Новая методика расчета ПБ и МИП РПБ 5

Новая методика расчета ПБ и МИП (РПБ 5 и РПБ 6) -Изменения в системе основных компонентов счета по текущим операциям и структурные преобразования финансового счета государства. - Методика расчета международных резервных активов.

n n n Платежный баланс – отчет, отражающий в суммарном виде экономические операции между резидентами и нерезидентами за определенный период времени. Операция ПБ – изменение права собственности на товары или финансовые активы, предоставления услуг или капитала. В ПБ фиксируются все операции между резидентами и нерезидентами, связанные с движением товаров, услуг, доходов, трансфертов, финансовых активов и обязательств.

n n РПБ 5 Balance of Payments Manual 5 th Edition до 2008 г. Включительно составление ПБ базировалось на 5 -ом Издании «Руководства по ПБ» (1993 г. ) РПБ 6 Balance of Payments Manual 6 th Edition опубликован МВФ в 2008 г. Новый вид преобразован с данных от 2005 г. 2011(2014).

Задание: n Привести в общий вид ПБ за 2000 -2011 гг. , т. е. для 2009, 2010 и 2011 года данные привести к старому виду (РПБ 5) n РПБ 5 (до 2008 г. ) РПБ 6 (с 2005 г. – 2011 г. ) n См. MBP 5 – page 43, 108, 132. MBP 6 – page 14. (English version)

Data by the countries: n n //economist. onu. edu. ua/ //library-data. imf. org/ Exl. MBP 5, exl. MBP 6.

n n [Current Account + Capital Account] [Financial Account] + [Errors and Omissions]=0 [CA + Cap A] - [FA]+[Err]=0 n Fin Acc = Direct Inv + Portf Inv + Fin Derivatives + Other Inv + Reserve Assets n Reserve Assets = [Curr Acc + Cap Acc] [Direct Inv + Portf Inv + Fin Derivatives + Other Inv] + [Errors and Omissions

Balance of Payments Components(5 th Ed. ) 1. Current Account A Goods and Services B Income C Current Transfers 2. Capital and Financial Account A Capital Account B Financial Account Errors and Omissions Reserve Assets

Balance of Payments Components(6 th Ed. ) 1. Current Account A Goods and Services B Primary Income C Secondary Income 2. Capital Account 3. Financial Account Errors and Omissions Reserve Assets

Тренды, их виды и использование в МЭО n n n Методы построения трендов. Линейный тренд. Экспоненциальные и логарифмические тренды, способы их применения. Полиномиальные и степенные тренды и их применение в МЭО. Использование пакета Excel для создания прогнозных временных рядов. Прогнозирование данных платежного баланса с использованием тренда.

n n Для описания динамики движения временных рядов, и в частности, ценовых рядов, используют такое статистическое понятие как кривые роста. Кривые роста представляют собой различные аппроксимирующие трендовые линии, проще говоря, это различные кривые, имеющие под собой определенный характер зависимости и поведения изучаемого явления. Термин аппроксимация(приближение) означает описание, то есть с помощью этих трендов можно описать динамику и поведение цены.

Существует множество различных кривых роста, наиболее популярные из них: n n n 1. Линейные тренды; 2. Экспоненциальные тренды; 3. Логарифмические тренды; 4. Степенные тренды; 5. Полиномиальные тренды.

Каждый из трендов или кривых роста имеет под собой определ смысл. n n Линейные тренды описывают явления, в которых изучаемая величина развивается линейно. Экспоненциальные тренды присутствуют там, где изучаемая величина, имеет экспоненциальную или, можно сказать, лавинообразную динамику. (не существует для отрицательных значений ряда*) Логарифмические тренды часто используются в логистике и позволяют описать степень насыщения рынка. Полиномиальные тренды позволяют описать при помощи различных полиномов любые временные ряды, но если мы не знаем точно, что стоит за динамикой цены, то полиномиальная модель рынка, хорошо описывающая прошлое поведение, может не иметь ни какой предсказательной силы.

Некоторые данные для формул в Excel n n n x- номер периода (от 1 -***) умножение - * cтепень - ^ e - EXP(1) ln – LN(x)

Авторегрессия как метод прогнозирования данных МЭО. n n n 1. Авторегрессия и ее применение в МЭО. 2. Отличие авторегрессии от тренда и гетероскедастичность. 3. Способы построения авторегрессии для прогнозирования данных в Excel.

Прогнозирование с помощью метода авторегрессии (AR) n n Авторегрессионная модель так же называется AR (Auto. Regressive ). Эта модель используется во многих финансовых отраслях, где необходимо прогнозировать различные данные, например, прогнозирование значений ВВП, объема продаж товаров на предприятии, стоимости ценных бумаг и т. д. AR относится к классу регрессионных методов. Авторегрессия характеризует тесноту связи между соседними значениями ценового или иного ряда.

Авторегрессионная модель имеет следующую формулу: n n n Yi=α+β*Yi-1+ε β, α – коэффициенты авторегрессии; ε– белый шум, независимая случайная величина; Yi-1 – предыдущее значение временного ряда; Yi – текущее значения временного ряда.

n n Минус авторегрессии – ее гетероскедастичность, т. е. накопление стандартизированной ошибки – погрешность накаливается с каждым периодом. Для того что бы сделать прогноз на основе этой модели можно воспользоваться программой MS Excel. Например, можно спрогнозировать стоимость акций на несколько периодов вперед. Построение авторегрессии имеет схожий алгоритм с автокорреляцией.