Диссертация (1152468), страница 19
Текст из файла (страница 19)
В качестве примера можно привеститрендовые модели, которые сохраняют прогнозируемое направление движениярынка до неопределенного момента в будущем, соответствующего смене тренда.В свою очередь, вычислительный механизм получения прогноза с «присутствиемэффекта» заключается в том, что в качестве предикторов моделей используютсяне их абсолютные значения, а числа 1 или -1, соответствующие увеличению илиснижению абсолютного значения каждого конкретного предиктора.
Такимобразом, все описанные преобразования, потенциально применимые к любымпрогнозным моделям, в том числе регрессионного типа, в целях расширениявозможностей их прикладного экономического использования, могут бытьописаны следующей схемой:Рисунок 3.1– Принципиальная схема основных этапов построениявычислительной логики автоматизированных торговых систем на основе любыхпрогнозных моделей, в том числе регрессионного типаИсточник: Составлено авторомНеобходимо отметить следующие особенности представленной схемы и еесоставляющих:1) начальным этапом построения прогнозной модели регрессионного типадля ее реализации в виде логики советника является выбор вычислительногомеханизма: «абсолютный эффект» или «присутствие эффекта», отличие междукоторыми состоит в использовании абсолютных значений предикторов илизнаков их приращения соответственно;1142) в зависимости от выбора вычислительного механизма модель можетиметь как ограниченный, так и неограниченный горизонт действия прогноза;3) механизм «присутствия эффекта» является предпочтительным припрогнозировании на неограниченном горизонте, так как позволяет отражатьтекущие тенденции движения на рынке.
Благодаря использованию именно знаковпредикторов (или их приращений) является более гибким по сравнению с«абсолютным эффектом», при котором оценка коэффициентов изначальнопроизводится для конкретных значений (приращений) предикторов в прошлом, азатем используется для отличных значений данных предикторов в будущем.Таким образом, эффект от изменения каждого предиктора на финальный прогнознаправлениядвиженияценыбудетзависетьименноотеговажности(значимости), а не локальных статистических выбросов его абсолютногозначения. Также, при использовании данного подхода для защиты от локальныхколебаний (изменений знака) наиболее значимых предикторов, вызывающиххаотичную смену направлений прогноза, возможно введение ограничительныхпорогов на абсолютные значения (приращения) предикторов, при которых ихзнаки будут равны либо +1, либо -1, а в противном случае (при нахождениимежду границами введенных порогов) равны 0;4) механизм «абсолютного эффекта» является предпочтительным припрогнозировании на ограниченном горизонте.
Как было отмечено выше, данныймеханизм является менее гибким по отношению к новым данным и,соответственно, к локальным рыночным тенденциям, не присутствующим вобучающей выборке. Присутствие локальных рыночных эффектов вместе с общейнестационарностью финансовых рядов приводит к тому, что получаемыекоэффициенты предикторов могут иметь различные знаки в зависимости отпериода оценивания и выбранного таймфрейма (Параграф 2.3). Однако, принциппостроения регрессионных моделей с использованием абсолютных значенийпредикторов изначально предполагает получение прогнозов с фиксированнымвременным шагом, что делает его неэффективным при использовании в случаях,115когда данный шаг может варьироваться или быть изначально неопределенным(неограниченным).В соответствии с приведенной аргументацией наиболее целесообразнымявляетсясозданиеавтоматизированныхторговыхсистем,реализующихэкономические возможности прогнозных моделей регрессионного типа, спомощью выбора следующих ветвей в предложенной схеме: вычислительныймеханизм «присутствия эффекта» и неограниченный горизонт прогнозирования,либо вычислительный механизм «абсолютного эффекта» и ограниченныйгоризонт прогнозирования.Разработка торговых систем и их последующее тестирование былипроведеныприменительнокрассмотренномувпредыдущихглавахтрадиционному международному валютному рынку FOREX.
Однако необходимоотметить, что созданные системы также могут быть использованы для проведенияторговых операций на альтернативных финансовых рынках, доступных вплатформе MT 4 в зависимости от выбора брокера, в том числе для торговлифьючерсными контрактами [8, с. 25-33] на индексы, металлы, товары и т.д.В параграфе 2.3 тестирование разработанных экономико-математическихмоделей на исторических данных рынка FOREX выявлило их высокие, с точкизрения показателя процента правильных направлений прогноза, прогнозныеспособности. Однако, несмотря на важность данного показателя, эффективностьреального экономического использования любых прогнозных моделей, в томчисле разработанных, обладающих в соответствии с введенной терминологиейвычислительныммеханизмом«абсолютногоэффекта»иограниченнымгоризонтом прогнозирования и реализуемых в виде автоматизированныхторговых систем, зависит также от ряда дополнительных факторов.
В частности,наиболее значимым является величина средней чистой прибыли системы впересчете на каждую операцию. Подтверждением данного заключения можетслужить ситуация, при которой, несмотря на высокий процент правильныхнаправлений прогноза, средняя величина убытка от торговых операций является116выше аналогичной величины прибыли. Возникновение такой ситуации приводитк снижению величины средней чистой прибыли по всем операциям, в том числеее отрицательному значению, в случае, когда величина общей средней прыбылиоказывается меньше размера брокерского спреда или комиссии.В силу данных обстоятельств, несмотря на существующую возможностьизвлечения положительной прибыли, использование разработанных моделей,обладающих вычислительным механизмом «абсолютного эффекта», являетсяцелесообразным для проведения торговых операций не на оригинальном рынкеFOREX, а на смежном с ним – рынке бинарных опционов (binary options) [66]. Наданном рынке участники строят прогнозы относительно направления будущегодвижения или диапазона нахождения цены исследуемого инструмента, которыйможетявлятьсявалютнойпаройрынкаFOREX,обладающиезаранееопределенным временным горизонтом.
Таким образом, на рынке бинарныхопционов основным показателем, влияющим на качество создаваемой торговойсистемы, является процент правильных направлений прогноза, реализуемый спомощью заложенной в систему прогнозной модели. В то время как проведенноев параграфе 2.3 тестирование разработанных моделей продемонстрировало ихспособности к прогнозированию с высокой величиной подобного показателя, и,следовательно, значительный потенциал их применимости на данном рынке. Всвоюочередь,увеличитьэкономическуюцелесообразностьразработкиавтоматизированных систем для проведения торговых операций на рынке FOREXс использованием прогнозной логикой построенных моделей возможно путемзамены вычислительного механизма данных моделей с «абсолютного эффекта» на«присутствие эффекта» и последующего применения созданных систем в рамкахнеограниченного горзонта прогнозирования.Таким образом, в соответствии с приведенной аргументацией можносформулировать следующие основные принципы экономически целесообразнойреализациипостроенныхмоделейавтоматизированных торговых систем:финансовогорынкаввиделогики117Принцип 1: дляпроведенияторговыхоперацийнарынкеFOREXэкономически целесообразным является создание автоматизированных систем,реализующих логику неограниченных по времени прогнозов, получаемых прииспользовании построенных моделей с модифицированным вычислительныммеханизмом в виде механизма «присутствия эффекта»;Принцип 2: дляпроведенияторговыхоперацийнасмежнымстрадиционным рынком FOREX рынке бинарных опционов экономическицелесообразным является создание автоматизированных систем, реализующихлогику ограниченных по времени прогнозов, получаемых при использованиипостроенныхмоделейсоригинальнымвычислительныммеханизмом«абсолютного эффекта».Далееприведеноописаниепроцессаразработки,соответствующейавтоматизированной торговой системы или торгового советника (ТС).За основу созданного ТС, обозначаемого далее, как ТС1, была взятапредставленная в параграфе 2.2 модель 1 (базовая) (2.16) – (2.17), структуракоторой позволяет учитывать основные характеристические составляющиелюбого финансового рынка, влияющие как на краткосрочную, так и надолгосрочную динамику движения цены.
Общий MQL код разработанногосоветника ТС1 приведен в Приложении К. Далее, в таблице 3.1, представленыосновные составляющие программного кода ТС1, реализующие математикуразработанной модели, ее вычислительную и прогнозную логику, а также общуюлогику принятия советником торговых решений.
Соответствующие комментариик таблице будут приведены после нее.Таблица 3.1 – Основные составляющие логики ТС1 и их MQL кодСоставляющие модели иэлементы логики советникаПрограмный код (Yt* Yt k )ytyt=(yr1-Open[0]) (r (k , Yt ) Yt k )ryt=(max-Open[0]) / ryt=(min-Open[0])118Продолжение таблицы 3.1Составляющие модели иэлементы логики советника1 *(Yt Yt*1 )2 tВыбор горизонтапрогнозированияВыбор вычислительногомеханизмаПрогнозная логика свычислительным механизмом«абсолютного эффекта»Прогнозная логика свычислительным механизмом«присутствия эффекта»Логика открытия сделокЛогика закрытия сделок приограниченном горизонтепрогнозированияЛогика закрытия сделок принеограниченном горизонтепрогнозированияОсновные параметры,влияющие на принципыпринятия решенийОсновные оптимизационныепараметрыФункция волатильности дляимплементации методаобработки данныхПрограмный кодavdyt=((yr1-yr2)+(yr3-yr4))/2;if (FHorizon==1) / if (FHorizon==0)if (CMechanism==1) / if (CMechanism==0)if (a1*ytyt+a2*ryt+a3*avdyt>0) direction=1;if (a1*ytyt+a2*ryt+a3*avdyt<0) direction=-1;if (a1*ytyt+a2*ryt+a3*avdyt>=bt) direction=1;if (a1*ytyt+a2*ryt+a3*avdyt<=st) direction=-1;if(Model()==1) CheckForOpenBuy();else if (Model()==-1) CheckForOpenSell();if (Time[0]>=OrderOpenTime()+time){if (CalculateCurrentOrdersBuy()!=0) CheckForCloseBuy();else if(CalculateCurrentOrdersSell()!=0)CheckForCloseSell();}}if (CalculateCurrentOrdersBuy()!=0 && Model()==-1){CheckForCloseBuy(); CheckForOpenSell();}else if (CalculateCurrentOrdersSell()!=0 && Model()==1){CheckForCloseSell();CheckForOpenBuy();}}input int FHorizon;input int CMechanism;input int time;input double a1, a2, a3, st, bt, tres;input int period, stoploss, takeprofit;vol=iStdDev(NULL,0,period,0,MODE_SMA,PRICE_MEDIAN,1); Источник: Составлено авторомВ общем виде представленная таблица иллюстрирует основные логическиесоставляющие созданной автоматизированной торговой системы ТС1.
На данномэтапе необходимо конкретизировать смысл данных составляющих. Во-первых, всилу того, что для двух из рассмотренных пар валют, USDJPY и USDRUB,коэффициент модели (2.16) – (2.17), соответствующий моментному эффектуценообразования, принимал статистически незначимые величины при оценкетрадиционнымфильтромКалманасиспользованиемрядовравногоастрономического времени, он был исключен из программной реализации119написанного советника. Оставшиеся элементы используемой модели вынесены впервые три строки таблицы 3.1.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
