پیش بینی وضعیت بازار مالی و ارزیابی تاثیر آن بر توسعه صنعت.

  • 2021-08-14

Annotaciya научной статьи по эkonomike и бизнесу، نویسنده научной работы — Il'Yasov R. Kh., Kurazova D. A.

اهمیت این تحقیق بر روی روش های ریاضی برای پیش بینی روند بازار مالی در تأثیر آن بر توسعه صنعت تمرکز دارد. با مشاهده توسعه اقتصادی آینده از دریچه روندهای بخش مالی، بسیاری از محققان رابطه بین وضعیت بازار مالی و بخش صنعتی را ثابت کردند. اهداف در تئوری و عمل، این تحقیق اهمیت بازار مالی، تأثیر آن بر اقتصاد واقعی را با توجه به کمبود منابع مالی و سرمایه گذاری موجود اثبات می کند. با استفاده از ابزارهای ریاضی برای تجزیه و تحلیل بازار و روندهای آتی آن، چگونگی افزایش و کاهش آن در بخش های صنعتی اقتصاد ملی را تعیین می کنیم. این پیش بینی امکان تنظیم یک سیاست اقتصادی و کاهش مشکلات احتمالی را فراهم می کند. روش‌ها بر اساس روش‌های رگرسیون و همبستگی، تحلیل آماری، افقی و عمودی داده‌ها، نرخ رشد شاخص‌های صنعتی کلیدی در بورس اوراق بهادار مسکو را بررسی کرده و رفتار آتی آنها را پیش‌بینی می‌کنیم. نتایج به عنوان بخشی از این تحقیق، ابزارهای پیش‌بینی را برای بررسی بازار مالی و مکانیسم‌های کلیدی برای افزایش منابع سرمایه‌گذاری از بخش مالی ابداع کردیم. نتیجه گیری و ارتباط این تحقیق دارای ارزش علمی است زیرا مکانیسم های داخلی برای افزایش سرمایه گذاری را بررسی می کند که از یک چارچوب ریاضی برای پیش بینی بازار ناشی می شود. ابزارهای پیش‌بینی حاصل برای دریافت درک عمیق‌تر از روند بازار مالی و مکانیسم‌های کلیدی برای جذب منابع سرمایه‌گذاری از بخش مالی توصیه می‌شود.

Похожие темы научных работ по экономике и бизнесу , نویسنده научной работы — Il'Yasov R. Kh., Kurazova D. A.

استفاده از روش ماشین کمیته برای پیش بینی حرکت نرخ ارز و قیمت نفت

تنظیم مدل تصادفی برای پیش بینی میان مدت نرخ مبادله ارزهای دیجیتال: مورد بیت کوین

متن "پیش بینی وضعیت بازار مالی و ارزیابی تاثیر آن بر توسعه صنعت"

pISSN 2073-8005 eISSN 2311-9438

اوراق بهادار و بازارهای مالی

پیش بینی وضعیت بازار مالی و ارزیابی تاثیر آن بر توسعه صنعت

روسلان خ. ایلیاسوف

دانشگاه ایالتی چچن ، گروزنی ، جمهوری چچن ، فدراسیون روسیه

دایانا A. کورازوا

دانشگاه ایالتی چچن ، گروزنی ، جمهوری چچن ، فدراسیون روسیه Diana. Kurazova. 89@list. ru

دریافت 29 اوت 2017 دریافت شده در فرم اصلاح شده 2 اکتبر 2017 پذیرفته شده 23 اکتبر 2017 ترجمه 26 ژانویه 2018 در دسترس آنلاین 27 مارس 2018

طبقه بندی ژل: G12 ، G32

واژه‌های کلیدی: بازار مالی ، صنعت ، شاخص های بازار مالی ، شرایط بازار

اهمیت این تحقیق بر روشهای ریاضی برای پیش بینی روند بازار مالی در تأثیر آن بر توسعه صنعت متمرکز است. بسیاری از محققان با مشاهده توسعه اقتصادی آینده از طریق لنز روند بخش مالی ، رابطه بین وضعیت بازار مالی و بخش صنعت را اثبات کردند.

اهداف در تئوری و عمل ، این تحقیق با توجه به عدم وجود منابع مالی و منابع سرمایه گذاری ، اهمیت بازار مالی ، تأثیر آن بر اقتصاد واقعی را اثبات می کند. با استفاده از ابزارهای ریاضی برای تجزیه و تحلیل بازار و روندهای آینده آن ، ما تعیین می کنیم که چگونه در بخش های صنعتی اقتصاد ملی افزایش و سقوط خواهد کرد. پیش بینی اجازه می دهد تا یک سیاست اقتصادی را تنظیم کرده و بحران های احتمالی را کاهش دهد. روشهای مبتنی بر روشهای رگرسیون و همبستگی ، تجزیه و تحلیل آماری ، افقی و عمودی داده ها ، ما نرخ رشد در شاخص های کلیدی صنعتی در بورس اوراق بهادار مسکو را بررسی می کنیم و رفتار آینده آنها را پیش بینی می کنیم. نتایج به عنوان بخشی از این تحقیق ، ما ابزارهای پیش بینی را برای بررسی بازار مالی و مکانیسم های کلیدی برای افزایش منابع سرمایه گذاری از بخش مالی ابداع کردیم.

نتیجه گیری و ارتباط این تحقیق از ارزش علمی است زیرا مکانیسم های داخلی برای افزایش سرمایه گذاری را بررسی می کند ، که ناشی از یک چارچوب ریاضی برای پیش بینی بازار است. ابزارهای پیش بینی حاصل از آن توصیه می شود تا درک عمیق تری از روند بازار مالی و مکانیسم های کلیدی برای جذب منابع سرمایه گذاری از بخش مالی بدست آورید.

ویراستار مسئول این مقاله ترجمه مجاز ایرینا م. وچکانوا توسط ایرینا م. وچکانوا بود

عملیات در بازار اوراق بهادار برای پیش بینی ضروری است. بازیگران بازار اوراق بهادار فقط درصورتی که پیش بینی کنند که بازار چگونه رفتار می کند می توانند بازده کسب کنند

برای مقاله منبع ، لطفاً به: Ilyasov R. Kh. ، Kurazova D. A. مراجعه کنید. پیش بینی وضعیت بازار مالی و ارزیابی تأثیر آن بر توسعه صنعت. امور مالی و اعتبار. 2017. T. 23. شماره 43. S. 2575-2591. URL: https://doi. org/10. 24891/fc. 23. 43. 2575

© انتشارات امور مالی و اعتبار ، 2017

آینده [1]. روش ها و مدل های مختلفی برای آینده نگاری در آینده قیمت بازار استفاده می شود. در این تحقیق ، ما بر روی غرق شدن از غربالگری های کلیدی تمرکز می کنیم که آنها به شدت بر نرخ رشد صنایع و تولید ناخالص داخلی ملی تأثیر می گذارند [2 ، 3]. اتفاقاً روند بازار مالی به میزان بستگی دارد

منابع سرمایه گذاری در کشور 1. ما روند سرمایه گذاری عوامل اقتصادی و شاخص های امنیتی اصلی مبادله مسکو (MSTX) 2 (جدول 1) را مرور می کنیم.

طبق جدول 1 ، ارزش های مطلق کل سرمایه گذاری در سرمایه ثابت افزایش یافته است. علاوه بر این ، سرمایه گذاری مالی شرکت ها نیز به استثنای سال 2011 که سرمایه گذاری مالی کاهش یافته است ، افزایش یافته است. شیوه حرکات شاخص های صنعتی نشان می دهد که افزایش سرمایه گذاری ، در واقع ، تأثیر مثبتی در بخش نفت و گاز داشته است (MSCEX O& G در کل دوره در حال رشد بوده است) ، محصولات شیمی و شیمیایی (به جز سال 2013 ، MSHX CHM رشد می کند) وادبخش مصرف کننده و تجارت رکود کننده است (MSCX CGS رشد ناچیز را نشان می دهد ، اما در سال 2011 و 2014 سقوط کرد). فلزات ، معدن و ساختمان ماشین به طرز لاغر توسعه می یابند (MSCEX M& M ، MCEX MNF به مدت سه سال در حال رشد است و در همان بارگیری در Lwaveles قبلی قرار می گیرد). مهندسی برق با سخت ترین گفتگوی روبرو است (در سال 2015 PWR MICEX پنج برابر کمتر از سال 2009) [4].

با تجزیه و تحلیل نحوه سرمایه گذاری در اقتصاد روسیه و رفتار بازار اوراق بهادار با توجه به بخش های خاص ، ما یک جریان ناپایدار سرمایه گذاری را تأیید می کنیم. بخش های مهمی مانند ساخت ماشین ، معدن ، کار فلزی و مهندسی برق هیچ سرمایه گذاری ندارند. با ارزیابی نرخ رشد بخش های خاص از نظر آماری و تجزیه و تحلیل ساختار تجارت خارجی ، ما فهمیدیم که بسیاری از بخش ها روند منفی در نرخ رشد و صادرات کالاها را به بازارهای جهانی نشان می دهند. منابع انرژی بالاترین سهم صادرات را تشکیل می دهد ، در حالی که واردات با ماشین ها و تجهیزات ، مواد غذایی نشان داده می شود. بنابراین ، با وجود برنامه های زیرزمینی موجود و مؤثر ، اقتصاد روسیه هنوز به محصولات خارجی وابسته است.

در این مقاله ، ما پیش بینی جریان اوراق بهادار روسیه مربوط به شرکتهای صنعتی و استفاده را انجام می دهیم

1 Obukhova S. V. ، Fedotova G. V. ، Obukhova S. V. ، Fedotova G. V.[جذابیت سرمایه گذاری مناطق در منطقه فدرال جنوبی]. موسسه I Mekhanizmy Innovatsionnogo Razvitiya: Mirovoi Opyt I Rossiiskayapraktika: Materialy 3i Nauchnoi Konferentsii [Proc. SCI 3. کنفرانسنهادها و سازوکارهای توسعه نوآورانه: تخصص جهانی و شیوه های روسیه]. KURSK ، انتشارات SWSU ، 2013 ، صص 220-222.

2 شاخص های بخش ، شاخص های قیمت را از فروشندگان روسیه به عنوان وزن در راستای سرمایه بازار تشکیل می دهند. برای اطلاعات بیشتر ، لطفاً به مبادله مسکو مراجعه کنید. url: http://www. moex. com/ru/index/micexo٪26g (در راس.)

مدلهای آماری شناخته شده [5]. قبل از پیش بینی خود ، ما بررسی می کنیم که بانک روسیه از سال 2016 تا 2018 در گزارش سالانه خود ، زمینه های کلیدی سیاست پولی یکنواخت برای 2016 ، 2017 و 2018 پیش بینی می کند.

بانک روسیه با تشریح سناریوهای کلان اقتصادی آن از توسعه اقتصادی ملی ، فرض می کند که شرایط اقتصادی خارجی تغییر خواهد کرد و سیاست اقتصادی دولت تأثیرگذار خواهد بود. نرخ بهره اصلی ابزار اصلی است که بانک روسیه برای تنظیم بازار مالی داخلی از آن استفاده می کند. نرخ بهره کلیدی نشان دهنده روند نزولی برای سالهای اخیر (کاهش به 11 درصد) است. این به طرز مطلوبی باعث افزایش سرمایه گذاری در اقتصاد می شود. با این حال ، نرخ بهره کلیدی نسبت به سایر کشورها بسیار بالا است (شکل 1).

همانطور که در شکل 1 مشاهده می شود ، روسیه یکی از بالاترین نرخ بهره کلیدی در بین سایر کشورهای BRICS را به جز برزیل دارد. نرخ بهره بالا مانع از ورود سرمایه گذاری در دارایی های ثابت و توسعه پویا بخش های مختلف تولیدی می شود [6].

از دیدگاه بانک روسیه ، وضعیت فعلی در بازار مالی پیچیده و دشوار است. با این حال ، برنامه ریزی اقتصادی آینده بدون پیش بینی معقول و صحیح از بازارهای جهانی دشوار است. قیمت نفت عامل اصلی خارجی است که به شدت بر اطمینان پیش بینی ها تأثیر می گذارد [7]. بانک روسیه با فرض نوسانات بالا و عدم اطمینان از این عامل ، پیش بینی می کند که اقتصاد ملی سه سناریو را در زیر دنبال کند:

1) سناریوی پایه حاکی از آن است که میانگین سطح سالانه قیمت نفت در طی یک دوره سه ساله حدود 50 دلار در هر بشکه باقی می ماند.

2) سناریوی خوش بینانه رشد تدریجی میانگین سالانه قیمت نفت اورال را تا 70 تا 80 دلار در هر بشکه در سال 2018 پیش بینی می کند.

3) سناریوی مخاطره آمیز پیش بینی می کند که سطح متوسط سالانه قیمت نفت با 40 دلار در هر بشکه در سال 2016-2018 ادامه یابد.

وضعیت ژئوپلیتیکی، درگیری های مسلحانه در کشورهای مختلف و نگرش روسیه به آنها از دیگر عوامل تأثیرگذار بر اقتصاد جهانی در کنار قیمت نفت است [8].

تحریم های اقتصادی اتحادیه اروپا و ایالات متحده به طور جدی بر توسعه بازار مالی و اقتصاد روسیه تأثیر می گذارد. همانطور که بانک روسیه پیش بینی می کند، این عوامل تا سال 2018 ادامه خواهند داشت. تحریم های مالی همچنین از ورود بانک های روسی به بازار جهانی وام بین بانکی با تعیین نرخ های بهره بالاتر برای وام گیرندگان روسی جلوگیری می کند. روسیه شاهد ظهور پول گران است. این کار تاثیر مثبتی بر کسب درآمد نخواهد داشت.

سیاست بودجه 2016-2018 دولت روسیه یکی از عوامل تأثیرگذار داخلی است. با پایبندی به سیاست بودجه ای نسبتا محافظه کارانه، مهار رشد تعرفه های انحصارطلبی، تعدیل دستمزدها و مزایای بازنشستگی، امکان ایجاد رکود در بخش ارزی درآمدهای بودجه وجود خواهد داشت. چنین اقداماتی انتظارات تورمی مردم را آرام می کند و در نتیجه به طور طبیعی نرخ بهره کلیدی بانک روسیه را کاهش می دهد. اگر نرخ بهره اصلی با نرخ بازپرداخت همگراتر باشد، درصد وام های بازپرداخت شده را افزایش می دهد [9].

از این رو، پارامترهای کلیدی پیش‌بینی بانک روسیه برای یک دوره میانی کاملاً متوسط به نظر می‌رسد، اما روند مثبتی را نشان می‌دهد (جدول 2).

بانک روسیه پیش بینی های کاملاً محدودی را در مورد قیمت نفت منتشر می کند زیرا سناریوهای پایه 50 دلار در هر بشکه را به عنوان معیار قیمت نفت نشان می دهد. این آستانه پایینی است که به اقتصاد روسیه امکان می دهد بدون افت چشمگیر به کار خود ادامه دهد. رشد از طریق معیارهایی مانند تولید ناخالص داخلی، عرضه پول، وام، تقاضای مصرف کننده پیش بینی می شود [10].

وضعیت اقتصاد کلان بر اساس داده‌های تنظیم‌کننده پیچیده است و پیش‌بینی آن سخت است. پیش بینی رفتار بازار اوراق بهادار سخت است. با این حال، ما سعی می کنیم توسعه بخش های خاص صنعت بازار اوراق بهادار روسیه را برای یک میان مدت پیش بینی کنیم.

3 Obukhov S. V. ، Fedotova G. V.[اثربخشی استراتژی های نمونه کارها در شرایط فعلی بازار روسیه]. سیستم Politika Sovremennykh Sotsial'no-Ekonomicheskh: از نظر مادی i vserossiiskoi nauchno-prakticooi konferentsi [proc. علمیکنفرانسسیاست سیستم های اجتماعی و اقتصادی معاصر]. ولگوگراد ، انتشارات موسسه مدیریت ، 2015 ، صص. 172-175 ؛Fedotova G. V. ، Tychina A. V.[ارزیابی سخنرانی در بازار جهانی منابع]. Aktual'nye problemy razvitiya khozyaistvuyushchikh sub"ektov, territorii I sistem regional'nogo I munitsipal'nogo upravleniya. Vypusk 2: materialy XI mezhdunarodnoi nauchno-prakticheskoi konferentsii [Proc. 11th Int. Sci. Conf. Current issues of Development of Economic Entities, سرزمین ها و سیستم های مدیریت منطقه ای و شهرداری. شماره 2]. کورسک ، انتشارات SWSU ، 2016 ، صص 173-176.

تا سال 2018. پیش بینی های بلند مدت بیشتر به دلیل وضعیت پیچیده ژئوپلیتیکی ، افزایش انرژی در بازارهای جهانی از نظر قابل اعتماد منطقی نیست. برای اهداف پیش بینی و مدل های مربوطه ، شش فرقه ساز مانند MSTEX O& G ، MSEX CGS ، MSHX CHM ، MSHX MNF ، MSHX PWR و Valur Valuralus آنها

برای اهداف پیش بینی ، ما یک جدول را تشکیل می دهیم که داده های واقعی و تخمین را با هم ترکیب می کند. برای ارزیابی ضریب معادله روند (الگویی که از نظر ریاضی و گرافیکی افزایش یا کاهش روند را توصیف می کند). در این حالت ، ما یک خط روند ایجاد می کنیم که ضریب زمان بندی یک شاخص تأثیر و مقدار شاخص متغیر است [12-14].

لطفاً در زیر معادله Trendline پیدا کنید:

A0 ضریب صفر رگرسیون با ضریب زمان 0 است.

A^ ضریب است که منعکس کننده تا چه اندازه عامل زمانی بر فرد وابسته تأثیر می گذارد.

£ یک مؤلفه تصادفی ، خطای استاندارد مدل است.

Y بیانگر ارزشهای واقعی و واقعی است. T یک عامل تأثیر ، زمان است.

روند بازار اوراق بهادار را می توان با تنظیم یک مدل پیش بینی ، یعنی پیش بینی کرد. معادله Trendline را بر اساس روند سری بسازید [15].

طبق تخمین های جدول 2 ، روند پیش بینی به سمت بالا می رود ، به این معنی که بازار اوراق بهادار شرکت های نفت و گاز در حال رشد خواهد بود ، بنابراین باعث افزایش بخش می شود. به همین ترتیب ، مدل های پیش بینی پنج شاخص بخش زیر ساخته شده اند (جدول 3-5).

طبق پیش بینی جدول 5 ، روند شاخص بخش مصرف کننده به سمت بالا حرکت می کند ، بنابراین نشان دهنده رشد تقاضای مصرف کننده و نرخ گردش تجارت است.

شاخص بازار اوراق بهادار در تولید شیمیایی و پتروشیمی روند صعودی را نشان می دهد. توضیح می دهد

چرا صادرات محصولات مربوطه شدیدتر می شود (جدول 6).

نوسانات بالای نقل قول ها نمونه ای از بازار اوراق بهادار در متالورژی و معدن است. آنها سنبله و رکود دارند. با این حال ، حرکات رو به بالا قابل پیش بینی در بازار به رشد کیفی آن کمک می کند. با این وجود ، قابلیت اطمینان مدل 0. 047 برای ما کافی نیست (جدول 7).

شاخص صنعت ساختمان ماشین کاملاً آشوب آور و پیش بینی آن دشوار است. نوسانات بالا و افت شدید نقل قول ها برای اوراق بهادار شرکت های ساختمانی ، نشانگر فرآیندهای رکود و کاهش صنعت است. این بازار پیش بینی خنثی دارد ، بدون افزایش و سقوط پیش بینی می شود. مدل پیش بینی بسیار غیرقابل اعتماد است ، یعنی 0. 0001. بنابراین ، بازار تقریباً غیرقابل پیش بینی است (جدول 8).

بازار اوراق بهادار شرکتهای انرژی تقریباً در تمام مدت کاهش می یابد. انتظار می رود این روند طی دو سال آینده ادامه یابد. بنابراین ، تولید در این بخش به میزان قابل توجهی افزایش یا کاهش نمی یابد. با این حال ، قابلیت اطمینان پایین مدل شک و تردیدهای ما را در مورد پیش بینی های مربوطه ایجاد می کند (جدول 9).

پس از تجزیه و تحلیل ، ما مدل های پیش بینی را منعکس کردیم که منعکس کننده توسعه بازار اوراق بهادار صادرکنندگان صنعتی روسیه است.

y = 1 386،72 + 411،292-i ؛

y = 1 302،788571 + 1 331،730595-t ؛

y = 1 302،788571 + 1 331،730595-i ؛Y = 3 056،918929 + 118،1260714-T ؛

y = 1 662،139286 +3،478214286-t ؛Y = 2 540،608929 + 185،1639286-I.

در حال حاضر ، پیش بینی شاخص تولید صنعتی (IPI) اتفاقاً مهم است. در عمل ، اقتصاد واقعی و IPP به طور خاص تحت تأثیر تحولات بازار امنیت قرار می گیرند.

ما فرض می کنیم که IPI را می توان از طریق مدل ریاضی غیرخطی ، یعنی Perceptron بر اساس هوش مصنوعی پیش بینی کرد. خطای پیش بینی در واقع از پنج درصد تجاوز نخواهد کرد. ما از ورودی های زیر برای تشکیل سیستم اطلاعات مصنوعی استفاده می کنیم: حجم معاملات در بورس سهام (میلیارد مالش) ، حجم معاملات در

بازار مشتقات (میلیارد مالش) ، حجم معاملات در بازار ارز (میلیارد مالش) ، نرخ بهره تعیین شده توسط بانک مرکزی روسیه (٪) ، نرخ ارز دلار (RUB) ، قیمت نفت برنت (USD) ، تولید ناخالص داخلی (میلیارد دلار)مالش) ، شاخص MCEX. IPI استنباط می شود.

لطفاً برای ورودی های سیستم هوش مصنوعی به جدول 1 مراجعه کنید. آنها در حین توسعه ارائه می شوند و از پلت فرم Deductor شروع می شوند.

معقول به نظر می رسد که مدل عصبی را به عنوان یک پرسپترون با یک لایه پنهان تشکیل دهیم. شبکه عصبی با انتشار معکوس خطاها آموزش داده شده است (جدول 10). تابع سیگموئید برای فعال کردن نورون استفاده می شود (شکل 2).

همانطور که تحقیقات نشان می دهد، IPI تخمینی به طور قابل توجهی از مقادیر واقعی آن انحراف دارد. در شکل 3 نشان داده شده است.

سهم خطا در هر محدوده از مقادیر از 5 درصد تجاوز نمی کند (شکل 4).

با تکیه بر تحلیل what-if تعبیه شده در شبکه عصبی، می توانیم IPI را برای دوره بعد پیش بینی کنیم. وقتی ورودی ها تغییر می کنند، سایر موارد برابر هستند، می توانیم IPI را تخمین بزنیم. اجازه دهید مقادیر زیر را در مدل امتحان کنیم: حجم معاملات در بازار سهام - 311, 180 میلیارد روبل، حجم معاملات در بازار مشتقه - 115, 271 میلیارد روبل، حجم معاملات در بازار ارز - 329, 954 میلیارد روبل، نرخ بهره مرکزیبانک روسیه - 9٪، نرخ ارز USD - 57. 46 روبل، قیمت نفت برنت - 58. 09 دلار، شاخص MICEX - 2084. 77، تولید ناخالص داخلی - 61،097. 5 روبل. سپس IPI 103. 8675 پیش بینی می شود، با این فرض که IPI واقعی 101. 3 در سال 2016 بود (شکل 5).

از این رو می توان نتیجه گرفت که:

• اولاً، امروزه استفاده از سیستم های هوش مصنوعی از اهمیت بالایی برخوردار است.

• دوم، این فرضیه را تأیید می کنیم که می گوید IPI را می توان از طریق مدل ریاضی غیرخطی، که یک پرسپترون مبتنی بر هوش مصنوعی است، با خطای بیش از پنج درصد پیش بینی کرد.

• سوم، طبق پیش‌بینی مبتنی بر شبکه‌های عصبی، IPI 103. 8675 را به خود اختصاص می‌دهد که بالاتر از رقم واقعی است (2016: 101. 3). انتظار می رود IPI 2. 56 واحد درصد رشد کند.

قابل توجه است که تجزیه و تحلیل مظنه اوراق بهادار ناشران روسیه ما را قادر می سازد تا

درک جامع از روندهای فعلی در یک صنعت. قیمت‌گذاری اوراق بهادار در بورس اوراق بهادار و شاخص‌های ناشی از آن به تحولات و عوامل کلان اقتصادی پاسخ حساسی می‌دهد و در نتیجه تأثیر فوری بر روندها دارد.

قیمت سهام و اوراق قرضهاصلاحات در سیاست مالی داخلی، اقدامات بانک مرکزی روسیه، فعالیت های سرمایه گذاری و غیره بازار اوراق بهادار را جذب می کند که محصول خود را تولید می کند، یعنی قیمت های بورس اوراق بهادار [11، 16].

تغییرات حجم و ماهیت سرمایه گذاری و شاخص های بخش در سال 2009-2016

سرمایه گذاری دوره، میلیارد روبل MICEX O& G، u MICEX CGS، u

سرمایه ثابت u سرمایه گذاری مالی u RUB RUB

12. 2009 7, 976, 012. 8 - 22, 745 - 2, 535. 43 - 3, 308. 91 -

12. 2010 9, 152, 096 î 41, 274. 8 î 2, 981. 75 î 6, 127. 99 î

12. 2011 11, 035, 652 î 66, 634 i 2, 983. 37 î 3, 907. 8 i

12. 2012 12, 586090. 4 î 67, 724. 8 î 3, 306. 49 î 4, 973. 47 î

12. 2013 13, 450, 238. 2 î 72, 888. 5 î 3, 491. 14 î 6, 245. 95 î

12. 2014 13, 902, 645. 3 î 78, 604. 4 î 3, 540. 17 î 5, 460. 63 i

12. 2015 14, 555, 902 î 127, 113. 6 î 4, 608. 88 î 6, 804. 08 î

12. 2016 14, 988, 907 î 131, 113. 6 î 5, 690. 32 î 6, 781. 37 i

دوره MICEX CHM، RUB u MICEX M& M، RUB u MICEX MNF، RUB u MICEX PWR، RUB u

12. 2009 4, 362. 91 - 3, 610. 78 - 1, 656. 6 - 2, 384. 25 î

12. 2010 6, 275. 62 î 5, 887. 72 î 2, 881. 64 î 3, 435. 32 i

12. 2011 6, 936. 21 î 3, 082. 65 i 1, 715. 16 i 2, 053. 02 i

12. 2012 7, 839. 34 î 2, 908. 55 i 2, 004. 21 î 1, 707. 42 i

12. 2013 6, 468. 1 i 2, 264. 99 i 1, 930. 58 i 1, 032. 39 i

12. 2014 7, 745. 69 î 3, 457. 62 î 1, 027. 55 i 797. 54 i

12. 2015 13, 629. 7 î 3, 783. 72 î 1, 464. 66 î 944. 51 î

12. 2016 14, 423. 8 î 5, 536. 89 î 1, 648. 94 î 1, 984. 16 î

منبع: تالیف، بر اساس داده های وب سایت رسمی سرویس آمار ایالتی فدرال روسیه.

URL: http://www. gks. ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/enterprise/investment/nonfinancial/؛سایت رسمی بورس اوراق بهادار مسکو. آدرس اینترنتی: http://moex. com/en/index/MICEXPWR/technical/

پیش بینی شاخص های اصلی اقتصادی توسعه طبق برآورد بانک مرکزی روسیه در سال 2014-2018

اندیکاتور 2014 2015 2016 2017 2018

(واقعی) (تخمین) پایه بهینه پایه بهینه پایه بهینه

قیمت نفت اورال، دلار/بشکه 98 52 50 60 50 70 50 75

تولید ناخالص داخلی، افزایش، درصد 0. 6 -(3. 9-4. 4) -(0. 5-0. 1) 0-0. 5 0-0. 1 1-2 2-3 2. 5-3. 5

تورم، درصد 11. 4 12-13 5. 5-6. 5 5. 5-6. 5 4 4 4 4

عرضه پول، افزایش، 2. 2 5-8 4-7 8-10 8-11 13-16 13-16 13-16

وام، افزایش، درصد 25. 9 4-7 4-7 7-9 8-11 13-16 13-16 13-16

تقاضای مصرف کننده، 0. 9 -(6. 1-6. 9) -(1-1. 4) 0-0. 3 -(0. 7-0. 3) 0. 8-1. 5 1. 5-2. 5 2-3

افزایش، امتیاز درصد

صادرات خالص، افزایش، 0. 8 9. 2 74. 5-76. 5 8. 5-10. 5 1. 5-3. 5 8. 5-10. 5 -(1. 5-3. 5) -(5-7) -(14. 5-16. 5)

منبع: تالیف، بر اساس جهت‌های اصلی سیاست پولی واحد در سال 2016 و دوره 2017-2018. بانک مرکزی روسیه

داده های واقعی برای تدوین یک مدل پیش بینی برای توسعه بازار اوراق بهادار شرکت های صنعتی در روسیه در سال 2009-2016

تاریخ MICEX O& G MICEX CGS MICEX CHM MICEX M& M MICEX MNF MICEX PWR

01. 2009 1, 218. 25 1, 034. 87 1, 490. 77 1, 304. 24 475. 3 744. 04

01. 2010 2،567. 08 3،553. 99 4،604. 25 4،087. 13 1،740. 21 2،652. 89

10. 2011 3،096. 82 6،078. 98 6،742. 34 5،769. 64 2،929. 58 3،434. 02

01. 2012 3،187. 77 4،384. 44 7،226. 58 3،598. 71 1،931. 82 2،262. 38

01. 2013 3،396. 21 5،456. 11 7،995. 5 2،918. 6 2،029. 63 1،813. 26

01. 2014 3،422. 94 5،644. 79 6،673. 67 2،664. 71 1،772. 63 1،000. 38

01. 2015 4،176. 82 5،640. 29 10،330. 7 4،535. 6 1،054. 38 797. 5

01. 2016 4،834. 39 6،692. 99 13،300. 8 3،829. 26 1،488. 78 954. 5

منبع: نویسنده ، بر اساس داده های وب سایت رسمی تبادل مسکو

پیش بینی روند شاخص MSEX O& G

T Date Micex o & g k (واقعی) معادله روند (مدل) Micex o & g ^(برآورد و پیش بینی)

1 01. 2009 1،218. 25 a = 1،386. 724 1،798. 015

2 01. 2010 2،567. 08 A = 411. 2914 2،209. 306

3 01. 2011 3،096. 82 ¥ = 1،386. 72 + 411. 292 • t 2،620. 598

4 01. 2012 3،187. 77 3،031. 889

5 01. 2013 3،396. 21 3،443. 181

6 01. 2014 3،422. 94 3،854. 472

7 01. 2015 4،176. 82 4،265. 764

8 01. 2016 4،834. 39 4،677. 055

9 01. 2017 - 5،088. 346

10 01. 2018 - 5،499. 638

R. Kh. ایلیاسوف و همکاران./ Digest Finance ، 2018 ، جلد 23 ، شماره 1 ، صفحات 68-80

جدول 5 پیش بینی روند شاخص MICEX CGS

T Date M Micex CGS K (واقعی) معادله روند (مدل) MSEX CGS ^(برآورد و پیش بینی)

1 01. 2009 1،034. 87 A = 2،142. 551786 2،735. 498

2 01. 2010 3،553. 99 A = 592. 9457143 3،328. 443

3 01.2011 6,078.98 >= 2،142. 551786 + 592. 9457143 • T 3،921. 389

4 01. 2012 4،384. 44 4،514. 335

5 01. 2013 5،456. 11 5،107. 28

6 01. 2014 5،644. 79 5،700. 226

7 01. 2015 5،640. 29 6،293. 172

8 01. 2016 6،692. 99 6،886. 118

9 01. 2017 - 7،479. 063

10 01. 2018 - 8،072. 009

پیش بینی روند شاخص MSCEX CHM

T Date MSCEX CHM K (واقعی) معادله روند (مدل) MSEX CHM ^(برآورد و پیش بینی)

1 01. 2009 1،490. 77 A = 1،302. 788571 2،634. 519

2 01. 2010 4،604. 25 A = 1،331. 730595 3،966. 25

3 01.2011 6,742.34 >= 1،302. 788571 + 1،331. 730595 • t 5،297. 98

4 01. 2012 7،226. 58 6،629. 711

5 01. 2013 7،995. 5 7،961. 442

6 01. 2014 6،673. 67 9،293. 172

7 01. 2015 10،330. 7 10،624. 9

8 01. 2016 13،300. 8 11،956. 63

9 01. 2017 - 13،288. 36

10 01. 2018 - 14،620. 09

R. Kh. ایلیاسوف و همکاران./ Digest Finance ، 2018 ، جلد 23 ، شماره 1 ، صفحات 68-80

جدول 7 پیش بینی روند شاخص Micex M& M

T Date M Micex M& M K (واقعی) معادله روند (مدل) MSTEX M & M ^(برآورد و پیش بینی)

1 01. 2009 1،304. 24 A = 3،056،918929 3،175. 045

2 01. 2010 4،087. 13 A = 118،1260714 3،293. 171

3 01. 2011 5،769. 64 y = 3،056،918929 + 118،1260714 • t 3،411. 297

4 01. 2012 3،598. 71 3،529. 423

5 01. 2013 2،918. 6 3،647. 549

6 01. 2014 2،664. 71 3،765. 675

7 01. 2015 4،535. 6 3،883. 801

8 01. 2016 3،829. 26 4،001. 928

9 01. 2017 - 4،120. 054

10 01. 2018 - 4،238. 18

پیش بینی روند شاخص MICEX MNF

t تاریخ MICEX MNF K (واقعی) معادله خط روند (مدل) MICEX MNF ^(تخمین و پیش بینی)

1 01. 2009 475. 3 a = 1662. 139286 1665. 618

2 01. 2010 1, 740. 21 a = 3. 478214286 1669. 096

3 01. 2011 2929. 58 y= 1662. 139286 + 3. 478214286 • t 1672. 574

4 01. 2012 1, 931. 82 1, 676. 052

5 01. 2013 2, 029. 63 1, 679. 53

6 01. 2014 1, 772. 63 1, 683. 009

7 01. 2015 1, 054. 38 1, 686. 487

8 01. 2016 1, 488. 78 1, 689. 965

9 01. 2017 - 1, 689. 965

10 01. 2018 - 1, 696. 921

پیش بینی روند شاخص MICEX PWR

t تاریخ MICEX PWR Y (واقعی) معادله خط روند (مدل) MICEX PWR Y (تخمین و پیش‌بینی)

1 01. 2009 744. 04 a = 2540. 608929 2355. 445

2 01. 2010 2, 652. 89 a = -185. 1639286 2170. 281

3 01. 2011 3, 434. 02 y= 2, 540. 608929 + -185. 1639286 • t 1985. 117

4 01. 2012 2, 262. 38 1, 799. 953

5 01. 2013 1, 813. 26 1, 614. 789

6 01. 2014 1, 000. 38 1, 429. 625

7 01. 2015 797. 5 1, 244. 461

8 01. 2016 954. 5 1, 059. 298

9 01. 2017 - 874. 1336

10 01. 2018 - 688. 9696

جدول 10 مجموعه آموزشی

بازار سهام، حجم معاملات، میلیارد روبل

بازار مشتقات، میلیارد روبل

بازار ارز، میلیارد روبل

نرخ بهره از

بانک مرکزی روسیه، ٪

نفت برنت MICEX، شاخص دلار

2016 311, 180 115, 271 329, 954 10. 5 59. 62 54. 89 2, 195. 07 61, 097. 5 101. 3

2015 197, 882 93, 691 310, 837 17 77. 93 39. 02 1, 743. 14 60, 687. 1 96. 6

2014 204, 018 61, 601 228, 546 10. 5 33. 93 63. 43 1, 470. 57 63, 049. 2 101. 7

2013 228, 401 48, 415 156, 016 8. 25 30. 21 110. 54 1, 475. 4 62, 581. 9 100. 4

2012 182, 670 49, 969 116, 980 8. 25 31. 18 108. 78 1, 460. 44 61, 791. 6 103. 4

2011 92, 540 55, 345 87, 015 8. 25 29. 99 107. 53 1, 411. 55 59, 698. 1 105

2010 64, 030 29, 350 79, 519 8 29. 83 92. 15 1, 663. 62 46, 321. 8 107. 3

2009 42, 285 14, 169 95, 999 9 32. 49 75. 28 1, 342. 97 38, 807. 2 89. 3

منبع: نگارش شکل 1

نرخ های کلیدی در کشورهای بریکس، کشورهای اتحادیه اروپا و ایالات متحده آمریکا

منبع: تالیف، بر اساس جهات اصلی سیاست پولی واحد در سال 2016 و دوره 2017-2018

نمودار شبکه عصبی - پرسپترون

تولید ناخالص داخلی، میلیارد روبل

نمودار مقادیر واقعی و پیش بینی شده

سهم خطای پیش‌بینی از طریق شبکه عصبی استنباط می‌شود

г. кеме-12 ооютм 0. 0102799 0 0 0205598 0 0205596 С 0308397~0. 0Э06397 0. 041119$

منبع: نگارش شکل 5

ارزش پیش‌بینی شبکه عصبی برای سال 2017

گراف нейросети X Диаграмма рассеяния X Что-если X

Ш Щ м 1 из 8 |ъ j ► м 1 а 1 es1 11 SA IE s«

9. 0 Fond, рынок об... 311180

9. 0 Crochn. Млрд. р. 115271

9. 0 پول. بازار،... 329954

9. 0 دلار 57،46 دلار

9. 0 ایندکس MMVB 2084. 77

9. 0 VVP، میلیارد. روب. 61097, 5

9. 0 ИПП И 103, 867566973732

1. Shishulin S. S. [تحلیل مقایسه ای میزان توسعه تولید صنعتی روسیه و اتحادیه اروپا]. Ekonomicheskie nauki = علوم اقتصادی، 2015، شماره. 8، صص 99-103.

URL: http://ecsn. ru/files/pdf/201508/201508_99. pdf (به روسی.)

2. Golovin K. V.، Andrukhova S. V.، Klevtsova M. G.[تحقیق وابستگی اقتصاد روسیه به

وضعیت بازارهای نفت و مالی: بررسی نظر تحلیلگران مالی. Innovatsionnaya ekonomika: perspektivy razvitiya i sovershenstvovaniya، 2017، شماره. 1، ص 69-75.(در روسیه.)

3. Mitrofanov V. I.[تحلیل ارتباط متقابل بازار سهام روسیه با شرایط بازار مالی جهانی]. Ekonomika i predprinimatel'stvo = مجله اقتصاد و کارآفرینی، 2015، شماره. 6-2، صص 59-63.(در روسیه.)

4. Aleksandrov A. V., Gogua L. S. روش‌ها و مدل‌های ارزیابی شرایط بازار مالی. Ekonomika i predprinimatel'stvo = مجله اقتصاد و کارآفرینی، 2017، شماره. 1، ص 849-852.(در روسیه.)

5. Mitrofanov V. I. تحقیق اقتصادسنجی تاثیر شرایط بازار مالی جهانی بر شاخص نفت و گاز RTS. Statistika i ekonomika = آمار و اقتصاد، 2014، شماره. 6-2، صص 435-441.

آدرس اینترنتی: https://cyberleninka. ru/article/n/ekonometricheskoe-issledovanie-vliyaniya-konyunktury-mirovogo-finansovogo-rynka-na-dinamiku-indeksa-rts-nefti-i-gaza (در روسیه)

6. Bondarev N. S.[مقایسه بازار مالی استرالیا: تجزیه و تحلیل و مقایسه آن با روسیه]. Biznes i obshchestvo، 2015، شماره. 4. آدرس اینترنتی: http://busines-society. ru/2015/num-4-8/18_bondarev. pdf (در روسیه)

7. فدوتووا G. V.، Obukhova S. V.[استراتژی های مدیریت پورتفولیو برای بهینه سازی جریان های مالی شرکت ها تحت تحریم های اتحادیه اروپا]. Finansovaya analitika: problemy i resheniya = تجزیه و تحلیل مالی: علم و تجربه، 2015، شماره. 19، ص 30-40.

آدرس اینترنتی: https://cyberleninka. ru/article/n/portfelnye-strategii-optimizatsii-korporativnyh-finansovyh-potokov-v-usloviyah-sanktsiy-evropeyskogo-soyuza (در روسیه)

8. Polteva T. V. [تحقیق بازار مالی به عنوان جنبه ای از مدیریت ریسک در شرکت]. Molodoi uchenyi = دانشمند جوان، 2016، شماره. 29، ص 475-477.(در روسیه.)

9. Dubinina E. D., Fedotova G. V.[بحران مالی و دلایل آن]. Upravlenie. کسب و کار. Vlast'، 2015، شماره. 3، صص 39-43.(در روسیه.)

10. Fedotova G. V. ، Obukhova S. V.[ارزیابی اوضاع در بازار سهام روسیه در طول بحران جهانی]. Finansovaya Analitika: مشکل من resheniya = تجزیه و تحلیل مالی: علوم و تجربه ، 2016 ، شماره. 13 ، صص 2-15. url: https://cyberleninka. ru/article/n/otsenka-situatsiiiiiiiiiiyskom-fondovom-rynke-v-usloviyah-globalnogo-krizisa (در راس.)

11. Plotnikov V. ، Fedotova G. ، Popkova E. et al. هماهنگی شاخص های برنامه ریزی استراتژیک رشد اقتصادی اقتصادی سرزمین ها. مطالعات اقتصادی منطقه ای و بخش ، 2015 ، جلد. 15-2 ، صص 105-114.

12. Modigliani F. ، Miller M. هزینه سرمایه ، مالی شرکت و تئوری سرمایه گذاری. بررسی اقتصادی آمریکا ، 1958 ، جلد. 48 ، نه. 3 ، صص 261-297.

url: http://lib. cufe. edu. cn/upload_files/other/3_20140507105115_01 . pdf

13. مارکوویتز H. M. انتخاب نمونه کارها: تنوع کارآمد سرمایه گذاری. آکسفورد ، N. Y. ، بلکول ، 1991 ، 384 ص.

14. شارپ W. F. قیمت دارایی سرمایه: نظریه تعادل بازار تحت شرایط ریسک. مجله مالی ، 1964 ، جلد. 19 ، ISS. 3 ، صص 425-442.

15. Sazonov S. P. ، Fedotova G. V. ، Perekrestova L. V. ، Kozenko Y. A. سیاست بودجه ضد بحران روسیه در سال 2016-2018. در: روسیه و اتحادیه اروپا: توسعه و چشم انداز. Springer ، 2017 ، صص 8 1-88.

16. توبین J. تئوری انتخاب نمونه کارها. نظریه نرخ بهره. ویرایشتوسط F. H. Hahn ، F. P. R. برچلینگلندن ، مک میلان ، 1965 ، صص 3-51.

ما ، نویسندگان این مقاله ، الزام آور و صریح از فقدان جزئی و کامل درگیری واقعی یا احتمالی منافع با شخص ثالث دیگری اعلام می کنیم ، که ممکن است در نتیجه انتشار این مقاله ایجاد شود. این بیانیه مربوط به مطالعه ، جمع آوری داده ها و تفسیر ، نوشتن و تهیه مقاله و تصمیم برای ارسال نسخه خطی برای انتشار است.

ثبت دیدگاه

مجموع دیدگاهها : 0در انتظار بررسی : 0انتشار یافته : ۰
قوانین ارسال دیدگاه
  • دیدگاه های ارسال شده توسط شما، پس از تایید توسط تیم مدیریت در وب منتشر خواهد شد.
  • پیام هایی که حاوی تهمت یا افترا باشد منتشر نخواهد شد.
  • پیام هایی که به غیر از زبان فارسی یا غیر مرتبط باشد منتشر نخواهد شد.