МЕТОДЫ  ПРОГНОЗИРОВАНИЯ  ЦЕНОВЫХ  КОЛЕБАНИЙ  НА  ФИНАНСОВЫХ  РЫНКАХ:  ОТ  ИСТОРИИ  К  СОВРЕМЕННОСТИ

Григорян  Дмитрий  Суренович

аспирант  Владимирского  государственного  университета  имени  Александра  Григорьевича  и  Николая  Григорьевича  Столетовых,  РФ,  г.  Владимир

E-mail: 

METHODS  OF  FORECASTING  THE  PRICE’S  FLUCTUATIONS  ON  THE  FINANCIAL  MARKETS:  FROM  HISTORY  TO  MODERNITY

Grigoryan  Dmitry

postgraduate  student  of  Vladimir  state  University  named  after  Alexander  and  Nickolai  Stoletovs,  Russia,  Vladimir

АННОТАЦИЯ

Почти  все  участники  международного  валютного  рынка  сталкиваются  с  необходимостью  уменьшения  возможных  денежных  рисков,  пользуясь  при  этом  несовершенными  теоретическими  моделями  поведения  валюты  на  временной  оси.  В  научной  статье  излагаются  подающие  надежды  (перспективные)  методы,  теории  и  подходы,  используемые  для  анализа  актива  в  данный  момент.  Так  же  выделены  перспективные  пути  развития  существующих  и  будущих  методов  прогнозирования  курса  валют.

ABSTRACT

Almost  all  the  participants  of  the  international  currency  market  are  faced  with  the  need  to  reduce  the  possible  financial  risks,  with  the  imperfect  theoretical  models  of  the  behavior  of  the  exchange  on  time  axis.  In  the  scientific  article  sets  out  the  promising  methods,  theories  and  approaches  used  for  the  analysis  of  the  asset  at  the  moment.  Also  highlighted  the  promising  ways  of  existing  and  future  methods  of  forecasting  exchange  rates.

Ключевые  слова:  финансовые  рынки;  колебания  цен. 

Keywords:  financial  markets;  price`s  fluctuations.

Валютные колебания — это естественный результат системы плавающих обменных курсов, которая является нормой для большинства основных экономик. На обменный курс одной валюты против другой влияют многочисленные фундаментальные и технические факторы. Они  включают  относительный  спрос  и  предложение  на  обе  валюты,  работу  экономики,  перспективы  инфляции,  дифференциал  процентных  ставок,  движение  капитала,  технические  уровни  поддержки  и  сопротивления  и  т.  д.  Поскольку  эти  факторы  со  временем  изменяются,  стоимость  валют  постоянно  колеблется.  Хотя  курсы  валют,  как  предполагается,  определяются  состоянием  экономики,  они  часто  искусственно  корректируются,  поскольку  огромные  движения  валютных  курсов  могут  влиять  уже  на  благосостояние  экономики. 

Любой  финансовый  институт,  который  выходит  на  крупный  динамический  рынок,  заинтересован  в  успешной  и  прибыльной  сделке.  Попытка  прогнозирования  будущих  флуктуаций  цены  крайне  важна  для  банков  и  инвестиционных  фондов,  для  которых  это  основной  инструмент  извлечения  и  наращивания  прибыли. 

Изначально,  до  графической  интерпретации  цен,  люди  имели  возможность  предсказывать  будущий  курс  на  основании  фундаментальных  факторов:  природных  явлений,  глобальных  политических  событий  и  пр.  Собрав  же  определённую  историческую  статистику,  на  свет  появились  методы  графического  и  технического  анализа.  Рассмотрим  пути  их  развития  с  прошедших  лет  до  сегодняшнего  дня.

Первыми  графическими  паттернами  для  предсказания  цены  считаются  японские  свечи  Сакаты.  Он  вел  статистику  дневных  цен  на  рис  и  фиксировал  изменения  на  следующий  день  [3,  с.  40].  Большинство  свечных  формаций  с  успехом  применяются  и  в  наше  время  не  только  при  ручной  торговле,  но  и  являют  собой  цель  для  распознавания  нейронной  сетью.  Многие  из  свечных  паттернов  повторяют  форму  западных  графических  моделей.  Вместе  они  составляют  набор  геометрических  фигур,  который  стал  частью  классического  технического  анализа. 

Следующий  этап  развития  изучения  ценовых  диаграмм  —  это  попытка  свести  рыночные  флуктуации  к  математической  задаче.  Было  создано  большое  число  математических  моделей,  пытавшихся  просчитать  следующее  значение  числовой  последовательности,  к  которой  сводился  весь  рынок.  Было  открыто  несколько  способов,  которые  сейчас  также  можно  увидеть  в  любом  классическом  учебнике  по  техническому  анализу,  —  это  линии  Ганна,  числовая  сеть  Фибоначчи  и  волны  Эллиота.  Эти  инструменты  популярны  и  по  сей  день,  незначительно  корректируясь  под  мировую  финансовую  ситуацию. 

Переходя  к  более  новому  времени,  важным  событием  был  математический  аппарат  фрактальной  геометрии  (как  и  сама  фрактальная  геометрия)  за  авторством  Бенуа  Мандельброта  [1].  Так  были  связаны  воедино  теория  хаоса,  последовательность  Фибоначчи  и  фрактальная  природа  существующей  действительности.

Это  позволило  по-новому  взглянуть  на  природу  нелинейных  динамических  систем,  которой  был  признан  финансовый  рынок.  В  наше  время  активно  развивается  это  направление,  и  многие  задействуют  для  этого  специализированные  вычислительные  комплексы  для  решения  огромного  количества  дифференциальных  уравнений,  каждое  из  которых  характеризует  возможный  исход  в  одной  из  фрактальных  размерностей. 

Наряду  с  фрактальной  теорией  развивается  еще  одна,  на  этот  раз  —  самообучающаяся  система  —  нейронная  сеть.  Родилась  в  результате  высокоамбициозных  предположений  человека  о  том,  что  можно  сэмулировать  и  повторить  работу  нейронов  в  неокортексе  человека. 

Нейронная  сеть  это  огромное  количество  узлов,  условно  соединенных  друг  с  другом.  Самообучение  сети  достигнуто  установкой  обратной  связи  между  уровнями.  Успешность  анализа  числовых  последовательностей  мы  можем  видеть  на  ежегодном  конкурсе  ЛЧИ,  в  котором  специализированные  автоматизированные  системы  торгуют  на  одном  из  финансовых  рынков,  используя  заранее  прописанный  алгоритм.  Прибыльность  подобных  систем  поражает  воображение  [5]!

Сегодня  нам  доступны  огромные  вычислительные  ресурсы  вместе  с  большой  исторической  базой  данных,  которую  с  успехом  используют  в  алгоритмах  предсказания  поведения  нелинейных  динамических  систем.  Хорошим  примером  является  компания  ренессанс  технолоджис  [6],  которая  является  инвестиционной  компанией  с  отличным  уровнем  ежегодной  доходности  и  в  штате  которой  есть  математики  и  физики  с  учеными  степенями.  Они  полностью  отказались  от  предположений  и  доверили  управление  денежными  потоками  математическим  алгоритмам.  Не  отстаёт  в  технологическом  развитии  небезызвестная  компания  IBM,  которая  уже  вышла  на  финальную  стадию  разработки  системы,  состоящей  из  нейросептических  ядер,  которая  приближает  эру  когнитивных  компьютеров  [4].  В  основе  ядра  лежит  вычислительный  блок,  представленный  нейронной  сетью.  За  счет  технологического  прогресса  удалось  увеличить  количество  искусственно  созданных  нейронов  и  расширить  вычислительные  возможности  компьютерных  систем.  Это  ближайшее  будущее  породит  очередную  волну  полностью  автоматизированных  торговых  алгоритмов.

Что  касается  других  возможных  подходов  к  анализу  финансовой  отчетности  и  способности  прогнозировать  дифференциал  цен,  мне  видится  возможным  изучение  способностей  человеческого  мозга.  Как  показали  эксперименты,  проведенные  мной  некоторое  время  назад  [2],  каждый  индивидуум  обладает  способностью  к  предсказанию,  которая  является  частью  нашего  мозга.  В  данном  случае  для  осознанного  развития  навыков  финансового  анализа  помогут  уже  существующие  методы  доступа  к  человеческому  подсознанию  из  других  областей  науки. 

Если  изучить  программу  фундаментальных  научных  исследований  государственных  академий  наук  на  2013—2020  г.  то  можно  увидеть  ряд  вопросов  для  изучения,  напрямую  влияющих  на  развитие  систем  –  помощников  принятия  экономический  решений  [7].  Можно  ожидать  развитие  генетических  алгоритмов  нейронных  сетей,  мультиалгоритмических  композиций  для  решения  задач  распознавания  и  пр.  Велика  вероятность  с  течением  времени  полностью  автоматизировать  процесс  торговли.  Однако  не  стоит  забывать  о  том,  что  движущей  силой  рынка  являются  люди,  каждый  ведомый  своими  собственными  убеждениями  и  взглядами,  и,  изучая  человека,  со  временем,  мы  сможем  придти  к  наиболее  успешному  решению  задачи  предсказания  будущих  флуктуаций  экономических  инструментов.

Весь  процесс  можно  представить  в  виде  схемы  (рис.  1). 

Рисунок  1.  Схема  зависимости  между  участниками  рынка

Рыночные  отношения  рождаются  между  группой  вовлеченных  лиц  и  привлекают  людей  со  стороны.  Они  пытаются  анализировать  информацию  различными  способами  и  влиять,  либо  прогнозировать  эти  отношения  для  извлечения  собственной  прибыли.  Однако,  все  забывают,  что  рынок  создали  люди,  и  изучая  их  мы  можем  придти  к  первичному  понимаю  причин  колебания  цены.  Для  этого  мы  должны  использовать  доступные  вычислительные  мощности  и  теоретические  достижения,  но  не  должны  пускать  их  вперед  и  идти  следом.  Сейчас  происходит  процесс  автоматизации  рынков,  где  курс  цен  регулируется  не  заинтересованностью  участников,  а  программным  алгоритмом.  Поэтому  все  более  и  более  становятся  эффективны  автоматизированные  торговые  системы.  Место  естественного  шума  сейчас  занято  ошибками  торговых  роботов.  Эту  ситуацию  остается  только  принять  как  данность  и  развивать  интеллектуальные  системы  в  попытках  угадать  первичный  алгоритм  или  хотя  бы  приблизиться  к  нему.

Список  литературы:

1.Бенуа  Б.  Мандельброт  Фрактальная  геометрия  природы.  М.:  Институт  компьютерных  исследований,  2002.  —  656  с.

2.Григорян  Д.С.  Прогнозирование  поведения  финансовых  рынков  на  основе  «эмпирического  знания»  или  «предсказательных  способностей  человеческого  мозга»  //  Forex  magazine  —  2013,  —  №  470/13  —  c.  23—24.

3.Нисон  Стив.  Японские  свечи:  графический  анализ  финансовых  рынков.  Перевод  с  англ.  Дозорова  Т.,  Волкова  М.  М.:  Издательство  «Диаграмма»,  1998.  —  296  с.

4.Новости  науки  [Электронный  ресурс].  —  Режим  доступа.  —  URL:  http://www.convert-mw.ru/razrabotka-intellektual-ny-h-vy-chislitel-ny-h-mashin/  (дата  обращения:  08.01.14).

5.Официальный  сайт  Московской  Биржи  [Электронный  ресурс].  —  Режим  доступа.  —  URL:  http://investor.moex.com/  (дата  обращения:  08.01.14).

6.Официальный  сайт  Renaissance  Technologies  [Электронный  ресурс].  —  Режим  доступа.  —  URL:  http://east-front.narod.ru/memo/latchford.htm  (дата  обращения:  08.01.14).

7.Российская  Академия  наук  [Электронный  ресурс].  —  Режим  доступа.  —  URL:  http://www.ras.ru/scientificactivity/2013-2020plan.aspx  (дата  обращения:  08.01.14).