Casual
РЦБ.RU

Динамические ряды индексов - отражение тенденций мышления инвесторов

Август 2007


ПОСТАНОВКА ПРОБЛЕМЫ

    Отражение результатов деятельности фондовых бирж принято представлять в виде динамических рядов соответствующих индексов. При этом данную информацию на своих страницах публикуют издания не только специализированные, но и рассчитанные на большую аудиторию. Более того, заставкой к телевизионным передачам по экономике на многих телеканалах служит динамический ряд как символ фондового рынка. В результате деятельность инвесторов в большинстве случаев обусловлена анализом графиков и попыткой предугадать будущие тенденции. Фактически данная точка зрения в значительной мере соответствует реальности.
    При тщательном рассмотрении проблемы принятия решения инвесторами на основании тенденций, имевших место в прошлом, возникает множество вопросов. Главный из них: чем руководствуется конкретный субъект фондового рынка в своих действиях? Область предлагаемых ответов чрезвычайно широка. Некоторые из них основаны на фундаментальном анализе, некоторые - на техническом. Есть области, которые соприкасаются с другими разделами экономики и прочими науками. Так, в последнее десятилетие очень активизировались исследования проблем, которые оказались на стыке экономики и психологии. В этом случае поведение человека в экономической среде рассматривается под влиянием субъективно-психологических факторов. Основоположниками данного направления принято считать таких известных экономистов, как Джевонс, Парето, Пигу.

УСЛОВНЫЙ ПРИМЕР

    Рассмотрение данной проблемы на примере фондового рынка может трактоваться следующим образом. Допустим, что условный индекс характеризуется такой динамикой: 2, 3, 4, 5. Исходя из приведенных данных, мнения экспертов относительно следующего значения показателя могут различаться. Одни эксперты могут предположить, что следующее его значение должно быть равным 3, другие - 6, третья группа сделает допущение, что он равен 4,5. В данном случае первую группу можно условно отнести к пессимистам, вторую - к оптимистам, третью - к прагматикам. Кто из них окажется в итоге прав, покажет следующее значение индекса. При этом в различных ситуациях в выигрыше может оказаться любая группа. Фактически в данной условной ситуации принимаемые решения во многом будут определяться психологией и знаниями конкретного человека, которые базируются на его опыте и предпочтениях.
    Данный момент, с нашей точки зрения, можно выразить математически с помощью определенных функций. В качестве таковых было решено использовать экспоненциальную, линейную и полиномиальную функции. Следует отметить, что количество функций не ограничено только 3 видами. Насчитывается больше 10 основных видов, а функции с различными комбинациями могут исчисляться многими десятками. Любая из них может быть использована. Выбранные нами функции имеют следующий вид:

    у = а0 + еа1Jх;
    y = a0 + a1Jx;
    y = a0 + a1Jx2.

    Рассмотрим применение данных функций на условном примере (табл. 1, рис. 1). На основании полученных результатов можно сделать несколько выводов. Первый из них связан с тем, какой знак имеют отклонения значений функций от первичных данных. Все знаки, кроме одного, совпали. Однако при этом значение имеет тот факт, насколько существенными были данные отклонения, т. е. их адекватность исходным данным. Оценить это позволяет величина коэффициента детерминации между фактическими и выровненными значениями. В нашем примере они оказались небольшими, при этом высокий коэффициент был у полиномиальной, а низкий - у экспоненциальной функции.
    Необходимо также отметить следующее. В данном случае в наиболее выигрышной ситуации оказался бы условный инвестор, чья логика мышления соответствовала действиям, описываемым уравнением полиномиальной функции, в проигрыше - инвестор с логикой поведения по экспоненциальной функции. На рис. 1 видно, что действия инвестора в соответствии с полиномиальной функцией в первой половине динамического ряда должны были быть более "оптимистичными" по сравнению с другими функциями, а на последней трети исходных данных - менее "оптимистичными". При экспоненциальной функции ситуация была противоположной: действия инвестора на начальном этапе близки прямолинейным и "пессимистичны". Однако на конечных этапах они оказались наиболее "оптимистичными" из всех расчетных данных. Как уже отмечалось, данная позиция была ошибочной.
    Как же реализовать предложенную логику анализа данных на практике? Естественно, простое выравнивание динамики фондовых индексов или курса акций по той или иной функции - давно известные и применяемые на практике приемы. Предлагаемый нами подход для решения данной проблемы базируется на использовании принципа скользящего окна. Данный принцип был положен нами в основу при расчетах скользящей скорости и скользящего ожидания1. В данном случае использована методика расчета последнего показателя с определенными незначительными трансформациями. Конкретная ее реализация осуществлялась в несколько этапов.
    На первом этапе осуществляется выравнивание первичных данных за определенный период времени по соответствующим функциям. Как уже отмечалось, мы решили остановиться на 3 видах. Однако в принципе возможен выбор любой функции. Также важное значение имеет определение ширины окна сглаживания или периода. Эти данные будут учтены при расчете функции. В приведенных ранее публикациях мы уже останавливались на обсуждаемой проблеме. Следует лишь отметить, что ширина окна в значительной степени влияет на характер получаемой в дальнейшем новой кривой.
    На втором этапе на основании полученных функций производится прогнозирование значения на один период вперед. Таким образом, делается допущение, что логика действий конкретного инвестора предопределена исходя из прошлых событий и его "приверженности" той или иной функции.
    На третьем этапе окно определения функции смещается на один период (шаг) вперед и производится расчет новых ее параметров и, соответственно, прогнозных значений.
    На четвертом этапе делается оценка адекватности спрогнозированных значений по выбранным функциям фактическим значениям аргументов. При этом спектр используемых методов достаточно широк: от корреляции между прогнозируемым и фактическим показателями до различных способов оценки остатков между ними.
    Заключительный этап должен дать возможность оценить, какой тип инвесторов преобладает на данном рынке в тот или иной момент времени, а соответственно, и облегчить ситуацию с прогнозированием будущих событий.

ПРАКТИЧЕСКАЯ АПРОБАЦИЯ МЕТОДИКИ

    Проверку сделанных теоретических предположений и суждений решено было апробировать на примере динамики изменения индекса РТС. На рис. 2 приведена динамика индекса с 4 января 2003 г. по 19 апреля 2007 г. Всего динамический ряд насчитывал 1068 исходных значений. Мы выделили основные локальные тренды, которые имели место в течение анализируемого периода времени. Преобладающими при этом оказались тенденции роста обшей продолжительностью 838 дней с разбивкой на 11 периодов. Соответственно, общая продолжительность спада на рынке была равна 230 дням, которые входили в 10 периодов.
    Для выравнивания первичных данных было решено использовать 3 вида приведенных функций и 2 различных периода ширины окна оценки параметров функций: 10 и 20 дней. Выбор временных интервалов был обусловлен тем, что первый из них должен ориентироваться на отражение текущих тенденций, в то время как второй - среднесрочных. Соответственно, полученный динамический ряд сократился на величину ширины выбранного окна.
    Мы не будем приводить все результаты обработки, а ограничимся лишь отображением некоторых данных по линейной функции (рис. 3). Как видно на рис. 3, новые данные довольно хорошо согласуются с основными трендами. Аналогичной была ситуация и с другими функциями. Полученный результат вполне закономерен. Это объясняется тем, что, во-первых, ширина окна оценки функции была небольшой, а во-вторых, функции были подобны. Таким образом, при анализе необходимо сосредоточивать внимание в отдельных деталях полученных результатов.
    Приступая к этой работе, мы решили рассчитать коэффициенты корреляции между первичными и полученными данными по каждой функции.
    При этом теснота связи определялась как скользящая величина с шириной окна, равного 10 и 20 дням. Таким образом, был использован принцип, как и при расчете значений соответствующих функций. Его использование привело к сокращению анализируемых данных еще на 10 и 20 периодов соответственно. Выбор данной методики был обусловлен тем, что простой расчет коэффициента корреляции за весь период приводит к получению некорректных значений через существенную автокорреляцию в динамических рядах. В результате величина данных коэффициентов между всеми динамическими рядами оказалась близка по всем функциям к 1. В то же время средняя их величина между первичными и полученными значениями при ширине окна, равного 10 дням, по экспоненциальной функции равнялась 0,465, линейной - 0,467 и полиномиальной - 0,4825. При ширине окна, равного 20 дням, эти показатели были равны соответственно 0,401, 0,404 и 0,410. Исходя из этих результатов, можно сделать вывод, что ни одна из использованных функций не отражает четко реальный ход событий на фондовом рынке. Несколько лучше это делает полиномиальная функция, хуже - линейная и экспоненциальная функции. Данный вывод относится ко всему периоду.
    Для детального анализа полученных результатов рассмотрим связь между первичными и полученными данными в разрезе выделенных периодов спада и подъема индекса РТС (табл. 2, 3).
    Представленная информация позволяет сделать вывод, что в периоды подъема инвесторы больше склонны доверять тенденциям. Вместе с тем наибольшие значения коэффициентов парной корреляции между полиномиальной функцией и фактическими данными свидетельствуют о том, что инвесторы предпочитают на начальных этапах повременить с принятием конечных решений и, лишь убедившись в наметившейся тенденции, начинают действовать. Данные положения логичны и давно известны, но нам удалось с помощью конкретных данных констатировать их.
    В периоды спада значение коэффициентов корреляции при ширине окна сглаживания, равного 10 дням, несущественно отличалось от их величины в периоды подъема. При ширине окна сглаживания, равного 20 дням, разница между данными коэффициентами была значительной. Как видно из табл. 3, фактически она свидетельствовала об отсутствии зависимостей между прогнозными значениями, определенными по функциям, и фактическими данными. Исходя из этого, можно предположить, что в среднесрочной перспективе в периоды, когда происходит изменение тенденций, действия инвесторов хаотичны. То есть, когда обозначится тенденция спада, действия субъектов рынка будет полностью определять текущая конъюнктура. Инвесторы не склонны делать даже среднесрочные прогнозы и исходить, соответственно, из среднесрочных тенденций прошлых событий. В периоды подъема ситуация выглядит более определенно и прогнозируемо. Эти выводы можно предвидеть. Они лишь констатируют тот факт, что в лучшие времена на фондовом рынке брокеры подвержены коллективному влиянию дальнейшего продолжения процветания и получения прибылей. Ведь порой тяжело осознавать даже расчетливым профессионалам факт окончания процветания и начала плохих времен, тем более что точно спрогнозировать их всегда трудно.

ЗАКЛЮЧЕНИЕ

    Проведенный нами анализ позволил выявить определенные тенденции, имеющие место на фондовом рынке и тесно связанные с принятием инвесторами решений. Предложенную методику можно значительно углубить путем увеличения количества видов используемых функций, а также комбинации ширины окна их оценки. При этом адекватность результатов может возрасти.
    Любое понимание происходящих процессов и логики принятия тех или иных решений всегда давало возможность совершить меньше ошибок тому, кто оценил это первым, чем тому, кто в критические моменты находился в неведении. Эта истина четко проявляется на фондовых площадках. Мы надеемся, что наше исследование при его практическом применении позволит ответить на отдельные вопросы, которые в конечном счете уменьшат риски инвесторов.

    E-mail автора: dm_shiyan@rambler.ru.




  • Рейтинг
  • 1
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
Пути взаимодействия ФСФР и СРО
РЦБ-CASUAL: премьера прошла успешно. Журнал "Рынок ценных бумаг" провел в Карелии первый неформальный выезд с друзьями и партнерами
Российский рынок акций: итоги первого полугодия и прогноз на вторую половину 2007 г.
Газпром: финансовые итоги 2006 г.
Инфраструктурная отрасль: на пороге бума
Оценка эффективности управления ОПИФ категории фондов акций
Структурированные продукты: что внутри?
Расчеты через трансъевропейскую автоматизированную экспресс-систему валовых расчетов в режиме реального времени TARGET1 / TARGET2
Карфаген должен быть разрушен
Потенциал ипотечного рынка России колоссален
Стандартизация ипотеки - основной залог качества ипотечных ценных бумаг
Законодательные аспекты секьюритизации
Секьюритизация доходов от коммерческой недвижимости
Закладная: понятие, практика применения и проблемы
Некоторые статистические закономерности динамики курса валютной пары "евро-швейцарский франк"
Автоматический графический анализ
Динамические ряды индексов - отражение тенденций мышления инвесторов

  • 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