Авторегрессия свидетельствует об инерционности и стационарности
прогнозируемого процесса, о сохранении на всем интервале прогнозирования
исторически сложившейся экономической парадигмы. Однако это допущение
является слишком сильным и малореалистичным. Чтобы смягчить эту предпосылку
о стационарности, зарубежные исследователи Энгл и Боллерслев разработали
семейство методов ARCH и GARCH соответственно ([112, 116, 119]), допуская, что
прогнозируемый процесс перестает быть стационарным, но будущее значение
волатильности этого процесса может быть предсказано по ряду предыдущих
значений волатильности процесса (условно-непостоянная волатильность). Т.е. в
алгоритме прогнозируется не только искомый параметр, но и параметры
распределения ошибки прогноза.
Развитием методов ARCH и GARCH является технология так называемых
нейронных сетей [22], когда система прогнозирования в автоматическом режиме
осуществляет оценивание параметров регрессии, минимизируя функцию ошибки.
Любопытно, что иногда для обучения финансовых нейронных сетей используются
даже астрологические прогнозы [93] (в мире существуетряд финансовых программ
на астрологическом базисе, и мы здесь обходим стороной вопрос о том, является ли
астрология наукой или нет).
Методы ARCH и GARCH (равно как и построенные на их основе нейронные
сети) перестают работать, когда исследуемая экономическая система терпит так
называемый эпистемологический, парадигмальный разрыв [45], т.е., с резким
изменением экономических тенденций вся накопленная история оказывается
неподходящей для прогноза. Характерный пример . перелом тенденции фондового
рынка США в 2001 году. И в этом случае для прогнозирования тенденций
подсистемы необходимо пользоваться данными надсистемы, не претерпевшей
парадигмального разрыва. Так, для прогнозирования американских фондовых
индексов сегодня можно воспользоваться данными макроэкономических индексов
и обновленными предположениями о рациональных инвестиционных тенденциях,
используя идеологию треугольных нечетких функций [75].
Методы ситуационного анализа предполагают генерацию экономических
сценариев и детерминированное факторное моделирование реакции системы на
сгенерированный сценарий, измеряемое по финансовымрезультатам системы.
Всем сценариям в генеральной их совокупности присваиваются вероятностные
веса. Таким образом, итоговый ожидаемый финансовый результат
интерпретируется как матожидане случайной величины показателя,
распределенной в соответствии с исходным весовым распределением входных
сценариев.
