Гибридные и селективные модели прогнозирования финансовых индексов в рамках рандомизированной коллокации // Hybrid and Selective Models of Financial Index Forecasting in the Randomized Collocation Framework

The study aims to improve the accuracy of forecasting financial indices that reflect the general market situation and are important indicators of the Russian economy. The enhanced accuracy is achieved by making hybrid forecasts that basically include a set of randomized collocation and trivial forecast models. The randomization mechanism in the collocation approach based on the selective procedure of combined forecasting is used to make a justified choice between the models of pure and parametric collocation. The weighted coefficients of hybrid forecasts are evaluated based on forecasts of the basic model list in the class of linear processes that meet the standard optimality requirements: unbiased prediction errors and minimization of their variances. Algorithms of developed models are implemented in the R software environment and tested on the RTS index data for 2016. Работа нацелена на повышение точности прогнозов финансовых индексов, которые отражают ситуацию на рынке в целом и являются важнейшими индикаторами российской экономики. Повышение точности достигается построением гибридных прогнозов, базовый набор которых включает модели рандомизированной коллокации и тривиального прогнозирования. Механизм рандомизации в коллокационном подходе, основанный на селективной процедуре комбинированного прогнозирования, предназначен для обоснованного выбора между моделями чистой и параметрической коллокации. Оценки весовых коэффициентов гибридных прогнозов строятся по прогнозам из базового списка моделей в классе линейных процедур, удовлетворяющих стандартным требованиям оптимальности: несмещенность ошибок прогнозирования и минимизация их дисперсий. Алгоритмы разработанных моделей реализованы в программной среде R и апробированы на данных индекса РТС за 2016 г.