РЦБ.RU

Прогнозирование уровня пиковой торговой активности

Май 2008

    Высокая волатильность и высокая активность на фондовом рынке, как правило, соседствуют. В такие дни у трейдеров появляется больше шансов получить дополнительный доход. Попутно биржевая торговая система проходит тест на надежность. Как и любая техническая система, она имеет ограничения по максимальной рабочей нагрузке, в том числе по максимальному числу транзакций1 в день, минуту, секунду. Значения этих параметров определяют функциональную надежность торговой системы, которая представляет собой вероятность того, что уровень торговой активности не превысит максимально допустимой нагрузки на торговую систему.
    Чем больше эта вероятность, тем надежнее торговая система. Вместе с тем чрезмерное наращивание мощности торговой системы экономически нецелесообразно. Создание и поддержание необоснованно высокого запаса прочности приводит к снижению КПД торговой системы, росту финансовых издержек биржи, которые в итоге перекладываются на участников торгов. Поэтому величина максимальной производительности торговой системы и требуемый темп ее наращивания должны быть строго обоснованы.
    В статье приводится методика, которая может применяться для прогнозирования максимального числа заключенных сделок на бирже. В качестве исходных данных для модели использованы данные о количестве заключаемых сделок в основном режиме торгов акциями на Фондовой бирже ММВБ. С некоторыми поправками предложенная модель может быть применена при прогнозе других показателей (число транзакций, заявок), а также использоваться участниками торгов для прогноза пиковой нагрузки на брокерские системы.
    Статистическая модель величины нагрузки на торговую систему
    Показатель числа заключенных сделок с акциями на ФБ ММВБ за торговый день имеет высокую волатильность. Вместе с тем на длинном интервале наблюдений прослеживается тенденция роста его среднего уровня. Новые этапы развития фондового рынка вносят существенный вклад в рост пиковой нагрузки на торговую систему.
    В качестве первого этапа построения статистической модели воспользуемся наиболее распространенным и простым методом: сглаживанием временного ряда с помощью скользящей средней. При выборе временного периода сглаживания надо не допустить потери информации о циклической смене активности на фондовом рынке, свойственной его развитию. Как только автокорреляция знаков разности между фактическим и сглаженным значениями числа сделок приближается к границе статистически значимого интервала, дальнейшее увеличение периода сглаживания может привести к существенной потере информации. Как показали расчеты, скользящую среднюю числа сделок целесообразно считать за 250 последних торговых дней. В этом случае коэффициент корреляции равен 0,56. На практике для анализа динамики роста технологической нагрузки на различные системы также используется усреднение за период равный одному году (около 250 рабочих дней).
    Была проанализирована динамика роста количества сделок с акциями на Фондовой бирже ММВБ с 2002 г. На рис. 1 явно выражены четыре периода роста активности, которые могут быть аппроксимированы линейными трендами. Кроме того, для построения статистической модели данных было проведено исследование распределения величины подневного количества сделок, нормированного к величине 250-дневной средней. Гистограмма распределения изображена на рис. 2.
    Как показывает анализ, данное распределение наилучшим образом может быть аппроксимировано логнормальным распределением. Гипотеза о логнормальности отношения числа сделок к 250-дневному скользящему среднему подтверждается на уровне значимости 0,95 по критерию c2.
    Для целей прогнозирования активности на будущие периоды будем использовать последний, четвертый период, берущий свое начало с середины апреля 2007 г.
    Для целей прогнозирования аппроксимируем множество значений активности за последний период линейной функцией вида:

    M(t) = a  t + b, (1)
    где t = число календарных дней (начиная с 16.04.07).

    Аппроксимация по методу наименьших квадратов в период с середины апреля 2007 г. по середину апреля 2008 г. дает следующие коэффициенты линейной функции:

    a = 0,3185;
    b = 139,7. (2)

    Далее приступим ко второму этапу прогноза. Оценим вероятное отклонение числа сделок за торговый день от линейной функции. Для этого исследуем распределение нормированных значений активности вида:

    Nнорм(t) = N(t) / M(t), (3)
    где N (t) - число сделок за торговый день

    На рис. 3 представлена нормированная по вероятности гистограмма распределения величин Nнорм в период с середины апреля 2007 г. по середину апреля 2008 г.
    Распределение случайной величины Nнорм апроксимируется логнормальным законом:

    (4)
    где х - Nнорм, m - среднее, s - стандартное отклонение.

    Представленная на рис. 2 аппроксимация гистограммы логнормальным законом имеет следующие параметры:

    m = - 0,125;
    s = 0,23. (5)

    Таким образом, статистическая модель величины подневного количества сделок на Фондовой бирже ММВБ в основном режиме представляется в следующем виде:

    Fлогнорм(N,t) = (6)
    где N - число сделок (тыс.); t - число календарных дней (начиная с 16.04.2007); M(t) = 0,3185  t + 139,7; m = - 0,125; s = 0,23

    Среднесрочный прогноз предельных значений активности (числа сделок) на бирже
    Будем считать, что отражающий влияние многих факторов (приход новых инвесторов, увеличение числа торговых роботов и др.) темп роста активности сохранится в среднесрочной перспективе. В этих условиях сформированную модель будем использовать для прогнозирования возможных предельных нагрузок на торговую систему фондового рынка на период до конца 2010 г.
    Зададим три приемлемые с точки зрения надежности торговой системы значения вероятности - 0,99, 0,999, и 0,9999 и определим уровни активности Nнорм, которые не будут превышены с заданными вероятностями. Величины Nнорм для трех вероятностей определим, используя функцию, обратную к (4) (табл. 1).
    Теперь вычислим предельные уровни числа сделок (в тыс. шт.) на конкретную дату в будущем по формуле:

    Nпред(t) = Nнорм (Pi)  M(t),
    где М(t) =0,3185  t + 139,7; t - число календарных дней между прогнозной датой и 16.04.07.

    Полученные данные сведены в табл. 2.
    Найденные предельные уровни активности графически изображены на рис. 4.
    Используя эти данные, можно сформулировать требования к торговой системе, которая с высокой долей вероятности выдержит экстремальные нагрузки. Тем не менее, какую бы модель мы ни построили, всегда остается вероятность, что произойдет непредсказуемый скачок активности. Поэтому, не отказываясь от точных методов прогнозирования, не надо забывать о рисках, присущих всем сложным системам.

  • Рейтинг
  • 0
Содержание (развернуть содержание)
Акционеры ЗАО ММВБ подвели итоги деятельности за 2007 год
Третья совместная ежегодная конференция Фондовой биржи ММВБ и Лондонской фондовой биржи (LSE)
Дебютное размещение биржевых облигаций на Фондовой бирже ММВБ
"Мы рискнули и не жалеем об этом"
Биржевые облигации - надежный инструмент поддержания ликвидности
На НТБ состоялся запуск торгов фьючерсными контрактами на зерно
Организация биржевой торговли фьючерсами на пшеницу
Госзаказ 2008
"Государство заинтересовано в развитии биржевой торговли"
"Для начала обслуживания госзаказа через биржу нужна политическая воля"
Финансовые рынки и технические риски
Прогнозирование уровня пиковой торговой активности
Круглый стол "Инструменты фондового рынка для компаний Северо-Западного федерального округа"
"Все поставленные задачи являются первостепенными"
Биржевая торговля зерном в начале XX в.

  • Статьи в открытом доступе
  • Статьи доступны на платной основе
Актуальные темы    
Яков Миркин
Инвестиции: макроэкономические вызовы
Какую модель экономики мы создали за четверть века? Это экономика сверхконцентраций собственности и огосударствления. Экономика вертикалей, олигополий, ресурсы сверхконцентрированы в Москве, малый и средний бизнес — подавлен.
Константин Угрюмов
Софинансирование ИПК — улучшение качества жизни россиян не только в будущем, но и сейчас
Банк России и Минфин РФ согласовали концепцию индивидуального пенсионного капитала (ИПК). Гражданам предложат копить себе на пенсию самостоятельно. Вопрос в том, какое количество россиян согласится участвовать в новой пенсионной системе.
Александр Баранов
Solvency II для НПФа
Согласно Информационному письму Банка России - в первой половине 2017 года будет разработана дорожная карта внедрения Solvency II на российском страховом рынке. В статье описан опыт использования стандартов Solvency II для частных пенсионных фондов в ЕС, обсуждается возможность применения Solvency II для российских НПФов.
Светлана Бик
Долгосрочные институциональные инвестиции в инфраструктуру россии на основе концессии: итоги 2016 года
В 2005 г. в РФ появилась возможность финансирования инфраструктуры за счет концессионной модели, которая является основной формой ГЧП для реализации крупных проектов. За прошедшее время к финансированию подключились и НПФы. Отличительной особенностью является присутствие в схеме финансирования концессионных облигаций.
Все публикации →
  • Rambler's Top100