الربيع العربي (taxfree) wrote,
الربيع العربي
taxfree

Эволюция циклического анализа в финансах

Оригинал взят у timing_solution в Эволюция циклического анализа в финансах
Автор текста: Сергей Тарасов

Введение

В этой статье я хочу объяснить эволюцию циклического анализа, применяемого в области финансов, с моей личной точки зрения. Я начал разрабатывать программное обеспечение для фондового рынка в середине 1990 года, и на тот момент у меня не было никаких вопросов/сомнений относительно циклического анализа. Тогда я хорошо знал, как применять циклический анализ и что мы можем от него ожидать, потому что у меня был большой опыт подобного рода исследований в области физики. Я полагал, что единственное, что нам нужно - это адаптировать стандартные математические процедуры и алгоритмы под реалии фондового рынка. Теперь, спустя более 20 лет, у меня все еще много вопросов и сомнений по части исследования циклов в области финансов, хотя вот уже 20 лет я работаю с этим предметом.

Хорошим примером здесь будет абстракция Сократа: «Я точно знаю, что ничего не знаю».

Классический циклический анализ

Гармонический/циклический анализ - одна из самых красивых, наиболее развитых и востребованных отраслей математики. Поэтому в середине 1990 года, имея за спиной соответствующее математическое образование (математическая школа Колмогорова) и имея большой опыт исследований в области математики (Институт ядерных исследований в России), у меня не было никаких сомнений. Мне казалось, "я знаю как".

Но моя первая же попытка провести циклический анализ с использованием стандартной библиотеки (библиотека Root CERN) для индекса Доу разочаровала меня. Полученный результат был похож, скорее, на дыхание Хаоса, вот как выглядят циклы, рассчитанные с помощью программного обеспечения Timing Solution:



Взглянув на этот график, опытный исследователь скажет вам, что это выглядит как "белый шум"; скажем, не на 100% "белый шум", ибо на графике очевидны несколько дорожек циклов, таких как ежегодный цикл и 40-месячный экономический цикл. Но фоновый шум все еще слишком весом и делает невозможным исследование индекса Доу с использованием только лишь циклической модели.

Чтобы получить какое-то впечатление о силе этого фонового шума, давайте рассмотрим два цикла: годовой и 40-месячный. Область на диаграмме прямо под пиками этих циклов, говорит об энергии, сосредоточенной в этих двух циклах. Я отметил эту область зеленым цветом:



Остальная часть области под этой диаграммой говорит об участии в игре других, пока непонятных факторов. Как вы видите, рассматриваемая «циклическая зеленая зона» слишком мала по сравнению со всей остальной областью.

Вот почему научное сообщество предпочитает не влезать в область гармонического анализа, применяемого в финансировании; математики предпочитают заявлять, что фондовый рынок непредсказуем, демонстрируя периодограмму (например, того рода, что вы видите выше), рассчитанную стандартными инструментами, и результаты которой представляются очень хаотичными. Но реальность гораздо интереснее и не так очевидна.

Доминирующие / Временные / Динамические циклы

В самом начале 90-х в финансах стали применяться два новых циклических метода: цифровая обработка сигналов (книги Джона Эйлерса, John F. Ehlers) и более современный вейвлет-анализ. Оба эти метода схожи в том, что в них мы не пытаемся искать циклы, которые "работают вечно"; вместо этого выдвигается предположение, что циклы отнюдь не вечны, что они живут только в течение определенного временного периода; что у них есть начало и конец - они "рождаются, живут и умирают". И что наша главная цель в прогнозировании - выявить "новорожденный цикл" как можно раньше. И это серьезная проблема: когда цикл набирает силу, и, соответственно, наиболее подходит в применении для торговли, его нелегко раскрыть. И наоборот - когда цикл достаточно "стар", его легко выявить (поскольку он успел "наследить"), но этот цикл уже не подходит для торговли - он уже во многом растерял свою динамику и энергию.

На веб-сайте http://www.timingsolution.com я опубликовал опубликовал достаточно статей о циклах, в которых эта проблема рассматривается.

Классический циклический анализ - в ловушке непреодолимого соблазна

Почти двадцать лет методы циклического анализа для финансов, на которыми я работал, были основаны на классических математических методах, описанных выше. Timing Solution научился выявлять быстрые циклы, модуль Cycles Hunter вычисляет вейвлет-диаграмму даже в реальном времени http://timingsolution.com/TI/7/index.htm . Был разработан специальный модуль для проведения бэктестинга для циклических моделей: http://timingsolution.com/TI/5/index.htm Он работает фантастически быстро.

Но я всегда чувствовал себя скованно в области классического циклического анализа, это как быть в закрытой комнате без свежего воздуха. Этот выглядит красиво внешне, но для торговли нам нужно что-то еще. Классический циклический анализ работает с циклами с точки зрения математических принципов, таких как преобразование Фурье, коэффициент корреляции и т. д. Тогда как в торговле используется нечто другое - общий коэффициент прибыли, соотношение прибыли/убытков, нужно учитывать величину просадки и т. д. По сути, мы имеем две совершенно разных Вселенных: красивую Вселенную циклического анализа и не такую красивую, иногда болезненную Вселенную торговли. Поверьте, нелегко найти мост между этими Вселенными.

Первый шаг - Q-Spectrum

Первый мостик между циклическими и финансовыми вселенными был обнаружен в начале 2016 года - это модуль Q-Spectrum: http://www.timingsolution.com/TS/Articles/anti_information/

В классическом циклическом анализе, когда мы оцениваем силу цикла, мы подразумеваем амплитуду этого цикла или энергию, сосредоточенную в этом цикле (Спектра́льная пло́тность мо́щности, СПМ). Все просто, когда мы имеем дело с чисто физическими данными - чем больше амплитуда, тем сильнее сила. Но для торговли нам нужно что-то другое - ведь мы не можем торговать плотностью мощности, мы не можем торговать корреляцией, мы не можем торговать амплитудой.

В модуле Q-Spectrum мы по-прежнему используем стандартные математические критерии корреляции, но для оценки эффективности цикла мы используем критерии форвардного анализа, Walk Forward Analysis (WFA). Мы уже не заботимся о амплитуде или плотности мощности цикла - теперь мы ориентируемся на прогностическую способность этого цикла, выявить которую и помогает форвардный анализ.

Вкратце идея WFA может быть объяснена таким образом: мы определяем разницу между стандартной математической процедурой подгонки некоторой кривой к котировкам (т. е., смотрим, насколько хорошо модель работала в прошлом) и ее работой в прогнозе (насколько хороша модель работает в неизвестном будущем). Ибо мы можем потратить много времени на поиск модели, которая практически идеально работает с данными из прошлого, но когда мы решаем сыграть на этой модели - она оказывается ненадежной, и в итоге мы теряем ваши деньги. Что же здесь случилось? Да ничего особенного, добро пожаловать в реальность финансов! Когда вы строите практически идеальную модель прогноза по стандартным лекалам, это не значит, что эта модель будет работать в будущем. Чтобы получить представление о том, как будет работать наша модель, нам нужно обязательно опробовать ее на территории неизведанного (а для тестирования мы используем форвардный анализ). Этим и занимается модуль Q-Spectrum, это его изюминка, и новый подход полностью меняет картину.

Классический циклический анализ создает некую кривую из предположенных данных (котировок), он хорошо находит циклы, но его не волнует, как они отработают в будущем. В то же время Q-Spectrum ориентирован на выяснение, насколько хорошо эти циклы прогнозируют будущее.

Есть еще одна важная особенность Q Spectrum: модуль проливает свет на инвертированные циклы, что позволяет начать их анализ. Я много раз сталкивался с перевернутыми циклами и всегда игнорировал их, все эти 20 лет. С точки зрения классического циклического анализа перевернутых циклов не существует - это бессмыслица, поскольку они представляют отрицательную энергию или отрицательную информацию. Применяя финансовые критерии к циклам, мы "легализируем" перевернутые циклы, потому что цикл может помочь заработать деньги, а также может "помочь" потерять деньги. Оба значения возможны: прибыль может быть положительной (выигрышной) или отрицательной (потерянной).

В течение двадцати лет я был заложником красоты классического гармонического анализа, пока однажды не выяснил, как перекинуть мостик между циклическим анализом и финансовой вселенной. Некоторое время назад новый модуль Q-Spectrum стал доступен для пользователей, и теперь, через год, я вижу, что этот модуль является один из самых используемых в программном обеспечении Timing Solution. Потребовалось много времени, чтобы осознать эту идею, но после этого все идет очень быстро.

Торговый спектрум - простота палеолита

А теперь давайте притворимся, что мы забыли о циклическом анализе; притворимся, что мы ничего не знаем о преобразовании Фурье, разнообразных корреляциях и т. д. Единственная математика, которая нам доступна - это то, как вычислять нашу прибыль (и убытки); все остальное мы не знаем и не хотим знать, нам это просто не интересно. Как можно сделать циклический анализ понятным для человека с таким подходом?

Рассмотрим 12-дневный цикл. Он начинается 1-го дня и длится 12 дней. После этого цикл повторяется и будет учитываться следующим образом:
1-2-3-4-5-6-7-8-9-10-11-12-1-2-3-4-5-6-7-8-9-10-11-12 ... , и т.д.

Назовем эту процедуру «циклическим подсчетом»: для каждого дня у нас есть свое циклическое число, которое меняется в диапазоне 1-12 для 12-дневного цикла. Первый циклический день - начало этого цикла, 6-й циклический день - половина этих циклов, а 12-й циклический день - конец этого цикла. Это то же самое, что и фазы классического циклического анализа; 1-й день = 0 градусов, 6-й день = 180 градусов, 12-й день = 360 градусов.

Теперь торговая стратегия, основанная на циклах, может выглядеть так (это торговый совет, а только условный пример): «мы можем рекомендовать вести торговлю на основе цикла в 57 торговых дней (TD), когда акции покупаются на 10-й день цикла и продаются на 36-й его день».

Это без каких-либо других знаний о фондовом рынке. Мы просто ожидаем, что акции будут расти в период между 10 и 36-м днем ​​цикла, поэтому мы должны купить на 10-м и продать на 36-м. Такие зоны (между 10 и 36 днями) мы называем «прогнозируемыми зонами», когда мы ожидаем некоторого определенного ценового движения.

Поэтому для торговли нам нужно знать всего две вещи: 1) период торгуемого цикла и 2) прогнозируемую зону или зону торговли для этого цикла. Это то, над чем ведется сейчас работа в модуле Q-Box.

«Цифровая крепость» - в ловушке простоты палеолита

Легко работать с классическим спектрумом циклов, это хорошо известная территория. Первая периодограмма была рассчитана в 1898 году Артуром Шустером, и с тех пор периодограмма является частью очень сложной и очень развитой отрасли математики. Это теперь часть курса в университетах для тех, кто будет применять спектральный анализ в своих исследованиях.

Разработка с нуля спектрума, основанного лишь исключительно на торговых критериях - совершенно другая история. Это своего рода Terra Incognita. Здесь много подводных камней, и требуется время, чтобы распознать их и найти правильное решение. Вот некоторые из них:

1) Основная проблема здесь - скорость вычислений. Например, для вычисления классического или Q-спектрума с удвоенной точностью время вычисления будет также удвоено. Для этого нового спектрума все куда сложнее - если мы удваиваем точность вычисление, то время вычисления увеличится уже не в два, в восемь раз (= 2x2x2). Для тройной точности: если классический спектрум вычисляется в 3 раза медленнее, то новый спектрум в 27 (= 3x3x3) раз медленнее.

2) Еще одна проблема - просадка или дродаун (drawdown), и я пока не нашел решения, как справиться с этой ситуацией. Проблема вот в чем: когда мы анализируем прогнозируемые зоны, то есть интервалы, подходящие для торговли, мы часто получаем торговые стратегии следующего образом:



Цена здесь между пунктами A и B идет вверх, т. е. с точки зрения торгового алгоритма это стратегия восходящего тренда. Но на самом деле мы видим, что просадка здесь неприемлемо велика. Чтобы получить 5% прибыли, мы получаем перед этим 7% просадки:



Иными словами, эта стратегия выглядит очень рискованной. Вы можете ограничить величину этой просадки здесь:



Здесь просадка не превышает 100% от прибыли. Это фактически то же самое, что и коэффициент прибыли от риска. Если вы установите низкое значение просадки (например, 20%), вероятно, программа не найдет эту проблематичную зону, что вы видите на картинке выше. Когда мы устанавливаем большую величину просадки (например, 50% или 100%), у нас будет больше стратегий, хотя у нас будет и более высокий риск.

9 сентября 2017 года
Торонто, Канада

Оригинал статьи - здесь
Tags: timing solution, обучение, циклы на рынке
Subscribe

Recent Posts from This Journal

promo taxfree may 18, 2014 10:25 200
Buy for 50 tokens
Этот пост будет всегда висеть вверху чтобы можно было сравнить развитие страны с данным прогнозом. Прогноз дан 18 мая 2014 года Многие слышали о волновой теории Ральфа Эллиотта. Для тех кто не слышал - поясню, это в некотором смысле математическая или поведенческая теория, которая описывает…
  • Post a new comment

    Error

    Anonymous comments are disabled in this journal

    default userpic

    Your reply will be screened

    Your IP address will be recorded 

  • 2 comments