Методы анализа финансовых рынков

Страница 3

Если рассматривать волны с точки зрения биржевой психологии, можно отметить следующие индивидуальные особенности каждой волны.

Волна 1. Может быть очень сильна, если представляет собой новое явление (т.е. подъем после длительного спада), или более слабой, когда подобные движения особенной новостью не являются. В любом случае эту волну сопровождает атмосфера некоторой нерешительности: никто не уверен, что предыдущее падение цены уже закончилось, и многие ждут его возвращения.

Волна 2. Развивается в атмосфере страха. Некоторые игроки считают ее возвратом медвежьего рынка и начинают продажи. Эта волна обычно весьма глубока.

Волна 3. Представляет собой уверенный и сильный подъем цен. Такая волна сопровождается большим объемом торговли и значительным открытым интересом. По ней с наибольшей уверенностью можно идентифицировать пятиволновую диаграмму. Наиболее выгодно заключать сделки именно в это время.

Волна 4. Ее глубина обычно невелика и хорошо предсказуема. Рынок еще достаточно силен, но уже нуждается в отдыхе.

Волна 5. Выглядит менее впечатляюще, чем волна 3. Даже если она достаточна длинна, объем торговли невелик. При этом наиболее силен ажиотаж у околорыночной публики, а наиболее информированные киты начинают понемногу закрывать длинные позиции и ближе к концу открывать короткие.

Волна А. Публика убеждена, что спад всего лишь временный, и продолжают покупать. Киты начинают массовые продажи.

Волна В. С рынком творится что-то странное. Движение вверх не удается, и понемногу начинают сдаваться самые убежденные быки.

Волна С. Почти так же сильна, как волна 3. Многие считают ее подтверждающей новый медвежий тренд, другие спешат закрыть убыточные позиции.

Волновая Теория Эллиотта доказала свою работоспособность не только при прогнозировании цен на различных рынках. Но и при предсказании реальных событий. Эллиоттовские аналитики построили даже график экономического развития человечества и проанализировали его. Оказалось, что мы находимся на пике развития, и перед нами, возможно, лежат долгие годы депрессии…

Перспективы совершенствования методов анализа и увеличения точности прогнозов.

В классическом техническом анализе уже существует несколько направлений, работа в которых обещает увеличение точности прогнозов, снижение риска от сделок, увеличение доходов. Это подбор параметров для уже имеющихся индикаторов, поиск наиболее удачных комбинаций индикаторов, а также создание новых. Работа в этих направлениях активно ведется в США, на родине большинства методов технического анализа. Так, группа Мэррилл Линч провела исследования работы на нескольких товарных и финансовых рынках с целью выяснения эффективности работы с применением различных видов скользящих средних и их сочетаний. Было статистически доказано преимущество простых средних скользящих по сравнению с экспоненциальными и взвешенными, а также сочетания двух скользящих с сочетанием порядков 1:4, по сравнению с одиночными и комбинацией трех скользящих. Многие профессиональные трейдеры постепенно приходят к созданию собственных индикаторов, или специфических методов анализа, хорошо адаптированных для конкретного рынка.

Быстрое развитие компьютерных технологий открывает новые перспективы для работ в области прогнозирования ситуаций на финансовых и товарных рынках. Наиболее значительным прорывом в этой области большинство специалистов считают развитие нейрокомпьютинг.

Нейрокомпьютинг - это научное направление, занимающееся разработкой вычислительных систем шестого поколения - нейрокомпьютеров, которые состоят из большого числа параллельно работающих простых вычислительных элементов (нейронов). Элементы связаны между собой, образуя нейронную сеть. Они выполняют единообразные вычислительные действия и не требуют внешнего управления. Большое число параллельно работающих вычислительных элементов обеспечивают высокое быстродействие. В настоящее время разработка нейрокомпьютеров ведется в большинстве промышленно развитых стран. Нейрокомпьютеры позволяют с высокой эффективностью решать целый ряд "интеллектуальных" задач. Это задачи распознавания образов, адаптивного управления, прогнозирования (в т.ч. в финансово-экономической сфере), диагностики и т.д.

Толчком к развитию нейрокомпьютинга послужили биологические исследования. По данным нейробиологии нервная система человека и животных состоит из отдельных клеток - нейронов. В мозге человека их число достигает 1010 -1012 . Каждый нейрон связан с 103 -104 другими нейронами и выполняет сравнительно простые действия. Время срабатывания нейрона - 2-5 мс. Совокупная работа всех нейронов обуславливает сложную работу мозга, который в реальном времени решает сложнейшие задачи.

В настоящее время наиболее массовым направлением нейрокомпьютинга является моделирование нейронных сетей на обычных компьютерах, прежде всего персональных. Моделирование сетей выполняется для их научного исследования, для решения практических задач, а также при определении значений параметров электронных и оптоэлектронных нейрокомпьютеров.

Нейросеть – это компьютерная программа, имитирующая способность человеческого мозга классифицировать примеры, делать предсказания или принимать решения, основываясь на опыте прошлого. Стремительное развитие технологии нейронных сетей и генетических алгоритмов началось лишь в конце 80-х годов, и пока остается уделом немногочисленной группы специалистов, как правило, теоретиков в области искусственного интеллекта. Но в России уже начали появляться нейронные сети, хорошо зарекомендовавшие себя на Западе, ведутся разработки собственных программ, для прогнозирования самых различных событий. Упрощая, технику применения нейронных сетей для прогнозов на фондовом рынке можно условно разбить на следующие этапы:

- подбор базы данных,

- выделение «входов» (исходные данные) и «выходов» (результаты прогноза). Входами можно сделать цены открытия, закрытия, максимумы, минимумы за какой-то период времени, статистика значений различных индикаторов (например, индексы Доу Джонса, Никкей, комбинации курсов валют, доходность государственных ценных бумаг, отношения фундаментальных и технических индикаторов и др.), обычно выбирается от 6 до 30 различных параметров. Количество выходов рекомендуется делать как можно меньше, но это могут быть цены открытия, закрытия, максимумы, минимумы следующего дня,

- выделение в массиве данных тренировочных и экзаменационных участков,

- обучение нейросети: на этом этапе нейронная сеть обрабатывает тренировочные примеры, пытается дать прогноз на экзаменационных участках базы данных, сравнивает полученную ошибку с ответом, имеющимся в примере (базе данных), а также с ошибкой предыдущего этапа обучения и изменяет свои параметры так, чтобы это изменение приводило к постоянному уменьшению ошибки.

- введение срока прогноза,

- получение значения прогнозируемых данных на выходе нейросети.

Литература:

«Технический анализ фьючерсных рынков. Теория и практика»

Джон Мэрфи

«Технический анализ товарных и финансовых рынков»

Анна Эрлих