ІЄРАРХІЧНА КЛАСТЕРИЗАЦІЯ У СИСТЕМАХ РАННЬОГО ПОПЕРЕДЖЕННЯ ЕКОНОМІЧНИХ КРИЗ

Анотація

Вступ. Економічні кризи останніх десятиліть виявили вразливість світової стабільності та продемонстрували запізнілий характер традиційних макроекономічних показників. На відміну від ВВП чи рівня безробіття, що фіксують зміни вже під час активної фази рецесії, біржові індикатори відображають очікування інвесторів у реальному часі. Це створює підґрунтя для використання показників обсягів торгівлі облігаціями, активності на ринку IPO та динаміки капіталізації як випереджальних сигналів для ідентифікації системних дисбалансів ще до моменту їх трансформації у глибоку рецесію.

Мета. Метою дослідження є оцінка прогностичної цінності біржових індикаторів для завчасного виявлення ознак економічних криз на основі порівняльного аналізу глобальних потрясінь 2008, 2020 та 2022 років. Робота спрямована на перевірку гіпотези про випереджувальний характер фінансового ринку щодо основних макроекономічних параметрів та розробку на цій основі інтегрального індексу раннього попередження.

Матеріали і методи. Статистичну базу дослідження складає масив даних за 2007-2024 роки, що охоплює провідні економіки світу (США, Велика Британія, Німеччина, Китай, Японія, Швейцарія, Гонконг, Польща) та світові агреговані показники. Методологія ґрунтується на використанні засобів мови Python для обробки даних та застосуванні методів багатовимірної статистики, зокрема ієрархічної кластеризації за методом Ворда та z-score стандартизації.

Результати. За результатами кластерного аналізу було математично обґрунтовано виділення обсягів торгівлі облігаціями, активності IPO та ринкової капіталізації у стійкий блок сигнальних змінних. На їхній основі розроблено інтегральний індекс раннього попередження, який використовує функцію максимуму відхилень та порогові значення для ідентифікації ризиків. Апробація моделі підтвердила її здатність фіксувати системні збої, оскільки у 2008, 2020 та 2022 роках значення індексу виходили за критичні межі, демонструючи прогностичні сигнали за рік до початку кризи.

Перспективи. Подальші дослідження можуть бути спрямовані на розширення переліку індикаторів, впровадження методів машинного навчання, таких як K-Means та алгоритми детекції аномалій, для автоматичного розбиття часових рядів на режими та створення адаптивної системи моніторингу. Це дозволить трансформувати модель у динамічний інструмент, здатний враховувати індивідуальні особливості національних економік та специфіку конкретних системних шоків.