Д. Фантаццини
Список книг автора Д. ФантацциниBig Data в определении социального самочувствия населения России
В статье строятся индексы поисковых запросов на основе Google Trends Data с целью возможности предсказания динамики российских индексов социального самочувствия ВЦИОМ. Индексы Google рассчитаны с помощью факторного анализа на основе набора данных Google Trends Data за 2006–2016 гг., который содержит результаты 512 поисковых запросов, касающихся жилищных условий, дохода, образования и др. Модель байесовского усреднения (Bayesian model averaging) была использована для отбора индексов (категорий) поисковых запросов Google, сильно коррелированных с индикаторами социального самочувствия ВЦИОМ. Дополнительные модели множественной регрессии и построенные прогнозы подтвердили результаты модели байесовского усреднения. Построенные на основе данных поисковых запросов индексы субъективного благосостояния Google являются статистически надежными, о чем свидетельствует сильная корреляция между наблюдаемыми и прогнозными значениями индексов ВЦИОМ.
Все, что вы хотели знать о моделировании биткойна, но боялись спросить. Часть 2
Вторая часть данной статьи завершает серию консультационных публикаций о биткойне. В частности, рассматриваются эконометрические подходы к моделированию динамики цены биткойна, тесты, применяемые для выявления финансовых пузырей в ценах, и методологии, предложенные для изучения ценообразования на биткойн-биржах.
Все, что вы хотели знать о моделировании биткойна, но боялись спросить. Часть I
Биткойн – это децентрализованная цифровая валюта и платежная система с открытым кодом. Она привлекла к себе значительное внимание и глобальный интерес, возрастающее число статей посвящено вопросам ее операционной, экономической и финансовой жизнеспособности. Данная статья рассматривает эконометрические и математические инструменты, которые были предложены к настоящему времени для моделирования цены биткойна, и различные другие аспекты, включая преимущества и ограничения. Обсуждаются методы определения основных характеристик биткойн-пользователей, модели оценки фундаментальной стоимости биткойна, эконометрические подходы к моделированию динамики цены биткойна, тесты для выявления финансовых пузырей в ценах и методологии, предложенные для изучения ценообразования на биткойн-биржах.
Эконометрический анализ финансовых данных в задачах управления риском. Часть 4: Управление кредитным риском
Журнал продолжает публикацию консультации Деана Фантаццини, посвященной эконометрическому анализу финансовых данных в задачах управления риском. В данном номере публикуется первая часть материала, посвященного кредитному риску. В частности, вводятся основные понятия кредитного риска в контексте последних рекомендаций соглашения «Базель-II», описываются одномерные модели кредитного риска, связанные с моделированием и оценкой вероятности дефолта отдельного заемщика. Вторую часть материала по кредитному риску, завершающую всю консультацию, автор планирует посвятить многомерным моделям кредитного риска, позволяющим оценивать вероятность дефолта «портфеля заемщиков» (она будет опубликована в № 1 журнала за 2009 год). Перевод оригинального англоязычного текста на русский язык выполнен А. В. Кудровым под научной редакцией С. А. Айвазяна.
Эконометрический анализ финансовых данных в задачах управления риском. Часть 3: Управление операционным риском
Мы продолжаем публикацию «четырехсерийной» консультации профессора Московской школы экономики МГУ им. М. В. Ломоносова Деана Фантаццини. Первая часть была опубликована в №2 (10) нашего журнала за 2008 год. Она была посвящена введению в проблему (раздел 1: основные понятия, основные типы финансовых рисков, методы их измерения), а также эконометрическим методам анализа рыночного риска (раздел 2). В данном номере журнала читателю предлагается подробный обзор методов управления операционным риском (раздел 3). Наконец, в двух следующих номерах журнала «Прикладная эконометрика» будет опубликована завершающая часть консультации (раздел 4), посвященная, быть может, наиболее актуальным для российской финансовой системы вопросам – методам управления кредитным риском. Перевод оригинального англоязычного текста на русский язык осуществлен А. В. Кудровым под научной редакцией профессора С. А. Айвазяна.
Эконометрический анализ финансовых данных в задачах управления риском. Часть 1: Что такое управление рисками? Часть 2: Управление рыночным риском
Мы продолжаем публикацию «четырехсерийной» консультации профессора Московской школы экономики МГУ им. М. В. Ломоносова Деана Фантаццини. Первая часть была опубликована в №2 (10) нашего журнала за 2008 год. Она была посвящена введению в проблему (раздел 1: основные понятия, основные типы финансовых рисков, методы их измерения), а также эконометрическим методам анализа рыночного риска (раздел 2). В данном номере журнала читателю предлагается подробный обзор методов управления операционным риском (раздел 3). Наконец, в двух следующих номерах журнала «Прикладная эконометрика» будет опубликована завершающая часть консультации (раздел 4), посвященная, быть может, наиболее актуальным для российской финансовой системы вопросам – методам управления кредитным риском. Перевод оригинального англоязычного текста на русский язык осуществлен А. В. Кудровым под научной редакцией профессора С. А. Айвазяна.
Эконометрический анализ финансовых данных в задачах управления риском. Часть 5: Управление кредитным риском (окончание)
Данная часть завершает серию консультационных публикаций Деана Фантаццини на тему «Эконометрический анализ финансовых данных в задачах управления риском». В ней продолжено обсуждение многомерных моделей кредитного риска. Перевод оригинального англоязычного текста на русский язык, как и все предыдущие части этой консультации, выполнен А. В. Кудровым под научной редакцией С. А. Айвазяна.
Эконометрический анализ финансовых данных в задачах управления риском. Часть 4: Управление кредитным риском (продолжение)
Во 2-м номере нашего журнала за 2008 г. была начата серия консультационных публикаций Деана Фантаццини, посвященных эконометрическому анализу финансовых данных в задачах управления риском. В этом номере публикуется уже четвертая часть этой серии. В ней продолжается тема кредитного риска. В частности, после описанных в предыдущем номере журнала одномерных моделей кредитного риска автор анализирует многомерные модели, позволяющие оценивать вероятность дефолта «портфеля заемщиков». Завершение этой темы и всей серии консультаций Д. Фантаццини – в следующем номере журнала. Перевод оригинального англоязычного текста на русский язык, как и всех предыдущих частей этой серии консультаций, выполнен А. В. Кудровым под научной редакцией С. А. Айвазяна.
Моделирование многомерных распределений с использованием копула-функций. I
Проблематика копула-функций, их свойств, способов подбора под конкретные исходные данные, оценивания, прикладных возможностей крайне скупо представлена в мировой специальной литературе и почти никак – в отечественной. При этом уже существуют впечатляющие примеры их прикладного использования в ситуациях, когда построение, статистическое оценивание и анализ многомерных распределений вероятностей оказывается необходимым инструментом исследования, а использование для таких задач модели многомерного нормального (гауссовского) закона не отражает специфики имеющихся исходных статистических данных. Есть основания утверждать, что модели, основанные на копула-функциях, окажутся особенно востребованными в прикладных эконометрических исследованиях, посвященных задачам оценки, анализа и управления финансовыми и страховыми рисками, доходностями разных финансовых инструментов. Предлагаемый в данном номере журнала материал является, по существу, фрагментом готовящегося к изданию учебника С. А. Айвазяна и Д. Фантаццини «Методы эконометрики. Продвинутый уровень».
Моделирование многомерных распределений с использованием копула-функций. II
Статья содержит вторую часть консультации, посвященной копула-функциям и их использованию в моделировании многомерных распределений вероятностей. В ней описываются парные копула-функции (включая понятия канонической и D-ветвизации), различные характеристики зависимости анализируемых случайных величин (в том числе меры хвостовой зависимости, особенно актуальные в случае несимметричных распределений), а также параметрические, полупараметрические и непараметрические методы статистического оценивания распределений, представленных с помощью копула-функций.