<< Пред. стр.

стр. 25
(общее количество: 46)

ОГЛАВЛЕНИЕ

След. стр. >>



Рисунок 8-2. Рост капитала в зависимости от вида модели




ЗАКЛЮЧЕНИЕ
Исследования сезонных явлений показали, что на рынках существуют
значимые сезонные процессы. На основе данных за соответствующие
календарные даты прошлых лет можно делать заключения о поведении
рынка в ближайшем будущем. Информация за эту же дату или близкие
даты прошлых лет полезна для принятия решений, для прогнозирования
ИССЛЕДОВАНИЕ входов в РЫНОК
204 ЧАСТЬ II



будущих событий. Хотя сезонные явления недостаточны для оказания вли-
яния на целый портфель ценных бумаг и сырьевых фьючерсов, тем не
менее на их основе удается окупить транзакционные расходы и получить
некоторую прибыль. В то же время на отдельных рынках даже простей-
шие модели могут быть весьма прибыльными, иными словами, сезонные
явления производят впечатление реальных и пригодных источников ин-
формации. В определенное время года на рынке наблюдаются приливы и
отливы, которые могут эффективно использоваться моделями, подобны-
ми испытанным в данной главе.
Как было показано, сезонные явления заслуживают серьезного вни-
мания. Если приведенные простые модели будут улучшены специфичес-
кими эффективными выходами из рынка, можно ожидать впечатляющих
результатов.


ЧТО МЫ УЗНАЛИ?
Повторяющиеся сезонные модели, видимо, имеют реальную
прогностическую ценность и однозначно заслуживают даль-
нейшего исследования.
Полезность сезонных моделей зависит от рынка, причем не-
которые рынки особенно подходят для сезонной торговли.
Торговля на группе особо чувствительных рынков может быть
чрезвычайно прибыльна.
Для получения наилучших результатов исходные сезонные
данные желательно сочетать с той или иной формой подтвер-
ждения или обнаружения трендов. Использование дополни-
тельной информации может повысить эффективность простой
сезонной модели.
ГЛАВА 9


Лунные и солнечные ритмы




В предыдущей главе сезонные явления были определены как повторяю-
щиеся феномены, связанные с календарной датой. Сезонные явления
включают факторы положения Земли на орбите и наклона земной оси
относительно Солнца, сочетание которых повторяется раз в год. Другие
связанные с календарем ритмы образованы движением Луны, с ее повто-
ряющимися фазами, а также активностью солнечных пятен. В этой главе
снова будут подвергаться анализу рыночные циклы, на которые оказыва-
ют влияние внешние силы, на это раз — взаимоотношения поведения
рынка и солнечных/лунных ритмов.


БЕЗУМИЕ ИЛИ ЗАКОНОМЕРНОСТЬ?
Обсуждение вопросов влияния планет наводит на мысли о том, что мно-
гие называют астрологической чепухой. Но было бы неоправданно апри-
орно отрицать возможное влияние солнечных, лунных и других эффек-
тов только потому, что астрология бессмысленна и в словаре определяет-
ся как «лженаука, претендующая на предсказание будущего путем изу-
чения предположительного влияния Солнца, Луны и звезд на человечес-
кое поведение». Подобные поверья часто основываются на отсутствии
информации. Но что же реально известно о так называемой астрологии,
особенно в форме влияния солнечных и планетных эффектов на земные
события?
Ученые продемонстрировали наличие корреляции между положени-
ем планет и чертами личности. В одном исследовании (Mayo, White и
Eysenck, 1978), опубликованном в Journal of Social Psychology, пытались
доказать, что интровертные и экстравертные черты характера определя-
ются знаком зодиака, т.е. месяцем рождения. Тестирование использова-
ло данные 2324 лиц и показало, что лица, рожденные под знаками Овна,
Близнецов, Льва, Весов, Стрельца и Водолея имели большую вероятность
экстравертного поведения, а рожденные под знаком Тельца, Рака, Девы,
Скорпиона, Козерога и Рыб — интровертного. Результаты стабильно под-
ЧАСТЬ II ИССЛЕДОВАНИЕ входов в РЫНОК
206



тверждали гипотезу, так же как и в других подобных исследованиях
(Gauquelin, Gauhquelin и Eysenck, 1979).
Также известно, что гравитационное поле Луны оказывает влияние
на водные, литосферные и атмосферные приливы на Земле. Известно, что
Луна управляет временем размножения коралловых полипов, закрытием
раковин устриц, преимущественным совершением некоторых преступ-
лений и возбуждением лиц, страдающих «лунатизмом». Более того, изве-
стно, что во время полнолуния у женщин чаще происходит овуляция, а
также чаще начинаются роды.
При наличии таких данных уже нетрудно представить влияние лун-
ных циклов на поведение рынка. Еще Ларри Вильяме (Larry Williams, 1979)
обнаружил, что цены на серебро, пшеницу, кукурузу и соевое масло по-
вышаются в полнолуние и падают в новолуние!
Как известно каждому радиолюбителю, так называемые «солнечные
пятна» оказывают сильное воздействие на дальнюю радиосвязь. На по-
верхности Солнца наблюдаются темные участки, по одной из теорий вы-
зываемые неравномерным гравитационным воздействием планет на при-
ливные ритмы Солнца. Другая теория объясняет их движением магнит-
ных полюсов Солнца, но в любом случае период высокой активности сол-
нечных пятен влияет на распространение радиоволн — коротковолновые
радиосигналы, которые обычно распространяются только в пределах пря-
мой видимости, отражаются от ионосферы и могут распространяться на
тысячи миль. Многие могли заметить это явление по телевидению: поверх
сигнала местной телестанции накладывается сигнал далекого передатчи-
ка. С другой стороны, в периоды низкой солнечной активности дальнее
распространение коротких волн становится маловероятным, и для даль-
ней радиосвязи требуются волны гораздо большей длины.
Активность солнечных пятен и солнечные вспышки также коррели-
руют с магнитными бурями на Земле, способными нарушать работу чув-
ствительной электроники и даже выводить из строя энергосети. Магнит-
ная буря, вызванная солнечными выбросами в марте 1989 г., привела к
остановке работы гидроэлектростанции, питавшей часть Монреаля и Кве-
бека, на девять часов (Space Science Institute, 1996).
Некоторые ученые считают, что изменения солнечной активности мо-
гут быть причиной крупных изменений земного климата, например Мало-
го Ледникового Периода в 1600-х годах, начавшегося после 100 лет снижен-
ной солнечной активности (Center for Solar and Space Research, 1997).
Что же касается торговли, то Эдвард Р. Дьюи (Edward R. Dewey), осно-
вавший Фонд Изучения Циклов в 1940 г., полагал, что существует связь меж-
ду солнечными пятнами и промышленным производством, возможно, выз-
ванная влиянием на климат. В связи с этим он пытался исследовать корре-
ляцию солнечной активности и цен на сельскохозяйственные продукты.
Наш собственный интерес к солнечным пятнам достиг пика тогда, ког-
да мы обнаружили, что в 1987 г. только в течение трех дней количество
ЛУННЫЕ и СОЛНЕЧНЫЕ РИТМЫ 207
ГЛАВА 9




пятен (показатель солнечной активности) превышало 100— и это были
дни «черного понедельника» — 15 и 16 октября! Путем простых вычисле-
ний можно убедиться в том, что вероятность случайного совпадения в дан-
ном случае не превышает 1%.
Ниже мы рассмотрим влияние на торговлю лунных циклов в разделе
«Лунные циклы» и солнечных пятен в разделе «Солнечные пятна и актив-
ность рынка».


ЛУННЫЕ ЦИКЛЫ И ТОРГОВЛЯ

В предыдущем исследовании (Katz, McCormick, июнь 1997) мы обнару-
жили, что при помощи лунных циклов можно прибыльно вести торговлю
на рынке NYFE. С 1990 г. по 1997 г. простая система на основе лунных
циклов принесла $75 550 прибыли. Из 170 сделок 60% были прибыльны-
ми. Средняя прибыль в сделке составила $444,41, а общая прибыль — 365%
(не в годовом исчислении). Длинные позиции были прибыльнее, чем ко-
роткие (520% по сравнению с —37%). Сигналы зачастую предсказывали
точки разворота с точностью до дня. Также прибыльно работала система
и на рынке серебра. Сигналы точно соответствовали максимальным и ми-
нимальным значениям. И длинные, и короткие позиции были прибыль-
ными. Всего за этот период времени на рынке серебра было получено 190%
прибыли. Даже на рынке пшеницы длинные и короткие сделки были при-
быльными и принесли 242% прибыли. Несомненно, для системы, исполь-
зующей только один параметр (количество дней с новолуния или полно-
луния) и совершающей много сделок, такие результаты впечатляют и,
скорее всего, достаточно устойчивы.
Наши результаты подстегнули дальнейшие исследования явлений, свя-
занных с лунным циклом. Здесь будут рассматриваться фазы луны, т.е. пол-
нолуние, первая четверть, последняя четверть, новолуние и все промежу-
точные фазы. Можно ли на основе фазы луны предсказать максимум или
минимум рынка? Образуются ли максимумы или минимумы в полнолуние
или за пять дней до него, или же в новолуние? Поскольку лунные циклы по-
разному влияют на различные рынки, мы используем адаптивный подход
так, как это было сделано при исследовании сезонных явлений.


СИГНАЛЫ ВХОДА НА ОСНОВЕ ЛУННОГО ЦИКЛА

Получать сигналы входа на основе лунного ритма можно различными спо-
собами. В тестах использованы два метода — метод ценового импульса и
метод пересечения. Для расчета импульса рассчитывается временной ряд
изменений цены и проводится центрированное сглаживание (не вызыва-
ющее задержек или фазовых сдвигов). Для нормализации каждое изме-
ИССЛЕДОВАНИЕ входов в РЫНОК
208 ЧАСТЬ II




нение цены в сглаженном ряду делится на средний истинный интервал
последних 50 дней. Для каждого дня определяется фаза луны. Затем ищет-
ся максимально возможное число прошлых точек данных с такой же фа-
зой луны и рассчитывается импульс цен для этих дней. Среднее значение
этих импульсов становится значением в ряду лунных импульсов, т.е. пос-
ледовательности, отражающей ожидаемую скорость изменения цены (им-
пульс) на данный момент на основании предыдущих дней с той же фазой
луны. Каждое число в ряду лунных импульсов основывается на событиях
не менее чем 27-дневной давности, поэтому центрированное сглажива-
ние и другие методы прогнозирования относительно данного дня могут
быть обоснованно использованы. Вход в рынок производится, когда зна-
чение импульса превышает положительный порог (подается сигнал на
покупку) или опускается ниже отрицательного порога (подается сигнал
на продажу). Покупка или продажа могут осуществляться, как и ранее, по
цене открытия, по лимитному приказу или по стоп-приказу. Расчет им-
пульса и генерация входов организованы подобно сезонной модели, но
вместо соответствующей даты в прошлые годы рассматривают дни с той
же фазой луны в предыдущие месяцы.
Входы также могут рассчитываться путем вычисления, нормализации
и интегрирования разностей цен так, чтобы получилась псевдоценовая
последовательность, основанная на днях с соответствующей фазой луны.
Затем к этой последовательности применяется модель, основанная на пе-
ресечении скользящих средних. Поскольку значение каждой точки в та-
ком ряду определяется только данными, датированными не менее чем 27
днями назад, то запаздывание скользящего среднего может быть ском-
пенсировано смещением на несколько дней вперед.
Оба метода являются адаптивными в том отношении, что не требует-
ся какой-либо специфической информации о той фазе луны, когда требу-
ется размещать приказ на покупку или продажу. Адаптивность важна,
поскольку различные рынки по-разному реагируют на фазу луны, в чем
мы убедились, проводя наши предыдущие исследования. Оба метода от-
личаются от использованных в прошлых исследованиях, где сделки зак-
лючались за фиксированное число дней до или после новолуния или пол-
нолуния.
Также испытывалось несколько правил для использования подтверж-
дений и инверсий в попытках улучшить эффективность базовой модели.
Пример подтверждения состоит в следующем: если подается сигнал на
покупку, то уровень цен на рынке должен быть близок к минимуму; если
же в этот момент цены близки к максимуму, то сигнал является подозри-
тельным, т.е. указывает на поведение рынка, не соответствующее иссле-
дуемой лунной или сезонной модели. Система с использованием пересе-
чения с подтверждением применяет такое дополнительное правило, ко-
торое должно выполняться как условие подачи приказа на основе сигна-
ла. Если система дает сигнал на покупку, то показатель Медленного %К
ГЛАВА 9 ЛУННЫЕ и СОЛНЕЧНЫЕ РИТМЫ 209



при этом должен быть ниже 25%, т.е. рынок должен находиться в состоя-
нии, близком к минимуму за последнее время. Соответственно, если сис-
тема дает сигнал на продажу, то Медленный %К должен быть выше 75%,
чтобы считать поведение рынка соответствующим лунной модели. Мо-
дель с подтверждением и инверсией также вводит правило инверсии при-
каза: если подается сигнал на покупку в то время как рынок близок к мак-
симуму (Медленный %К выше 75%), то считается, что произошла инвер-
сия лунной модели, и отдается сигнал на продажу. Если сигнал на прода-
жу подается в момент, когда рынок близок к минимуму, то система отдает
приказ на покупку.
Характеристики входов, используемых в моделях на лунном цикле,
подобны входам сезонных моделей: входы в рынок делаются на основе
прогнозирования и, следовательно, пригодны для торговли против трен-
да. Как и любые прогностические входы, они могут не совпадать с пове-
дением рынка. Как и в случае с сезонными явлениями, могут происхо-
дить инверсии ритма или цикла.


МЕТОДОЛОГИЯ ТЕСТИРОВАНИЯ ЛУННЫХ МОДЕЛЕЙ
Все тесты проводились с использованием входов по сигналам лунной мо-
дели для торговли портфелем различных финансовых инструментов.
Можно ли получить прибыль, используя лунную модель? Как результа-
тивность подобных моделей будет изменяться со временем? Как измени-
лись их результаты за последние годы? Для того чтобы ответить на эти
вопросы, и было проведено тестирование.
Применены стандартные выходы, правила входов будут рассмотрены
при обсуждении отдельных тестов. Позиции закрываются при подаче
сигнала на вход в противоположном направлении либо при срабатыва-
нии стандартного выхода. В приведенном ниже коде описана модель вхо-
да на основе лунных циклов.

int LunarEventDates (int n) {

// подсчитывает дату лунной фазы, начиная
// с января 1900.
// n - ввод: номер фазы луны
// 0,4,8... новолуния
// 1,5,9... луна в первом квартале
// 2,6,10... полнолуние
// 3,7,11... луна во втором квартале
//возвращает - вывод: дата события по юлианскому календарю

static long ndate;
static float timzon = -5.0 / 24.0; // восточное стандартное время
static float fгас;

flmoon {n >> 2, n & 3, &ndate, &frac);
frac = 24.0 * {frac + timzon);
ЧАСТЬ II ИССЛЕДОВАНИЕ входов в РЫНОК
210



if(fгас < 0.0) { // корректировка времени
ndate—;
frac += 24.0;
)
if(frac > 12.0) (
ndate++;
frac -= 12.0;
)
else frac += 12.0;
return ndate; // юлианская дата события
}

int LunarEquivDate (int date, int n) (

// рассчитываем дату предыдущего n-го (n < 0) или
// будущего (n > 0) случая фазы луны, равной
// сегодняшней фазе
// date - ввод: текущая дата в формате ГГГММДД
// n - ввод: лунные циклы назад{-) или вперед (+)
// return - вывод: дату предыдущего или будущего цикла в формате ГГГММДД


static long nstar, ndatel, ndate2, curdate, ntarg, nans;
static int mm, dd, yyyy;


curdate = julday((date/100)%100, date%10O, 1900+date/lOOOO);
while(curdate >= ndate2) {
ndatel = LunarEventDates(++nstar);
ndate2 = LunarEventDates(nstar + 1) ;
}
while(curdate < ndatel) {
ndatel - LunarEventDates{—nstar);
ndate2 = LunarEventDates(nstar + 1);
}
if(curdate < ndatel || curdate >= ndate2
|| abs(ndate2 - ndatel - 7) > 2)
nrerror("LunarEquivDate: calculation error");
nans = LunarEventDates(nstar +4 * n);
nans += (curdate - ndatel);
caldatfnans, &mm, &dd, &yyyy) ;
return 10000*(yyyy-1900) + 100*mm + dd;
}


void LunarAvg (float *a, float *v, float *dt, int mode, int m, int n) {


// Подсчитываем лунное (в зависимости от даты и фазы) скользящее среднее
// для каждого дня, основанное на предыдущих днях и (в некоторых случаях)
// на последующих днях с эквивалентной лунной фазой.
// Работаем на всех имеющихся данных.
//а - вывод: значения [1..n] лунного среднего
//v - ввод: исходный ценовой ряд данных [1..n]
// dt - ввод: соответствующие [1..n] данные
// mode - ввод: метод анализа:
// 1 = «складной нож» IS, все прошлые циклы 008
// 2 - фиксированный период в лунных циклах
//m - ввод: дата (для режима - 1) или период анализа (для режима = 2)
// n - ввод: количество дней во всех рядах

static int i, j, cnt;
static unsigned long k;
static float sum, sdate, tiny=l.OE-20;

if(mode == 1) { // режим «складного ножа»
ЛУННЫЕ и СОЛНЕЧНЫЕ РИТМЫ 211
ГЛАВА 9




for(i = 1; i <= n; i++} { // для каждого текущего дня
sum = 0.0; cnt = 0;
for(j = 2; j < 1000; j++) { // двигаемся назад
sdate - LunarEquivDate {dt[i] , -j ) ; / / к исходной дате
if(sdate < dt[3]) break; // переход к началу
hunt(dt, n, sdate, &k) ; // находим индекс
if (sdate > dt[k]) k++;
cnt++; sum += v[k] ; // накапливаем среднюю
}
for(j = 2; j < 1000; j ++) { // двигаемся вперед
sdate = LunarEquivDate {dt[i], j); / / к исходной дате
if(sdate > m) break; // избегаем данных oos
hunt(dt, n, sdate, &k); // находим индекс
if(sdate > dt[k]) k++;
cnt++; sum +- v[k]; // накапливаем среднюю
}
a[i] = sum / (cnt + tiny); // заканчиваем среднюю
) // следующий день
}
else if(mode == 2) { // режим фиксированного периода анализа
for(i = 1; i <= n; i ++) { // для каждого текущего дня
sum =0.0; cnt = 0;
for(j = 2 ; j < 1 0 0 0 ; j + + ) { // двигаемся назад
if(cnt >= m) break; // выполняем достаточные условия
sdate = LunarEquivDate(dt[i] , -j); // исходная дата
if (sdate < dt[3]) break; // идем к началу
hunt(dt, n, sdate, &k); // находим индекс
if{sdate > dt[k]} k++;
cnt++; sum +- v[k]; // накапливаем среднюю
}
for(j = 2; -j < 1000; j++) { // двигаемся вперед
if (cnt >= m) break; // выполняем достаточные условия
sdate = LunarEquivDate(dt[i] , j ) // исходная дата
hunt(dt, n, sdate, &k) ; // находим индекс
if (sdate > dt[k]} k++;
cnt++; sum += v[k]; // накапливаем среднюю
}
a[i] = sum / (cnt + tiny) // заканчиваем среднюю
} // следующий день
}
}

static void Model (float *parms, float *dt, float *opn, float *hi,
float *lo, float *cls, float *vol, float *oi, float *dlrv, int nb,
TRDSIM &ts, float *eqcls) {

// Выполняем разнообразные торговые модели на лунных циклах.

<< Пред. стр.

стр. 25
(общее количество: 46)

ОГЛАВЛЕНИЕ

След. стр. >>