Разработка модели анализа активов в рамках гипотезы когерентных фондовых рынков тема диссертации по экономике, полный текст автореферата

Автореферат диссертации по теме "Разработка модели анализа активов в рамках гипотезы когерентных фондовых рынков"

На правах рукописи

ТИХНЕНКО АНАСТАСИЯ НИКОЛАЕВНА

РАЗРАБОТКА МОДЕЛИ АНАЛИЗА АКТИВОВ В РАМКАХ ГИПОТЕЗЫ КОГЕРЕНТНЫХ ФОНДОВЫХ РЫНКОВ

Специальность 08.00.13 -«Математические и инструментальные методы экономики»

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата экономических наук

2 5 МАР 2015

Москва-2015

""»561086

005561086

Работа выполнена в федеральном бюджетном государственном образовательном учреждении высшего профессионального образования «Московский государственный университет экономики, статистики и информатики (МЭСИ)» на кафедре Прикладной математики.

Научный руководитель:

Официальные оппоненты:

Ведущая организация:

доктор экономических наук, профессор Егорова Наталья Евгеньевна

Орлов Александр Иванович

доктор экономических наук,

доктор технических наук, профессор,

ФГБОУ ВПО «Московский Государственный

Технический Университет

имени Н.Э. Баумана», профессор кафедры

«Экономики и организации производства»

(ИБМ-2)

Пантнна Ирина Викторовна

кандидат экономических наук, доцент, Центральный Банк Российской Федерации, советник экономический Департамента финансовой стабильности

Федеральное государственное образовательное бюджетное учреждение высшего образования «Финансовый университет при Правительстве Российской Федерации»

Защита диссертации состоится «13» мая 2015 г. в 14:00 часов на заседании диссертационного совета Д 212.151.01 на базе МЭСИ по адресу: 119501, г.Москва, ул. Нежинская, д.7.

С диссертацией можно ознакомиться в библиотеке и на сайте МЭСИ http://wvvw.mesi.ru/.

Автореферат разослан «/^» марта 2015 г.

Ученый секретарь диссертационного совета

И.Н. Мастяева

I. ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования. Современные тенденции глобализации экономики приводят к росту вовлеченности российских компаний в процесс торговли на фондовом рынке. Согласно официальным данным на конец 2013 года Московская Биржа занимает 13-ое место в мире по размеру собственной капитализации, а суммарный оборот биржевых торгов составляет 24 триллиона рублей, что сопоставимо с 87% внешнеторгового оборота России. Наблюдаемый рост ликвидности финансовых активов открывает широкие возможности для оперативного управления портфелем ценных бумаг, а также для поиска оптимального баланса между потенциальной доходностью и рисками вложений в фондовый рынок.

Диверсификация и хеджирование являются основными инструментами портфельного риск-менеджмента, позволяющими ограничивать влияние ценовых изменений активов на финансовый результат сделок. Однако данные методы не позволяют получить сверхприбыль и, как правило, требуют дополнительных финансовых издержек на приобретение производных ценных бумаг.

Потребность снизить влияние управляемого риска на финансовый результат работы инвестора делает востребованными новые подходы и инструменты анализа потенциальных потерь на фондовом рынке. Использование таких методов способно увеличить эффективность работы торговых систем путем адекватной коррекции сигналов фондовых индикаторов в соответствие с текущей оценкой состояний финансовых активов, что позволит трейдеру не брать на себя рыночный риск при неблагоприятной ситуации на рынке и активно инвестировать при благоприятной.

Задачи снижения уровня управляемого риска и определения активов с высоким потенциалом получения прибыли в результате совершения спекулятивных сделок обуславливают потребность в создании

соответствующего экономико-математического инструментария и построении эффективной системы поддержки принятия управленческих решений на фондовом рынке, что и определяет актуальность темы диссертационной работы.

Степень разработанности и изученности темы. Проблемам анализа и моделирования динамики ценовых рядов на фондовом рынке посвящено значительное число научных публикаций как отечественных, так и зарубежных исследователей.

Одним из наиболее изученных инструментов прогнозирования доходности вложений в ценные бумаги является фундаментальный анализ (Б. Грэхем, Д. Додд, У. Баффетт и др.). Он опирается на макроэкономические индикаторы и финансовые показатели компаний, что делает его применимым исключительно для целей долгосрочного инвестирования.

Большое количество научных работ посвящено техническому анализу (С. Акелис, Б. Вильяме, Ч. Лебо, Дж. Мэрфи), имеется значительный опыт практического использования, однако этот инструмент краткосрочного прогнозирования продолжает динамично развиваться. Потребность в разработке нового инструментария технического анализа обуславливается использованием существующих торговых систем, опирающихся на экономико-математический аппарат, наряду с экспертной оценкой рисков инвестора. Такое несоответствие точности применяемых в торговле инструментов способно не только существенно снизить эффективность работы инвестора, но и привести к его финансовым потерям по сделкам.

Разработка инструментов технического анализа осуществляется в рамках одной из существующих гипотез: эффективного рынка (Ю. Фама, Г. Марковиц, М. Миллер, У. Шарп и др.), фрактального рынка (Б. Мандельброт, X. Херст, Э. Петере, А.Н. Ширяев и др.) или когерентного рынка1, предложенной Т. Веге.

1 Когерентный рынок характеризуется устойчивым трендом и низким уровнем волатильности.

Гипотезы эффективного и фрактального рынков характеризуются высокой степенью изученности, однако их постулаты подвергаются аргументированной критике, а методы работы на фондовом рынке, предложенные в рамках этих гипотез, сильно ограничены необходимыми условиями.

Гипотеза когерентного рынка разработана в наименьшей степени, но она обладает большим потенциалом дальнейшего развития благодаря системному подходу к выявлению состояний ценовых рядов, что может способствовать расширению области эффективных решений инвестора.

Принимая во внимание несовершенство существующих торговых систем, экспертное управление рисками инвестора, а также недостатки наиболее распространенных рыночных гипотез, автором была поставлена задача отказаться от совершенствования инструментария эффективного и фрактального рынков и сфокусироваться на разработке новых инструментов технического анализа, опираясь на гипотезу когерентного рынка.

Отмеченные обстоятельства определили выбор объекта, предмета, цели и задач диссертационного исследования.

Цель и задачи исследования. Целью диссертационного исследования является построение системы поддержки принятия инвестором управленческих решений при работе на фондовом рынке, включающей разработку алгоритма оценки инвестиционной привлекательности рыночных активов, а также создание экономико-математической модели, увеличивающей эффективность работы торговых систем в условиях высокой волатильности фондового рынка.

Для достижения цели исследования были поставлены следующие задачи:

1. Провести обзор существующих гипотез рынков капитала, методов и инструментов анализа финансовых активов, обращающихся на фондовых рынках;

2. Разработать индикатор, выявляющий изменения в характере динамики ценовых рядов, способных привести к неактуальности настроек торговой системы;

3. Предложить модель анализа финансовых активов, позволяющую определять наиболее благоприятные временные границы для торговли на фондовом рынке;

4. Разработать инструментарий поддержки принятия управленческих решений, включающий методы формирования стратегии инвестора и модель оценки финансового результата ее реализации;

5. С формулировать методические принципы отбора финансовых активов для инвестирования;

6. Провести апробацию и оценить эффективность использования разработанной системы под держки принятия управленческих решений при работе на фондовом рынке.

Объект и предмет исследования. Объектом диссертационного исследования являются фондовые рынки. Предметом исследования выступают процессы принятия управленческих решений субъектом фондового рынка (инвестором) по снижению управляемого риска при совершении спекулятивных сделок.

Область исследования. Результаты диссертационного исследования соответствуют пункту 1.6 «Математический анализ и моделирование процессов в финансовом секторе экономики, развитие метода финансовой математики и актуарных расчетов» паспорта специальности 08.00.13 ВАК Минобрнауки России.

Теоретическая и методологическая основа исследования. Теоретическую и методологическую основу диссертационного исследования составили труды отечественных и зарубежных ученых, а также специалистов и аналитиков в предметных областях экономики, финансового анализа, технического анализа, косвенных инвестиций, риск-менеджмента, статистики

и эконометрики. В частности, работы С.А. Айвазяна, К. Доугерти, Т.А.

6

Дубровой, Н.Е. Егоровой, Ю.П. Лукашина, B.C. Мхитаряна, А.И. Орлова, И.В. Пантиной, В.Ю. Попова, С.Е. Теплова, Ч. Хольта и др.

Информационная база исследования. Данные котировок получены с официальных сайтов российских фондовых бирж: Московской Межбанковской Валютной Биржи (ММВБ) и Российской Торговой Системы (РТС) (после объединения ММВБ и РТС с официального сайта объединенной торговой площадки ММВБ-РТС), а также из информации, предоставляемой специализированным продуктом Bloomberg Terminal информационного агентства Bloomberg.

Методы исследования. В работе применялись экономико-математические методы моделирования и статистического анализа. Для обработки наблюдений использовались ППП «Mathcad 14.0», «SAS 9.3», «SPSS 21.0» и «MetaStock 10.0».

Научная новизна. В диссертационной работе усовершенствованы методы и инструменты оценки финансовых активов, обеспечивающие увеличение эффективности работы торговых систем на фондовых рынках с высоким уровнем волатильности.

Предмет защиты составляют следующие результаты, полученные лично автором и содержащие элементы научной новизны:

1. Разработан синтетический индикатор, выявляющий изменения в характере динамики ценовых рядов финансовых активов, основанный на адаптивной полиномиальной модели Хольта. В отличие от существующих инструментов, предложенный автором индикатор выделяет только те изменения волатильности или тренда ценового ряда, которые приводят к устареванию настроек торговой системы.

2. Создана синтетическая модель анализа финансовых активов, определяющая наступление и окончание периода времени эффективной работы действующей торговой системы. В то время как существующие стратегии инвесторов основываются на экспертном определении границ корректной работы торговой системы, исходя из анализа

7

ретроспективных данных, разработанная модель оценивает характер динамики финансовых активов во время торговли, базируясь на экономико-математическом аппарате синтетического индикатора Хольта и нелинейной статистической модели Веге.

3. Предложен оригинальный алгоритм принятия управленческих решений на фондовом рынке, который в отличие от традиционных стратегий инвесторов (зависящих от сигналов торговой системы и экспертной оценки информационного фона), позволяет вести торговлю с учетом экономико-математического анализа динамики ценовых рядов активов.

4. Разработана модель оценки прироста инвестированного капитала, определяющая финансовый результат принятия управленческих решений на фондовом рынке. В то время как существующие методы оценивают итог работы инвестора по эффективности действующей торговой системы, новая модель содержит блок корректировки управленческих решений с учетом результатов работы синтетической модели анализа финансовых активов.

5. Создан алгоритм определения инвестиционных активов с высоким потенциалом получения прибыли. В отличие от портфельного подхода (оптимизирующего состав инвестиционных активов) особенностью данной разработки является введение автором нового параметра, участвующего в выявлении приоритетных для мониторинга и анализа ценных бумаг, - продолжительности пребывания актива в благоприятном для осуществления торгов состоянии.

Теоретическая и практическая значимость диссертационного исследования. Теоретическая значимость результатов диссертационного исследования состоит в развитии методов моделирования на фондовых рынках и анализа временных рядов финансовых активов, в разработке комплексного экономико-математического инструментария принятия управленческих решений на фондовом рынке, а также в создании алгоритма,

совершенствующего методические основы оценки инвестиционной привлекательности финансовых активов, обращающихся на фондовом рынке.

Практическая значимость результатов диссертационного исследования заключается в разработке комплексного инструментария, позволяющего увеличить эффективность работы торговой системы. Предложенная автором система поддержки принятия управленческий решений на фондовом рынке представляет собой законченный формализованный механизм синхронной коррекции возникающих торговых и модельных сигналов, позволяющей снизить управляемый риск инвестора. Осуществлена апробация полученных результатов, проведены работы по построению высокодоходных торговых систем на основании разработанных алгоритмов, индикатора и моделей.

Апробация и внедрение результатов исследования. Основные положения и выводы диссертации докладывались и получили положительную оценку на конференциях «Математические методы и модели в управлении, экономике и образовании» (г. Москва, 2009 г.) и «Ценности и интересы современного общества» (г. Москва, 2013 г.).

Основные результаты диссертационной работы используются в работе ООО «Либерти Групп» (ИК) в качестве системы поддержки принятия управленческих решений на фондовом рынке, что подтверждается справкой о внедрении.

Публикации. По теме диссертационного исследования опубликовано 7 печатных работ общим объемом 2,88 п.л. (их них авторские - 2,5 пл.), в том числе 5 печатных работ в рекомендованных ВАК Минобрнауки России изданиях общим объемом 2,48 п.л. (их них авторские - 2,1 п.л.).

Структура и объем диссертационной работы. Работа состоит из введения, трех глав, заключения, выводов по каждой главе, библиографического списка и приложений. Общий объем диссертации составляет 143 страницы, включая 20 рисунков, 20 таблиц, библиографический список литературы из 135 наименований и приложения на 25 страницах.

II. ОСНОВНЫЕ ПОЛОЖЕНИЯ ДИССЕРТАЦИОННОЙ РАБОТЫ, ВЫНОСИМЫЕ НА ЗАЩИТУ 1. Индикатор изменений характера динамики ценовых рядов

Актуальность настроек торговой системы является одним из основных критериев эффективной работы на фондовом рынке. Изменения в характере динамики ценовых рядов, такие как возрастающая изменчивость тренда и резкий рост волатильности, способны привести к «устареванию» параметров торговой модели, а значит и к возможным убыткам инвестора.

В целях идентификации структурных изменений временных рядов автором разработан инструмент (далее - синтетический индикатор, основанный на модели Хольта дсла(») ), состоящий из:

• временного ряда цены актива р{,) , обращающегося на фондовом рынке в момент времени /;

• нижней и верхней границ потенциальной волатильности котировок, вычисляемых как два стандартных отклонения от расчетного значения модели Хольта.

Принцип работы индикатора опирается на способность адаптивных моделей, в частности модели Хольта, гибко самокорректироваться, подстраиваясь под динамику временного ряда. Эта способность позволяет предположить, что любые ценовые колебания временного ряда актива, имеющие природу шума, лежат в пределах двух стандартных отклонений от расчетного значения модели Хольта. А ценовые выбросы за пределы верхней или нижней границы индикатора Хольта свидетельствуют о росте волатильности или резком изменении тренда, на которые торговая система не способна адекватно отреагировать.

Предложенный автором инструмент описывается следующей системой уравнений:

//(/)=а|,+«2,г , (1)

аи = ЩУ,+(1-"1)03и-1 + а2,1-1) ' (2)

10

"и = а2(°1., - Чг-1) + С " «2

Но11ыф = Н{1)+2а

0<аиа2 <1

н„1,1т. = н(,)-2<т

(3)

(4)

(5)

(6)

1: [р(г)> Яо/^(/)]У[р(0< НоН,0М 0: [р(/)< ЯО/(А,8А(г)]л[р(0> НоП,0М

(7)

где //(<) - прогноз значения ценового ряда финансового актива, рассчитанный по модели Хольта, аи и ¿2, - текущие оценки параметров модели Хольта, г - время упреждения прогноза в модели Хольта, а, и „2 - параметры сглаживания в модели Хольта, ш/,,,^/) и яо/$ои,(г) -расчетные верхняя и нижняя границы волатильности ценового ряда финансового актива, яо/гэ(/) - текущее значение синтетического индикатора Хольта.

Возникновение существенных изменений в динамике р(/)

сигнализируется выбросом ценовых значений актива за границы канала

синтетического индикатора ти^) или //„//,„„,(/) (см. (5) и (6)) и идентифицируется как яо/гя(()=1

Оценка значений параметров ¿1 г и ¿2( в начальный момент времени ,0

осуществляется посредством аппроксимации полиномом первого порядка исследуемого временного ряда на заданном периоде р , предшествующем моменту времени <0. Определение ¿|( и ( сводится к нахождению

коэффициентов линейной функции времени методом наименьших квадратов и последующим переносом начала координат в середину периода р . Итак имеем:

(Ю)

где Пр - длина периода Р , Ур - фактическое значение уровня временного ряда, в рамках которого время изменяется внутри периода р .

Значения коэффициентов г и синтетического индикатора

Хольта в момент времени , определяются рекуррентно.

Оперативность реакции синтетического индикатора на изменение динамики исследуемого временного ряда характеризуют параметры адаптации модели Хольта а, и а2 9 поиск оптимальности которых осуществляется по критерию минимума среднеквадратической ошибки. Определение значений а, и а2 происходит синхронно с настройкой торговой системы. Пересмотр оптимальности параметров адаптации и последующая перенастройка торговой системы осуществляются при срабатывании сигнала, генерируемого синтетическим индикатором Хольта.

2. Модель анализа финансовых активов

В качестве системы поддержки принятия управленческих решений на фондовом рынке автором разработана синтетическая модель анализа финансовых активов Хольта - Веге. Данный инструмент позволяет идентифицировать наиболее благоприятный временной интервал для инвестирования, что способствует снижению уровня управляемого риска при работе на фондовых рынках.

Синтетическая модель анализа финансовых активов Хольта-Веге рассчитывается на основе синтетического индикатора Хольта и нелинейной статистической модели Веге и описывается следующим выражением:

{(/т(,Ы)л(*(')€[1.3;2])}.

(П)

Нелинейная модель Веге /(«у) , идентифицирующая рыночные состояния, определяется параметрами: к - настроения инвесторов,а - фундаментальные условия и л количество кластеров инвесторов, где ^ е [1,3,2,2] ,

Ле[-0.02;002] , а п раВНО 220.

Модель Веге распознает состояние активов в рамках ограниченного временного интервала на нормированных разностях моментных значений ценового ряда. Идентификация фазы актива осуществляется путем аппроксимации гистограммы распределения нормированных разностей. Состояние ценового ряда, оцениваемое моделью Веге/(9) , зависит от значений показателей к и и , где к изменяется с шагом 0.1, а и с шагом 0.01. Выбор оптимальных значений и и к происходит по методу наименьших квадратов. Фаза рынка определяется близостью значений расчетных параметров к и и к эталонным к и л , соответствующим одному из состояний, существующих в рамках когерентной гипотезы рынков капитала.

В целях получения адекватной оценки состояния актива необходимо аналитически определить число интервалов упорядоченной группировки нормированных разностей для построения гистограммы. В данной работе рекомендуемое число интервалов рассчитывается по формуле Стерджеса с учетом требуемого объема наблюдений. Эмпирически установлено, что оптимальное для идентификации фазы рынка число интервалов находится в границах [8;ю] , что соответствует нормированным разностям [128;512] или моментным наблюдениям ценового ряда [129.513] . Выбор объема наблюдений в рамках количества интервалов гистограммы зависит от уровня детализации проводимого анализа и особенностей характерной динамики исследуемого временного ряда.

Расчет модели Веге /(9) производится фреймовым образом в момент времени ( на я-: нормированных разностях наблюдений, накопленных с момента последней оптимизации параметров синтетического индикатора Хольта. Зависимость расчетных уровней ряда функции плотности

вероятностей ценовой волатнльности актива от времени < позволяет перейти к интервальному ряду .

В работе полагается число наблюдений т = \29 , что по формуле Стерджеса соответствует 8 интервалам для построения гистограммы. Тогда функция /т(() , описывающая возможность определения /(Д,) , может принимать значения:

Значение синтетической модели Хольта-Веге зависит от того, в каком состоянии пребывает актив в момент времени /. Комбинация параметров модели Веге описывает одну из возможных фаз ценового ряда: антиперсистентность2, эффективный рынок, переходное состояние, хаос или когерентность3.

Результаты анализа, проведенного в рамках антиперсистентного, переходного или хаотического рынка быстро теряют актуальность, что может привести к принятию неоптимальных решений при совершении торгов на фондовом рынке. Эффективный рынок, будучи хорошо исследованным, раскрывает широкие возможности для анализа, однако не является привлекательным для торговли на фондовом рынке по причине того, что математическое ожидание прибыльности сделки на эффективном рынке равно нулю.

Когерентное состояние наиболее предпочтительно для инвестирования в рынок ценных бумаг. Оно характеризуется уверенным трендом и низким уровнем волатильности. Согласно гипотезе когерентных рынков капитала когерентное состояние формируют настроения инвесторов,

2 Фаза антиперсистентности характеризуется частой изменчивостью тренда, высоким уровнем риска и отсутствием «времени памяти» ценового ряда.

3 Фаза когерентности характеризуется выраженным трендом, относительно низким риском и присутствием «долговременной памяти».

(12)

характеризующиеся едиными рыночными ожиданиями. Идентифицировать когерентность возможно по значению параметра 2.1,2.2]

Применение синтетической модели Хольта-Веге осуществляется синхронно с работой торговой системы. Констатация синтетической моделью наличия когерентного состояния исследуемого актива 0 = 1 подразумевает наступление благоприятного для торговли интервала времени. Линейное или нелинейное изменение динамики ценового ряда, а также текущее состояние рынка, отличное от когерентного, идентифицируется синтетической моделью Хольта-Веге ^^(0 = 0 . В случае изменения сигнала с 1 на 0 рекомендуется незамедлительно закрыть все позиции.

3. Алгоритм определения рыночных активов с высоким потенциалом получения прибыли

Использование модели Хольта-Веге способствует аналитическому формированию выборки активов с целью потенциального включения в портфель ценных бумаг. Частота линейных и нелинейных изменений, а также типичное для временного ряда рыночное состояние являются ценным исследовательским материалом как для трейдера, так и для аналитика. Понимание не только фундаментальных, но и технических особенностей актива открывает возможности оптимального выбора инструментов успешной торговли на фондовом рынке и корректной интерпретации результатов анализа.

Оценка инвестиционной привлекательности активов осуществляется по следующему алгоритму:

1. Определяется количество сигналов, сгенерированных индикатором Хольта, и строится частотное распределение срабатывания сигналов за исследуемый период;

2. Рассчитывается доля исследуемого периода, где состояние актива поддается идентификации (т>129) ;

3. Выявляются периоды котировок актива, на которых целесообразно проводить оценку состояния;

4. Производится оценка состояний актива на каждом выделенном периоде;

5. Рассчитывается доля пребывания актива в состоянии когерентности от продолжительности исследуемого периода, где состояние актива поддается идентификации;

6. Строится карта срабатывания сигналов Хольта и пребывания актива в состоянии когерентности, производится сравнительный анализ полученных результатов с учетом экономических циклов и трендов;

7. Производится синхронизация торговой стратегии и модели Хольта-Веге на исследуемых исторических данных;

8. Оценивается финансовый результат совершения спекулятивных сделок по историческим срезам в рамках показателей средневзвешенного дохода от совершения спекулятивных сделок на исследуемом активе4 и финансового кумулятивного результата совершения сделок на исследуемом активе5.

По итогам проведения оценки инвестиционной привлекательности активов в соответствие с изложенным алгоритмом производится ранжирование активов.

В данной работе предполагается оценка финансового результата по двум индикаторам - Momentum и Moving Average. При необходимости количество торговых систем можно скорректировать и при анализе активов, и при их ранжировании.

Ранг актива зависит от присвоенного веса каждому из оцениваемых параметров. Веса параметров могут быть определены экспертным мнением

4 Взвешивание осуществляется по количеству дней (или иных временных единиц). Далее — средневзвешенный доход.

5 Кумулятивный результат определяется для всего объема совершенных сделок. Далее -кумулятивный доход.

или рассчитаны в рамках целевой функции при наличии ограничений. В общем виде итоговый балл определяется системой:

где у - итоговый балл ранжирования активов, - доля продолжительности временного ряда, где состояние актива поддается идентификации, от исследуемой длины временного ряда, Xl - доля пребывания актива в состоянии когерентности от общей продолжительности временного ряда, поддающегося идентификации, Хз1 - средневзвешенный доход по

результатам работы индикатора Momentum, Х41 - кумулятивный доход по результатам работы индикатора Momentum, ^ 2 - средневзвешенный доход по результатам работы индикатора Moving Average, ^ 2 - кумулятивный доход по результатам работы индикатора Moving Average, w, , w2 , w,, , w32 ,

После завершения ранжирования активов необходимо провести анализ полученных результатов на их устойчивость во времени и адекватность экономическим условиям и трендам.

4. Алгоритм принятия управленческих решений на фондовом рынке Разработанные автором синтетический индикатор Хольта и синтетическая модель анализа финансовых активов Хольта-Веге, являясь элементами системы поддержки управленческих решений, вносят существенные корректировки в стратегию поведения инвестора на фондовом рынке. В целях систематизации этапов принятия решений с учетом экономико-математического блока анализа динамики ценовых рядов сформулирован алгоритм работы инвестора (Рисунок 1).

(13)

"4.1 ' "4.2 ' веса параметров , х2 , Лз, , Xj 2 , Х41 , соответственно.

с

Начало расчетов

Определение , п а-, , в момент времени

Иннциалтацня уровня

г Да - Вход в позицию

Short Lona

Бездействие

I ^ ,

I

^ Завершение расчетов^

Рисунок 1 — Схема реализации алгоритма принятия управленческих решений

на фондовом рынке

Все переменные схемы соответствуют раннее принятым обозначениям. л(г) есть торговый сигнал, являющийся внешним для модели и зависящий

от торговой системы инвестора, разрабатываемой вне рамок текущего исследования:

1:вход,

П4)

О .бездействие, V '

-1: выход.

Предложенная автором схема способствует пониманию бизнес-процессов торговли на фондовом рынке, что позволяет не только снизить время принятия решения о целесообразности проведения сделки, но и уменьшает риск возникновения ошибки инвестором.

5. Модель оценки прироста инвестированного капитала

В работе исследуется моментный временной ряд ,,(,) , соответствующий цене актива, обращающегося на фондовом рынке, в момент времени г. Имеется первоначальный капитал ¿(,0) в начальный момент времени ,0 . Предполагается, что торговля на фондовом рынке осуществляется без «плеча» (финансового рычага), а издержки на изменение позиции не привязаны к моменту времени / и не зависят от стоимости актива . Тогда с - фиксированная стоимость изменения позиции (транзакционные и прочие издержки).

Покупка ценных бумаг может осуществляться в длинных и коротких позициях:

05)

Управляющее Р&Ш6НИ6 и (() изменяется в соответствии со значениями параметров функций («^(0 и .чко в момент времени (, т. е.

[-1:ф'а№(0=1]л[л(()=1й

Тогда в результате принятия последовательности управляющих решений размер капитала инвестора в момент времени г равен:

В данной модели инвестору предоставляется возможность самому выбирать позиции, с какими он будет входить в рынок (long или short). Если при выборе позиции учитывать тип когерентного состояния, «бычий» или «медвежий», то модель примет вид:

где /л(/А'о - позиция, значение которой зависит от трех параметров <, к и и , и выражена формулой:

При этом если позиция /.лггЛА) не определена, это не является сигналом к отказу для входа в рынок, но побуждает инвестора к самостоятельному принятию решения в выборе позиции.

6. Апробация результатов и экспериментальные расчеты В целях подтверждения эффективности использования предложенных автором разработок проведен сравнительный анализ результатов работы существующей стратегии инвестора и алгоритма, включающего систему поддержки принятия управленческих решений на фондовом рынке. Апробация проводится как на иностранных финансовых активах, так и на российских ценных бумагах для репрезентативности данных исследования. В первую выборку вошли 10 мировых фондовых индексов преимущественно развивающихся рынков, что обуславливается инвестиционными

d(T) = d(t„)+ zN/)- />(')■ u(t)-c- но]

(17)

d(r)=d(i0)+ zN'.mM'MO-c-MO]

(18)

(19)

перспективами анализируемых регионов (далее - Мировые индексы6, МИ). Вторая выборка представлена 17 ценными бумагами, входящими в листинг Московской Биржи, и фьючерсом на индекс MICEX (далее - Российские бумаги7, РБ). Расчеты произведены с использованием распространенных торговых индикаторов: Momentum (М), Moving Average (MA) и Bollinger Bands (BB). Для анализа выбраны 2 из 5 состояний финансовых активов -антиперсистентность, как наиболее часто встречающееся, и когерентность, как благоприятное для инвестирования.

Существующая стратегия предполагает проведение торгов независимо от текущего состояния актива, включая фазу антиперсистентности. В то время как предложенный автором алгоритм принятия управленческих решений позволяет реализовывать сделки исключительно в когерентном состоянии торгуемого актива (Рисунок 2).

Для наглядности результатов среднедневной взвешенный доход по выборке бумаг представлен в порядке убывания прибыльности сделок (Рисунок 3).

Согласно проведенному анализу, сделки, совершенные в когерентном состоянии актива, демонстрируют устойчивый положительный результат (рисунок 3(6), рисунок 3(г)), в то время как антиперсистентность характеризуется высокой дисперсией прибыльности сделок, что говорит о присутствии риска для инвестора (рисунок 3(a), рисунок 3(b)).

6 Соответствие мировых фондовых индексов названию стран: MERVAL - Аргентина, S&P/ASX200 - Австралия, BVSP - Бразилия, Sensex - Индия, Nikkei 225 - Япония, RTSI -Россия, FTSE 100 - Великобритания, SSE Composite - Китай, Hang Seng (HSI) - Гонконг, KOSPI-Корея.

7 Расшифровка тикеров: AFLT - ОАО "Аэрофлот", AKRN - ОАО "Акрон", CHMF - ОАО "Северсталь", GAZP - ОАО "Газпром", GMKN - ОАО ГМК "Норильский Никель", LKOH -ОАО "Лукойл", MAGN - ОАО "ММК", MGNT - ОАО "Магнит", MSRS - ОАО "МОЭСК", MTSS - ОАО "Мобильные ТелеСистемы", NLMK - ОАО "Новолипецкий металлургический комбинат", NVTK - ОАО "НОВАТЭК", ROSN - ОАО НК "Роснефть", RTKM - ОАО "Ростелеком", SBER - ОАО "Сбербанк России", SNGS - ОАО "Сургутнефтегаз", TATN - ОАО "Татнефть", MICEX - Россия.

iMERVAL ■ S&P/ASX200 «BVSP ■ Sensex я Nikkei 225

RI Si ssFTSElOO *SSE Composite * Hang Seng (HSI) KOSPI

(а) Антиперсистентность, МИ

(б) Когерентность, МИ

МА

вв

10

8 6 4 2 О -2

М

MA ВВ

iAFLT я AKRN ■ CHMF ■ GAZP «GMKN ■ 1.КОН ■ MAGN ■ MGNT «MICEX • MSRS »MISS BNLMK «nvtk rosn rtkm sber sngs tatn

(в) Антиперсистентность, РБ

(г) Когерентность, РБ

Рисунок 2 — Среднедневной взвешенный финансовый результат по сделкам, проведенным в период с 01.2007 по 07.2013

Таким образом, предложенная автором система поддержки принятия управленческих решений хотя и не обеспечивает получение сверхприбыли, но способствует снижению управляемого риска при работе на фондовом рынке.

Рисунок 3 - Упорядоченный по убыванию прибыльности среднедневной взвешенный финансовый результат по сделкам, проведенным в период с 01.2007 по 07.2013

1П. ОСНОВНЫЕ РЕЗУЛЬТАТЫ и выводы

В результате выполненного диссертационного исследования получены следующие результаты:

1. Проведенный анализ существующих гипотез исследования рынков капитала, а также методов и моделей работы на фондовом рынке определили значительное число нерешенных вопросов в сфере создания эффективных инструментов работы инвестора. Выявлены несовершенство гипотез эффективного и фрактального рынков, а также отсутствие рекомендаций использования гипотезы когерентного рынка для спекулятивной торговли.

Определены недостатки в контроле актуальности настроек существующих торговых систем и экспертной оценке уровня риска инвестора. Установлено, что подходы к формированию выборки активов для инвестирования базируются либо на жестких математических моделях, что существенно ограничивает инвестора в его выборе, либо на мнении эксперта.

2. Существующие торговые системы имеют ряд недостатков: отсутствие мониторинга соответствия настроек модели текущим рыночным тенденциям, экспертное определение потенциальных потерь инвестора и т.д. Автором разработан индикатор, выявляющий изменения в характере динамики ценовых рядов, что позволяет контролировать актуальность настроек торговых систем, и способствует снижению риска возникновения убытка при работе на фондовых рынках.

3.К числу наиболее распространенных инструментов риск-менеджмента относятся стоп-лоссы8 и тейк-профиты9. Их использование позволяет ограничить потенциальные потери инвестора, но не дает возможности отказаться от ведения торгов в периоды времени, когда работа торговой системы характеризуется низким качеством. Автором разработана модель анализа финансовых активов, способная определять временные моменты наступления и окончания благоприятного для инвестирования состояния актива, что позволяет увеличить эффективность применения действующих торговых систем.

4. Внедрение блока поддержки принятия управленческих решений в работу торговой системы существенно усложняет стратегию ведения торгов на фондовом рынке. Разработанный автором алгоритм принятия управленческих решений позволяет структурировать операции по

8 Стоп-лосс — это биржевая заявка, выставленная в торговом терминале трейдером или инвестором с целью ограничить свои убытки при достижении ценой заранее определенного уровня.

9 Тейк-профит — это биржевая заявка, выставленная в торговом терминале трейдером или инвестором с целью зафиксировать свою прибыль при достижении ценой заранее определенного уровня.

осуществлению сделок и снизить время принятия решений о целесообразности их реализации.

5. Для инвестора основным показателем эффективности его работы является финансовый результат торговли на фондовом рынке. Предложенная автором модель оценки прироста инвестированного капитала позволяет определить объем прибыли (убытка), полученной вследствие принятия инвестором управленческих решений.

6. На практике определение выборки торгуемых активов осуществляется экспертно или с использованием жестких математических моделей, однако для принятия экономически обоснованных решений об инвестировании при сохранении разнообразия в выборе ценных бумаг необходимо перейти к аналитическому методу оценки инвестиционной привлекательности активов с более мягкими условиями. Автором создан алгоритм определения рыночных активов с высоким инвестиционным потенциалом, способствующий выделению ценных бумаг, приоритетных для мониторинга и анализа, что позволяет инвестору сфокусироваться на осуществлении торговых операций, а не на проведении регулярной исследовательской работы.

7. К числу основных методов проверки адекватности и работоспособности экономико-математического инструментария относится опыт его применения на практике. Разработанный в диссертационной работе инструментарий используется ООО «Либерти Групп» (ИК) в качестве системы поддержки принятия управленческих решений при работе на фондовых рынках. Результаты внедрения комплексного подхода, предложенного автором, свидетельствуют о повышении эффективности работы торговых систем компании ООО «Либерти Групп» (ИК). Автором проведена апробация и обоснована экономическая эффективность использования разработанных моделей и алгоритмов, а также предложенного финансового индикатора на примере российского и зарубежного рынков.

IV. ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

В изданиях, рекомендованных Высигей Аттестационной Комиссией

Министерства образования и науки Российской Федерации:

1. Егорова Н.Е., Тихненко А.Н. Методы и алгоритмы формирования стратегии инвестора, функционирующего на фондовом рынке // «Экономика и предпринимательство». — 2015. - №3 ч.2 (56-2). - С. 450453 - 0,42 п.л. (авт. - 0,21 п.л.);

2. Тихненко А.Н. Анализ инвестиционной привлекательности ценных бумаг на российском фондовом рынке // «Управление экономическими системами: электронный научный журнал». —2014. - №5 (65). — 0,52 п.л.;

3. Тихненко А.Н., Теплов С.Е. Разработка и применение методологии анализа инвестиционной привлекательности фондовых рынков // «Экономика и предпринимательство». - 2014. - №1 ч.2 (42-2). - С. 82-86 - 0,57 п.л. (авт. - 0,4 п.л.);

4. Тихненко А.Н. Разработка и применение модели анализа рыночных активов Хольта — Веге на фондовом рынке // «Экономический анализ: теория и практика». - 2013. -№47 (350). - С. 63-67 - 0,42 п.л.;

5. Тихненко А.Н. Разработка и применение индикатора Хольта в целях выявления линейных изменений характера ценового ряда на фондовом рынке // «Финансы и кредит». - 2013. - №44 (572). - С. 60-66 - 0,55 п.л.;

Статьи, опубликованные в других изданиях:

6. Тихненко А.Н. Оценка эффективности применения модели Хольта — Веге как системы поддержки принятия управленческих решений на фондовом рынке // Сборник научных статей по итогам научно-практической конференции «Ценности и интересы современного общества». - М.: МЭСИ, 2013. - ч.З. - С. 208-211 - 0,2 п.л.;

7. Тихненко А.Н. Применение модели Хольта как индикатора изменения характера временного ряда // Сборник научных трудов «Математические методы и модели в управлении, экономике и образовании». - М.: МЭСИ, 2009.-С. 128-132-0,2 п.л.;

ТИХНЕНКО АНАСТАСИЯ НИКОЛАЕВНА

РАЗРАБОТКА МОДЕЛИ АНАЛИЗА АКТИВОВ В РАМКАХ ГИПОТЕЗЫ КОГЕРЕНТНЫХ ФОНДОВЫХ РЫНКОВ

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата экономических наук

Подписано в печать 13.03.2015 г. Формат бумаги 60*84 1/16. Бумага офсетная. Печать цифровая. Печ. л. 1,0. Заказ № 1336 от 2015 г. Тираж 200 экз.

ООО "Диалог", 123056, г. Москва, ул. 2-я Брестская, д. 39, стр. 3, ИНН: 7705928320, КПП: 771001001.