Оценка кризисных явлений на валютном рынке тема диссертации и автореферата по ВАК РФ 08.00.13, кандидат экономических наук Плешивцев, Олег Олегович

• Плешивцев, Олег Олегович
• кандидат экономических наук
• 2000

Оглавление диссертации кандидат экономических наук Плешивцев, Олег Олегович

ВВЕДЕНИЕ.

1. АНАЛИЗ КРИЗИСНЫХ ЯВЛЕНИЙ И ПРЕЦЕДЕНТОВ НА ФИНАНСОВОМ РЫНКЕ.

1.1 Постановка задачи и актуальность проблемы исследования кризисных явлений на валютном рынке.

1.2 Подходы к моделированию и прогнозированию кризисных явлений.

1.3 Ретроспективный анализ факторов-предвестников кризиса.

2. ОЦЕНКА ФАКТОРОВ И МОДЕЛИРОВАНИЕ ИНДИКАТОРА ВАЛЮТНОГО РИСКА.

2.1. Экономическая постановка задачи.

2.2. Концепция построения индикатора валютного риска.

2.3. Математическая постановка задачи.

2.4. Методология.

2.5. Величина переоцененности.

2.6. Ожидаемый рост производства внутреннего продукта.

2.7. Золотовалютные резервы.

2.8. Взаимовлияние рынков.

2.9. Построение модели.

2.10. Результаты.

3. ТЕСТИРОВАНИЕ МОДЕЛИ И ОПРЕДЕЛЕНИЕ ЕЕ ПОЛЕЗНОСТИ КАК ИНСТРУМЕНТА МОНИТОРИНГА СОСТОЯНИЯ ВАЛЮТНОГО РЫНКА.

3.1. Интерпретация результатов работы модели.

3.2. Зависимость доходности от определения в модели валютного кризиса

3.3. Анализ сигналов индикатора валютного риска.

3.4. Пример верификации модели на данных кризиса в России (август 1998 г.)

Введение диссертации (часть автореферата) на тему «Оценка кризисных явлений на валютном рынке»

Актуальность проблемы. Необходимость прогнозирования валютных кризисов доказывается на примере многих стран, особенно в настоящее время, когда один за другим развивающиеся рынки приходят к вынужденной девальвации своих валют. Это подталкивает инвесторов создавать новые способы и инструменты эффективного мониторинга валютного рынка, чтобы избежать на нем значительных потерь. Возможность предупредить развитие кризисных процессов должна быть не только у обычных инвесторов, но и у государственных структур, заинтересованных в прямом регулировании валютного рынка страны.

В настоящее время прогнозирование кризиса национальной валюты не получило должного развития в нашей стране, что определяет актуальность данной работы.

Данная диссертационная работа посвящена моделированию нового инструмента, с помощью которого возможен прогноз надвигающегося кризиса национальной валюты.

Цель и задачи исследования. Целью диссертационного исследования является построение индикатора валютного риска, своеобразного вероятностного сигнала приближения кризиса национальной валюты развивающейся страны. Такой сигнал сможет помочь заинтересованным государственным органам, инвесторам и другим участникам рынка своевременно страховать валютные риски.

В соответствии с поставленной целью определены следующие основные направления диссертационного исследования:

• анализ и обобщение известных подходов к моделированию и построению прогнозов девальвации валюты;

• исследование макроэкономических факторов, оказывающих влияние на развитие валютного кризиса, оценка валютных кризисов на примерах различных стран;

• разработка теоретических подходов к организации модели;

• совместная обработка результатов анализа факторов при построении прогнозной эконометрической модели;

• построение математической модели индикатора валютного риска и оценка ее параметров;

• проведение ряда экспериментов с целью представления рекомендаций по практическому использованию предложенной модели.

Объект исследования. Объектом исследования в данной работе является базовый двухсторонний обменный курс национальной валюты развивающейся страны.

Предмет исследования. Предметом исследования является краткосрочный (на один месяц) прогноз девальвации курса национальной валюты.

В качестве материала, на базе которого строится модель, взяты исторические данные Госкомстата РФ, публикации Международного Валютного Фонда, Мирового Банка, инвестиционного банка JP Morgan, а также использована информация официальных источников стран с развивающейся экономикой и стран с экономикой переходного периода со статистикой по макроэкономическим факторам с 1980 по 1998 г.г.

Адекватность построенных экономико-математических моделей проверена на базе стандартных прикладных программ.

Методология и методика исследования. Теоретической и методологической основой диссертационной работы послужили исследования в области фундаментального и технического анализа, труды по эконометрике, математической статистики и теории вероятностей, а также публикации различных авторов по исследуемой теме.

Научная новизна. В диссертационной работе решена экономическая задача построения модели индикатора, на основе которого прогнозируется возможность девальвации национальной валюты на развивающемся рынке; данная модель решает проблему своевременного получения сигнала о надвигающемся валютном кризисе, что позволит государственным структурам принимать целенаправленные решения по стабилизации экономического сектора, а инвесторам избежать потерь на валютном рынке страны.

Новизна диссертационного исследования состоит в достижении следующих основных результатов:

• разработана адаптивная нелинейная модель вероятностного индикатора валютного риска, предложен алгоритм решения полученной задачи с помощью эконометрических и статистических методов;

• построена модель, которая позволяет существенно повысить корректность прогнозов за счет выдвижения некоторых дополнительных предположений о дифференциации событий на временном интервале и об оценке влияния иностранных рынков на национальную валюту;

• создан специализированный программный инструментарий, с помощью которого проведена экспериментальная проверка предлагаемой модели, даны рекомендации по использованию модели в процессе принятия решений на валютном рынке.

Практическая ценность и реализация результатов исследования.

Практическая ценность работы заключается в том, что предложенная экономико-математическая модель позволяет получать своевременный сигнал о надвигающемся кризисе национальной валюты развивающейся страны в краткосрочном периоде.

Данную модель можно использовать не только в качестве сигнала, говорящего о наступающем кризисе, но и в качестве индикатора, указывающего на ослабление валюты.

Результаты работы могут быть использованы государственными Iр структурами как инструмент поддержки решений при регулировании макроэкономических показателей страны, а также как инструмент поддержки решений при управлении открытой валютной позицией финансовыми институтами.

Основные выводы и рекомендации диссертации также могут быть использованы в процессе обучения, переподготовки и консультирования работников финансовых институтов по управлению рисками. Результаты исследований могут найти место в учебном процессе на кафедрах «Финансовый менеджмент», «Национальная и мировая экономика» Государственного университета управления, в других ВУЗах и учебных заведениях по дисциплинам «Управление финансовыми рисками»,

Банковский менеджмент».

Рекомендации и предложения по вопросам управления валютным риском и, в частности, прогнозирования уровня стабильности валюты, а также по вопросам использования аналогичных подходов при оценке кредитных рисков, изложенные в диссертационной работе нашли отражение в практической деятельности отдела управления рисками ОАО АКБ «Автобанк».

По теме диссертации опубликованы четыре работы.

Заключение диссертации по теме «Математические и инструментальные методы экономики», Плешивцев, Олег Олегович

Результаты работы модели наиболее чувствительны к изменению переменных взаимовлияния рынков (кластер, текущее и с лагом 6 месяцев изменение аппетита к риску), которые обычно не рассматриваются в других исследованиях. Далее, по степени важности для результатов модели в порядке убывания переменная "резервы к размеру долга", суммарное отклонение RTWI, 3-х месячное изменение цен акций.

3. ТЕСТИРОВАНИЕ МОДЕЛИ И ОПРЕДЕЛЕНИЕ ЕЕ ПОЛЕЗНОСТИ КАК ИНСТРУМЕНТА МОНИТОРИНГА СОСТОЯНИЯ ВАЛЮТНОГО РЫНКА

3.1. Интерпретация результатов работы модели

Как уже отмечалось выше, результатом логистической регрессии является вероятность возникновения кризиса. Как и в любой другой эконометрической модели, результат логистической функции - это ожидание зависимой переменной, обусловленной набором информации (данных). В логистической модели, где зависимая переменная может принимать значения только от 0 до 1, это ожидание равно (условной) вероятности, что кризис произойдет, и зависимая переменная примет значение 1.

Чтобы точнее определить, вероятность чего именно рассчитывает логистическая регрессия, необходимо вернуться к предпосылкам модели. Результат данной модели - вероятность возникновения девальвации в некотором «искусственном мире», где имеются 36 кризисов и всего лишь 75 спокойных периодов, по сравнению с реальным миром, где существует 36 девальваций и 3652 спокойных периодов (с января 1980 по декабрь 1994 года). Строго говоря, именно из-за этого факта вероятность, полученная в модели не является вероятностью кризиса, поэтому следует говорить о * результате работы модели как о индексе вероятности девальвации. Далее проведен анализ индекса, показывающий надежность и полезность его сигнала при определении вероятности возникновения кризиса в реальном мире. Кроме того, необходимо исследовать, следует ли корректировать полученный индекс в реальную вероятность, а также характер смещения индекса.

Вычислив с помощью модели индекс за весь период с января 1980 года по сентябрь 1997 года, можно сравнить распределение сигналов модели с распределением кризисов по реальным данным (см. Диаграмма 1).

Диаграмма 1. Частота модельных и реальных данных.

Частота модельных (индекса) и реальных данных

5000 4000 2 3000

О н 2000 1000 0

JUL

I Реальные данные I Модель

0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0

Сравнение показывает, что индекс предупреждает о большем количестве кризисов, чем случилось реально. Если аппроксимировать реальное распределение 56-ти кризисов и 4532 спокойных периодов с помощью трендовой модели, то получим, что такая трансформация заменит существующее распределение сигналов нашей модели на приближение реального распределения кризисов. В этом случае резко уменьшается чувствительность модели и количество возможно правильных сигналов, а как следствие, и точных прогнозов девальваций (см. Диаграмма 2).

Диаграмма 2. Частота реальных данных и соответствующей модели.

Частота реальных данных и соответств. модели

5000 4000 5 зооо о

Реальные данные

Соотв. модель

Чтобы подобрать тренд к существующим реальным данным по 56 кризисам и 4532 спокойным периодам были сделаны следующие предположения и расчеты.

• значения функции между точками от 0 до 0.5 соответствуют 4532 -количеству спокойных периодов;

• значения функции между точками от 0.5 до 1 соответствуют 56 -количеству произошедших девальваций;

• значение функции в точке 0.5 соответствует 0;

• функция имеет минимум в точке 0.5;

• функция выпукла на отрезке [0;1] (вторая производная всегда положительна).

Поскольку выбор оптимальной функции зависит от выбора критерия оптимальности, то не исключено, что таких функций может быть несколько, важно что результаты не будут существенно расходиться. Пример такой функции может быть следующим:

4588 * (23.7л:2 - 23.7* + 5.92),л: е [0;0.5)

4588*(0.29х2 - 0.29* + 0.07), х е (0.5;1] (10)

0,х = 0.5

Используя эту функцию, генерируется достаточно большая последовательность соответствующих реальным вероятностей (между 0 и 1) так, что количество наблюдений для каждого как угодно малого Ъ интервала [а, Ъ] равнялось [/{x)dx. К примеру, на диаграмме (см. а

Диаграмма 2) таких наблюдений 1311 в интервале от 0.1 до 0.2.

Отсортировав значения, полученные с помощью мультиномиальной логистической модели в порядке возрастания, возможно найти соответствие индекса / с «оптимальной соответствующей функцией» (г), описывающей реальные распределения вероятностей. Один из вариантов такого соответствия приведен в следующей формуле: г = g(I) = к + с-Г п -Ь,гдеп = 4,а = 295.9617, b = 0.07, с = 1.002597, к

Ые-Г) = -1.009721.

Диаграмма 1 и Диаграмма 2 показывают как функция g приближенно отражает соотношение между значениями индекса, распределением вероятностей реальных данных и функцией, описывающей распределения вероятностей.

Не проводя скрупулезного анализа видно, что:

- Зависимость между функцией, описывающей распределения вероятностей, и индексом нелинейная: величина индекса 0.9 соответствует значению функции равной 0.4.

- Если инвестор основывает свою стратегию на пороговом значении 0.4, применительно к функции, то значение индекса должно превышать 0.9, что адекватно закрытию позиции.

Альтернативой тому, чтобы менять распределение уровней индекса для лучшего отражения реальных данных с небольшим количеством кризисов и огромным количеством спокойных периодов, является изменение порогового значения индекса. В действительности, значение индекса, к примеру, 0.5 не является отражением вероятности кризиса в 50%, вследствие различия между реальной ситуацией и приведенным в исследовании набором данных, по которым строилась модель.

ЗАКЛЮЧЕНИЕ

В этой работе реализована попытка построить модель индикатора валютного риска, показывающего вероятность девальвации в следующем месяце. Внедрение индикатора в систему мониторинга рынка принесет государственным монетарным структурам, обычным инвесторам ощутимую пользу. Можно с уверенностью сказать, что данный инструмент позволит избежать ненужных валютных рисков, а, как следствие, финансовых потерь. Одновременно индикатор может рассматриваться и с более глубокой точки зрения, как сигнал, говорящий о назревших экономических проблемах в данной стране, и здесь уже потребуется более тщательное изучение как выходной информации модели, так и тех факторов, которые лежат в ее основе. Заблаговременное получение информации о возможных проблемах в сфере валютного рынка позволит государственным органам применить своевременные регулирующие меры по предотвращению или смягчению нежелательных последствий кризиса. Для финансовых институтов задача прогнозирования кризисов наиболее интересна с той точки зрения, что умение предвидеть значительные колебания рынка позволяет избежать потерь или получить прибыль, несопоставимую с доходностью краткосрочных спекуляций спокойного рынка.

Используя экономико-математические методы анализа, аппарат теории вероятностей и эконометрические модели, в данном исследовании удалось решить несколько задач:

1. Построена модель индикатора, на основе которого прогнозируется возможность девальвации национальной валюты на развивающемся рынке. Своевременное получение информации о надвигающемся валютном кризисе позволит государственным структурам принять меры по стабилизации экономики, а простым инвесторам избежать потерь на валютном рынке страны.

2. В отличие от моделей статических, представленная модель является эффективным средством мониторинга состояния валютного рынка в реальном времени.

3. Разработанная модель сочетает в себе признаки эконометрической задачи, статистического и вероятностного анализа, что дает возможность постоянно совершенствовать модель за счет актуализации данных.

4. Создана статистическая, постоянно обновляющаяся база аналитического отдела, активно применяемая в программном комплексе мониторинга валютных рисков.

5. На основе результатов работы модели построена и опробована система поддержки принятия решений для оценки валютных рисков. Процент правильных прогнозов составил 92%. Индикатор валютного риска используется в системе мониторинга рыночных рисков в ОАО АКБ «Автобанк». Использование данного индикатора позволило повысить эффективность управления валютной позицией.

В то же время, в процессе исследования возникла закономерная проблема, решение которой требует дополнительных усилий и выходит за рамки данной работы:

В силу определенной специфики каждого рынка, сложно предложить универсальную модель, учитывающую все особенности национальной экономики и сложившихся геополитических условий на определенном временном интервале.

Таким образом, дальнейшая разработка направления, Ш представленного в данном исследовании, имеет хорошую научную перспективу, особенно в условиях нестабильного российского рынка. Ключевыми моментами последующих исследований являются поиск новых и улучшение уже известных экономико-математических моделей, т.к. совершенствование информационной базы и аналитического аппарата в конечном итоге определяет качество решений на рынке и эффективность их использования.

Список литературы диссертационного исследования кандидат экономических наук Плешивцев, Олег Олегович, 2000 год

1. Айвазян С.А., Мхитарян B.C. Прикладная статистика и основы эконометрики. Учебник для вузов. М.: ЮНИТИ, 1998. - 1022 с.

2. Аленичев В.В., Аленичева Т.Д. Страхование валютных рисков, банковских и экспортных коммерческих кредитов. М.: Ист-сервис. 1994. 114 с.

3. Арнольд В.И. Теория катастроф. М.: Наука, 1990,128 с.

4. Баласанов Ю.Г., Дойников А.Н., Королева М.Ф., Юровский А.Ю. и др. Прикладной анализ временных рядов с программой Эвриста. Центр СП «Диалог» в МГУ, 1991.

5. Болдырев М. Аналитическая записка. Рынок ценных бумаг. 1997. № 19. с. 44—45.

6. Боровиков В., Онищенко М. Предупредит ли индекс о приближении кризиса? Рынок ценных бумаг. 1998. № 7. с. 14—20.

7. Буздалин А.В. Предсказание кризисов: как это делать. Банковское Дело. 1998. № 11. с. 36-40.

8. Бэстенс Д.-Э., вам ден Берг В.-М., Вуд Д. Нейронные сети и финансовые рынки: принятие решений в торговых операциях. М.: ТВП, 1997.-хх, 236 с.

9. Вентцель Е. С. Теория вероятностей. М.: Государственное издательство физико-математической литературы, 1962. - 564 с.

10. Гайдар Е. Экономический рост? Тенденции есть, а дальше — посмотрим. Рынок ценных бумаг. 1997. № 22. с. 38—43.

11. Гал.иц Л. Финансовая инженерия: инструменты и способы управления финансовым риском. Москва: ТВП, 1998. - xvi, 576 с.

12. Гитман Л. Дж., Джонк МД. Основы инвестирования. Пер. с англ. -М.: Дело, 1997.- 1008 с.

13. Гихман И.И., Скороход А.В. Введение в теорию случайных процессов. Изд. 2-е, Главная редакция физико-математической литературы издательства «Наука», М., 1977, 568 с.

14. Глазачев М. Интернационализация российского рынка ценных бумаг создает проблемы его участникам. Рынок ценных бумаг. 1997. № 18. с. 63—66.

15. Гмурман В.Е., Теория вероятностей и математическая статистика. Издание пятое, переработанное и дополненное. М.: «Высшая школа», 1977.-479 с.

16. Голованов А., Звягин А. Предсказуемы ли финансовые кризисы? Рынок ценных бумаг. 1998. № 7. с. 10—13.

17. Дж. Бокс, Г. Дженкинс. Анализ временных рядов: Прогноз и управление. М.: "МИР", 1974 - Выпуск 1, 408 е., 2, 198 с.

18. Долан Э. Дж. и др. Деньги, банковское дело и денежно-кредитная политика. Пер. с англ. СПб.: Санкт-Петербург оркестр. 1994. - 496 с.

19. Дубров A.M., Лагоша Б. А., Хрусталев Е.Ю. Моделирование рисковых ситуаций в экономике и бизнесе. М: Финансы и статистика, 1999. -176 с.

20. Дудорин В.И., Блинов О. Е., Годин В.В., Филинов-Чернышев Н.Б. Методы социально-экономического прогнозирования (Общие методы прогнозирования). Учебное пособие. М.: ГАУ, 1991. - 184 с.

21. Ермольев Ю.М., Ястремский А.И. Стохастические модели и методы в экономическом планировании. Москва «НАУКА», Главная редакция физико-математической литературы. 1979.

22. Ефимова М.Р., Петрова Е.В., Румянцев В.Н. Общая теориястатистики: Учебник. М.: ИНФРА-М, 1996 - 416 с.

23. Ильинская А., Ильинский К. В поисках новых подходов: чего не знает финансовая математика. Рынок ценных бумаг. 1997. №21. с.57—58.

24. Ильинская А., Ильинский К. Новые подходы к техническому анализу для российского фондового рынка. Рынок ценных бумаг. 1997. № 20. с. 94—98.

25. Именитова Е. Методы оценки рыночной стоимости акций. Рынок ценных бумаг. 1997. № 20. с. 5—10.

26. Колмогоров А.Н. Основные понятия теории вероятностей. 3-е изд. -М.: Фазис, 1998-144 с.

27. Крамер Г., Математические методы статистики. М.: Мир, 1975. -648 с.

28. Малиевский Д., Бабенков А. Фондовый кризис и его влияние на взаимосвязь финансовых рынков. Рынок ценных бумаг. 1998. № 7. с. 21—23.

29. Масалович А. В поисках абсолютного оружия. Рынок ценных бумаг. 1997. № 22. с. 142—145.

30. Мелкумов Я. С. Теоретическое и практическое пособие по финансовым вычислениям. М.: ИНФРА-М, 1996. - 336 е., 25 табл.

31. Мельников А.В. Финансовые рынки: Стохастический анализ и расчет производных ценных бумаг. М.: Научное издательство ТВП, 1997, 126 с.

32. Миловидов В. Начало осени: высокая плата за спекуляцию. Рынок ценных бумаг. 1997. № 20. с. 30—31.

33. Миловидов В. Рефлексы фондового рынка: нужны дилеры. Рынок ценных бумаг. 1997. №22.0.116—117.

34. Ованесов А. Есть ли противоядие от фондового кризиса? Рынокценных бумаг. 1998. № 6 (117). с. 56—60.

35. Ованесов А. Оценка акций оператора связи: в поисках внутренней стоимости. Рынок ценных бумаг. 1997. № 18. с. 52—53.

36. Под ред. Иванова Ю.Н. Экономическая статистика: Учебник.- М.: ИНФРА-М, 1998-480 с.

37. Рожановский В. Октябрь, 28. Уроки кризиса. Рынок ценных бумаг. 1997. №22. с. 51—53.

38. Уотшем Т.Дж., Паррамоу К. Количественные методы в финансах. -М.: Финансы, ЮНИТИ, 1999. 527 с.

39. Фридмен М. Если бы деньги заговорили.- М.: Дело, 1998. 158 с.

40. Четыркин Е.М. Методы финансовых и коммерческих расчетов. 2-е изд., испр. и доп. - М.: Дело Лтд. 1995. - 320 с.

41. Шарп У., Александер Г., Бэйли Дж. Инвестиции. Пер. с англ. М.: ИНФРА-М, 1997. -XII, 1024 с.

42. Ширяев А.Н. Основы стохастической финансовой математики. Том 1. Факты. Модели. М.: Фазис, 1998 - 512 с.

43. Ширяев А.Н. Основы стохастической финансовой математики. Том

44. Теория. М: Фазис, 1998 - 554 с.

45. Agenor Pierre-Richard, Jagdeep S. Bhandari and Robert P.Flood, «Speculative Attacks and Models of Balance of Payments Crises», Staff Papers, International Monetary Fund, Vol. 39 (June 1992), pp.357-94

46. Blackburn Keith and Martin Sola, «Speculative Currency Attacks and Balance of Payments Crises», Journal of Economic Surveys, Vol. 7 (June 1993), pp. 119-44

47. Blanco Herminio, Peter M. Garber, "Recurrent Devaluation and Speculative Attacks on the Mexican Peso," Journal of Political Economy, 1986, v. 94, p. 148-166.

48. Box G.E.P., Tiao G.C. Intervention Analysis with applications to economic and environmental problems, J.Amer. Statist. Assoc., 70, 70-79, (1975)

49. Calvo Guillermo A., «Varieties of Capital-Market Crises», Center for International Economics Working Paper No. 15 (College Park: University of Maryland, November 1995)

50. Corsetti G., Pesenti P., Roubini N., Title C. (1999), «Competitive Devaluations: A Welfare-Based Approach», NBER Working Paper no. 6889

51. Delias Harris and Alan Stockman, «Self-fulfilling Expectations, Speculative Attack and Capital Controls», Journal of Money, Credit and Banking, Vol. 25 (November 1993), pp.721-30

52. Dornbusch Rudiger, Ilan Goldfajn and Rodrigo O. Valdes, «Currency Crises and Collapses», Brookings Papers on Economic Activity, No. 2 (1995), pp. 219-95

53. Edin Per-Anders and Anders Vredin, «Devaluation Risk in Target Zones: Evidence from the Nordic Countries», The Economic Journal, Vol. 103 (January 1993), pp. 161-75

54. Eichengreen Burry, Andrew Rose and Charles Wyplosz, «Exchange Market Mayhem: The Antecedents and Aftermath of Speculative Attacks», Economic Policy, Vol. 21 (October 1995), pp. 249-312

55. Flood R. and Garber P., (1984), «Collapsing Exchange Rate Regimes: Some Linear Examples», Journal for International Economics, vol.17, pp 113

56. Frankel J. and Rose A., (1995), «Currency Crashes in Emerging Markets: Empirical Indicators», CEPR Working Paper no. 1349

57. Friedman M. Review of Tinbergen. American Economic Review. XXX. 1940.

58. Gerlach S. and Smets F., (1995), «Contagious Speculative Attacks», European Journal of Political Economy, vol.11, pp 45-63

59. Green W. (1997), Econometric Analysis, 3rd edition, Prentice Hall, NJ

60. Ilan Goldfajn and Rodrigo O. Valdes, «Are Currency Crises

61. Predictable?», IMF Working Paper WP/97/159 (Washington: International Monetary Fund, December 1997)

62. International Monetary Fund Working Paper, Western Hemisphere Department. Prepared by Graciela Kaminsky, Saul Lizondo, Carmen M. Reinhart. Leading indicators of currency crises. July 1997, WP/97/79

63. Jongwoo Kim, Allan M. Malz, Jorge Mina. LongRun Technical Document. First Edition. 1999 RiskMetrics Group. 159 p.

64. JP Morgan. Global foreign exchange research: Technical series. Event risk indicator handbook. May 1998.

65. JP Morgan/Reuters. Risk Metrics. Quarterly Risk Metrics Monitors. 1996-1998.

66. Kaminskv Graciela and Carmen M. Reinhart, «The Twin Crises: Theу *

67. Causes of Banking and Balance-of-Payments Problems», International Finance Discussion Paper No. 544 (Washington: Board of Governors of the Federal Reserve, March 1996)

68. Kaminsky Graciela. Currency and Banking Crises: The Early Warnings of Distress. Board of Governors of the Federal Reserve System. IFDP № 629. October 1998.

69. Karsten C. Scientific forecasting (its methods and applications to practical business and to stock market operations). N.Y.: Greenberg Inc., 1931.

70. Keynes J.M. The General Theory Of Employment, Interest and Money. New York: Harcourt, Brace, 1936.

71. Masson P. (1995), «Gaining and Losing ERM Credibility: The Case of the UK», The Economic Journal, vol.105, Issue 3, pp 571-582

72. Moreno Ramon, «Macroeconomic Behavior During Periods of Speculative Pressure or Realignment: Evidence from Pacific Basin Countries», Economic Review, Federal Reserve Bank of San Francisco, No.3(1995), pp. 3-16

73. Obstfeld Maurice, «Models of Currency Crises With Self-fulfilling Features», European Economic Review, Vol. 40 (April 1996), pp. 1037-47

74. Obstfeld Maurice, «Rational and Self-Fulfilling Balance-of-Payments Crises», The American Economic Review, Vol. 76 (March 1986), pp. 72-81

75. Obstfeld Maurice, «The Logic of Currency Crises», NBER Working Paper No. 4640 (Cambridge, Massachusetts: National Bureau of Economic Research, February 1994)

76. Otker Inci and Ceyla Pazarbasioglu, «Exchange Market Pressures and Speculative Capital Flows in Selected European Countries», IMF Working Paper WP/94/21 (Washington: International Monetary Fund, February 1994)

77. Otker Inci and Ceyla Pazarbasioglu, «Speculative Attacks and Currency Crises: The Mexican Experience», IMF Working Paper WP/95/112 (Washington: International Monetary Fund, November 1995)

78. Ozkan F. Gulcin and Alan Sutherland, «Policy Measures to Avoid a Currency Crisis», The Economic Journal, Vol. 105 (March 1995), pp. 51019

79. Rinassen G. Stochastic complexity and the MDL principle. Economic Reviews. 1987.

80. Robert R. Trippi. Chaos and nonlinear dynamics in the Financial Markets. IRWIN Professional Publishing. 1995

81. Sachs Jeffrey, Aaron Tornell and Andres Velasco, «Financial Crises in Emerging Markets: The Lessons From 1995», Brookings Papers on Economic Activity, No. 1 (1996), pp. 147-215

82. Tinbergen Y. Ein Problem der Dynamic. Zeitschrift fur Nationalekonomic. Bd III, H.2.1932.

83. World Economic Outlook (International Monetary Fund). World economic outlook: a survey by the staff of the International Monetary Fund. May 1998. Washington, D.C.: The Fund, 1980. Annual.