Фон.

Steinhoff — южноафриканская международная компания. В декабре 2017 года цена акций компании резко упала из-за сообщений о том, что они подделывали отчетность.

Цель.

Это анализ стабильности цены акций в 2017 году, за год до падения. Рынок продемонстрировал уровень уверенности и веры в стабильность курса акций компании. Вот код всего моего проекта.

Анализ.

Steinhoff — крупная компания, сопоставимая с другими розничными аналогами, такими как Shoprite и Mr Price, именно по этой причине я проведу сравнение цен на акции этих компаний, чтобы дать обзор движения цен на акции с 2015 года.

Движение цены акций.

Так выглядит цена акций компании в период с 2015 по 2023 год.

Цена акций в период с 2015 по 2018 год, по-видимому, испытала бурное движение цены акций, однако движение цены акций кажется относительно благоприятным для его аналогов, Shoprite и г-на Прайса:

Цены на акции Shoprite и г-на Прайса до скандала, кажется, большую часть времени имели схожие движения, в то время как движение цен на акции Steinhoff было противоположным, хотя и более тонким и не таким драматичным, как у других компаний. Аналогичное движение цены акций продолжалось на протяжении всего периода.

Объем запаса.

Цены на акции являются хорошим показателем рыночной стабильности компании, однако движение цены определяется объемом акций, то есть суммой покупки и продажи акций.

Волатильность объема акций соответствует движению цены акций. Огромный всплеск объема и падение цен к концу 2017 года — это люди, которые избавляются от акций компании после того, как стали известны новости и слухи о нарушениях бухгалтерского учета компании.

В сентябре 2017 года против Steinhoff были выдвинуты обвинения в том, что они не учли свое совместное предприятие в своих бухгалтерских книгах в 2016 году. Мы могли видеть вмятину и постепенный рост, который следует в цене акций после появления новостей. , что говорит о доверии к компании.
Это произошло всего за 4 месяца до скандала, можно с уверенностью утверждать, что многие, если не большинство, людей были ошеломлены мошенничеством, происходившим в компании.

Статистический анализ.

2017 год, когда цена акций резко упала, был относительно стабилен. Нельзя отрицать, что изменения цен были относительно резкими, от 5143 до 7401 руб. Стандартное отклонение цены закрытия, составляющее около 444 рандов, обеспечивало относительную стабильность по сравнению с отклонением в 867 рандов за два года до скандала.

Скользящие средние.

Скользящие средние с 5 окнами для измерения и получения представления о тренде в цене акций.

Существует очень небольшая разница в тренде и ценах закрытия с использованием 5-дневного окна, возможно, 20 окон в течение года до снижения было бы лучше.

В настоящее время появляется тенденция, и в зависимости от инвестиционной или торговой стратегии 90-дневное окно было бы лучше.

Использование более высоких окон со скользящими средними является ключом к наблюдению за трендом, общей формой и движением цены акций, но мы жертвуем точностью, поскольку скользящие средние не меняются при обвале так хорошо, как скользящая средняя с 5 окнами.

Декомпозиция по сезонности.

Лучший способ увидеть тренд и сезонность — использовать статистические методы для разложения цены акций на три важных компонента: сезонность, тренд и остатки.

Стабильность движения цены не обеспечивает четкого долгосрочного движения. Тренд кажется циклическим, как и движение цены, с параметром периода по умолчанию. Сезонность больше, чем я первоначально думал, и остатки соответствуют стандартному отклонению R444.

Позвольте мне изменить количество периодов до 20 и понаблюдать за изменениями.

Остатки ожидаемо сохраняются, сезонность менее выражена, и тренд теперь напоминает анализ скользящих средних по 20 окнам, который мы провели. Более высокий временной период дает лучшее представление о цене акций, но мы также теряем точность, когда дело доходит до моделирования движения цены.

Статистическое моделирование.

Расширенный тест Дики-Фуллера с AIC в качестве информационных критериев для проверки на стационарность, прежде чем мы выберем подходящую статистическую модель для прогнозирования цен до снижения. Наш уровень значимости будет 5% на протяжении всего проекта.

Значение p равно 32,8%, а статистика теста выше нашего критического значения. Нулевая гипотеза не отвергнута, теперь есть убедительные доказательства того, что ряд цен за год до снижения нестационарен.

Пришло время добиться стационарности.

Следующий ADF-тест дает следующие результаты:

Утверждение о стабильности цены за год до падения, как оценивалось ранее, теперь полностью подтверждается. Значение p = 0%, мы отклоним нулевую гипотезу. Стационарность подтверждена.

Тест ACF и PACF.

Во-первых, это использование фактических цен.

АКФ:

Значимость уменьшается с течением времени, что указывает на тенденцию, которая выглядела нисходящей по спирали с изменяющимся средним значением, что наблюдалось при анализе скользящего среднего.

ПАКФ:

Первые два лага положительные и значимые. Остальные лаги несущественны, поскольку волатильность цены двумя периодами ранее не влияет на текущую цену.

Сейчас используется цена возвращается.

АКФ:

Значение имеет только значение в первом лаге.

ПАКФ:

Два сюжета похожи. Текущая невязка объясняется остатком на 1 лаг назад, 8-й и 9-й лаги будут игнорироваться, так как они недостаточно значимы.

Выбор модели.

Компоненты, использующие доходность, наблюдаемые до сих пор, - это AR (1), MA (1). Моя наивность склоняет меня к ARIMA(1,0,1) с доходностью, и поэтому я буду использовать его, чтобы попытаться смоделировать цену акций, ведущую к снижению.

Производительность ARMA по фактическим ценам с интеграцией:

Прогнозы очень неточны. Я получу письменное предупреждение за свою нестандартную работу, потому что это потеря больших денег, даже если я владею только одной акцией. Модель точна один раз 29-го числа, фактическая цена составляет 5650 рандов, а прогноз - 5651,287 рандов, скидка всего 0,0228%. Самый неточный прогноз 27 числа, то есть неточность 3,599%.

Похоже, что модель предсказывает значения, сосредоточенные вокруг среднего значения, что является характером модели с одним запаздыванием, и использование возвратов может дать лучшие результаты.

Производительность ARMA с использованием ценовой доходности:

Модель снова предсказывает значения, сосредоточенные вокруг среднего значения, с некоторыми остатками. Это правильно только дважды, и это только потому, что доходность приближается к предсказанному среднему значению.

Было бы утомительно изменить аргументы порядка модели, чтобы точно предсказать значения. Модель auto_arima() была бы очень кстати, не нужно было бы вручную изменять аргументы.

Производительность auto arima с использованием ценовых возвратов:

Подогнанная модель хорошо предсказывает движение цен, но все еще неудовлетворительна, прогнозируемые значения вращаются вокруг среднего значения, модель определенно плохо справится с прогнозированием снижения. Для бизнес-аналитики необходимо использовать некоторые факторы в качестве экзогенных переменных, возможно, модель могла бы быть более точной, поскольку на данный момент использование цен акций других компаний, которые не коррелируют со Steinhoff, исказило бы нашу модель.

Заключение.

Прогнозирование — это серьезная задача, и для достижения высочайшей точности модели требуется нечто большее, чем просто цена акций конкурентов или аналогов. Использование стационарных данных действительно улучшает производительность модели, но все еще плохо справляется с прогнозированием, это связано с рядом экзогенных переменных, которые невозможно смоделировать, даже если бы все было учтено, определенно было бы переоснащение и прогнозирование. по-прежнему будет большой проблемой.

Steinhoff оказался хорошим хранилищем стоимости, пока этого не произошло, и рынок не мог предвидеть падения.

Это конец проекта. Исправления и предложения всегда приветствуются.