«Теплов Сергей Евгеньевич ИССЛЕДОВАНИЕ И РАЗРАБОТКА МОДЕЛИ СПЕКУЛЯТИВНОЙ ТОРГОВЛИ И ПРИМЕНЕНИЕ ГИПОТЕЗЫ ФРАКТАЛЬНОГО РЫНКА КАПИТАЛОВ Специальность 08.00.13. – Математические и инструментальные методы экономики ...»

Московский государственный университет

экономики, статистики и информатики

(МЭСИ)

На правах рукописи

Теплов Сергей Евгеньевич

ИССЛЕДОВАНИЕ И РАЗРАБОТКА МОДЕЛИ СПЕКУЛЯТИВНОЙ

ТОРГОВЛИ И ПРИМЕНЕНИЕ ГИПОТЕЗЫ ФРАКТАЛЬНОГО

РЫНКА КАПИТАЛОВ

Специальность 08.00.13. – «Математические и инструментальные методы экономики»

Диссертация на соискание ученой степени кандидата экономических наук

Научный руководитель к.т.н., доцент Мастяева И.Н.

Москва –

СОДЕРЖАНИЕ

ВВЕДЕНИЕ

ГЛАВА 1. РЫНКИ КАПИТАЛА И МЕТОДЫ ТОРГОВЛИ НА НИХ

1.1. Возникновение рынков капитала и различные стили торговли на них

1.2. Особенности спекулятивного стиля торговли

1.3. Механические торговые системы

ВЫВОДЫ

ГЛАВА 2. МОДЕЛИ И МЕТОДЫ АНАЛИЗА СПЕКУЛЯТИВНОЙ ТОРГОВЛИ НА

РЫНКАХ КАПИТАЛА

2.1. Разработка моделей спекулятивной торговли и форвад-анализа

2.2 Применение гипотезы фрактального рынка к спекулятивной торговли

2.3. Влияние «гэпов» на внутридневную торговлю на фондовых рынках и разработка нового класса безгэповых индикаторов для внутридневной торговли

ВЫВОДЫ

ГЛАВА 3. РАЗРАБОТКА И АНАЛИЗ АВТОМАТИЗИРОВАННЫХ ТОРГОВЫХ

СИСТЕМ

3.1. Построение торговых стратегий с применением комплекса моделей и методов анализа спекулятивной торговли на американском фондовом рынке

3.2. Построение торговых стратегий с применением комплекса моделей и методов анализа спекулятивной торговли на российском фондовом рынке

ВЫВОДЫ

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЯ

Приложение №1. Ожидаемые значения гауссовой случайной величины

Приложение №2. Список активов американского фондового рынка на котором производился анализ стратегий

Приложение №3. Результаты стратегий на американском рынке

Приложение №4. Список активов российского фондового рынка на котором производился анализ стратегий

Приложение №5. Результаты стратегий на российском рынке

ВВЕДЕНИЕ

Актуальность исследования В настоящее время рынки капитала оказывают огромное влияние на экономики различных стран и мировую экономику в целом. Невозможно представить крупный финансовый институт, не имеющий интересов на различных рынках капиталов. Успешная работа на этих рынках во многом предопределяет благополучие компании или страны.

Работа на рынках капитала представляет собой совершение сделок над рыночными активами. Оценка инвестиционной привлекательности активов осуществляется двумя способами. Во-первых, изучая финансовоэкономическое положение эмитента, отрасли, экономику страны в целом, и на основе этого определяя так называемую «реальную» стоимость актива.

Во-вторых, оценку активов можно произвести с точки зрения их рыночной конъюнктуры, исследуя динамику курсов и анализируя рыночную стоимость биржевых активов.

В настоящий момент на различных рынках капитала сложились два основных типа поведения – стиля торговли: портфельное инвестирование и спекулятивная торговля. Большинство участников рынка (как в количественном, так и в финансовом смысле) относятся к первой категории, поскольку такой стиль торговли является менее рискованным и более прогнозируемым, так как данный подход хорошо разработан и освещен в научных и практических работах.

Спекулятивная торговля менее распространена в крупных финансовых корпорациях из-за высоких рисков и неопределенности действий при вложении в такой тип поведения на рынке. Более короткий инвестиционный горизонт такого стиля, который составляет несколько суток или минут, делает невозможным применение методов анализа активов, используемых при портфельном инвестировании.

Среди людей, предпочитающих спекулятивную торговлю, лишь немногие торгуют по системам. Из этих людей часть не может четко сформулировать правила своих систем, так как они нередко переделывают их во время торговли, подгоняя ее под совершение конкретной сделки.

Торговая система – это набор инструкций, предписывающих открывать и закрывать торговые позиции.

При спекулятивном типе торговли многие модели и методы не отвечают требованием инвесторов, в частности: отсутствуют модели, помогающие инвестору разрабатывать и анализировать торговые системы;

многие методы анализа активов основаны на устаревших гипотезах;

инструменты технического анализа не учитывают специфику торговли инвестора.

При формализации торговой системы возникает множество вопросов, таких как определение технических индикаторов, на которых будет построена система, периодов оптимизации и торговли, критериев выбора торгуемых активов и т.д. Как правило, большинство параметров системы определяются простой подгонкой под определенный временной ряд, что ведет к ее неэффективности и даже финансовым потерям.

В настоящее время остро стоит вопрос о четко сформулированном методе анализа торговых систем для уменьшения риска вложений в спекулятивный стиль торговли.

';

Многие методы анализа и предпосылки ценового движения активов, основанные на гипотезе эффективных рынков (EMH), разработанной в 20-х годах прошлого века, показывают свою несостоятельность при ответе на многочисленные вопросы инвесторов и трейдеров, разрабатывающих торговые системы. В настоящей работе предлагаются новые методы анализа, основанные на новой гипотезе фрактального рынка (FHM), базирующейся на идеях Бенуа Мандельброта.

При анализе активов и принятии решений многие трейдеры не учитывают специфику своей торговли. При торговле только внутри дня для принятия решений используется те же ценовые движения, что и для торговли с оставлением позиций на следующий день. Это приводит к неэффективным решениям о покупке или продажи при внутридневной торговле. Необходимо исследовать отличия ценовых движений при индикаторов для успешной торговли при таком стиле.

Задачи снижения риска вложений в спекулятивный стиль торговли, необходимость введения новых моделей и методов анализа активов при технического анализа для внутридневной торговли обуславливают актуальность диссертационного исследования.

исследования является построение для спекулятивной торговли системы поддержки принятия решений, которая включает математические модели разработки и анализа торговых систем, методы, основанные на применении идей фрактального рынка для анализа временных рядов, и разработка нового класса технических индикаторов для внутридневной торговли.

В соответствии с указанными целями в работе поставлены и решены следующие задачи:

1) анализ существующих рынков капитала, определение возможности работы на них для инвесторов и трейдеров и обзор существующих методов торговли при спекулятивном стиле;

2) разработка математической модели спекулятивной торговли для построения четких механических торговых систем;

спекулятивной торговли;

4) доказательство несостоятельности гипотезы эффективных рынков для спекулятивной торговли;

5) применение -анализа в рамках гипотезы фрактальных рынков;

6) доказательство эффективности применение статистики Херста в качестве критериев выбора активов для спекулятивной торговли и 7) разработка алгоритма нахождения показателя времени памяти1 и использование его в качестве оптимизационного периода;

8) исследование специфики внутридневной торговли, анализ движения цены активов в течение торговой сессии и вне ее и оценка влияния гэпов2 на ценообразование активов;

доказательство их преимущества для внутридневной торговли;

10)разработка и анализ торговых стратегий на американском и российском фондовых рынках.

Объект и предмет исследования. Объектом диссертационного исследования выступают рынки капитала, в частности: американский, российский фондовые и валютный рынки.

Предметом исследования выступают торговые системы и активы, размещенные на этих рынках.

Теоретическую и методологическую основу исследования составили труды отечественных и зарубежных ученых в предметных областях экономики, оптимального управления, эконометрики, технического анализа, и в области управления финансами. В частности, разработки и исследования:

Б. Мандельброта и основанная на его идеях гипотеза Х. Херста, Б. Мандельброта и У.Феллера в области разработки Э. Петерса и А.Н. Ширяева по применению фрактальной теории Время памяти характеризует период устойчивой памяти для периода меньших или равных значению времени памяти и ее отсутствие для периодов больших данного значения.

Гэп - разница между ценой открытия актива и ценой вчерашнего закрытия. Внеторговое изменение цены актива.

Ч. Лебо, Д. Лукаса, Дж.Дж. Мэрфи, Р. Пардо и Б. Уильямса по Научная новизна. Новизна данной диссертационной работы состоит в:

построении математической модели спекулятивной торговли, которая в отличие от существующих моделей учитывает разработке модели форвард-анализа на базе синтеза модели спекулятивной торговли и комплекса правил форвард-анализа;

введении нового показателя времени памяти и разработке доказательстве эффективности применения показателя времени выявлении значительного влияния гэпов на ценообразование активов и введении нового класса безгэповых технических индикаторов для внутридневной торговли Практическая значимость заключается в создании торговых стратегий для успешной внутридневной торговли на основе модели спекулятивной торговли на различных рынках капитала, разработанных с помощью применения фрактальной теории и основанных на индикаторах без учета влияния гэпов, и в их анализе с помощью формализованной модели форвард-анализа. Наряду с этим данная модель может быть использована для решения широкого круга задач современной экономики.

Апробация результатов. Результаты исследования докладывались на второй ежегодной научной сессии «Роль бизнеса в трансформации российского общества» в секции «Финансовые рынки и инвестиции, их регулирование», проходившей в МФПА, 17-19 апреля 2007 года, и были отмечены дипломом первой степени. Материалы диссертационного исследования могут использоваться в учебном процессе.

ГЛАВА 1. РЫНКИ КАПИТАЛА И МЕТОДЫ ТОРГОВЛИ НА

1.1. Возникновение рынков капитала и различные стили торговли на них.

Современный экономический мир невозможно представить без рынков капитала. Рынок капиталов – это финансовый рынок, через посредничество которого реализуются долгосрочные и среднесрочные кредитные операции [35]. По сути, рынок капиталов включает в себя все известные на сегодняшний день финансовые рынки: фондовые, валютные, товарно-сырьевые, и т.д.

Предшественниками современных фондовых рынков были средневековые вексельные ярмарки и постоянные вексельные рынки, время от времени возникавшие и исчезавшие в XIII—XIV вв. С торговлей векселями связано появление первых профессиональных участников рынка ценных бумаг и первых бирж, на которых совершались сделки и с товарами, и с векселями. Первыми биржами, на которых производились операции с ценными бумагами, считаются созданные в XVI в. учреждения в Антверпене (1531 г.) и Лионе. В силу различных обстоятельств эти биржи прекратили существование во второй половине XVI века.

Старейшей фондовой биржей из сохранившихся до настоящего времени считается Амстердамская биржа, которая была организована в 1611 году, которая вплоть до 1913 года была биржей универсальной, осуществлявшей торговлю, как различными товарами, так и ценными бумагами. Именно здесь прошли "обкатку" все методы торговли ценными бумагами, существующие и поныне.

Вторым по времени возникновения фондовым рынком мира является рынок Великобритании. Именно на территории Англии появилась первая специализированная фондовая биржа. В 1773 г. лондонские брокеры, осуществлявшие операции с различными финансовыми инструментами в кофейне Джонатана в Сити, в районе Королевской биржи (Royal Exchange) и улицы Треднидл, арендовали для своих встреч специальное помещение, впервые названное фондовой биржей — Stock Exchange. Членство на бирже, как и в Амстердаме, вначале не было ограничено — любой желающий мог принять участие в торгах, заплатив за это 6 пенсов в день.

Одним из самых важных событий в истории возникновения и формирования фондового рынка произошло в 1792 году, когда было подписано соглашение о создании Нью-йоркской фондовой биржи. Как и в Лондоне вначале основными объектами торговли на Нью-йоркской фондовой бирже были долговые обязательства государства и лишь после окончания гражданской войны Севера и Юга акции заняли главенствующее место.

Пожалуй ни одно другое учреждение не привлекало к себе столько внимания ученых, журналистов и писателей, как Нью-йоркская фондовая биржа. Это связано с той огромной ролью, которую она сыграла во второй половине XIX — начале XX веков в развитии американского капитализма.

размещенных на биржах в разных регионах.

Фондовые биржи в англосаксонских странах (США, Великобритании и др.) в связи с особенностями социально-экономического развития этих стран изначально играли более заметную роль, чем в государствах континентальной Европы или в Японии. Эта особенность сохраняется и поныне (за исключением Японии), что можно наблюдать на графике 1.1.

Даже появившаяся Euronext в сентябре 2000 года в результате слияния Амстердамской, Брюссельской и Парижской фондовых бирж с целью дать объединённой бирже преимущество на финансовом рынке оказалась лишь на 5 месте по суммарной капитализации всех компаний размещенных на ней с показателем 3.708 трлн. долларов по данным всемирной федерации фондовых бирж [67]. Для сравнения капитализация всех компаний, размещенных на стоящей на 1 месте по данному показателю, Нью-йоркской фондовой бирже 15.421 млрд. долларов (см таблицу 1.1.).

Крупнейшие биржи по суммарной капитализации всех компаний, размещенных на них.

межбанковская валютная биржа (ММВБ) создана в 1992 году, и ее капитализация составляет 0.753 трлн. долларов (данные октября 2006 года).

История различных валютных рынков имеет более продолжительную историю. Первые валютно-обменные операции были зафиксированы еще во времена Древнего Египта. Роль валютных операций усиливалась в связи с развитием международной торговли. ХХ век стал прорывом во всех областях человеческого развития, в том числе и в сфере денежных операций. Точкой отсчета, определившей современное состояние этого рынка, можно считать 1971 год, в который были отменены фиксированные курсы валют различных государств по отношению друг к другу. Именно тогда появился межбанковский рынок Forex (FOReign EXchange market). За время прошедшее с тех пор валютный рынок Forex вырос на несколько порядков и значительно изменился в связи с развитием компьютерных технологий. По ряду причин данный рынок является привлекательным для большого числа участников по всему миру. Среди этих причин можно отметить круглосуточную торговлю, относительно низкие требования к первоначальному депозиту и большое кредитное плечо, как правило, предоставляемое брокерами. На сегодняшний день ежедневный оборот международного валютного рынка, по различным оценкам, измеряется от до 3-х трлн долларов (для сравнения ежедневный оборот Нью-йоркской фондовой биржи составляет в среднем 100 млрд долларов).

Миллионы людей во всех уголках света принимают непосредственное участие в процессе торговли на различных рынках капиталов. Типы поведения каждого участника торгов, несмотря на индивидуальность, можно отнести к неким общим классам. Например, в статье Марты Стокс [97] определяется 7 различных стилей поведения на фондовых рынках (рисунок 1.2) Рисунок 1.2. Стили торговли на рынках ценных бумаг.

Перевести эти термины можно следующим образом:

2. Long-term investing. Долгосрочное инвестирование.

3. Intermediate-term trading. Среднесрочное инвестирование 4. Position trading. Позиционная торговля 5. Swing trading. Свинг торговля. Инвестор находится в позиции от нескольких дней до 2-х, 3-х недель.

6. Momentum trading. Торговля на моментах.

7. Intraday day trading. Внутридневная торговля.

В других источниках дается разделение типов поведение по различным параметрам[66]. Рассмотрим некоторые из них.

По целям торговли:

1. Приобретение доли в бизнесе. С целью получения части прибыли этого бизнеса в виде дивидендов и возможностью влиять на управленческие решения, выносимые на голосование акционеров.

2. Сохранность средств. Сбережение средств от инфляции. Как показывает многолетний опыт, средняя акция приносит более высокий доход и в большей мере защищает от инфляции и других рисков, чем любой другой вид инвестиций.

3. Получение дохода в виде прироста капитала. Используя разницу между ценами покупки и продажи, инвестор может приумножить свой капитал.

По величине инвестиционного горизонта:

1. Долгосрочный горизонт. Как правило, измеряется годами и десятилетиями.

2. Среднесрочный горизонт. От 1 месяца до года.

3. Краткосрочный горизонт. Время нахождения инвестором в какой-либо позиции не превышает одного месяца, а иногда это время может исчисляться днями и даже минутами.

По используемому анализу рыночной ситуации:

составляющие: общеэкономический или макроэкономический анализ, индустриальный анализ и анализ непосредственно оценивается общая экономическая ситуация в мире и/или в анализируемая компания. В процессе индустриального анализа исследуется показатели отраслевого уровня. Анализ компанииэмитента включает в себя оценку финансового положения фундаментальный анализ очень сложен и требует больших временных и материальных затрат.

2. Технический анализ. Исследование динамики рынка, чаще всего посредством графиков, с целью прогнозирования будущего направления движения цен (более подробно технический анализ Виды классификаций можно продолжать до бесконечности, но одним из самых главных, во многом объединяющие все основные классификации, является выбор стиля торговли, который может иметь инвестиционный или спекулятивный характер.

Инвестиционный стиль торговли, как правило, подразумевает более пересматривается реже, чаще используется показатели фундаментального анализа для оценки актива. Держатель бумаг смотрит далеко вперед, умеет ждать, рассматривая инвестирование как вложение в будущее. Ценные бумаги могут быть в дальнейшем не только проданы, но и подарены или завещаны детям. Стратегия подходит для тех, кто рассматривает биржу как дополнительный источник дохода.

Спекулятивный стиль характеризуется более активной, агрессивной торговлей. Инвестиционный горизонт такого стиля является коротким и может составлять всего несколько минут. Преимущественное использование технического анализа обуславливается более частым принятием решений трейдером в течение дня, то есть времени для анализа конкретной сделки у трейдера гораздо меньше, чем при инвестиционном стиле, а как уже было отмечено фундаментальный анализ требует больших временных ресурсов.

В последние годы как в мире, так и в России все больше людей обращают внимания на различные рынки капитала. По данным аналитической службы инвестиционной компании «Русские финансовые традиции» в России на фондовом рынке инвестируют свои деньги лишь 2- % населения, тогда как в развитых странах этот уровень достигает 30-40%.

По мере роста грамотности клиента на фондовом рынке существенная их обслуживание, позволяющее получить потенциально больший доход при меньших ограничениях на ликвидность. Сегодня уровень подготовки клиентов не находится на достаточном уровне. Большинство из них достигло лишь понимания того, что нужно прийти на фондовый рынок, но как себя вести на нем они не знают. Именно поэтому они тяготеют к различным вариантам доверительного управления.

По мере роста благосостояния населения все большее количество людей стремятся сохранить (от инфляции) и приумножить свои капиталы, в частности с помощью инвестиций на фондовых рынках. Как правило, любой инвестор желающий приумножить свой капитал с помощью рынков выбирает один из 2-х способов:

1. Доверительное управление. Самый распространенный способ приумножения капитала среди непрофессионалов. В этом случае средства, имеющиеся у инвестора, передаются в компаниям. На Западе данный способ весьма распространен так населением, которое не имеет достаточное количество времен на осваивание финансовых рынков. В России наряду с вложением в общие фонды банковского управления (ОФБУ) и индивидуальным доверительным управлением (ИДУ) самым инвестиционные фонды (ПИФы), которые являют собой форму коллективных инвестиций, объединенных в инвестиционный пул, которым управляет управляющая компания.

2. Самостоятельная торговля на различных рынках. В этом случае инвестор сам определят свой стиль поведения на рынке и самостоятельно осуществляет сделки при помощи компании, определенными знаниями и опытом для самостоятельной В любом из этих способов остро стоит вопрос об управлении капиталом.

При управлении фондами коллективных инвестиций (ПИФами и ОФБУ) управляющие компании ограничены в выборе стратегий управления законодательством, направленного на минимизацию рисков для инвесторов [46]. Управляющие различных фонды не могут играть на падении курсов активов, вследствие чего их доходность практически всегда меньше доходности рынка. Так же, управляя чужими деньгами, рискуют принципиально меньше, поэтому к каждой сделке управляющие компаний обычно подходят осторожно, проводя комплексный, как правило, фундаментальный анализ. Такое поведение на рынке характеризуется как инвестиционный стиль торговли, который является менее рискованным, но и как следствие чаще всего менее доходным.

рискованным из-за своей неопределенности. Многие считают, что спекулятивный стиль ограничивается лишь субъективным мнением трейдера. Поэтому многие инвесторы сразу отвергают такой стиль при управлении их средствами, так в этом случае присутствуют большие риски.

Однако именно при спекулятивном стиле доходность гораздо больше.

1.2. Особенности спекулятивного стиля торговли.

Спекулятивный стиль торговли практически невозможно представить без методов технического анализа. Именно он помогает принимать решение в минимальный промежуток времени.

Как уже было сказано, технический анализ – это исследование прогнозирования будущего направления движения цен. Текущая динамика цен сравниваются с сопоставимой динамикой цен в прошлом, посредством чего делается прогноз на будущие периоды.

Три главных постулата технического анализа гласят[29]:

• рынок учитывает все факторы;

• движение цен подчинено тенденциям;

• история повторяется.

Технический аналитик полагает что причины, которые хоть как-то могут повлиять на рыночную стоимость рыночных активов (причины эти могут быть самого разнообразного свойства: экономические, политические, психологические и др.), непременно найдут свое отражение в цене на этот актив. Из этого следует, что все что требуется от аналитика, – это тщательное изучение движения цен. Важнейшим объектом изучения в техническом анализе являются цена актива. Большинство методов анализа применяются именно к цене.

Самую главную роль в техническом анализе, наряду с визуальной оценкой динамики цены актива, играют технические индикаторы.

Технический индикатор – это функция, построенная на основе первичных данных (объем, цена, открытый интерес и т.д.) [2]. Полученные значения индикаторов (функций) используются для прогнозирования ценовых изменений. В настоящее время существует большое количество технических индикаторов для анализа рынка.

При спекулятивном стиле торговли следует отметить так называемую внутридневную торговлю (intraday trading).

Как известно, многие биржи имеют определенные часы работы, то есть на них можно торговать не круглые сутки, а ограниченный промежуток времени, называемый торговой сессией (исключение составляет лишь валютный рынок Forex, но и он закрывается на выходные).

При внутридневной торговле инвесторы всегда закрывают открытые сегодня позиции к концу торговой сессии. Это дает инвестору ряд преимуществ.

Во-первых, при таком стиле торговли инвестор всегда имеет возможность управлять своими позициями, что уменьшает риск, за счет отсутствия овернайтового риска (overnight risk). Овернайтовый риск – это величина капитала, подвергаемого риску потери в связи с возможным изменением цены за период от сегодняшнего закрытия до ее завтрашнего открытия [40; 100].

Во-вторых, на многих рынках брокеры дают разное маржинальное плечо, в зависимости от стиля торговли. Например, при торговле акциями на американских рынках NASDAQ и NYSE, при внутридневной торговли кредитное плечо составляет 1 к 4. То есть имея на счету 10000$ инвестор может в течение дня торговать на сумму в 4 раза большую – 40000$. При оставлении позиции на ночь (overnight trading) такое плечо уменьшается в раза и составляет 1 к 2. На российских биржах размер кредитного плеча сильно разнится в зависимости от брокера и условий договора. Например, в компании «Финнам» базовым договором определяется размер кредитного плеча при внутридневной торговле как 1 к 2, а при «overnight» торговле плечо не предоставляется вовсе. Таким образом, эффективность внутридневной торговли возрастает как минимум в 2 раза перед стилем с возможным переносом позиций на следующий день. Правда в этом случае инвестор не может зарабатывать деньги на изменении цен во внеторговый период.

Тем не менее, в силу увеличения прибыльности и уменьшение рисков, несмотря на отсутствие возможности заработать вне периода торговой сессии, данный стиль спекулятивной торговли имеет большое число представителей.

Подход любого инвестора при спекулятивном стиле может быть либо субъективным, либо системным.

При субъективном подходе к торговле, инвестор принимает решение, основываясь на своем чутье. Субъективная торговля – это торговля, когда принятие торговых решений основывается на понимании структуры рынка и на личной оценке рыночных условий. Трейдер, который практикует аналитический подход – это трейдер, который принимает торговые решения на основе своей собственной интерпретации рынка и независимом мышлении [8]. По статистике 95% инвесторов теряют все свои деньги в первые полгода. И причина убытков – это подход к делу. [50]. Основываясь на субъективных оценках, для инвестора свойственна эмоциональная сторона принятия решений. Эффекты неуверенности, жадности, надежд и страха таковы, что под влиянием этих чувств инвестор неизбежно принимает ошибочные решения на спекулятивной арене [5]. Различные психологические аспекты субъективного подхода к торговле хорошо описаны в книге Брендона Сито «Психология электронного трейдинга.

Сила для торговли»[48].

Кроме того, очень трудно протестировать торговый метод, в котором отсутствуют жесткие правила принятия решений. Следовательно, инвестор никогда не будет уверен в правильности интуитивно принятых решений.

Так же при субъективном подходе нет статистического преимущества, который есть у инвесторов предпочитающий торговать по различным торговым системам.

Субъективному подходу к торговле на рынках более склонны любители, которые чаще всего сильно уменьшают свои первоначальные капиталы.

Другой стиль – системный. Все более-менее успешные биржевики, не говоря уже о крупных инвестиционных компаниях, применяют относительно системный подход, быть может, сами того не подозревая.

Многие профессиональные финансовые менеджеры обладают системой, которая на 100% механическая. Те, кто не действует 100% механически, обычно позволяют себе лишь крошечное количество собственного мнения, выходящего за рамки их системы.

При системном подходе сделки осуществляются на основе рекомендаций выбранных торговых стратегий (торговых систем).

1.3. Механические торговые системы.

Существует много определений торговых систем. Но основное свойство торговых систем дается в следующем определении, указанном в статье Марты Стокс [97]:

Торговая система – это набор правил и параметров, разработанных вокруг формулы индикаторов и поведения цены для определенного типа состояния рынка.

То есть торговая система дает нам рекомендации по текущему рыночному состоянию. Существует классификация торговых систем по используемым индикаторам технического анализа и основным моделям поведения в тех или иных рыночных ситуациях. Вот эти системы:

2. Контртрендовые системы.

3. Системы торговли на прорыве.

4. Системы торговли в диапазоне.

Рассмотрим более внимательно каждую из этих систем.

Трендовые системы. Трендовые системы - самый популярный и наиболее распространенный из всех типов систем торговли. Первые трендовые системы были разработаны еще в начале 20-го столетия. Первые трендовые системы в качестве основания для покупки и продажи акций использовали скользящие средние. Очевидно, сегодняшние трендовые системы более сложны, многие используют компьютерные сигналы входа и выхода.

Тренды фондового рынка занимают приблизительно 30-35% времени.

В течение этих периодов рынка, спекуляции и жадность гонят цены вверх, в восходящий тренд или спекуляции и паника заставляют цены падать в нисходящий тренд. Такие экстремальные эмоции создают волну покупок или продаж, которая заставляет акцию двигаться тем быстрее, чем движется цена. Трендовые системы используют эту активность в своих интересах, часто создавая большие движения всего за несколько дней.

Чтобы использовать в своих интересах периоды быстрого движения рынка, технические разработчики создали трендовые системы. Эти системы популярны, потому что большинство трейдеров хочет быстро получить "легкие" деньги, а системы выглядят простыми в изучении и применении.

Отрицательная сторона трендовых систем состоит в том, что для оптимальной работы им требуется быстро движущийся рынок или спекулятивный ускоряющийся рынок. Негативным фактором всех трендовых систем является то, что они работают только тогда, когда рынок вошел в тренд. Если трейдер попытается использовать систему на основе тренда в течение бокового или волатильного рынка, он будет множество раз подряд получать убытки, от небольших до умеренных. Если трейдер не сможет распознать, что условия рынка не подходят для торговли по трендовой системе, он рискует потерять большую часть своего капитала.

Контртрендовые торговые системы. Котнртрендовые системы, в отличии от трендовых, стратегии противоположного мнения. Они торгуют против первичного, долгосрочного тренда. Такие системы используются уже давно, но не пользуются особой любовью у трейдеров, из-за характера сделок (например, продажа на растущем рынке) и относительно небольшого процента времени на рынке, когда данные системы работают (приблизительно 20% времени). Такие системы обычно сложны и требуют большого рыночного опыта для фильтрации убыточных сигналов.

Системы торговли на прорыве. Такие системы базируются на том, что перед ценовым скачком актив ведет себя определенным образом, предвещая эти ценовые изменения. Образуются так называемые ценовые платформы. Обычно такие ценовые изменения происходят перед различными событиями. Для акций и их производных такими событиями управленческих решений и других новостей относящиеся к анализируемой компании. Для валюты это оглашение ставки рефинансирования и другие макроэкономические показатели страны-эмитента валюты.

Отрицательной стороной таких систем является их плохая работа в период трендов, в течение которого не формируются ценовые платформы.

Тем не менее, такие системы являются весьма привлекательными, так как они работают приблизительно 40-50% времени на современных рынках акций.

Системы торговли в диапазоне (range) популярны в период экономического застоя. В период бокового рынка цена актива находится в определенном ценовом диапазоне достаточно долгое время, что позволяет трейдеру или инвестору получать прибыль при движении цены в рамках своего максимума и минимума.

Недостатками данной стратегии является то, что диапазон цен редко можно установить точно. Кроме того, при такой стратегии всегда есть финансовым потерям.

Хеджевые системы (Hedge – защита, преграда). Такие системы получили свое развитие в связи с появлением различных производных и устойчивой корреляции между активами. Такие системы часто применяют для защиты уже полученной, но еще не покрытой прибыли, или используется спред (spread) – разница между связанными активами, появляющиеся из-за различных флуктуаций.

Очень часто торговые системы алгоритмизируют и используют их для автоматической торговли. Такие системы называют автоматизированными (или механическими3) торговыми системами.

Механическая торговая система (МТС) – это определенный набор четко сформулированных правил для открытия и закрытия позиций.

торговые системы основаны в первую очередь на широком применении В дальнейшем в данной работе такие автоматизированные торговые системы будут называться механическими, в силу устоявшегося выражения среди трейдеров.

технических индикаторов рынка. Однако вне зависимости от методов построения таких систем и их сложности, основная цель создания МТС заключается в том, чтобы свести к минимуму или полностью исключить субъективный фактор из процесса принятия решения, подвести под него некоторую объективную основу, реализовать так называемую системную торговлю.

При торговле с помощью механических торговых систем инвестор обязан во всем подчинятся указаниям МТС.

Указывают следующие основные преимущества МТС.

Первое преимущество заключается в том, что МТС позволяет избавиться от хаотичности в торговом процессе. Трейдер, использующий механическую торговую систему, знает что делать при любом поведении рынка. Таким образом, с трейдера снимаются негативно действующие на его психику при принятии решений на основании интуиции психологические Второе преимущество заключается в том, что в реальной торговле трейдер применяет только проверенные системы и методы торговли. Дело в том, что в процессе торговли у трейдера часто возникают различные гипотезы и теории о закономерностях поведения цены. Соответственно возникает желание опробовать их в реальности, что сопряжено с очевидными рисками в виду возможной ошибочности теории.

Для того чтобы избежать не нужного риска, трейдер должен подвергнуть проверке эту теорию и посмотреть, насколько успешны были те или иные правила торговли на прошлых ценовых данных. Такое тестирование не дает гарантии того, что и в будущем результат повторится, однако позволяет оценить различные торговые гипотезы на разумность и отсеять те из них, которые не выдержат такого испытания. Если торговые вероятность, что они останутся таковыми и в будущем.

Таким образом, трейдер, имеющий МТС, довольно точно знает ее основные показатели. Знание этих показателей дает трейдеру неоспоримые преимущества – он всегда уверен в своих действиях и знает чего ожидать, даже когда система перестала работать (перестала давать положительные результаты).

Третье преимущество – это экономия времени. Разработать торговую систему – сложная задача: «Разработка торговой системы – это 10% вдохновения и 90% пота» [98]. Но, однажды разработав правила торговли, трейдер может освободить себя от необходимости смотреть на график целый день и быть привязанным к торговому терминалу. Автоматизация торговых систем предусмотрена в большинстве программных продуктов для торговли на развитых рынках капитала.

Однако наряду с преимуществами, многие указывают на недостатки.

Например, Джо ДиНаполи [8] пишет, что механические подходы уступают субъективным, аналитическим. «Аналитические (субъективные4) методы имеют неоспоримое преимущество перед механическими. Гибкость, свойственная человеческому уму, и скорость, с которой могут быть сделаны необходимые корректировки, чтобы отреагировать на изменение конъюнктуры рынка, - вот два самых сильных довода в пользу аналитического (субъективного) подхода».

Так же среди недостатков механической торговли отмечаются следующие факторы:

1. Плохое соотношение выигрыш/проигрыш является правилом, а гипотетических данных, как правило, по многим причинам Примечание автора.

отказывают и становятся убыточными.

4. Относительно большой капитал необходим для системной и Однако если детально рассмотреть все причины, указываемые в качестве недостатков механических торговых систем, то можно увидеть, что в большинстве своем они относятся не к самим торговым системам, а к методам анализа МТС. Все вышеперечисленные причины (за исключением 4-го пункта) можно отнести к проблеме выбора рынков и активов, на которых будет торговаться конкретная торговая система. Принятие решений о торговле этой системы на конкретном активе или выбор активов, на которых будет осуществляться торговля по данной системе, происходит на основе критериев эффективности.

указываются множество критериев эффективности торговых систем на конкретных активах. Среди них следует отметить следующие показатели:

Оценка риска. Для оценки риска торговых стратегий самый распространенный показатель – это максимальное проседание.

При чем различают два вида проседаний. В первом случае под максимальным проседанием имеют в виду денежное значение крупнейшей (в денежном эквиваленте) последовательности убыточных сделок. Во втором случае говорят о величине самого глубокого понижения кривой доходности торгового счета перед достижением нового пика. В дальнейшем, говоря о проседании, в данной работе используется второй смысл.

связанны именно с данной оценкой. Среди основных и самых распространенных можно отметить такие показатели, как отношение доход/риск, отношение доходность/капитал, а также рассчитывается как отношение фактической доходности к идеальной (под идеальной доходностью понимают покупку в каждом дне ценового ряда и продажа на каждом его пике).

Однако очень часто оценивая прибыль забывают о таком важном показателе как величина среднего трейда, так как только при высоком значении данного показателя система будет устойчива к различным издержкам при реальной торговле (транзакционные издержки и проскальзывание), которые часто имеют критическое значение.

Оценка стабильности. К этим показателям чаще всего относят среднему проигрышу и другие. Эти показатели показывают анализируемый промежуток торговая стратегия совершила всего несколько сделок, то состоятельность всех остальных показателей находится под вопросом из-за малой выборки.

Как бы не были разнообразны оценки эффективности торговых систем, на основании которых принимаются решения о торговле по системе на конкретных активах, в большинстве случаев они являются различными комбинациями динамики изменения прибыли и количества сделок. Все показатели в той или иной степени являются производными от этих величин. Поэтому остро стоит проблема в новых критериях для отбора активов, не связанных с показателями указанными выше.

Другая проблема анализа торговых стратегий состоит в том, что даже самый обстоятельный анализ осуществляется на прошлых, исторических данных. В силу динамичности и изменчивости рынков показатели, рассчитанные на тестируемом участке, не всегда остаются такими во время торговли. На данное обстоятельство и указывают критики торговых систем, апеллируя к их недостаткам (в особенности пункты 1-3). Рынки капитала очень динамичны и быстро меняются. Во многих работах по торговым системам, в частности [51; 101; 73], указывается о невозможности нахождения абсолютной торговой системы, работающей всегда и на всех рынках. Такой «Священный Грааль» механических торговых систем, который несмотря ни на что пытаются отыскать все системные трейдеры, не существует.

Из-за изменчивости рынка все торговые системы с параметрами, разработанными на исторических данных, перестают работать. Возникают большие финансовые потери, несмотря на хорошие финансовые показатели оптимизационного, исторического периода. На многочисленных форумах, посвященных торговым системам, многие участники указывают на такую проблему, что после определенного периода после тестирования и оптимизации торговой системы (а иногда и сразу после начала ее реального использования) начинаются большие убытки при торговле по ней, которых не было на исследуемом историческом участке. Причина данной проблемы – подгонка торговой системы под исследуемый ряд.

Проблеме подгонки (curve fitting) отводится одна из важнейших ролей при разработке и анализе механических торговых систем[53]. В качестве решения данных используется так называемый Форвард анализ (The WalkForward Analysis). Более или менее полно данный анализ описан лишь в книге Р. Пардо [40], но и там он приводится только текстовом виде.

Форвард анализ помогает ответить на самый главный вопрос для любых разработчиков торговых систем – результат работы торговой системы на постоптимизационном периоде. Такой анализ сразу выявляет все проблемы связанные с торговой стратегией: была ли она подогнана под конкретный исторический период, будет ли они приносить ожидаемую или удовлетворяющую инвестора прибыль, какой риск возникает при торговле по данной торговой системе. Только по результатам данного анализа можно принимать решения о торговле по конкретной стратегии на конкретном рынке.

Однако главным недостатком такого анализа является отсутствие четкого математического алгоритма.

ВЫВОДЫ.

Итак, в первой главе показано, что спекулятивная торговля активами на различных рынках капитала является самым прибыльной формой торговли. Причем системная торговля по механическим торговым стратегиям имеет ряд неоспоримых преимуществ перед субъективным подходом к торговле. Однако в построении и анализе механических торговых систем имеется ряд уязвимых мест:

1. Отсутствие математического подхода к разработке торговых 2. Недостаточная формализация форвард анализа приводит к существованию проблемы подгонка параметров торговой системы на оптимизационном периоде, что приводит к убыткам 3. Существующие критерии выбора активов в большинстве своем недостаточному анализу торговой системы и актива на оптимизационном периоде.

4. Выбор периодов оптимизации определяется подгонкой данного торговой стратегии, а не исходя из специфики актива.

Так же было показано, что внутридневная торговля имеет ряд несомненных преимуществ, однако подход к анализу движения цены при внутридневной торговле остается таким же, как и для торговли с возможностью переноса позиций на следующий день. Такой подход представляется сомнительным и является неэффективным для внутридневной торговли в силу разных участков ряда, на которых осуществляется торговля. Трейдерам, чей инвестиционный горизонт не превышает одного дня, необходимы новые индикаторы для успешной внутридневной торговли.

ГЛАВА 2. МОДЕЛИ И МЕТОДЫ АНАЛИЗА

СПЕКУЛЯТИВНОЙ ТОРГОВЛИ НА РЫНКАХ КАПИТАЛА.

2.1. Разработка моделей спекулятивной торговли и форваданализа.

2.1.1 Модель построения торговой системы.

Разработаем модель спекулятивной торговли.

Рассмотрим задачу построения торговой системы, стоящую перед инвестором.

Пусть имеется временной ряд P (t ) = { p( ), : t }, где p ( ) – это цена рыночного актива в момент времени. Имеется некий капитал (депозит) d 0 в начальный момент времени t 0. Тогда наша задача будет заключаться в выборе управления нашим депозитом – u ( ). В дальнейшем будем считать, что график цены дискретен и занумеруем последовательно координаты времени его точек, в зависимости от даты и времени.

Рисунок 2.1. Зависимость u ( ) от p ( ).

В результате d (T ) – размер капитала в момент времени T, при любом управлении на ряду P (T ) будет равен:

t 0 – начальный момент времени;

u (t ) – открытая позиция по активу, например количество купленных позицию» («short sale»), u (t ) = 0 означает отсутствие позиций на данном активе в момент времени t ;

u (t ) = u (t ) u (t 1) – изменение управления (имеет смысл изменения позиций на рынке);

транзакционные издержки, которые надо уплатить брокеру за совершение сделки, налог с продаж, а также «проскальзывание» цены из-за нашего воздействия на актив при изменении позиции, причем c ( u (t )) 0, и c ( u (t )) = 0 тогда и только тогда, когда u (t ) = 0. Такая плата за изменение позиции зависит от величины сделки и обычно можно считать, что Также необходимо учитывать ограничение, накладываемое на размер позиции в любой момент времени:

M – это предоставляемое фирмой-брокером кредитное плечо, то есть коэффициент, на который можно умножить наш депозит. Такое кредитное плечо может достигать значения M = 100 (стандартное кредитное плечо 1 к 100 для валютного рынка Forex).

Заметим, что решение о размере позиции в момент t принимается в информации.

Процесс торговли на рынке капиталов при спекулятивном стиле имеет одну цель – максимизация прибыли, то есть в нашем случае:

максимизировало d (T ). Но механические торговые системы – это набор формализованных, однозначных правил и алгоритмов, поэтому мы должны четко сформулировать наши действия в зависимости от внешних условий.

Иначе говоря, надо выразить u (t ) функционально ( u (t ) = f ( ) ). Управление в той или иной степени должно зависеть от всех имеющихся у нас факторов. Основными факторами для управления являются цена (и различные ее производные), капитал и комиссия. Причем для определения наших действий (изменение u (t ) ) мы будем понимать под ценой не просто значение p (t 1) в момент t 1, а весь ценовой ряд P (t 1) до момента времени t 1, но не далее, так как во время реальной торговли будущего мы не знаем. Таким образом, наше управление может быть выражено следующим образом:

Рисунок 2.2. Факторы, влияющие на управление, и его влияние на различные показатели.

Процесс выбора функции f ( ) можно разделить на 2 этапа.

Первый этап – выбор вида функции. Механические торговые системы основаны на использовании индикаторов технического анализа. Выбор вида индикаторов и в интерпретации их сигналов (например, интерпретация сигналов скользящих средних при построении контртрендовой стратегии диаметрально противоположна интерпретации для трендовых систем). При определении технических индикаторов в главе 1, отмечено, что технические индикаторы – это функции от различных параметров (цены, объема и прочее). Поэтому функцию f ( ) можно записать в следующем виде:

f ( P(t 1), d (t 1), c( u (t )), g1 ( P(t 1), OPg1 ),..., g j ( P(t 1), OPg j ),...), где g j ( P(t 1), OPg j ) – это различные функции от ценового ряда, или технические индикаторы;

OPg j (Other Parameters of g j ) – другие параметры функции g j, как правило, это глубина рассмотрения ценового ряда.

Примерами технических индикаторов могут служить:

• MACD Histogram (Moving Average Convergence Divergence);

• Stochastic oscillator;

Определения и правила расчета данных индикаторов можно найти в любой книге по техническому анализу[52; 31; 73].

Определив технические индикаторы, на которых будет основана наша торговая система, необходимо перейти к интерпретации их показателей, то есть к определению реакции торговой системы на значение индикаторов при существующей цене, депозите и издержках. Такое определение реакции будет означает влияние технических индикаторов на управление (размер открываемой или закрываемой позиции).

индикаторов очень много и варианты их интерпретаций полностью зависят от теорий и ожиданий разработчика торговой стратегии. Поэтому существует бесконечное множество вариантов вида функции f ( ). Данный этап является самым сложным, но и самым важным для будущей торговой системы. По результатам данного этапа определяется вид функции f ( ) и Q – количество используемых индикаторов.

Второй этап – определение параметров индикаторов.

Обозначим за K j – количество параметров j -ого индикатора g j, тогда общее количество различных параметров функции f ( ) будет равно:

a jl – количество возможных (реально значимых) вариантов l -го параметра j -го индикатора;

Например, если наша торговая система использует в качестве индикатора только две экспоненциальные средние ( Q = 1 ), то у данной функции всего 2 параметра – длины двух средних ( K1 = 2 ). Разработчик торговой системы может определить, что для него быстрая скользящая средняя интересна при параметрах усреднения 5, 10, 15 и 20, а параметр медленной средней может принимать значения 25, 35, 50, 75 и 100. Таким образом a11 = 4, а a12 = 5. Общее количество возможных вариантов функции f ( ) при таком условии будет N = 20.

Обозначим за f i ( ) количество возможных вариантов функции для определенного, выбранного вида ( i = 1, N ). Тогда определив управление ui (t ) по (2.3), мы можем посчитать согласно (2.1) d i (t ) для t (t 0, T ). Из которого получаем ряд Di (T ) (аналогично разнице между p (t ) и P (t ), будем понимать Di (T ) как весь ряд изменения депозита, в то время как d i (T ) означает значение депозита в момент времени T ).

Получив множество Di (T ), мы можем выбрать ту функцию f i ( ), критерии эффективности которой удовлетворяли бы требованиям инвестора (максимальное значение депозита d i (T ), минимальная просадка графика изменения депозита Di (T ), или другим критериям, описанным в Главе 1).

Описанный процесс называется оптимизацией. При таком подходе можно получить тот вариант стратегии f opt ( ), эффективность которой была бы максимальной. Если показатели стратегии с максимальной эффективностью не удовлетворяют требованиям инвестора, то можно выбрать f opt ( ) 0 в качестве оптимальной стратегии, что будет означать отказ о торговли.

Во многих источниках [22; 3; 9] остро стоит вопрос о необходимости оптимизации торговых стратегий, из-за проблемы подгонки, суть которой описана ниже. В любом случае это не нарушает общность нашей модели, так как в случае отказа от оптимизации, инвестор может указать a jl = 1 для j = 1, Q и l = 1, K j. То есть у стратегии существуют только константные параметры, в оптимизации которых нет необходимости.

Таким образом, при разработке торговой системы разработчик должен ориентироваться на решение следующей задачи:

f ( P(t 1), d (t 1), c( u (t )), g1 ( P(t 1), OPg1 ),..., g j ( P(t 1), OPg j ),...), Практически все торговые системы построены на следующем допущении: если стратегия хорошо работала на определенном участке времени до текущего момента, то она будет работать определенное время с похожими характеристиками (прибыльность, процент прибыльных и убыточных трейдов, величина среднего трейда и другие).

Конечно, это очень серьезное допущение, так как на рынке возможно всё. Рынок меняется каждый день и, соответственно, меняется и результативность стратегии.

Так как для инвестора очень важен именно этап реальной торговли, а принимать решение о торговле он вынужден перед ним, то возникает одна из самых больших проблем системной торговли – проблема подгонки (Curve Fitting)[86]. Мы можем выбрать такой ряд P (t ) и такую функцию f, что решая задачу модели (2.5) – (2.7) получим максимальные показатели эффективности, близкие к идеальной доходности, описанной в Главе 1. Но эта функция, которая была подогнана для исследуемого ряда P (T ), будет плохо работать на новом, будущем промежутке (T, T + t1 ), на котором данная стратегия будет торговаться на рынке. Из-за изменчивости паттернов рынка на новом ряду стратегия может вести себя не столь хорошо, ее показатели могут быть другими. Следовательно, это приведет нас к возможным убыткам.

2.1.2 Модель Форвард анализа.

Форвард анализ (The Walk-Forward Analysis) состоит из серии отдельных форвардных тестов, каждый из которых представляет собой двухшаговый процесс [40]. Первый шаг состоит из традиционной оптимизации. Затем лучшая модель тестируется на дополнительном, смежном отрезке ценовой истории. При таком анализе стратегия тестируется посредством имитации реальной торговли.

Опишем данный процесс в наших терминах для модели разработки торговой системы построенной в п.2.1.1.

Берется довольно большой ряд P (T ), который много больше периода оптимизации. Введем обозначения:

t 0 – начальное время ряда T – длина периода оптимизации.

t – длина периода “реальной” торговли (как правило зависит от T и составляет от 10% до 30% длины оптимизационного интервала).

Тогда из начала ряда t 0 на периоде (t 0, t 0 + T ] оптимизируется производится имитация реальной торговли по выбранной оптимальной функции f opt ( ) с параметрами, полученными на периоде оптимизации.

(t 0 + T, t 0 + T + t ]. После этого берется следующий промежуток времени (t 0 + t, t 0 + T + t ], на нем оптимизируется торговая стратегия и получается другая функция период (t 0 + T + t, t 0 + T + 2 * t ]. Так действуем n раз до конца ряда имитации реальной торговли для периода (t 0 + T, T ].

Определим n следующим образом:

производится оптимизация:

Далее по полученной функции f opt j ( ) (и соответственно значениям Агрегируя результаты торговли для всех имитационных участков, получим d real (T ), который равен:

Полученные результаты будут наиболее приближены к результатам реальной торговли в будущем (при правильной оценке функции издержек c(u(t)), которые часто недооцениваются). Именно по этим данным инвестор может принять решение о принятии или отказе от реальной торговли по этой стратегии на постоптимизационном периоде (T, T + t ].

Данный процесс ((2.8), (2.9) и (2.10)) описан для одного ряда, для одного актива. Но для адекватной оценки стратегии необходимо провести данный анализ по многим активам. Чем больше будет выборка ценных бумаг – тем более устойчивыми будут результаты анализа стратегии. И инвестор, выбрав определенную стратегию, будет более уверен в том, что при начале торговли по данной стратегии, он получит результаты, которые были показаны при анализе инвестиционной стратегии.

Выберем активов, характеризующих рынок. Чем больше объективней будет информация о системе, за исключением случаев, когда стратегия разрабатывалась под конкретный класс активов (или даже один актив), опираясь на их (его) специфику. В этом случае множество активов R следует выбрать из класса допустимых для данной стратегии активов рассматриваемого актива).

Простое агрегирование результатов анализа каждого актива из множества не даст объективной информации о данной торговой стратегии из-за невозможности проверки условия (2.2). При простом разбиении первоначального депозита в начальный момент t 0 по активам из множества мы так же не получим объективной информации о стратегии из-за неэффективного использования средств. Приведем более эффективный способ анализа множества активов.

Находясь на j -ом участке оптимизации ( j [0, n] ), после процесса оптимизации всех активов из множества Rtrade j = Rtrade j R, r Rtrade j, если f opt j То есть после периода оптимизации можно определить множество активов, которые будут торговаться на следующем смежном имитационном участке (те активы, на которых существуют варианты функции f ri ( ), результаты торговли по которой удовлетворяют критериям выбора инвестора).

позиций по торгуемым активам в общем случае выглядит следующим образом:

Конкретный способ распределения депозита между различными использоваться при торговле в реальном времени и на реальные деньги.

Примененный таким образом, форвард анализ на множестве активов фактически моделирует, как бы происходила в прошлом торговля по нашей стратегии, включая формирование портфеля бумаг и распределение средств между ними на различных участках времени. Например, самый простой способ распределения депозита по активам в нашем случае будут выглядеть следующим образом:

После чего до времени новой оптимизации каждая бумага торгуется исходя из соотношений (2.1), при условии выполнения (2.2). При таком способе распределения средств доля депозита, выделяемая на активы торгуемые успешно, со временем будет возрастать.

При любом способе распределения депозита, по полученным f ropt j ( ) (и соответственно рассчитанным значениям реальную торговлю.

при соблюдении условия (2.12).

В результате получим d real (T ), который равен:

Полученный Dreal (T ) и есть результат форвард анализа портфеля из R активов.

По данной динамике изменения депозита различные критерии, уже можно делать выводы об эффективности рассматриваемой стратегии, так как это значение получено на многих активах в постоптимизационный период, полностью имитирующий процесс реальной торговли. Если инвестора удовлетворяет Dreal (T ), то можно принять решение о начале торговли по данной стратегии в реальном времени, после процесса тестирования t (T,...).

Рассмотренный форвард анализ является мощнейшим инструментом для анализа торговых стратегий, но так как он основывается на исторических данных, то и для него в какой-то мере актуальна проблема подгонки, как и для оптимизации торговой системы, рассмотренная выше в Главе 2 на странице 36. Элементами управления форвард анализа являются такие параметры как:

1. длина тестируемого участка 2. длина оптимизационного периода 3. критерии выбора оптимальной функции решение об отказе торговле на j -ом участке), 4. мощность множества Причем, если 1-ый и 4-ый параметры обладают таким свойством, что при увеличении как длины тестируемого участка, так и мощности устойчивыми (они ограничены лишь информационными, вычислительными и временными ресурсами исследователя), то для второго и третьего параметра существует вероятность их подгонки, особенно для малого тестируемого периода и небольшого множества Избежать проблемы подгонки при выборе длины тестируемого участка, а так же в определении критерия эффективности поможет применение новых инструментов теории фрактального рынка.

2.2 Применение гипотезы фрактального рынка к спекулятивной торговли эффективных рынках В теории финансового инвестирования нет концепции, которая имела бы такую широкую известность как «эффективные рынки». Вплоть до самого конца 20-го века гипотеза эффективного рынка (EMH – Effective Market Hypothesis) была главенствующей на рынке, несмотря на некоторые ее недостатки. Она выполняет одну первейшую функцию – оправдывает использование вероятностных расчетов в анализе рынков капитала.

История развития EMH начинается с великой работы Башелье [72], где предлагается рассматривать изменение цены (или ее логарифмические разницы) как гауссовскую случайную величину. Далее, огромное значение для теории EMH стали работы Кутнера [74], и Осборна [88], в которых было формализовано утверждение о том, что цены акции следуют случайному блужданию.

Рассмотрим задачу отыскания оптимальной торговой стратегии, когда изменение цены представляет собой ряд независимых случайных величин с нулевым математическим ожиданием. В рамках приведенной выше математической модели спекулятивной торговли это можно сделать следующим образом.

cor ( p(ti ), p(t j )) = 0, для i, j, i j, где E ( ) – это математическое величинами. Рассмотрим математическое ожидание депозита в конечный момент времени В силу конечности суммы, внесем под нее математическое ожидание зависит от Так как по условию t : E p (t ) = 0, то первое слагаемое равно 0. По определению c( u (t )) – платы за изменение позиции (транзакционные c ( u (t )) = 0 тогда и только тогда когда u (t ) = 0.

Следовательно, так как Причем, максимума депозит в конечный момент времени достигает лишь при значении когда времени t (t 0, T ] управление u (t ) = 0. Что означает отказ от торговли (от изменения позиций).

Таким образом, с помощью нашей модели спекулятивной торговли, мы доказали, что если изменения цен представляют собой ряд независимых случайных величин, то в таком случае от торговли лучше отказаться.

Так как в рамках гипотезы EMH, многие постулаты которой в последние годы подвергаются большой критике, невозможно построить прибыльную торговую систему обратимся к гипотезе фрактального рынка.

2.2.2. Постулаты гипотезы фрактального рынка.

Гипотеза фрактального рынка (FMH – Fractal Market Hypothesis) основана на идеях Бенуа Мандельброта. Мандельброт впервые ввел термин фрактал и обозначил такую область как фрактальная геометрия.

Постулаты гипотезы фрактального рынка, описанные в Петерсе [42;

43] гласят:

2. Информационное множество больше связанно с настроением перспективе, чем в долгосрочной перспективе. По мере увеличения инвестиционных горизонтов доминирует более цены могут отображать информацию важную только для этого 3. Если происходит событие, которое ставит под сомнение действительность фундаментальной информации, долгосрочные инвесторы либо прекращают участие на рынке, либо начинают торговать на основании краткосрочного информационного множества, что делает рынок нестабильным из-за однородности торговли и долгосрочной фундаментальной оценки.

5. Если ценная бумага никак не связанна с экономическим циклом, то не будет никакой долгосрочной тенденции. Будут доминировать торговля ценными бумагами, ликвидность и В рамках данной гипотезы ничего не говорится об общем распределении ценовых изменений. Утверждается лишь то, что изменение цены важны лишь для соответствующего инвестиционного горизонта.

Таким образом, спекулятивная торговля по торговой стратегии будет эффективна, если она происходит на таких временных масштабах и активах, для которых изменение цены ведет себя отлично от случайного ряда.

2.2.3. Методология R / S –анализа и расчета показателя Херста.

В рамках данной гипотезы FMH рассматривается недостаточно хорошо известный, но, безусловно, заслуживающий большого внимания [64] инструмент для анализа – нормированный размах или R/S-анализ, впервые разработанный Херстом [77]. Гарольд Херст, знаменитый британский гидролог, много лет проработавший в Египте, изучал разливы Нила, за что был прозван египтянами «Отцом Нила». В его работе 1951 года [77] описывается R / S анализ, который, будучи робастным, позволяет выявлять в статистических данных такие свойства, как кластерность, тенденцию следовать по направлению тренда, сильное последействие, сильную память, быструю перемежаемость последовательных значений, фрактальность, наличие периодических и непериодических циклов, способность различать «стохастическую» и «хаотическую» природу шума [65].

значительную роль сыграли работы Б. Мандельброта [25; 26; 27; 82; 83; 84;

85] и Э. Петерса [42; 43; 89; 90; 91].

Приведем методику анализа, описанную в работе Бенуа Мандельброта 1969 года [85].

Пусть X ( ) -есть некий временной ряд. Тогда можно посчитать R (t, ) и S 2 (t, ) по следующим формулам:

любой, меньшей t ).

В результате получаем очень важную статистику R (t, ) / S (t, ).

В работе Ширяева [64] указывается аналогичная методология, но без указания начальной точки Образуем величины H n = h1 +... + hn, n 1. Тогда можно найти величину Rn по следующей формуле:

Рассчитаем эмпирическую дисперсию S n :

Тогда Qn, рассчитанная как будет являться нормализованным, или приведенным размахом накопленных сумм H k, k n.

В своих работах Э. Ло [80; 81] предложил модифицировать знаменатель дроби Qn -статистики следующим образом:

что приводит нас еще к нескольким статистикам:

где K h – статистика Колмогорова-Смирнова[79], а Vn = называемая Vn -статистика, о которой пойдет речь ниже.

С помощью R / S статистики можно рассмотреть гипотезу ( H 0 ) о том, что рассматриваемые цены подчиняются схеме случайного блуждания.

Если гипотеза H 0 верна, то при достаточно больших n значение Rn S n должно быть близко к E0 ~ n [76], откуда получаем, что Однако при проверках оказалось, что для многочисленных рядов (в частности для данных по разливу Нилу, исследуемых Херстом) зависимость имеет следующий характер. Вместо ожидаемого значения:

чаще всего оказывается:

где H «значимым» образом больше 0,5. Показатель H и называют показателем Херста.

показателя Херста нет возможности найти удовлетворительные формулы ее вероятностных распределений при разных n. В работе Эниса и Ллойда [71] предлагается рассматривать вопрос о поведении среднего значения E0, где усреднение E0 отвечает справедливости гипотезы H 0 о случайном блуждании.

Для малых n предлагается использовать следующую формулу:

В работе Петерса [43] указывается проблема в вычислении гаммафункции для больших n. Тем не менее, благодаря использованию функции Стерлинга уравнение (2.21), начиная с n 300, может быть упрощено к следующему виду:

приведены в Приложении 1.

Интерпретация значимого показателя Херста такова:

H = 0.5 подразумевает белый шум, то есть некий независимый, случайный процесс. Корреляция между величинами равна (persistence – настойчивость). Корреляция между величинами положительна. То есть такой временной ряд характеризуется эффектом долговременной, сильной памяти и имеет склонность 0 H < 0.5 означает розовый шум или антиперсистентность (anti-persistence). Корреляция между величинами отрицательна.

Такой ряд меняет направление чаще, чем ряд случайных Данный показатель Херста является важным инструментом для соответствующих масштабах и интервалах, на которых не отвергается гипотеза H 0 о случайном блуждании, и в силу доказанного посредством (2.17)-(2.21), на таком ряду следует отказаться от спекулятивной торговли.

Петерса [43]:

2. Разделим данный период времени на A смежных подпериодов каждый элемент помечен N k,a. Определим среднее значение:

3. Вычислим временной ряд накопленных отклонений от среднего 6. Нормализуем размах и рассчитаем его среднее значение:

Так как значение N может быть простым, или иметь мало множителей для определения числа подпериодов, рекомендуется брать ряд с такой длиной, который имеет большое число множителей или брать такие множители, чтобы неучтенный отрезок первых данных (самых незначимых для настоящего момента), N A * n, был наименьшим.

Будем брать начальные длины периодов n 5, так как небольшие значения производят нестабильные колебания.

Значение перевода ряда актива в свои логарифмические разности, производимое в пункте 1 состоит в том, что при таких величинах мы имеем дело с доходностью актива ( log( Для данного анализа точка отсчета означает для исследователя лишь начальную дату, начиная с которой для него интересны подпериоды. Таким образом, инвестор сам для себя определяет интересующий его участок времени. Например, инвестору, чей инвестиционный горизонт достаточно мал (всего несколько дней, или менее 1 дня), вряд ли будет интересен анализ периодов в 1960-м году, ему подошел бы ряд данных длиной в несколько лет, а не десятилетий.

Рассчитаем показатели Херста для индекса Nasdaq Composite.

Расчеты были произведены с помощью программы MATLAB. Были взяты дневные данные на момент закрытия биржи с января 1980 по апрель год. Расчеты показали, что показатель Херста для индекса Nasdaq Composite равен H = 0.5999 и R 2 = 0.9968 при максимальном периоде n = 3346 дней (рисунок 2.3). Мы видим, что данный ряд персистентен, так как гипотеза о случайном блуждании отвергается ( E0 H = 0.5411 для случайного ряда смоделированного по формулам (2.31) и (2.32)) то есть процесс характеризуется наличием долговременной памяти и имеет трендовый характер.

Рисунок 2.3. R / S -анализ индекса Nasdaq Composite 1980-2007 год.

2.2.4. Разработка алгоритма расчета времени памяти.

Как уже быть отмечено выше наряду с H -статистикой, многие [24;

42; 64] рассчитывают показатель Vn -статистики по формуле (2.27):

Ширяев [64] указывает, что простой визуальный анализ данной статистики часто приводит к весьма содержательным выводам.

Для случая белого шума ( H = 0.5 ) при возрастании n статистика Vn должна стабилизироваться ( Vn const ). Если же анализируемых ряд представляет собой фрактальный гауссовский шум, то значения Vn статистики должны возрастать с ростом n в случает черных шумов ( соответствующему розовому шуму ( H < 0.5).

статистики. Петерс [43] утверждает, что значение n момента изгиба периодического, так и непериодического). В книге Мандельброта [24] спектральный анализ: общее правило гласит, что экономические циклы настолько далеки от периодичности и настолько зависят как от длины имеющейся в нашем распоряжении выборки, так и от предпочтений наблюдателя, что вплоть до новых распоряжений их следует рассматривать, как артефакты. Если верить Кейнсу [10], ценность таких циклов заключается прежде всего в том, что с их помощью очень удобно разбивать главы по истории экономики»

В связи со спорностью существования данных циклов на рынках характеризовать устойчивую память для периодов с длиной меньших n.

Рассмотрим Vn статистику для нашего ряда индекса Nasdaq Composite.

Рисунок 2.4. Vn -статистика индекса Nasdaq Composite 1980-2007 год На рисунке 2.4 можно отчетливо наблюдать что рост Vn вместе с статистики, что может говорить о существования неких случайных процессов для периодов больше чем nгр, где nгр -момент излома графика.

Но визуальная оценка момента излома никогда не может быть точной.

Можно видеть, что излом произошел где-то между 5 и 6,5 что примерно соответствует 150 и 665 дням. В отсутствии точной оценки времени памяти, исследуя Vn -статистику, приведем метод, позволяющих более точно определить данный показатель.

Рассмотрим ряд показателей Херста в зависимости от количества данных (в зависимости от величин рассмотренных подпериодов n ). Можно увидеть, что показатель Херста уменьшается, что говорит о том, что с возрастанием времени память ослабевает. Это не противоречит естественным предпосылкам. Но если рассмотреть график величин наклона остаточных (длинных) периодов, можно увидеть, что данная величина со временем тяготеет к 0,5. Что означает случайные колебания без эффекта памяти.

Рассмотрим графики коэффициентов Херста в зависимости от n и коэффициент наклона остаточных периодов для индекса Nasdaq Composite (рисунок 2.5). Мы видим, что остаточные данные, начиная примерно с n = 251 (в данной точке имеется локальный минимум), имеют наклон близкий к 0,5, а показатель Херста соответственно для периодов менее дня (рисунок 2.6) составляет H = 0.6396 (что больше E0 H = 0.5762 для n = 300 ).

Рисунок 2.5. Показатели Херста Nasdaq Composite 1980-2007 год.

Рисунок 2.6. R / S -анализ индекса Nasdaq Composite 1980-2007 год.

определенный визуальным исследованием Vn -статистики.

Таким образом, определим новый метод нахождения время памяти:

время памяти равно временному периоду, для которого остаточные показатели H находятся в участке локального минимума близкого к 0,5, или собственно равны 0,5, что может говорить о случайных процессах протекающих в периодах равных данному значению времени памяти.

Разработаем формулу для расчета показателя времени памяти nmem :

где nmem - время памяти ряда;

H n - остаточные показатели H ;

H - критическое значение остаточных показателей H.

Введение H необходимо для уточнения понятия «близкого к 0,5».

Оно может зависеть как от длины исследуемого ряда, так и от субъективных предпочтений инвестора или трейдера. Таким образом, параметр H влияет только для нахождения локальных минимумов. Для ряда индекса Nasdaq Composite в период с 1980 по 2007 год время памяти для H = 0.53 и H = 0.52 время памяти составляет 251 день (что соответствует одному году), для критического значения H = 0.51 данный показатель времени памяти составляет 544 дней, что соответствует примерно 2 торговых года.

Практическую значимость найденного показателя времени памяти трудно переоценить для аналитики рынка. Этот показатель может указать длину временного периода для инвестора с конкретным временным горизонтом. А так же, как уже отмечалось в начале второй главы, при форвард анализе существует проблема подгонки длины оптимизационного периода. Для избежания этой проблемы можно использовать в качестве T величину равную времени памяти, так как данная величина показывает, в среднем, насколько глубока значимая память временного ряда, что и требуется для оптимизационного периода.

Проведем исследование устойчивости найденного параметра времени памяти на различных временных интервалах (time frame). Возьмем 15-ти, 30-ти и 60-ти минутные и дневные данные индекса Nasdaq Composite с января 2001 по апрель 2007 года. Выбор данного периода связан с проблематичностью расчетов для 15-ти минутных данных на больших периодах. Хотя, как уже было сказано выше, выбор периода полностью зависит от предпочтений инвестора или исследователя.

В таблице 2.1 можно видеть устойчивость показателя времени памяти на различных временных интервалах. На данном периоде он составил примерно 70 дней, что примерно соответствует 3-м месяцам(все показатели времени памяти найдены как момент пересечения H n с 0,5, поэтому не зависят от критических значений H ). Также в данной таблице можно видеть, что все показатели Херста, которые оказались значимым образом отличны от 0,5, имеют тенденцию к увеличению с ростом временного интервала. Это говорит о том, что на меньших временных интервалах флуктуаций индекса больше, чем на более длинных интервалах. То есть график дневных значений носит более трендовый характер, чем 15-ти минутный график того же актива.

Показатели Херста на разных временных интервалах индекса Nasdaq В дальнейшем, говоря о функции f или f (t ), будем подразумевать f ( P(t ), L1, L 2), если не сказано иначе.

определить количество акций которые необходимо купить или продать. Для одного актива это количество чаще всего определяется как:

Для нескольких активов существует много различных вариантов определения этого количества. Самыми распространенными являются два.

Первый состоит в распределении депозита по всем активам и затем определяется управление таким образом, чтобы не превышать этот имеющийся депозит на данный актив:

Второй способ определения управления состоит в том, что ur (t ) определяется одинаково для всех активов и рассчитывается исходя из следующего соотношения:

входа/выхода из позиции. В этом случае в начале каждого периода S (день/ T ) определяется некий стандартный лот для всех активов, таким образом, чтобы:

за период S ;

StLs – стандартный лот для периода S.

невозможно, обычно берут сумму цен начала периода, так как неизвестно возрастет цена или упадет в течение периода.

Определив таким образом стандартный лот для управления, можно определить и само u (t ) :

Требование разности между скользящими средними более 1 цента исключает неопределенность ситуаций, когда цена никуда не движется и ее средние значения равны для разных параметров усреднения. Если значение функции f r попадает в несколько подмножеств, то значения управлений суммируются. Такое возможно когда идет выход из длинной позиции и одновременно вход в короткую ( F2 и F4 ), и наоборот выход из короткой, со входом в длинную ( F1 и F5 ). В этом случае u (t ) = ± 2 * StLs.

Для торговой системы при внутридневной торговле обязательным условием является выход из всех позиций в конце дня:

где – последний бар дня, происходить только в последний момент работы биржи (за несколько секунд до этого события).

Определим временной интервал используемых временных рядов.

Пусть он составляет 15 минут (в качестве данных используются 15-ти минутные бары цен акций). Временной период возьмем с апреля 1997 года по май 2007 года (но процесс имитации реальной торговли начнется для всех анализируемых стратегий с апреля 1998 года, чтобы иметь оптимизационными периодами, среди которых максимальный составляет 12 месяцев). t 0 = 1 / 04 / 1997, T = 31 / 05 / 2007. Как сказано в главе 2, для более объективной оценки торговой системы, временной период должен быть достаточно большим, и охватывать различные движения и ситуации на рынке. Выбранный период в 10 лет вполне подходит, так как в течение данного периода можно наблюдать как глобальный рост, так и падение рынка и его различные флуктуации. На рисунке 3.3 можно наблюдать динамику индекса Nasdaq Composite в данный период.

Значение индекса характеризовались большой ликвидностью и волатильностью в данный временной период. Было выбрано 547 активов, среди которых можно увидеть представителей всех основных секторов экономики и таких лидеров мирового рынка как Apple Inc, Adobe Systems, Applied Materials, Amgen Inc, Amazon.com Inc, Biogen Idec, Celgene Corp, Comcast Cl'A', Costco Wholesale, Cisco Systems, Dell Inc, EchoStar Communications'A', Ebay Inc, Fifth Third Bancorp, Gilead Sciences, Google Inc Cl A, Infosys Technologies ADS, Intel Corp, Microsoft Corp, Oracle Corp, Paccar Inc, Qualcomm Inc, Research In Motion, Starbucks Corp, Sears Holding Corporation, Sun Microsystems, Symantec Corp, Teva Pharm Indus ADR, WPP Group ADS и Yahoo Inc. Полный список этих компаний можно увидеть в Приложении 2.

Такое большое множество R обеспечит объективность информации о торговой системе.

Для реалистичной имитации торговли необходимо задать как можно более приближенное к реальной c ( u (t )), которое имеет огромное влияние на результат торговой системы. c ( u (t )) состоит из двух основных показателей – комиссия брокеру и проскальзывание при изменении, возникающее из-за задержек в исполнении заявок и из-за существовании «спрэда». В качестве комиссии брокеру примем плату взимаемую с предлагающую брокерские услуги на американском фондовом рынке. В данной компании комиссия составляет 1 цент за акцию (при объеме сделки до 500 акций) и 0,6 цента за каждую последующую акцию (при объеме свыше 500 акций). То есть комиссия за сделку в 1000 акций составит долларов.

зависимости от типа сделки. В стратегии №1 используется вход в начале следующего бара (изменение u (t ) происходит при открытии бара t ). За года отслеживания таких входов на американском рынке возникало среднее проскальзывание в 2 цента. Таким образом, суммарная плата за изменение позиции для стратегии №1 составит:

Первоначальный депозит возьмем d (t 0 ) = 100000 долларов. Причем, так как при анализе торговой стратегии мы должны подразумевать начало торговли в любой момент времени, то для объективной оценки будем брать управления, убирая предыдущие убытки и заработки.

Определим период торговли t = 1 _ месяц Последнее, что необходимо определить, – это критерий выбора оптимальной стратегии (или отказ от нее) на следующем временном интервале t. Пусть первая стратегия торгуется на всех активах в каждый необходимость в выборе, который в разработанной во второй главе модели форвард анализа, характеризовался уравнением (2.7) для стратегии № отсутствует.

зависимости от значения функции f ( ), временной интервал (15 минут), временной период, плата за вход, множество R, можно приступать к анализу торговой стратегии – процессу имитации торговли по модели, разработанной в главе 2.

разработанной в главе 2:

3.1.2 Анализ торговой системы и ее модификаций.

Для анализа стратегии по модели (3.10) – (3.18) автором была написана программа на языке EasyLanguage, программной оболочки TradeStation 8.2 – среды для торговли на фондовых рынках. Выходные результаты этой программы обработаны с помощью Microsoft Excel [14; 15;

20]. Показать результаты каждого из активов не представляется возможным в силу того, что такая таблица содержит более 50000 строк, однако агрегированные результаты по годам представлены в таблице 3.1 и на рисунке 3.4.

Результаты работы стратегии №1 по годам.

Данная стратегия почти наверняка приведет инвестора к убыткам, так как имитация такой торговли на всех без исключения активах из множества R показала убытки в 763321$. Причем все месяцы за последние 6 лет были убыточными. Для инвестора более важны результаты последних периодов, так как ближайшие будущие периоды будут более похожи на них, чем на далекие периоды.

Величина прибыли Рисунок 3.4 Динамика накопленной прибыли стратегии №1.

Разработаем стратегию №2, введя в стратегию №1 критерий выбора активов из множества R j в множество Rtrade j (множество активов, которые будут торговаться на следующем, представлены различные критерии эффективности работы стратегии.

Основными из них (для максимизации прибыли) являются величина доходности и среднего трейда:

С помощью критерия выбора (3.19) можно определить множество активов, входящих в Rtrade j :

Введя в стратегию №1 модификации по отбору активов (3.19) и (3.20) вместо (3.11), получим стратегию №2, которую можно описать как (3.10), (3.12)-(3.20).

Результаты работы стратегии №2 по годам.

Анализ данной стратегии по месяцам приведен в приложении №3 (П.

2). Результаты стратегии №2 представлена в таблице 3.2, в приложении № (П.2) и на рисунке 3.5.

Величина прибыли 250, Рисунок 3.5 Динамика накопленной прибыли стратегии №2.

Так как с введением критерия оптимальности (доходность за месяцев более 100%) результаты стратегии №2 улучшились по сравнению с результатами стратегии №1, разработаем стратегии №3,4 и 5 аналогичные стратегии №2 ((3.10), (3.12)-(3.20)), увеличив критерий (3.19) со 100% до 200%, 300% и 400% соответственно. Результаты данных стратегий можно увидеть в приложении №3 (П.3 – П.5), а также на рисунке 3.6.

Рисунок 3.6 Динамика накопленной прибыли стратегий №3-5.

Видно, что наилучшей среди стратегий оказалась под номером 3 (с критерием выбора – доходность за 12 месяцев 200% годовых). Однако и эта стратегия приводит к большим убыткам в последние года. Проверим чувствительность нашей идеи ((3.12) и (3.15)) к различным критериям выбора и оптимизационным интервалам T.

Проведем анализ стратегий №6-8 и №9-11, для которых критерий выбора (3.19) составит 150%, 250% и 350% годовых, для T = 6 _ мес. и T = 3 _ мес. соответственно. Динамику их накопленных прибылей можно увидеть на рисунке 3.7. (Данные по годам находятся в приложении №3 (П.

6-11)) Рисунок 3.7. Динамика накопленной прибыли стратегий №6-11.

Из графиков и таблиц стратегий №2-11 можно видеть, что такой критерий как доходность на различных оптимизационных периодах для данной идеи на 15-ти минутных данных не приводит к прибыли в последние года.

Проверим работоспособность другого критерия выбора – величина среднего трейда. Заменим критерий выбора (3.19) на следующий:

где trr (S ) – количество трейдов, за период s :

Данный критерий (3.21) означает требование за оптимизационный период T величины среднего трейда более 7,5 центов, или 75$ за трейд, если StL j = 1000 акций.

Проверим работоспособность данного критерия в стратегиях №12- ((3.10), (3.12)-(3.18), (3.20) и (3.21)) для T = 12 _ мес., взяв в качестве критического значения величины среднего трейда значения 0,075, 0,1 и 0,125 соответственно.

Аналогично проанализируем стратегии №15-17, и №18-20, которые будут отличаться от стратегий №12-14 длиной оптимизационного периода T, который составит 6 и 3 месяца соответственно.

Результаты работы данных стратегий представлены на рисунке 3.8, а так же в приложении №3 (П.12-20) Рисунок 3.8. Динамика накопленной прибыли стратегий №12- По результатам работы этих стратегий можно сделать вывод, что величина среднего трейда в качестве критерия выбора более эффективна, чем доходность актива за оптимизационный период. Это утверждение основывается на том, что доходности всех стратегий №12-20 с величиной среднего трейда в качестве критерия выбора, выше любой из стратегий №2-11.

Лучшей из всех стратегий по величине доходности стала стратегия №17, со значением 881097$. Значение риска данной стратегии – максимальное проседание счета – так же оказалось наилучшим (кроме стратегии №12) и составило -86985$. Однако даже для лучших стратегий по величине доходности и риска, можно видеть отрицательные показатели прибыли в последних годах. Это следует из-за низкой величины среднего трейда в последние года, которые во многом отрицательны из-за величины c( u (t )).

Введем поправку на условие входа – входить не в момент открытия бара, а ставить заявку на вход в позицию на уровне середины прошлого бара. Пример можно увидеть на рисунке 3.9.

Рисунок 3.9. Различные уровни входа и p(t ).

Однако при таком подходе – вход в позицию на уровне середины прошлого бара, изменение депозита/прибыли составит не [ p (t ) p (t 1)], Таким образом, введем поправку на p(t ) :

Данную поправку необходимо использовать при расчете формулы (3.10), когда вход в позицию осуществляется по вышеописанному способу.

Так как в данной модификации процесс входа в позицию осуществляется не в 100% случаях, когда происходит пересечение скользящих средних, как это описано в (3.15), а только если цена следующего бара дошла до уровня середины прошлого бара, необходимо «догонять» существующий сигнал, когда цена не дошла до середины прошлого бара. В этом случае аналогичный приказ на изменение позиции переносится на следующий бар. То есть формулу (3.15) необходимо переписать в следующем виде:

По статистике проскальзывание при таком способе уменьшается и становится равным 1 центу (с учетом выходов по открытию следующего бара или в момент закрытия биржи).

Проведем анализ стратегий №22-30 основанной на (3.10) с поправкой (3.22), (3.12)-(3.14), (3.23), (3.16) (3.18), (3.20), (3.21) и (3.24) взяв в качестве критерия выбора величины среднего трейда за 12, 6 и 3 месяца более 0,075$, 0,1$ и 0,125$. Результаты данных стратегий представлены на рисунке 3.10 (а также в приложении №3 П.22-30).

Рисунок 3.10. Динамика накопленной прибыли стратегий №22- Анализ данных стратегий по величине прибыли, рисков за весь период и в последние года, показал, что наилучшей стратегией является T = 6 _ мес. и среднему трейду более 0,075$. Годовые результаты представлены в таблице 3.3.

Результаты работы стратегии №25 по годам.

Из данной таблицы видно, что такая стратегия (№25) принесет прибыль в 1134%, причем за последние 5 лет можно наблюдать устойчивую прибыль, которая в сумме составила 277%. Суммарный риск за все анализируемые года составил 31,1%, причем за последние 5 лет он не поднимался выше 22,3%. Данные среднего трейда имитации реальных торгов составили 0,1429$ на трейд за весь исследуемый период и 0,032$ за последние 5 лет, что делает нашу стратегию устойчивой к различным изменениям c( u (t )), которые могут присутствовать из-за глобальной смены величины комиссии брокером, или в силу локальных изменений величины проскальзывания.

Итак мы показали, что с помощью модели разработки торговой системы и модели анализа торговых систем, построенной в главе 2, можно проанализировать любую стратегию и идею и, вводя различные модификации, видеть реакцию данной торговой системы на эти изменения.

Из стратегии №1, которая показывала сплошные убытки (см. таблицу 3.1, 3.2, и рисунок 3.4) была сделана стратегия №25 (таблица 3.7 и рисунок 3.15), торговля по которой принесла бы 1134% прибыли без учета реинвестирования, с возможным требуемым резервом в 31.1%, за последние 9 лет.

Примем данную стратегию (№25) в качестве базовой для дальнейших исследований и улучшений, основных на идеях и доказательствах описанных в главе 2.

3.1.3. Показатель Херста как критерий выбора активов.

В главе 2 было показано что на участках, где цена ведет себя как ряд случайных блужданий, эффективной торговли не существует ( u ropt (t ) 0 ).

Было описано использование показателя Херста в качестве критерия принятия или отклонения гипотезы H 0 о случайных процессах на данном периоде временного ряда. Была показана устойчивость данного показателя с течением времени для активов, размещенных на рынке NASDAQ, причем на некоторых активах показатель Херста оказался не значимым образом отличным от 0,5, (проверка значимости осуществлялась в виде сравнения показателя H исследуемого временного ряда с моделью случайного ряда Эниса и Ллойда (2.21),(2.22)). Таким образом, торговля на тех участках, где ряд представляет собой аналог случайного блуждания, вероятнее всего приведет к финансовым потерям.

Значение накопленной суммы Рисунок 3.11. График накопленных случайных величин.

Из рисунка 3.11 можно видеть, что случайные ряды настолько разнообразны и предстают в столь различных формах, что выявить случайность можно только с помощью специального анализа. Так же из данного графика можно сделать вывод, что на данном случайном ряду отчетливо виден участок, на котором наши трендовые стратегии работали бы с прибылью (однако только на данном участке, на остальных из-за сильной перемежаемости были бы стабильные убытки). Таким образом, рассматривая вариант торговли на таком ряду, наши стратегии увидели бы прибыльность на участке от 5500 – 6200 точек (критерий эффективности как средний трейд, так и доходность превосходили бы критические величины) и, как следствие, было бы принято решение о торговли на следующих участках, что, несомненно, привело бы к убыткам.

Во избежание такой ситуации примем в качестве критерия выбора – показатель Херста.

Mn – поправка на критический уровень показателя Херста.

Построим стратегию №31, основанную на модели (3.10) с поправкой (3.22), (3.12)-(3.14), (3.16) (3.18), (3.20) и (3.23)-(3.25), с параметром TH = 6 _ мес. и Mn = 1. Также проверим стратегии № 32-34 в котоых коэффициент Mn примем равным 1,025, 1,05 и 1,075. Такие множители означают отвержение гипотезы о случайном распределении с запасом в 2,5%, 5% и 7,5% соответственно. Результаты работы можно увидеть на рисунке 3.12, а также в приложении №3 (П.31-34).

Рисунок 3.12. Динамика накопленной прибыли стратегий №31- Аналогично стратегиям №31-34 построим стратегии №35-38 и №39-42, для которых TH = 3 _ мес. и TH = 2 _ мес. соответственно.

Результаты данных стратегий можно увидеть на рисунке 3.13, а так же в приложении №3 (П.35-42).

Рисунок 3.13. Динамика накопленной прибыли стратегий №35- Из данных результатов можно видеть, что все эти стратегии (№31-42) приносят прибыль. Причем данные критерии никак не связанны с показателями работы стратегий на оптимизационных интервалах. То есть любая трендовая стратегия торговалась бы на выбранных промежутках с выбранными активами вне зависимости от ее прошлых результатов. И данные результаты для стратегии с двумя скользящими средними оказываются лучше результатов стратегий №2-10, где в качестве критерия выбора используется доходность периода оптимизации. Это подтверждает эффективность использования показателя Херста в качестве критерия выбора.

Проведем анализ еще 4-х стратегий, в которых будем требовать выполнения условия (3.25) одновременно для всех TH (2 месяца, 3 месяца и 6 месяцев) с различными множителями Результаты этих стратегий №43-46 представлены на рисунке 3.14 и в приложении №3 (П.43-46).

Рисунок 3.14. Динамика накопленной прибыли стратегий №43- Из данного рисунка и таблиц в приложении №3 видно, что стратегии №43-46 лучше аналогичных стратегий, где показатель Херста считается и сравнивается с критическим только для одного периода. Исключение составляет лишь стратегия №46, показатели которой значительно хуже требованием критерия, удовлетворить которому могут лишь очень небольшое число активов. Вследствие чего результаты данной стратегии непоказательны и не могут изменить общий вывод, что мультипериодный критерий выбора лучше однопериодного.

Добавим к мультипериодным критериям, основанным на статистике Херста, лучший критерий выбора для стратегий №1-30 (критерий стратегии №25, средний трейд за 6 месяцев более 0,075$).

Объединение критериев (3.25) и (3.21) представимо в виде (3.26):

Результаты стратегий №47-50, основанных на модели (3.10) с поправкой (3.22), (3.12)-(3.14), (3.16), (3.18), (3.20), (3.23)-(3.24) и (3.26), приведены на рисунке 3.15, таблице 3.4 и в таблицах П.47-50 приложения №3. Различии данных стратегий состоят в разных значениях множителя Mn, который принимает значения 1, 1,01, 1,025 и 1,05.

Рисунок 3.15. Динамика накопленной прибыли стратегий №47-50 и 25.

Лучшей стратегий с точки зрения доходности и риска оказалась стратегия №48. За 9 лет доходность данной стратегии равна 1373% без учета реинвестирования, с учетом возможного максимально необходимого резерва в 51%. Причем за последние 4 года можно видеть устойчивую прибыль, которая в сумме составила 284%, при проседании, не превышающем 22%.

Результаты работы стратегии №48 по годам.

Лучшей стратегий с точки зрения доходности и риска оказалась стратегия №48. За 9 лет доходность данной стратегии равна 1373% без учета реинвестирования, с учетом возможного максимально необходимого резерва в 51%. Причем за последние 4 года можно видеть устойчивую прибыль, которая в сумме составила 284%, при проседании, не превышающем 22%.

Если сравнить результаты данной стратегии с результатом базовой стратегии №25 (рисунок 3.15), можно видеть увеличение общей доходности на 239%, причем за последние 4 года увеличение доходности произошло в каждом году (за исключением текущего 2007 года, которые еще не завершен) и составило 100% в сумме (284% против 184%). Так же улучшился и показатель среднего трейда в каждом из 9 лет, кроме года. Данный показатель характеризует устойчивость нашей стратегии к различным флуктуациям платы за вход.