ЦИКЛЫ НА ФИНАНСОВЫХ РЫНКАХ.
Часть 2. Память рынка.
Здравствуйте, друзья.
Этой статьёй я продолжаю серию публикаций по теме циклов на финансовых рынках. И вопрос, которую я хочу рассмотреть в сегодняшней статье, играет очень важную роль в анализе циклов. Это память рынка.
Как я писал в первой части, память рынка – это способность рынка запоминать свою реакцию на то или иное событие, что применительно к теме циклов означает способность рынка совершать циклические движения, характерные для прошлых периодов времени, под влиянием действующих циклов. И память рынка – величина непостоянная. Почему? Вопрос непростой, и я понимаю его следующим образом.
Во-первых, откуда вообще берется память рынка? Как события прошлого могут очень точно воспроизводиться сегодня? Ведь рынок уже поглотил и переварил эту информацию в прошлом. Дело в том, как я считаю, что циклы, действующие на рынке, оказывают своё влияние через людей (точнее, через психологию людей) и сопутствующие деятельности человека процессы: политику, экономику, финансы и пр. Человеческая психология если и меняется, то очень медленно, и реагирует на одни и те же события одинаково. Меняются обложки, упаковки, формы и названия событий, но реакция будет приблизительно одинакова. Всё это описано уже не единожды: страх (паника), жадность (алчность), психология масс. Т.е. реакция людей известна заранее. В любой деятельности человека тоже присутствует цикличность, и это, как мне кажется, очевидный факт. Циклы, входя в активную фазу или меняя своё направление с фазы роста на фазу снижения и обратно, создают различные воздействия на рынок и вступают во взаимодействие друг с другом. Одни циклы усиливают другие, а третьи, наоборот, начинают глушить. И это прослеживается на всех временных периодах – так проявляются фрактальные свойства рынков, в частности масштабируемость. Микро и мини циклы создают взлеты и падения котировок в рамках минуты, часа, дня, недели или месяца. Более длинные циклы задают характер движения котировок в рамках года и, например, десятилетий.
1 | |
2 | |
3 | |
4 | |
5 | |
6 | |
7 | Фигуры разворота тенденции «Кратные вершины и основания»/ «Неудавшиеся размахи» |
8 | |
9 | |
10 | |
11 |
Курс включает в себя информацию от азов Технического Анализа до графических моделей и индикаторов, Вы будете знать:
Сам являюсь алготрейдером и регулярно задумываюсь о природе прибыли — рыночных неэффективностях. Для упрощения понимания явления и для упрощения передачи идеи другим людям, естественно, хочется найти какое ни будь похожее по сути явление из обычной жизни, чтобы можно было объяснять/анализировать на его примере.
Для себя нашел сходство модели лесного грибника с моделью алготрейдера, рыскающего по пространству рыночного шума в поисках на чем бы нажиться. Можно сказать, что неэффективность с точки зрения алготрейдера это некий прибыльный торговый алгоритм. Для грибника — это знание мест в лесу где обычно растут грибы. Грибник рыщет по лесу в поисках таких мест также как и алготрейдер рыщет по пространству алгоритмов.
Если грибник в поисках новых полян будет ходить по хоженым тропам (использовать широко разрекламированные подходы), то шансов найти хорошую поляну практически нет.
Если грибник нашел хорошее место и про него мало кто знает, то есть шанс длительное время с успехом ходить туда за грибами (предполагаем что вместо срезанных грибов постоянно растут новые). Если про поляну узнали многие и стали туда ходить, то шансов найти там грибы становится мало и затраты на посещение поляны начинают перевешивать результат посещения.
Трейдеры, которые приобрели мою программу robot_uralpro (см. пост на смарт-лабе), спрашивают, можно ли доработать алгоритм для применения его на современном рынке? Напомню, стратегия робота основана на взаимоотношении цен синтетического индекса, составляемого динамически из рыночных цен акций, входящих в индекс РТС, и фьючерса RI. Идея «одноногого» статистического арбитража, реализованного в роботе, будет работать и сейчас, только в том случае, если научиться правильно определять, какой актив опережает другой в смысле динамики их цен. Эта статья посвящена правильному выявлению такого взаимодействия, которое в англоязычных источниках называется «lead-lag relationship» -опережение-отставание между разными активами.
Те алготрейдеры, кто не приобретал robot_uralpro, тоже сочтут эту статью полезной, так как lead-lag relationship может использоваться в стратегиях парного трейдинга и им подобным. Например, определив такое взаимодействие, можно исключить из парного трейдинга один из активов ( с учетом того, конечно, что отношение торгуемых инструментов было описано четкой моделью) и значительно увеличить тем самым прибыльность стратегии.