Таблица 8
Сделка №1, покупка 3926
акций |
Средняя цена открытия 25,47 USD |
Сделка №2, продажа
3926 акций |
Средняя цена закрытия 26,54 USD |
Итог операции |
+1,07 на одну акцию |
Выручка от операции |
$1.07*3926=$4200 |
Проценты за кредит |
$40 |
Серия убыточных операций |
$52 |
Прибыль от операции |
4200-40=$4160 |
Средняя прибыль на операцию |
$4160-52=$4108 |
· Структура реальных финансовых процессов в целом хорошо согласуется с предлагаемой авторегрессионной моделью, однако лишь при достаточно высоком ее порядке q=30-50;
· Объем наблюдений, необходимый для адаптации АР-модели высокого порядка q=30-50 составляет не менее 100 отчетов данных;
· Из расчета 100 отсчетов данных, требуемый интервал анализа исследуемого временного ряда составляет от 1 до 3 месяцев в прошлое, что хорошо согласуется с его интервалом стационарности даже в условиях нестабильной рыночной конъюнктуры.
Опыт практического использования методов прогнозирования на валютном рынке позволил сделать также ряд общих выводов:
Наиболее приемлемым для работы на валютном рынке является метод прогнозирования с использованием авторегрессионных моделей. Несмотря на сравнимый итоговый результат с методом RSI, АР-модель обеспечивает существенно меньший по размерам средний риск на операцию. Отчасти это следствие большого числа транзакций, а следовательно, больше возможностей для пересмотра и корректировки стратегии, отчасти это объясняется высокими динамическими свойствами модели, то есть надежной оценкой (адаптацией) параметров по малой выборке наблюдений.
Метод скользящих средних показал малую результативность. Это объясняется сравнительно редкими для валютного рынка периодами однонаправленного движения цен. Пожалуй, только котировки японской йены, являют собой пример трендового рынка. На бестрендовых участках применение метода скользящих средних следует признать нецелесообразным.
Опыт прогнозирования экономических показателей с применением различных методов приводит к необходимости сравнения полученных моделей. При этом часто получают модели со сходными статистическими свойствами, в результате чего трудно отдать предпочтение какой-либо модели. Однако если предположить, что каждая из моделей описывает лишь одну сторону динамики данного экономического процесса, отображаемого исследуемым временным рядом, то совместное использование нескольких моделей позволит точнее и полнее описать и спрогнозировать эту динамику. Такая точка зрения приводит к идее объединения прогнозов, получаемых по отдельным моделям, и формировании на этой основе комплексного прогноза.
Практика разработки экономических прогнозов опирается на целую систему методов, среди которых статистические методы прогнозирования занимают важное место. Решающую роль при статистическом подходе к прогнозированию играет выбор соответствующей модели, которая, будучи наполненной числовыми параметрами, становится непосредственным инструментом прогнозирования - так называемым предиктором. Располагая предиктором, можно получить варианты прогноза, отвечающие определенным условиям и гипотезам, учтенным при его построении. Вместе с тем необходимо помнить, что механическое использование предиктора может стать причиной серьезных погрешностей и ошибок, которые на рынке неизбежно обернутся убытками.
Цель статистической модели - не заменить суждения и опыт специалиста, а дать ему в руки инструмент, позволяющий более глубоко проникнуть в существо исследуемых явлений, инструмент, в котором специфическим образом обобщена и приведена в систему разнообразная статистическая информация. Получаемые на основе предикторов прогнозы имеют смысл только в рамках тех условий, гипотез и предположений, которые были учтены при разработке соответствующих моделей и при их применении для прогнозирования. Иначе говоря, предлагаемые методы и модели прогнозирования позволяют выявить закономерности (например циклического свойства) которые могут присутствовать в исследуемом временном ряду. Если таких закономерностей нет, то любые, самые совершенные методы не позволят спрогнозировать ситуацию. Однако опыт показывает, что закономерности есть, только возможно присутствуют они в весьма завуалированной форме. Таким образом, разработка и применение моделей в прогностических целях предполагают углубленный экономический и экономико-статистический анализ.