Официальный блог частного инвестора Максима Захарова


ПРИМЕНЕНИЕ ТОРГОВОЙ СТРАТЕГИИ «IDA» В УСЛОВИЯХ АКТИВНО МЕНЯЮЩЕГОСЯ ХАРАКТЕРА ФИНАНСОВОГО РЫНКА (РЕЗУЛЬТАТЫ)


Захаров М.И.

ПРИМЕНЕНИЕ ТОРГОВОЙ СТРАТЕГИИ «IDA» В УСЛОВИЯХ АКТИВНО МЕНЯЮЩЕГОСЯ ХАРАКТЕРА ФИНАНСОВОГО РЫНКА (РЕЗУЛЬТАТЫ)

Введение

Финансовые инвестиции на фондовом рынке являются не только средством обогащения частных и профессиональных инвесторов (брокеров, кредитных организаций и банков, инвестиционных фондов и т.д), но также играют существенную роль в функционировании и развитии экономики страны в целом. В связи с высокой вероятностью неэффективного размещения денежных средств на рынке ценных бумаг прогнозирование динамики рынка имеет первостепенное значение [1].

Биржевые цены формируются в зависимости от влияния таких основных факторов, как экономические, политические, социальные ситуации и события (войны, принятие и проведение мер по реализации государственных программ и реформ, затрагивающих финансовую систему, забастовки и др.), спекулятивный характер осуществляемых на рынке операций [2].

В настоящий момент для прогнозирования динамики финансового рынка используются два основных подхода: фундаментальный и технический анализ. В силу того, что на формирование цен инвестиционных инструментов влияет большое количество факторов, учесть и предвидеть каждый из которых не представляется возможным, например, стихийное бедствие или недоступная другим участникам рынка информация, применение фундаментального анализа является неэффективным. Как показывает история и практика, значительные изменения биржевой динамики происходили в периоды, когда фундаментальные факторы этого не предвещали. Неэффективность же традиционного технического анализа обусловлена тем, что он основывается на заранее описанных состояниях рынка и использует модели, неадаптированные к условиям активно меняющегося характера рынка. Крупнейшим фондом с активами около 100 млрд. долларов, использующим формализованные правила торговли на финансовом рынке, в основе которых лежит технический анализ, является Renaissance Technologies [3]. Фонд вынужден содержать штат порядка 200 аналитиков, задачей которых является постоянный анализ и адаптация моделей к условиям текущего рынка [4].

Очевидно, что разработка эффективной, при этом автономной и адаптивной модели прогнозирования цен биржевых инструментов, в условиях активно меняющегося характера рынка, является важнейшей задачей, которая до настоящего времени не была решена из-за ее чрезвычайной сложности. В истории успешного применения такой модели зафиксировано не было.

Эффективная модель должна учитывать не только прошлый характер рынка, но и адаптироваться к возможным изменениям его характера в будущем. Основная проблема создания такой системы заключается в неизвестности будущих технических параметров, приводящих к изменению характера рынка, например, волатильности и динамики. Однако, фракционный анализ совершаемых действий участниками рынка позволил создать модель «IDA Model», которая не основывается на конкретных, заранее заданных значениях, а получает их в процессе применения. Модель легла в основу торговой стратегии «IDA».

В статье будут приведены некоторые результаты применения «IDA» в составе компьютерной программы (торгового робота) «TR-IDA M» в условиях активно меняющегося характера реального рынка.

Основная часть

В период 2010-2016 гг. в мире происходили потрясения в политике, экономике и социальной сфере: природные катаклизмы, техногенные катастрофы (в том числе и ядерные), вооруженные конфликты, смены политических режимов и лидеров, экономические кризисы, долговые проблемы целого ряда стран, существенное изменение цен на энергоносители, резкие колебания курсов иностранных валют и т.д. [5-11] Все это оказало значительное влияние на характер рынка, и те подходы, которые успешно применялись ранее, с течением времени становились малоэффективными.

Характер биржевого рынка можно описать основными показателями: максимальным изменением цены биржевого инструмента в единицу времени и динамикой рынка, которая может выражаться боковым или трендовым движением.

Изменение цены в единицу времени является важнейшим финансовым показателем, который представляет собой меру риска использования финансового инструмента. На этот показатель влияет ряд факторов: историческая волатильность, политическая и экономическая ситуации, ликвидность, смена технических уровней и даже день недели [12]. Совокупность этих факторов и отсутствие возможности предугадать их исключают точный расчет будущей волатильности. На практике значение волатильности, рассчитанное на основе исторических данных о стоимости финансового инструмента, может не совпасть с реальной ситуацией в будущем. Именно поэтому в условиях постоянно меняющегося характера рынка достоверное прогнозирование рисков становится невозможным.

Множество параметров, используемых в большинстве известных торговых стратегий, рассчитано с учетом волатильности, поэтому в условиях постоянной смены характера рынка возникает необходимость изменения их значений. Однако, такие изменения на практике оказываются запоздалыми, либо неверными. Так, например, волатильность может вернуться к прежним уровням. Эта ситуация негативно влияет на результат биржевых операций, получению непрогнозируемых рисков и заниженной прибыли.

На рисунке 1 показано среднее дневное изменение цены фьючерсного контракта на курс доллара США к российскому рублю и ее неравномерное распределение.

ПРИМЕНЕНИЕ ТОРГОВОЙ СТРАТЕГИИ «IDA» В УСЛОВИЯХ АКТИВНО МЕНЯЮЩЕГОСЯ ХАРАКТЕРА ФИНАНСОВОГО РЫНКА (РЕЗУЛЬТАТЫ)

Рис. 1. Диаграмма среднего дневного изменения цены фьючерсного контракта на курс доллара США к российскому рублю по месяцам за период 2010-2016 гг.


Существующие торговые стратегии, основанные на техническом анализе, применяют два подхода к открытию позиций: по направлению и против тренда. Преобладание той или иной динамики рынка создает возможность применения одного из подходов. Однако, как показывает практика, динамика неравномерно меняется с течением времени, что делает применяемый подход неэффективным. Так, например, в период применения торговой стратегии «IDA» менялась не только динамика рынка, но и ее интенсивность (рисунок 2).

ПРИМЕНЕНИЕ ТОРГОВОЙ СТРАТЕГИИ «IDA» В УСЛОВИЯХ АКТИВНО МЕНЯЮЩЕГОСЯ ХАРАКТЕРА ФИНАНСОВОГО РЫНКА (РЕЗУЛЬТАТЫ)

Рис. 2. Диаграмма отношения количества дней с изменением цены фьючерсного контракта на курс доллара США к российскому рублю от 0,3% до 1% относительно открытия к общему числу дней за период 2010-2016 гг.


Вопросам и проблемам использования алгоритмической торговли и технического анализа на фондовом рынке посвящен ряд научных публикаций [14-37]. Однако, на сегодняшний день, практически нет публикаций методов осуществления торговых операций, прошедших эмпирическую апробацию как зарубежными, так и отечественными учеными. Существующие и описанные в научной литературе способы моделирования динамики биржевого рынка можно разделить на три категории: применение регрессионного аппарата при оценке динамики рынка (Д.Г.Муравьев, М.Mazunder, E.Miller, O.Varela); формализация индикатора вероятностей типа тренда (Д.Г.Муравьев, О.О.Плешивцев, B.Ferreira); формализация управляющей переменной на основе известных индикаторов и осцилляторов (Ч.Лебо, Д.Лукас, Д.Кац, Д.МакКормик, В.В.Рычков, Д.С.Литинский). Результаты этих методов малоэффективны в условиях бокового тренда, неточно описывают рыночную ситуацию и требуют постоянного уточнения торговых правил [13].

Фракционный анализ совершаемых действий участниками рынка позволил создать модель «IDA Model», на результаты применения которой не оказывает негативного влияния активно меняющийся характер рынка. Модель основана на анализе совершаемых действий участниками рынка с целью их фракционного распределения для выявления моментов наиболее вероятного значимого изменения цены биржевого инструмента. «IDA Model» учитывает основные показатели: скорость изменения текущей цены и цен спроса/предложения; моментальный интерес, выраженный объемом сделок в единицу времени; соотношение среднего изменения цены и моментального объема. Количество сгенерированных торговых сигналов колеблется в среднем от 2 до 4 в день.

На рисунках 3-4 показаны графики цены фьючерсного контракта на курс доллара США к российскому рублю с отмеченными дневными сделками, совершенными автоматически на основе торговых сигналов «IDA» в разные дни. Треугольниками с вершинами, направленными вниз, показаны продажи, вершинами вверх – покупки. Как видно из графиков, автоматическая система работала в периоды с разной величиной максимального дневного изменения цены: 0,4% в торговую сессию 25.08.2014 и 1,5% в торговую сессию 09.11.2016. Сделки совершались как по тренду, так и против него.

ПРИМЕНЕНИЕ ТОРГОВОЙ СТРАТЕГИИ «IDA» В УСЛОВИЯХ АКТИВНО МЕНЯЮЩЕГОСЯ ХАРАКТЕРА ФИНАНСОВОГО РЫНКА (РЕЗУЛЬТАТЫ)

Рис. 3. График цены QUIK фьючерсного контракта на курс доллара США к российскому рублю с отмеченными сделками, совершенными на основе торговых сигналов «IDA» за 25.08.2014.


ПРИМЕНЕНИЕ ТОРГОВОЙ СТРАТЕГИИ «IDA» В УСЛОВИЯХ АКТИВНО МЕНЯЮЩЕГОСЯ ХАРАКТЕРА ФИНАНСОВОГО РЫНКА (РЕЗУЛЬТАТЫ)

Рис. 4. График цены QUIK фьючерсного контракта на курс доллара США к российскому рублю с отмеченными сделками, совершенными на основе торговых сигналов «IDA» за 09.11.2016.


Сделки совершаются методом смены позиции. Например, 09.11.2016 (рисунок 4) порядок торговли был следующим: продажа-покупка-покупка-продажа.

К достоинствам торговой стратегии «IDA» можно отнести небольшое количество открываемых позиций в день, что позволяет использовать в торговле большие объемы денежных средств и минимизировать затраты на комиссию за совершенные сделки, а автоматическая торговая система, построенная на ее основе, не требует слишком производительного компьютера и высокой скорости связи. Стратегия не нуждается в уточнении торговых правил и изменении каких-либо параметров, что делает ее полностью автономной, показывающей высокий уровень дохода при сравнительно невысоких рисках. К недостаткам можно отнести необходимость поддержания стабильного и постоянного функционирования системы, а ее реализация возможна лишь с применением специального программного обеспечения (торгового робота).

Одной из самых популярных торговых систем, применяемых для работы на российском фондовом рынке, является терминал QUIK, поэтому именно он был выбран в качестве источника биржевых данных в режиме реального времени. Разработчиками QUIK реализованы функции экспорта требуемой информаций и импорта торговых приказов из сторонних программ. Для реализации автоматического применения торговой стратегии «IDA» была разработана компьютерная программа «TR-IDA M», способная взаимодействовать с терминалом без участия человека. Все необходимые данные поступают в программу через DDE-сервер, а сгенерированные торговые приказы отправляются в QUIK с помощью API. С учетом того, что по условиям торговой стратегии открывается небольшое количество позиций, скорости передачи данных связки «торговый робот – QUIK» вполне достаточно. Принцип построения торговых роботов для работы с терминалом QUIK достаточно подробно описан в научной литературе [38].

Применение фьючерсного контракта на курс доллара США к российскому рублю (Si) в настоящей работе обусловлено высокой волатильностью этого инструмента, что делает его наиболее доходным при осуществлении торговых операций внутри дня. Фьючерсный контракт Si – это производный инструмент купли-продажи базового актива, которым является курс доллара США к российскому рублю.

Торговая стратегия «IDA» впервые была использована в 2010 году и используется по настоящее время ежедневно за исключением выходных, праздничных и межпраздничных дней. За отчетный период до окончания 2016 года торговля велась внутри дня без переноса позиции на следующий день. По итогам работы торгового робота «TR-IDA M» были получены результаты, показанные на рисунке 5.

ПРИМЕНЕНИЕ ТОРГОВОЙ СТРАТЕГИИ «IDA» В УСЛОВИЯХ АКТИВНО МЕНЯЮЩЕГОСЯ ХАРАКТЕРА ФИНАНСОВОГО РЫНКА (РЕЗУЛЬТАТЫ)

Рис. 5. Результат применения торгового робота «TR-IDA M» в период 2010-2016гг.

Источник: по данным ОАО ИК «ЦЕРИХ Кэпитал Менеджмент»

Годовой результат рассчитывался по формуле:
Р_п = 〖(Р_(руб.)*100/ГО)〗_1 +〖 (Р_(руб.)*100/ГО)〗_2 … 〖(Р_(руб.)*100/ГО)〗_n (%), где (1)
Рп – результат за год, %;
Рруб. – результат за день, руб.;
ГО – гарантийное обеспечение за конкретный день, руб.;
n – количество торговых дней в году.

Такой метод расчета (1) наиболее достоверно отражает систему с точки зрения ее эффективности в любой момент времени, при этом не учитывается возможность реинвестирования. Из рисунка 5 видно, что годовая прибыль в период 2010-2016 гг. составляла порядка 200-1000%. Как любая торговая стратегия «IDA» имеет некоторые риски, которые выразились в абсолютной годовой просадке по прибыли: -0,1% (2010 г.), -23,2% (2011 г.), 0 % (2012 г.), -8,8% (2013 г.), 0% (2014 г.), -26,0% (2015 г.), -2,5% (2016 г.). Несмотря на то, что торговый робот использовался в период активно меняющегося характера рынка, прибыль оставалась на достаточно высоком уровне при относительно невысоких значениях просадки.

Заключение

За период 2010-2016 гг. характер рынка претерпевал серьезные изменения. Значительные колебания курсов иностранной валюты в последние годы оказывали негативное влияние как на профессиональных, частных инвесторов, так и на экономику в целом. С течением времени неравномерно менялись как волатильность, так и динамика рынка. Торговые стратегии, основанные на традиционном техническом анализе, теряли свою эффективность. Компании, применяющие торговых роботов и содержащие штат сотрудников, не всегда могут вовремя подстроить торговую стратегию к новым реалиям. Поэтому разработка автономной методики адаптированной к условиям постоянно меняющегося рынка стала первостепенной задачей.
Применение торговой стратегии «IDA», основанной на фракционном анализе совершаемых действий участниками рынка, позволяет решить наиболее значимую задачу – возможность автономной адаптации к новым реалиям.

В процессе применения торгового робота «TR-IDA M» стратегия «IDA» показала результаты, свидетельствующие о стабильности и высокой доходности в условиях активно меняющегося характера рынка. «IDA» может эффективно и автономно применяться с целью уменьшения рисков и увеличения доходности от инвестиционной деятельности как частными трейдерами, так и профессиональными участниками фондового рынка.

Библиографический список:

1. Доклад для общественных консультаций «Совершенствование системы защиты инвесторов на финансовом рынке посредством введения регулирования категорий инвесторов и определения их инвестиционного профиля» [Электронный ресурс] / ЦБ РФ Банк России URL – http://www.cbr.ru/analytics/ppc/report_30062016.pdf (дата обращения 23.11.2016 г.).
2. Кузякин Д.А. Основные факторы, влияющие на формирование цен на финансовые активы рынка финансовых ресурсов, и их значение в современной экономике. // Вестник Тамбовского университета. Серия: Гуманитарные науки. 2009. № 6 (74).- С. 53-56.
3. Механическая торговая система [Электронный ресурс] / Википедия – свободная энциклопедия URL – https://ru.wikipedia.org/wiki/Механическая_торговая_система (дата обращения 20.02.2017).
4. Человек «Ренессанса» [Электронный ресурс] / Компьютерра URL – http://old.computerra.ru/2008/724/352196/ (дата обращения 22.12.2016 г.).
5. Российский фондовый рынок: События и факты. Обзор рынка за 2010 год. [Электронный ресурс] / НАУФОР URL – http://www.naufor.ru/download/pdf/factbook/ru/RFR2010.pdf (дата обращения 12.01.2017 г.).
6. Российский фондовый рынок: События и факты. Обзор рынка за 2011 год. [Электронный ресурс] / НАУФОР URL – http://www.naufor.ru/download/pdf/factbook/ru/RFR2011.pdf (дата обращения 13.01.2017 г.).
7. Российский фондовый рынок: События и факты. Обзор рынка за 2012 год. [Электронный ресурс] / НАУФОР URL – http://www.naufor.ru/download/pdf/factbook/ru/RFR2012.pdf (дата обращения 15.01.2017 г.).
8. Российский фондовый рынок: События и факты. Обзор рынка за 2013 год. [Электронный ресурс] / НАУФОР URL – http://www.naufor.ru/download/pdf/factbook/ru/RFR2013.pdf (дата обращения 18.01.2017 г.).
9. Российский фондовый рынок: События и факты. Обзор рынка за 2014 год. [Электронный ресурс] / НАУФОР URL – http://www.naufor.ru/download/pdf/factbook/ru/RFR2014.pdf (дата обращения 25.01.2017 г.).
10. Российский фондовый рынок: События и факты. Обзор рынка за 2015 год. [Электронный ресурс] / НАУФОР URL – http://www.naufor.ru/download/pdf/factbook/ru/RFR2015.pdf (дата обращения 26.01.2017 г.).
11. Российский фондовый рынок: События и факты. Обзор за первое полугодие 2016 год. [Электронный ресурс] / НАУФОР URL – http://www.naufor.ru/download/pdf/factbook/ru/RFR2016_1.pdf (дата обращения 01.02.2017 г.).
12. Волатильность [Электронный ресурс] / Википедия – свободная энциклопедия URL – https://ru.wikipedia.org/wiki/Волатильность (дата обращения 16.12.2016 г.).
13. Крюков П.А., Крюкова В.В. Эмпирические подходы к ведению торговых операций на валютном и фондовом рынках. // Вестник Кузбасского государственного технического университета. 2014. № 2 (102).-С. 111-117.
14. Володин С.Н. Алгоритмическая торговля на современных фондовых рынках // Аудит и финансовый анализ. 2011. № 5. С. 252-255.
15. Володин С.Н., Копырина О.О. Тенденции прибыльности алгоритмической торговли на мировых фондовых рынках // Управление корпоративными финансами. 2015. № 3. С. 144-156.
16. Володин С.Н., Якубов А.П. Влияние алгоритмической торговли на мировые финансовые рынки // Управление корпоративными финансами. 2015. № 5. С. 342-355.
17. Досенко Е.М. Влияние алгоритмической торговли на фондовый рынок // Экономика и управление. 2014. № 5 (103). С. 97-100.
18. Сальникова К.Х. Торговые роботы на биржевых площадках // Путеводитель предпринимателя. 2003. № 17. С. 239-243.
19. Соколов Б.И., Новожилов Я.П. Инновационные решения классических проблем торговли на фондовом рынке // Финансы и кредит. 2015. № 6. С. 2-15.
20. Филиппов О. Разрабатываем биржевого робота // Системный администратор. 2015. № 11 (156). С. 66-69.
21. Чеботарев Ю.А. Торговые роботы на российском фондовом рынке/ Ю.А. Чеботарев. –М.: Омега-Л, 2006- 144 с.
22. Чеботарев Ю.А. Управляющий робот фондами биржевых операций/ Ю.А. Чеботарев. –М.: ЗАО Издательство «Экономика», 2006- 118с.
23. Шаль А.Е. Торговые системы-роботы на рынке ценных бумаг. проблемы их применения в России // Экономика и социум. 2016. № 8 (27). С. 530-535.
24. Щербель М.Р. Влияние алгоритмической торговли на торговые системы фондового рынка России в посткризисный период // Финансы и кредит. 2013. № 17 (545). С. 73-80.
25. Ломакин Н.И. Биржевые торговые роботы в условиях информационного общества // Научно-методический электронный журнал «КОНЦЕПТ». 2013. № 5 (21). С. 1-8.
26. Дышаев М.М., Соколинская И.М. Представление торговых сигналов на основе адаптивной скользящей средней Кауфмана в виде системы линейных неравенств. // Вестник Южно-Уральского государственного университета. Серия: Вычислительная математика и информатика. № 4 / том 2 / 2013. С.103-107.
27. Федотова Г.В., Ботнарь С.Ю. Особенности алгоритмической торговли на фондовом рынке. // Теория и практика сервиса: экономика, социальная сфера, технологии. 2016. № 3 (29). С. 11-14.
28. Ломакин Н.И. Разработка fuzzy-алгоритма управления финансовым риском в биржевых операциях с акциями компании // Фундаментальные исследования. 2013. № 10-7. С. 1534-1538.
29. Бородин Д.В. Разработка торговой системы с использованием функций Уолша и модели марковских цепей. // Наука и образование: научное издание МГТУ им. Н.Э. Баумана. 2010. № 2010. С. 1-16.
30. Монахов О.Г. Эффективное использование графических ускорителей при параллельной оптимизации финансовых стратегий на кластерной системе. // Известия Томского политехнического университета. 2012. № 5. Том 321. С. 179-182.
31. Яковлева М.С., Долгова Г. Использование искусственного интеллекта на фондовой бирже. // Актуальные проблемы авиации и космонавтики. 2013. № 9/ том 1. С. 442-443.
32. Герцекович Д.А. Торговля в коридоре цен на основе эмпирических моделей. // Известия Иркутской государственной экономической академии. 2007. № 3. С. 34-37.
33. Побединский А.В. Программная торговля на фондовом рынке. // Программные продукты и системы. 2009. № 1. С. 84-86.
34. Наумова Т. \Модный продукт\ Человек против робота. // Прямые инвестиции. 2011. № 2. С. 84-87.
35. Россохин В.В., Чапрак Н.В. Оценка риска инвестирования с использованием относительного диапазона колебаний цены актива. // Финансы и кредит. 2015. № 29 (653). С. 13-26.
36. Побединский А.В. Автоматические торговые системы-роботы на рынке ценных бумаг. // Финансы и кредит. 2007. № 37 (277). С. 35-39.
37. Лаухин А.С., Иванов М.К. Методический подход к построению системы поддержки принятия решений на рынке ценных бумаг. // Труды Международного симпозиума «Надежность и качество». 2010. Том 2. С. 1-3.
38. Петрухин А. В. Архитектура биржевого робота для работы в среде торгового терминала Quik // Известия Волгоградского государственного технического университета. 2015. № 2(157). С. 138-141.