Содержание к диссертации
Введение
Глава 1. Применение экономико-математических методов в процессе принятия решений на финансовом рынке 11
1.1 Прогнозирование на финансовом рынке 11
1.1.1. Проблемы предсказания рынка 12
1.1.2 Фундаментальный анализ 12
1.1.3 Технический анализ 14
1.2 Технический анализ 16
1.2.1 Графические методы 18
1.2.2 Математические методы 23
1.2.3 Торговые системы принятия решений на рынке ценных бумаг 36
1.3 Анализ методов управления капиталом 38
Глава 2. Системный подход к построению и оптимизации торговой системы на основе экономико-математических методов управления капиталом
2.1 Формирование процедуры реализации системного подхода 43
2.2 Разработка методов управления рисками в проектируемой системе 50
2.2.1 Разработка метода защитных остановок (МАЕ-М) 50
2.2.2 Метод добавления позиций (MFE) 56
2.3 Процедура оценки изменения и влияния факторов оптимизации и риска на разрабатываемую систему и их анализ 64
2.3.1 Создание и анализ функции инвестиционной агрессивности 64
2.4 Формирование стратегии принятия инвестиционных решений на основе методов управления капиталом 75
Глава 3. Практические вопросы, связанные с реализацией системного подхода к построению и оптимизации торговой системы на основе экономико-математических методов управления капиталом
3.1 Создание, тестирование и предварительная настройка параметров модели.. 78
3.1.1 Исходные условия и данные 78
3.1.2 Определение основных моментов построения торговых механических систем 79
3.1.3 Тестирование и предварительная настройка системы 82
3.2 Оценка эффективности сделок и определение зависимостей в системе 88
3.2.1 Определение эффективности сделок 88
3.2.2 Определение серий, использование линейной корреляции 93
3.2.3 Предварительная подготовка и анализ исходных данных 97
3.3 Оптимизация первичных правил контроля над рисками и функция инвестиционной агрессивности 98
3.3.1 Применение метода МАЕ и его модифицированного варианта 98
3.3.2 Оценка изменения и влияния факторов оптимизации и риска на разрабатываемую систему и их анализ 103
3.3.3 Создание и анализ функции инвестиционной агрессивности 104
3.4 Построение стратегии принятия инвестиционных решений на основе методов управления капиталом 106
Заключение 109
Список использованной литературы 111
Приложение 116
- Торговые системы принятия решений на рынке ценных бумаг
- Разработка методов управления рисками в проектируемой системе
- Определение основных моментов построения торговых механических систем
- Оптимизация первичных правил контроля над рисками и функция инвестиционной агрессивности
Введение к работе
Актуальность темы исследования. Мировое финансовое сообщество переживает бурный рост связанный с феноменальным развитием технологий за последние два десятка лет. Компьютерная революция способствует реализации сложных математических моделей направленных на анализ финансовых рынков. Потенциальному частному инвестору становятся доступными многие финансовые инструменты, в том числе и их производные, что ранее рассматривалось лишь как прерогатива крупных богатых банков и корпораций. Используя всемирную информационную сеть интернет, управление собственными банковскими и брокерскими счетами становится возможным, не выходя из дома. В то время как часто обостряющаяся конкуренция со стороны эмитентов разных финансовых инструментов приводят к различным финансовым кризисам, большие колебания цен на акции и другие активы сулят потенциально высокий доход от операций на фондовом рынке. Как следствие, многие финансовые институты, в частности, банки и инвестиционные компании, а также и частные лица, проявляют активнейший интерес к подобной финансовой игре.
Вследствие всего вышесказанного становится очевидным важность выбора такой тактики поведения которая обеспечила бы доходность превышающую среднюю по рынку при приемлемом уровне риска, то есть более высокую чем при пассивном инвестировании в акции предприятий и компаний, имеющих хорошие финансово-экономические показатели на протяжении некого промежутка времени в прошлом. Такой подход, кроме того, что может однажды привести к потери части вложенного капитала из-за изменений инвестиционного климата, так и не позволит получить максимально возможную экономическую отдачу, что, безусловно, не устроит ни одного потенциального инвестора. Накопленные за последние сто лет знания и опыт, касающиеся изменений тех или иных рыночных тенденций позволяют с помощью технического анализа выявить наличие закономерностей с определенной долей вероятности описывающих как сами эти тенденции, так и их возможные изменения.
Устойчивая в последние годы мода на финансовый технический анализ с использованием стандартных методик оценки изменения и влияния различных факторов на рынок диктует свои условия: данный инструментарий инвестора не всегда может дать однозначный ответ на тот или иной вопрос, касающийся оптимального вложения денежных средств, так как множество вариантов применения анализа требует практически ценных и современных наработок. Все современные эффективные методики по применению средств технического анализа для успешного прогнозирования котировок являются коммерческой тайной компаний их использующих.
Технический анализ рынка акций предъявляет высокие требования к точности выдаваемых прогнозов или времени для вхождения в рынок. Сами прогнозируемые возможные котировки являются, с точки зрения технического анализа, ни чем иным как проекцией рыночных флуктуации и психологического фактора участников рынка на неизвестное будущее. Не являясь наукой, в прямом смысле этого слова, технический анализ обращается к сложным математико-статистическим методикам, теории игр и статистике, теориям вероятностей и хаоса, генетическим и нейросетевым моделям.
Техногенная революция, принесшая с собой возможность использования мощностей суперЭВМ 70-х на рабочем столе любого инвестора, положила основу развитию и применению различных финансовых индикаторов, выдающих сигналы на покупку или продажу, либо указывающих на существование различного рода тенденций. Основные виды индикаторов и особенности их применения рассматриваются в работах Мерфи, Элдера, Уайлдера, Де Марка и др. Однако, не смотря на накопленный опыт в области применения средств технического анализа, этот инвестиционный аппарат не позволяет проанализировать и оценить торговую систему - являясь лишь основой механизма принятия первичных решений он оставляет открытым этот вопрос. В последние годы, наряду с развитием методов технического анализа, была заложена и постоянно развивается теория управления капиталом для торговых систем на основе математических методов. Теория управления капиталом для торговых систем нашла отражение в трудах Свини, Винса, Бэбкока, Шанде и др. Оптимизация торговых систем приносит свои плоды превосходящие по результативности отдачу от применения средств технического анализа. Именно грамотное применение методов управления капиталом позволяет многократно усилить эффект от употребления средств технического анализа. Вместе с тем, существующие методы управления капиталом применяемые к моделям технического анализа не всегда дают адекватную оценку созданной математической системе. Являясь оптимизационной надстройкой над математической базой технического анализа, теория управления капиталом, в отличие от самого технического анализа, тем не менее позволяет в некоторой мере проанализировать результаты работы торговой системы, однако, вследствие молодости этого научного финансового направления остаются открытыми многие вопросы анализа как результатов, так и самой возможности применения оптимизационных методов управления капиталом.
Следуя всему вышесказанному, в создании эффективной методики анализа, оценки и оптимизации, основанной на применении модифицированных и комбинированных методов управления капиталом для имеющейся математической модели принятия инвестиционных решений, реализованной в качестве механический торговой системы, автор и видит актуальность темы данной диссертационной работы.
Цель и задачи исследования. Основной целью диссертации является повышение эффективности инвестиционных решений для получения максимально возможной прибыли при различных уровнях риска, при уменьшении фактора человеческого участия в процессе принятия решений на фондовом рынке, посредством созданной методики оценки и оптимизации торговых механических систем, построенной на основе модификации и комбинирования существующих методов управления капиталом.
Исходя из этой цели в работе поставлены следующие задачи:
• Проанализировать наиболее распространенные существующие методы технического анализа с освещением их основных достоинств и недостатков.
• Обосновать необходимость применения методов управления капиталом как механизма повышения доходности и уменьшения риска в рамках комплексного подхода к реализации инвестиционных стратегий.
• На основе анализа имеющихся методов управления капиталом создать новую комбинированную методику повышения прибыльности механических торговых систем.
• Разработать методику оценки механических торговых систем с позиции "Доходность от применения методов управления капиталом / Риск".
• Реализовать комплексный подход к процессу инвестирования в акции посредством применения механических торговых систем.
• Реализовать стратегию принятия инвестиционных решений на основе модифицированных методов управления капиталом.
Создаваемая методика оценки и оптимизации механической торговой системы с одинаковым успехом может быть применена не только к рынку акций, но и к другим финансовым рынкам таким как фьючерсный рынок, рынок государственных или корпоративных ценных бумаг и др.
Предмет и объект исследования. Предмет исследования - торговые системы, то есть системы экономико-математических методов технического анализа, базирующихся на оценке и анализе изменения значений таких моделей технического анализа как индикаторы-осцилляторы, сигнальщики, трендовые модели. Система включает в себя как анализ изменения ценовых тенденций, так и процесс принятия решений при инвестировании. Объектом исследования является система методов управления капиталом основанных на добавлении позиций и управлении рисками. Для проведения исследования использовалась биржевая информация о результатах торгов акций компаний Microsoft1 (MSFT), USX US STEEL GP (X), Boeing Co (BA)2.
Теоретическая основа и методы исследования. В диссертации проанализирован обширный материал по финансовому анализу, методам экономического прогнозирования и управления капиталом, статистике по фондовому рынку - фундаментальные и прикладные работы ведущих отечественных и зарубежных ученых, публикации специализированных журналов, материалы научных конференций, ресурсы всемирной информационной сети интернет. В работе используются такие диалектические методы как анализ и синтез; инструментальные методы, относящиеся к экономико-математическому аппарату, применяемому в теории финансового менеджмента, математической статистике, теории вероятностей.
Научная новизна данного диссертационного исследования состоит в разработке и применении модифицированных комбинированных методов управления капиталом для решения задачи повышения эффективности инвестирования на рынке акций. В ходе работы получены следующие основные научные результаты:
• На основе анализа методов защитных остановок при неблагоприятном движении рынка (МАЕ) и добавления позиций при благоприятном движении рынка (MFE) предложен модифицированный метод защитных остановок (МАЕ-М), суть которого заключается в сокращении риска торговой системы.
• Введен новый инструмент - функция инвестиционной агрессивности, позволяющая реализовать методику оценки механических торговых систем с позиции "Доходность от применения методов управления капиталом / Риск".
• Разработана и реализована методика двухуровневого комплексного подхода к процессу инвестирования в акции посредством применения механических торговых систем.
Практическая ценность диссертационной работы заключается в создании научно обоснованной и экспериментально доказанной прикладной методики построения и оценки инвестиционной механической торговой модели принятия решений, использующей модифицированные методы управления капиталом. В настоящее время разработанная автором методика доведена до уровня практических рекомендаций, рассмотренных и принятых к использованию на Московской Центральной фондовой бирже.
Материалы проведенного исследования могут быть использованы в учебном процессе при проведении занятий, посвященных реализации инвестиционного подхода посредством механических торговых систем, а также по темам, связанным с проблемами применения финансового анализа ценных бумаг, методов технического анализа, при рассмотрении рыночных рисков и реализации инвестиционных стратегий.
Положения, выносимые на защиту. Автором выносятся на защиту следующие основные положения:
• Возможность применения методов управления капиталом, как механизма повышения доходности и стабильности торговой системы;
• Модифицированный метод управления капиталом, как база для успешной финансовой деятельности, построенной на основе использования математических методов технического анализа;
Анализ принципов построения торговых систем в рамках разработанной методики двухуровневого комплексного подхода к процессу инвестирования в акции посредством применения механических торговых систем;
• Функция инвестиционной агрессивности, как инструмент оценки механических торговых систем с позиции "Доходность от применения методов управления капиталом / Риск".
Апробация работы. Основные научные и практические результаты работы докладывались на заседаниях кафедры "Экономики и организации производства" МГТУ "СТАНКИН" г. Москва; на научной конференции "Инновации в экономике 2001" г. Москва, Март 2001; на техническом семинаре в коммерческом банке "Ситибанк Т/О" г. Москва.
Реализация результатов. Основные положения работы приняты в качестве практических рекомендаций на Московской Центральной фондовой бирже, так же результаты исследования рассмотрены и рекомендованы к использованию в учебном процессе МГТУ "СТАНКИН". Предложенный в работе инструментарий оценки возможности применения методов управления капиталом может быть принят в качестве элемента модели анализа механических торговых систем.
Торговые системы принятия решений на рынке ценных бумаг
Как было замечено выше, со времени обоснования теории технического анализа участниками рынка было разработано огромное количество математических методов, позволяющих применить накопленные знания к теории прогнозирования изменения котировок, и, несмотря на это, методики предсказания на основе математического аппарата постоянно развиваются и совершенствуются.
В зависимости от конкретной рыночной ситуации анализ с помощью осцилляторов и трендовых моделей может быть более или менее эффективен. Однако, несмотря на все плюсы технического анализа, использование математического подхода к решению основной инвестиционной задачи - получению прибыли, на основе применения таких средств как сигнальщики и трендоследящие системы, выявило ряд проблем осложняющих однозначность и объективность финансового прогноза, которые автор предлагает сформулировать в виде следующих замечаний: риск потери капитала обусловленный неоднозначностью рыночных ценовых тенденций влекущий за собой высокую вероятность ошибочного срабатывания системы; переменная доходность систем в течение всего рабочего цикла, как следствие нестабильности сигналов выдаваемых индикаторами и трендовыми моделями (часто системы, имеющие огромные не реализованные прибыли в течение работы оказываются неспособными удержать и, соответственно, реализовать их);
Как было замечено во введении, эти вопросы побудили финансовых аналитиков к созданию математического аппарата, названного в последствии методами управления капиталом, позволяющего не только способствовать решению описанных выше проблем, но и оптимизирующего общую стабильность разработанной системы технического анализа.
Вместе с тем, применение методов управления капиталом, являющихся математической оптимизационной моделью, надстройкой над торговой системой технического анализа, не может быть реализовано для субъективной торговли или таких способов принятия решений как, например, графики. Чтобы снять сомнения относительно необходимости применения комплексного математического подхода к вопросу инвестирования на основе методов технического анализа и управления капиталом автор предлагает описать преимущества этого варианта принятия решений на рынке ценных бумаг.
Подход любого биржевика к торговле либо на 100% механический, либо на 100% субъективный. Тем инвесторам, у которых есть разработанная и хорошо спланированная торговая система, нет необходимости принимать торговые решения самостоятельно. У них есть план, который точно говорит, что делать в любой ситуации. Все что от них требуется - это следить за рынком, определять, какие действия диктует торговый план и передавать ордера брокеру. Чаще всего такие торговые планы компьютеризированы. Биржевик вводит рыночные данные, а торговая система говорит ему что делать.
С другой стороны тот, кто торгует не по плану, не имеет каких-либо фиксированных правил. Он принимает торговые решения субъективно, когда его подталкивает текущий момент, он не имеет никакой путеводной нити, кроме своего представления о том, что будет работать хорошо. Хотя он и пытается учиться на предыдущих ошибках - это не помогает, потому что корректные решения не всегда заканчиваются прибылью, а некорректные решения не всегда заканчиваются потерями. Однако не стоит категорично оценивать шансы таких биржевиков: история знает примеры трейдеров успешно применяющих анализ Ганна, Фибоначчи или астрологию и предполагающих что на рынках существует некий порядок, но в данном случае их успех во многом может объясняться хорошей техникой управления денежными средствами и дисциплинированным контролем над риском, а не правильностью их временных теорий или методов предсказания.
Для биржевиков торгующих не механически свойственна также и эмоциональная сторона принятия решений. Эффект от страха и жадности просто замечателен. Природа человека такова, что под действием этих чувств он неизбежно принимает ошибочное решение на спекулятивной арене: так вместо закрытия прибыльных позиций, он дополнительно отдает заявки на покупку брокеру в тот момент, когда тренд уже ослабевает. Одна из главных отличительных черт профессиональных биржевиков в том, что они умеют контролировать свои страх и жадность. Они делают это с помощью самодисциплины, которая подразумевает, что процесс принятия решений имеет определенную структуру, спланирован, более того, они подчиняются сигналам, поступающим от торговых систем.
Все более-менее успешные биржевики, не говоря уже о крупных инвестиционных компаниях, применяют относительно механический подход, быть может, сами того не подозревая. Многие профессиональные финансовые менеджеры обладают системой, которая на 100% механическая. Те, кто не действует 100% механически, обычно позволяют себе лишь крошечное количество собственного мнения, выходящего за рамки их системы.
При механическим подходе у биржевика будет определенная группа рынков с которыми он будете работать. У него будут математические формулы, которые на основании предыдущих цен будут говорить, когда покупать и когда продавать. Будут правила входа, правила выхода для проигрывающих позиций и правила выхода для выигрывающих позиций. Будут правила, когда начинать торговлю и когда заканчивать для каждой из систем. Основная задача, стоящая перед биржевиком, будет состоять в первоначальном оптимальном подборе к каждому рынку своей механической торговой системы и оптимизации ее параметров на основе имеющихся исторических данных, но так, чтобы не подогнать свою систему под них.
Создав торговую систему на основе математических моделей технического анализа, профессиональный инвестор будет продолжать пытаться максимизировать доходность, минимизировать риск и тем самым повысить стабильность построеннойим системы. Для этого он перейдет на следующую ступень развития модели - он обратится к аппарату оптимизационных методов, к методам управления капиталом.
Разработка методов управления рисками в проектируемой системе
Этот метод является эффективным способом расстановки защитных остановок основанных на результатах исторического тестирования системы, что позволяет значительно уменьшить вероятность исхода крупных убыточных сделок в будущем.
Несмотря на то, что расчет параметров для использования методики предложенной Свини основывается только лишь на исторических данных, имея довольно робастную систему, инвестор может с весьма высокой долей вероятности рассчитывать на корректное срабатывание механизмов метода и в дальнейшем. Основываясь на историческом тестировании Свини определил уровень, соответствующий максимальной просадке для прибыльных сделок, по которому модель будет принудительно закрывать убыточные позиции, что позволит выйти из нежелательных сделок до того как система получит сигнал о закрытии позиции на основе внутреннего механизма методов технического анализа [67, 68].
Однако не все так хорошо с методикой предложенной Свини. Для визуальной оценки возможной проблемной ситуации построим точечную диаграмму (Рис. 18) соответствий просадки сделок и реализованной прибыли (убытка).
Сделка А имела довольно серьезную просадку порядка 2,875%, но в конце концов в результате этой сделки была получена прибыль в размере 161 доллара. С другой стороны имея просадку в 3,495% сделка В привела к убытку в 43 доллара, а С - при просадке в 4,4375% принесла прибыль в 3 доллара. Признаком хорошей системы является наличие кластера убыточных сделок, с уровнями просадки превышающими максимальный аналогичный порог для прибыльных сделок.
В соответствии с вышесказанным предлагается ввести следующее правило: Так как при анализе рассматриваются выигрышные системы, то они, попадая под приведенное выше определение "хороших" систем должны иметь максимальную просадку убыточных сделок превышающую аналогичную для прибыльных. Это утверждение позволяет ввести определение некоего уровня "беспроигрышной" защиты, что соответствует определенному Свини максимальному порогу просадки для прибыльных сделок.
Однако, наряду с тем, что этот метод позволяет системе выполнить все потенциально выигрышные операции, сделка с малым (незначительным, с точки зрения принесенной прибыли) весом (на рисунке 18 - С) может способствовать установке уровня "беспроигрышной" защиты при котором будут выполняться сделки с большим убытком (на рисунке 18 - В). Поэтому, было бы логичным ввести некий порог усечения прибыли, установив его на уровне просадки сделки А, позволяющий пропустить сделки подобные С.
Данный порог с одной стороны будет являться процентным ограничителем прибыли, то есть будет работать как фильтр, но с другой - позволит уменьшать риск всей системы в целом.
Автор предлагает реализовать подобный фильтр несколько дополнив методику Свини, для чего выполним следующие действия.
Введем понятия веса прибыли по каждой выигрышной сделке в общем доходе. Gs = Исследования системы посредством графического анализа показывают, что сделки подобные С (рис. 18) имеют большую просадку зачастую являющуюся максимальной среди прибыльных операций: одновременно с этим параметр G/Gs для них наименьший. Следуя вышесказанному определим доходную сделку с максимальной просадкой и Другими словами, чтобы определить какой уровень ограничения по прибыли подходит тестируемой системе, стоит проанализировать ее с помощью графического МАЕ анализа, и при присутствии операций с большой просадкой и маленькой прибылью, определить необходимый порог усечения прибыли рассчитав его по предложенной формуле определения весов прибыльных сделок, и в соответствии с ним настроить МАЕ стратегию. Подобный подход при тестировании торговой модели кроме того, что позволит применить доработанную методику Свини и качественно ограничить возможные убытки, так и увеличить среднюю доходность системы в целом.
Определение основных моментов построения торговых механических систем
В этой части работы автор предлагает рекомендательную методику создания и предварительной настройки параметров механической модели, практические результаты будут приводиться по результатам исследования на акциях MSFT17.
Как было замечено во второй главе, выбор методов технического анализа, используемых в создаваемой математической модели принятия решений и способов их тестирования, полностью зависит от предпочтений инвестора. Однако существуют определенные, наработанные практикой, правила создания, тестирования и предварительной оптимизации торговых механических систем, которые автор объединил в следующие рекомендации.
Грамотно построенная система подразумевает, чтобы в нее не было включено больше трех - четырех осцилляторов и трендовых моделей, в противном случае система может иметь сигналы разной силы от трендоследящих систем и противоречащие им и друг другу импульсы от сигнальщиков. Хорошая универсальная система должна включать в себя одну - две трендовые модели и пару осцилляторов, работающих на разных принципах. Однако существуют наработки позволяющие использовать только лишь сигнальщики. Такая методика может быть использована для осуществления агрессивной торговой стратегии с использование коротких временных промежутков, так называемая торговля intraday или dayrading . Так как имеющаяся статистическая финансовая информация изменения цен включает только итоговые показатели по каждому из рабочих биржевых дней, то автором предложено реализовать торговую систему с возможностью сохранения открытых позиций в течение продолжительного промежутка времени. В качестве основной трендовой модели будем использовать дирекционную систему (ДС) вкупе с индексом вероятной направленности (ADX), а как сигнальный индикатор - индекс товарного канала (CCI).
При помощи формул ДС и ADX выявляются точки равновесия, в которых движение вверх уравновешивается движением вниз и, как правило, изменяется тенденция движения цен. Определим особенности использования дирекционной системы.
Вход: Дирекционная система является трендовой моделью, поэтому сигнал открытия позиции возникает при ранних признаках зарождения тренда или когда он уже развился.
Выход: Точка разворота рынка часто совпадает с разворотом DI+/DI- в их верхних и нижних экстремальных значениях, после чего начинается снижение ADX. Этот рисунок часто встречается возле главных разворотных точек, обычно с очень незначительным запаздыванием. Следовательно, этот разворот является хорошей точкой для фиксации прибыли.
В проектируемой системе для открытия и закрытия позиций наравне с дирекционной системой и ADX будет использоваться индекс товарного канала CCI. Зоны "перекупленное" и "перепроданное" этого осциллятора будут выбраны на уровнях +100 и -100 соответственно. Импульсом к открытию "длинных" и закрытию "коротких" позиций будет выход CCI из зоны "перепроданное" с пересечением горизонтальной линии -100 снизу вверх. Сигнал к закрытию "длинных" и открытию "коротких" позиций будет возникать, когда CCI будет выходить из зоны "перекупленное", пересекая горизонтальную линию +100 сверху вниз. В формулах Metastock подобная система, включающая два оптимизационных параметра optl - для трендовой модели ДС и opt2 - для осцилляторов ADX и CCI, будет выглядеть следующим образом:
Подстраивание под исторические данные или подстраивание под кривую является, пожалуй, одной из самых существенных проблем, встречающихся при тестировании торговой системы. Существует строгое объяснение тому, почему оптимизация и подстраивание под кривую дают плохие результаты. Каждому статистику известно понятие потери свободы. Это значит, что каждый параметр, добавляющийся к торговой системе, представляет собой потерю степени контроля над конечной отдачей процедуры тестирования. Чем больше технических исследований или торговых правил вводятся в систему, тем менее здоровыми и надежными будут результаты. Однако, некоторое подстраивание под кривую неизбежно - было бы сложно и нежелательно разрабатывать техническое исследование без этого. Вследствие чего, автор предлагает использовать, так называемое, простое опережающее тестирование. Этот способ называют также "слепым моделированием" или "тестированием за пределами выборки". Следуя этому методу, исторический материал разбивается на два интервала, и исходная система первоначально тестируется на первом более раннем интервале данных. Затем система с лучшей комбинацией параметров и правил тестируется на более свежем временном периоде. Если результат не устраивает, то процесс повторяется. Самое важное в этой схеме - это опережающее тестирование, без которого любая торговая система, подвергаемая простому тестированию или оптимизации, скорее всего, будет обречена на провал [9].
Кроме того, основываясь на множественных практических рекомендациях [14], при настройке и анализе параметров разрабатываемой торговой системы рекомендуется использовать раздельное тестирование "коротких" и "длинных" позиций модели.
Существует немало способов оптимизации параметров системы, начиная с методики механического перебора и заканчивая применением нейронных сетей или генетических алгоритмов [33,40]. Для предварительной оценки системы и выявления оптимальных параметров, в рамках данной работы, автор предлагает воспользоваться графическим кластерным анализом соответствий параметров оптимизации и полученной в результате их применения прибыли [6,8,38].
Для визуальной оценки параметров модели воспользуемся специально разработанным макросом Ехсе1,и выберем первоначальный диапазон значений optl от 2 до 50 и opt2 - от 1 до 20, с шагом изменения 1, - в этом случае программа Metastock сгенерирует тест размерности 49x20=980. Тестирование будем выполнять в соответствии с рекомендациями метода "слепого моделирования" для следующих вариантов сделок
Оптимизация первичных правил контроля над рисками и функция инвестиционной агрессивности
После принятия системы перед инвестором стоит задача снижения риска влияния, противоположных открытым позициям, рыночных тенденций. Для реализации этой задачи применим метод МАЕ.
Повсеместное увеличение К среднего и Фактора прибыли; Улучшение показателя Индекс Доход / Риск.
Однако, вместе с тем, применение МАЕ стратегии принесло результат не для всех исследуемых вариантов - не бьши улучшены показатели для 4 из 9 случаев. Чтобы разобраться в причинах рассмотрим графическое представление МАЕ метода для каждого из них.
Из рисунков 36а, Збв и 36с видно, что применение МАЕ метода для этих случаев невозможно в свете наличия прибыльной сделки с просадкой, превышающей максимальную для убыточных операций (3-х процентная просадка для рисунков 36а и Збв, и 5,245% - для 36с). Графический анализ просадки системы также позволяет вынести суждение, о том, что использование усовершенствованного метода МАЕ для данных тестов не эффективно - так как перенос уровня поддержки на прибыльные сделки с меньшей просадкой в значительной мере ухудшает показатель чистой прибыли - отсеченная сделка приносит порядка 22% от общего дохода для первых двух случаев и 37% для третьего теста. Рассмотрим тест "коротких" позиций для первого интервала.
Анализ рисунка 38 показывает на возможность применения оптимизированного метода МАЕ для теста "коротких" позиций первого интервала. Найденное значение уровня отсечения позиций для данного случая соответствует 4,57% от прибыли (на рис. 37 - Profit cut level), что устанавливает новый порог фильтрации сделок с просадкой превышающей 2,92% (на рис. 37 - Optimized МАЕ Protective stop), сдвигая до этого значения оригинальный уровень МАЕ (на рис. 37 - МАЕ Protective stop). Сравнительный анализ показателей производительности системы, полученных от применения оригинального и модернизированного методов МАЕ, приведен в следующей таблице:
Таблица 13. Сравнительный анализ оригинального и усовершенствованного методов МАЕ для теста "коротких" позиций первого интервала - фильтрация по уровню 4,57%.
Не смотря на некоторое уменьшение показателей чистой, валовой и выборочной прибыли, как следствие работы механизма усечения по доходу, применение модернизированного метода МАЕ в значительной мере способствовало улучшению остальных индексов, и в особенности Индекса Доход / Риск, характеризующего общую стабильность работы системы. Вышесказанное позволяет сделать вывод об эффективности применения подобного подхода к уменьшению общего риска системы при не значительном снижении доходности модели.
Введя в построенную систему правила контроля над рисками и, по возможности, оптимизировав их, биржевик, в соответствии с предложенным комплексным планом инвестирования в ценные бумаги, в следующем этапе построения и оптимизации системы определяет возможные пути повышения доходности, одновременно оценивая риски, связанные с их применением. Основываясь на вышесказанном, предлагается оценить систему на предмет применения методов управления капиталом, базирующихся на добавлении позиций, с помощью разработанной функции инвестиционной агрессивности.
Сначала определим количество уровней риска для исследуемой системы на выбранном интервале. Графическое представление уровней риска изображено на рисунке 38 посредством MFE анализа.
