Компьютерное моделирование на фондовом рынке

Предсказание динамики биржевых курсов — важная задача, которую пытаются уже многие годы решить инвесторы.. В статье проводится детальное сравнение различных инвестиционных стратегий, построенных на основе научного подхода.

Выбраны следующие критерии сравнения различных моделей инвестирования:

  • полная прибыль при тестировании на указанном временном промежутке;
  • отношение полной прибыли к максимальному падению капитала — риск;
  • Процент соотношение прибыльных и убыточных сделок не так важно, так как слабо влияет на полную прибыль.

Компьютерное моделирование на фондовом рынке

Первой торговой стратегией, рассмотренной в статье, является стратегия обычного скользящего среднего. Смысл индикатора скользящего среднего прост: берется среднее значение за последние N периодов, позволяя отслеживать простейшие тренды. Сделка заключается при пересечении индикатора и текущих котировок. Произведена оптимизация данной торговой стратегии для «голубых фишек» из РТС и определено, что наилучшие результаты дает применение коротких периодов (14 <= N <= 25).

Следующая из рассмотренных в статье — торговая стратегия взвешенного скользящего среднего. Она отличается тем, что наибольшее значение, т.е. больший коэффициент в ней имеют последние данные. Индикатор также позволяет сглаживать колебания курса. Стратегия не сильно отличается от своего более простого аналога, поэтому дает сходные результаты.

Стратегия экспоненциального скользящего среднего также придает больший вес последним данным, а вес старых данных постоянно убывает, но никогда не становится равным нулю. Экспоненциальное скользящее среднее более чувствительно, чем простое скользящее среднее и менее чувствительно, чем взвешенное. При тестировании стратегии на котировках «голубых фишек» РТС за указанный период произведена оптимизация параметра, используемого в экспоненциальном скользящем среднем и получены несколько худшие по прибыльности результаты, однако с меньшим риском, чем в предыдущих двух стратегиях.

Стратегия линейной регрессии основывается на статистическом методе следования за трендом. На практике ее результаты близки к результатам скользящих средних, однако используются более сложные и, следовательно, более точные формулы для расчетов индикатора. Произведена оптимизация стратегии с целью выбора оптимального временного окна и получены результаты, согласно которым метод отличается меньшей стабильностью, чем выше рассмотренные.

Для детального сравнения перечисленных стратегий они протестированы на котировках 50 ценных бумаг РТС. Результаты сравнения обобщены путем ранжирования занимаемых в тестах мест и определено, что наиболее прибыльной и надежной (в смысле постоянства результатов) оказалась оптимизированная стратегия простого скользящего среднего. Она в основном занимала 2 и 3 места, иногда переходя на первое и очень редко оказывалась последней. Остальные стратегии хоть и давали иногда лучшие результаты, но не отличались постоянством.

При построении торговой стратегии на основе одного индикатора мы сталкиваемся с несколькими проблемами. Сложно выбрать достаточно надежный во всех случаях индикатор. К тому же любой индикатор будет отчасти «зашумлен», как бы его ни оптимизировали, приводя к некоторому проценту убыточных сделок. Эти трудности можно свести к минимуму, объединяя сигналы от нескольких стратегий.

В статье рассмотрен синтез двух стратегий — простого скользящего среднего и линейной регрессии. Первая показала себя как наиболее надежная, а вторая давала наибольшую прибыль. Построенная модель показала соизмеримую с ранее рассмотренными моделями прибыль и значительно превзошла прибыль простой стратегии линейной регрессии. Кроме того, доля прибыльных сделок превзошла долю убыточных.

Из результатов этого исследования можно сделать вывод о полезности использования оптимизированных правил принятия решений. Как показывают исследования, не следует чрезмерно загружать модель параметрами. Чем проще торговая стратегия, тем она надежнее.

Поделиться с друзьями:


Leave a Reply

Ваш адрес email не будет опубликован. Обязательные поля помечены *

Этот сайт использует Akismet для борьбы со спамом. Узнайте как обрабатываются ваши данные комментариев.