Структурное подразделение: Лаборатория макроэкономического прогнозирования
Руководитель работ: Турунцева Марина Юрьевна, к.э.н, заведующий научно-исследовательской лабораторией, Лаборатория макроэкономического прогнозирования, ИПЭИ
Сроки выполнения: 2022 год.
Актуальность исследования: Многочисленные исследования говорят о том, что структура зависимости в финансовых и экономических временных рядах может меняться с течением времени, особенно, когда происходят важные события в экономике или события, влияющие на экономику. Известные стилизованные факты также могут меняться, например, эффективность рынка может не выполняться до какого-то момента времени. Также отдельным вопросом стоит идентификация нескольких взрывных процессов (пузырей) во временных рядах, в частности, когда в данных наблюдается нестационарная волатильность. Одним из классических подходов идентификации структурных сдвигов является ряд работ Баи (Bai, 1997) и Баи и Перрона (Bai and Perron, 1998, 2002). В работе Perron, Yamamoto and Zhou (2020) допускается неоднородность ошибок и изменяющаяся во времени дисперсия. С другой стороны, сейчас становятся все более популярными методы идентификации структурных сдвигов, основанные на регуляризации (Qian,Su (2016), Behrendt, Schweikert (2020), Chan, Yau, Zhang (2014). Авторы перечисленных работ предлагают различные адаптации метода LASSO для определения количества сдвигов. В последнее время появляется все больше литературы, демонстрирующей привлекательные свойства методов смешанной целочисленной оптимизации (MIO) как средства получения эффективных решений в широком спектре статистических задач. В частности, долгое время считалось, что методы MIO не подходят для задач машинного обучения. Однако недавние радикальные улучшения в производительности методов MIO заставили многих пересмотреть эту предпосылку. Таким образом, MIO позволяет записать задачу нахождения структурных сдвигов и может дать лучшие оценки количества сдвигов, чем полученные методом LASSO.Относительно идентификации взрывных режимов, недавняя работа Pang, Du, Chong (2021) рассматривает только случай с тремя режимами, первый режим - процесс с единичным корнем, второй - взрывной, третий - стационарный. Однако более естественной постановкой будет модель с дополнительным четвертым режимом с единичным корнем. Pang, Du, Chong (2021) показывают, что можно на первом шаге оценить дату сдвига в модели единственным сдвигом, и эта дата будет датой начала стационарного режима. Далее предлагается разделить выборку на части и оценить даты оставшихся сдвигов. Ожидается, что данный подход будет работать и в модели с четырьмя режимами. Еще одним расширением может быть допущение о нестационарной волатильности в ошибках.
Основная цель исследования: Разработать новые методы датировки структурных сдвигов (включая возможную идентификацию взрывных режимов), устойчивых к неоднородности и тяжелохвостности в экономических и финансовых данных
Основные фундаментальные и прикладные задачи, решаемые в рамках исследования:
- Адаптация методов смешанной целочисленной оптимизации (MIO) для идентификации структурных сдвигов;
- Адаптация метода Pang, Du, Chong (2021) на случай четырех режимов, а также обобщение на случай более чем одного пузыря (модель с пузырем предполагает 4 режима).