автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Модели и алгоритмы автоматизированного управления торговыми стратегиями финансового рынка

На правах рукописи

Сунцов Алексей Михайлович

МОДЕЛИ И АЛГОРИТМЫ АВТОМАТИЗИРОВАННОГО УПРАВЛЕНИЯ ТОРГОВЫМИ СТРАТЕГИЯМИ ФИНАНСОВОГО РЫНКА

Специальность 05.13.01 — «Системный анализ, управление и обработка информации (промышленность)»

Автореферат

диссертации на соискание ученой степени кандидата технических наук

Москва 2006

Работа выполнена в Институте микропроцессорных вычислительных систем РАН.

Научный руководитель доктор физ.-мат. наук, профессор, Заслуженный деятель науки РФ Решетников Валерий Николаевич.

Официальные оппоненты: доктор технических наук, профессор, Пранов Борис Михайлович.

доктор технических наук, профессор, Потресов Дмитрий Кириллович.

Ведущая организация Факультет ВМиК МГУ им. М.В. Ломоносова.

Защита состоится « Л » декабря 2006 г. в на заседании

диссертационного совета Д 212.128.07 при Московском государственном горном университете по адресу: 119991, Москва, Ленинский проспект, д.6.

С диссертацией можно ознакомиться в библиотеке университета. Автореферат разослан ноября 2006 г.

Ученый секретарь диссертационного совета, доктор технических наук

Кубрин Сергей Сергеевич

Общая характеристика работы

Актуальность. Задача эффективного распределения временно свободных денежных средств является важной и актуальной для всех участников рыночных отношений. Финансовые рынки, и прежде всего рынки ценных бумаг, представляют для инвесторов привлекательную возможность прибыльного размещения денежных средств, являясь важным элементом рыночной экономики, позволяющим перераспределять свободные средства инвесторов в наиболее эффективные ее секторы и создавать конкурентоспособную экономику страны на мировом уровне.

В диссертационной работе финансовые рынки рассматриваются с точки зрения краткосрочных и среднесрочных вложений инвесторов как альтернатива банковским депозитам сроком до одного года. Главное внимание уделяется выработке замкнутых правил торговли и вопросам, связанным с построением на их основе автоматизированных систем инвестиций (торговых систем).

Цель исследований. Целью диссертационной работы является построение новой модели извлечения прибыли на финансовом рынке, обеспечивающей эффективные краткосрочные и среднесрочные инвестиции, и разработка, в конечном итоге, программно-аппаратного комплекса, реализующего эту модель.

Идея работы заключается в использовании системного анализа для построения модели финансового рынка как основы автоматизированной торговой системы с доходностью краткосрочных и среднесрочных инвестиций, существенно превышающей соответствующие доходности для банковских депозитов при приемлемых рисках.

Основные научные положения, разработанные соискателем, и обладающие научной новизной:

1. Разработан новый критерий эффективности моделей на основе построения плотности распределения прибыли при торговле на заданных интервалах времени.

2. Разработан новый универсальный подход к моделированию торговых стратегий на финансовых рынках, отличающийся детальным структурированием "существенных движений" финансового рынка.

3. Создана система и программный комплекс моделирования, с помощью которых исследованы существующие торговые стратегии.

4. Построена новая модель рынка (торговая стратегия), отличающаяся высокой эффективностью для краткосрочных и среднесрочных инвестиций.

5. На основе предложенной модели создан программно-аппаратный комплекс, осуществляющий постоянный анализ рынка, принятие торговых решений и представляющий собой автоматизированную систему инвестирования на финансовых рынках (автоматизированную торговую систему).

Достоверность научных положений, выводов и рекомендаций подтверждается корректным использованием в проведенных исследованиях методов системного анализа, а также соответствием результатов работы внедренной автоматизированной системы инвестирования результатам моделирования.

Научная значимость работы состоит в разработке новой модели финансового рынка и ее использовании как основы для построения автоматизированной системы эффективных краткосрочных и среднесрочных инвестиций.

Практическая значимость работы. На базе построенной модели, алгоритмов и программ можно создавать рабочие места участников финансовых рынков для проведения эффективных инвестиций.

Результаты исследований, выполненных по теме диссертационной работы, нашли свое применение в созданной автором и успешно функционирующей автоматизированной системе инвестиций, размещенной на площадке ЗАО «Инист-Инвест».

Апробация работы. Основные результаты диссертации и ее отдельные положения докладывались на заседании секции "Математическое моделирование и информационные технологии" Ученого совета Института микропроцессорных вычислительных систем РАН (Москва, ИМВС РАН, 14 сентября 2006 г.), на заседании кафедры "Автоматизированные системы управления" (АСУ) Московского государственного горного университета (Москва, МГГУ, 13 ноября 2006 г.).

Публикации. По теме диссертации автором опубликованы 3 печатные работы.

Структура и объем работы. Диссертационная работа состоит из введения, трех глав, заключения и приложений. Диссертация содержит 177 страниц, 89 рисунков, пять приложений на 80 страницах. Список литературы насчитывает 31 наименование.

Содержание работы

Во введении обоснована актуальность работы, поставлена цель исследования и определены задачи, решаемые для ее достижения. Отмечена научная новизна исследования и дана краткая характеристика содержания работы и ее результатов.

В первой главе вводится ряд понятий, связанных с финансовым рынком, проводится системный анализ финансового рынка, рассматриваются торговые модели рынка.

Системный анализ финансового рынка, включая процесс моделирования, проходит последовательность четырех основных этапов (рис.1). Этапу О соответствует исследуемая система, этапу 1 — формализованная система, формируемая на основе упрощенного представления о поведении исследуемой системы, единственным требованием к которому является правильность (адекватность) отражения определенных аспектов поведения последней. Этапу 2 соответствует модель формализованной системы, этапу 3 — результаты моделирования.

В разделе 1.2 дается описание формализованной системы (фаза 1 на рис.1). В данной фазе рынок можно представить как совокупность процессов подачи заявок многими участниками (Уп, п=1,2...), на которых оказывают влияние внешние факторы и события самого рынка (внутренние факторы) (рис.2).

Фаза 1 — фаза формализации

Фаза 2 — фаза построения модели

Фаза 3 — фаза получения результатов моделирования

Рис. 1. Этапы процесса моделирования

Рис.2. Формализованная система №1

Формализованная система №1 сложна для изучения, поскольку включает участников, моделирование поведения которых проблематично (прежде всего, из-за большого количества последних). С другой стороны, практика показывает, что при достаточно большом их количестве поведение рынка перестает зависеть от отдельных участников. Поэтому целесообразно упростить формализованную систему №1, включив влияние огромного множества участников на рынок как элемент воздействия внешних факторов (рис.- 3). При этом очевидным является тот факт, что на рынок продолжает оказывать влияние история ценообразования (внутренние факторы).

Внешние Лактооы

Рис. 3. Формализованная система №2

К внешним факторам, влияющим на процессы формирования цен, можно отнести:

• Состояния и события, связанные с инструментом торговли (если инструмент — акция, то состояние инструмента определяется состоянием соответствующего предприятия: текущие активы, задолженность, доходы, прибыль и т.д.; событиями могут стать: смена руководства, решения о крупных покупках и т.д.).

• Состояния и события страны, в которой торгуется инструмент (включает состояние экономики: развитая рыночная, развивающаяся, перспективы иностранных инвестиций и т.д.; события в стране: изменение экономической/политической ситуации).

• Состояния и события в мире (состояние мира включает текущее состояние и перспективы глобальной экономической модели, мировые события: изменение этого состояния, глобальные конфликты и катастрофы и т.д.).

История ценообразования (внутренние факторы) определяется историей изменения цен и объемов сделок во времени.

В зависимости от факторов, влияющих на рынок (внешние/внутренние), все методы моделирования формализованной системы №2 принято делить на две группы: методы фундаментального анализа и методы технического анализа. Фундаментальный анализ исследует влияние на рынок внешних факторов. По состояниям и событиям внешней среды определяется, насколько переоценен или недооценен торгуемый инструмент, что, в свою очередь, позволяет получить потенциал изменения его цены. К сожалению, прогнозирование сроков реализации этого потенциала вызывает серьезные трудности (в частности, из-за необходимости учитывать очень большое количество параметров). На практике это время часто оказывается намного больше одного года, что не позволяет инвестору эффективно осуществлять краткосрочные и среднесрочные вложения. Фундаментальный анализ подходит для той категории инвесторов, которые могут инвестировать средства на довольно продолжительное время (до нескольких лет) и не боятся больших локальных убытков.

Технический анализ исследует влияние на рынок только внутренних факторов (то есть динамики цен и объемов сделок этого рынка), что определяет следующие его особенности:

• Представляется разумным предположение, что динамика цен и объемов учитывает все влияния на рынок внешних факторов, следовательно, анализ этой динамики опосредованно включает и фундаментальный анализ.

• Исследование зависимости от времени только двух параметров облегчает использование научных методов анализа, в том числе хорошо проработанных методов из других областей знаний.

• Есть надежда найти эффективную модель для коротких интервалов инвестирования. Динамика цен многих инструментов показывает, что «потенциально» можно получать прибыль на очень коротких интервалах инвестирования, например в течение торгового дня.

Данные особенности технического анализа делают его привлекательным для инвесторов, предпочитающих краткосрочные и среднесрочные вложения. Поэтому целесообразно перейти к еще одному упрощению формализованной

системы, исключив внешнее воздействие на рынок и рассматривая рынок как совокупность процессов формирования цен, на которые действует только история ценообразования. Будем считать, что все внешние факторы учитываются рынком только через изменения цен и объемов сделок (рис.4).

/ Процессы

-Ы формирования

\ цен

Внутренние факторы (история)

Рис. 4. Формализованная система №3

В дальнейшем система, изображенная на рис.4, называется просто «формализованная система», или «рынок». Характеристиками, определяющими рынок как конкретный объект из класса однотипных объектов, являются место торговли и инструмент торговли. Характеристиками, определяющими поведение рынка (динамическими характеристиками), являются рыночная цена сделки и рыночный объем сделки. Значениями этих характеристик являются значения цен и объемов сделок в конкретные моменты времени.

Раздел 1.3 позволяет получить представление о классификации существующих моделей формализованной системы. Прежде всего отметим, что целью моделирования рынка не является построение модели, позволяющей с той или иной степенью адекватности получить динамические характеристики рынка. Эта задача-максимум пока не ставится. Цель более скромная — модель должна выделять элементы структуры рынка, используя которые можно построить торговые стратегии, приносящие прибыль. Рассматриваются только объективные и замкнутые модели, то есть те модели, соответствующие торговые стратегии которых не содержат субъективных (интуитивных) элементов и способны в своих рамках отреагировать на любую ситуацию на рынке. Иными словами: такие модели должны допускать построение полностью автоматизированных торговых систем.

В подразделе 1.3.1 описывается новый универсальный подход к моделированию рынка на базе элементарных движений рынка — квантов. Анализ зависимости цены от времени показывает, что рынок имеет некоторые повторяющиеся особенности. Автор полагает, что рынок состоит из "существенных движений", выделяя которые можно получать прибыль. Существенные движения названы квантами. При этом существенное движение вверх (цена растет) названо положительным квантом (квант вверх), а существенное движение вниз (цена уменьшается) — отрицательным квантом (квант вниз). Квант открывается в начале существенного движения и закрывается в его конце. Каждая модель рынка выполняет задачу выделения

таких квантов и использования их для покупки и продажи инструмента торговли.

Существует большое количество моделей рынка. В диссертации приведены некоторые из них:

■ Волновая модель Элиота.

Элиот увидел явно выраженную структуру в диаграммах зависимостей цен от времени (бар-диаграммах). По его мнению, любая бар-диаграмма (с любым бар-интервалом, исключая, быть может, очень маленькие) состоит из 5-волновых элементов: три импульсные волны и две коррекционные волны. Каждая импульсная волна также имеет 5-волновую структуру. Коррекционные волны имеют более сложную структуру, которая также определена Элиотом. Выделенная структура является самоподобной (фрактальной). Модель Элиота является серьезным шагом на пути понимания структуры рынка, однако она не является ни объективной, ни замкнутой. На одной бар-диаграмме можно с равным основанием выделить разную структуру волн; задача продолжения бар-диаграммы часто предполагает такое большое количество вариантов, что практически невозможно объективно сделать выбор. Основная проблема использования модели Элиота состоит в том, что нет объективных правил, по которым можно определить уровень вложенности и момент окончания текущей волны.

■ Фрактальная модель Вильямса.

Вильяме отказался от подсчета волн Элиота, а сконцентрировался на выделении волн любого уровня. Для этого он ввел понятие фрактал -особая фигура на бар-диаграмме. Фракталом вверх является любой бар на бар-диаграмме, который находится выше как минимум двух баров справа и слева от него. Аналогично, фракталом вниз является любой бар, который находится ниже как минимум двух баров справа и слева от него. Верхнее значение последнего фрактала вверх и нижнее значение последнего фрактала вниз определяют пороговые (фрактальные) уровни, преодоление которых ценами определяет начало новой волны. В нашей терминологии открытие кванта вверх {вниз) в модели Вильямса происходит при пересечении ценой верхнего (нижнего) фрактального уровня. Для определения момента закрытия кванта используются эмпирически подобранные скользящие средние, изображаемые на бар-диаграммы в виде непрерывной линии. Закрытие кванта вверх происходит, если бар закрылся ниже линии, закрытие кванта вниз происходит, если бар закрылся выше линии. После открытия кванта по описанному выше фрактальному условию (сигналу) Вильяме предполагает открытие дополнительных квантов по ряду других сигналов. Недостатком модели Вильямса является наличие субъективизма: модель нужно «вовремя» включать и.выключать, а также незамкнутость — некоторые ситуации, возможные на рынке, не рассматривались, что не позволяло реализовать эту модель в виде автоматизированной торговой системы.

■ Модели на основе технических индикаторов.

Существует огромное количество методик построения моделей на базе так называемых «индикаторов», выдающих сигналы, используемые инвесторами для осуществления или планирования операций купли-продажи. Есть несколько направлений «классической» классификации индикаторов. Например, по виду определяемой особенности рынка индикаторы можно разделить на:

• Трендоследящие индикаторы — определяют устойчивое направление движения цены (тренд) - скользящие средние, индикатор Конвергенции-Дивергенции (MACD), система направлений (Directional System) и т.д.

• Осцилляторы — характеризуют рынок вне тренда, помогают определить точки разворота тренда. К ним относятся, например, индексы момента (Momentum), индекс относительной силы (RSI), стохастик-индикатор и т.д.

• Характеристические индикаторы - показывают внутреннее соотношение между спросом и предложением на рынке. Сюда можно отнести: отношение Спрос-Предложение, индекс трейдера и др.

• Графические индикаторы — на графике (бар-диаграмме) зависимости цен от времени выделяются некоторые фигуры, которые рассматриваются как особенности рынка и соответствующим образом используются инвестором. Сюда можно отнести: уровни поддержки и сопротивления, фигуры: голова-плечи, двойное дно, крышка и т.д.

Из отмеченных выше моделей на основе индикаторов требованиям объективности и замкнутости удовлетворяют только трендоследящие индикаторы и, в меньшей степени, осцилляторы. Все остальные модели в той или иной степени требуют участия человека для принятия решений.

Во второй главе предлагается новый критерий эффективности модели финансового рынка, который с большей надежностью (по сравнению с существующими критериями) дает возможность сравнивать эффективность разных моделей. Также описывается система моделирования торговых стратегий и представляются показатели эффективности для конкретных моделей рынка.

Раздел 2.2 посвящен описанию универсального критерия эффективности модели финансового рынка (торговой стратегии). Сначала формулируются следующие естественные требования к критерию эффективности:

• значения параметров критерия эффективности должны поставлять инвестору исчерпывающую информацию для ответа на вопрос: какова ожидаемая прибыль и каков ожидаемый риск при инвестировании в данный рынок на конкретный срок;

• момент инвестирования должен быть произвольным, то есть он не должен быть привязан к началу года, месяца и т.д.;

Из данных требований следует, что среди параметров критерия эффективности должен присутствовать параметр «прибыль за интервал инвестирования», и этот параметр должен быть случайной величиной, поскольку для большинства финансовых рынков, и прежде всего для рынка ценных бумаг, инвестирование в разные моменты времени на один и тот же срок даст разную прибыль.

В диссертации проанализированы многочисленные существующие критерии эффективности торговых стратегий и сделан вывод об их несоответствии изложенным выше требованиям. Причина несоответствия заключается прежде всего в том, что в существующих критериях параметры представляют собой фиксированные значения (в том числе и прибыли), полученные при однократном прогоне торговой стратегии на фиксированном интервале времени. Соответственно, по этим параметрам инвестор может судить, что было бы, если бы он начал и закончил инвестирование в конкретные моменты в прошлом. По сути, существующие критерии эффективности торговых стратегий позволяют получить лишь одну реализацию случайной величины «прибыль за интервал времени», по которой невозможно получить вероятностные характеристики этой случайной величины и, соответственно, прогнозировать ее поведение в будущем.

Новый критерий эффективности торговых стратегий заключается в нахождении вероятностных характеристик (среднего значения и плотности распределения) случайных величин Рт, определяющих относительную прибыль, получаемую при инвестировании в рынок на срок т дней. Для получения вероятностных характеристик Рт используется последовательность

}, где Аа - значение активов (капитала) на день с/. ¿ей, где £> - базовый интервал, £>>тах(т).

Базовый интервал выбирается исходя из следующих соображений:

• он должен быть достаточно большим, чтобы получить представительную статистику Рт для максимального т;

• он не должен быть слишком большим, чтобы не искажать статистику Рт слишком старыми данными;

• желательно чтобы он был равен величине естественного периода в торговых процессах;

В соответствии с вышеизложенными соображениями для интервалов инвестирования от недели до полугода автором рекомендован размер базового интервала, равный одному году.

Вероятностные характеристики Рт строятся следующим образом. В результате моделирования торговой стратегии получаем {А<1}. Затем находим

{Р?}-.Р? = А**т ~А*, й >0, т> 0.

Здесь Р" - относительная прибыль при инвестировании в день <1 на срок т, А0 - средства, предназначенные для извлечения прибыли (для стратегии

инвестирования с реинвестированием А0= Ad, без реинвестирования А0 = const).

Затем строим плотность распределения Рт и ее среднее значение:

рт .

и йг- начальный и конечный день для {р^}). Кроме плотности распределения Рт и среднего значения Рт автор рассматривал вспомогательные характеристики Рм: максимальный убыток при инвестировании на срок т (Макс.минуст) и вероятность получения любого убытка при инвестировании на срок т ( Вер.минуст ).

Вспомогательные характеристики можно определить по {р/}:

Макс.Минуст = тшс1 > 0, т> 0;

В ер.Минус™ =соиШ({р" \ < Ъ) / соиШ{{р™}),

где соиМ(а,Ь) подсчитывает количество элементов в последовательности а, удовлетворяющих условию Ъ.

Итоговые характеристики Рт для некоторой модели А1 приведены на рис.5. Они несут исчерпывающую информацию о том, какие прибыли и риски следует ожидать при инвестировании на срок т.

Тиккер: EESR D«2001r.-2004r. m = 90 дней

Pm«0,16 Макс.мннус = -0,064 Вер.м1шус= 0,08

О OS 0 1 О If 0 3 I» он f

Интервалы относительной прибыли

Рис. 5. Итоговые характеристики прибыли для модели А1 при инвестировании в РАО ЕЭС на 90 дней в 2001-2004 годах

Раздел 2.3 посвящен системе моделирования для получения характеристик эффективности различных моделей рынка (торговых стратегий). Система базируется на описанном в первой главе диссертации универсальном подходе к моделированию рынка на базе элементарных движений — квантов. Базовый набор "параметров системы моделирования включает:

• имя торговой стратегии (кванта);

• торговая площадка (например, ММВБ, FORTS);

• торговый инструмент (например, акции РАО ЕЭС, тиккер - EESR);

• общий временной диапазон, внутри которого происходит моделирование; критерии эффективности стратегии будут рассчитываться для всех базовых интервалов, входящих в общий временной диапазон;

• величина бар-интервала моделирования;

• стоп-лосс — максимальное нежелательное отклонение цены инструмента внутри кванта от цены открытия, задается в процентах от цены открытия, если нежелательное отклонение цены превышает значение стогълосса, квант закрывается по текущей цене (с убытком);

• дополнительное закрытие — минимальное желательное отклонение цены инструмента внутри кванта от цены открытия кванта, при котором квант закрывается (с прибылью); задается в процентах от цены открытия кванта;

• комиссионные расходы на выполнение операций открытия (закрытия) квантов; задаются в процентах от цены сделки;

• проскальзывание - среднее значение «ухудшения» цены реальной сделки по сравнению с желаемой ценой; очень важный параметр, требует тщательного изучения; игнорирование может привести к серьезным ошибкам;

• стратегия управления капиталом (например, стратегия управления без реинвестирования прибыли заключается в том, что квант всегда открывается на фиксированную сумму средств, независимо от имеющихся на этот момент прибылей или убытков);

• входная фильтрация; использование данного параметра предполагает задание НЧ-фильтра, посредством которого будет осуществлена предварительная фильтрация входных данных;

• параметры, задаваемые пользователем;

Структура системы моделирования приведена на рис.б. Система реализована на базе платформы Microsoft Excel в среде Visual Basic. Особенностью системы является однократный расчет квантовой структуры для большого количества комбинаций параметров моделируемой торговой стратегии, что существенно экономит время моделирования.

Уровень 0. Получение первичных данных

• Источник первичных данных

Первичные данный

Уровень 1. Приведение первичных данных в формат системы

и

; К шорт —► Разделение Преобразование Входная фильтрация

Контроль правильности импорта

Уровень 2. Построение интервалов и квантовой структуры

С

Задание параметров модели

; Построение интервалов V

С

^ Создание квантойой структуры

Уровень 3. Моделирование квантов.

Задание специфических параметров моделирования (проскальзывание, комиссия, реинвестирование) .......

< Моделирование для всех значений параметров с. получением выходных статистик

Уровень 4. Сборка всех данных моделирования и построение сводной таблицы

Сбор данных по всем значениям параметров, добавление в базу данных ■

Построение

сводных

таблиц

Калибровка модели

Уровень 5. Построение интегральной модели

Выделение наиболее Моделирование • • Калибровка

эффекхивных моделей для —► 'интегральной модели —► модели

выбранных инструментов,? и построение ■ 1,.

торговли и бар-интервалов > сводных таблиц

Рис. 6. Структура системы моделирования и иллюстрация процесса моделирования

Раздел 2.4 посвящен представлению и анализу результатов, полученных при помощи описанной выше системы моделирования. Вначале производится предварительный отбор моделей, наиболее пригодных для построения автоматизированных торговых систем.

По результатам отбора выделено два класса моделей: модели на базе фрактального сигнала Вильямса и модели на базе индикатора МАСО. Автор доработал эти модели с целью обеспечения требований объективности и замкнутости, а также произвел их ортогонализацию с целью обеспечения рассмотрения всех существенных параметров.

Доработанные модели были детально проанализированы с помощью системы моделирования на исторических данных по нескольким ценным бумагам (акции РАО ЕЭС, ЛУКОЙЛа и др.), торговавшимся на ММВБ за период с 2001 года по 2004 год. Результаты анализа представлены в соответствии с универсальной методикой, изложенной выше. В качестве базовых временных интервалов рассматривались отдельные годовые интервалы (2001, 2002, 2003, 2004 годы), а также один общий интервал, включающий все четыре года. При сравнении результатов особое внимание обращалось на стабильность получения положительного значения Р т для всех интервалов инвестирования на всех базовых интервалах, а также на характеристики риска инвестирования.

Обе модели показали обнадеживающие результаты, однако доходность моделей оказалась недостаточной для их непосредственного использования в автоматизированных торговых системах. Модель на базе индикатора МАСО показала несколько большую эффективность по сравнению с моделью на базе фрактального сигнала Вильямса, однако модель на базе фрактального сигнала Вильямса, по мнению автора, базируясь на очень перспективной основе (фрактальность рынка), оставляла больше пространства для доработок. В результате модель на базе фрактального сигнала Вильямса легла в основу авторской модели рынка.

В третьей главе рассматривается новая модель рынка, приводятся показатели ее эффективности и описывается построение полностью автоматизированной торговой системы, реализующей эту модель.

Новая модель построена путем доработки фрактальной модели Вильямса. Доработки касались устранения субъективности, неоднозначностей, обеспечения требования замкнутости. В частности, пересмотрен алгоритм закрытия квантов, рассмотрены новые типы квантов, кванты с индексами, определены алгоритмы открытия-закрытия квантов на одном баре и т.д. Кроме этого, для повышения эффективности модели использовалась входная фильтрация сигнала, введена возможность дополнительного закрытия кванта при изменении цены в лучшую сторону (по отношению к цене открытия кванта) на статистически обоснованную величину, а. также ряд других добавлений и изменений.

В данной модели кванты различаются по направлению (вверх, вниз), по типу (белый, красный), по возможности одновременного существования

нескольких квантов одного типа (параллельный, последовательный). Есть вспомогательные кванты для сбора статистики (например, холостой). Красный квант имеет один числовой индекс, показывающий на каком фрактальном уровне он был открыт (относительно состояния отсутствия красного кванта), белый квант имеет два числовых индекса: первый указывает номер красного кванта, в котором открыт белый квант, второй — номер фрактального уровня, «породившего» этот квант. Автором проанализированы модели на базе всех перечисленных выше квантов с диапазоном изменения индексов от 1 до 4. На рис. 7 показаны некоторые кванты: красные параллельные вверх с индексами 1 и 2 (К1 вверх и К2 вверх), белые параллельные вверх с индексами 1,1 и 1,2 (Б 1-1 вверх и Б-.1-2 вверх).

Авторская методика позволяет строить комбинированные (интегральные) модели на основе наиболее «перспективных» квантов. Строя такие модели, всегда нужно помнить, что комбинация должна быть обоснована на уровне структуры рынка, иначе она окажется банальной оптимизацией по известным данным и в дальнейшем приведет к разочарованиям. Полученные показатели эффективности наиболее «перспективных» квантов К1 вверх, Б1-1 вверх и Б1-1 вниз показывают, что они зависят от величины бар-интервалов. Принимая фрактальность рынка, разумно сделать вывод, что эти различия - временные и объясняются естественной изменчивостью рынка. Поэтому естественным шагом было использование одновременной работы на нескольких бар-интервалах. Базируясь на данных соображениях, была разработана интегральная модель рынка. В этой модели торговля шла одновременно на трех бар-интервалах (60, 90 и 120 мин) с использованием квантов К1 вверх и Б1-1 вверх, также была использована работа кванта Б1-1 вниз на интервале 60 минут. В результате, по сравнению с исходными моделями, улучшились показатели доходности и уменьшились риски.

Показатели эффективности интегральной модели, представлены на рис.8.

Интервалы относительной прибыли

«

3

И

ос АН

РЗ е.»

0 ?ъ

еа е г

•л

<-*

еа 0 1

те л »-

с=и

са °

-СИ.

Тиккер: ЕКЭК

1> — 2001г.-2004Г. га"1 30 дней

1>т= 0,05

Л1 а КС. м ч 11 у с — -0,083

Вер.минус =■ 0,26

а

.СП...... ЛИ

Интервалы относительной прибыли

Щ-

:0=

Тиккер: EF.SK 1» — 2001г.-2004г. ш = 90 дней

Р»- 0,16

Макс.минус — -0,0«4

Вер.минус " 0,08

11. Г!

Интервалы относительной прибыли

Тиккер: ЕКвК. О — 2001г.-2004г. III 180 дней

Рт-0,28 Макс.минус■■ Вер.минус —

-0,018 0,01

ЛЕ

гзге

"1

Интервалы относительной прибыли

Рис.8 Показатели эффективности интегральной модели

Они демонстрируют результаты, достаточные для достижения целей диссертации. В частности, при инвестировании на 180 дней (ш=180) доходность инвестиций составила 56% годовых (Рт = 0,28), а показатели риска, то есть вероятность получить убыток (Вер. Мину с = 0,01) и максимальное значение этого убытка (Макс.Минус = -0,018), близки к нулю. При инвестировании на сроки 30 дней и 90 дней доходности еще выше (60% годовых и 64% годовых соответственно), однако появляются заметные показатели риска (см. рис.8). Доходности, демонстрируемые интегральной моделью, существенно выше рыночных российских доходностей для банковских депозитов соответствующей срочности. Автор рекомендует использовать интегральную модель для инвестиций на срок 180 дней для получения высокой доходности при минимальном риске.

Высокие результаты, продемонстрированные интегральной моделью, позволяют использовать вышеописанную комбинированную стратегию в работе полностью автоматизированной торговой системы.

В разделе 3.3 описывается работа автоматизированной торговой системы на основе интегральной модели. Торговая система технически реализована в виде макросов на языке Visual Basic под Microsoft Excel. Работа этой системы полностью определяется торговыми процессами — реализацией элементарных моделей рынка, образующих в совокупности единую интегральную модель. Каждый процесс торговли обрабатывается в соответствии с внутренним протоколом торговли. Этот протокол является программной реализацией соответствующей модели торговли.

Входная информация поступает от брокера через специальную программу-шлюз Quik. В перечень ее возможностей входит передача данных о текущих и собственных сделках на рынке в виде строки напрямую в заданную страницу Excel, а также прием команд на осуществление операций в специальном формате через текстовый файл обмена. Торговая система взаимодействует с программой-шлюзом, обрабатывая входящую информацию и выдавая управляющие команды. Обработка входной информации в системе устроена по принципу многозадачности и многопроцессности. Работа торгового автомата построена на последовательной обработке событий протоколов торговли с помощью таблицы состояний, каждая клетка которой представляет собой реакцию автомата на набор состояние-событие. Создание данной таблицы являлось наиболее сложным процессом, включающим в себя формализацию торгового алгоритма автора.

Реакция автомата, в частности, включает взаимодействие с процессами более низкого уровня, например процессами заявок, которые устроены аналогично процессам торговли и определяются отдельным протоколом. Обработка процессов заявок подразумевает выставление и отслеживание элементарных условий, выполнение которых приводит к изменению состояний процессов торговли. Кроме того, процессы заявок управляют процессами нижнего уровня (процессами транзакций), осуществляющими выдачу управляющих команд непосредственно в программу-шлюз.

В системе предусмотрена возможность восстановления после фатального сбоя (при полной или частичной потере данных, на основе истории операций).

Кроме того, система позволяет управлять и настраивать параметры в режиме реального времени, без остановки торговли, что обусловлено техническими возможностями Excel считывать информацию непосредственно из ячеек таблиц. На данный момент система функционирует практически полностью автономно (требует включения оператором в начале торговой сессии и закрытия дня с выключением в конце).

В разделе 3.4. описана система учета и контроля торговых операций. Необходимость построения данной системы была обусловлена наличием большого числа независимых процессов торговли (включая обычную торговлю посредством трейдера) и потенциально возможным расширением количества автоматизированных торговых систем.

Система учета и контроля состоит из независимых систем внутреннего и внешнего учета, описанных в подразделах 3.4.1. и 3.4.2. В подразделе 3.4.3 приведена система автоматической генерации и проверки бухгалтерских проводок по результатам торговых операций. Для удобства оператора в систему создания проводок заложена страница настройки, позволяющая переопределить счета для различных типов операций в случае изменения структуры учета, законодательства или нормативных актов. Проводки формируются в виде текстового файла, содержащего строки специального формата, поддерживаемого программой Турбо Бухгалтер. Проверить правильность построения проводок и работы всей системы учета в целом можно с помощью общей сводной таблицы распределения средств на всех счетах.

В заключении приводятся результаты, достигнутые в рамках проведенной работы, отмечаются пути дальнейшего развития предлагаемой методики.

В приложении приведены диаграммы плотности распределения прибыли для всех моделей, рассмотренных в диссертации.

Заключение

В диссертационной работе приведено законченное исследование в области системного анализа финансовых рынков, разработки критериев эффективности торговых стратегий на финансовых рынках, разработки торговой стратегии, обеспечивающей эффективные среднесрочные и краткосрочные инвестиции, разработки специального математического и программного обеспечения, позволяющего на базе постоянного анализа рынка и автоматизированного принятия решений эффективно управлять торговыми стратегиями на финансовых рынках.

Основные выводы и научные результаты работы:

1. Проведен системный анализ финансовых рынков, разработан новый подход к моделированию финансового рынка на базе элементарных движений рынка.

2. Разработан новый критерий эффективности торговых стратегий на основе построения плотности распределения прибыли при торговле на заданных интервалах времени.

3. Создана система и программный комплекс моделирования, с помощью которых исследованы существующие торговые стратегии.

4. Построена новая модель рынка.

5. На основе новой модели рынка создана автоматизированная система анализа рынка и принятия решений (автоматизированная торговая система).

Публикации по теме диссертации

1. Сунцов A.M. Системный анализ финансовых рынков. — Высокопроизводительные вычислительные системы и микропроцессоры. - Сборник научных трудов ИМВС РАН. - М.: 2006.

2. Сунцов A.M. Система моделирования и оценки эффективности торговых стратегий. — Программные продукты и системы (приложение к журналу "Проблемы теории и практики управления"). — 2006. — №3 (75). -С. 38-41.

3. Сунцов A.M. Проблемы построения автоматизированных торговых систем для автоматической торговли на финансовых рынках. — Сборник трудов Центра визуализации и спутниковых информационных технологий ИМВС РАН. - М.: 2006.

Введение

Глава 1. Системный анализ финансовых рынков

1.1. Этапы системного анализа.

1.2. Построение формализованной системы (Фаза 1)

1.3. Классификация существующих моделей рынка

1.3.1. Квантовая структура рынка

1.3.2. Волновая модель Элиота

1.3.3. Фрактальная модель Вильямса

1.3.4. Модели на основе технических индикаторов

Глава 2. Определение эффективности работы модели финансового 17 рынка

2.1. Существующие критерии эффективности модели рынка

2.2. Авторский критерий эффективности модели рынка

2.3. Система моделирования торговых стратегий

2.4. Моделирование торговых стратегий

2.4.1. Постановка задачи

2.4.2. Предварительный отбор моделей

2.4.3. Модель на базе фрактального сигнала Вильямса

2.4.4. Модель на базе индикатора MACD

2.4.5. Результаты моделирования

Глава 3. Построение автоматизированной торговой системы

3.1. Авторская модель рынка

3.1.1. Показатели эффективности кванта К

3.1.2. Показатели эффективности кванта Б1

Задача эффективного распределения временно свободных денежных средств является важной и актуальной для всех участников рыночных отношений. Финансовые рынки, и, прежде всего, рынки ценных бумаг [20], представляют для инвесторов привлекательную возможность прибыльного размещения денежных средств, являясь важным элементом рыночной экономики, позволяющим перераспределять свободные средства инвесторов в наиболее эффективные ее секторы и создавать конкурентно-способную экономику страны на мировом уровне. В данной диссертационной работе финансовые рынки рассматриваются с точки зрения краткосрочных и среднесрочных вложений инвесторов как альтернатива банковским депозитам сроком до одного года. Главное внимание уделяется выработке замкнутых правил торговли и вопросам, связанным с построением на их основе автоматизированных систем инвестиций (<торговых систем).

Целью диссертационной работы является построение новой модели извлечения прибыли на финансовом рынке, обеспечивающей эффективные краткосрочные и среднесрочные инвестиции, и разработка, в конечном итоге, программно-аппаратного комплекса, реализующего эту модель.

Для решения поставленной задачи необходимо построить модель финансового рынка. Определение финансового рынка дается в главе 1 диссертации. На данном этапе ограничимся констатацией важной характеристики финансового рынка - наличия потенциальной возможности осуществления чрезвычайно эффективных инвестиций. Данная характеристика привлекает большое количество исследователей, которые, по сути, строят модели рынка, помогающие инвестору получать на рынке прибыль. Всех исследователей можно разделить на две большие группы. В первую группу входят исследователи, строящие свои модели на основе строгих научных подходов, пытающиеся понять объективную структуру рынка. К этой группе можно отнести Малдельброта, посвятившего много времени построению аналитической модели рынка [11], Элиота, предложившего волновую структуру рынка [16], Вильямса, изучавшего структуру рынка и развивавшего теорию Элиота [17,18], Кравчука, пытавшегося использовать теорию фильтрации для выделения полезных сигналов, составляющих структуру рынка [6-9] и т.д. Во вторую группу входят исследователи, строящие модели рынка, в основном, на основе своей интуиции, «авторитетного» мнения, поверхностных, глубоко не обоснованных суждений. В результате появилось огромное количество моделей рынка. Для того чтобы понять, существуют ли среди них модели, позволяющие достичь цели, поставленной в данной диссертации, требуется провести их предварительный отбор на базе простого и естественного критерия (см. п. 1.3): модель должна быть объективна и замкнута, то есть не содержать субъективных (интуитивных) элементов и быть способной отреагировать на любую ситуацию на рынке. Очевидно, что данному критерию не удовлетворяют модели, авторы которых относятся ко второй группе. Однако и модели авторов первой группы не в полной мере удовлетворяют данному критерию (см. главу 1). Основная причина этого, по мнению автора, состоит в том, что исследователи не применяют системный анализ рынка как объекта, что, в свою очередь, приводит к нечетким постановкам задачи, к нечетким и неточным критериям эффективности моделей (см. п. 2.1, 2.2).

Для решения поставленной в диссертации задачи, прежде всего, необходимо провести системный анализ рынка как объекта [10], определить критерии эффективности моделей этого объекта, на основании этого критерия произвести предварительный отбор наиболее перспективных моделей, получить показатели эффективности этих моделей, на их основе произвести сравнение моделей. После этого можно будет понять, какие модели могли бы быть использованы для решения задачи, поставленной в диссертации. Данный анализ был произведен в главах 1 и 2 диссертации. В результате данного анализа были отобраны две наиболее «перспективные» модели: модель на базе фрактального сигнала Вильямса и модель на базе индикатора MACD. Эти модели были детально проанализированы, получены показатели их эффективности, дающие основание на использование этих моделей в качестве основы для модели, обеспечивающей решение поставленной в диссертации задачи. Модель на базе фрактального сигнала Вильямса была признана автором наиболее перспективной. На ее основе была создана новая эффективная модель рынка, обеспечивающая решение поставленной в диссертации задачи.

Новыми решениями, полученными в работе, являются:

1. Новый критерий эффективности моделей на основе построения плотности распределения прибыли при торговле на заданных интервалах времени.

2. Новый универсальный подход к моделированию торговых стратегий на финансовых рынках, отличающийся детальным структурированием "существенных движений" финансового рынка.

3. Система и программный комплекс моделирования, с помощью которых исследованы существующие торговые стратегии.

4. Новая модель рынка (торговая стратегия), отличающаяся высокой эффективностью для краткосрочных и среднесрочных инвестиций.

5. Программно-аппаратный комплекс, осуществляющий постоянный анализ рынка, принятие торговых решений и представляющий собой автоматизированную систему инвестирования на финансовых рынках (автоматизированную торговую систему).

В процессе проведения исследований автором получены следующие результаты, выносимые на защиту:

1. Разработан новый критерий эффективности моделей на основе построения плотности распределения прибыли при торговле на заданных интервалах времени.

2. Разработан новый подход к моделированию торговых стратегий на финансовых рынках.

3. Создана система и программный комплекс моделирования, с помощью которых исследованы существующие торговые стратегии.

4. Построена новая модель рынка (торговая стратегия).

5. На основе предложенной модели создана автоматизированная система -рабочее место участника финансовых рынков для проведения эффективных инвестиций.

Результаты исследований, выполненных по теме диссертационной работы, нашли свое применение в созданной автором автоматизированной и успешно функционирующей системе, размещенной на площадке ЗАО «Инист-Инвест».

Заключение

В диссертационной работе получены следующие результаты:

1. Проведен сравнительный анализ существующих критериев эффективности торговый стратегий.

2. Предложен универсальный метод сравнения эффективности работы торговых стратегий на основе построения плотности распределения прибыли при торговле на заданных интервалах времени.

3. Предложен универсальный подход к моделированию торговых стратегий и создана система моделирования, с помощью которой были получены показатели эффективности классических и авторских моделей.

4. На основе анализов результатов пункта 3 создана новая эффективная интегральная модель рынка.

5. На основе новой модели создана полностью автоматизированная система анализа рынка и принятия решений (автоматизированная торговая система).

6. Создана система учета и контроля торговых операций.

7. Подтверждена возможность извлечения прибыли на финансовом рынке на постоянной и объективной основе.

Цели диссертационной работы достигнуты: построена новая модель рынка, обеспечивающая возможность получения на нем прибыли на постоянной и объективной основе. Размеры прибыли и величины рисков данной модели приемлемы для применения соответствующей автоматизированной системы торговли в области краткосрочного и среднесрочного инвестирования. Автоматизированная система торговли внедрена в промышленную эксплуатацию в коммерческой структуре (площадка ЗАО «Инист-Инвест»), где успешно работает в течение двух лет. Наиболее перспективным направлением совершенствования системы автор видит в использовании современных методов фильтрации как на этапе входной обработки рыночных данных, так и для формирования линий, управляющих закрытием квантов.

1. Сунцов A.M. Системный анализ финансовых рынков. -Высокопроизводительные вычислительные системы и микропроцессоры / сборник научных трудов ИМВС РАН, М., 2006.

2. Сунцов A.M. Система моделирования и оценки эффективности торговых стратегий. -Программные продукты и системы, №3 (75), 2006, с. 38-41.

3. Сунцов A.M. Проблемы построения автоматизированных торговых систем для автоматической торговли на финансовых рынках / сборник трудов Центра визуализации и спутниковых информационных технологий ИМВС РАН, М., 2006.

4. Сунцов М.Е. Язык моделирования сложных информационных систем. -Проблемы информационных систем / МЦНТИ, М., 1985, №1, с 80-105.

5. Меладзе В.Э. Курс технического анализа. -М.: «Серебряные нити», 1997.

6. Кравчук В. Новый адаптивный метод следования за тенденциями и рыночными циклами. Валютный спекулянт, Декабрь, М., 2000, с.48-53.

7. Кравчук В. Спектральный анализ колебаний валютного курса EUR/USD по методу максимальной энтропии. Валютный спекулянт, Январь, 2001, М., с.14-17.

8. Кравчук В. Прогноз курса EUR/USD на основе AT&CF метода. -Валютный спекулянт, февраль, 2001, М., с.20-23.

9. Кравчук В. AT&CF метод в модели с постоянным рычагом. - Валютный спекулянт, май, 2001, М., с.22-26.

10. Месарович М., Такахара Я. Общая теория систем: математические основы. -М.: Мир, 1978.

11. Мальдельброт Б. Фракталы, случай и финансы. М.: Институт компьютерных исследований, 2004, 256 с.

12. Э. Айфичер, Б. Джервис, Цифровая обработка сигналов. Практический подход. М.: Издательский дом «Вильяме», 2004, 992 с.

13. А.Я. Боярский, JI. JI. Викторова, A.M. Гольдберг Общая теория статистики. М.: Финансы и статистика, 1985, 367 с.

14. М.Бусленко Н.П. Моделирование сложных систем. -М.: Наука, 1968.

15. Д. Феррари Оценка производительности вычислительных систем. М.: Мир, 1981.

16. Фрост А.Н. Полный курс по закону волн Элиота. М.: ИК Аналитика, 2001.

17. Вильяме Б. Торговый Хаос. Экспертные методики максимизации прибыли. М.: ИК Аналитика, 2000.

18. Вильяме Б. Новые измерения в биржевой торговле. Экспертные методики максимизации прибыли. М.: ИК Аналитика, 2001.

19. Стивен Б., Акелис Технический анализ от А до Я.

20. Рынок ценных бумаг. Учебник / Под редакцией Галанова В. А. и Басова А.И. М.: «Финансы и статистика», 2002.

21. Эрлих А. Технический анализ товарных и финансовых рынков. Прикладное пособие. М.: ИНФРА-М, 2001.

22. Мэрфи Дж. Технический анализ фьючерсных рынков: теория и практика. / Пер. с англ. М., 1998г.

23. Швагер Дж. Технический анализ. Полный курс. М.: Изд-во Альпина Паблишер, 805 стр.

24. Шарп Уильям Ф. Инвестиции. М.: Изд-во Фабоцци, 932 стр.

25. Perry J. Kaufman Trading systems and methods / John Wiley & Sons, 703 p.

26. Ральф Вине Математика управления капиталом. Методы анализа риска для трейдеров и портфельных инвесторов. М.: Изд-во Альпина Паблишер, 401 стр.

27. Том ДеМарк Технический анализ новая наука. - М.: Изд-во Диаграмма, 328 стр.

28. Базы данных Microsoft Access, http://www.microsoft.com/rus/office/Editions/Access2003.mspx

29. Описание программы MetaStock. Сайт разработчика: http://www.equis.com

30. Русский перевод: http://strade.spb.ru/metastockl.html

31. Описание программы Omega TradeStation http://riland.narod.ru/HTML/lib.html

32. Micr osoft Office 2003. Описание http://www.microsoft.com/rus/office/Editions/Excel2003.mspx.