УДК 336.76.066

Железняк М.В.

Адаптивность моделей прогнозирования изменений цен на фондовых рынках

Санкт-Петербургский Государственный Инженерно-Экономический Университет

В докладе рассматривается использование адаптивных моделей прогнозирования цен на финансовые инструменты.

Ключевые слова: адаптивность, модель прогнозирования, адаптивные методы, ценные бумаги.

This report examines the use of adaptive models of forecasting prices of financial instruments.

Key words: adaptivity, forecasting models, adaptive methods, assets.

В настоящий момент на финансовых рынках имеют сильное распространение автоматические торговые системы, как среди частных инвесторов, так и среди крупных институциональных участников. Касательно фондовых рынков РФ, явная тенденция роста АТС обусловлена посткризисным периодом, что выражается в шести кратном росте оборота фьючерсных контрактов на индекс РТС.

Тенденции рынка ценных бумаг являются чрезвычайно изменчивыми и неопределёнными. Учитывая эволюцию поведения цен на финансовые инструменты с значительным ростом новых участников торгов, можно однозначно сделать вывод о том, что в текущих условия не достаточно создать АТС на основе стратегии со статическими параметрами. В данной ситуации необходимость применения адаптивных методов очевидна.

При прогнозировании обычно выдвигается гипотеза о том, что основные взаимосвязи и тенденции сохранятся на период прогноза, или что можно обосновать и учесть направление их изменений в рассматриваемой перспективе. Надежды возлагаются на инерционность экономических и финансовых систем. Требование статистических подходов увеличить объем выборки для получения более точных оценок приходит в противоречие с требованием гомогенности (однородности) данных, потому что чем больше период наблюдений, тем выше вероятность того, что объект претерпел коренные изменения. Таким образом, необходим компромисс.

Наиболее перспективным путем достижения такого компромисса является применение адаптивных моделей прогнозирования. Адаптивные методы прогнозирования позволяют отражать изменяющиеся во времени условия, учитывать поступление новой информации о динамики цен и корректировать параметры стратегии прогнозирования цен. Методы предпочтительнее использовать в краткосрочной перспективе прогнозирования цен.

Модель прогнозирования цен, основанная на комбинации методов прогнозирования, описывающих определённую стратегию прогнозирования поведения цен с применением адаптивных методов корректировки основных параметров стратегии, является адаптивной моделью прогнозирования цен финансовых инструментов.

Реальный процесс протекает в изменяющихся условиях. На временной ряд, представляющий этот процесс, воздействуют в разное время различные факторы внешней среды: одни из них ослабляют свое влияние, другие - увеличивают. Так как котировки наиболее ликвидных ценных бумаг всегда находятся в динамике, то есть не остаются постоянными во времени, модель всегда будет находиться в движении. Адаптация в таких моделях обеспечивается небольшими дискретными сдвигами.

Пусть для модели заданы исходные параметры, то есть определены лучшие параметры, и по ним делается прогноз на один шаг вперед. По истечении условно выбранной единицы времени (шаг прогнозирования) определяются, насколько далек прогноз, сделанный по модели, от фактического значения ряда. Ошибка прогнозирования через обратную связь поступает на вход системы и используется моделью для выбора оптимальных параметров модели для осуществления прогноза на следующий шаг прогнозирования. Далее осуществляется прогноз на следующий момент времени, и процедура повторяется. Таким образом, адаптация осуществляется рекуррентно с получением каждой новой точки ряда.

Процесс получения лучших параметров модели в исходный момент время   осуществляется путем получения пробных прогнозов на ретроспективном статистическом материале. При наличии тенденции в движении исследуемого временного ряда наилучшая реакция модели — определенный компромисс между двумя крайними ситуациями, обеспечивающий отражение основной закономерности в движении ряда и одновременно фильтрацию случайных отклонений от нее. По результатам ретроспективного прогноза можно судить о пригодности модели к прогнозирования на будущий временной период. После выбора параметра адаптации модель самообучается в процессе переработки новых статистических данных.

В силу специфичности стратегий прогнозирования, а также небольшого количества входной информации, нельзя ожидать, что какая-либо одна адаптивная модель подходит для прогнозирования любого ряда, любых вариаций поведения. Адаптивные модели достаточно гибки, однако не универсальны. Поэтому при построении и обосновании конкретных моделей необходимо учитывать наиболее вероятные закономерности развития фундаментальных процессов и сопоставлять динамические свойства ряда со структурой и возможностями модели. Таким образом, при выборе адаптивной модели прогнозирования необходимо использовать меньшее число параметров модели в сумме с наименьшей ошибкой прогнозирования.

Следующие типы адаптивных моделей применяются при прогнозировании котировок ценных бумаг: модели с адаптивными параметрами адаптации; модели полиномиальных и экспоненциальных трендов; модель фазового анализа неустойчивых циклических колебаний;  модели тренда и сезонных явлений аддитивного и мультипликативного типа; адаптивная модель гистограммы; модели авторегрессии с переменными коэффициентами; адаптивный корреляционный анализ; адаптивная множественная регрессия; адаптивные эконометрические модели как системы адаптивных множественных регрессионных уравнений; адаптивные нелинейные модели.

Использование стратегий прогнозирования, построенных на фундаментальных зависимостях динамики ценных бумаг в сумме с наиболее эффективными адаптивными методами относительно стратегии прогнозирования, позволяет получать прибыльные результаты торговли ценными бумагами.

Литература:

1. Мерфи Дж. Технический анализ фьючерсных рынков: теория и практика. – М.: Сокол, 1996. – 592 с.

2. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования временных рядов. – М.: Финансы и статистика, 2003. – 412 с.