
- •Разработка моделей, алгоритмов и программных средств для повышения качества прогнозов биржевых показателей
- •Анализ существующих средств прогнозирования экономических показателей бирж
- •Модели и алгоритмы оценки стоимости ценных бумаг и управления инвестиционными активами
- •Роль рынка ценных бумаг в финансовой системе страны
- •Фундаментальный анализ
- •Показатели, используемые для фундаментального анализа акций
- •Технический анализ
- •Теории функционирования рынка ценных бумаг
- •Теория эффективного рынка
- •Теория случайных блужданий
- •Теория хаоса
- •Теория адаптивного рынка
- •Методы и модели для прогнозирования экономических показателей
- •Математическо-статистические методы
- •Поведенческие модели
- •Мультиагентные системы
- •Разработки, использующие мультиагентный подход для прогнозирования экономических показателей
- •Модель «SantaFe» и её вариации
- •Модель «Genoa Artificial Stock Market»
- •Библиотека «MoTor» и система «Имитрейд»
- •Платформа «ArTificial Open Market»
- •Комплекс «Altreva adaptive modeler»
- •Требования к функциональности проектируемого программного комплекса
- •Разработка архитектуры виртуального рынка ценных бумаг и системы поддержки принятия решений
- •Математическая модель виртуального рынка
- •Виртуальный мир и виртуальные агенты
- •Классификаторы
- •Новостная среда
- •Роли и стратегии
- •Активы агентов
- •Компании
- •Трейдеры
- •Стратегии трейдеров
- •Ордера и транзакции
- •Система обработки ордеров
- •Движение денежных средств при совершении транзакций
- •Расчёт статистических характеристик рынка ценных бумаг
- •Математическая формулировка задачи исследования
- •Архитектура программного комплекса
- •Выбор платформы для мультиагентной системы
- •Взаимосвязь приложения, пакетов и компонентов
- •Виртуальный мир
- •Стандартные классы системы
- •Планы и стратегии
- •Запросы и транзакции
- •Механизм формирования цен
- •Архитектура системы поддержки принятия решений
- •Общая схема архитектуры
- •Подключаемые модули
- •Алгоритм работы
- •Анализ работы системы
- •Описание работы программного комплекса
- •Функциональность
- •Редакторы
- •Организация экспериментов
- •Оценка степени соответствия виртуального рынка реальному
- •Соблюдение пропорций
- •Активность трейдеров на бирже ммвб в 2007-2010 годах
- •Наличие трендов и фигур
- •Сходство статистических характеристик изменения цен и объёма торгов
- •2. Критерий Колмогорова
- •3. Критерий Романовского
- •4. Критерий Ястремского
- •Критерии согласия двух теоретических распределений с распределением приращения максимальной цены за день для акции компании «Юкос» за период с 25.05.2005 по 19.09.2006
- •Критерии согласия двух теоретических распределений с распределением данных реального рынка по результатам 20 независимых экспериментов
- •Критерий согласия распределения Коши и объёма торгов за первые 116 дней торгов на виртуальном рынке в сценарии «FundamentalTradersExperiment.Fmp»
- •Критерий согласия распределения Коши и максимальной дневной цены по первой акции на виртуальном рынке в сценарии «FundamentalTradersExperiment.Fmp» за 165 дней торгов
- •Критерии согласия распределения Коши с распределением данных на виртуальном рынке по результатам 20 независимых экспериментов
- •Фрактальность рыночных процессов
- •Расчёт показателя Хёрста для различных временных рядов
- •Реакция рынка на действия отдельных агентов
- •Эксперименты, проведенные над виртуальным рынком
- •Зависимость размера спрэда от склонности к риску трейдеров
- •Влияние фундаментальных трейдеров на динамику котировок акций
- •Влияние новостного фона на котировки ценных бумаг при различном составе участников рынка
- •Практическое применение программного комплекса в качестве системы поддержки принятия решений
- •Математические критерии оценки качества прогнозов
- •Анализ работы системы поддержки принятия решений
- •Результаты сравнения краткосрочных прогнозов экспертов и системы поддержки принятия решений «fimas»
- •Результаты сравнения среднесрочных прогнозов экспертов и системы поддержки принятия решений «fimas»
- •Технико-экономическое обоснование
- •Преимущества и недостатки программного комплекса, выявленные в процессе эксплуатации
- •Другие перспективы практического применения
- •Перспективы для дальнейших исследований и разработок
- •Заключение
- •Литература
- •Приложения
- •Акт о внедрении результатов диссертационного исследования в ооо «Таулинк»
- •Акт о внедрении результатов диссертационного исследования в тк «Фотон»
- •Краткая информация о проекте «fimas»
- •Подробная схема связи компонентов и пакетов в системе
- •Алгоритм работы ролей трейдера и брокера
- •Алгоритм обработки текущих ордеров фундаментальным трейдером
- •Критерии согласия двух теоретических распределений (Гауса, Коши) с распределением приращения максимальной цены за день для акции компании «Юкос» за период с 25.05.2005 по 19.09.2006
- •Сравнение распределений Коши с распределением объёма торгов по первой акции на виртуальном рынке в сценарии «FundamentalTradersExperiment.Fmp» за 116 дней торгов
- •Критерии согласия распределения Коши с распределением объёма торгов по первой акции на виртуальном рынке в сценарии «FundamentalTradersExperiment.Fmp» за 116 дней торгов
- •Сравнение распределений Коши с распределением максимальной дневной цены по первой акции на виртуальном рынке в сценарии «FundamentalTradersExperiment.Fmp» за 165 дней торгов
- •Критерии согласия распределения Коши с распределением максимальной дневной цены по первой акции на виртуальном рынке в сценарии «FundamentalTradersExperiment.Fmp» за 165 дней торгов
- •Статистические данные по биржам
- •Структура трейдеров в модели fimas и на реальных биржах
- •Новости и спрэд акций в сценарии «NewsGenerator.Fmp» при преобладании новостных трейдеров
Соблюдение пропорций
В рамках диссертационного исследования собран статистический материал по семи реальным биржам и двум виртуальным. Рассмотрено 49 параметров, из них 17 – исходные данные, и 32 расчётные характеристики.
Активность трейдеров на бирже ммвб в 2007-2010 годах
Дата |
06.2007 |
02.2008 |
02.2009 |
02.2010 |
Кол-во активных клиентов в месяц |
59 785 |
74 703 |
94 264 |
110 494 |
Объём торгов за месяц (млн. руб.) |
3 609 351 |
4 544 237 |
3 275 600 |
4 160 111 |
Оборот в месяц на 1 клиента (млн. руб.) |
60.37 |
60.83 |
34.75 |
37.65 |
Оборот в день на 1 клиента с учётом маржи 1:3 (тыс. $) |
25.16 |
25.35 |
14.48 |
15.69 |
Информацию по всех параметрам пришлось собирать «по крупицам», так как не было такой биржи, которая бы публиковала весь спектр необходимой для моего исследования статистики. Информация по капитализации одной и той же биржи могла существенно отличатся в различных источниках. Наиболее редкой оказалась информация по составу участников торгов (брокеров и трейдеров). Из всех рассмотренных бирж, подробная информация по количеству трейдеров и брокеров опубликована только для биржи ММВБ. Она представлена на таблице Таблица 3.1Таблица 2.. Биржа NASDAQ публикует статистикупо крупным сделкам. Она представлена в приложении Error: Reference source not found (п.2).
Для извлечения аналогичной статистической информации из виртуального рынка «FIMAS» были использованы следующие математические методы.
Обозначим
виртуальный мир как
.
В этом мире существуют
рынков ценных бумаг
,
по которым можно собрать статистику.
Все рынки обслуживают
брокеров
,
на каждом рынке размещено
типов акций
(от английского словаshare).
У
каждого j-го брокеразарегистрировано
активных трейдеров
(от английского словаagent).
Активными будем называть таких трейдеров,
которые совершают хотя бы одну операцию
на рынке ценных бумаг в месяц. Если
брокер
работает на рынке
,
то такого брокера мы будем обозначать
как
,
аколичество его активных трейдеров
:
|
(3.1) |
Таким
образом, для i-го рынкас
брокерами общее количество трейдеров
вычисляется по формуле
.
Следовательно,среднее количество
трейдеров на одного брокера(по
статистике со всех рынков
)
будет вычисляться по формуле
|
(3.2) |
Каждый трейдер может совершать различное количество сделок (транзакций) в день. Некоторые играют на малейших колебаниях, совершая 5-10 сделок в день, в то время как другие предпочитают долгосрочные инвестиции и принимают такие решения раз в несколько месяцев. В связи с этим было принято решение рассчитывать только средние значения этого параметра для каждого типа агента, для каждого типа акции и в целом по рынку.
Допустим,
в день на рынке
для акции
совершается
транзакций. Объём торгов составил для
неё составил
у.е, а всего было продано / куплено
акций этого типа.
Тогда среднее количество транзакций, которые делает трейдер в день, если разделить общее количество транзакций в день на всех рынках на общее количество трейдеров на всех рынках:
|
(3.3) |
Также можно вычислить такие параметры, как средний оборот трейдера в деньисреднее количество акций, купленных / проданных трейдером в деньна всех рынках:
|
(3.4) |
|
(3.5) |
Аналогично считаются такие параметры, как среднее количество транзакций на одногоброкера в день, средний оборот брокера в деньисреднее количество акций, купленных / проданных брокеров в день, так что не буду отдельно приводить для них формулы.
Статистику в разрезе акций получить тоже не сложно. Среднее количество транзакций в день на одну акцию по всем рынкам вычисляется по формуле
|
(3.6) |
Похожим
образом рассчитываются показатели
объёма торгов и количества проданных
акций. Допустим, в день на рынке
для акции
.
Тогдасредний оборот в день на одну
акциюи среднее количество проданных
в день акцийпо всем рынкам можно
вычислить по формулам
|
(3.7) |
|
(3.8) |
На реальных рынках одним из способов классификации акций является классификация по ликвидности. В рамках моего диссертационного исследования неликвидными акциями буду считать те акции, среднемесячный оборот которых составляет менее 0,01% от оборота всех акций на рынке, т.е.
|
(3.9) |
|
(3.10) |
Допустим, количество
элементов в
равно
.
Тогда процент
ликвидных акций для
данного рынка рассчитывается как
отношение
общему
количеству акций
.
Важным с точки зрения соблюдения
пропорций является показатель количества
ликвидных акций на одного маркет-мейкера.
Если количество маркет-мейкеров на
рынкеравно
,
то этот показатель рассчитывается как
|
(3.11) |
Такие параметры, как среднее количество транзакций на одну ликвидную акцию в день и средний объём торгов на одну ликвидную акцию в день рассчитываются по формулам, аналогичным (3.6) и (3.7), так что отдельно приводить их не буду.
Средняя цена одной акции рассчитывается как отношение объёма торгов к количеству купленных / проданных акций за тот же период:
|
(3.12) |
Средний объём одной транзакции равен отношению объёма торгов к количеству транзакций за тот же период:
|
(3.13) |
Параметр отношение годового объёма торгов к капитализации является тривиальным, так как годовой объём торгов и капитализация рынка – исходные данные.
Результаты сравнительного анализа семи реальных бирж и двух виртуальных приведены в приложении Приложение 27.
Наиболее общие результаты моего анализа представлены в таблице Таблица 3.2. Отмечу, что такое незначительное количество информации по модели GASM объясняется тем, что авторы этой модели не проводили исследований в области соблюдений пропорций и не собирали такую статистику.
Результаты можно трактовать по-разному. Если сравнивать абсолютные значения, то видно, что виртуальные биржи FIMAS и GASM примерно в 100 раз меньше реальных бирж. Если сравнивать относительные параметры, то заметно, что GASM просто не в состоянии генерировать необходимую для анализа статистику. Модель FIMAS показывает хорошие результаты в области соотношения трейдеров, маркет-мейкеров, брокеров и количества акций, а также цены одной акции. Однако статистика показывает существенно заниженные значения объёма одной транзакции, что сказывается на остальные параметры: среднедневной объём торгов и Отношение годового объёма торгов к капитализации.
Сравнительный анализ параметров семи реальных бирж и моделей FIMAS и GASM
Параметр |
Реальный мир (по данным семи бирж) |
Виртуальный мир FIMAS (Cценарий "FundamentalTradersEx.fmp") |
Виртуальный мир GASM |
Кол-во типов акций |
600…3000 (в среднем 1000) |
10.00 |
1.00 |
Процент ликвидных акций |
4-50% |
100.0% |
100.0% |
Активных брокеров (у которых больше 100 клиентов) |
20-1000 |
2.00 |
[ 1 ] |
Активных трейдеров (на 1 брокера) |
100-15000 |
250.50 |
[ 500 ] |
Активных трейдеров (всего) |
Пропорционально обороту |
501.00 |
500.00 |
Маркет-мейкеров |
= Число ликвид. акций / 10 |
1.00 |
- |
Ликв акц. на 1 маркет-мейкера |
8 - 15 |
10.00 |
- |
Транзакции (штук на 1 ликв. акцию / день) - пример. мин |
5 040 |
9.70 |
- |
Транзакции (штук на 1 ликв. акцию / день) – среднее |
15 060 |
16.52 |
350.00 |
Транзакции (штук на 1 ликв. акцию / день) - пример. макс |
35 480 |
31.90 |
- |
Транзакц (на 1 трейд / день) - сред. |
0.1-1000 (сред - 5) |
2.00 |
0.70 |
Оборот (на 1 трейд / день) |
60-110 тыс. $ |
487.59 |
|
Цена одной акции - пример. мин. |
$ 0.33 |
15.49 |
- |
Цена одной акции - сред. |
$ 12.32 |
50.84 |
- |
Цена одной акции - пример. макс. |
$ 53.85 |
175.40 |
- |
Объём одной транзакции - мин |
$200 000 |
435.95 |
- |
Объём одной транзакции - сред |
$4 000 000 |
1 478.35 |
- |
Объём одной транзакции - макс |
$20 000 000 |
4 793.79 |
- |
Отношение годового объёма торгов к капитализации - мин. |
10.59 |
0.02 |
- |
Отношение годового объёма торгов к капитализации - сред. |
1.64 |
0.04 |
- |
Отношение годового объёма торгов к капитализации - макс. |
0.17 |
0.08 |
- |
Ни один из виртуальных рынков FIMAS и GASM в данный момент не поддерживает механизм разделения акций на ликвидные и неликвидные, так что процент ликвидных акций у обоих равен 100%. Это можно исправить, если изменить первоначальное распределение акций между трейдерами и модифицировать их стратегии таким образом, чтобы они «избегали» низколиквидные акции.
Параметр количество транзакций на одну ликвидную акцию в день тоже существенно отличается от нормы. Есть предположение, что этот параметр также подвержен «эффекту масштаба», и что он связан со среднесуточным объёмом торгов логарифмической зависимостью.