15
Автор доктор техн. наук,
профессор Савченко Владимир Васильевич
Ставится и решается задача создания динамической модели рыночной
конъюнктуры, способной быстро адаптироваться к разнообразным формам
внешних корректировок курса ценных бумаг.
Введение. Распространение компьютерной техники и новых информационных
технологий в самых разных сферах человеческой деятельности не могло не
затронуть, причем кардинальным образом, такую важную для общества в
целом и до недавнего времени узко специальную сферу как фондовый рынок,
или рынок ценных бумаг. Особенно это относится к планированию и
организации биржевой игры как основного механизма рыночного
ценообразования. А появление в последние годы разнообразных
информационных систем, нацеленных на подключение к биржевой игре
клиента-пользователя в режиме «on-line» непосредственно с его рабочего
места через сеть Internet привело к формированию целой армии игроков,
представляющих интересы множества компаний, фирм и даже частных лиц, до
этого никак не связанных с рынком ценных бумаг. Одновременно с
указанным процессом и, может быть, как его следствие, резко возрос
интерес к новым методам обработки информации со стороны не только
специалистов-исследователей, но и практиков биржевой игры. Именно этим
категориям читателей в первую очередь и адресована настоящая статья. В
её основу были положены как ранее опубликованные работы автора [1…3],
так и ряд новых результатов, полученных им в процессе своей
практической деятельности в качестве игрока на Московской межбанковской
валютной бирже в период с января по июнь 2003 г.
Проблема нестабильности рыночной конъюнктуры. Спекулятивная биржевая
игра или игра на колебаниях курса ценных бумаг вызывает повышенный
общественный интерес прежде всего по причине своей потенциально высокой
доходности. Разумеется, указанная доходность в определённой мере
“уравновешивается” риском крупных потерь. Любой приемлемый план игрока
на очередную торговую сессию (рабочий день биржи) сводится по сути к
поиску разумного компромисса между ожидаемым доходом, с одной стороны, и
возможными потерями в неблагоприятной ситуации, с другой. Очевидно, что
чем лучше принятый план согласован с динамикой рыночной конъюнктуры, тем
большим будет эффект от его воплощения в жизнь. Задача состоит, таким
образом, в предвидении или прогнозировании поведения рыночных цен на
будущую торговую сессию [4].
Проблема заключается в том, что используемые прогнозы принципиально
ограничены по своей точности и надёжности, т.е. сопровождаются
значительными ошибками ввиду воздействия на рыночную конъюнктуру
множества случайных, не учитываемых факторов. Особенно остро данная
проблема возникает в условиях российского рынка ценных бумаг с
характерной для него нестабильностью спроса и предложения. Как
результат, резко возрастает риск и соответственно снижается активность
игроков, при том что возможности биржевой игры в условиях кризиса
объективно возрастают (за счёт больших амплитуд колебаний рыночных цен в
пределах торговой сессии). На преодоление данного противоречия в
основном и нацелено проведённое ниже исследование. Его исходным пунктом
и одновременно главным мотивом явилась идея о действии двух механизмов
формирования рыночной конъюнктуры. Первый из них доминирует на
стабильном рынке и реализует в своей основе принцип саморегулирования
курса ценных бумаг в процессе осуществляемых торгов. В теории и практике
биржевой игры он отображается в виде вполне определённой математической
модели поведения рынка в динамике. Второй механизм отталкивается от
возможности внешних корректировок рыночных цен в интересах какой–либо
группы влиятельных участников рынка (любая их реакция на важные текущие
общественные события в форме массовых покупок или продаж по сути и есть
такая корректировка рынка, часто носящая вынужденный характер). Его
значение особенно возрастает в условиях кризиса, когда, во-первых,
естественное состояние рыночной конъюнктуры перестаёт удовлетворять
большинство участников рынка и поэтому резко возрастает интенсивность
предпринимаемых ими попыток рыночных корректировок. И, во вторых,
механизм саморегулирования разбалансированного рынка объективно
оказывается ослабленным, и поэтому возрастает эффект от внешних
корректировок цен при минимальных объёмах вкладываемых в них средств и
максимальной оперативности. Планирование биржевой игры в указанных
условиях находится в прямой зависимости от той или иной альтернативы
поведения рынка в динамике, т.е. должно носить многоальтернативный
характер. Представленная статья посвящена методологии именно такого рода
планирования.
Принципы многоальтернативного планирования биржевой игры. Реальное
поведение рыночных цен отражает в своей динамике чередования кратких
периодов плавного или естественного развития рынка под действием его
механизма саморегулирования с периодами или даже моментами
предпринимаемых внешних корректировок цен. Каждая конкретная сессия
может быть априори отнесена к любому из указанных периодов. Правильная
идентификация последнего со стороны участника-игрока является главным
условием его успешной биржевой игры при нестабильной рыночной
конъюнктуре. Только решив безошибочно эту важную задачу, игрок
обоснованно определяется с выбором наилучшего плана покупок и продаж на
будущую торговую сессию. К сожалению, в большинстве ситуаций игрок
заранее не может быть уверен ни в самом факте внешней корректировки
цен, ни в её точных параметрах по каждому виду ценных бумаг. Сказанное
вынуждает игрока не торопиться со своим выбором, по крайне мере, до
начала очередной сессии. Его дальнейшие действия основываются на
следующих наблюдениях.
Если корректировка цен кем-то и производится, то чаще всего именно в
самом начале торгов, когда позиции большинства участников рынка в
максимальной степени не определены и эффект от предпринимаемых её
инициаторами усилий также максимален. Поэтому уже в первые минуты торгов
по мере постепенного уменьшения спрэда (разница между ценами спроса и
предложения) общее соотношение сил между “быками” и ”медведями”
становится в целом понятным. Если корректировка отсутствует, то цены
закрытия предыдущей сессии плавно переходят в цены открытия сессии
очередной. Напротив, если цены открытия резко (скачком) изменились, это
почти безошибочно указывает на предпринятую попытку их корректировки.
Причём амплитуда указанного ценового скачка является важной и во многом
исчерпывающей характеристикой интенсивности внешней корректировки.
Полученная информация служит решающим аргументом в пользу наилучшего
плана биржевой игры на данную торговую сессию. Например, если игрок,
наблюдая по своему монитору начальную динамику цен, приходит к выводу об
отсутствии сколько-нибудь существенных внешних возмущений рынка, то
предпочтение им отдаётся плану покупок и продаж, основанному на
краткосрочных прогнозах естественного поведения рыночной конъюнктуры.
Если, напротив, игрок зафиксировал предпринятую кем-то попытку
корректировки рыночных цен, первоначальный план (назовём его основным)
им заменяется на альтернативный, рассчитанный на конкретный вид внешней
корректировки. Отметим, что в общем случае альтернативных планов
биржевой игры может быть не один, а несколько при учёте разных вариантов
ожидаемых внешних корректировок.
И основной, и альтернативные планы игры составляются игроком накануне
торговой сессии на основании краткосрочных прогнозов динамики рыночной
конъюнктуры. В начале же каждой сессии игрок выбирает наилучший для себя
план из имеющихся в его распоряжении альтернатив. Причём указанный выбор
осуществляется им по очевидному принципу максимальной близости реально
складывающихся на открытие сессии цен на разные виды ценных бумаг с
различными вариантами их прогнозов: одним основным и несколькими
альтернативными из числа подготовленных игроком накануне. Чем выше
квалификация игрока, тем меньше времени ему требуется для
предварительного анализа текущего состояния рынка по поступающим
оперативным данными и тем выше будет эффект от практического
осуществления выбранного плана игры в пределах торговой сессии.
Таким образом, в условиях нестабильной рыночной конъюнктуры, когда
попытки внешних корректировок цен со стороны различных групп участников
рынка предпринимаются особенно часто, оптимальные действия игрока по
планированию биржевых операций на предстоящую сессию осуществляются в
следующем порядке:
1) накануне торговой сессии по данным ретроспективных наблюдений над
конъюнктурой рынка ценных бумаг игроком составляется основной и ряд
альтернативных ему планов покупок и продаж, рассчитанных на разные
варианты возможной внешней корректировки цен;
2) непосредственно в начале торгов игрок, основываясь на ценах
открытия, определяется в пользу одного (наилучшего) из подготовленных им
планов;
3) данный план принимается игроком как руководство к действию на время,
оставшееся до окончания торгов.
По завершении сессии при подготовке к очередному торговому дню все
перечисленные операции повторяются в той же последовательности. Отметим,
что фактор времени в этой методике играет первостепенную роль. В особо
сложных ситуациях, когда рынок ценных бумаг сильно разбалансирован,
первичный анализ его конъюнктуры может потребовать от игрока очень
большого времени, сопоставимого с продолжительностью всей торговой
сессией. Однако это, по видимому, неизбежная плата за достигаемое
снижение риска потерь благодаря осуществляемому согласованию плана игры
с текущим состоянием рыночной конъюнктуры. Отсюда, в частности, следует
вывод, что ключевым звеном предлагаемой методики является её первый,
подготовительный этап, который отталкивается от набора альтернативных
прогнозов динамики рынка ценных бумаг.
Проблема состоит в том, что само понятие альтернативных прогнозов до
настоящего времени мало изучено. Между тем, на эвристическом уровне оно
давно и успешно эксплуатируется. Любой игрок-практик, приходя на сессию,
сначала сверяет свои ожидания (читайте: прогнозы) с реальным состоянием
рынка и только по результатам такого анализа приступает к практическим
действиям. Причём нередко первоначальный план игры он в ходе сессии
меняет на принципиально другой, т.е. альтернативный план, который лучше
согласуется с текущей рыночной конъюнктурой. Однако такой примитивный
вариант альтернативного планирования пригоден разве что для относительно
стабильного рынка. На нестабильном рынке требуется более строгий подход,
рассчитанный на множество альтернатив возможных ценовых корректировок.
Задача сводится к созданию универсальной динамической модели рынка,
способной быстро адаптироваться к разнообразным внешним возмущениям.
Довольно общий подход к её решению в распространении на разные виды
ценных бумаг и разную степень нестабильности рыночной конъюнктуры
основывается на линейной динамической модели стохастического процесса
типа “авторегрессия” [5].
Авторегрессионая модель динамики рыночной конъюнктуры. Конъюнктура рынка
ценных бумаг характеризуется целым рядом количественных показателей,
среди них максимальная (за сессию) цена спроса по каждому виду бумаг,
минимальная цена предложения, средневзвешенная цена сделок и другие. В
этом ряду особая роль отводится цене последней сделки по результатам
торгового дня или цене закрытия. Именно цена закрытия (ЦЗ) кладётся в
основу расчета текущего курса ценных бумаг на большинстве
валютно-фондовых бирж. Поэтому и планирование биржевой игры
основывается, главным образом, на данном конъюнктурном показателе.
Рассмотрим любой конкретный вид ценных бумаг. Например, это могут быть
акции какого-либо предприятия, его долговые обязательства или контракты.
Обозначим для них ЦЗ по результатам рабочего дня биржи как c(t), где t
=1,2,…– дискретное время или порядковый номер торговой сессии в ряду
других, предшествующих ей сессий. Тогда конечная разность первого
порядка x(t)=c(t)-c(t-1) будет характеризовать приращение курсовой
цены в процессе осуществляемых торгов. При x(t)>0 говорят о росте курса
соответствующей ценной бумаги, при x(t)>1 распространяется в
своих приложениях на рыночную конъюнктуру разной степени нестабильности
и разные варианты корректировок рыночных цен. Так, текущему состоянию
рынка до момента очередной корректировки цен отвечает стационарная
АР-модель (4) со стабильным шумом возмущения. Стабильном в том смысле,
что его дисперсия не меняется во времени, т.е.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. Константа 2 и определяет, в конечном итоге, предельно
достижимое снизу значение дисперсии или среднего (статистического)
квадрата ошибки прогнозирования для любого текущего момента времени
t=n+1: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. В
таком случае оценка прогнозирования (2), (3) реализует механизм
саморегулирования рыночной конъюнктуры в отсутствие внешних возмущений.
В момент же воздействия на рынок ценных бумаг сильного внешнего
возмущения ошибка прогнозирования резко возрастает. Это очевидное для
практики положение находит своё естественное отражение в рамках
универсальной модели (4) с нестационарным шумом (t). Его дисперсия в
указанный момент времени мгновенно увеличивается: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.
Прогноз биржевых котировок по формуле (2) в указанных условиях
утрачивает свой первоначальный смысл. Более того, меняется сама логика
планирования биржевой игры: решение принимается по факту состоявшейся
корректировки в расчете на прогноз краткосрочной реакции рынка на данную
корректировку. Например, одна и та же корректировка цен «вверх» в
зависимости от момента ее проведения может либо переломить тенденцию
рынка со спада на рост на 2 – 3 дня подряд, либо исчерпать собой весь
его потенциал к росту и тем самым приблизить начало периода спада. Ясно,
что трейдер в указанных условиях должен формировать свою позицию в
пределах текущей, (n+1)-ой торговой сессии в зависимости от прогноза
реакции рынка на очередную, (n+2)-ю и последующие за ней несколько
сессий. Таким образом, вместо первоначального (основного) прогноза
составляется альтернативный прогноз, точнее, несколько прогнозов на
период с (n+1)-ой по (n+k)-ю сессии, настроенные на различные виды и
параметры предпринимаемых корректировок рыночных цен.
В основу альтернативного краткосрочного прогноза кладется иная,
откорректированная АР-модель динамики цен (4): ее вектор весовых
коэффициентов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должен соответствовать новому состоянию рынка. В принципиальном
отношении она не отличается от предыдущей модели: это по-прежнему
стационарный АР-процесс (4), параметры которого не меняются до следующей
корректировки цен (отметим, что модель стационарного процесса
теоретически не накладывает никаких серьезных ограничений на множество
своих реализаций).
К сожалению, во многих случаях конкретный вид и параметры осуществляемых
корректировок большинству участников рынка заранее не известны. Иными
словами, в условиях “возмущённого” рынка при подготовке к очередным
торгам игрок должен исходить из много альтернативности вероятных
корректировок цен, сам факт проведения которых к тому же не очевиден.
Довольно конструктивным способом учёта такой ситуации может служить идея
многоальтернативного прогнозирования курса ценных бумаг на краткосрочную
перспективу в зависимости от варианта осуществляемой корректировки.
Пусть ??– это номер альтернативы, а L – их (альтернатив) суммарное
число. Тогда для любого текущего момента времени t=n будем иметь L
различных вариантов ожидаемого приращения ЦЗ по каждому виду ценных
бумаг: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. (5)
Здесь b? –значение приращения, характеризующее степень и направление:
плюс или минус предполагаемой корректировки. Чем больше b? отличается от
основного прогноза по формуле (2), причём в любую сторону: вверх или
вниз, тем интенсивнее соответствующая корректировка. При этом основной
прогноз, обозначим его как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, даёт примерный ориентир при выборе всех допустимых альтернатив из (5),
например, по правилу «трех сигма» вида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?=1,2,…,L, где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 — дисперсия случайных
колебаний ЦЗ (легко оценивается по конечной выборке наблюдений).
Отметим, что на практике число альтернатив L обычно не превышает
нескольких единиц. Подставляя значения (5) в выражение (3), из (1) по
индукции при k=1,2,… будем иметь набор альтернативных краткосрочных
прогнозов поведения рыночной конъюнктуры в динамике для всех
рассматриваемых вариантов корректировок. Каждый из них кладётся игроком
в основу его соответствующего альтернативного плана на будущую торговую
сессию, рассчитанного на конкретный вид ожидаемой внешней корректировки.
Если, например, какая-то корректировка цен b? приводит к
продолжительному (2 — 3 торговые сессии подряд) росту курса ценной
бумаги, то это явный сигнал к ее (бумаги) предпочтительным покупкам в
пределах текущей (n+1)-ой сессии. В случае же прогнозируемого на
ближайшую перспективу спада цен на ту же ценную бумагу в рассматриваемом
альтернативном плане она, напротив, предназначается к быстрой продаже. В
любом варианте своих будущих действий игрок добивается положительного
результата за счёт предварительного анализа спрогнозированной реакции
рынка на каждый вид возможной корректировки цен. Отметим, что для
большинства других участников рынка такая его реакция в течение долгого
времени, по крайне мере до следующей, (n+2)-й сессии не выглядит
очевидной. А это резко увеличивает их риск потерь в условиях
нестабильного рынка.
Таким образом, и основной, и альтернативные ему планы биржевой игры на
будущую торговую сессию отталкиваются от рекуррентного выражения (3) при
его инициализации либо по формуле (2) – в основном варианте плана, либо
согласно системе равенств (5) – во всех альтернативных планах. Задача
сводится, в таком случае, к настройке или, говорят, адаптации АР-модели
(4) под каждый конкретный ряд данных. Теория такой адаптации, по крайней
мере, для стационарного случая, в настоящее время хорошо изучена и
широко представлена в новейших разработках различных фирм-производителей
компьютерных программ. При этом предпочтение следует отдавать методам с
улучшенными динамическими свойствами [5]. Насколько продуктивен
предложенный подход, показывают следующие результаты его практической
апробации в условиях реального рынка ценных бумаг.
Пример практического применения. Работа проводилась в режиме ежедневных
торгов на ММВБ, точнее, на вынесенном АРМ трейдера (игрока),
организованном согласно договору между НГЛУ (клиент) и Нижегородским
НБД-банком (сервер). Программа апробации включала в себя ежедневные
вычисления краткосрочных прогнозов цены закрытия биржи по акциям РАО ЕЭС
согласно выражениям (1)…(5) на интервале k
Нашли опечатку? Выделите и нажмите CTRL+Enter
