Casual
РЦБ.RU

Идентификация фрактальных закономерностей на рынке акций

Июль 2006


    Во время работы на рынке акций наступает момент, когда практически каждый трейдер начинает поиск такой МТС (механической торговой системы), которая после тестирования и оптимизации на исторических данных дает устраивающий его результат (по различным критериям - прибыль, риск, просадка счета, соотношение убыточных и прибыльных сделок и т. д.). Однако проходит некоторое время, и "идеальная" система дает сбои. В чем кроется причина таких неудач? Во-первых, поиск такой системы происходит одновременно с поиском подобных систем другими трейдерами и крупными финансовыми компаниями, банками и т. д. У последних возможности намного больше, так как они могут привлечь не один десяток лучших аналитиков и программистов в отличие от трейдера-одиночки. Во-вторых, поиск производится на одних и тем же историческим данным и практически по одним и тем же критериям. В-третьих, отсутствует "формула успеха в данной системе координат", т. е. невозможно построить МТС на "все времена", что является обстоятельством непреодолимой силы.
    Из этого следует необходимость нахождения собственных (ранее широко не известных) "дополнительных информационных измерений"1, которые позволят получать прибыль, иногда вопреки общепринятым нормам и правилам.
    Новой парадигмой для построения торговых стратегий является применение фрактальных закономерностей на рынке ценных бумаг. Под фрактальными закономерностями мы понимаем устойчивое (проявляющееся с наибольшей вероятностью) единообразие динамики изменения характерных параметров (цен открытия и закрытия, минимумов и максимумов, объема и т. п.), самоподобно проявляющихся в различных временных масштабах.
    Термин "фрактал" прочно вошел в лексикон большинства трейдеров. Определенным образом этому способствовала книга Билла Вильямса "Торговый хаос"2, в которой он описывает стратегию работы на рынке акций на основе выявленных им фрактальных закономерностей.
    Недостатком метода, основанного на фрактальных моделях Билла Вильямса, является не только математическая (программная) сложность определения истинности или ложности фрактальной модели, но и относительная редкость появления искомого фрактала.
    Другой метод идентификации фрактальных закономерностей - сингулярный спектральный анализ (SSA) (известный в России как метод "гусеница"). Метод SSA предназначен для исследования структуры временных рядов и совмещает в себе многие другие методы, в частности анализ Фурье и регрессионный анализ. Недостаток метода SSA заключается в математической сложности его реализации на рынке акций.
    Для удобства практического применения и выявления закономерностей с более высокой частотой появления был разработан новый метод идентификации фрактальных закономерностей, получивший название "скользящего фрактала". Слово "скользящий" означает переход от одного фрактала к следующему, который формируется по мере появления новых данных, причем часть параметров входящих в предыдущий фрактал, переносится в следующий. Таким образом, очередной фрактал как бы "скользит" по параметрам текущих данных.
    Целью метода "скользящего фрактала" является идентификация фрактальных закономерностей и количественная оценка прогноза на шаг вперед (например, определение вероятности того, что максимум следующего дня будет больше максимума предшествующего дня или минимум следующего дня будет меньше минимума предшествующего дня и т. п.).
    Метод реализуется посредством компьютерной программы, которая формирует матрицы из логических сравнений выбранных параметров (например, цен открытия, минимумов, максимумов, закрытий, объемов "определенных баров" и их соотношений), и производит их параметрический анализ. Результатом анализа является текущая количественная оценка вероятности инвестиционного прогноза выбранного события, в зависимости от изменения текущих параметров (цена и объем финансовых инструментов) по текущим (скользящим) фрактальным закономерностям.
    Идентификация фрактальных закономерностей осуществляется на основании базы данных ценовых значений по конкретному эмитенту, состоящей из 800 последних значений (для относительно небольших горизонтов инвестирования ее можно считать репрезентативной) от текущего бара, включающих цены открытия, закрытия, а также цены максимумов и минимумов.
    Применяя логические операции сравнения различных комбинаций ценовых значений базы данных в моменты времени i и (i-1,2,3 и т. д.), составляется матрица, на пересечении строк и столбцов которой отражается результат сравнения.
    Анализ матрицы позволяет определить вероятность появления заданного фрактала на историческом диапазоне данных и спрогнозировать характер поведения исследуемых параметров с определенной вероятностью "на один шаг вперед". Это позволяет оперативно отражать изменение динамики выбранных параметров (адаптироваться к ситуации) в прогнозных рекомендациях.
    Необходимым условием для проведения данного анализа и идентификации фрактальных закономерностей выступает достаточно высокая ликвидность акций исследуемого эмитента, поскольку при уменьшении ликвидности падает достоверность прогноза на основании выявленного фрактала.
    В основе исследуемых фрактальных закономерностей могут лежать один или несколько факторов. Однофакторные фракталы выявляются путем сравнения только одной группы факторов между собой (например, только цен закрытия рядом стоящих баров или открытия и закрытия одного бара и т. д.), двухфакторные фракталы образуются путем сравнения одновременно двух групп факторов (например, цен закрытия рядом стоящих баров или цен открытия и закрытия между собой и т. д.).
    Рассмотрим подробнее двухфакторные фракталы, которые могут состоять из различного количества баров (минимум из одного и цены закрытия второго, максимум из четырех и цены закрытия пятого), но определяющим является последний бар. При увеличении количества баров во фрактале происходит снижение вероятности появления исследуемого фрактала. Например, в двухфакторных фрактальных моделях, состоящих из четырех баров, вероятность появления каждого фрактала будет составлять 4-6%, поэтому применение большего количества баров является нецелесообразным из-за низкой вероятности их появления. С увеличением количества баров во фрактальной закономерности происходит отсеивание части менее информативных фракталов и уточнение вероятности появления ожидаемого события. Под менее информативными фракталами в данном случае понимаются фракталы, в которых цены закрытия рядом стоящих баров или цена открытия и закрытия одного бара равны между собой. С уменьшением торгового интервала возрастает вероятность появления подобных фракталов, и перспективы их применения требуют дальнейших исследований.
    При рассмотрении двухфакторной модели, состоящей из четырех баров, было выявлено 16 фракталов, с вероятностью появления каждого 4-6%. Их использование позволяет трейдеру постоянно активно работать на рынке, т. е. большую часть времени трейдер имеет возможность применять прогноз для обоснованного решения.
    К примеру, если представить фрактальную модель с помощью японских свечей, то может образоваться закономерность, представленная на рисунке. В этом случае с вероятностью 77% можно утверждать, что максимум следующего бара будет выше максимума последнего, т. е. А " В (вероятность появления такой фрактальной модели составляет около 5% ).
    Прогноз дальнейшего движения цены осуществляется по параметрам выбранного торгового интервала. В результате принимается решение о покупке или продаже акций, а также какой частью капитала совершать операции. Непосредственно внутри торгового периода по мере появления новых значимых ценовых параметров происходит коррекция показателей вероятности, позволяя своевременно реагировать на текущие изменения цен.
    Метод скользящего фрактала прост и удобен для практического применения и позволяет идентифицировать текущие (в режиме он-лайн) фрактальные закономерности. Сферой его применения может быть не только рынок ценных бумаг, но и в другие области (например, метеорология, биология и т. д.), где необходим анализ различных структур временных рядов.
    Идентифицированные фрактальные закономерности - это новое, адаптивное "дополнительное измерение", позволяющее конструировать более эффективные торговые системы. Их применение вместе с другими закономерностями (например, с техническими индикаторами и осцилляторами) повысит результативность трейдинга, а их анализ даст инструмент, который позволит более точно прогнозировать дальнейшее движение цены на рынке ценных бумаг и поможет лучше понимать рынки.


  • Рейтинг
  • 0
Оставить комментарий
Добавить комментарий анонимно, введите имя:

Введите код с картинки:
Добавить комментарий как авторизованный посетитель: Войти в систему

Содержание (развернуть содержание)
Факты и комментарии
"Зеленый коридор" для бондов
Качественное развитие рынка рублевого долга
Рублевое будущее
Старый рубль на новый лад
Какой анализ выбрать - фундаментальный или технический?
Финансовые итоги Газпрома
Идентификация фрактальных закономерностей на рынке акций
Анализ сберегательного поведения населения и его лояльности к рынку ценных бумаг
Поволжье как субьект Федерации с эффективной и прозрачной финансовой системой
Спекулятивный интерес
Нефтяные фьючерсы в России и в мире
Коррекция фондового рынка отбросила рынок опционов на год назад
Опционное моделирование и управление рисками
Российские коллективные инвестиции: перспективно и дорого
Обучение на рынке ценных бумаг - наша профессия
Банковский сектор Киргизии
Производители каучуков: страховка от колебаний цен на нефть
Развитие первичного рынка ипотечного кредитования в России
Каким категориям ценных бумаг угрожает закон о принудительном выкупе
Проблемы холдингового законодательства
Необходимо дальнейшее обсуждение
Структуры собственности и управления Центральным депозитарием

  • Статьи в открытом доступе
  • Статьи доступны на платной основе
Актуальные темы    
 Сергей Хестанов
Девальвация — горькое лекарство
Оптимальный курс национальной валюты четко связан со структурой экономики и приоритетами денежно-кредитной политики. Для нынешней российской экономики наиболее логичным (и реалистичным) решением бюджетных проблем является девальвация рубля.
Александр Баранов
Управление рисками НПФов с учетом новых требований Банка России
В III кв. 2016 г. вступили в силу новые требования Банка России по организации системы управления рисками негосударственных пенсионных фондов.
Варвара Артюшенко
Вместе мы — сила
Закон синергии гласит: «Целое больше, нежели сумма отдельных частей».
Сергей Майоров
Применение blockchain для развития биржевых технологий и сервисов
Распространение технологий blockchain и распределенного реестра за первоначальные пределы рынка криптовалют — одна из наиболее дискутируемых тем в современной финансовой индустрии.
Все публикации →
  • Rambler's Top100