A.، مدرس ارشد "جنگلداری ایالتی ورونژ" دانشگاه فنیآنها G.F. Morozova" Zabudkov V.A.، دانشجوی کارشناسی ارشد Voronezh، روسیه "مهندسی جنگلداری دولتی Voronezh
37 UDC 336.71 پیش بینی مقدار ذخایر مورد نیاز یک بانک تجاری I.D. دانشگاه فناوری شیمیایی دولتی کوزنتسووا ایوانوو Yu.E. کارخانه نساجی دولتی پانووا ایوانوو
بانک ملی جمهوری بلاروس شرایط نظارت بر وام دهی بانکی بررسی تحلیلی ژانویه مارس مینسک 2 به عنوان بخشی از تحلیل بانک ملی از بازار اعتبار،
UDC 365.282 نور M.V.، دانشجو، گروه STm-14 Popova I.V.، دانشیار، Ph.D. موسسه آموزش عالی بودجه ایالتی فدرال "دانشگاه معماری و ساخت و ساز ایالت پنزا"، پنزا، روسیه تحقیق در مورد روندهای توسعه
124 ت.ا. Zelenina T.A. زلنینا [ایمیل محافظت شده] UDC 519.8:336.77:005.334 پیش بینی ریسک اعتباری یک بانک تجاری چکیده. این مقاله نتایج پیش‌بینی ریسک مشتری را ارائه می‌کند
روند UDC 336.69 در توسعه سیستم مالی جهانی Belukhin V.V., Kharchenko A.A. خصوصی غیر دولتی معتبر غیر انتفاعی موسسه آموزشیآموزش عالی "آکادمی بازاریابی
آزمون "اقتصاد کلان" توصیه های روشیدر مورد آماده سازی کار آزمایشیبرای دانش آموزان 1. گزینه آزمون با آخرین رقم شناسه دانشجویی (کد) تعیین می شود.
UDC: 33 (075.8) قاعده مندی ها و روندهای مدرن در توسعه اقتصاد جهانی: عوامل تعیین کننده پویایی و جهت توسعه نوآوری الکسی واسیلیویچ دکتر علوم فنی، دکترای علوم اقتصادی، دکترای علوم اقتصادی. استاد، پروفسور،
NovaInfo.Ru - 46، 2016 علوم اقتصادی 1 تورم: مفهوم، انواع و دینامیک. تورم Yamurova Aliya Rafisovna - کاهش ارزش پول کاغذی غیر نقدی پول نقد، با افزایش قیمت ها همراه است
نرخ فدرال رزرو صعودی 12/07/2016 سیستم فدرال رزرو ایالات متحده یک آژانس مستقل فدرال است که در سال 1913 به عنوان تنظیم کننده سیستم بانکی کشور ایجاد شد. توابع را انجام می دهد
بولتن دانشگاه دولتی چلیابینسک. 213.15 (36). اقتصاد. جلد 41. ص 19 115. مدل اقتصاد سازمانی سیاست مالی موثر دولت توسعه مدل ارائه شده است.
UDC 334.723 Lyamkin I.I.، کاندیدای علوم اقتصادی، دانشیار، رئیس گروه تئوری اقتصادی و روابط اجتماعی-سیاسی، موسسه Kemerovo (شعبه) موسسه آموزشی بودجه ایالتی فدرال آموزش عالی حرفه ای "REU im. G.V. پلخانف"
Krasheninnikov N.V. علل بحران های بانکی در روسیه و شناسایی آنها در مراحل اولیه توسعه ناظر علمی: دانشیار، دکتری. Shaker I.E. در ادبیات داخلی و خارجی ارائه شده است
کسب و کار کوچک و کارآفرینی A.A. متقاضی فلشلر، دانشجوی دانشکده عالی اقتصاد و اقتصاد، دانشگاه ایالتی ترانس بایکال مشکلات توسعه کسب و کار کوچک در جنبه سطح مالی پایین
اثربخشی سیاست بدهی فدراسیون روسیه: معیارهای ارزیابی و دیدگاه ها Kokarev K.N. دانشگاه مالی زیر نظر دولت فدراسیون روسیه، استاد ناظر علمی مسکو دکترا، دانشیار. Sanginova L. D. Dolgovaya
100٪ سایه سبز تیره)، و همچنین: مناطق کوستروما، ماگادان و یاروسلاول، جمهوری های آدیگه، اودمورتیا، باشقورتوستان (چهار از پنج بخش در حال رشد هستند، شاخص REA = 80٪، سایه سبز روشن).
این کار توسط: دانشجوی دانشکده اقتصاد و اقتصاد، گروه های M 3-4 MOLIY G.M.، ناظر علمی: دکترا، پروفسور NEVEZHIN V.P. دانشگاه مالی تحت دولت فدراسیون روسیه، تجزیه و تحلیل مسکو منحنی برای روسیه
اقتصاد کلان: موج بحران چگونه سرچشمه می گیرد؟ نظریه جدید چرخه های اقتصادی، بحران ها و تعادل کلان اقتصادی چکیده هدف از این مطالعه بررسی علل و مکانیسم ها بود.
مفهوم پولی چرخه های اقتصادی همانطور که مشخص است، در مدل تیوز یک بازار پول وجود دارد، مانند مدل هیکس ساموئلسون، که در آن علت چرخه های بازار تغییرات برون زا است.
پیش بینی 2015 2016: بدتر از حد انتظار S. Drobyshevsky, V. Petrenko, M. Turuntseva, M. Khromov شاخص های توسعه اقتصادی فدراسیون روسیه در نیمه اول 2015 و اولین داده ها در مورد پویایی اقتصاد کلان اصلی
UDC 336.02 ویژگی های تأثیر شاخص های سیستم پولی بر پویایی تولید ناخالص داخلی Demina P.S. متخصص برجسته مرکز آموزشی و روش شناختی JSC Forecast، پرم، روسیه چکیده مقاله شرح می دهد
UDC 550.343.6 درباره رابطه زمین لرزه های قوی (M W 7.5) کامچاتکا با فعالیت خورشیدی Serafimova Yu.K. شاخه کامچاتکا از بررسی ژئوفیزیک آکادمی علوم روسیه، پتروپاولوفسک-کامچاتسکی، [ایمیل محافظت شده]مقدمه
59 UDC 330.4:338.45(470.315) پیش بینی دینامیک اقتصادی منطقه ایوانوف برای دراز مدت A.N. دانشگاه فناوری شیمی دولتی پتروف ایوانوو یک مطالعه اقتصادسنجی انجام شد
اقتصاد کلان بودجه دولتی تاتیانا تیشچنکو، Ph.D. اقتصاد علوم بر اساس گزارش خزانه داری فدرال، در نیمه اول سال جاری، درآمدهای بودجه فدرال همچنان به رشد خود ادامه داده و در پایان دوره
فرمان تصویب شده رئیس جمهور جمهوری بلاروس 12/07/2009 591 دستورالعمل اصلی سیاست پولی جمهوری بلاروس برای سال 2010 بخش اول مقررات اساسی 1. سیاست پولی جمهوری
انتظارات تورمی جمعیت در ماه مه تا ژوئن 2013 بانک روسیه نتایج موج بعدی تحقیق در مورد انتظارات تورمی را ارائه می دهد که توسط بنیاد افکار عمومی (FOM) به سفارش بانک انجام شده است.
نظرات پیش‌بینی اجماع 1. نظرسنجی از پیش‌بینی‌گران حرفه‌ای: بلاروس و قزاقستان در آغاز ماه مه 2014، موسسه مرکز توسعه دانشکده عالی اقتصاد دانشگاه تحقیقات ملی، نظرسنجی دیگری از پیش‌بینی‌گران حرفه‌ای در رابطه با
UDC 338.27 Shorova S.N. دانشجوی سال سوم، دانشکده مالی و اعتبار، روسیه، کراسنودار بلوخینا I.M.، کاندیدای علوم اقتصادی، دانشیار گروه مالی، دانشگاه کشاورزی دولتی کوبان
ثبات مالی یک پیش نیاز ضروری برای تضمین رشد اقتصادی: تجزیه و تحلیل مقایسه ای از خطرات بازارهای در حال توسعه Kartavov I.V. استاد راهنما: دکتری، دانشیار. ماتریزایف B.D. مالی
A. A. SUKHIKH، A. S. DEMIDOV دانشگاه ایالتی جنوب غربی ناظر علمی: Ph.D.، دانشیار Tretyakova I.N. تجزیه و تحلیل فرآیندهای تورم در روسیه (2009-2014) چکیده مقاله تجزیه و تحلیل
UDC 35.073.515.2 Kurazova D.A.، دستیار بخش "آمار و سیستم های اطلاعاتی در اقتصاد" دانشگاه دولتی چچن روسیه، چشم انداز گروزنی برای توسعه بازار بیمه در روسیه.
یادداشت های مطبوعاتی برای مهمانی میزبان فصل 4؟ شرایط خارجی و رشد اقتصادی در کشورهای بازارهای نوظهور قبل، در طول و بعد از بحران مالی جهانی چشم انداز توسعه جهانی
بودجه 3. تلفیق بودجه های منطقه در سال 2014، پیش بینی برای سال 2015 کاهش نرخ رشد اقتصادی از 3.4 درصد در سال 2012 به 1.3 درصد در سال 2013 و به 0.6 درصد در سال 2014 نمی تواند تأثیری بر منطقه داشته باشد.
UDC 330.101.54 Gerashchenko E.R. دانشجوی دانشگاه فنی ایالتی دان (DSTU)، میتینا I.A.، Ph.D.، دانشیار دانشگاه فنی ایالتی دان (DSTU)،
UDC 336.7 Gilvanov T.I
تورم و نرخ بهره در روسیه تحلیل تغییرات قیمت، اقدامات بانک مرکزی و شرایط بازار اعتبار تقویت روبل و تورم فعلی بانک مرکزی را قادر می سازد تا نرخ را در ماه مارس 0.25 درصد در سه ماهه دوم کاهش دهد.
تلاطم در بازارهای مالی جهانی: علل و خطرات* آنا کیوتسفاسکایا، دکترای اقتصاد علوم پاول TRUNIN، Ph.D. اقتصاد علوم ب ماه های اخیراقتصاد جهانی با خطرات فزاینده ای مواجه است
نیکولانکووا ماریا سرگئیونا دانشجوی پرودنیکوا آنا آناتولیونا Ph.D. اقتصاد علوم، دانشیار موسسه آموزش عالی بودجه ایالتی فدرال "دانشگاه مالی تحت دولت فدراسیون روسیه" مسکو تجربه بین المللی در کاربرد منفی
دروبیشفسکی S.M. پترنکو V.D. Turuntseva M.Yu. Khromov M.Yu. پیش بینی توسعه اقتصاد روسیه برای سال 2015 2016. بدیهی است که روسیه در سال 2015 وارد دوره رکود اقتصادی، عمق و مدت
UDC 336 علوم اقتصادی آرتسوف ابوبکر میربکوویچ، دانشجوی دانشگاه مالی تحت دولت فدراسیون روسیه باشیبووک محمد انس، دانشجوی دانشگاه مالی زیر نظر دولت
بررسی روند توسعه در بخش بانکداری روسیه: نتایج 21 مطالب تحلیلی مارس 211 محتویات حجم دارایی های بانکی 14.9٪ افزایش یافت. دارایی های Sberbank سریعتر از سایر بانک های روسیه رشد کرد
UDC 368(470.54) کلمات کلیدی: بیمه، بازار بیمه منطقه ای، تراکم، نفوذ، شبیه سازی مدل سازی I. Vedmed تجزیه و تحلیل شاخص های اصلی توسعه بازار بیمه در Sverdlovsk
ویشکوفسکی گنادی لئونیدوویچ روش‌شناسی انتخاب بهینه مراحل تأثیر بازاریابی در برنامه‌ریزی رسانه کلیدواژه‌ها: برنامه‌ریزی رسانه، مدیریت تقاضای اطلاعات، فاز بازاریابی
گزارش "درباره پیش بینی توسعه اجتماعی-اقتصادی منطقه چلیابینسک برای سال 2015 و دوره برنامه ریزی 2016 و 2017" اسلاید 2.3 پیش بینی توسعه اجتماعی و اقتصادی منطقه چلیابینسک برای سه سال
- تخصص کمیسیون عالی گواهینامه فدراسیون روسیه 08.00.13
- تعداد صفحات 149
مقدمه.
فصل 1. سرمایه گذاری پورتفولیو. دیدگاه و مسائل مدرن.
بند 1.1. سرمایه گذاران و اهداف آنها موسسات سرمایه گذاری و نرخ بهره
1.1.1. اهداف سرمایه گذاری موضوعات فعالیت های سرمایه گذاری.
1.1.2. مراحل فعالیت سرمایه گذاری
بند 1.2. مروری بر اوراق بهادار با درآمد ثابت
1.2.1. طبقه بندی اوراق بهادار.
1.2.2. اوراق بهاداری که ساختار مدت نرخ های بهره را تشکیل می دهند.
بند 1.3. مروری بر استراتژی های مدیریت پورتفولیو با درآمد ثابت تغییر نرخ بهره استراتژی های ایمن سازی
1.3.1. استراتژی های ساختار سبد.
1.3.2. طبقه بندی استراتژی های مدیریت دارایی.
1.3.3. انواع تغییرات در ساختار مدت نرخ بهره.
1.3.4. مشکلات جابجایی های غیر موازی. تصمیمات گرفته شده استمشکلات
بند 1.4. روش های تحلیل و پیش بینی بازارهای مالی. ابزارهای پیش بینی بازارهای مالی
1.4.1. انواع تحلیل بازارهای مالی
1.4.2. انتخاب نوع تحلیل برای حل مسئله پیش بینی انواع جابه جایی منحنی بازده.
1.4.3. مدل های مورد استفاده برای ساختار اصطلاحی نرخ های بهره.
1.4.4. پیش بینی بازارهای مالی بر اساس استفاده از روش های القاء قوانین و شبکه های عصبی.
1.4.5. سیستم های مبتنی بر روش های القاء قوانین
1.4.6. شبکه های عصبی
1.4.7. ویژگی های پیش بینی بازارهای مالی با استفاده از شبکه های عصبی
1.4.8. ابزارهای پیش بینی انتخاب شده
بند 1.5. عواملی که ساختار مدت نرخ بهره را تعیین می کنند.
1.5.1. عوامل اقتصادی و غیراقتصادی موثر بر تغییرات ساختار مدت نرخ بهره.
1.5.2. شیب منحنی بازده. مدل فرانکل.
فصل 2. توسعه روش ها برای مدیریت پرتفولیوی اوراق بهادار با درآمد ثابت.
بند 2.1. اصول کلی برای ساخت شبکه های عصبی هنگام حل مشکل پیش بینی سطح نرخ بهره و بایاس غیر موازی.
بند 2.2. مدل سازی رابطه بین عوامل اساسی اصلی و سطح نرخ بهره.
بند 2.3. مدل سازی ساختار نرخ بهره
بخش 2.4. توسعه روشی برای مصون سازی سبد اوراق بهادار با درآمد ثابت.
بخش 2.5. پیش بینی جابجایی های غیر موازی
فصل 3. توسعه یک ایستگاه کاری خودکار برای مدیر پورتفولیو اوراق قرضه.
بند 3.1. مفهوم AWS. اهداف توسعه AWP
بند 3.2. معماری تکنولوژیکی ایستگاه های کاری
بند 3.3. ساختار عملکردی محل کار خودکار
3.3.1. بلوک برای تعیین اهداف سرمایه گذاری.
3.3.2. بلوک برای تهیه اطلاعات در مورد وضعیت بازارها و تاریخچه شاخص های کلان اقتصادی.
3.3.3. بلوک برای تجزیه و تحلیل داده ها در مورد وضعیت بازارها و پیش بینی بازارها.
3.3.4. بلوکی برای تجزیه و تحلیل ساختار سبد فعلی، انتخاب استراتژی سرمایه گذاری و تعیین ساختار دقیق سبد سرمایه گذاری.
3.3.5. واحد ارزیابی فعالیت های مدیریت پورتفولیو.
بخش 3.4. اجزای فنی و نرم افزاری محل کار خودکار.
بخش 3.5. شبکه عصبی به عنوان جزئی از محل کار خودکار
بند 3.6. مقررات و رویه های اساسی. پشتیبانی اطلاعات.
3.6.1. آیین نامه تعیین نظام اهداف سرمایه گذاری.
3.6.2. مقررات تعیین سیستم محدودیت های مشتری/شرکت.
3.6.3. مقررات تعیین سیستم محدودیت های قانونی در مورد مدیریت دارایی.
3.6.4. آیین نامه تعیین سیستم محدودیت های زیرساختی.
3.6.5. مقررات مربوط به اطلاعات و پشتیبانی تحلیلی. اطلاعات خارجی
3.6.6. مقررات پشتیبانی اطلاعات اطلاعات در مورد ساختار پورتفولیو.
3.6.7. مقررات توسعه و نگهداری فناوری ها.
3.6.8. مقررات تشکیل استراتژی سرمایه گذاری و تعیین ساختار تفصیلی پرتفوی.
3.6.9. مقررات ارزیابی فعالیت های مدیریت پورتفولیو.
بخش 3.7. ارزیابی اثربخشی محل کار خودکار.
معرفی پایان نامه (بخشی از چکیده) با موضوع "مدل ها و روش های پیش بینی نرخ بهره در اطلاع رسانی مدیریت اوراق بهادار"
مدیریت سرمایه موثر یک دغدغه حیاتی برای مشاغل و افراد است. دولت جایگاه قابل توجهی در سیستم تنظیم، کنترل و بهبود کارایی فعالیت های مدیریت دارایی دارد. به ویژه افزایش سطح امنیت اجتماعی جمعیت یکی از اولویت های هر کشوری است. اصلاح نظام بازنشستگی موجود و ایجاد نظام بازنشستگی غیردولتی برای این منظور برای رفع این مشکل در راستای ارتقای حمایت اجتماعی از بازنشستگان در نظر گرفته شده است. این رویکرد به دلیل کارایی عینی کارآمدتر شرکت های غیردولتی غالب است.
مهمترین وظیفهصندوق‌های بازنشستگی غیردولتی نیز به نوبه خود، افزایش کارایی مدیریت دارایی‌ها به منظور دستیابی به حداکثر سودآوری با سطح قابل قبول ریسک بر وجوه سرمایه‌گذاری شده سرمایه‌گذاران صندوق است. از آنجایی که این اهداف با استفاده از فناوری‌های با درآمد ثابت محقق می‌شوند، وظایف ایجاد، پیاده‌سازی و بهبود کارایی فناوری‌های مدیریت اوراق بهادار با درآمد ثابت از اهمیت بالایی برخوردار است.
با توجه به سابقه هنوز کوتاه بازار مالی روسیه، از یک سو و تجربه عالیانباشته شده توسط موسسات مالی غربی، از سوی دیگر، بزرگترین موفقیت ها در مدیریت دارایی توسط آن دسته از مدیران مالی حاصل می شود که به طور منطقی از این تجربه استفاده می کنند و فناوری های مدیریت دارایی غربی را به روسیه منتقل می کنند، اما در عین حال با در نظر گرفتن ویژگی های روسیه. اقتصاد، ذهنیت و غیره
به مهمترین ویژگی هااز بازار مالی روسیه که در طی پنج سال گذشته از فعالیت آن مشاهده شده است، عبارتند از: تاریخچه کوتاه.
حساسیت بالا به نفوذ عوامل خارجی(اصلی ترین آنها حرکت سرمایه خارجی است).
درجه بالای تأثیر عوامل غیر رسمی و ضعیف قابل پیش بینی؛
تنوع بالای چارچوب قانونی.
این ویژگی ها برخی از مشکلات را در تحلیل و پیش بینی بازارهای مالی در فدراسیون روسیه تعیین می کند. تاریخچه کوتاه به ما اجازه تعمیم و تحلیل کافی فضای رویدادها را نمی دهد. یک بازار غیر نقدینگی به یک اپراتور بزرگ اجازه می دهد تا به طور تصادفی به طور قابل توجهی بر سطوح قیمت تأثیر بگذارد. پیش بینی تنوع قوانین دشوار است و اغلب با واقعیت های اقتصادی مطابقت ندارد.
بنابراین استفاده از اکثر روش‌های تحلیل و پیش‌بینی بازارهای اوراق بهادار از جمله بازارهای اوراق با درآمد ثابت عملاً غیرممکن است. در بازارهای فاقد نقدینگی و با نقدینگی ضعیف، مانند قبل از سال 1997 و در سال 1998-1999. بازار روسیهاوراق بهادار با درآمد ثابت، برای اهداف پیش‌بینی میان‌مدت، به‌دلیل تأثیر عوامل غیرقابل پیش‌بینی یا ضعیف پیش‌بینی‌ناپذیر، استفاده از تحلیل تکنیکال کلاسیک یا تحلیل عامل بنیادی کلاسیک غیرممکن است. دقت پیش‌بینی نرخ بهره میان‌مدت (برای مدت بیش از 1 ماه) هنگام پیش‌بینی با استفاده از مدرن‌ترین فناوری مبتنی بر استفاده از شبکه‌های عصبی کمتر از 60 درصد است که یک شاخص رضایت‌بخش نیست.
دولت روسیه با درک و پذیرفتن تمامی مشکلات ذکر شده در بازار مالی روسیه، به تدریج فعالیت موسسات مالی داخلی را بر اساس قانون آزاد می کند. نمونه ای از این اجازه به صندوق های بازنشستگی غیردولتی برای قرار دادن دارایی ها در ابزارهای بسیار قابل اعتماد بازارهای مالی غرب است.
بنابراین تجزیه و تحلیل فن آوری های موجودمدیریت دارایی در بازارهای مالی غرب، شناسایی کاستی‌های آنها، اصلاح این فناوری‌ها به منظور بهبود صحت پیش‌بینی برای کاربرد بیشتر در بازارهای پولی و بازار سرمایه غرب و همچنین سازگاری با شرایط روسیه و در عین حال بهبود فضای سرمایه‌گذاری مرتبط‌ترین مورد است. چالش مدرنمدیریت مالی در روسیه
علیرغم تنوع فناوری های توسعه یافته در طول تاریخ چند صد ساله بازارهای مالی غرب، توسعه روش ها و تئوری های مدیریت پورتفولیو در حال حاضر ادامه دارد. انگیزه ویژه قدرتمندی برای توسعه و بهبود فناوری های مدیریت پورتفولیو با پیشرفت در زمینه فناوری اطلاعات ایجاد شد. تحلیل عاملی حجم زیادی از داده ها بر اساس استفاده از آخرین فناوری هاجمع آوری، ذخیره سازی و پردازش سریع داده ها؛ ظهور ابزارهایی مانند شبکه های عصبی، شناسایی الگوهای غیر آشکار در اقتصاد را ممکن ساخته است. می توان اشاره کرد که در حال حاضر توسعه فناوری های مدیریت دارایی به میزان قابل توجهی به سطح توسعه فناوری اطلاعات بستگی دارد. بنابراین، مانند فرآیند بهبود فناوری اطلاعات، فرآیند توسعه فناوری های جدید مدیریت دارایی را می توان مستمر نامید.
نیاز به بهبود فناوری های سرمایه گذاری موجود، مدل ها و روش های پیش بینی در شرایط مدرنو موضوع تحقیق انجام شده در کار را مشخص کرد.
هدف از این پژوهش، توسعه مدل‌ها و روش‌هایی برای پیش‌بینی نرخ بهره و کاربرد آن در مدیریت سبد اوراق بهادار است.
اهداف توسعه یک محل کار خودکار برای مدیر پورتفولیوی اوراق قرضه عبارتند از:
بهبود کارایی مدیریت پرتفوی اوراق با درآمد ثابت؛
افزایش رقابت پذیری شرکت/صندوق؛
تشکیل درختی از تصمیمات ممکن برای مدیر سبد اوراق قرضه بر اساس تجزیه و تحلیل انواع استراتژی های سرمایه گذاری.
ارزیابی اثربخشی اجرا و توانایی مقایسه استراتژی‌های سرمایه‌گذاری مختلف، از جمله استراتژی‌های کلاسیک و جدید؛
ارتقای صلاحیت مدیران سبد دارایی.
اهداف مطالعه مطابق با هدف ذکر شده عبارتند از:
تحقیق در مورد ماهیت اهداف سرمایه گذاری موسسات مالی و افراد؛
تحقیق در مورد انواع اوراق بهادار با درآمد ثابت، ساخت طبقه بندی اوراق بهادار با درآمد ثابت.
تحقیق و طبقه بندی استراتژی های سرمایه گذاری برای مدیریت سبد اوراق بهادار.
تعیین روش های پذیرفته شده تحلیل و پیش بینی بازارهای مالی.
شناسایی عواملی که بیشترین تأثیر را بر پویایی نرخ بهره دارند، تعیین اهمیت این عوامل بر اساس استفاده از فناوری شبکه های عصبی.
مدل سازی ساختارهای نرخ بهره;
ساخت مدلی از وابستگی نرخ بهره به عوامل مهم بر اساس استفاده از فناوری شبکه عصبی.
شناسایی ریسک های مرتبط با استفاده از فناوری های مدیریت اوراق بهادار با درآمد ثابت.
توسعه روش هایی برای کاهش خطرات استفاده از فناوری ها برای مدیریت اوراق بهادار با درآمد ثابت.
توسعه و اجرای یک ایستگاه کاری خودکار (AWS) برای مدیر پورتفولیوی اوراق قرضه؛
انجام ارزیابی اثربخشی سیستم ایجاد شده برای مدیریت سبد اوراق بهادار با درآمد ثابت.
هدف این مطالعه بازار اوراق بهادار با درآمد ثابت منتشر شده به دلار آمریکا است. این مقاله به بررسی پویایی منحنی بازدهی تعهدات خزانه داری ایالات متحده (یادداشت ها، اسکناس ها و اوراق قرضه خزانه داری ایالات متحده) می پردازد. موضوع تحقیق، مسئله مدیریت موثر سبد اوراق بهادار با درآمد ثابت است.
برای انجام تحقیقات علمی، کار از روش های تجزیه و تحلیل آماری، تحقیق تجربی، بهینه سازی عددی، روش های نظریه شبکه های عصبی، روش های حل مسائل مینیمکس.
1. فن آوری برای پیش بینی سطوح نرخ بهره با تعیین وابستگی های عملکردی بین عوامل کلیدی اقتصاد کلان، مقادیر میانگین گذشته آنها و انتظارات سرمایه گذاران در مورد سطوح نرخ بهره با استفاده از ابزار شبکه عصبی.
2. فن آوری برای تجزیه و تحلیل اهمیت عوامل برای پیش بینی نرخ بهره با استفاده از شبکه های عصبی تک لایه خطی.
3. فن آوری های پیش بینی نوع جابجایی (موازی یا غیر موازی) منحنی بازده با استفاده از مدل چند عاملی وابستگی نوع جابجایی به شاخص های کلان اقتصادی (فرانکل) و با استفاده از ابزار شبکه عصبی.
4. روش تعیین امکان استفاده از راهبردهای ایمن سازی پورتفولیو با استفاده از معیار ایمن سازی پورتفولیو. توسعه معیارهای ایمن سازی نمونه کارها؛
5. فن آوری برای تعیین ساختار سبد واکسینه شده در طول ایمن سازی برای هر دوره.
ارزش عملی کار در این واقعیت نهفته است که دستگاه توسعه یافته برای حل مشکلات مدیریت پرتفوی اوراق بهادار با درآمد ثابت در عمل توسط شرکت مدیریت صندوق بازنشستگی غیر دولتی برای پیش بینی یکی از عوامل اصلی تأثیرگذار بر بازار اوراق بهادار روسیه استفاده می شود. - نرخ بهره اوراق قرضه خزانه داری ایالات متحده. فناوری های توسعه یافته زمانی می توانند مورد استفاده قرار گیرند که قانون کنترل ارز در نهایت تغییر کند و پس از آن صندوق های روسیه قادر به فعالیت خواهند بود. بازارهای بین المللیسرمایه این فناوری‌ها همچنین می‌توانند پس از اعطای رتبه سرمایه‌گذاری توسط آژانس‌های رتبه‌بندی غربی به فدراسیون روسیه، با بازار مالی روسیه سازگار شوند که به معنای ورود سرمایه‌گذاران و سرمایه‌های جدید و تثبیت بازار مالی روسیه خواهد بود.
لازم به ذکر است که نتایج به دست آمده در کار نه تنها توسط غیر دولتی قابل استفاده است صندوق های بازنشستگی، بلکه توسط شرکت های بیمه، شرکت های سرمایه گذاری، بانک های تجاری و سرمایه گذاران خصوصی به منظور مدیریت پرتفوی با درآمد ثابت.
نتیجه گیری پایان نامه با موضوع "روش های ریاضی و ابزاری اقتصاد"، اشکراپکین، الکسی وادیموویچ
نتیجه گیری
پایان نامه توسعه یافته موثر است فناوری اطلاعاتمدیریت سبد اوراق بهادار با درآمد ثابت کارایی از طریق آزمایش بر روی داده های واقعی بازار ثابت شده است.
با توجه به اهداف بیان شده از مطالعه، وظایف زیر حل شد:
مطالعه ای در مورد ماهیت اهداف سرمایه گذاری موسسات سرمایه گذاری و افراد انجام شد. انواع اهداف سرمایه گذاری بسته به انواع مختلف سرمایه گذاران شناسایی می شوند.
مطالعه انواع اوراق بهادار با درآمد ثابت انجام شد، طبقه بندی اوراق بهادار با درآمد ثابت ساخته شد. اوراق بهاداری که موضوع مطالعه هستند شناسایی می شوند.
طبقه بندی موجود استراتژی های سرمایه گذاری برای مدیریت پرتفوی اوراق بهادار مورد مطالعه قرار گرفته است.
روش های پذیرفته شده تحلیل و پیش بینی بازارهای مالی شناسایی و مطالعه شده است.
خطرات مرتبط با استفاده از فناوری های مدیریت اوراق بهادار با درآمد ثابت شناسایی شده است.
عواملی که بیشتر بر پویایی نرخ های بهره تأثیر می گذارند، شناسایی شده اند و اهمیت این عوامل بر اساس استفاده از فناوری های شبکه عصبی تحلیل شده است.
مدل‌های موجود ساختارهای مدت نرخ بهره تعیین می‌شوند. یکی از مدل های موجود تکمیل شده است که در نتیجه دقت تقریب افزایش یافته است.
مدلی از وابستگی نرخ بهره به عوامل مهم بر اساس استفاده از فناوری شبکه عصبی ساخته شد.
روش‌هایی برای کاهش خطرات استفاده از فناوری‌های مدیریت اوراق بهادار با درآمد ثابت بر اساس استفاده از استراتژی‌های ایمن‌سازی اصلاح‌شده با محافظت در برابر تغییر شیب ایجاد شده‌اند.
یک ایستگاه کاری خودکار (AWS) برای مدیریت یک سبد اوراق قرضه توسعه و اجرا شد.
کارایی اقتصادی سیستم ایجاد شده برای مدیریت سبد اوراق بهادار با درآمد ثابت ارزیابی شد.
نتایج به‌دست‌آمده به ما این امکان را می‌دهد که به این نتیجه برسیم که گام دیگری در بهبود و توسعه فناوری‌های مدیریت پرتفوی دارایی‌های با درآمد ثابت برداشته شده است. فناوری‌های توسعه‌یافته به مدیران پورتفولیوی شرکت اجازه می‌دهد با استفاده از این فناوری‌ها، کارایی مدیریت دارایی را افزایش دهند.
فهرست منابع تحقیق پایان نامه کاندیدای علوم اقتصادی، شکراپکین، الکسی وادیموویچ، 2000
1. شارپ دبلیو اف، الکساندر جی.جی.، بیلی جی. Investments M. Infra-M, 1997. - 1024 p.
2. فرانک جی. فابوزی بازارهای باند، تحلیل و استراتژی هال پرنتیس، 1996.595 ص.
3. فرانک جی. فابوزی، فرانکو مودیلیانی، بازارهای سرمایه: نهادها و ابزارها - پرنتیس هال، 1992
4. فرانک جی. فابوزی بازارهای باند، تجزیه و تحلیل و شرکت کنندگان پرنتیس هال، 1994
5. F. M. Reddington بررسی اصل ارزش گذاری دفتر زندگی مجله موسسه اکچوئرها، 1952
6. G.O. Bierwag, George K. Kaufman, Alden Toevs ایمن سازی استراتژی برای تامین مالی چند بدهی مجله تحلیل مالی و کمی, 1983
7. Fong و Vasicek استراتژی به حداقل رساندن ریسک برای ایمن سازی مسئولیت های متعدد - مجله مدیریت پورتفولیو، بهار 1987
8. فرانک جی. جونز استراتژی های منحنی بازده مجله درآمد ثابت، 1 - 1991
9. Robert R. Reitano رویکرد چند متغیره به نظریه ایمن سازی مرکز تحقیقات واقعی، 1990
10. Robert R. Reitano تغییر منحنی عملکرد غیر موازی و ایمن سازی مجله مدیریت پورتفولیو، بهار 1992
11. J.A.Frankel بازارهای مالی و سیاست پولی، مطبوعات MIT، کمبریج، 1995
12. I.T.Nabney P.G.Jenkins قانون القا در امور مالی و بازاریابی کنفرانس داده کاوی در امور مالی و بازاریابی، 1992
13. G. Cybenko تقریب با برهم نهی یک تابع سیگموئیدی ریاضی. کنترل، سیگنال ها و سیستم ها، 1989
14. سی.دانیس پیش بینی بازارهای مالی جان وایلی" و پسران، 1997
15. ج.م. کینز نظریه کلی اشتغال، بهره و پول مک میلان، لندن، 1936
16. W. Phoa تجزیه و تحلیل پیشرفته درآمد ثابت FJF، 1998
17. گربان ع.ن. آموزش شبکه های عصبی مسکو. پاراگراف SP. 1990. - 160 صفحه 18.2 کنفرانس علمی و فنی همه روسی "Neuroinformatics-2000". مجموعه آثار علمی. در 2 قسمت. M.: MEPhI، 2000. 284 ص.
18. N. Anderson, F. Breedon برآورد و تفسیر منحنی بازده Wiley, 1997 220 pp.
19. J. W. Smith, E. V. Kuznetsova, مدیریت مالی یک شرکت فرهنگ حقوقی, 1995 383 p.
20. D.-E. باستنس، دبلیو-ام. ون دن برگ، دی. وود، شبکه های عصبی و بازارهای مالی، ریاضیات مالی و بیمه، 1997 236 ص.
21. Vasicek and Beyond Approaches to building and beyond rate models - Financial Engineering ltd., 1996 367c.
22. G.O.Bierwag، تجزیه و تحلیل مدت زمان: مدیریت ریسک نرخ بهره. کمبریج، MA: شرکت انتشارات Ballinger، 1987
23. جی.سی. کافمن اندازه گیری و مدیریت ریسک نرخ بهره: یک آغازگر. چشم انداز اقتصادی، بانک فدرال رزرو شیکاگو 1-2 1984
24. R. Litterman, J. Scheinkman عوامل رایج مؤثر بر بازده اوراق قرضه، مجله درآمد ثابت، 6-1991
25. R.E. Dattatreya، F.J.Fabozzi مدیریت بازده کل فعال پرتفوی با درآمد ثابت، انتشارات Probus، 1989
26. F.Modigliani، R.J.Shiller، Inflation، انتظارات منطقی وساختار مدت نرخ های بهره، اقتصاد سنجی، 1973
27. I.E. Messmore مدت زمان مازاد. مجله مدیریت پورتفولیو، زمستان 1369
28. F.J. Fabozzi Investment Management, Infra-M, 2000
29. K. J. Cohen, R. L. Kramer, W. H. منحنی های بازده رگرسیون واو برای اوراق بهادار دولتی ایالات متحده، علم مدیریت، 14، 1966
30. W.T.Carleton، I.A.Cooper، برآورد و استفاده از ساختار اصطلاحی نرخ بهره، مجله مالی، 4، 1976
31. دبور، راهنمای عملی برای اسپلاین، اسپرینگر-ورلاگ، نیویورک 1978
32. D.I.Meiselman ساختار اصطلاحی نرخ بهره، سالن پرنتیس، 1962
33. G.S.Shea، برآورد ساختار مدت نرخ بهره با خطوط نمایی: یادداشت، مجله مالی، 1، 1985
34. A. Buhler, H. Zimmermann تجزیه و تحلیل آماری از ساختار مدت نرخ بهره در سوئیس و آلمان. مجله درآمد ثابت 12-96.
35. A. Beja ترجیح ایالت و نرخ بهره بدون ریسک: مدل مارکوف از بازارهای سرمایه. بررسی مطالعات اقتصادی 46، 1979
36. Shkrapkin A.B. استراتژی های عمومی مدیریت سبد دارایی ها استراتژی های پورتفولیو فعال، منفعل و منفعل-فعال./ مجموعه مقالات کنفرانس علمی "اصلاحات در روسیه و مشکلات مدیریت-97"، شماره 3 M.: GAU 1997.
37. Shkrapkin A.V. استراتژی های ساختار سبد. / بازار اوراق بهادار، 1379، شماره 19.
38. Shkrapkin A.V. رویکردهای پیش‌بینی نرخ بهره با استفاده از ابزارهای شبکه عصبی / فناوری های بانکی، 1379، شماره 12.
لطفاً توجه داشته باشید که متون علمی ارائه شده در بالا فقط برای مقاصد اطلاعاتی ارسال شده اند و از طریق تشخیص متن پایان نامه اصلی (OCR) به دست آمده اند. در این رابطه، آنها ممکن است حاوی خطاهای مرتبط با الگوریتم های تشخیص ناقص باشند. در فایل های PDFدر پایان نامه ها و چکیده هایی که ارائه می دهیم چنین اشتباهی وجود ندارد.
برای مدلسازی سطوح نرخ بهره در آمار، از انواع معادلات از جمله چند جمله‌ای درجات مختلف، نمایی، منحنی‌های منطقی و انواع دیگر توابع استفاده می‌شود.
هنگام مدلسازی سطوح نرخ بهره، وظیفه اصلی انتخاب نوع تابعی است که با دقت بیشتری روند توسعه شاخص مورد مطالعه را توصیف می‌کند. مکانیسم تعیین تابع مشابه انتخاب نوع معادله در ساخت مدل های روند است. در عمل از قوانین زیر برای حل این مشکل استفاده می شود.
1) اگر سری دینامیک تمایل به افزایش یا کاهش یکنواخت دارد، توصیه می شود از توابع زیر استفاده کنید: خطی، سهمی، توانی، نمایی، هذلولی یا ترکیبی از این انواع.
2) اگر سری تمایل به توسعه سریع شاخص در ابتدای دوره و کاهش در پایان دوره داشته باشد، توصیه می شود از منحنی های لجستیک استفاده شود.
3) اگر یک سری از دینامیک با وجود مقادیر شدید مشخص می شود، توصیه می شود یکی از انواع منحنی گومپرتز را به عنوان مدل انتخاب کنید.
در فرآیند مدلسازی سطوح نرخ بهره ارزش عالیبه انتخاب دقیق نوع تابع تحلیلی داده شده است. این با این واقعیت توضیح داده می شود که توصیف دقیق الگوی توسعه یک شاخص شناسایی شده در گذشته، قابلیت اطمینان پیش بینی را برای توسعه آن در آینده تعیین می کند.
مبانی نظریروش‌های آماری مورد استفاده در پیش‌بینی، خاصیت اینرسی شاخص‌ها است که بر این فرض استوار است که الگوی توسعه‌ای که در گذشته وجود داشته، در آینده پیش‌بینی‌شده نیز ادامه خواهد داشت. روش اصلی پیش‌بینی آماری برون‌یابی داده‌ها است. دو نوع برون یابی وجود دارد: آینده نگر، انجام شده در آینده، و گذشته نگر، انجام شده در گذشته.
برون یابی باید به عنوان اولین گام در انجام پیش بینی های نهایی ارزیابی شود. هنگام استفاده از آن، لازم است تمام عوامل و فرضیه های شناخته شده در مورد شاخص مورد مطالعه در نظر گرفته شود. علاوه بر این، باید توجه داشت که هر چه دوره برون یابی کوتاهتر باشد، می توان پیش بینی دقیق تری به دست آورد.
به طور کلی، برون یابی را می توان با تابع زیر توصیف کرد:
y i + T = ƒ (y i، T، a n)، (26)
جایی که y i + T - سطح پیش بینی شده.
y i - سطح فعلی سری پیش بینی شده؛
T - دوره برون یابی؛
و n پارامتر معادله روند است.
مثال 3''. بر اساس داده های مثال 3، ما به نیمه اول سال 2001 برون یابی می کنیم. معادله روند به شرح زیر است: y^ t = 10.1-1.04t.
y 8 = 10.1-1.04 * 8 = 1.78;
y 9 = 10.1-1.04 * 9 = 0.78.
در نتیجه برون یابی داده ها، مقادیر پیش بینی نقطه ای را به دست می آوریم. همزمانی داده‌های واقعی برای دوره‌های آینده و داده‌های به‌دست‌آمده از برون‌یابی به دلایل زیر بعید است: تابع مورد استفاده در پیش‌بینی تنها تابعی نیست که توسعه پدیده را توصیف می‌کند. پیش بینی با استفاده از یک پایگاه اطلاعاتی محدود انجام می شود و مؤلفه های تصادفی ذاتی در سطوح داده های اولیه بر نتیجه پیش بینی تأثیر می گذارد. رویدادهای پیش بینی نشده در زندگی سیاسی و اقتصادی جامعه در آینده می تواند روند توسعه پیش بینی شده شاخص مورد مطالعه را به طور قابل توجهی تغییر دهد.
با توجه به این واقعیت که هر پیش بینی نسبی و تقریبی است، هنگام برون یابی سطوح نرخ بهره، توصیه می شود مرزهای فواصل اطمینان پیش بینی را برای هر مقدار y i + T تعیین کنید. مرزهای فاصله اطمینان دامنه نوسانات در داده های واقعی دوره آینده را از موارد پیش بینی شده نشان می دهد. به طور کلی، مرزهای فواصل اطمینان را می توان با فرمول زیر تعیین کرد:
y t ±t α *σ yt , (27)
جایی که y t مقدار سطح پیش بینی شده است.
t α - مقدار اطمینان تعیین شده بر اساس آزمون t Student.
σ yt – ریشه میانگین خطای روند مربعی.
علاوه بر برون یابی بر اساس تراز سری ها با توجه به تابع تحلیلی، پیش بینی را می توان با استفاده از روش برون یابی بر اساس میانگین افزایش مطلق و میانگین نرخ رشد انجام داد.
استفاده از روش اول بر این فرض استوار است که روند کلی در توسعه نرخ بهره با یک تابع خطی بیان می شود، یعنی. یک تغییر یکنواخت در نشانگر وجود دارد. برای تعیین سطح پیش‌بینی‌شده بهره وام برای هر تاریخ t، میانگین افزایش مطلق باید محاسبه شود و به‌طور متوالی با آخرین سطح سری دینامیک به تعداد دوره‌های زمانی که این سری برون‌یابی شده است، جمع‌بندی شود.
y i + T = y i + ∆¯*t، (28)
جایی که i آخرین سطح دوره مورد مطالعه است که Δ¯ برای آن محاسبه می شود.
t - دوره پیش بینی؛
∆¯ - متوسط افزایش مطلق.
روش دوم در صورتی استفاده می شود که فرض شود روند توسعه عمومی با یک تابع نمایی تعیین می شود. پیش بینی با محاسبه میانگین نرخ رشد افزایش یافته به توانی برابر با دوره برون یابی انجام می شود.
در حال بارگیری...
