Исследование статистического распределения гэпов

В техническом анализе существует такое понятие как гэп или ценовой разрыв. Гэп возникает, когда предыдущая цена Low оказывается выше последующей цены High, либо с точностью до наоборот – предыдущий High ниже последующего Low. Гэп возможно увидеть, только применяя график отрезков (бары) или японские свечки.
Возникает гэп, в основном, либо на неликвидных инструментах внутри дня, либо в начале новой торговой сессии.


Рис. 1. Пример гэпов
 
 
Причинами возникновения гэпов могут стать следующие факторы:

• Открытие биржи после перерыва в торгах. Пока биржа была закрыта, могли выйти важные новости, которые могли привести к серьезной переоценке на рынке, или конъюнктура мировых рынков могла серьезно измениться, поэтому начало новых торгов начинается с нового уровня цен, что образует на графике гэп.
• Открытие торгов, после перерыва на клиринг, за время которого конъюнктура рынка сильно изменилась.
• Открытие торгов после праздничных или выходных дней, в течение которых вышли важные новости.
• Выход важных новостей, которые приводят к моментальному скачку цен на новый уровень даже во время торгов (редкий случай).
• Акции проходят через закрытие реестра и цена акций на следующий день опускается на величину дивидендов (эксдивидендный гэп — ex-dividend гэп) [Источник- СмартЛаб].

Закономерности гэпов:

• Чем более ликвиден рынок инструмента, тем меньше гэпов.
• На рынках, которые торгуются непрерывно, 24 часа в сутки, гэпов практически не бывает.
• Чем меньше продолжительность торговой сессии (американский рынок акций), тем больше вероятность гэпа.
• Самые большие гэпы возникают в сезон корпоративных отчетностей в США при открытии американского рынка акций в акциях отчитавшихся компаний.

Гэп является одной из неэффективностей рынка, соответственно можно найти способ использовать данную неэффективность для извлечения прибыли.
Мне хотелось бы провести статистическое исследование, чтобы понять, как можно использовать ценовые разрывы для получения прибыль.
Для этого воспользуемся программой Wealth Lab и Microsoft Excel.
Для примера воспользуемся историческими данными по акции Сбербанка с июня 2008 года до 23 апреля 2013 года.

Рис. 2. Выделенные гэпы в Wealth Lab

Посмотрим на распределение гэпов по их величине:


Рис. 3. Распределение ценовых разрывов Сбербанка

Как видно из рис. 3, кривая зависимости процентного ценового разрыва от количества наблюдений напоминает простую Гауссовскую кривую нормального распределения. Большинство наблюдений ценовых гэпов попадает в диапазон от 0 до 3%.
Аналогичные картины наблюдаются на других эмитентах, таких как Газпром, ВТБ, Уралкалий (Рис. 4, 5, 6).


Рис. 4. Распределение ценовых разрывов Газпрома
 


Рис. 5. Распределение ценовых разрывов Уралкалия
 


Рис. 6. Распределение ценовых разрывов ВТБ

Распределение ценовых гэпов на всех эмитентах примерно одинаковое. Скорее всего, данное статистическое наблюдение применить эффективно не получится, либо нужно провести дополнительное исследование, хотя можно с большей вероятностью утверждать что гэп не будет больше 3%, а всё остальное можно отнести к черным лебедям, который может сыграть как злую, так и добрую шутку.
Посмотрим на ценовые гэпы с другой стороны. Среди трейдеров есть поверье, что все гэпы всегда рано или поздно закрываются. Попробуем проверить данное утверждение или опровергнуть его. Закрытием гэпа в данном случае будем считать полное перекрытие гепа одной или несколькими свечами после его возникновения.
Воспользуемся теми же данными, что и ранее.
 

Рис. 7. Количество дней, прошедших от возникновения гэпа до его закрытия

Последний график (Рис. 7) показывает зависимость количества наблюдений от количества дней, прошедших от возникновения гэпа до его закрытия. Не трудно заметить, что большинство гэпов перекрывается в тот же день (и в ближайшие 15 торговых сессий), однако примерно 50 гэпов из 1200 остаются не перекрытыми.
В целом можно утверждать, что большинство гепов рано или поздно перекроются, таким образом можно подтвердить данную гипотезу.
В следующей части статьи мы попробуем использовать данное статистическое преимущество для попытки извлечь прибыль.


Код для анализа в Wealth Lab и Excel исследование