Индикаторы для продвинутых трейдеров.

Часть 1: На шаг впереди рынка. Большинство технических индикаторов, которые используются в дневном анализе финансовых рынков и которые были разработаны для торговли, имеют широкое применение. Все время разрабатываются достаточно простые индикаторы. Поэтому анализы, осуществляемые посредством индикаторов, настолько популярны, т.к.
для этого не надо обладать глубокими математическими познаниями. В этой серии статей мы хотим познакомить Вас с индикаторами и системами, которые требуют определенную совокупность знаний, и по этой причине представляют интерес. Также мы покажем несколько примеров, в которых использовались известные технические индикаторы, начиная с актуальных инженерных или естественнонаучных методов, которые были перенесены в сферу финансовых наук или анализа финансовых рынков. Цель состоит в том, чтобы побудить читателя использовать на финансовых рынках методы, известные и опробованные в других сферах. Одним из самых известных примеров является формула модели Блэка-Шоулза для определения цены на опционы. В основе формулы лежит дифференциальное уравнение Блэка-Шоулза.

В этом случае Фишер Блэк и Майрон Шоулз преобразовали свое уравнение по типу уравнения теплопроводности. Возможно, это самый известный пример, который проистекает из естественных наук и который послужил основой для одной из самых известных и часто используемых формул в финансовых науках. Но не надо фокусироваться только на «технических» науках. История успеха теории поведенческих финансов показывает, что и в «гуманитарных» науках (в том числе культурологических и социальных) существуют интересные методы, которые стоит использовать в сфере анализа финансовых рынков. В виду того, что автор этого поста является инженером-механиком, примеры, приведенные ниже, происходят из естественных наук.

Средние скользящие и частотный фильтр

Индикаторы, разработанные на основе скользящих средних, являются одними из наиболее употребляемыми инструментами технического анализа в финансовом секторе. Причина такого частого употребления может лежать в простом расчете и интуитивном применении. Показатель эффективности этого метода более четкий, чем в других случаях. При более детальном изучении скользящих средних мы видим, что основная цель применения данного метода состоит в отфильтрововании динамических рядов. Следовательно, динамический ряд должен быть обработан так, чтобы возможно было устранить шумы (несоответствующие движения) и оставить только основной сигнал (движение финансового динамического ряда). Это в точности соответствует правилу частотных фильтров, которые используются в электротехнике и автоматике. Наиболее известными типами фильтров являются, к примеру, следующие: фильтр Баттерворта, Бесселя и Чебышева. Этот пример показывает, что имеет смысл использовать знания и опыт решений, существующих в инженерии, и перенести их в финансовый сектор.

Эволюция скользящих средних

Еще в школе мы учили, что такое кривая линия и ее производные. Первая производная кривой линии представляет собой градиент кривой. Вторая производная имеет изгиб. Что касается скользящих средних, то здесь мы можем образовать 2 первичные производные. Первую производную можно расценить как индекс увеличения скользящей средней. Вторая производная имеет скорость развития скользящей средней. Конечно, мы заканчиваем тем, что применяем фундаментальные кинематические уравнения равномерного прямолинейного движения. Мы покажем примеры использования этих основных физических уравнений для увеличения эффективности при работе со скользящей средней.

Регрессия и многочлены

В эконометрии и финансах линейная регрессия также известна как «метод наименьших квадратов». Метод был изобретен в конце XVIII века К. Гауссом, которому на тот момент было всего лишь 19 лет. Метод приобрел известность, когда в 1801 г. Гаусс верно рассчитал расположение малой планеты Цереры, потерянной вскоре после обнаружения. «Метод наименьших квадратов» независимо и случайно открыл французский математик Лежандр с использованием той же методики, что и Гаусс. Сегодня линейная регрессия неизбежна в любом процессе, в котором речь идет о прогнозе или анализе отношений между различными переменными. В этом посте мы расширим метод линейной регрессии многочленом высокой степени. Следовательно, нам придется учитывать не только члены первой степени, но и члены второй, третьей и четвертой степени.

Самонастраиваемые индикаторы

Другим примером являются самонастраиваемые индикаторы, как, например, адаптивная скользящая средняя. Этот основной принцип достаточно известен в технологии контроля. Адаптивные контрольные приборы используются в процессорах сигналов, в которых процесс посредством обратной связи определяет конфигурацию своих параметров.

Перри Кауфман и Тушар Чанд продемонстрировали реализуемость этих решений для анализа данных финансового рынка на основе KAMA (Адаптивная скользящая средняя Кауфмана) и VIDYA (Скользящая средняя с динамическим периодом усреднения). Последующая работа автора состояла в применении KAMA по типу первой производной. Таким образом можно проанализировать не только сам индикатор, но также его градиент. Следовательно, надо суметь заранее распознать разворот тренде, как это делает индикатор.

Фильтр Калмана (ФК)

Фильтр Калмана (в инженерии просто фильтр) был изобретен в 60-х годах американским инженером венгерского происхождения Рудольфом Калманом. Эта технология была впервые использована НАСА в системе навигации Аполлона. Сегодня фильтр Калмана применяется почти в каждом навигационном устройстве. Строго говоря, фильтр Калмана это алгоритм расчета. Метод соразмеряет оптимальную оценку будущего состояния системы, которая может изменяться из-за многочисленных ошибок, посредством которых можно определить позицию и скорость объекта. Если мы применим этот метод к финансовому сектору, то фильтр Калмана сможет предсказать направление будущего финансового инструмента, которое нарушено «шумом» (речь идет о небольших, ничего не значащих движениях, которые перекрываются направлением тренда). Можно испытать силу фильтра Калмана в отношении произвольных сигналов, если другие методы при этом не работают. На основании модели математической системы и предыдущей оценки состояния система, первый фильтр Калмана, априори, рассчитывает оценку следующего состояния системы. Далее прогноз корректируется с учетом новых данных. Преимущество фильтра Калмана в преддверии эволюции цен очевидно. Для оценки предстоящего движения необходима только оценка скорости за предыдущей день и текущая цена. Следовательно, фильтр Калмана это специальная форма адаптивного фильтра ввиду того, что информация, необходимая для его расчета, обновляется на основании измерений.

Числа Фибоначчи

Последовательность Фибоначчи также является известным примером для трейдеров, которые используют технический анализ для определения ценовой прибыли. Последовательность была открыта в XII веке Леонардо Пизанским. Число последовательности также основывается на природном феномене. Это принцип «гармонии». Более 350 лет назад Иоганн Кеплер в своей работе «Гармония мира книга V» (5 книг о гармонии) описал этот принцип на примере музыки и движения планет. Кеплер заметил, что гармония музыки положительно влияет на людей; а в результате вычисления движения планет признал это глобальным принципом. Следовательно, не стоит удивляться тому, что мы все чаще ищем гармонические движения цен на графиках. Чаще всего последовательность Фибоначчи используется в отношении таких цикличных методов, как волны Эллиота или циклы Ганна.

Вывод

В естественных науках и инженерии есть множество уже опробованных методов. Некоторые из этих методов использовались в недавнем прошлом для осуществления анализа данных финансового рынка. Они подходят трейдерам и аналитикам, которых очень привлекают числа и математические методы. Следовательно, читатель должен иметь представление об элементарной статистике. Расчет стандартного отклонения или экспоненциальной скользящей средней не должен представлять для него проблемы. В следующих статьях мы более подробно рассмотрим эти методы и практические случаи. Мы всегда будет следовать принципу движения маленькими шагами. Мы не пытаемся изобрести что-то абсолютно новое, но опираемся на существующие и известные методы, внося небольшие изменения для улучшения показателя.

В естественных науках и инженерии есть множество уже опробованных методов.

История успеха теории поведенческих финансов показывает, что и в «гуманитарных» науках существуют интересные методы.

В своих статьях мы рассмотрим индикаторы, перечисленные в следующей таблице. Речь не идет о «совершенном» индикатора для трейдинга. Наоборот, выбор должен сподвигнуть на новые идеи и усовершенствования.

Рудольф Уиттмер

Рудольф Уиттмер (Rudolf Wittmer) имеет университетскую степень в области инженерии и в последние годы руководил хедж-фондами. Является азартным трейдером, который более 20 лет назад сделал карьеру из своего хобби. Постоянно совершенствует свои трейдинговые модели, и тем самым он добился звания специалиста по трейдинговым системам в Германии.
Индикаторы для продвинутых трейдеров.

Оставить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *