Задачи моделирования и прогнозирования поведения систем, относящихся к области экономики, давно обсуждаются на междисциплинарном уровне. Исследователи все чаще пытаются применить методы из областей физики и математики для изучения поведения международных финансовых рынков и понимания динамики ценовых движений.

Методы становятся полезными при анализе рынка, когда они предназначены для понимания динамики ценового движения. Вопрос, ответ на который ищет фактически каждый, кто связан с рынками, гласит: что может влиять на предсказуемость ценового движения? Шум, модель? Если шум, как от него избавиться, модель – на основе чего? На сегодняшний день существует огромное количество методов для проведения анализа поведения валютных рынков, каждый из которых имеют свои достоинства и недостатки. Ниже, приведены направления научных исследований анализа временных рядов курсов валют на рынке FOREX, в определенной степени позволяющие получить ответ на поставленный вопрос.

«Гусеница» (Caterpillar) - Singular Spectrum Analysis

Для решения задачи разложения ряда на аддитивные компоненты, такие как тренд, колебания и шум хорошо зарекомендовал себя метод, известный под названием «Гусеница» (Caterpillar) или SSA (Singular Spectrum Analysis), основанный на динамической модификации метода главных компонент. Для одномерного ряда базовый метод SSA состоит в преобразовании исходного ряда в многомерный путем построения траекторной матрицы, ее последующем сингулярном разложении, выделении значимых компонент и дальнейшем восстановлении, основанном на группировке и диагональном усреднении. Достоинством метода «Гусеница»-SSA является отсутствие требования априорного задания модели ряда, а также возможность выделения гармонических составляющих с изменяющимися амплитудами и частотами, что выгодно отличает его от методов, в основе которых лежит метод Фурье.

Прогнозирование поведения цены на основе:

Метода Группового Учета Аргументов (МГУА – GMDH);

Поиск зависимости целевых переменных от остальных ведется в форме функций какого-то определенного вида. Например, в одном из наиболее удачных алгоритмов этого типа - методе группового учета атрибутов (МГУА) - зависимость ищут в форме полиномов. По всей видимости, этот метод дает более статистически значимые результаты, чем нейронные сети. К тому же полученная формула зависимости, полином, в принципе поддается анализу и интерпретации (хотя на практике все же бывает слишком сложна для этого). Это делает данный метод достаточно перспективным для анализа финансовых данных. Узнать подробнее о методе МГУА>>

Метод «Опорных Векторов» (SVM - Support Vector Machines);

Недостатком большинства методов, является предположение о линейности модели исследуемого ряда. Для решения подобных задач весьма эффективны методы, основанные на ядерных методах (Kernel Methods), обеспечивающие возможность моделирования нелинейных связей в финансовых временных рядах при сравнительно малом объеме априорной информации. Метод «опорных векторов» (SVM - Support Vector Machines), позволяет оценить параметры модельного ряда в виде линейной комбинации ядерных функций радиально-базисного типа.

Показатель Херста

Показатель Херста представляет собой инструмент, основанный на принципах теории хаоса и фракталов, позволяет оценить фрактальную размерность рынка, используя анализ масштабируемых рядов. Он позволяет проанализировать все доступные данные на графике времени и цены и определить «волатильность» и «тренды» данного рынка. При помощи показателя Херста можно оценить наличие трендовой составляющей, определить когда рынок представляет собой случайную независимую систему, а когда его движение является обусловленным. Последовательности, для которых показатель Херста - Н больше 0.5, относятся к классу персистентных - сохраняющих имеющуюся тенденцию. Таким образом, для процесса с Н>0.5 наличие тренда в прошлом означает и большую вероятность сохранения тренда в будущем. Чем больше Н, тем сильнее тенденция. При Н=0.5 никакой выраженной тенденции процесса не выявляется, и нет оснований считать, что она появится в будущем. Случай Н<0.5 характеризуется антиперсистентностью - рост в прошлом означает уменьшение в будущем, а тенденция к уменьшению в прошлом делает вероятным рост в будущем. И чем меньше Н, тем больше эта вероятность. В таких процессах после роста обычно имеет место падение, а после падения – рост.

Генетическая Оптимизация;

Статистические исследования;

Искусство торговли финансовыми инструментами заключается в правильном прогнозе движения цены. У каждого трейдера имеется свой набор инструментов, с помощью которого осуществляется анализ состояния рынка и определение точек входа в рынок. Это могут быть технические индикаторы, фундаментальный анализ, новости или же сочетание всех этих инструментов. Как бы не был богат инструментарий анализа рынка, сделанные выводы всегда носят вероятностный характер. Любой прогноз всегда носит вероятностный характер того, что котировки окажутся в некотором ценовом интервале. Как же оценить вероятность того, что цена окажется в том или ином интервале? Это сложная задача. Без специальных знаний, навыков и умений решить её невозможно, но существуют уже разработанный математический аппарат, готовые инструменты, которые могут подсказать, с какой вероятностью котировки окажутся в том или ином интервале.

Генератор Стратегий;
Вейвлет преобразование;
Торговая Платформа TradeFusion.