Практикум трейдера -Нестационарность рынка и как с ней бороться

Нестационарность рынка и как с ней бороться.

Мэтры рыночной торговли утверждают, что 95% трейдеров не способны торговать со стабильной в среднем прибылью и рано или поздно теряют свой депозит. Правда, многие не отчаиваются и повторяют попытки в надежде, что со временем обретут положительный опыт. Возникает вопрос: «Возможен ли и насколько вероятен такой положительный опыт?». Естественно, все учителя утверждают, что это не только возможно, но при достаточно терпеливом обучении даже неминуемо. Тем не менее факт остается фактом: стабильно успешными остаются не более 5% трейдеров, а трейдеров с прибыльностью более 100 % годовых и того меньше. Попытаемся разобраться в этом кардинальном вопросе на основе общих законов любого рынка.

С позиций макроэкономики рынок представляет собой большое сообщество рыночных агентов - трейдеров, действующих несогласованно, каждый в соответствии со своими ожиданиями, прогнозами и возможностями. Но, тем не менее, эта армия подчиняется общим экономическим законам. Данные законы описываются как социологическими терминами и конструкциями, так и строго математическими формулами. Для нашей цели главное в этих закономерностях – соотношение детерминированного и случайного начал. Детерминированное начало отражается законами спроса и предложения и вытекающих из них закономерностей поведения рыночных цен. Случайное начало отражается в непредсказуемых, обычно внезапных и краткосрочных изменениях этих цен. (Можно сказать, что это действие части трейдеров, выбивающейся из общей стройной картины.) Такое взаимодействие детерминированного и случайного царит во всех проявлениях окружающего мира. Величайшее достижение человеческой мысли - это как раз создание теории случайности и математической статистики, которые компенсируют наше незнание детерминированного поведения окружающего мира. К сожалению, эти области теории игнорируются при обучении трейдеров. Теории случайности, математической статистики и ТСП сегодня являются строгими математическими дисциплинами. На основе этих дисциплин с добавлением ТАУ и следует строить стратегию и тактику торговли на рынке. Но на этом пути возникает специфическая сложность. Она обусловлена нестационарностью поведения рынка. Выражается она в изменчивости математической модели рыночной динамики. Это не означает неопределенность основных законов рынка, а означает лишь изменчивость параметров (констант) модели, построенной по этим законам. Такими параметрами являются периоды усреднения в стандартных динамических звеньях ТАУ и в традиционных рыночных индикаторах. Нестационарность рыночной динамики порождает нестабильность средних результатов торговли по конкретным торговым стратегиям. Все без исключения трейдеры сталкиваются с такой нестабильностью в виде периодического уменьшения прибыльности торговли при неизменных алгоритмах расчета, вплоть до попадания в результирующий убыток. Учителя объясняют это недостаточностью квалификации и понимания рынка, хотя, что такое это понимание никто не может внятно объяснить. Обычный рецепт как стать «понимателем» сводится к прохождению дополнительного курса обучения за дополнительные деньги.

Есть разные приемы борьбы с нестационарностью рыночной динамики:

Регулярная перенастройка ТС;

Комбинирование торговых стратегий и связывание технологических ниток торговли;

Оперативное регулирование риска торговли.

Естественное решение проблемы борьбы с нестационарностью видится таким. Поведение рынка следует постоянно анализировать и выявлять изменения его модели, как по структуре, так и в части ее констант. По результатам этих изменений алгоритм системы должен переключаться на заранее заготовленную новую модель. Но формализовать диагностику рыночного поведения и сопоставить найденному типу поведения конкретную модель очень сложно. Но если даже найден такой способ, то достоверное выявление указанных изменений – процесс инерционный и требует большого времени наблюдения. В результате такая перестройка системы будет сильно запаздывать и, скорее всего, приносить не пользу, а вред. Более простым решением представляется система с фиксированной, не переключаемой структурой модели, но константы которой настраиваются каждый раз, когда итоговые показатели заметно ухудшаются. При этом будут получаться новые настроечные константы и естественно ожидать, что эти константы модели рынка окажутся более адекватными в новых условиях. Но здесь нас подстерегает следующая опасность. Торговая система, как и любой физический объект, обладает инерцией и полученные итоговые результаты достоверны, если константы не меняются на некоторой предыстории системы достаточной длины (значительно дольше времени инерции системы). Если же в силу нестационарности рынка истинные параметры модели заметно изменяются за время инерции системы, то получается одна из двух неприятностей. Если настройка производится достаточно редко, то настроечные константы и соответствующие им итоговые показатели отвечают не текущей рыночной ситуации, а некоторой усредненной ситуации за большой период. Понятно, что на самом деле на ближайший будущий период времени после очередной настройки, оптимальные константы модели будут другими, а, значит, система будет работать далее не оптимально. Другой вариант – это настройка системы чаще, чем ее время инерции. При такой настройке итоговые результаты системы оказываются искаженными (по указанной выше причине) и дальнейшая работа системы также оказывается не оптимальной. Отсюда следует вывод: настройка торговой системы должна производиться регулярно, но не слишком часто. Этот компромисс может быть определен количественно только тестированием конкретной ТС.

Альтернативным вариантом борьбы с нестационарностью является комбинирование в одной ТС прогнозов цены одновременно по разным моделям без их переключения и возможно по разным торговым инструментам. Обоснованием такого подхода служит компенсация недостатков каждой отдельной модели и компенсация убыточных сделок по одному инструменту прибыльными сделками по другим инструментам. Наиболее совершенным на сегодня представляется вариант ТС, реализующий одновременный прогноз по различным моделям рыночной цены и взаимосвязанную торговлю по нескольким рыночным инструментам. Так, было проведено тестирование ТС с двумя моделями прогноза и четырьмя рыночными инструментами. Эффективность этой ТС достигает нескольких тысяч % годовых. Такой результат может показаться не правдоподобным, и он действительно завышен. Но природа этого завышения объективна и объяснима законами математической статистики. Любые расчеты, связанные со случайными процессами (а таковым является прогноз рыночных цен), производятся по некоторой модели. В любой модели фигурируют константы, называемые в статистике степенями свободы. Нетрудно понять, что чем больше степеней свободы (больше число варьируемых констант), тем легче подогнать моделируемый процесс к любому фактическому случайному процессу. Допустим для примера, что на данном историческом интервале имеется несколько экстремумов цены, а в расчетной модели применяется такое же количество варьируемых констант. Тогда подгонкой этих констант всегда можно обеспечить точное попадание моментов сделок на все эти экстремумы. Иначе говоря, настройкой констант такой ТС всегда можно добиться максимально возможной прибыли на данном историческом интервале независимо от действия чисто случайных возмущений, т. е. сделать ТС абсолютно идеальной. Но нужно понимать, что настройка на данной истории может оказаться совсем не оптимальной на другой, будущей истории, если на ней будут действовать другие возмущения. Но к счастью на рынке, да и вообще для большинства подобных объектов их поведение подчиняется определенным законам, не зависимым от времени. Апологеты рыночной торговли говорят о так называемой памяти рынка в виде повторяемости рыночных ситуаций, которую можно полезно использовать в торговой стратегии. Именно это обстоятельство позволяет прогнозировать поведение рыночных цен и добиваться прибыльной в среднем торговли. На этот счет статистика говорит, что если исследуемый процесс не чисто случайный (не является только белым шумом) и известна модель его поведения, то его можно прогнозировать на основе этой модели. Точность такого прогноза зависит от истинности принятой модели и неизменности ее характеристик (констант) во времени. Однако законы поведения рынка не остаются абсолютно неизменными - они изменяются в некоторых второстепенных деталях. Такое поведение эквивалентно дрейфу констант модели и в ТСП называется нестационарностью. Именно нестационарность рынка и является причиной постепенного ухудшения показателей ТС, оптимально настроенной на некотором фиксированном историческом интервале. В этом ответ на поставленный выше вопрос о правдоподобности результатов настройки ТС. При появлении новых входных данных исторический массив данных постепенно обновляется, и оптимальные настройки оказываются другими. Но перенастраивать ТС на каждом новом такте ее работы бессмысленно, ибо, как уже говорилось, результаты настройки все равно не сохранят оптимальность для будущего времени. Кроме того каждая перенастройка констант модели сбивает временной ритм сделок (могут возникать нештатные открытия и закрытия позиций). Чтобы количественно оценить реальную эффективность ТС, следует тестировать ее в реальном времени без перенастройки. Итоговые показатели запоминаются до тех пор, пока последний исторический массив не обновится полностью относительно первоначального массива. Тогда динамика получаемых итоговых показателей покажет, в какой мере устаревают получаемые настройки.

Сохранение оптимальности найденных настроек на будущее зависит от того, в какой мере модель прогнозируемого процесса соответствует действительности. Если динамика процесса подчиняется определенным законам, не изменяющимся во времени, а принятая модель достаточно точно отвечает этим законам, то хорошо настроенная система будет сохранять свою оптимальность достаточно долго. В терминах рыночной торговли оптимальность ТС при прочих равных условиях определяется точностью диагностирования моментов экстремумов цены. Понятно, что максимально достижимый % годовых будет иметь место, если будут диагностироваться все экстремумы без исключения и точно своевременно. Кстати, именно так определяют потенциально достижимую прибыль на прошедшем интервале. Эти данные обычно сообщают в аналитической информации для трейдеров. Но проблема в том, что законы движения рыночных цен либо не остаются неизменными во времени, либо мы их не точно знаем. (Думается, в действительности имеют место оба эти фактора.) Поэтому наши модели прогнозируемой цены и ее экстремумов не всегда одинаково точны. Единожды настроив модель прогноза (подобрав оптимально ее константы), мы гарантируем тем самым кратковременный положительный эффект. Но с течением времени этот эффект пропадает. Казалось бы, следует производить настройку констант как можно более часто. Но настраивать систему достаточно часто невозможно потому, что для каждой настройки требуется некоторая история с неизменными константами. Таковы особенности статистики для любого динамического объекта, обладающего инерцией. От чего же зависит успех торговли при прогнозе цены по некоторой модели? Прежде всего, от точности структуры модели (вида ее уравнений) и во вторую очередь - от точности констант этих уравнений. На сегодня известны модели рыночной динамики, основанные на формулах скользящего усреднения самой цены или каких-либо производных от нее. К этому я добавил две новые модели: модель колебательного звена и модель ценового коридора. Возможно, в будущем будут открыты более действенные модели и алгоритмы. Константы моделей прогнозируемого процесса можно и нужно настраивать по истории достаточной длины. При этом следует выдерживать компромисс между длиной истории, достаточно длинной для достоверной настройки констант системы, а с другой стороны - достаточно короткой для нечувствительности к нестационарности рынка.  

Михаил Яковлевич Фитерман