Анализ структуры цен на фондовом рынке (стр. 8 из 16)

p_i- цена в i-й момент времени;

n – период времени, на котором производится усреднение цены, порядок средней.

Скользящая средняя строилась с помощью MS «Excel»/Анализ данных.

Среднеквадратическая ошибка моделирования

28,0723

В самом начале тенденции цены дважды вышли за верхнюю полосу (2 день, 4 день), что является сильным сигналом к изменению тренда. Таким образом, трейдеру необходимо покупать акции после возвращения цены в диапазон, поскольку повышательная тенденция сменяется понижательной. Еще одним сигналом покупки - пересечение цены и скользящей средней на 7 день. После касания нижней полосы на 12 день, трейдеру необходимо занять выжидательную позицию, поскольку тренд неопределенен и колеблется в одинаковом диапазоне [431, 445,7]. Цена в точке 25 пресекает СС, но поскольку этот сигнал является слабым, трейдеру нежелательно вступать на рынок без дополнительных сигналов. На 36 и 38 день наблюдается рыночная ситуация подобная началу тренда, но как видно в дальнейшем линия цены не смогла пересечь СС, что свидетельствовало об зарождении следующего флета. Двойном пересечении верхнего интервала не привело к изменению повышательного тренда. Было бы ошибкой начать покупать на данном отрезке. На графике можно увидеть пересечение тренда цены и СС на 53 день, но данный сигнал не может быть подтверждением предыдущего, т.к. пресечение происходит после флета. Изменению тренда предшествует следующий сигнал: пресечение СС и тренда цены – 68 день, 71, 72 день– цена выходит за верхнюю полосу, следовательно здесь трейдер может продавать акции до возникновения флета. Точка 87 слабый сигнал к изменению действующего тренда, т.е. вполне возможна тенденция покупки акций на промежутке 88 – 100.

Рисунок 3 - Полосы Боллинджера

Расчетные таблицы приведены в Приложении 3

2.2 Метод регрессии с переключениями

Для выявления более корректной тенденции цены используем метод Регрессия с переключениями.

Регрессия с переключениями (регрессионные модели с переменным) наравне с адаптивным подходом является средством моделирования изменения структуры экономического процесса. Однако в отличие от адаптивного подхода здесь считается, что изменение структуры может происходить не в каждый момент времени.

В общем случае проблема построения регрессионной модели с переменной структурой включает решение следующих задач:

·Выявление точек перелома зависимостей (или их задание);

·Установление характера перехода (плавное или скачкообразное);

·Построение модели с переменной структурой;

·Проверка гипотезы о наличии структурных изменений.

Решение указанных задач представляет собой значительные трудности, а некоторые еще не имеют надежного формального решения. Однако при решении практических задач довольно часто встречаются ситуации, когда не требуется решение первых двух задач, поскольку априори можно сформулировать гипотезы о положении точек перелома и характере перехода. Например, при изучении во времени какого-либо экономического показателя предприятия (объем выпуска, себестоимость продукции и т.д.) заранее можно сказать, что в большинстве случаев переходы будут плавные, а точки перелома зависимости будут располагаться на временной оси в момент осуществления изменений условий производства (приватизация, изменение собственника, изменение технологии и т.д.). В ряде случаев, когда нет достаточно надежной априорной информации, местоположение точек перелома можно определить по графику экономического показателя от времени.

Поясним сущность регрессии с переключениями на примере. С этой целью рассмотрим рисунок 4.

Рисунок 4 – Пример регрессии с переключениями

На данном рисунке приведен скачкообразный переход от регрессии I к регрессии II. Непрерывный переход от регрессии I к регрессии III, изображенных пунктирной линией также приведен на рисунке 4.

На рисунке 4 штрихпунктирной линией показано изменение коэффициента регрессии на каждом шаге (адаптивный алгоритм) [13].

Использование априорной информации позволяет повысит точность оценивания параметров регрессии. Это важно при построении математических моделей экономических процессов, так как часто исходными данными являются короткие временные ряды. Предположим что область параметров задается в виде нечетких ограничений – равенств и неравенств. Рассматриваемая регрессия имеет вид

(17)

где

- зависимая переменная, - параметр регрессии, – независимая переменная, - случайная величина, здесь и далее « ^/ » означает транспонирование. Относительно регрессоров далее используется такое допущение

Допущение 1. Матрица

невырождена

Лемма 1. Если выполняется допущение 1 и

( - выпуклое множество), то строго монотонно возрастает, а строго монотонно убывает при , где

Рассматриваемую задачу можно трактовать как задачу с двумя нечеткими целями выбора, так как с ростом r увеличивается первый критерий и уменьшается второй, и наоборот. Нечеткой i - целью, i = 1,2 , в множестве Zявляется некоторое его нечеткое подмножество, обозначим его

. Функция принадлежности

(18)

где

.

Согласно лемме 1,

уменьшается от 1 до 0, а увеличивается от 0 до 1.

Рассмотрим модель регрессии с переключением при одномерном переключателе, зависящем от времени t:

, (19)

где

- n – мерный вектор регрессоров, - n – мерный вектор истинных значений параметров регрессии, - индекс точки переключения, - шум.

На отрезке времени

с числом наблюдений параметры регрессии постоянны и равны . Пусть . Далее будем считать, что точки переключения известны, а величина может быть меньше n.

Пусть параметры регрессии на соседних отрезках I_tи I_t+1 достаточно близки, что можно сформулировать в виде нечеткого ограничения-равенства

, где – вектор, его компоненты – нечетко заданные числа, функции принадлежности которых сосредоточены в окрестности 0.

Расхождения, аналогичные приведенные в разделе 1, показывают, что задачу оценивания можно сформулировать как двухкритериальную.

(20)

(21)

где,

, - выпуклое множество, и - весовые коэффициенты (известные величины). В частности,

Введем следующие матрицы:

размерности m_ixn;

X = diag (X(1), …, X(N)) размерности

;

Сформируем матрицу

.

Здесь r> 0 ,

,