Predictive Autoregressive Models of the Russian Stock Market Using Macroeconomic Variables
Notice bibliographique
Résumé
This article evaluates the relationship of macroeconomic variables of the domestic market with the stock index on the example of the Moscow exchange and selects forecast specifications based on an integrated auto regression model - the moving average. The methods that have been used are included in integrated auto regression-moving average model with exogenous variables and seasonal component, Box&Jenkins approach, auto-arima in R function, Hyndman & Athanasopoulos approach, and maximum likelihood method. The results demonstrate that the inclusion of external regressors in the one-dimensional ARIMAX model improves its predictive characteristics. Time series of macro-indicators of the domestic market – the consumer price index, the index of the output of goods and services for basic activities are not interrelated with the index of the Moscow exchange, with the exception of the dollar exchange rate. The positive correlation between the Moscow exchange index and macro indicators of the world economy - the S&P stock index, the price of Brent oil, was confirmed. In models with minimal AIC, a rare presence of the MA component was found, which shows that the prevailing dependence of the stock market yield on previous values of the yield (AR component) and thus, better predictability of the yield. It has shown that for stock market forecasting, "manual" selection of the ARIMA model type can give better results (minimum AIC and minimum RMSE) than the built-in auto.arima algorithm in R. It is shown that from a practical point of view, when selecting forecast models, the RMSE criterion is more useful for investors, which measures the standard error of the forecast in points of the stock index.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».