|
Рыночными системами
- применять полученные знания на практике, в сфере управления рыночными процессами, их регулирования и исследования.
Анализ рыночной динамики в развитых странах уходит корнями в далекое прошлое, когда еще не использовался фундаментальный и отраслевой анализы. Это было связано с тем, что финансовая информация отсутствовала или была малодоступна, многие методы анализа еще не были разработаны. Поэтому единственным объектом, который в этих условиях можно было реально изучать, и был собственно финансовый рынок. Аналитики начали строить графики для наблюдения за рыночными процессами. Графики отражали динамику курсов акций и других ценных бумаг. Этот подход, обогащенный применением методов прикладной статистики и эконометрики, лежит в основе современного технического анализа.
разованию, подготовке квалифицированных кадров; сочтено необходимым обратить особое внимание на усиление макроконтроля над рыночными процессами; на сокращение региональной, отраслевой, имущественной дифференциации, также на улучшение нравственной атмосферы в обществе»."2
Существуют серьезные подтверждения того факта, что независимо от того, какая гипотеза ближе к истине, ставка прайм-рейт в конечном счете определяется рыночными процессами. До 1979 г. другие процентные • ставки не были особенно изменчивыми, и ставка прайм-рейт также не изменялась. С
Формой анализа поведения покупателей являются некоторые виды рыночного тестирования, которые нельзя считать чистой формой маркетингового исследования, так как их основная задача - управление рыночными процессами (marketing management). Рассмотрим опыт американского маркетинга2.
Равновесие на [ндивдуальных ынках товаров Равновесие как единая взаимосвязанная система,образованная всеми рыночными процессами на базе закона свободной конкуренции Равновесие.устанавли-вающееся на рынке фактически при несовершенной конкурен ции и внешних факторах воздействия на рынок
рыночными процессами. Координирующим элементом в его
Равновесие как единая взаимосвязанная система,образованная всеми рыночными процессами на базе закона
Смешанная экономика предполагает наличие рыночной основы в сочетании с государственным регулирование экономики. Она возникает, с одной стороны, на базе демократизации частной собственности, расширяя ее социальную базу и увеличивая многообразие форм (права собственности, акционирования и т.д.), т.е. все то, что называют плюрализмом частной собственности, с другой — это активная роль государства, выполняющая три специфические функции: эффективность (создание лучших условий для работы рынка), стабильность (изживание цикличности в сочетании с мероприятиями, обеспечивающими экономический рост), справедливость (более справедливое распределение доходов по сравнению с рыночными процессами). В смешанной экономике государственное регулирование осуществляется по принципу: рынок и конкуренция — везде, где можно, регулирование — везде, где необходимо!
В развитых странах в далеком прошлом, когда еще не были известны фундаментальный и отраслевой анализ, аналитики строили графики для слежения за рыночными процессами. Графи-
Фундаментальные изменения в организации и управлении рыночными процессами, происходящие в мировой экономике, предъявляют к экономическому управлению предприятиями, отраслями и народным хозяйством России очень высокие требования, обеспечение которых потребует коренного изменения всей технологии экономического управления, что должно соответствовать динамичным условиям современности по многим показателям:
Наглядный успех в течение 50 - 60-х годов правительств, приверженных кейнсианской политике полной занятости, в достижении быстрого экономического роста,;высокой степени экономической стабильности и относительной устойчивости цен и процентных ставок — все это на какое-то время резко усилило веру в исходные кейнси-анские постулаты, согласно которым изменения в номинальном количестве денег не имеют серьезного значения. Западная неустойчивая депрессивно-равновесная хозяйственная система 30-х годов была трансформирована в устойчивую динамично-рановесную систему конца 90-х годов. Это две качественно различные хозяйственные системы с различными целевыми функциями и механизмом регулирования: первая была ориентирована на максимализацию частнопредпринимательской прибыли, вторая — на максимум благосостояния большинства населения высокоиндустриальных стран. В интервале между этими контрастными рыночными системами почти полвека складывалась, действовала и видоизменялась государственно-рыночная система, которую только условно назвать можно кейнсианской. Вот что об этом пишет д.э.н., г.н.с. ИЭ РАН Ю.Ольсевич: «Она была динамично-неравновесной, то есть такой, в которой динамизм обеспечивался гибким государственным регулированием рынка на всех его уровнях — макроэкономическом, мезоэкономиче-ском и микроэкономическом».1456
Вообще, корреляция между рыночными системами достаточно стабильна. Эта новость будет еще более приятна для трейдера, если он уже нашел такой оптимально смешанный портфель.
Интересно рассмотреть случай, когда корреляция между двумя рыночными системами приближается к -1,00. В этом случае сумма для финансирования сделок по рыночным системам стремится стать бесконечно малой. Дело в том, что в таком портфеле почти не будет проигрышных дней, так как проигранная в данный день одной рыночной системой сумма возмещается суммой, выигранной другой
сумма, которую вы можете выиграть при броске монеты, составляет 0,90 долларов, а сумма, которую вы можете проиграть, — 1,10 долларов. Такая игра имеет отрицательное математическое ожидание -0,10 доллара, таким образом, здесь нет оптимального f и соответственно нет и среднего геометрического. Посмотрим, что произойдет, когда мы будем играть в обе игры одновременно. Если корреляция этих игр равна 1,0 (то есть мы выигрываем при выпадении лицевой стороны, а монеты всегда падают либо на лицевые стороны, либо на обратные стороны), тогда результаты были бы следующими: мы выигрываем 2,90 доллара при выпадении лицевой стороны или проигрываем 2,10 доллара при выпадении обратной. Такая игра имеет математическое ожидание 0,40 доллара, оптимальное f= 0,14 и среднее геометрическое 1,013. Очевидно, что это худший подход к торговле с положительным математическим ожиданием. Теперь допустим, что игры имеют отрицательную корреляцию. То есть, когда монета в игре с положительным математическим ожиданием выпадает на лицевую сторону, мы теряем 1,10 доллара в игре с отрицательным ожиданием, и наоборот. Таким образом, результатом двух игр будет выигрыш 0,90 доллара в одном случае и проигрыш -0,10 доллара в другом случае. Математическое ожидание все еще 0,40 доллара, однако оптимальное f= 0,44, что дает среднее геометрическое 1,67. Вспомните, что среднее геометрическое является фактором роста вашего счета в среднем за одну игру.. Это означает, что в такой игре в среднем можно ожидать выигрыша в 10 раз больше, чем в уже рассмотренной одиночной игре с положительным математическим ожиданием. Однако этот результат получен с помощью игры с положительным математическим ожиданием и ее комбинирования с игрой с отрицательным ожиданием. Причина большой разницы в результатах возникает из-за отрицательной корреляции между двумя рыночными системами. Мы рассмотрели пример, когда портфель больше, чем сумма его частей.
В этом случае следует использовать оптимальное количество только после выигрыша и не торговать после проигрыша. Если зависимость действительно существует, вы должны изолировать сделки рыночной системы, основанные на зависимости, и обращаться с изолированными сделками как с отдельными рыночными системами. Принцип, состоящий в том, что асимптотический рост максимизируется, когда каждая игра осуществляется бесконечное количество раз в будущем, также применим к нескольким одновременным играм (или торговле портфелем).
Отметьте, что после 4 одновременных игр при корреляции между рыночными системами +1,00 мы увеличили первоначальный счет 100 единиц до 126,56. Это соответствует TWR = 1,2656, или среднему геометрическому (даже если это комбинированные игры) 1,2656 л (1/4) =1,06066. Теперь вернемся к случаю с одной ставкой. Обратите внимание, что после 4 игр мы получим 126,56 при начальном счете в 100 единиц. Таким образом, среднее геометрическое равно 1,06066. Это говорит о том, что скорость роста такая же, как и при торговле с оптимальными долями на абсолютно коррелированных рынках. Как только коэффициент корреляции опускается ниже +1,00, скорость роста повышается. Таким образом, мы можем утверждать, что при комбинировании рыночных систем ваша скорость роста никогда не будет меньше, чем в случае одиночной ставки по каждой системе, независимо от того, насколько высоки корреляции, при условии,
Например, можно рассчитать отношения весов между различными рыночными системами в геометрическом оптимальном портфеле. Отношение Toxico к Incubeast составляет: 102,5982% / 49,00558% = 2,0936. Таким же образом мы можем определить отношения всех компонентов в портфеле друг к другу: Toxico / Incubeast = 2,0936 Toxico / LA Garb = 2,5490 Incubeast / LA Garb = 1,2175
Как мы уже знаем (см. главу 2), добавление рыночных систем увеличивает среднее геометрическое по портфелю в целом. Однако возникает проблема: каждая следующая рыночная система вносит все меньший и меньший вклад в среднее геометрическое и все больше ухудшает его, понижая эффективность из-за одновременных, а не последовательных результатов. Поэтому не следует торговать слишком большим числом рыночных систем. Более того, реальное применение теоретически оптимальных портфелей осложняется из-за залоговых требований. Другими словами, вам лучше торговать 3 рыночными системами при полном оптимальном f, чем 300 рыночными системами при значительно пониженных уровнях, согласно уравнению (8.08). Скорее всего вы придете к выводу, что оптимальное число рыночных систем для торговли должно быть невелико. Особенно это обстоятельство важно, когда у вас много ордеров к исполнению и увеличивается вероятность ошибок. Если одна или несколько рыночных систем в портфеле имеют оптимальные веса больше единицы, может возникнуть еще одна проблема. Рассмотрим рыночную систему с оптимальным f=0,8 и наибольшим проигрышем, составляющим 4000 долларов. Для этой рыночной системы f$ = 5000 долларов. Давайте предположим, что оптимальный вес данного компонента в портфеле равен 1,25, поэтому вы будете торговать одной единицей компонента на каждые 4000 долларов ($5000/1,25) баланса счета. Как только компонент столкнется с наибольшим проигрышем, весь активный баланс на счете будет обнулен, если прибылей в других рыночных системах не хватит для сохранения активного баланса. Рассмотренная проблема наиболее актуальна для систем, которые редко генерируют сделки. Если бы у нас были две рыночные системы с отрицательной корреляцией и положительным ожиданием, необходимо было бы открывать бесконечное количество контрактов на рынке. Когда один из компонентов проигрывает, другой выигрывает равную или большую сумму. Таким образом, мы получаем прибыль в каждой игре, однако только в том случае, когда рыночные системы ведут игру одновременно. Рассматриваемая же торговля аналогична гипотетической ситуации, когда один из компонентов в игре не активен, но используется другая рыночная система с бесконечным числом контрактов. Проигрыш может быть катастрофическим. Проблему можно решить следующим образом: разделите единицу на наибольший вес компонента портфеля и используйте полученное значение в качестве верхней границы активного баланса, если оно меньше, чем значение, найденное из уравнения (8.08). В таком случае, если в будущем произойдет проигрыш той же величины, что и наибольший проигрыш (на основе которого рассчитано f), мы не потеряем все деньги. Например, наибольший вес компонента в нашем портфеле составляет 1,25. Если значение из уравнения (8.08) будет больше 1 / 1,25 = 0,8, следует использовать 0,8 в качестве верхней границы для доли активного баланса. Если первоначальная доля активного баланса небольшая, вышеописанная проблема может и не возникнуть, однако более агрессивному трейдеру следует всегда принимать ее во внимание. Альтернативное решение состоит в введении дополнительных ограничений в матрице портфеля (например, для каждой рыночной системы можно ограничить максимальные веса единицей и ввести дополнительные ограничения по залоговым средствам). Подобные дополнительные ограничения
Торговля фиксированной долей счета дает наибольшую отдачу в асимптотическом смысле, т.е. максимизирует отношение потенциальной прибыли к потенциальному убытку Когда известно значение оптимального f, можно преобразовать дневные изменения баланса на основе одной единицы в HPR, определить арифметическое среднее HPR и стандартное отклонение полученных HPR, а также рассчитать коэффициенты корреляции HPR между любыми двумя рыночными системами. Далее мы должны использовать эти параметры для определения оптимальных весов оптимального портфеля (когда используется рычаг (leverage), вес и количество не одно и то же). Затем значения f следует разделить на соответствующие веса. В результате, мы получаем новые значения f, которые позволяют добиться наибольшего геометрического роста, принимая во внимание веса и взаимные корреляции рыночных систем. Наибольший геометрический рост достигается при использовании весов, сумма которых не ограничена, причем разность среднего арифметического HPR и стандартного отклонения HPR, возведенного в квадрат, должна быть равна единице [Уравнение (7.06в)]. Вместо «разбавления» (которое сдвигает нас влево на неограниченной эффективной границе), как в случае стратегии статического дробного f, можно использовать портфель при полном f, задей-ствуя только часть средств счета. Такой метод называется стратегией динамического дробного f. Оставшаяся часть средств (неактивный баланс) в торговле не используется. Так как торговля активной частью происходит на оптимальных уровнях f, активный баланс может довольно сильно колебаться. В результате, при некотором значении баланса или в некоторый момент времени, вы, вероятно, захотите (возможно, просто под воздействием эмоций) переразместить средства между активной и неактивной частями. Мы рассмотрели четыре метода переразмещения, хотя, конечно же, могут использоваться и другие методы, возможно, более подходящие для вас:
В последнее время традиционные модели портфелей подвергаются серьезной критике, поскольку считается, что ценовые изменения лучше всего описываются распределением Парето с бесконечной (или неопределенной) дисперсией. Однако многие исследования доказывают, что рынки в последние годы стали ближе к нормальному распределению (т.е. к ограниченной дисперсии и независимости результатов), на чем и основаны критикуемые модели портфелей. В моделях портфелей используется распределение прибылей, а не распределение изменений цен. Несмотря на то что распределение прибылей является трансформированным распределением изменений цены (в результате закрытия проигрышных сделок и максимально долгого удержания выигрышных позиций), эти распределения, как правило, отличаются. Распределение прибылей не обязательно относится к классу распределений Парето, поэтому в главе 4 мы моделировали распределение P&L с помощью регулируемого распределения. Более того, существуют производные инструменты, например, опционы, которые имеют ограниченную полудисперсию или дисперсию. Например вертикальный опционный спред в дебете гарантирует ограниченную дисперсию прибылей. Я не пытаюсь оспаривать разумную критику современных моделей портфелей. Модели следует использовать при условии, что мы осознаем их недостатки. Разумеется, необходимы более совершенные модели портфелей. Я не заявляю, что современные модели адекватны, а говорю лишь о том, что входные данные для моделей портфелей, нынешних или будущих, должны основываться на торговле одной единицей на оптимальном уровне — или на том уровне, который, как мы полагаем, будет оптимальным. Например, если мы применяем теорию Е — V (модель Марковица), входными данными являются ожидаемая прибыль, дисперсия прибылей и корреляции прибылей между рыночными системами. Входные данные должны определяться на основе торговли одной единицей по каждой рыночной системе на уровне оптимального ? Модели
т = возможное количество комбинаций исходов между различными сценарными спектрами (рыночными системами) в зависимости от количества сценариев в каждом наборе; т = число сценариев в первом спектре * число сценариев во втором спектре *...* число сценариев в и-том спектре;
Работников выполнявших Разработки утверждения Разработкой технологии Разработку маркетинговых Разработку методических Разработку принципиально Разработку производство вывоз мусора снос зданий
|
|
|
|
Навигация
