Д.Катс.Д.Маккормик.Энциклопедия торговых стратегий. Донна л. Маккормик
 Скачать 5.96 Mb.
|
|
ГЛАВА 8 СЕЗОННОСТЬ 199 ки отмечена только на рынке леса. На рынке неэтилированного бензина все входы были прибыльны в пределах выборки, а входы по открытию и стоп-приказу были высокоприбыльны вне пределов выборки. На рынках кофе и какао получена прибыль при всех видах входов в пределах выбор- ки, но только при входе по стоп-приказу вне выборки. При использовании входа по стоп-приказу как в пределах, так и вне пределов выборки рынки NYFE, серебра, палладия, сырой нефти, леса и кофе были высокоприбыль- ными. Как и ранее, рынки пшеницы были убыточными. Таким образом, показатели этой модели достаточно постоянны для успешного примене- ния с использованием входа по стоп-приказу на избранных рынках. Тесты модели, основанной на пересечении с подтверждением и инверсией Эта модель представляет собой аналог предыдущей, но с проведением дополнительных сделок в участках, где были возможны инверсии. Напри- мер, если пересечение средних давало сигнал на покупку, но Быстрый %К был выше уровня 75%, то подавался сигнал на продажу. В основе идеи ле- жало предположение о возможном обращении обычного сезонного цик- ла. Подобным же образом, если пересечение указывало на продажу, но Быстрый %К был менее 25%, то подавался сигнал на покупку. Эти сигна- лы выполнялись дополнительно к сигналам системы, основанной на пе- ресечении с подтверждением. В тесте 10 использовался вход по цене от- крытия, в тесте И — вход по лимитному приказу, в тесте 12 — вход по стоп-приказу. Оптимизация для этих тестов состояла в прогонке периода скользя- щего среднего avglen от 5 до 20 с шагом 5 (Р1) и смещения disp от 0 до 20 с шагом 1 (Р2). Для входа по открытию оптимальные значения составляли 15 для периода скользящего среднего и 2 для смещения. Для входа по ли- миту оптимальные значения составляли 20 для периода скользящего сред- него и 4 для смещения. Для входа по стоп-приказу оптимальные значения составляли 20 для периода скользящего среднего и 9 для смещения. При рассмотрении входа по цене открытия график изменения капи- тала постоянно и плавно снижался от начала к концу всего набора дан- ных. Для входа по лимитному приказу график изменения капитала также снижался, хотя общее падение капитала для этого вида приказа было по- чти в два раза меньше. График изменения капитала для входа по стоп- приказу снижался до мая 1987 г., затем до августа 1993 г. капитал практи- чески не изменялся. С августа 1993 г. по июнь 1995 г. капитал резко вы- рос, а затем постепенно снижался до конца рассматриваемого периода. Добавление инверсии оказало разрушительное влияние на эффективность модели. Очевидно, наблюдаемые сезонные явления редко сопровожда- ются инверсиями. 200 ЧАСТЬ II ИССЛЕДОВАНИЕ входов в РЫНОК Добавление инверсионных сигналов катастрофически ухудшило эф- фективность системы по показателю средней прибыли в сделке при всех видах входов. Во всех сочетаниях выборки данных и вида входа наблюда- лись убытки, за исключением очень маленькой прибыли при входе по стоп- приказу вне пределов выборки. Ни на одном рынке не отмечалось устой- чивых прибылей для различных входов, хотя отдельные прибыльные со- четания все же были. Например, вход по стоп-приказу на рынках NYFE и 10-летних казначейских бумаг был очень прибыльным и в пределах, и вне пределов выборки. Тот же эффект наблюдался на рынках платины и се- ребра. В пределах выборки с входом по стоп-приказу очень прибыльным был рынок сои, но вне пределов выборки прибыль этого рынка была ми- нимальной. Во всех сочетаниях видов приказов и выборок данных на рын- ках пшеницы прибыль была нулевой или наблюдались убытки. Обзор результатов Результаты всех тестов объединены в одной таблице и представлены на двух графиках для обозрения. В табл. 8-3 приведены показатели эффек- тивности, распределенные по выборке данных, виду входа и модели. Ре- зультаты каждой модели приводятся в двух строках: в первой —доход- ность в процентах годовых, во второй — средняя прибыль или убыток в сделке в долларах. Два правых столбца содержат усредненные значения для всех видов входа в пределах и вне пределов выборки. Последние стро- ки содержат усредненные значения для всех моделей по видам приказов. Из трех видов приказов, обеспечивающих вход в рынок, лучшим был, несомненно, вход по стоп-приказу. Вход по лимитному приказу и вход по цене открытия показали примерно одинаковые результаты, но их эффек- тивность была гораздо ниже. Использование стоп-приказа обеспечило положительные результаты как в пределах, так и вне пределов выборки. При сравнении моделей по различным видам входов очевидно, что в пределах выборки эффективность была максимальной для модели пере- сечения с подтверждением и наихудшей для модели пересечения с под- тверждением и инверсией. Вне пределов выборки наиболее эффектив- ной была базовая модель, основанная на пересечении, наихудшей — опять-таки модель на пересечении с подтверждением и инверсией. Как можно видеть, в пределах и вне пределов выборки наилучшая эффективность достигается при сочетании входа по стоп-приказу с моде- лью, основанной на пересечении с подтверждением. В предшествующих главах испытывались различные виды моделей входа, причем обычно наилучшим был вход по лимитному приказу. В слу- чае сезонных моделей повышение эффективности при использовании входа по стоп-приказу носит драматический характер, несмотря на боль- шие расходы на сделку. Ранее казалось, что принципы противотрендовой ГЛАВА 8 СЕЗОННОСТЬ 201 Таблица 8—3. Эффективность входов, основанных на сезонных явлениях по моделям, видам приказов и выборкам данных Модель На основе пересечения На основе импульса Пересечение с подтверждением Пересечение с подтверждением и инверсией В среднем В пределах выборки Открытие Лимитный Стоп- приказ приказ -9.7 -4.1 -1.3 -1127.0 -424.0 -179.0 -9.4 -7.4 3.3 -1069.0 -757.0 275.0 -9.6 -7.2 5.8 -1195.0 -832.0 846.0 -9.6 -8.9 -2.2 -1669.0 -1696.0 -229.0 -9.6 -6.9 1.4 -1265.0 -927.3 178.3 Вне пределов выборки Открытие Лимитный Стоп- приказ приказ -5.8 -1.7 8.3 -300.0 -56.0 576.0 -13.6 -13.7 -16.4 -952.0 -785.0 -1750.0 -13.8 -21.1 19.6 -1512.0 -3408.0 1677.0 -20.4 -22.6 0.9 -2545.0 -2642.0 95.0 -13.4 -14.8 3.1 -1327.3 -1722.8 149.5 Среднее В пределах -5.0 -576.7 -4.5 -517.0 -3.7 -393.7 -6.9 -1198.0 -5.0 -671.3 Среднее Вне пределов 0.3 73.3 -14.6 -1162.3 -5.1 -1081.0 -14.1 -1697.3 -8.4 -966.8 торговли могут действовать лучше в сочетании с какими-либо следующи- ми за трендом или подтверждающими элементами, например с входом по стоп-приказу. В случае с сезонными моделями это подтверждение, полу- чаемое в результате срабатывания стоп-приказов, является даже более важным, чем получаемое от показателей вроде Быстрого %К. Другими сло- вами, если на основании сезонной модели следует ожидать повышения цен, подтверждение этого должно быть получено до заключения сделки. В общем, создается впечатление, что сезонные явления действитель- но оказывают воздействие на рынок, что доказано неуступающей или превосходящей другие модели эффективностью сезонной системы с вхо- дом по стоп-приказу. Эта модель была одной из немногих прибыльных. Влияние сезонных явлений на рынки, очевидно, является достаточно силь- ным, что оправдывает проведение дальнейших исследований подобных моделей. Было бы интересно исследовать сезонные модели, ограничившись рынками, где была показана их максимальная эффективность, или же рынками, где по фундаментальным причинам следует ожидать ярко вы- раженных сезонных эффектов. Исходя из имеющихся данных, можно заключить с достаточным основанием, что некоторые рынки в высшей степени подвержены сезонным явлениям. В свое время, ограничив исполь- зование моделей, основанных на пробое, только рынками валют, мы по- лучили замечательные результаты — возможно, нечто подобное произой- дет при ограничении сезонных моделей соответствующими рынками. При рассмотрении всех тестов и подсчете количества достоверных зна- чительных прибылей создается впечатление о тех рынках, которые при- 202 ЧАСТЬ II ИССЛЕДОВАНИЕ входов в РЫНОК годны для ведения торговли с помощью различных сезонных моделей. Сре- ди всех тестов в пределах и вне пределов выборки наилучшие результаты наблюдалась на рынке кофе. Следовательно, на рынке кофе можно эф- фективно применять сезонные модели, что неудивительно — дефицит и цены на рынке кофе в огромной степени подвержены влиянию погодных условий. На рынке кофе 11 из 12 тестов в пределах выборки и 8 из 12 тес- тов вне пределов выборки были прибыльными. На рынке неэтилирован- ного бензина прибыльными были 8 тестов в пределах выборки и 11 вне пределов выборки. На рынке сырой нефти прибыльными были 8 тестов в пределах выборки, но только 4 вне пределов выборки. Много хороших результатов было также отмечено на рынке живых свиней. На рис. 8-1 изображен рост капитала для различных приказов, обес- печивающих вход в рынок. Результаты были усреднены по видам моде- лей. Как видно, лучше всего работал вход по стоп-приказу, средние ре- зультаты показал вход по лимитному приказу, а хуже всего работал ры- ночный вход по цене открытия. Рисунок 8-1. Рост капитала в зависимости от вида входов. ГЛАВА 8 СЕЗОННОСТЬ 203 На рис. 8-2 показан график изменения капитала для различных моде- лей. Капитал системы был усреднен по видам входов. Модель с пересече- нием и подтверждением была наиболее эффективной, особенно на дан- ных вне пределов выборки. Начало для базовой модели, основанной на пересечении, было еще лучшим, но эффективность постоянно снижалась с 1990 г. Однако, возможно, тренд капитала этой модели развернулся на- верх после 1995 г., тогда как все прочие модели в это время теряли капи- тал (в усреднении по видам приказов). Рисунок 8-2. Рост капитала в зависимости от вида модели ЗАКЛЮЧЕНИЕ Исследования сезонных явлений показали, что на рынках существуют значимые сезонные процессы. На основе данных за соответствующие календарные даты прошлых лет можно делать заключения о поведении рынка в ближайшем будущем. Информация за эту же дату или близкие даты прошлых лет полезна для принятия решений, для прогнозирования 204 ЧАСТЬ II ИССЛЕДОВАНИЕ входов в РЫНОК будущих событий. Хотя сезонные явления недостаточны для оказания вли- яния на целый портфель ценных бумаг и сырьевых фьючерсов, тем не менее на их основе удается окупить транзакционные расходы и получить некоторую прибыль. В то же время на отдельных рынках даже простей- шие модели могут быть весьма прибыльными, иными словами, сезонные явления производят впечатление реальных и пригодных источников ин- формации. В определенное время года на рынке наблюдаются приливы и отливы, которые могут эффективно использоваться моделями, подобны- ми испытанным в данной главе. Как было показано, сезонные явления заслуживают серьезного вни- мания. Если приведенные простые модели будут улучшены специфичес- кими эффективными выходами из рынка, можно ожидать впечатляющих результатов. ЧТО МЫ УЗНАЛИ? Повторяющиеся сезонные модели, видимо, имеют реальную прогностическую ценность и однозначно заслуживают даль- нейшего исследования. Полезность сезонных моделей зависит от рынка, причем не- которые рынки особенно подходят для сезонной торговли. Торговля на группе особо чувствительных рынков может быть чрезвычайно прибыльна. Для получения наилучших результатов исходные сезонные данные желательно сочетать с той или иной формой подтвер- ждения или обнаружения трендов. Использование дополни- тельной информации может повысить эффективность простой сезонной модели. ГЛАВА 9 Лунные и солнечные ритмы В предыдущей главе сезонные явления были определены как повторяю- щиеся феномены, связанные с календарной датой. Сезонные явления включают факторы положения Земли на орбите и наклона земной оси относительно Солнца, сочетание которых повторяется раз в год. Другие связанные с календарем ритмы образованы движением Луны, с ее повто- ряющимися фазами, а также активностью солнечных пятен. В этой главе снова будут подвергаться анализу рыночные циклы, на которые оказыва- ют влияние внешние силы, на это раз — взаимоотношения поведения рынка и солнечных/лунных ритмов. БЕЗУМИЕ ИЛИ ЗАКОНОМЕРНОСТЬ? Обсуждение вопросов влияния планет наводит на мысли о том, что мно- гие называют астрологической чепухой. Но было бы неоправданно апри- орно отрицать возможное влияние солнечных, лунных и других эффек- тов только потому, что астрология бессмысленна и в словаре определяет- ся как «лженаука, претендующая на предсказание будущего путем изу- чения предположительного влияния Солнца, Луны и звезд на человечес- кое поведение». Подобные поверья часто основываются на отсутствии информации. Но что же реально известно о так называемой астрологии, особенно в форме влияния солнечных и планетных эффектов на земные события? Ученые продемонстрировали наличие корреляции между положени- ем планет и чертами личности. В одном исследовании (Mayo, White и Eysenck, 1978), опубликованном в Journal of Social Psychology, пытались доказать, что интровертные и экстравертные черты характера определя- ются знаком зодиака, т.е. месяцем рождения. Тестирование использова- ло данные 2324 лиц и показало, что лица, рожденные под знаками Овна, Близнецов, Льва, Весов, Стрельца и Водолея имели большую вероятность экстравертного поведения, а рожденные под знаком Тельца, Рака, Девы, Скорпиона, Козерога и Рыб — интровертного. Результаты стабильно под- 206 ЧАСТЬ II ИССЛЕДОВАНИЕ входов в РЫНОК тверждали гипотезу, так же как и в других подобных исследованиях (Gauquelin, Gauhquelin и Eysenck, 1979). Также известно, что гравитационное поле Луны оказывает влияние на водные, литосферные и атмосферные приливы на Земле. Известно, что Луна управляет временем размножения коралловых полипов, закрытием раковин устриц, преимущественным совершением некоторых преступ- лений и возбуждением лиц, страдающих «лунатизмом». Более того, изве- стно, что во время полнолуния у женщин чаще происходит овуляция, а также чаще начинаются роды. При наличии таких данных уже нетрудно представить влияние лун- ных циклов на поведение рынка. Еще Ларри Вильяме (Larry Williams, 1979) обнаружил, что цены на серебро, пшеницу, кукурузу и соевое масло по- вышаются в полнолуние и падают в новолуние! Как известно каждому радиолюбителю, так называемые «солнечные пятна» оказывают сильное воздействие на дальнюю радиосвязь. На по- верхности Солнца наблюдаются темные участки, по одной из теорий вы- зываемые неравномерным гравитационным воздействием планет на при- ливные ритмы Солнца. Другая теория объясняет их движением магнит- ных полюсов Солнца, но в любом случае период высокой активности сол- нечных пятен влияет на распространение радиоволн — коротковолновые радиосигналы, которые обычно распространяются только в пределах пря- мой видимости, отражаются от ионосферы и могут распространяться на тысячи миль. Многие могли заметить это явление по телевидению: поверх сигнала местной телестанции накладывается сигнал далекого передатчи- ка. С другой стороны, в периоды низкой солнечной активности дальнее распространение коротких волн становится маловероятным, и для даль- ней радиосвязи требуются волны гораздо большей длины. Активность солнечных пятен и солнечные вспышки также коррели- руют с магнитными бурями на Земле, способными нарушать работу чув- ствительной электроники и даже выводить из строя энергосети. Магнит- ная буря, вызванная солнечными выбросами в марте 1989 г., привела к остановке работы гидроэлектростанции, питавшей часть Монреаля и Кве- бека, на девять часов (Space Science Institute, 1996). Некоторые ученые считают, что изменения солнечной активности мо- гут быть причиной крупных изменений земного климата, например Мало- го Ледникового Периода в 1600-х годах, начавшегося после 100 лет снижен- ной солнечной активности (Center for Solar and Space Research, 1997). Что же касается торговли, то Эдвард Р. Дьюи (Edward R. Dewey), осно- вавший Фонд Изучения Циклов в 1940 г., полагал, что существует связь меж- ду солнечными пятнами и промышленным производством, возможно, выз- ванная влиянием на климат. В связи с этим он пытался исследовать корре- ляцию солнечной активности и цен на сельскохозяйственные продукты. Наш собственный интерес к солнечным пятнам достиг пика тогда, ког- да мы обнаружили, что в 1987 г. только в течение трех дней количество ГЛАВА 9 ЛУННЫЕ и СОЛНЕЧНЫЕ РИТМЫ 207 пятен (показатель солнечной активности) превышало 100— и это были дни «черного понедельника» — 15 и 16 октября! Путем простых вычисле- ний можно убедиться в том, что вероятность случайного совпадения в дан- ном случае не превышает 1%. Ниже мы рассмотрим влияние на торговлю лунных циклов в разделе «Лунные циклы» и солнечных пятен в разделе «Солнечные пятна и актив- ность рынка». ЛУННЫЕ ЦИКЛЫ И ТОРГОВЛЯ В предыдущем исследовании (Katz, McCormick, июнь 1997) мы обнару- жили, что при помощи лунных циклов можно прибыльно вести торговлю на рынке NYFE. С 1990 г. по 1997 г. простая система на основе лунных циклов принесла $75 550 прибыли. Из 170 сделок 60% были прибыльны- ми. Средняя прибыль в сделке составила $444,41, а общая прибыль — 365% (не в годовом исчислении). Длинные позиции были прибыльнее, чем ко- роткие (520% по сравнению с —37%). Сигналы зачастую предсказывали точки разворота с точностью до дня. Также прибыльно работала система и на рынке серебра. Сигналы точно соответствовали максимальным и ми- нимальным значениям. И длинные, и короткие позиции были прибыль- ными. Всего за этот период времени на рынке серебра было получено 190% прибыли. Даже на рынке пшеницы длинные и короткие сделки были при- быльными и принесли 242% прибыли. Несомненно, для системы, исполь- зующей только один параметр (количество дней с новолуния или полно- луния) и совершающей много сделок, такие результаты впечатляют и, скорее всего, достаточно устойчивы. Наши результаты подстегнули дальнейшие исследования явлений, свя- занных с лунным циклом. Здесь будут рассматриваться фазы луны, т.е. пол- нолуние, первая четверть, последняя четверть, новолуние и все промежу- точные фазы. Можно ли на основе фазы луны предсказать максимум или минимум рынка? Образуются ли максимумы или минимумы в полнолуние или за пять дней до него, или же в новолуние? Поскольку лунные циклы по- разному влияют на различные рынки, мы используем адаптивный подход так, как это было сделано при исследовании сезонных явлений. СИГНАЛЫ ВХОДА НА ОСНОВЕ ЛУННОГО ЦИКЛА Получать сигналы входа на основе лунного ритма можно различными спо- собами. В тестах использованы два метода — метод ценового импульса и метод пересечения. Для расчета импульса рассчитывается временной ряд изменений цены и проводится центрированное сглаживание (не вызыва- ющее задержек или фазовых сдвигов). Для нормализации каждое изме- 208 ЧАСТЬ II ИССЛЕДОВАНИЕ входов в РЫНОК нение цены в сглаженном ряду делится на средний истинный интервал последних 50 дней. Для каждого дня определяется фаза луны. Затем ищет- ся максимально возможное число прошлых точек данных с такой же фа- зой луны и рассчитывается импульс цен для этих дней. Среднее значение этих импульсов становится значением в ряду лунных импульсов, т.е. пос- ледовательности, отражающей ожидаемую скорость изменения цены (им- пульс) на данный момент на основании предыдущих дней с той же фазой луны. Каждое число в ряду лунных импульсов основывается на событиях не менее чем 27-дневной давности, поэтому центрированное сглажива- ние и другие методы прогнозирования относительно данного дня могут быть обоснованно использованы. Вход в рынок производится, когда зна- чение импульса превышает положительный порог (подается сигнал на покупку) или опускается ниже отрицательного порога (подается сигнал на продажу). Покупка или продажа могут осуществляться, как и ранее, по цене открытия, по лимитному приказу или по стоп-приказу. Расчет им- пульса и генерация входов организованы подобно сезонной модели, но вместо соответствующей даты в прошлые годы рассматривают дни с той же фазой луны в предыдущие месяцы. Входы также могут рассчитываться путем вычисления, нормализации и интегрирования разностей цен так, чтобы получилась псевдоценовая последовательность, основанная на днях с соответствующей фазой луны. Затем к этой последовательности применяется модель, основанная на пе- ресечении скользящих средних. Поскольку значение каждой точки в та- ком ряду определяется только данными, датированными не менее чем 27 днями назад, то запаздывание скользящего среднего может быть ском- пенсировано смещением на несколько дней вперед. Оба метода являются адаптивными в том отношении, что не требует- ся какой-либо специфической информации о той фазе луны, когда требу- ется размещать приказ на покупку или продажу. Адаптивность важна, поскольку различные рынки по-разному реагируют на фазу луны, в чем мы убедились, проводя наши предыдущие исследования. Оба метода от- личаются от использованных в прошлых исследованиях, где сделки зак- лючались за фиксированное число дней до или после новолуния или пол- нолуния. Также испытывалось несколько правил для использования подтверж- дений и инверсий в попытках улучшить эффективность базовой модели. Пример подтверждения состоит в следующем: если подается сигнал на покупку, то уровень цен на рынке должен быть близок к минимуму; если же в этот момент цены близки к максимуму, то сигнал является подозри- тельным, т.е. указывает на поведение рынка, не соответствующее иссле- дуемой лунной или сезонной модели. Система с использованием пересе- чения с подтверждением применяет такое дополнительное правило, ко- торое должно выполняться как условие подачи приказа на основе сигна- ла. Если система дает сигнал на покупку, то показатель Медленного %К |