
- •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
Расчёт показателя Хёрста для различных временных рядов
Временной ряд |
Диапазон |
СКО |
Среднее значение |
Случайные значенияс равномерным распределением |
[0.18…0.70] |
0.25 |
0.41 |
Реальный рынок (NASDAQ) |
[0.45..0.72] |
0.15 |
0.55 |
Виртуальный рынок «FIMAS» |
[0.35..0.58] |
0.19 |
0.51 |
Общеизвестно,
что фрактальный анализ не позволяет
отличать искусственные ряды от настоящих.
Однако некоторые закономерности всё
же существуют. Исходя из данных таблицы
Таблица 3.8 можно сделать вывод, что
динамика цены на виртуальном рынке
гораздо ближе к реальному рынку, чем к
случайным процессам. Однако экспонента
Хёрста
для объема торгов на
пунктов меньше, чем для цены той же самой
акции за тот же период.
На
графиках была замечена ещё одна
закономерность: на виртуальном рынке
график экспоненты Хёрста
объёма торгов часто оказывался похожим
на соответствующий график для цены
акции за тот же период. Однако для
реального рынка ценных бумаг такая
закономерность замечена не была.
Рис. 3.46. Показатель Хёрста для раздичных временных рядов:
a) 350 случайно сгенерированных значений с равномерным распределение b) Дневная цена закрытия компании «Yahoo» 28/01/2000-26/01/2010 c) Средняя дневная цена по первой акции на виртуальном рынке в сценарии «FundamentalTradersExperiment.fmp» за 165 дней торгов d) Объём торгов по первой акции на виртуальном рынке в сценарии «FundamentalTradersExperiment.fmp» за 165 дней торгов
Реакция рынка на действия отдельных агентов
Существует ряд представлений о том, как рынок должен вести себя при определённых условиях, какая должна быть его реакция на дестабилизирующие действия отдельных трейдеров или их групп. Например, реакцией на массированные продажи должно быть понижение цены, но не её повышение. В 2003 году Воронцов К. В. для проверки адекватности учебной имитационной торговой системы «Имитрейд» предложил использовать следующие пары «типовое воздействие — типовой отклик» [9] (табл. 3.9).
Пары «типовое воздействие —типовой отклик», предложенные Воронцовым К. В. для проверки адекватности системы «Имитрейд»
Воздействие |
Отклик модели |
Единичная покупка большого объёма. |
Кратковременное расширение спрэда, повышение цены. Затем откат обратно. |
Серия из достаточно большого количества покупок типичных для данной сессии объёмов. |
Постоянное повышение цены на протяжении всей сессии, неизменность ширины спрэда в среднем. Цена закрытия выше, чем для предыдущего теста. |
Изъятие из очереди значительного числа заявок на покупку в некоторый фиксированный момент времени. |
Кратковременное расширение спрэда, понижение цены. Затем откат обратно. Восстановление ликвидности. |
Регулярное досрочное снятие значительного числа заявок на покупку на протяжении всей сессии. |
Постоянное понижение цены на протяжении всей сессии. Понижение ликвидности может привести к расширению спрэда и уменьшению числа сделок. |
Выставление коридора из двух заявок большого объёма и противоположной направленности. |
Постепенное уменьшение ликвидности, вызванное падением интереса к краткосрочным спекуляциям. |
Эти критерии были использованы для проверки адекватности модели «FIMAS». Из этого списка не применялись только пары, связанные с досрочным снятием заявок, так как агенты не использовали этот механизм.
Дополнительно, в рамках диссертационного исследования были предложены следующие пары (табл. Таблица 3.10). Реакция модели на эти типовые воздействия была изучена в ходе экспериментов, описанных далее в этой работе.
Дополнительные пары «типовое воздействие —типовой отклик», предложенные автором для проверки адекватности модели «FIMAS»
Воздействие |
Отклик модели |
Наличие на рынке только маркет-мейкеров и трейдеров-новичков, не склонных к риску. |
Большой спрэд, быстрый заработок для маркет-мейкеров и банкротство трейдеров-новичков. |
Наличие на рынке только маркет-мейкеров и трейдеров-новичков, использующих хотя бы в 50% сделок лимит-ордеры, а не только маркет-ордеры. |
Меньший спрэд по сравнению с предыдущим экспериментом. |
Увеличение количества маркет-мейкеров. |
Сокращение спрэда, сокращение их дохода. |
Увеличение продолжительности «типичного ордера» для маркет-мейкеров. |
При наличии трейдеров-скальперов — увеличение их дохода, уменьшение дохода маркет-мейкеров. При отсутствии трейдеров-скальперов — увеличение спреда, увеличение доходов маркет-мейкеров, постепенное уменьшение объёма торгов. |
Хотя бы 50% доля на рынке фундаментальных или новостных трейдеров. |
Эффект следования за их «фундаментальной» ценой. Чем больше процент этих трейдеров, тем сильней эффект следования и тем меньше доходы маркет-мейкеров. |