Диссертация (1138424), страница 16
Текст из файла (страница 16)
Использоваласьмодель с наилучшими параметрами длин средних, установленными входе оптимизации: короткой линии – 122,5 секунды, длинной линии –265,5 секунды. Использование модели, показавшей лучшие результаты на тестовом периоде, а не на периоде вне тестового, соответствуетрыночной практике применения индикаторов технического анализа,поскольку в реальных условиях модель с лучшими настраиваемымипараметрами можно отобрать только за счет оптимизации, ее дальнейшее поведение на рынке неизвестно.Как показывает таблица 5, при нормальной скорости реагирования на сигнал открытия позиции, равной 1 секунде, убытки от совершения операций составляют -9205 рублей (нормальная скорость реагирования определяется исходя из технологических особенностейприменяемой АТС).
Однако с увеличением длительности задержкиоткрытия позиции результаты не ухудшаются, а меняются хаотическим образом. Более того, сокращение времени реакции с 1 до 0,5 секунды не приводит к улучшению результатов. Наоборот, наблюдаетсяих ухудшение с -9205 до -10753 рублей. Это говорит о том, что иссле-96дуемый индикатор не позволяет выявлять даже самые краткосрочныерыночные тенденции.Таблица 5Результаты совершения операций на основе индикатора MACDпри различной длительности задержек открытия позицийЗадержка открытия позиций, секунд-0,5 сек0 сек0,5 сек1,5 сек2,5 сек3,5 сек5 сек7,5 сек12,5 сек17,5 сек25 сек50 сек75 секПрибыль от совершенияопераций, руб.-9365-7817-7238-8214-8578-7953-8902-9157-10106-10902-9741-9542-8980Такие результаты демонстрируют, что построенная прогностическая модель не позволяет идентифицировать рыночную неэффективность.
Поэтому можно утверждать о случайности результатов, получаемых на основе применения индикатора MACD при сверхкраткосрочной торговле. А поскольку данный индикатор технического анализа показал лучшие результаты среди исследуемых, то данный выводможно распространить и на остальные индикаторы.Таким образом, результаты проведенного исследования говорято выполнении второй гипотезы.
Они показывают, что убытки при использовании индикаторов технического анализа на сверхкраткосрочном таймфрейме образуются не только из-за влияния транзакционных97издержек, но и ввиду неспособности существующих методов технического анализа выявлять периоды рыночной неэффективности насверхкраткосрочном таймфрейме. Это может обуславливаться тем,что индикаторы технического анализа: а) не в полной мере учитываютособенности высокочастотной алгоритмической торговли; б) прошлаядинамика цен прогнозируемого актива не является единственнымфактором, определяющим их будущие значения. В результате прогностическая сила индикаторов технического анализа при такого родастратегиях слишком слаба, либо отсутствует.Стоит отметить, что полученные результаты не означают того,что существующие методы технического анализа неспособны выявлять периоды рыночной неэффективности на других таймфреймах,поскольку на разных таймфреймах динамика цен образуется под влиянием разной рыночной информации.Обобщая результаты, полученные при тестировании первой ивторой гипотез, можно сделать вывод о том, что существующие методы технического анализа не могут использоваться для реализации высокочастотных алгоритмических стратегий, а значит, в теории финансового рынка не существует методов, применимых для сверхкраткосрочного прогнозирования цен и совершения сверхкраткосрочных алгоритмических операций.
Наряду с широким распространением высокочастотных алгоритмических операций, это говорит о наличии актуальной необходимости создания такого метода прогнозирования рыночных цен.2.3. Анализ причин неэффективности традиционных методов технического анализа при сверхкраткосрочных операциях.Как показало проведенное эмпирическое исследование, существующие методы технического анализа неэффективны при сверхкраткосрочной алгоритмической торговле. Это может обуславливать98ся как общими недостатками существующих методов техническогоанализа, не зависящими от используемого таймфрейма, так и неучетом специфики сверхкраткосрочного таймфрейма и алгоритмическихопераций.
Рассмотрим три эти группы факторов более подробно, чтобы выявить, как они могут быть устранены при прогнозировании рыночных цен.1. Общие недостатки существующих методов технического анализа.Такого рода недостатки были выявлены в ходе анализа, проведенного в первой главе диссертации.1.1. Технический анализ основан на использовании единственного вида информации – цен прогнозируемого рыночного актива, поэтому он не позволяет оценить влияние иных видов информации.Ранее применение методов технического анализа, основанныхтолько на анализе динамики цен прогнозируемого актива, могло бытьоправдано тем, что торговля велась «вручную», без использованиясредств автоматизации. При таком варианте торговли использованиебольшого количества связанных рыночных показателей для прогнозирования являлось невозможным – инвестор просто физически был неспособен на это, особенно в случае краткосрочных стратегий.
Поэтому необходимости в разработке методов прогнозирования, основанных на анализе взаимосвязанных рыночных активов и показателей, несуществовало. Сегодня алгоритмическая торговля позволяет использовать значительно большее количество рыночной информации, в результате чего использование при прогнозировании только цен торгуемого актива можно считать малоэффективным и не соответствующимимеющимся возможностям ведения торговли. Устранение даннойпроблемы существующих методов технического анализа возможно засчет создания метода автоматизированного прогнозирования цен, поз99воляющего использовать для формирования прогнозов не только динамику цен торгуемого актива, но и иных рыночных активов и показателей.1.2.
Традиционные методы технического анализа чрезмернопросты и не способны отражать сложные зависимости, присутствующие в ценовой динамике рыночных активов.Как и в предыдущем случае, этот недостаток можно отнести кориентации методов технического анализа только на классическуюнеавтоматизированную торговлю. Когда торговля осуществляласьклассическим способом, без использования средств автоматизации,решение данной проблемы являлось невозможным, поскольку инвесторы физически не могли оперировать функционально сложными закономерностями влияния информации на цены, особенно при краткосрочной торговле. В условиях сегодняшнего развития автоматизированной торговли, когда стало возможным реализовать даже наиболеесложные алгоритмы прогнозирования, можно говорить о том, чточрезмерная упрощенность традиционных инструментов техническогоанализа не является неразрешимым недостатком.
Решение даннойпроблемы возможно за счет создания метода автоматизированногопрогнозирования цен, основанного на поиске в ценовой динамике ииспользовании при прогнозировании скрытых, в том числе функционально сложных зависимостей. Известно, что вычислительные способности современных компьютеров позволяют использовать припрогнозировании достаточно сложные алгоритмы, однако отсутствиеметода прогнозирования, позволяющего задействовать имеющиесявозможности компьютерных технологий, делает их невостребованными в финансовой индустрии.1.3.
В случае использования традиционных методов технического анализа динамическая адаптация к происходящим на рынке изме100нениям отсутствует, что делает невозможным учет тех из них, которые происходят после настройки алгоритмов прогностической модели.Динамическая адаптация прогностической модели подразумевает непрерывное или крайне частое изменение ее внутренних настраиваемых параметров для приспособления к изменяющимся рыночнымусловиям. Существующие методы технического анализа лишены динамической адаптации: оптимизация настраиваемых параметров выполняется до вывода торговой модели на рынок, в процессе торговлиони остаются неизменны.
Ранее, когда средств автоматизации расчетов не существовало и торговля велась «вручную», применение«жесткого» и неизменного во времени (неадаптивного) формульногоаппарата методов технического анализа было оправдано тем, чтобыстрая адаптивная перестройка торговой модели на практике немогла быть реализована. Однако с появлением алгоритмической торговли стало возможным создание методов, способных к адаптациисобственных прогностических алгоритмов для непрерывного приспособления к изменяющейся рыночной ситуации. Поэтому сегодня нафоне развития алгоритмических технологий отсутствие у существующих методов технического анализа динамической адаптации можносчитать существенным недостатком, но в то же время решаемым посредством создания метода автоматизированного прогнозированияцен.2.
Неучет существующими методами технического анализа специфики сверхкраткосрочного таймфрейма.На основе выявленных во второй главе диссертации особенностей сверхкраткосрочного таймфрейма, рассмотрим, за счет чего существующие методы технического анализа не учитывают его специфику и каким образом это приводит к снижению их эффективности.101а) известно, что АТС присуща способность переносить тенденции с одних рыночных активов на другие за счет использования взаимосвязей между ними при совершении операций.
Поскольку АТС являются основными участниками торгов на сверхкраткосрочном таймфрейме, именно при высокочастотных операциях особо сильное значение имеет учет влияния динамики цен связанных рыночных активови показателей. Существующие методы технического анализа не позволяют учитывать такого рода взаимосвязи, поскольку ориентированына работу только с прошлыми ценами самого прогнозируемого актива.Для того, чтобы эффективно прогнозировать ценовую динамику в таких условиях, необходимо чтобы метод прогнозирования позволялиспользовать взаимосвязи между рыночными активами.б) на сверхкраткосрочном таймфрейме может не наблюдатьсяпростейших закономерностей, для выявления которых предназначеныиндикаторы технического анализа, что обуславливается двумя причинами. Во-первых, индикаторы технического анализа на нем не используются (в эмпирическом исследовании было показано, что существующие методы технического анализа неэффективны на сверхкраткосрочном таймфрейме).
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
