Диссертация (1152468), страница 26
Текст из файла (страница 26)
ФинансоваярезультативностьсоветникаТС4,оцененнаяпутемпроведения тестовых торговых операций на рынке FOREX и смежном с нимрынке бинарных опционов для трех рассмотренных валютных пар за период с2012 по 2017 год, оказалась выше аналогичных результативностей советниковТС1 и ТС2, что свидетельствует об эффективности предложенного метода,имплементированного в прогнозную логику ТС4.Выводы к главе 3В данной главе было проведено исследование возможностей практическойреализацииразработанныхэкономико-математическихмоделейдинамикифинансового рынка в виде обучаемых автоматизированных торговых систем дляпопулярной платформы MetaTrader 4.
В качестве основных итогов необходимоотметить следующие:1561. Описанывозможностиреальногопрактическогоиспользованияразработанных экономико-математических моделей с помощью обучаемыхавтоматизированных систем, позволяющих совершать торговые операции нафинансовом рынке при минимальном участии пользователя.2. Предложенапринципиальнаясхемаосновныхэтаповпостроениявычислительной логики автоматизированных торговых систем, позволяющихреализовывать любые подходы к принятию торговых решений, в том числе спомощью экономико-математических моделей регрессионного типа.3. Для популярной торговойплатформыMetaTrader4 разработанаавтоматизированная торговая система ТС1, реализующая прогнозную логикупостроенной экономико-математической модели и использующая предложенныйметод первоначальной агрегации рыночных данных.
Разработанная система ТС1продемонстрироваларезультативностидвухфинансовуюдополнительнорезультативность,созданныхсистемпревышающуюТС2иТС3,реализующих традиционные принципы торговли на финансовых рынках.4. Разработаны процедуры обучения автоматизированных торговых систем,на примере ТС1, состоящие в согласованном применении заложенных вMetaTrader 4 целевых функций оптимизации и способов последующего выбораподходящего сценария, содержащего значения оптимизируемых параметровсистемы, обеспечивающих наилучшую результативность ее использования.5. Предложен метод повышения адаптируемости автоматизированныхторговых систем к постоянно меняющимся конъюнктурным особенностямрыночной динамики на основе агрегации прогнозов математических моделей иинструментов технического анализа, использующихся в подобных системах.Реализация метода в рамках уже разработанной системы ТС1 привела кмодификации последней и созданию новой системы – ТС4, обладающейфинансовой результативностью, превышающей результативность ТС1 как нарассмотренном рынке FOREX, так и на смежном с ним рынке бинарныхопционов.157ЗАКЛЮЧЕНИЕВ соответствии с проведенными в работе теоретическими и прикладнымиисследованиями, а также решенными задачами сформулированы следующиевыводы:1.
Множество особенностей финансовых рядов, осложняющих задачу ихмоделированияипрогнозирования,вчастностинестационарностьигетероскедастичность, могут быть объяснены в рамках общей неоднородностистатистических свойств рыночных процессов, которая, в свою очередь, можетбытьописанаспомощьюсуществующейтеоретическойконцепцииотносительности скорости хода времени на финансовых рынках, суть которойсостоит в том, чтобы для анализа динамики финансовых рядов использовать нетрадиционную шкалу астрономического времени, а специально введенную –шкалурыночноговремени,скоростьходакоторогоотличаетсяотастрономического и может меняться как случайным, так и периодическимобразом в зависимости от количества происходящих на рынке событий, вчастности поступающих новостей. Существующие в литературе исследования потеме данной концепции сводятся к представлению различных способовпроведения процедуры агрегации финансовых рядов, называемой приведением ихк виду равного рыночного времени и опирающейся на использованиеколичественного показателя, иллюстрирующего объем прошедших рыночныхсобытий и являющегося функцией объема торгов, расстояния, пройденногоценой, суммы квадратов ее приращений или астрономического времени.
Однако,в работе было установлено, что все отмеченные способы агрегации позволяютувеличиватьоднородностьстатистическихсвойствфинансовогорядаисключительно путем снижения объема его данных, что, в свою очередь,приводит к потере исходной информации об определенных особенностяханализируемого процесса. Вместе с тем в работе был исследован альтернативный158способагрегацииданныхповолатильности,позволившийувеличитьоднородность статистических свойств трех рассмотренных рядов USDJPY,EURUSD и USDRUB без значительной потери в их объемах и, следовательно,информационной составляющей соответствующих процессов.
На базе данногоспособа агрегации был разработан метод, позволяющий максимальным образомувеличивать однородность статистических свойств финансовых рядов, при этомсохраняя информацию об их характеристических особенностях в рамках явлениякластеризации волатильности. В соответствии с полученными результатами былавидвинута гипотеза о возможностях применения разработанного метода в целяхувеличения прогнозных способностей моделей динамики финансового рынка.Справедливость данной гипотезы была подтверждена при последующемтестировании созданных в работе экономико-математических моделей.2. На настоящий момент можно выделить два традиционных подхода кпринятию торговых решений на финансовом рынке, которые сводятся киспользованиюлибоматематическихметодовмоделированиярыночнойдинамики, либо методов технического анализа. С помощью проведенного вработе анализа было установлено, что наиболее перспективным путем длядостоверногоописаниярыночныхзакономерностейявляетсяпостроениеэкономико-математических моделей, одновременно использующих наработкиобоих отмеченных методов.
В свою очередь, на основе такого рода моделейстановится возможным разработка комплексного подхода к принятию торговыхрешений, позволяющего реализовывать важнейшие преимущества каждого издвух традиционных подходов. В рамках поставленной в работе задачи повыработке подобного комплексного подхода, был построен ряд экономикоматематических моделей динамики финансового рынка, функциональная формакоторых позволяет использовать любые методы эконометрического оцениванияадекватные рассматриваемым процессам, а также математически реализуетметоды стохастического моделирования и приемы технического анализа,синтезируя их преимущества. Построенные модели были оценены с помощью159классического фильтра Калмана, а также фильтра Калмана со встроеннойнейронной сетью.
Апробация моделей была проведена на исторических данныхкотировок трех рассмотренных валютных пар USDJPY, EURUSD и USDRUB за2017 год и подтвердила возможности их использования для получениядостоверных прогнозов рыночной динамики, и, соответственно, принятияобоснованных торговых решений. В частности, точность прогнозов построенныхмоделей, измеряемая процентом правильных направлений, превысила точностьпрогнозов модели случайного блуждания в среднем на 10% для исходных рядов ина 18% для рядов, первоначально агрегированных с помощью предложенногометода.3.
Потенциальным путем практического использования любых создаваемыхмоделей динамики финансового рынка является их техническая реализация спомощью существующих инструментальных средств. Одним из наиболеепопулярных современных направлений такой реализации является разработкаавтоматизтированных торговых систем, позволяющих принимать торговыерешения и проводить соответствующие операции при минимальном участиипользователя. В диссертационной работе предложена принципиальная схемаосновныхэтаповпостроениявычислительнойлогикиподобныхавтоматизированных систем, использующих любые прогнозные модели, в томчисле регрессионного типа, а также инструменты технического анализа.В рамках поставленной в работе задачи по практической реализациипостроенных экономико-математических моделей для популярной торговойплатформыMetaTrader4быласозданаавтоматизированнаясистема,формирующая торговые решения на основе прогнозов одной из моделей, приэтом используя предложенный метод первончальной агрегации рыночныхданных.
Автоматизированная система была разработана с помощью заложенногов MetaTrader 4 языка программирования MQL. Соответствующий программныйкод системы представлен в приложении к диссертации и может быть использованлюбым пользователем платформы MetaTrader 4. Тестирование экономических160возможностей системы было проведено на примере международного валютногорынка FOREX и смежного с ним рынка бинарных опционов для трехрассмотренных в работе валютных пар USDJPY, EURUSD и USDRUB за период с2012 по 2017 год.
Результаты данного тестирования продемонстрироваливозможности использования системы для получения среднегодовой доходности,превышающей доходности двух дополнительно созданных систем, реализующихописанные в работе традиционные подходы к торговле, в среднем на 8%, адоходность банковских вкладов на 15%, в условиях отсутствия реинвестированияи использования половины средств начального торгового депозита.Рекомендациями для любых заинтересованных пользователей платформыMetaTrader 4 по эффективному применению созданной автоматизированнойторговой системы могут служить иллюстративные материалы и сам MQL кодсистемы, представленные в соответствующих приложениях к работе.4. На настоящий момент времени вопросы выработки универсальныхспособов и рекомендаций по обучению (оптимизации) автоматизированныхторговых систем не имеют должного освещения в современных научныхисследованиях.
В соответствии с этим, в диссертации были разработаныпроцедуры обучения подобных систем, на примере созданной, состоящие всогласованном применении заложенных в платформу MetaTrader 4 целевыхфункций оптимизации генетическим алгоритмом и способов последующеговыбораподходящегосценария,содержащегозначенияоптимизируемыхпараметров обучаемой системы, обеспечивающих наилучшую результативностьее реального практического использования.5. Популярным подходом по одновременному использованию различныхпредикторов (моделей или инструментов технического анализа), применяемым напрактике при разработке логики автоматизированных торговых систем, какправило, является их простое подтверждение сигналов друг друга.
Однако,подобное простое подтверждение обладает рядом серьезных недостатков,описанныхвработеисостоящихвразличнойстепенизависимости161чувствительностиобъединяемыхпредикторовотпостоянноменяющихсяконъюнктурных особенностей рыночной динамики. В рамках поставленной вработе задачи по выработке подхода, позволяющего снижать отрицательноевлияние подобной чувствительности используемых в автоматизированныхторговых системах предикторов, был предложен метод агрегации их прогнозов спомощью генетического алгоритма платформы MetaTrader 4, позволяющийувеличивать финансовую результативность соответствующих систем путемповышения их адаптируемости к любым изменениям рыночной динамики.Предложенныйметодбылреализованвдополнительносозданнойавтоматизированной торговой системе, использующей агрегацию прогнозоводной из построенных в работе экономико-математических моделей с одним изнаиболее популярных инструментов технического анализа.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
