• В даний час існує велика різноманітність методів торгівлі
  • Комбінована торгова модель
  • 2.3 Регресії комбінованої моделі
  • 2.5 Підсумковий вид комбінованої торгової моделі Підсумковий вид комбінованої моделі вклчает в себе кілька елементів.


  • Дата конвертації12.02.2018
    Розмір88.8 Kb.
    ТипРубрика

    Прогнозування зміни ціни акцій

    зміст

    Вступ

    1. Торгова стратегія

    1.1 Основні загальноприйняті стратегії

    1.2 Обрана торгова стратегія

    1.3 Фактори комбінованої моделі

    2. Комбінована торгова модель

    2.1 Кореляції відібраних факторів

    2.2 Нова формула і коефіцієнт прогнозування

    2.3 Регресії комбінованої моделі

    2.4 Мінімізація ризиків

    2.5 Підсумковий вид комбінованої торгової моделі

    3. Перевірка комбінованої торгової моделі

    3.1 Перевірка коефіцієнтів прогнозування

    3.2 Перевірка стратегії мінімізації ризиків

    висновок

    Список літератури

    додатки


    Вступ



    В даний час існує велика різноманітність методів торгівлі на біржі. Трейдери виробляють стратегії, грунтуючись на фундаментальному і технічному аналізі з використанням різних індикаторів, індексів, досліджень, оглядів і так далі.

    Однак, навіть в професійному трейдингу має місце людський фактор. Інтуїція, емоції, що виникають в різних ситуаціях можуть позитивно позначитися на результатах торгівлі, але часто є причиною великих втрат.

    Найбільш важливим аспектом є той факт, що під час використання емоцій і інтуїції при прийнятті рішень, процес торгівлі перетворюється просто в азартну гру.

    Отже, для успішної і прибуткової торгівлі необхідне створення комбінованого алгоритму, який включає в себе всі певні трейдером гіпотези. Алгоритм повинен містити в собі всі виявлені закономірності, певні ризики і повинен давати неупереджену і холоднокровну оцінку кожної конкретної ринкової ситуації. Виходячи з вищесказаного, актуальність і важливість створення описаного торгового алгоритму незаперечна.

    Практична важливість даної роботи полягає в можливості створення моделі для реальної торгівлі на біржі. Мета роботи полягає у вивченні ринкових закономірностей, пов'язаних з акціями Ощадбанку і створення комплексного торгового алгоритму, заснованого на виявлених закономірностях. Акції Ощадбанку були обрані через найвищої їх ліквідності на російській біржі.

    В рамках дослідження і написання даної роботи були поставлені наступні завдання:

    1. Вивчення особливостей російського фондового ринку.

    2. Пошук і вивчення закономрностей пов'язаних з акціями Ощадбанку.

    3. Створення алгоритму, заснованого на виявлених закономірностях, за допомогою комп'ютерних програм.

    4. Створення комбінованої моделі для прогнозування зміни ціни акцій Ощадбанку.

    5. Перевірка створеної моделі на реальних даних.

    Методологічною основою для даного дослідження виступають роботи зарубіжних трейдерів, аналітичні статті та замітки, дані інвестиційних компаній і огляди відібраних економічних секторів.

    Робота складається з вступу, трьох розділів, висновків, списку використаної літератури та додатків.

    Перша глава включає в себе основну теоретичну інформацію пов'язану з темою роботи. Також вона включає опис всіх відібраних факторів, які потенційно можуть впливати на ціноутворення акцій Ощадбанку.

    У другому розділі всі виявлені закономірності піддаються аналізу за допомогою комп'ютерного програмного обепеченія. Остаточні вид комбінованої торгової моделі також представлений в цьому розділі.

    У третьому розділі описаний процес перевірки моделі на реальних даних і представлені результати даної перевірки.


    1. Торгова стратегія



    1.1 Основні загальноприйняті стратегії



    Основні торгові стратегії базуються на фундаментальному і технічному аналізі. Перший метод вивчає Фнансовий результати певних компаній, в той час як другий аналізує минулі дані і графіки вартості цінних паперів.

    Фундаментальний аналіз використовується інвесторами для оцінки вартості компанії, акцій, яка відображає стан компанії і прибутковість її операцій. Дані аналіз вивчає різні фінансові показники: виторг, чистий прибуток, EBIDTA (доходи до вичетапроцентной ставки, податків і амортизації), активи, грошові потоки, дивіденди, продуктивність і ефективність бізнесу.

    Основна ідея фундаментального аналізу полягає в тому, що ринок може недооцінювати цінні папери певної компанії в короткостроковому періоді, але в довгостроковому періоді, справедлива ціна безумовно повинна бути досягнута. Прибуток виникає через купівлю недооуцененних паперів і продажу їх після того як ринок усвідомлює цю недооціненість і дозволить досягти паперів справедливої ​​ціни.

    Технічний аналіз передбачає зміну напрямку руху цін різних паперів на підставі дослідження минулих даних, обсягу, цін і реакцій трейдерів на різні ринкові ситуації. Аналіз ґрунтується на ідеї, що вся інформація вже відображена на ринковій ціні. Емоційні реакції інвесторів на різні зміни створюють закономірності, помітні на графіках руху цін. Технічний аналіз не шукає справедливої ​​вартості і створює прогноз тільки за допомогою екстраполяції минулих ринкових ситуацій на поточні.

    Технічний аналіз використовує різні моделі і правила, які концентрують свою увагу на цінах, обсягах, регрес, середніх що ковзають значеннях, бізнес циклах, внутрішніх і зовнішніх ринкових кореляції і ринкових циклах.

    Як це було сказано раніше, основним об'єктом даної роботи є акції Ощадбанку. Сбербанк - це російський комерційний банк, найбільший банк Росії і один з найбільших в Східній Європі.

    Сбербанк - універсальний банк, що пропонує широкий спектр банківських послуг. Частка Ощадбанку в приватних вкладах становить 50,5%. Кредитний портфель дорівнював 30% від усіх кредитів виданих в країні на кінець 2011 року.

    Відповідно до інформації журналу "Банкір" і Brand Finance Company, Ощадбанк займає 17 місце в рейтингу найдорожчих банківських брендів світу і його вартість оцінена в 10,8 мільярд доларів США за станом на 2011 рік. Центральний офіс ощадбанку знаходиться в Москві.

    1.2 Обрана торгова стратегія

    торговий стратегія прогнозування комбінований

    Комбінована торгова модель включає в себе кілька основних інструментів. Перш за все, дана модель містить нову формулу і коефіцієнт прогнозування, які засновані на кореляції між Ощадбанком і відібраними факторами мають вплив на ціну акцій Ощадбанку. Далі, модель може в разі потреби включати регресії, побудовані за допомогою економетричних програм. У даній роботі використовувалася програма Eviews.

    Eviews (Econometrics Views) - це програма для операційної системи Windows, яка використовується для проведення економетричного аналізу.

    Наступний метод, використаний в комплексній моделі - парний трейдинг і стратегія бета нейтрального портфеля для мінімізації ризиків при торгівлі. Бета коефіцієнт - індекс, який розраховується для паперу або інвестиційного портфеля. Це міра ринкового ризику, що відображає мінливість прибутковості цінних паперів (портфеля) в порівнянні із середньою прибутковістю портфеля (ринку).

    Бета коефіцієнт для оцінки портфеля виражається відношенням ковариации значень паперу до значень портфеля поділена на дисперсію портфеля. Формула бета коефіцієнта виглядає наступним чином:

    де ra вимірює прибутковість активу, rb вимірює прибутковість портфеля (ринку), і cov (ra, rb) - то ковариация між даними прибутковістю.

    Стратегія бета нейтрального портфеля складається в створенні портфеля з бета коефіцієнтів рівним нулю. Головне достоїнство даної стратегії - це практично повна незалежність підсумкової прибутковості паперу від прибутковості ринку.

    Парний трейдинг - це торгова стратегія, заснована на використанні паперів з високою кореляцією між собою. Наприклад, в разі підвищення цін на нафту, ціни акцій нафтових компаній також почнуть рости.

    Основним принципом парного трейдингу є використання протилежних позицій. Коли ціна одного паперу зростає або падає, трейдер відкриває позицію по обидва паперів, але одну купує, а іншу продає. В ідеальних умовах здійснюється купівля недооціненою акції і продаж переоціненою.

    1.3 Фактори комбінованої моделі



    Існує безліч факторів, які впливають на ціноутворення акцій Ощадбанку. Деякі фактори нетрадиційні для банку через особливого статусу Ощадбанку на біржі і через особливості Російської економіки.

    Перш за все, вкрай важливою є оцінка ситуацій банківського сектора, основні тренди міжнародної економіки та економічна ситуація в Росії. Також необхідно вивчити залежність Російської економіки від ситуацій на західних ранках, великих ринках Азії і Латинської Америки.

    Були відібрані наступні фактори:

    1. The RTS Oil and Gas Index (RTSog).

    Даний фактор відображає ситуацію в області виробництва, переробки та продажу вуглеводнів в Росії. Розрахунок індексу грунтується на цінах цінних паперів найбільших компаній, що працюють в даній галузі.

    Структура індексу:

    Таблиця 1

    Ticker

    Company

    Share

    GAZP

    GAZPROM

    15%

    LKOH

    LUKOIL

    15%

    ROSN

    ROSNEFT

    15%

    NVTK

    NOVATEK

    13,44%

    SNGS

    SURGUTNEFTEGAS

    10,69%

    TATN

    TATNEFT (P)

    9,90%

    TRNFP

    TRANSNEFT

    5,79%

    TNBP

    TNC-BP

    5,06%

    SNGSP

    SURGUTNEFTEGAS (P)

    4,31%

    BANE

    BASHNEFT

    3,18%

    SIBN

    GAZPROMNEFT

    2,64%

    Джерело: finam.ru

    2. The RTS Finance Index (RTSfn).

    Цей фактор показує стан фінансового сектора Росії. Розрахунок даного індексу виробляється на основі цін паперів найбільших банків країни.

    Структура індексу:

    Таблиця 2

    Ticker

    Company

    Share

    VTBR

    VTB

    25,02%

    SBER

    SBERBANK

    22,95%

    MMBM

    BANK MOSKVY

    21,37%

    ROSB

    ROSBANK

    11,67%

    BSPB

    BANK SANKT-PETERBURG

    8,55%

    VZRZ

    BANK "VOZROZDENIE"

    8,47%

    SBERP

    SBERBANK (P)

    1,98%

    Джерело: finam.ru

    3, 4. The USA Oil and Gas Index and the USA Banks Index.

    Ці фактори представляють ситуації в описаних раннє областях в США. Індекс буде показувати вплив ринків США на Російську економіку в цілому і на ціну акцій Ощадбанку.

    5. The S & P 500 Index.

    Розрахунок даного індексу базується на капіталізації 500 найбільших компаній США. Список даних компаній складений рейтинговим агентством Standard & Poors.

    6. The NASDAQ Composite Index.

    Даний фактор складається з цін акцій і фінансових інструментів всіх компаній біржі NASDAQ. Основою для розрахунку індексу служать більш ніж 3000 компаній США та інших країн. Історично, індекс базується на паперах високотехнологічних компаній.

    7. The Financial Times Stock Exchange Index (FTSE 100).

    Це основний індикатор Британської біржі. Індекс грунтується на ринкових цінах 100 компаній з найбільшою капіталізацією зі списку Лондонської Фондової Біржі.

    8. The Nikkei 225 Index.

    Найбільшими біржовими центрами Азії виступають японська Токійська фондова біржа. Основний індикатор даної області - це Nikkei 225. Індекс розраховується як середнє значення цін самих ліквідних акцій на згаданій біржі.

    9. The Shanghai Composite Index (SSE Composite).

    Розрахунок даного індексу базується на цінах всіх акцій списку A і B Шанхайської Фондової Біржі.

    10. The Bovespa Index.

    Фондова біржа Сан-Паулу - найбільша біржа в Латинській Америці. Вона розташована в центрі найбільшого міста Бразилії. У травні 2008 вона була утворена після злиття з бразильською біржею Bovespa. В результаті вона стала однією з найбільших світових бірж і отримала назву BM & Bovespa.

    11, 12. Відомі світові марки нафти.

    Brent (Brent Crude) є багаторазовим маркою нафти, яка виробляється в Північному морі. West Texas Intermediate (WTI), також відома як Texas light sweet - марка нафти, вироблена в Техасі.

    13. Бівалютний кошик

    Це операційний індикатор обмінної політики Центрального Банку Російської Федерації, введений для визначення реального обмінного курсу між рублем і основними валютами. Бівалютний кошик складається з 0,45 Євро і 0, 55 доларів США.

    Отже, торгова модель включає в себе фактори, які показують вплив ситуації в російській економіці, стан західних, азіатських, латиноамериканських ринків, нафтових марок і валюти на ціну акцій Ощадбанку. Деякі фактори можуть бути виключені і замінені в разі виявлення їх марності для моделі протягом дослідження.

    Також, кілька факторів були відібрані для побудови регресій в програмі Eviews і для парного трейдингу. Ці чинники є цінними паперами найбільших російських компаній, таких як Газпром, Роснефть, Лукойл і так далі.

    Всі дані взяті з сайту finam.ru. Аналізований період тривати з 1 жовтня 2012 року до 2 травня 2013 року і дорівнює семи місяців. Всі фактори зібрані в таблиці в наступному вигляді:

    Таблиця 3

    DATE

    Sberbank

    RTS OaG

    RTS Finance

    USA OaG

    Nikkei 225

    USA Banks

    01.10.2012

    92,33000

    201,63000

    272,76000

    322,60467

    8 796,51000

    108,93367

    02.10.2012

    91,90000

    201,23000

    272,60000

    322,48735

    8 786,05000

    109,29082

    03.10.2012

    91,92000

    199,35000

    272,12000

    318,45262

    8 746,87000

    110,56122

    04.10.2012

    91,47000

    197,62000

    270,89000

    321,72223

    8 824,59000

    112,82653

    05.10.2012

    93,02000

    201,09000

    277,62000

    320,89590

    8 863,30000

    112,50000

    08.10.2012

    92,60000

    199,13000

    272,95000

    321,33457

    8 863,30000

    112,18367

    09.10.2012

    92,63000

    199,38000

    271,83000

    321,67122

    8 769,59000

    111,17347

    10.10.2012

    92,29000

    198,05000

    271,16000

    315,93793

    8 596,23000

    111,67857

    11.10.2012

    92,64000

    198,47000

    273,99000

    317,94255

    8 546,78000

    112,29082

    12.10.2012

    91,50000

    196,12000

    270,06000

    316,22868

    8 534,12000

    109,69388

    15.10.2012

    91,28000

    195,98000

    269,52000

    317,87623

    8 577,93000

    111,13776

    16.10.2012

    92,19000

    198,59000

    273,50000

    322,79850

    8 701,31000

    110,91837

    17.10.2012

    93,12000

    203,21000

    278,67000

    326,60879

    8 806,55000

    112,61225

    18.10.2012

    93,70000

    203,77000

    276,48000

    326,93014

    8 982,86000

    112,38776

    19.10.2012

    93,19000

    200,58000

    272,81000

    322,01298

    9 002,68000

    111,14286

    22.10.2012

    94,10000

    201,36000

    271,35000

    320,14099

    9 010,71000

    111,43878

    23.10.2012

    93,59000

    196,30000

    265,27000

    312,60712

    9 014,25000

    109,46429

    24.10.2012

    93,38000

    197,84000

    267,28000

    310,42398

    8 954,30000

    109,48980

    25.10.2012

    92,89000

    197,07000

    267,45000

    313,40794

    9 055,20000

    109,96429

    26.10.2012

    91,95000

    194,91000

    263,22000

    313,56607

    8 933,06000

    108,85714

    29.10.2012

    91,70000

    194,18000

    262,67000

    313,56607

    8 929,34000

    108,85714

    30.10.2012

    91,20000

    193,26000

    261,18000

    313,56607

    8 841,98000

    108,85714

    31.10.2012

    91,79000

    193,84000

    260,44000

    313,13760

    8 928,29000

    109,61735

    Джерело: finam.ru


    2. Комбінована торгова модель



    2.1 Кореляції відібраних факторів



    Різні зміни всіх обраних факторів в тій чи іншій мірі можуть впливати на Російську економіку і ціни акцій Ощадбанку. Після відбору і систематизації зібраної інформації про ціни факторів, були розраховані кореляції між значеннями факторів і цінами акцій Ощадбанку. Результат обчислень показав широкий спектр кореляцій, а також відсутність зв'язку між ціною акцій Ощадбанку і деякими відібраними факторами в період з жовтня по грудень 2012 року.

    Таблиця 4

    SBERBANK

    SHANGHAI

    USA_BANKS

    USA_OAG

    SAP_500

    ...

    SBERBANK

    1.000000

    0.654108

    0.862605

    0.871219

    0.837067

    ...

    SHANGHAI

    0.654108

    1.000000

    0.636801

    0.631581

    0.506315

    ...

    USA_BANKS

    0.862605

    0.636801

    1.000000

    0.902539

    0.915840

    ...

    USA_OAG

    0.871219

    0.631581

    0.902539

    1.000000

    0.962499

    ...

    SAP_500

    0.837067

    0.506315

    0.915840

    0.962499

    1.000000

    ...

    RTS_OAG

    0.841895

    0.530504

    0.817696

    0.896952

    0.883312

    ...

    RTS_FINANCE

    0.888129

    0.774947

    0.852262

    0.931178

    0.879827

    ...

    NIKKEI_225

    -0.142680

    -0.650528

    -0.224823

    -0.295028

    -0.209083

    ...

    NASDAQ

    0.773823

    0.400296

    0.812183

    0.893914

    0.949499

    ...

    LIGHT_SWEET

    0.496305

    0.368441

    0.612976

    0.753033

    0.750265

    ...

    FUTSEE_100

    0.682340

    0.401003

    0.767305

    0.738633

    0.765389

    ...

    CURRENCY

    -0.330279

    0.036362

    -0.438606

    -0.509575

    -0.598649

    ...

    BRENT

    0.324301

    0.061201

    0.439232

    0.527463

    0.532286

    ...

    BOVESPA

    0.696428

    0.702128

    0.795486

    0.869123

    0.838678

    ...


    Джерело: finam.ru, аналіз автора

    Дана таблиця показує, що такі фактори мають найбільшу кореляцію з акціями Ощадбанку. Фактори з низькою кореляцією були виключені з моделі.

    Таблиця 6

    1.

    RTS_FINANCE

    0.888129

    2.

    USA_OAG

    0.871219

    3.

    USA_BANKS

    0.862605

    4.

    RTS_OAG

    0.841895

    5.

    SAP_500

    0.837067

    6.

    NASDAQ

    0.773823

    7.

    BOVESPA

    0.696428

    8.

    FUTSEE_100

    0.682340

    9.

    SHANGHAI

    0.654108

    10.

    LIGHT_SWEET

    0.496305


    Джерело: finam.ru, аналіз автора

    Це аналіз і кореляції показують зв'язок між глобальними індексами і Ощадбанком, визначити найбільш важливі фактори, але на даному етапі ці показники абсолютно марні для реальної торгівлі. Вкрай важливо розрахувати кореляції і зв'язку між факторами і Ощадбанком з затримкою (лагом). У дослідженні будуть використовуватися три затримки: 1,2 і 3 дні.

    Кореляції з різними лагами були розраховані і вони показали незаперечний зв'язок між факторами і Ощадбанком і вплив даних чинників на протязі деякого часу, а саме, трьох днів. Результат всіх обчислень із затримками представлені в наступних таблицях:

    Таблиця 7

    LAG

    1-DAY

    2-DAYS

    3-DAYS

    SHANGHAI

    0.564260

    0.487937

    0.407679

    USA_BANKS

    0.847517

    0.746001

    0.649382

    USA_OAG

    0.869073

    0.832092

    0.788955

    SAP_500

    0.847225

    0.814606

    0.767330

    RTS_OAG

    0.804247

    0.738037

    0.704276

    RTS_FINANCE

    0.853424

    0.811136

    0.796994

    NASDAQ

    0.803979

    0.787123

    0.763187

    LIGHT_SWEET

    0.566354

    0.568523

    0.622411

    FUTSEE_100

    0.668312

    0.589759

    0.482153

    CURRENCY

    -0.403599

    -0.448682

    -0.513540

    BRENT

    0.427732

    0.452858

    0.574940

    BOVESPA

    0.657801

    0.581107

    0.525085

    ADR_SBER

    0.922689

    0.868065

    0.810539


    Джерело: finam.ru, аналіз автора

    Фактори з найбільшою кореляцією з різними лагами представлені в наступних таблицях:

    Таблиця 8

    1-DAY LAG

    2-DAYS LAG

    3-DAYS LAG

    1.

    USA_OAG

    0,869073

    USA_OAG

    0,832092

    RTS_FINANCE

    0,79699

    2.

    RTS_FINANCE

    0,853424

    SAP_500

    0,814606

    USA_OAG

    0,78896

    3.

    USA_BANKS

    0,847517

    RTS_FINANCE

    0,811136

    SAP_500

    0,76733

    4.

    SAP_500

    0,847225

    NASDAQ

    0,787123

    NASDAQ

    0,76319

    5.

    RTS_OAG

    0,804247

    USA_BANKS

    0,746001

    RTS_OAG

    0,70428

    6.

    NASDAQ

    0,803979

    RTS_OAG

    0,738037

    USA_BANKS

    0,64938

    7.

    FUTSEE_100

    0,668312

    FUTSEE_100

    0,589759

    LIGHT_SWEET

    0,62241

    8.

    BOVESPA

    0,657801

    BOVESPA

    0,581107

    BRENT

    0,57494

    9.

    LIGHT_SWEET

    0,566354

    LIGHT_SWEET

    0,568523

    BOVESPA

    0,52509

    10.

    SHANGHAI

    0,56426

    SHANGHAI

    0,487937

    FUTSEE_100

    0,48215


    Джерело: finam.ru, аналіз автора

    Різні джерела інформують про те, що кореляції можуть бути розділені на п'ять груп залежно від ступеня взаємозв'язку. Перша група - дуже низька кореляція, зачение від 0 до 0, 2. Кореляція від 0, 2 до 0, 5 вважається низькою. Від 0, 5 до 0,7 - середній. Кореляція зі значеннями від 0, 7 до 0,9 є високою і від 0, 9 і вище - дуже високою. В рамках цієї класифікації, кореляції 10ти факторів з лагами мають значення кореляцій від середніх до дуже високих.

    2.2 Нова формула і коефіцієнт прогнозування



    Вся інформація про кореляції може бути використана для першої складової комбінованої торгової модеі. Рейтинг факторів з закінчення попереднього параграфа показує важливість кожного фактора. Всі фактори мають вплив на ціноутворення акцій Ощадбанку і кореляції показивабт ступінь впливу какждого фактора. У формулі коефіцієнта прогнозування, кожна конкретна кореляція використовується як коефіцієнт. Цілком формула представлет собою всі коефіцієнти (кореляції) перемножені на денні зміни кожного фактора. Дані зміни взяті як процентна зміна між ціною фактора в певний день в попередній день.

    Загальний вигляд формули виглядає наступним чином:

    K 1 * C 1 (%) + K 2 * C 2 (%) + ... + K 10 * C 10 (%) = FK

    Де "K" - це коефіцієнт важливості фактора, який дорівнює кореляції між ціною фактора і ціною акцій Ощадбанку, "C" - це денний процентна зміна фактора (change), "FK" - коефіцієнт прогнозування (the forecasting coefficient), який буде вказувати на вірне торгове рішення.

    Наприклад, формула для даних, відібраних для комбінованої моделі, буде виглядати наступним чином:

    0.888129 * C1 + 0.871219 * C2 + 0.862605 * C3 + 0.841895 * C4 + 0.837067 * C5 + 0.773823 * C6 + 0.696428 * C7 + 0.68234 * C8 + 0.654108 * C9 + 0.496305 * C10 = FK

    Зараз формула містить кореляції без лагів, але для реального використання і торгівлі на біржі формула повинна включати в себе кореляції з лагами і інформацію про денні зміни факторів протягом трьох попередніх днів. Розрахунок формули на реальних даних дає безсторонню оцінку у вигляді коефіцієнта прогнозування, який показує зміни всіх факторів з урахуванням різної важливості кожного фактора для ціноутворення акцій Ощадбанку.

    Наприклад, якщо чинники the USA oil and gas, RTS finance, the USA Banks, S & P 500 and RTS oil and gas росли протягом трьох попередніх днів по 0, 5% в день кожен, ціни факторів NASDAQ, FUTSEE 100, BOVESPA росли по 0, 7% в день, а Light Sweet, Brent і Shanghai composite на 0, 8% в день, формула буде мати такий вигляд:

    Формула для кореляцій з одноденною затримкою:

    0, 869 * 0, 5 + 0, 853 * 0, 5 + 0, 848 * 0, 5 + 0, 847 * 0, 5 + 0, 804 * 0, 5 + 0, 804 * 0, 7 + 0, 668 * 0, 7 + 0, 659 * 0, 7 + 0, 566 * 0, 8 + 0, 564 * 0, 8 = 4, 4982

    Формула для кореляцій з дводенною затримкою:

    0, 832 * 0, 5 + 0, 815 * 0, 5 + 0, 811 * 0, 5 + 0, 787 * 0, 5 + 0, 746 * 0, 5 + 0, 738 * 0, 7 + 0, 590 * 0, 7 + 0, 581 * 0, 7 + 0, 569 * 0, 8 + 0, 488 * 0, 8 = 4 1774

    Формула для кореляцій з триденною затримкою:

    0, 797 * 0, 5 + 0, 789 * 0, 5 + 0, 767 * 0, 5 + 0, 763 * 0, 5 + 0, 704 * 0, 5 + 0, 649 * 0, 7 + 0, 622 * 0, 8 + 0, 575 * 0, 8 + 0, 525 * 0,7 + 0, 482 * 0, 7 = 4, 0268

    Ці коефіцієнти дають багато різних способів для передбачення зміни цін акцій Ощадбанку. Перш за все, має сенс розрахувати конкретний коефіцієнт для кожного дня грунтуючись на коефіцієнті з одноденним лагом. Далі, модель може містити змішаний коефіцієнт прогнозування з різними пропорціями коефіцієнтів з одноденними, дводенними і триденними затримками.

    Розрахунки на реальних даних показують, що коефіцієнт з одноденною затримкою має найбільшу взаємозв'язок з цінами і вплив на ціну акцій Ощадбанку. Далі, другий коефіцієнт дводенним лагом має менший вплив, ніж коефіцієнт з одноденним лагом, але більше, ніж коефіцієнт з триденним.

    Таблиця з реальними даними про ціни факторів і кореляції, які були згадані раніше була використана для розрахунку коефіцієнта прогнозування для 12 днів. Період дослідження проходив з 19.11.2012 до 01.12.2012. Розрахунки коефіцієнта прогнозування дали наступні результати:

    Таблиця 9

    DATE

    PFK

    MFK1

    MFK2

    MFK3

    Sberbank

    19.11.2012

    +11,52011406

    7,027632036

    3,915233948

    6,047438695

    1,581763201

    20.11.2012

    -0,670685809

    2,909335498

    3,332169644

    3,087218281

    -0,389283261

    21.11.2012

    3,059670875

    2,733021496

    4,066754505

    3,552871544

    1,011494253

    22.11.2012

    1,187965031

    1,440140599

    0,805719648

    1,182328375

    0,147928994

    23.11.2012

    8,202102164

    5,533562265

    3,605872739

    4,97982261

    1,477104874

    26.11.2012

    -4,226538003

    -0,146015621

    1,324104524

    0,377717551

    -0,123166499

    27.11.2012

    -5,421313664

    -3,67010778

    -0,54961325

    -2,380926198

    0

    28.11.2012

    0,044469891

    -1,854988347

    -2,611865242

    -2,2312033

    -1,647982063

    29.11.2012

    7,730805841

    4,206469486

    0,9708005

    2,975175285

    0,205174969

    30.11.2012

    2,082401851

    3,425927499

    2,843452171

    3,238809927

    3,981344557

    01.12.2012

    1,523572389


    Джерело: finam.ru, аналіз автора

    У цій таблиці, "PFK" - первинний коефіцієнт прогнозування (the primary forecasting coefficient), побудований на основі тільки кореляцій з одноденною затримкою, "MFK" - змішаний коефіцієнт прогнозування (the mixed forecasting coefficient). "MFK1" містить 0, 6 коефіцієнта з одноденним лагом, 0, 3 коефіцієнта з дводенним лагом і 0, 1 коефіцієнта з триденним лагом. "MFK2" містить 0, 33 кожного коефіцієнта і "MFK3" включає в себе 0, 5 першого коефіцієнта, 0, 3 другого і 0, 2 третього.

    Далі, необхідно перевірити змішані в різних пропорціях коефіцієнти на реальних даних, щоб знайти кращий змішаний коефіцієнт з найбільшою прогнозної здатністю. Наступні графіки показують рух змін ціни акцій Ощадбанку на тлі різних комбінацій змішаного коефіцієнта прогнозування.

    Графік 1

    Джерело: finam.ru, аналіз автора

    Даний коефіцієнт має багато недоліків. Перш за все графік показує серйозні коливання первинного коефіцієнта прогнозування. Коефіцієнт занадто нестабільний і агресивний. Також він не розглядає вплив попередніх днів, яке миє бути сильним. Незважаючи на вищесказане, коефіцієнт очевидно має здатність прогнозування деяких рухів ціни акцій Ощадбанку.

    Графік 2

    Джерело: finam.ru, аналіз автора

    Даний коефіцієнт значно м'якше. Він має очевидну здатність прогнозування, так як ціна акцій Ощадбанку повторює рухи коефіцієнта, особливо в кінці графіка. Ціна акцій Ощадбанку рухається так само як і коефіцієнт на наступний день, починаючи з 25 листопада.

    Також помітні деякі недоліки коефіцієнта. Перш за все незрозумілими залишаються невизначеності на початку графіка. Далі, необхідно зрозуміти чому ціна акцій Ощадбанку впала після зростання коефіцієнта прогнозування 24 листопада.

    Графік 3

    Джерело: finam.ru, аналіз автора

    Даний коефіцієнт має ті ж недоліки, що і "MFK1", але в той же час він втратив здатність прогнозування. Також на початку графіка коефіцієнт має ще більше невизначеностей. В цілому, це абсолютно даремний коефіцієнт для прогнозування тенденцій ціни акцій Ощадбанку.

    Графік 4

    Джерело: finam.ru, аналіз автора

    Останній коефіцієнт має загальні недоліки, але у другій частині графіка він має меншу кореляцію з рухами ціни акцій Ощадбанку, ніж "MFK1".

    Підводячи підсумки, очевидним є факт того, що "MFK1" є найбільш привабливим змішаним коефіцієнтом для прогнозування. Він має найбільше вірних прогнозів і менше невизначеностей, ніж інші. Також, варто зауважити, що відібраний коефіцієнт не ідеальний і залишається кілька завдань, вирішення яких приведуть до його поліпшення.

    Всі описані розрахунки виводять підсумкову, на даному моменті дослідження, формулу змішаного коефіцієнта прогнозування.

    0, 6 * PK1 + 0, 3 * PK2 + 0, 1 * PK3 = MFK

    Де "PK1" - це коефіцієнт з одноденною затримкою і так далі.

    2.3 Регресії комбінованої моделі



    Ідеальна Eviews регресія для комбінованої торгової моделі повинна включати кілька факторів. Перш за все, необхідно побудувати регресію з усіма факторами і проаналізувати недоліки полученнойрегрессіі.

    Dependent Variable: SBERBANK

    Method: Least Squares

    Date: 01/11/13 Time: 18:32

    Sample: 10/01/2012 11/30/2012

    Included observations: 44

    Variable

    Coefficient

    Std.Error

    t-Statistic

    Prob.

    SHANGHAI

    0.018627

    0.010647

    1.749528

    0.0904

    USA_BANKS

    0.002234

    0.191104

    0.011691

    0.9907

    USA_OAG

    -0.072676

    0.097561

    -0.744924

    0.4621

    SAP_500

    0.007961

    0.038734

    0.205539

    0.8385

    RTS_OAG

    -0.103316

    0.127715

    -0.808962

    0.4249

    RTS_FINANCE

    0.242708

    0.060709

    3.997902

    0.0004

    NIKKEI_225

    0.005917

    0.001316

    4.496677

    0.0001

    NASDAQ

    0.005756

    0.008663

    0.664419

    0.5115

    LIGHT_SWEET

    -0.126538

    0.202359

    -0.625313

    0.5365

    FUTSEE_100

    0.006402

    0.006185

    1.035215

    0.3088

    CURRENCY

    2.715509

    1.554365

    1.747021

    0.0909

    BRENT

    0.268393

    0.161408

    1.662823

    0.1068

    BOVESPA

    -0.000157

    0.000340

    -0.461409

    0.6478

    C

    -192.4479

    83.42362

    -2.306876

    0.0281

    R-squared

    0.943813

    Mean dependent var

    90.37432

    Adjusted R-squared

    0.919465

    SD dependent var

    2.756459

    SE of regression

    0.782249

    Akaike info criterion

    2.600084

    Sum squared resid

    18.35740

    Schwarz criterion

    3.167781

    Log likelihood

    -43.20185

    Hannan-Quinn criter.

    2.810613

    F-statistic

    38.76359

    Durbin-Watson stat

    1.281415

    Prob (F-statistic)

    0.000000


    Очевидно, що регресія має кілька зайвих змінних, але redundant тест на зайві змінні з різними комбінаціями факторів дає різні результати. Очевидно, що фактор RTS_Finance або RTS_OAG повинен бути виключений з-за проблеми мультиколінеарності. Починаючи з цього факту, правильним буде побудувати регресію з одним фактором і провести ряд omitted тестів на пропущені змінні і виявити фактори, корисні для регресії.

    Перша регресія містить тільки один фактор. Далі, всі фактори будуть перевірені і найбільш корисні будуть включені в фінальну регресію.

    Variable

    Coefficient

    Std. Error

    t-Statistic

    Prob.

    RTS_FINANCE

    0.205416

    0.016402

    12.52351

    0.0000

    C

    36.92993

    4.271899

    8.644852

    0.0000

    R-squared

    0.788773

    Mean dependent var

    90.37432

    Adjusted R-squared

    0.783744

    SD dependent var

    2.756459

    SE of regression

    1.281846

    Akaike info criterion

    3.378869

    Sum squared resid

    69.01142

    Schwarz criterion

    3.459968

    Log likelihood

    -72.33511

    Hannan-Quinn criter.

    3.408944

    F-statistic

    156.8382

    Durbin-Watson stat

    0.448811

    Prob (F-statistic)

    0.000000


    Як було сказано раніше, якщо фактор RTS_Finance використовується, то RTS_OAG виключається з регресії. Наступний крок - вибір між двома факторами секторів економіки США.

    Omitted Variables: USA_OAG

    F-statistic

    3.068607

    Prob. F (1,41)

    0.0873

    Log likelihood ratio

    3.175727

    Prob. Chi-Square (1)

    0.0747

    Omitted Variables: USA_BANKS

    F-statistic

    9.820592

    Prob. F (1,41)

    0.0032

    Log likelihood ratio

    9.448101

    Prob. Chi-Square (1)

    0.0021


    Ці тести показують, що фактор USA_BANKS буде використовуватися в регресії, так як має probability менше 0, 05 в тесті omitted.

    Omitted Variables: SAP_500

    F-statistic

    0.134081

    Prob. F (1,40)

    0.7162

    Log likelihood ratio

    0.147242

    Prob. Chi-Square (1)

    0.7012

    Omitted Variables: NASDAQ

    F-statistic

    0.087838

    Prob. F (1,40)

    0.7685

    Log likelihood ratio

    0.096516

    Prob. Chi-Square (1)

    0.7561

    Omitted Variables: NIKKEI_225

    F-statistic

    30.56407

    Prob. F (1,40)

    0.0000

    Log likelihood ratio

    24.97623

    Prob. Chi-Square (1)

    0.0000

    Omitted Variables: FUTSEE_100

    F-statistic

    0.195419

    Prob. F (1,39)

    0.6609

    Log likelihood ratio

    0.219922

    Prob. Chi-Square (1)

    0.6391

    Omitted Variables: SHANGHAI

    F-statistic

    6.346011

    Prob. F (1,39)

    0.0160

    Log likelihood ratio

    6.633464

    Prob. Chi-Square (1)

    0.0100

    Omitted Variables: BOVESPA

    F-statistic

    3.689448

    Prob. F (1,38)

    0.0623

    Log likelihood ratio

    4.077123

    Prob. Chi-Square (1)

    0.0435

    Omitted Variables: BRENT

    F-statistic

    0.511034

    Prob. F (1,38)

    0.4791

    Log likelihood ratio

    0.587781

    Prob. Chi-Square (1)

    0.4433

    Omitted Variables: LIGHT_SWEET

    F-statistic

    4.911729

    Prob. F (1,38)

    0.0327

    Log likelihood ratio

    5.348597

    Prob. Chi-Square (1)

    0.0207

    Omitted Variables: CURRENCY

    F-statistic

    4.227395

    Prob. F (1,37)

    0.0469

    Log likelihood ratio

    4.760143

    Prob. Chi-Square (1)

    0.0291


    Після проведення ряду тестів, фактори BOVESPA, BRENT, FUTSEE_100, NASDAQ, RTS_OAG, USA_OAG, SAP_500 були іключени з регресії через високий значення probability в тесті omitted.

    Підсумкова регресія має наступний вигляд:

    Variable

    Coefficient

    Std. Error

    t-Statistic

    Prob.

    RTS_FINANCE

    0.225285

    0.026561

    8.481940

    0.0000

    USA_BANKS

    0.172231

    0.099786

    1.726005

    0.0927

    NIKKEI_225

    0.004939

    0.000807

    6.119437

    0.0000

    SHANGHAI

    0.005446

    0.005374

    1.013401

    0.3174

    LIGHT_SWEET

    -0.019429

    0.096851

    -0.200611

    0.8421

    CURRENCY

    2.308579

    1.122815

    2.056063

    0.0469

    C

    -122.2883

    49.96784

    -2.447341

    0.0193

    R-squared

    0.933973

    Mean dependent var

    90.37432

    Adjusted R-squared

    0.923266

    SD dependent var

    2.756459

    SE of regression

    0.763562

    Akaike info criterion

    2.443265

    Sum squared resid

    21.57200

    Schwarz criterion

    2.727114

    Log likelihood

    -46.75184

    Hannan-Quinn criter.

    2.548530

    F-statistic

    87.23006

    Durbin-Watson stat

    1.197186

    Prob (F-statistic)

    0.000000


    Ця регресія має майже такий же R-квадрат, що і перша регресія. Також критерії Акайке і Шварца нижче в новій регресії.

    На жаль, підсумкова регресія все ще має багато недоліків. Крім цього, перевірка прогнозів, побудованих в Eviews показує, що вони не приносять користі для реальної торгівлі, містять багато помилок і мають вкрай низьку здатність прогнозування.

    2.4 Мінімізація ризиків



    Будь-яка модель має недоліки. Використання коефіцієнта прогнозування і різних регресій показує, що деякі прогнози мають деякі невизначеності в певні проміжки часу. Такі результати можуть давати неправильні торгові поради і тому необхідно створити спеціальний метод для мінімізації торгових ризиків.

    Як було сказано раніше, парний трейдинг і стратегія бета нейтрального портфеля будуть використовуватися для цієї мети. Бета нейтральний інвестиційний портфель вимагає використання додаткової торговельної операції, зворотної до основної операції. Наприклад, в разі покупки акцій Ощадбанку, необхідно продати іншу паперу або фінансовий інструмент. Перш за все, друга операція повинна містити актив з таким же бета коефіцієнтом. Для активів з різними бета коефіцієнтами, необхідно створити правильну пропорцію. В результаті, дві відкриті позиції дають суму коефіцієнтів рівну нулю або майже нулю.

    Парний трейдинг також базується на протилежних позиціях. Для успішної реалізації парного трейдингу активи повинні мати високу кореляцією між собою. Для комбінованої торгової стратегії необхідно знайти папір, торги на російській біржі для спрощене торгівлі. Розрахунок кореляції між ціною акцій Ощадбанку і цінами акцій найбільших російських компаній протягом року показує, що важко знайти папір з дуже високою кореляцією з ціною акцій Ощадбанку.

    Комбінована торгова модель вимагає спеціальних умов для парного трейдингу. Перш за все, для моделі недостатньо просто двох паперів з однаковим бета коефіцієнтом, тому що бета показує, як швидко певний актив змінюється щодо ринку. Для прикладу, якщо ринок змінився на 1%, папір з бета коефіцієнтом, рівним 1 рівним 1, 3 зміниться на 1, 3%, а папір з коефіцієнтом 0, 7 зміниться на 0, 7%. Очевидно, що ринковий бета коефіцієнт дорівнює 1. Виходячи з цих умов, марно торгувати паперами з однаковим бета коефіцієнтом в рамках комбінованої торгової моделі, тому що в разі успішної операції, весь прибуток буде втрачена за рахунок збитків по другій позиції.

    В цьому випадку, правильніше використовувати папір з більш низьким бета коефіцієнтом у другій паперу, ніж бета у акцій Ощадбанку.

    Традиційно парний трейдинг з акціями Ощадбанку використовується з найбільшими російськими компаніями, такими як Газпром, Лукойл, Роснефть і так далі. Звичайно, ціни акцій цих компаній мають високу кореляцію з ціною акцій Ощадбанку в різні роки, але вони постійно змінюються. Наступна таблиця включає в себе кореляції між ціною акцій Ощадбанку і зазначеними вище компаніями за 2012 рік.

    Таблиця 10

    SBER

    ROSNEFT

    LUKOIL

    GPN

    GAZPROM

    SBER

    1

    0,140525

    0,567837

    0,683006

    0,516902

    ROSNEFT

    0,140525

    1

    0,519095

    0,110393

    -0,0498

    LUKOIL

    0,567837

    0,519095

    1

    0,560861

    -0,09911

    GPN

    0,683006

    0,110393

    0,560861

    1

    0,458466

    GAZPROM

    0,516902

    -0,0498

    -0,09911

    0,458466

    1


    Джерело: finam.ru, аналіз автора

    Інші компанії і банки також були перевірені, але тільки ціни акцій Газпромнафти показали кореляцію достатню для парного трейдингу. Навіть банк ВТБ має кореляцію нижче. Також на російській біржі торгуються привілейовані акції Ощадбанку. Кореляція між їх ціною і ціною звичайних акцій дорівнює 0, 922. Крім цього, висока кореляція постійна і немає необхідності перевіряти її періодично. Однак, бета коефіцієнт привілейованих паперів такий же як і у звичайних, що робить безглуздим використання привілейованих акцій Ощадбанку.

    Після розрахунку кореляцій і відбору відповідного активу, необхідно розрахувати бета коефіцієнт обраних паперів. Історично, бета коефіцієнт паперів Газпромнафти нижче, ніж бета ринку. У різний час бета Газпромнафти дорівнювала значенням близько 0,8. Бета Ощадбанку дорівнює приблизно 1, 3. Ці умови говорять про те, що ціни акцій Ощадбанку буде змінюватися швидше. Отже, це дає можливість для отримання прибутку від успішних прогнозів, так як зміни ціни акцій Газпромнафти буде менше і протилежна позиція буде забирати лише частина прибутку першої операції. Також в разі неправильного прогнозу, завдяки протилежної позиції, дві позиції досягнутий нуля або прибутку в рамках декількох днів.

    Наступний графік показує зміни цін обох паперів протягом Ноября 2012 року.

    Графік 5

    Джерело: finam.ru

    Графік показує, що коливання ціни акцій Ощадбанку сильніше, в той час як загальний рух цін паперів практично однакове. Всі згадані вище факти роблять акції Газпромнафти хорошим вибором для парного трейдингу з акціями Ощадбанку.

    Наступний підхід для мінімізації торгового ризику - це використання основних правил технічного аналізу. У разі високого значення коефіцієнта прогнозування, має сенс перевірити графік ціни акцій Ощадбанку перед відкриттям позиції. Основна мета того методу полягає в пошуку закономірностей на графіку для передбачення зміни тренда, який буде йти проти прогнозу коефіцієнта.

    Наступний графік містить ціну акцій Ощадбанку протягом аналізованого періоду, згаданого в параграфі про коефіцієнт прогнозування.

    Графік 6

    Джерело: finam.ru

    Цей графік показує коливання ціни, серйозне падіння і зростання після цього. Коефіцієнт прогнозування не передбачений падіння ціни, але технічний аналіз показує фігуру відому як "голова і плечі" перед падінням. В цьому випадку, була видна можливість змін тренда.

    Остання і найбільш серйозна проблема моделі полягає у відсутності здатності прогнозування поза факторів моделі. Наприклад, новий проект Ощадбанку може вплинути на ціноутворення акцій компанії, але цей факт буде відображений в коефіцієнті прогнозування. Однак, існує радий способів для вирішення проблеми.

    Всі зміни, пов'язані з активністю Ощадбанку відбивається на фундаментальні показники. Різні фінансові коефіцієнти можуть мінятися після серйозних корпоративних рішень, проектів і т.д. У цій ситуації, прогнози різних аналітиків будуть змінюватися. Перевірка коливань аналітичних прогнозів може бути легко використовуватися для підтвердження наявності або відсутності серйозної активності самого Ощадбанку.

    Найбільш простим способом для перевірки згаданих даних є ресурси РБК. Сайт http://consensus.rbc.ru містить найавторитетніші прогнози. Також можливо подивитися єдиний коефіцієнт для акцій Ощадбанку або всі прогнози різних аналітичних департаментів і компаній.

    Єдиний коефіцієнт, також відомий як "консенсус" і презентується в такій формі:

    Таблиця 11

    Companies

    Goal, $

    Advice

    Potencial,%

    Barclays Capital

    4,2000

    Buy

    28,0500

    Citigroup Investment Research

    4,1600

    Buy

    26,8300

    Credit Suisse First Boston

    4,1600

    Buy

    26,8300

    Deutsche Bank

    3,8100

    Buy

    16,1600

    Goldman Sachs

    3,9900

    Buy

    21,6500

    JP Morgan

    4,5600

    Buy

    39,0200

    Societe Generale

    4,0000

    Buy

    21,9500

    SOVLINK

    3,9300

    Buy

    19,8200

    UBS

    4,1500

    Buy

    26,5200

    Al'fa Bank

    3,3400

    Hold

    1,8300

    VTB Capital

    3,5100

    Hold

    7,0100

    Gazprombank

    4,4700

    Buy

    36,2800

    Renessance Capital

    3,9000

    Buy

    18,9000

    Uralsib Capital

    3,7000

    Buy

    12,8000

    Consensus

    3,9900

    Buy

    21,6500


    Джерело: consensus.rbk.ru

    Графік консенсусу може показувати що єдиний коефіцієнт падає разом з ціною акцій Ощадбанку. У більшості випадків ціна на акції Ощадбанку падає після падіння значення консенсусу.

    Графік 7

    Джерело: consensus.rbk.ru

    2.5 Підсумковий вид комбінованої торгової моделі



    Підсумковий вид комбінованої моделі вклчает в себе кілька елементів. Перш за все, основним інструментом є змішаний коефіцієнт прогнозування, який був представлений в різних варіаціях і грунтується на кореляції між певною кількістю чинників і основний цінним папером. Далі, стратегія парного трейдингу і бета нейтрального портфеля з вибраними паперами використовується для мінімізації торгового ризику. Інформація деяких аналітичних джерел і правила технічного аналізу також можуть використовуватися для прояснення деяких ситуацій. Регресії Eviews не використовуватимуться в моделі, виходячи з незадовільних результатів їх перевірки на реальних даних.

    3. Перевірка комбінованої торгової моделі



    3.1 Перевірка коефіцієнтів прогнозування



    Після створення комбінованої торгової моделі, необхідно зробити серію перевірок всіх інструментів моделі і моделі в цілому на реальних даних. Перш за все, основною складовою моделі є коефіцієнт прогнозування.

    За допомогою ряду розрахунку коефіцієнта в різних ситуація і різних часових проміжках протягом 8 місяців, було визначено, що коефіцієнти мають найбільшу здатність прогнозування коли значення MFK1 або MFK3 більше, ніж 1, 5, в той час як значення PFK більше, ніж 3, 5.

    Періодом для фінальної перевірки був обраний період довжиною в більш ніж 2 місяці, з 18 лютого 2013 року до 2 травня 2013 року. Вся перевірка розділена на 11 тижнів. Кожен тиждень представлена ​​у вигляді графіка з трьома варіаціями коефіцієнта прогнозування (MFK1, MFK3, PFK) і з денними змінами ціни акцій Ощадбанку.

    Графік 8

    Джерело: finam.ru, аналіз автора

    Протягом першого тижня було два торгових сигналу. Перший прогноз був на продаж акцій Ощадбанку 20 лютого. Другий сигнал був на наступний день і також був на продаж. Ці прогнози були вірні і могли принести 1% і 0, 6% відповідно.

    Графік 9

    Джерело: finam.ru, аналіз автора

    Два сигналу мали місце на цьому тижні. Перший прогноз був успішним і міг принести 2, 3%. Дана ситуація чудово ілюструє здатність прогнозування коефіцієнта. Ціна акцій Ощадбанку слід за трендом коефіцієнта з затримкою в один день і досягає необхідного значення до кінця наступного дня. Другий прогноз міг допомогти заробити 1, 08%.

    Графік 10

    Джерело: finam.ru, аналіз автора

    Графік показує, що був лише один сигнал. Він був вірним і міг принести 1, 36%.

    Графік 11

    Джерело: finam.ru, аналіз автора

    Протягом даного тижня торгових сигналів не було.

    Графік 12

    Джерело: finam.ru, аналіз автора

    Один прогноз б 18 Марта. Він міг принести прибуток, що дорівнює 0, 73%.

    Графік 13

    Джерело: finam.ru, аналіз автора

    Протягом останнього тижня березня торговій сигналів не було.

    Графік 14

    Джерело: finam.ru, аналіз автора

    На цьому тижні було обгрунтованим торгувати тільки 4 Апреля. Всі коефіцієнти були в негативній зоні зі значеннями -2, 6, -2, 4, і -4, 24 відповідно. Даний індикатор на продаж акцій Ощадбанку був вірним і міг принести прибуток 0, 67%.

    Графік 15

    Джерело: finam.ru, аналіз автора

    Графік вказує на наявність двох сигналів протягом тижня 9 і 12 квітня. Однак, існує кілька додаткових умов для торгівлі в кінці тижня, так як відкрита в п'ятницю позиція має додатковий ризик. Декілька факторів моделі торгуються на вихідних і можуть змінити ситуацію, коли коефіцієнт прогнозування змінюється, а торгові позиції вже відкриті. Отже, необхідно вводити додаткову перевірку для торгових сигналів по п'ятницях. Перший сигнал тижні був абсолютно вірним і міг принести приблизно 0, 85%.

    Графік 16

    Джерело: finam.ru, аналіз автора

    На цьому тижні було три прогнозу в перші три дні. 15 Апреля прогноз був помилковим і міг принести збитки 0,2%. Другий прогноз був вірним і міг закритися з прибутком 1, 42%. Останній сигнал був невірним і втрати були б рівні приблизно 1%.

    Графік 17

    Джерело: finam.ru, аналіз автора

    Протягом цього тижня сигналів не було. 25 Апреля були досить високими значення MFK1 і MFK3, але значення PFK було недостатньо.

    Графік 18

    Джерело: finam.ru, аналіз автора

    Графік вказує на те, що два прогнози були на початку тижня. Перший сигнал передбачив зростання Ощадбанку і до конц наступного дня ціна його акцій зросла на 4, 7%. Другий прогноз був також правильним і міг принести 1, 77%

    Далі, необхідно проаналізувати прогнози, зроблені по п'ятницях. Для уточнення торгового рішення, необхідно перевірити результати торгів у вихідні деяких факторів. Наступні фактори торгуються в вихідні: Brent, Light Sweet and Asia \ Pacific oil & gas index. Всі ці фактори пов'язані з нафтою і мають сильний вплив на ціноутворення акцій Ощадбанку.

    Перший сигнал в п'ятницю був 12 Квітня. Значення згаданих чинників не змінилися значно на вихідних. Asia \ Pacific oil & gas index впав на 0, 00014% в той час як Brent виріс на 0, 000194%. Отже, не було ніяких перешкод відкривати позиції, використовуючи коефіцієнт прогнозування.

    Графік 19

    Джерело: finam.ru, аналіз автора

    П'ятничний коефіцієнт радив продавати акції Ощадбанку. Це рішення могло принести 2, 79%. Сигнал наступної п'ятниці був 19 Квітня. Фактори, що торгуються на вихідних знову були стабільними, однак, цього разу прогноз був невірним.

    Графік 20

    Джерело: finam.ru, аналіз автора

    Це найбільша помилка коефіцієнта протягом періоду перевірки. Втрати при відкритті позицій після цього сигналу могли скласти 1, 4%.

    Підводячи підсумки, протягом періоду перевірки, можна відзначити готівку 15 прогнозів.12 з них були вірні і могли принести сумарно 19, 24% прибутку. 3прогноза були помилковими і могли принести збитки в розмірі 2, 6%. Загалом, всі сигнали могли принести 19, 24 - 2, 6 = 16, 64%.

    Результати показують, що коефіцієнт прогнозування здатний визначати правильний час для відкриття позицій і передбачати зміну ціни акцій Ощадбанку. 80% (12 сигналів) від усіх прогнозів були успішними. Потенційні втрати від 20% (3 сигналу) були істотні лише в двох випадку. В одному випадку втрати були близькі до нуля. Ставлення правильних прогнозів до помилкових 5 до 1. Відношення прибутку до збитків 7, 4 до 1.

    3.2 Перевірка стратегії мінімізації ризиків



    Як це було сказано раніше, стратегія мінімізації ризиків базується на парному трейдингу. Акції Газпромнафти були обрані другий папером для парного трейдингу. В цілому, ціни акцій Газпромнафти і Ощадбанку рухаються практично однаково.

    Графік 21

    Джерело: finam.ru

    Кращий спосіб перевірки стратегії мінімізації ризиків - це перевірка використання парного трейдингу з 15 прогнозами, описаними в попередньому параграфі. Додатково до основної позиції, відкритої за сигналами коефіцієнта прогнозування, буде відкриватися протилежна позиція з акціями Газпромнафти. У разі правильного прогнозу, позиції будуть закриватися з прибутком на наступний день. У разі невдачі, позиції будуть закриватися протягом декількох днів, коли вони досягнуть прибутку або нуля в кінці торгового дня. Перший сигнал був 20 лютого. В таблиці вказані зміни цін двох обраних паперів.

    Таблиця 12

    Джерело: finam.ru, аналіз автора

    Протилежні позиції, відкриті 20 лютого могли прінестіпотері в розмірі 0, 45%. Ці позиції досягли б прибутку до кінця 22 лютого з результатом 038%. Наступний сигнал був 25 лютого. Позиції закрилися б до кінця наступного дня з прибутком 1, 83%. Третій прогноз був 27 лютого. Відкриті позиції принесли б дохід 3, 21% до кінця наступного дня. Останній сигнал в цій таблиці був 5 березня. Результат торгівлі дорівнював би 0, 3% до кінця торгової сесії наступного дня.

    Таблиця 13

    Джерело: finam.ru, аналіз автора

    Останній сигнал місяці був 18 березня. Стратегія парного трейдингу принесла б прибуток розміром 0, 2% до кінця 22 березня.

    Таблиця 14

    Джерело: finam.ru, аналіз автора

    У разі відкриття позиції 4 Квітня, продаж акцій Ощадбанку і покупка акцій Газпромнафти принесли б збиток 0, 42% на наступний день. Ці позиції досягли б прибули 15 Квітня. В рамках даної стратегії, позиції були б закриті увечері 15 Апреля з прибутком 2, 07%. Наступний прогноз був 16 Квітня та при використанні стратегії мінімізації ризиків, відкриті позиції принесли б 0, 67% прибутку до кінця наступного дня.

    Таблиця 15

    Джерело: finam.ru, аналіз автора

    Наступний сигнал був 17 квітня і до кінця 18 квітня міг принести 0, 93%. Далі, сигнал 29 квітня також приніс би прибуток розміром 2, 04% на наступний день. Останній прогноз був 30 квітня. Відкриті позиції могли б принести 0, 19% на наступний день.

    Загалом, все згадані прогнози принесли б 11, 79%. На жаль, дана стратегія мінімізації ризиків вимагає поділу депозиту на дві частини для двох паперів. Отже, прибуток буде в два рази менше. У підсумку, прибуток б дорівнювала 11, 79/2 = 5, 9%. В цілому, це хороший результат з урахуванням практично відсутнього ризику.

    висновок



    Дана робота була присвячена вивченню різних особливостей російської фондової біржі і закономірностей, пов'язаних з акціями Ощадбанку. Основною метою роботи було створення комбінованої торгової моделі.

    Наступні завдання були виконані:

    1. Деякі особливості російської фондової біржі були знайдені і вивчені.

    2. Ряд закономірностей, пов'язаних з акціями Ощадбанку були обнаружно і проаналізовані.

    3. Трохи факторів для моделі були відібрані і всі необхідні кореляції були пораховані.

    4. Всі зміни факторів, які мають вплив на ціноутворення акцій Ощадбанку були зібрані і об'єднані в вигляді коефіцієнта прогнозування.

    5. Кілька варіацій коефіцієнта прогнозування були розраховані і перевірені на реальних даних.

    6. Стратегія мінімізації ризиків була визначена і друга папір для даної стратегії була відібрана.

    7. Підсумковий вид комбінованої торгової моделі був представлений.

    8. Коефіцієнт прогнозування та стратегія мінімізації ризиків були перевірені на реальних даних.

    9. Прибутковість моделі була розрахована і результати перевірки інструментів моделі були представлені.

    Загалом, комбінована торгова модель показала чудову здатність прогнозування з результатами 16, 64% і 5, 9% прибутковості. (Без і зі стратегією мінімізації ризиків відповідно). Дана модель може бути використана для реальної торгівлі на біржі.

    Деякі недоліки, виявлені в процесі побудови і перевірки моделі можуть послужити основою для подальших досліджень.


    Список літератури


    1. Мантенья Р, Стенлі Х. Введення в еконофізіка: кореляції і складність в фінансах. -М. : ЛІБРОКОМ, 2009. -192 с.

    2. Graham, Benjamin; David Dodd. The Intelligent Investor. (2003 edition). HarperCollins.

    2. Graham, Benjamin. Security Analysis. (2003 edition). HarperCollins.

    3. Bob Litterman, Quantitative Resources Group. Modern investment management: an equilibrium approach. (2002 edition). The Wharton School, University of Pennsylvania.

    4. Luenberger DG Investment science. Stanford University Press.

    5. Bruce J. Feibel. Investment Performance Measurement. John Wiley & Sons Inc.

    6. Ramanna Vishwanath, Ramanna Vishwanath, Chandrasekhar Krishnamurti. Investment management. A modern guide to security analysis and stock selection. Springer Press.

    7. Tony Plummer. Forecasting Financial Markets: The Psychology of Successful investing (2008 edition). Kogan Page.

    8. W. Goeltzman. An Introduction to Investment Theory. Fisher Investments Press.

    9. Leigh Stevens. Essential Technical Analysis: Tools and Techniques to Spot Market Trends. John Wiley & Sons Inc.

    10. Farley Alan. Mastering short-term trading with technical analysis. Springer Press.

    11. Applebaum David. Levy processes and stochastic calculus. -Cambridge. : Cambridge University Press 2009.

    12. Jorion Philippe. Financial Risk Management Handbook. -NJ. : Wiley 2009.

    13. Peters Edgar. Fractal market analysis. -NJ. : Wiley, 1994.

    14. Viens Frederi. Modeling high-frequency data in finance. -NJ. : Wiley, 2012.

    15. Winkel Matthias. Levy process in finance. -Oxford. : Oxford University Press, 2010 року.

    16. Anderson, TW; Darling, DA Asymptotic theory of certain "goodness-of-fit" criteria based on stochastic processes // Annals of Mathematical Statistics. -1952. -№23.

    17. Carbone A., Castelli G., Stanley HE Time-dependent Hurst exponent in financial time series // Physica. -2004. №344.

    18. Eriksson Anders. The NIG distribution and the pricing of derivatives // University of North Carolina Working paper. -2009. -№1.

    19. Fan J., Wang Y. Multi-scale jump and volatility analysis for high-frequency financial data // Princeton University Working paper. -2007.

    20. Frain John. Value at Risk and the alpha-stable distribution // TEP Working Paper. -2008. -№0308.

    21. KitchenC. Normal Inverse Gaussian (NIG) Process With Applications in Mathematical Finance // The Mathematical and Computational Finance Laboratory. -2009.

    22. Laeven Roger, Cacho-Diaz Julio. Modeling financial contagion using mutually existing jump process // Princeton University Working paper. -2011. -

    23. Mantegna Rosario, Stanley Eugene. Scaling behavior in the dynamics of an economic index // Nature. -1995. -№376.