Invest-currency.ru

Как обезопасить себя в кризис?
0 просмотров
Рейтинг статьи
1 звезда2 звезды3 звезды4 звезды5 звезд
Загрузка...

Статистический анализ валютных курсов

Статистический анализ валютных курсов

Библиографическая ссылка на статью:
Амирбекян Л.Р. Статистические методы анализа и прогнозирования валютных курсов в современных условиях // Экономика и менеджмент инновационных технологий. 2017. № 3 [Электронный ресурс]. URL: http://ekonomika.snauka.ru/2017/03/14164 (дата обращения: 07.02.2019).

Информация как важнейший ресурс экономики в современных условиях выполняет особую роль. Для формирования целостного представления о ситуации на рынке требуется достоверная и актуальная информация. Необходимо помнить, что оперативность информации отражается на ее качестве, то есть достоверности: чем более оперативна информация, тем она менее достоверна, и наоборот, чем менее оперативна информация, тем она более достоверна. Очень важно получить необходимую информацию своевременно.

На фоне возрастающей роли информации приобретают большую значимость источники и способы ее получения, а также методы прогноза на основе нее. В постиндустриальных обществах информацию используют как источник власти, поскольку благодаря достаточной информационной обеспеченности возможностей для анализа и прогноза текущей и будущей ситуации на рынке становится все больше.

Получение достоверной информации своевременно очень важно и для участников валютного рынка. Многие эксперты считают, что аналитики могли бы спрогнозировать степень влияния на экономику страны резкого роста доллара США и евро по отношению к рублю в декабре 2014 года, так как было известно, что весомая доля доходов бюджета России – это поступления от экспорта нефти, а на них косвенно влияет ситуация на валютном рынке, в частности при падении цены на нефть доллар США начинает расти по отношению к другим валютам. На рисунке 1 представлено изменение курса доллара США по отношению к рублю с 08.10.2013 по 08.09.2016 гг., информация размещена на официальном сайте Банка России.

Рисунок 1. Динамика курса USD к рублю

Для того, чтобы понять, возможно ли было спрогнозировать вышеописанные события, рассмотрим методы прогноза, которые используются на сегодняшний день аналитиками.

Среди основных направлений прогнозирования валютных курсов выделяют [1]:

  1. Технический анализ;
  2. Фундаментальный анализ;
  3. Анализ экономических циклов.

Чтобы была возможность компенсировать недостатки одного метода достоинствами другого, аналитики обычно используют их комплексно. Технический анализ, как основа любого исследования, дополняется фундаментальными методами анализа и обосновывается с точки зрения теории циклов. Все три метода также используются на практике отдельно, независимо друг от друга, но при этом вероятность получения достоверных результатов анализа и прогноза снижается.

Начнем рассмотрение технического анализа с популярного и простого метода, который является классическим инструментом в статистике — метода экстраполяции. При реализации данного метода анализируются данные за предыдущие несколько периодов, выбирается функция, которая, по мнению исследователя, наиболее точно описывает линию тренда, а затем путем математических вычислений линия тренда «продлевается в будущее» до определенного момента времени. Чаще всего при использовании метода экстраполяции достоверные значения получают при краткосрочном прогнозировании. Так как прогноз строится на основе прошлых и настоящих событий, это приводит к накоплению погрешности и, как следствие, неточности при долгосрочном прогнозировании. Оптимальный период прогнозирования — не более 1/3 базы исследования.

Недостатком метода является также непредсказуемость поведения линии тренда при возникновении непредвиденных обстоятельств. В этом можно убедится, обратившись к ситуации, изображенной на рисунке 1. В момент резкого повышения курса доллара США по отношению к рублю линия тренда меняла свою функцию, тем самым опровергая предыдущие прогнозные данные, полученные на основе применения метода экстраполяции. Чтобы построить новую линию тренда, требуется время для реализации всех этапов описываемого метода. Таким образов, можно убедится, что при нестабильной конъюнктуре валютного рынка, применение метода экстраполяции нецелесообразно.

Более эффективным методом технического анализа является «метод скользящей средней». При реализации данного метода анализируется линия тренда, построенная по среднему значению курса. Применение метода позволяет «сгладить» колебания цен во времени, однако оперативность реагирования на изменение ситуации невысока, так как линия тренда отображается с некоторым временным лагом. Данный метод, как и метод экстраполяции, не стоит использовать при нестабильной конъюнктуре валютного рынка, на которую оказывают влияние такие факторы как кризисы, изменения политической обстановки и т.д.

В техническом анализе большое влияние уделяется относительно новому инструменту — адаптивным методам прогнозирования. Их особенностью является способность оперативно приспосабливаться к изменяющейся конъюнктуре рынка, что, несомненно, является весомым аргументом в их пользу в процессе принятия решения об использовании того или иного метода при анализе. Реализации данного метода сводится к построению саморегулируемых моделей. На каждом условном «шаге» исследуемого статистического ряда проводится оценка достоверности и точности прогноза путем сравнения прогнозных данных с реальными. Полученное отклонение вводится в модель с целью корректировки последующих показателей. Коррективы приходится вносить на каждом этапе «обучения» модели. Несмотря на высокую точность прогнозов, их период становится еще более краткосрочным.

Таким образом, несомненным преимуществом адаптивных моделей в современных условиях является их гибкость, точность, оперативность реагирования на любые изменения. Но не стоит преуменьшать и роль недостатков указанных моделей: постоянная корректировка модели значительно усложняет анализ, а множество учитываемых факторов может чрезмерно увеличить ее чувствительность, что, в свою очередь, приведет к искажению результатов прогноза [2].

Фундаментальный анализ широко используется аналитиками, при этом он подвержен их субъективным оценкам, а возможность описать числовыми данными реальную ситуацию не всегда имеется, отсюда и вытекает неточность получаемых прогнозов. Приемы фундаментального анализа позволяют оценить влияние косвенных факторов на валютные курсы [3]:

  1. Макроэкономических факторов (степень экономического роста; состояние рыночной конъюнктуры; динамика цен; инвестиционный спрос; потребительский спрос; внешняя торговля; валютный курс);
  2. Микроэкономических факторов (динамика прибыли компании; политика в области дивидендов; прогноз будущей рентабельности; уровень издержек; степень загруженности производственного аппарата (заказы); управленческое звено; сбытовые возможности);
  3. Факторов рынка капиталов (ликвидность инвестиций; процентная ставка для облигаций; доходность иностранных инвестиций; налогообложение);
  4. Факторов техники рынка (техника (купля-продажа) для поддержания курса; возможность получения контрольного пакета; спекуляции);
  5. Политических факторов (социальная политика; экологическая политика);
  6. Психологических факторов (слухи; эффект примера; оптимизм и пр.).

Одним из способов фундаментального анализа является оценка изменения валютных курсов по теории паритета покупательной способности (ППС). Суть теории сводится к «закону одной цены», согласно которому одинаковые товары в разных точках мира должны иметь одинаковую стоимость. Из закона следует, что по темпам инфляции можно прогнозировать изменение курса валют, для того, чтобы сравнять цены на отдельные товары в разных странах. На основе данной теории эксперты британского журнала «The Economist» с 1986 г. каждый год рассчитывают «индекс Биг-Мака». Это попытка определить, занижена или завышена стоимость валюты в разных странах [4].

Следующим подходом в рамках фундаментального анализа является принцип экономической стабильности, согласно которому прогнозирование валютных курсов осуществляется на основе темпов экономического роста. Метод основан на предположении, что стабильная экономическая ситуация в стране, а также относительно более высокие темпы роста, способны привлечь инвесторов, которые путем покупки национальной валюты, повысят спрос на нее, что спровоцирует ее подорожание. Данный метод, в отличие от теории ППС, дает лишь представлении о направлении движения валют, он неспособен прогнозировать конкретные значения, поэтому чаще всего его используют наряду с другими методами, позволяющими это сделать.

Читать еще:  Банки ру курс валют форум

Еще одним широко используемым методом прогнозирования валютных курсов является построение эконометрической модели, которая позволяет исследовать степень влияния различных факторов, выбранных исследователем, на движение обменного курса. Кроме того, такая модель способна отображать направление движения обменного курса. Результат прогноза является достаточно точным, поскольку используется технический подход, дополненный фундаментальным анализом. В целом данный метод эффективен в современных условиях, полученный результат напрямую зависит от качества построенной модели, однако выбор того или иного фактора исследователем вносит субъективность в модель [5].

Важно отметить, что вышеназванные методы часто не способны предсказывать глобальные тенденции в экономике, поскольку рассчитаны на прогнозирование в краткосрочном периоде. Скорректировать полученные прогнозы возможно с помощью применения теории циклов, которая ориентирована на долгосрочное прогнозирование с учетом колебаний рыночных структур.

Теория циклов использовалась активно в конце XIX — начале XX века, до сих пор ведутся споры о ее достоверности, поскольку факторы, которые могут как возникать, так и не возникать в определенные периоды, заложены в теории как безусловно возникающие, например, предполагается, что технологии будут развиваться, а политические казусы будут происходить. Несмотря на такую противоречивость, теория циклов не раз доказывала свою эффективность на практике.

Подводя итоги, можно сказать, что ни один из рассмотренных в статье методов не сможет предсказать достоверно динамику валютного курса в условиях кризиса. Поэтому многие трейдеры предпочитают заменять трудоемкие и не всегда оправданные статистические методы анализа на действия, подсказанные интуицией, систематически страхуя финансовые риски. Возможно, что с помощью инновационных методов, ученые смогут выявить истинные закономерности развития общества, и тогда теория циклов, став более совершенной, сможет предсказать будущие масштабные кризисы. А пока методы прогнозирования опираются на субъективность оценок исследователей, характер прогнозов больше творческий, нежели технический.

Статистические методы анализа валютных курсов

Основным показателем целесообразности применения статистических методов при анализе и прогнозировании мировых валютных курсов является приносимая прибыль. Целью трейдера является построение системы торговли, основанной на наиболее оптимальном сочетании различных методов и приемов анализа рынка.

Данная торговая система индивидуальна для каждого трейдера, однако, в основе применения любой системы для торгов тем или иным участником рынка лежит лишь один критерий: процентное соотношение выигрышей должно преобладать при испытаниях системы на исторических данных. Данный критерий является достаточным условием для применения торговой системы в реальном времени. Большинство современных торговых систем основано на сочетании методов и приемов фундаментального и технического анализа валютного рынка.

Самой важной и сложной составляющей валютного дилинга являются умение проводить анализ тенденций изменения рынка, и, соответственно, определять, какие именно факторы и каким образом повлияют на курсы валют. В движении цен заложены как возможности быстрого получения прибыли, так и возможности быстрых и значительных убытков.

Поэтому правильное прогнозирование движений рынка, оценка тех или иных событий, а также манипуляция слухами и ожиданиями являются неотъемлемой составной частью работы на валютном рынке. Существует огромное число факторов, воздействующих как на весь валютный рынок в целом, так и на отдельные валюты.

Фундаментальный анализ является одной из самых сложных частей и в то же время, одной из ключевых частей работы на валютном рынке. Проводить фундаментальный анализ гораздо сложнее, чем какой‑либо иной, поскольку одни и те же факторы оказывают в различных условиях неодинаковое влияние на рынок или могут из решающих стать абсолютно незначительными.

Фундаментальные факторы представляют собой ключевые макроэкономические показатели состояния национальной экономики, действующие в среднесрочной перспективе и влияющие на участников валютного рынка и уровень валютного курса.

Технический анализ представляет собой общепринятый подход к изучению рынка, имеющий целью прогнозирование движения валютного курса. Технический анализ основывается на предположении, что рынок обладает памятью, а потому на будущее движение курса оказывают большое влияние наблюдаемые закономерности его прошлого поведения. Технический анализ использует методы графического исследования и анализа, базирующиеся на математических и статистических принципах.

Основными целями технического анализа являются:

1) оценка текущего направления динамики цены (тренд). При этом возможны следующие варианты:

а) «бычий» тренд – движение цены вверх. Определение «бычий» возникло по аналогии с быком, поднимающим вверх на рогах цену;

б) «медвежий» тренд – движение цены вниз. В данной ситуации медведь, как бы подминает под себя цену, наваливаясь на нее сверху вниз;

в) боковой тренд – при этом выявить определенное направление движения цены нельзя.

Обычно такое движение называют «флэт» (flat) или «уипсоу» (whipsaw);

2) оценка срока и периода действия данного направления.

При этом возможны следующие ситуации:

а) тренд краткосрочного действия;

б) тренд долгосрочного действия;

в) начало тренда;

г) завершение тренда;

3) оценка амплитуды колебания цены в действующем направлении (отклонение от текущих котировок).

При этом возможны следующие ситуации:

а) слабое изменение курса;

б) сильное изменение курса (как правило, изменение более чем на 1 % за сутки или более чем 0,3 % за календарный час).

Определив эти три составляющие динамики цены, можно с определенной долей уверенности покупать или продавать валюту.

Не нашли то, что искали? Воспользуйтесь поиском:

Лучшие изречения: При сдаче лабораторной работы, студент делает вид, что все знает; преподаватель делает вид, что верит ему. 9911 — | 7554 — или читать все.

Особенности статистического исследования динамики валютных курсов

Отметим лишь, что темп роста валютных курсов (индекс валютного курса (0) рассчитывается обычно как соотношение средних за период валютных курсов (/С,: К0) из-за сильной их колеблемости.
(15.14)
/ = — •100% *0
Также используются индексы номинального эффективного валютного курса (/ ф):

(исходя из формулы средней арифметической);

(15.16)
(исходя из формулы средней геометрической),
где К АВ( — курсы валюты А по отношению к валютам Bv В Вт,
т — число валют-измерителей; g ABj — товарооборот страны валюты А со странами валют;
В<, Вр . Вт — доля товарооборота между этими странами в совокупном обороте тстран.
Данный метод расчета используется для устранения влияния одной валюты-измерителя на показатель динамики курса исследуемой валюты: в осуществляется привязка к «корзине» валют, поэтому характеристика движения валютного курса будет более комплексной.
Средний уровень ряда валютных курсов исчисляют на базе недели и месяца (реже квартала). Данные за год чаще не осредняют- ся, а приводятся по состоянию на конец периода.
Выявление общей тенденции динамики валютного курса и ее особенностей в отдельные периоды времени — важная задача статистического анализа валютного курса, имеющая и прикладное значение. В ряде случаев тенденция проявляется четко (хорошо видна в таблице, на графиках), в других она бывает скрыта за случайными колебаниями уровней ряда. Движение валютного курса зачастую так хаотично, что возникает сомнение: действительно ли за стихийными колебаниями можно увидеть и закономерные движения уровней валютного курса во времени, т.е. прежде чем выявлять общую тенденцию, необходимо провести анализ случайности движения валютных курсов. Для этого используется совокупность статистических методов — критериев случайности.

    Критерий поворотных точек. Поворотными точками называют значения ряда, которые больше двух соседних (это пик) или меньше (впадина). Они сигнализируют о смене тенденции развития. Сравнивая число поворотных точек изучаемого ряда (ПТф) и абсолютно случайного (ПТ^), делают вывод о случайности данного процесса.

Читать еще:  Валютный курс как инструмент валютного регулирования

опираясь на сравнение /критерия с распределением Стьюдента и /факт
(15.17)

сл. ряда
где 62
16л-29 90

п — число наблюдений.
Недостатком критерия поворотных точек является то, что не учитываются абсолютные размеры взлетов и падений валютных курсов, а констатируется лишь факт смены тенденции. Поэтому следует применять и другие критерии.

  1. Критерий распределения длин фаз. Фазой называют отрезок ряда, заключенный между двумя соседними поворотными точками. Используя данный критерий, производят сравнение теоретического распределения длин фаз случайного ряда с фактическим распределением.
  2. Критерий, основанный на ранговой корреляции. Проверяется статистическая гипотеза Н0 : =0 против # 0 с помощью коэффициента ранговой корреляции Кендэла:

где р — число случаев исследуемого временного ряда Кх. К. когда величина К больше предшествующего при увеличении ее порядкового номера.
Коэффициент Кендэла изменяется в пределах — 1 lt; т lt; 1.
При т = —1 — ряд монотонно убывает; т = +1 — ряд монотонно возрастает; т = 0 — направленное изменение отсутствует.
Пример. Проверим на случайность колебаний движение валютного курса рубля по отношению к 1 долл. США за период с 19 января по 18 февраля 1994 г. (рис. 15.2):
У. руб.

Рис.15.2. Динамика курса рубля к доллару США по результатам торгов на ММВБ за 19 января — 18 февраля 1994 г.

• методом поворотных точек п =23;
ЯГф=2;
ЯГСЛ=^( 23-2) =14;
. /16-23-29 przz лал
с» V 90 V3,77=l,94;
пТ^-пТфз,, 14-2
критерий факт ? і (л
Осл 1,У4
/а = 0,05
^критерий теорет I | _ 22 I


/факт ^ /теорет
(6,19) (2,00)
Следовательно, нулевая гипотеза о совершенно случайном колебании данного динамического ряда отклоняется.
Проведем аналогичное исследование, принимая за поворотные точки и те, в которых, например, снижение меняется на стабилизацию, или стабилизация на увеличение валютных курсов. Тогда число поворотных точек равно:
ПТ ф= 8; t — 14 — 8 = 3 09
1 кріггер. факт
1,94
В этом случае
(3,09) (2,00)

  • методом ранговой корреляции

л = 23; р = 174;
т = —4?_ = _4J74 1 = 40,375.
л(л-1) 23(23-1)
Итак, поскольку / # 0, существует некоторая доля неслучайности в развитии валютного курса за исследуемый период, слабая тенденция к увеличению показателя.
Если нулевая статистическая гипотеза о случайности движения валютных курсов отклоняется, значит, оно закономерно, и эту закономерность (тенденцию) можно познать, т.е. теперь можно приступить к анализу движения валютных курсов.
Совокупное изменение во времени валютного курса раскладывают на три составляющие:

  • долговременная (основная (вековая)) тенденция, которая действует на протяжении нескольких экономических циклов;
  • циклические колебания — изменения валютного курса как следствие воздействия экономических циклов в целом (смены их фаз);
  • сезонные колебания—изменения валютного курса как следствие смен сезонов, не связанные с основным трендом и экономическим циклом.

Выявление основной тенденции осуществляется подбором наилучшей аппроксимирующей функции, которая, как правило, не должна иметь S-образную форму. (Это проявление циклических колебаний.) Современные пакеты прикладных программ предлагают выбор (в том числе автоматический) около 16 функций. Как правило, вековой тренд неплохо отражает прямая. График выравнивания курса доллара к марке по прямой линии (у — 1,6853 — 0,004 /) приведен на рис. 15.3. Исходными данными послужили среднемесячные курсы за апрель 1987 г. — ноябрь 1996 г. (по данным аген-
тства «Рейтер»), которые также нанесены на график. Уравнение прямой с «минусом» у коэффициента угла наклона отражает общую долговременную тенденцию снижения курса доллара США к немецкой марке.

Рис. 15.3. Динамика среднемесячного курса доллара США к немецкой марке за 1987—1996 гг. (Reuter Technical GUT Q8Nov95 14:27).

Выявление сезонных колебаний. Уровням рядов динамики валютного курса присущи периодические колебания внутри года, которые называют сезонными. Измерение «сезонной волны» способствует более полному анализу движения валютного курса. Исследование сезонности необходимо осуществлять, используя помесячные или поквартальные данные.
Для измерения сезонных колебаний вычисляют индексы сезонности как отношение средней из фактических уровней по каждому из одноименных месяцев (кварталов) (1факт) к средней из выравненных уровней по таким же месяцам (кварталам) (Y,):
/с« = ^т-Ю0%. (15.19)
Y
У, можно рассчитать с помощью метода скользящей средней. Период скольжения для помесячных данных принимается равным 12 месяцам, для квартальных — 4. Для исключения сезонности фактические уровни делятся на соответствующие индексы сезонности. Также Y, можно получить, используя аппроксимирующее уравнение. Часто применяют известный ряд Фурье. Устранение сезонности в этом случае достигается вычитанием Y, из Уфакт-
Выявление циклических колебаний. Характер движения валютного курса подчинен также закономерности, общей для всех экономических явлений рыночной экономики, — циклическому развитию, когда подъемы периодически чередуются со спадами. Промежуток времени между двумя соседними вершинами (впадинами) составляет длину цикла. Величины отклонений значений от горизонтальной оси (например, вековой тенденции) характеризуют размах колебаний.
Для выявления циклической составляющей динамики валютного курса статистикой также используется выравнивание по ряду Фурье, поскольку циклические колебания являются разновидностью периодических, как и сезонные. Может применяться и метод скользящей средней. Период скольжения принимают, естественно, другой, соответствующий периоду циклических колебаний. В нашем примере сглаживание целесообразно проводить по 33-месячной скользящей средней (см. рис. 15.3). Период можно определить по графику и с помощью спектрального анализа, представив ряд в виде непрерывной функции, которую можно разложить на сумму бесконечного числа гармонических функций с периодом от 0 до 2л с различной амплитудой. Спектральной плотностью функции называется величина амплитуды гармоники в зависимости от ее периода. Чем больше амплитуда (спектр) данной гармоники, тем сильнее в использованной функции присутствуют колебания с этим периодом.
Помимо гармоник Фурье могут применяться и другие функции. Например, для поквартальных курсов немецкой марки (в ЭКЮ) за 1992—1994 гг. получим уравнение параболы 4-го порядка: у, = 1,88- — 0,343/ + 0, ЮЗ/2 — 0,011/з+ О.ОООЗ/4 .
Целесообразно к исследованию циклических колебаний приступать, предварительно исключив из исходного ряда сезонность. Циклическую составляющую можно вычислить, если из фактических уровней исключить выравненные согласно основной тенденции и сезонную составляющую.

Анализ валютных курсов с использованием статистических методов

экономические науки

  • Иванов Денис Олегович , студент
  • Башкирский государственный аграрный университет
  • ПРОГНОЗИРОВАНИЕ КУРСА ЕВРО
  • ТРЕНД
  • АНАЛИТИЧЕСКОЕ ВЫРАВНИВАНИЕ
Читать еще:  Сущность валюты и валютных отношений

Похожие материалы

Под аналитическим выравниванием понимают определение основной проявляющейся во времени тенденции развития изучаемого развития. При этом развитие предстает как бы в зависимости только от течения времени. В итоге выравнивания временного ряда получают наиболее общий, суммарный, проявляющий во времени результат действия всех причинных факторов. Отклонение конкретных уровней ряда от уровней, соответствующих общей тенденции, объясняют действием факторов, проявляющихся случайно или циклически.

На практике по имеющемуся временному ряду задают вид и находят параметры функции f(t), а затем анализируют поведение отклонений от тенденции. Функцию f(t) выбирают таким образом, чтобы она давала содержательное объяснение изучаемого процесса. Чаще всего при выравнивании используется линейная зависимость у=а+bt.

Выравнивать динамические ряды по уравнению прямой линии целесообразно тогда, когда более или менее постоянны цепные абсолютные приросты, т.е. тогда, когда уровни ряда изменяются приблизительно в арифметической прогрессии.

Произведем выравнивание данных, курсов двух основных мировых валют, представленных на сайте Центрального банка Росси за период с 18.03.2015 по 18.03.2016 гг. Динамика курса валюты евро по отношению к российскому рублю за этот период представлена на рисунке 1.

Рисунок 1 Динамика курса валюты евро по отношению к российскому рублю

Рисунок 2 Аналитическое выравнивание динамики курса евро по отношению к российскому рублю по линейной функции

Рисунок 3 Аналитическое выравнивание динамики курса евро по отношению к российскому рублю по экспоненциальной функции

Рисунок 4 Аналитическое выравнивание динамики курса евро по отношению к российскому рублю по логарифмической функции

Рисунок 5 Аналитическое выравнивание динамики курса евро по отношению к российскому рублю по полиноминальной функции 2 степени

Рисунок 6 Аналитическое выравнивание динамики курса евро по отношению к российскому рублю по степенной функции

Анализируя рисунки 2-6 можно видеть, что величина достоверности аппроксимации наибольшее значение достигает при аналитическом выравнивании динамики курса евро по отношению к российскому рублю по полиноминальной функции 2 степени. Будем увеличивать степень полиноминальной функции и получим следующие результаты

Рисунок 7 Аналитическое выравнивание динамики курса евро по отношению к российскому рублю по полиноминальной функции 3-6 степеней

Величина достоверности аппроксимации растет с увеличением степени полиноминальной функции. А значит, растет достоверность при использовании полученного уравнения при прогнозировании. Прогнозирование валютных курсов имеет большое прикладное значение, так как перспективные данные об обменных курсах используются для принятия решений по валютным операциям. Для этих целей наиболее ценны краткосрочные (от 1 до 10 дней) прогнозы. На больший срок прогнозирование не целесообразно.

Прогнозирование валютного курса таит для исследователя значительные трудности, обусловленные следующим:

  • валютный курс испытывает влияние большого числа факторов;
  • их движение зачастую непоследовательно, разнопланово и разнонаправлено;
  • динамика валютных курсов труднопредсказуема;
  • надежность прогнозов невелика.

Список литературы

  1. Абдрахманова, И.И. Уровень жизни населения в России [Текст] / И.И. Абдрахманова, Т.Н. Лубова // Актуальные вопросы экономико-статистического исследования и информационных технологий: сб. науч. ст.: посвящается к 40-летию создания кафедры «Статистики и информационных систем в экономике» / Башкирский ГАУ. — Уфа, 2011. — С. 311-312.
  2. Бакирова, Е.М. Статистический анализ банковской деятельности [Текст] / Е.М. Бакирова, Т.Н. Лубова // Актуальные вопросы экономико-статистического исследования и информационных технологий: сб. науч. ст.: посвящается к 40-летию создания кафедры «Статистики и информационных систем в экономике» / Министерство сельского хозяйства РФ, Башкирский ГАУ. — Уфа, 2011. — С. 313-314.
  3. Исламгулов, Д.Р. Компетентностный подход в обучении: оценка качества образования [Текст] / Д. Р. Исламгулов, Т.Н. Лубова, И.Р. Исламгулова // Moderni vymozenosti vedy – 2016: materialy XII mezinarodni vedecko – prakticka conference, 22-30 ledna 2016 roku. – Praha: Publishing House «Education and Science» s.r.o, 2016. – dil 7 Pedagogika. – С. 59-63.
  4. Исламгулов, Д.Р. Модульно-рейтинговая система обучения и оценки знаний – особенности внедрения [Текст] / Д. Р. Исламгулов, Т.Н. Лубова // SCIENCE AND CIVILIZATION – 2016: MATERIALS OF THE XII INTERNATIONAL SCIENTIFIC AND PRACTICAL CONFERENCE, 30 january – 07 february 2016. – Sheffield: Science and education ltd, 2016. – volume 8 Pedagogical sciences. – С. 17-23.
  5. Исламгулов, Д. Р. Научно-исследовательская работа студентов — важнейший элемент подготовки специалистов в аграрном вузе [Текст] / Д. Р. Исламгулов // Проблемы практической подготовки студентов в вузе на современном этапе и пути их решения : сб. материалов науч.-метод. конф., 24 апреля 2007 года / Башкирский ГАУ. — Уфа, 2007. — С. 20-22.
  6. Лубова, Т.Н. Теоретические подходы к управлению многоуровневой кооперацией [Текст] / Т.Н. Лубова // Социальная политика и социология. – 2011. – № 8 (74). — С. 214-226.
  7. Лубова Т.Н., Исламгулов Д.Р. Новые образовательные стандарты: особенности реализации [Текст] / Т.Н. Лубова, Д. Р. Исламгулов // STRATEGICZNE PYTANIA SWIATOWEJ NAUKI – 2016:Materialy XII miedzynarodowej naukowi-praktycznej konferencji, 07 – 15 lutego 2016 roku. – Przemysl: Nauka i studia, 2016. – volume 5 Pedagogiczne nauki. – C. 3-6.
  8. Лубова, Т.Н. Основа реализации федерального государственного образовательного стандарта – компетентностный подход [Текст] / Т.Н. Лубова, Д.Р. Исламгулов, И.Р. Исламгулова// БЪДЕЩИТЕ ИЗСЛЕДОВАНИЯ – 2016:Материали за XII Международна научна практична конференция, 15-22 февруари 2016. – София: Бял ГРАД-БГ ООД, 2016. – Том 4 Педагогически науки. – C. 80-85.
  9. Лубова, Т.Н. Принципы статистического прогнозирования при разработке инновационной стратегии региона [Текст] / Т.Н. Лубова // Экономика, экология и общество России в 21-м столетии: Сборник научных трудов: 11-й Международной научно-практической конференции, 19-21 мая 2009 г. / Санкт-Петербургский государственный политехнический университет. – С.-Петербург, 2009. – С. 155-156.
  10. Лубова, Т.Н. Межрегиональный рейтинговый анализ инновационной активности регионов Приволжского федерального округа [Текст] / Т.Н. Лубова // Актуальные проблемы гуманитарных и естественных наук. – 2009. – № 7-1. — С. 107-111.
  11. Лубова, Т.Н. Межрегиональный сравнительный анализ показателей финансовой безопасности Приволжского федерального округа [Текст] / Т.Н. Лубова // Молодой ученый. – 2009. – № 5. — С. 53-60.
  12. Методика расчета и оценки параметров экологической пластичности сельскохозяйственных растений [Текст] / В.А. Зыкин, И.А. Белан, В.С. Юсов, Д.Р. Исламгулов; Башкирский ГАУ, Сибирский НИИ сельского хозяйства. — Уфа: БГАУ, 2011. — 99 с.
  13. Сайранова, Ф.И. Статистический анализ процентных ставок в Российской Федерации [Текст] / Ф.И. Сайранова, Т.Н. Лубова // Студент и аграрная наука: Материалы II Всероссийской студенческой конференции / Башкирский ГАУ. — Уфа, 2008. — С. 112-113.
  14. Фахруллина, А.Р. Статистический анализ инфляции в России [Текст] / А.Р. Фахруллина, Т.Н. Лубова // Актуальные вопросы экономико-статистического исследования и информационных технологий: сб. науч. ст.: посвящается к 40-летию создания кафедры «Статистики и информационных систем в экономике» / Министерство сельского хозяйства РФ, Башкирский ГАУ. — Уфа, 2011. — С. 323-324.

Электронное периодическое издание зарегистрировано в Федеральной службе по надзору в сфере связи, информационных технологий и массовых коммуникаций (Роскомнадзор), свидетельство о регистрации СМИ — ЭЛ № ФС77-41429 от 23.07.2010 г.

Соучредители СМИ: Долганов А.А., Майоров Е.В.

Ссылка на основную публикацию
ВсеИнструменты 220 Вольт
Adblock
detector
×
×