К.т.н. Смирнов А.В.,  Ревега Д.В.
Донецкий национальный технический университет

МЕТОДИКА ВЫБОРА ИНДИКАТОРОВ ТЕХНИЧЕСКОГО АНАЛИЗА РЫНКОВ ДЛЯ ПОСЛЕДУЮЩЕГО ИХ ОБЪЕДИНЕНИЯ

Предлагается оригинальная методика выбора индикаторов для последующего объединения их решений о входах/выходах в биржевой рынок для реализации надежных и эффективных  торговых компьютерных систем.

Ключевые слова: технические индикаторы рынков; биржевая торговля; инвестиционный риск; корреляционный анализ, регрессионный анализ.

  • Введение. Выход из экономического кризиса, стремление Украины вступить в ВТО привели к активизации инвестиционной деятельности. Она заключается в приобретении акций ведущих отечественных и зарубежных фирм, вкладывании свободных средств в облигации, в торговле на различных биржах. К сожалению, в Украине не проводятся серьезные научные исследования по разработке и практической реализации современных торговых компьютерных систем (ТКС). Это в свое время приведет к отставанию наших специалистов по биржевой торговле от западных конкурентов, серьезно скажется на эффективности отечественной внешней торговли.

Современные ТКС обладают весьма низкими характеристиками, а торговля с помощью ТКС – высокими инвестиционными рисками. К объективным причинам этого явления следует отнести нестационарный характер биржевых ценовых графиков, их зависимость от целого ряда макроэкономических показателей. К субъективным причинам – недостаточное знание разработчиками ТКС основ теории информации, теории вероятностей и математической статистики, экономической кибернетики и др. наук.

  • Постановка задачи.  Целью данных исследований является разработка методики отбора из многочисленных технических индикаторов рынков (а их на сегодняшний день более 2000) для последующего их объединения в эффективные «коллективные» индикаторы, способные существенно повысить технические и экономические характеристики современных ТКС.
  • Результаты исследований.  Специалистам по разработке ТКС и  трейдерам-практикам  давно стало понятно, что принципиально не существует «хорошего» индикатора, на основе которого можно было бы создать эффективную торговую систему. Цель представленной выше методики - выбрать и объединить в группы независимые индикаторы (функционирующие по принципиально отличающимся алгоритмам и к тому же зависимо принимающие решения о входах/выходах в рынок в одинаковые моменты времени). Сущность предлагаемой оригинальной методики сводится к реализации следующих процедур:
    • оценка величин коэффициентов взаимной корреляции между выходными продуктами всех известных трейдеру индикаторов; отказ от индикаторов, имеющих коэффициенты взаимной корреляции0
    • проверка эффективности частных индикаторов, прошедших отбор в простейших ТКС. Отбрасывание тех индикаторов, которые, после оптимизации их параметров в простейших ТКС, не обладают достаточной экономической эффективностью;
    • формирование групп частных индикаторов для последующего их объединения в коллективы.

Поскольку плотность вероятности цен закрытия ценовых графиков в большинстве случаев близка  к нормальному закону, то независимость индикаторов совпадает с некоррелированностью их выходных продуктов между собой в совпадающие моменты времени. Этим объясняется выбор первой процедуры предлагаемой методики. Таблица 1 разъясняет как величина статистической взаимосвязи между выходными продуктами индикаторов влияет на эффект при их возможном объединении.

Таблица 1.  Эффективность объединения индикаторов


Значения
0

Ожидаемый эффект от объединения индикаторов

0

Рекомендуемые значения 0 при которых достигается максимальный эффект. Абсолютный максимум при 0= 0.

0

Средний эффект от объединения. Объединение используется в исключительных случаях, если индикаторы обладают очень высокой эффективностью по п.2 методики.

0

Эффект от объединения практически отсутствует и использовать такие индикаторы в коллективных решающих правилах не рекомендуется. При 0= 1 наблюдается полное отсутствие эффекта.

Первый пункт методики можно реализовать в электронных таблицах Microsoft Excel с помощью встроенной функции КОРРЕЛ или ПИРСОН. В качестве массивов 1 и 2 используются значения выходных продуктов индикаторов Xi и Yi. Для получения значимых величин 0 вполне достаточны массивы цен закрытия дневных баров за 1 - 1,5 года на выбранном для торговли рынке.       
Обращаем внимание читателей, что коэффициенты 0 достаточно устойчивы и мало зависят от типа рынка, величины торгового горизонта,  а определяются преимущественно алгоритмами сравниваемых между собой индикаторов. Ниже представлена неполная таблица коэффициентов взаимной корреляции продуктов технических индикаторов.
Таблица 2. Матрица 0 различных частных индикаторов

 

ADX

CCIAvg

CommSel Index

DMI

Keltner Channel

MACD

Momentum

SimpAvg1

SimpAvg3

Net Chng

Parabolic

RSI

ADX

1

0,217

0,827

0,225

0,357

0,333

0,153

0,350

0,392

0,014

0,313

0,389

CCIAvg

 

1

0,065

0,762

0,085

0,876

0,620

0,093

0,039

0,014

0,064

0,670

CSI

 

 

1

0,044

0,337

0,157

0,000

0,328

0,383

0,023

0,279

0,232

DMI

 

 

 

1

0,054

0,794

0,833

0,061

0,021

0,253

0,032

0,823

Keltner Channel

 

 

 

 

1

0,087

0,019

0,951

0,748

0,024

0,397

0,464

MACD

 

 

 

 

 

1

0,610

0,102

0,048

0,058

0,175

0,712

Momentum

 

 

 

 

 

 

1

0,026

0,042

0,318

0,117

0,729

SimpAvg1

 

 

 

 

 

 

 

1

0,711

0,044

0,418

0,447

SimpAvg3

 

 

 

 

 

 

 

 

1

0,003

0,272

0,493

Net Chng

 

 

 

 

 

 

 

 

 

1

0,026

0,283

Parabolic

 

 

 

 

 

 

 

 

 

 

1

0,101
RSI

 

 

 

 

 

 

 

 

 

 

 

1

Второй пункт методики заключается в проверке экономической эффективности выбранных ранее индикаторов. Для этой цели по историческим данным рынка тестируются простейшие ТКС, разработанные на основе всех выбранных индикаторов. Отдельно тестируются простейшие ТКС с формированием длинных, коротких входов и выходов. Используемый здесь критерий для оптимизации параметров индикаторов – максимальная средняя итоговая прибыльность простейших ТКС. Индикаторы, которые не удовлетворяют требованиям п.2 методики, отбрасываются.
И, наконец, последняя процедура формирует группы частных индикаторов для последующего их объединения. Здесь исходим из следующего. При объединении большего количества частных индикаторов (по принципу, чем больше, тем лучше) резко сокращается общее число генерирующих сигналов управления ТКС; снижается их надежность (поскольку качество отдельных частных индикаторов существенно зависит от рыночной ситуации); неоправданно возрастает сложность ТКС. Примером неудачного выбора большого количества частных индикаторов (10 !?) является коллективный индикатор W&W Боба Нурока [1], который за 11 лет сгенерировал всего 18 торговых сигналов. Поэтому мы рекомендуем пользоваться группой из минимально возможного количества частных индикаторов. При этом в каждой группе обязательно должны присутствовать как трендовые индикаторы, так и осцилляторы. Идея объединения частных решений в коллективные была предложена в [2].
Приведем несколько примеров эвристического синтеза коллективных индикаторов, полученных на основе предлагаемой методики.
На рисунках 1 а), б), в) показаны примеры 3-х «троек» коллективных индикаторов. Также на рисунках представлена информация об экономической эффективности каждого индикатора в простейших ТКС. Экономическая эффективность простейших ТКС определяется Прибылью (Profit), Profit Factor (PF) - отношение общей суммы прибыльных к сумме отрицательных сделок и коэффициентом Шарпа (в выражении для Кш положено r = 12%):

0  ,
где: 0 и  0   – соответственно общая средняя прибыльность ТКС и величина банковского процента по депозиту;
0   – среднеквадратичное отклонение ломаной прямой прибыльности 0 от ее среднего значения 0;
n – количество сделок.


Алгоритмы используемых выше индикаторов и алгоритмы формирования торговых сигналов на основе этих индикаторов приведены в библиотеке программы TradeStation2000i фирмы Omega Resource. Они использовались нами без всяких изменений. Тестировалась валютная пара EUR/USD в период  2004 – 2006 г.г.
Ниже показаны экономические характеристики простейших ТКС с использованием приведенных выше частных и коллективных индикаторов.
Таблица 3. Экономические характеристики простейших ТКС

0

0

0

  • Выводы. Приведенная в данной работе методика выбора частных индикаторов для последующего их объединения в коллективные и ее практического использование при построение реальных ТКС позволяют сделать следующие выводы:
  • В качестве индикаторов способных, при их последующем объединении, обеспечить суммарный экономический эффект больший, чем при использовании каждого из них по отдельности, могут быть использованы специально подобранные индикаторы со следующими характеристиками:
    • минимальными значениями модулей коэффициентов взаимной корреляции их продуктов в одни и те же моменты времени;
    • число индикаторов для объединения следует выбирать минимальным и не четным (при объединении большого количества индикаторов происходит усложнение реальных ТКС, снижение их надежности; нечетность обусловлена последующим использованием для объединения принципа простого голосования);
    • обязательным условием для объединении частных индикаторов в коллективный должна быть высокая их экономическая эффективность (максимальная прибыльность, обеспечиваемая индикатором в конец отчетного периода) и слабая колеблемость кривых прибыльности (минимальный средний риск).
  • Используемый нами кибернетический подход позволил из относительно ненадежных индикаторов, создать относительно надежные «тройки» коллективных индикаторов. Положительный эффект от объединения выразился в существенном снижении инвестиционного риска при использовании «коллективных» индикаторов. Максимальный выигрыш составил около 6 раз в значениях коэффициента Шарпа. Более того, выигрыш проявился в существенном увеличении величины PF  до 70 раз.
  • По нашему мнению, это единственно возможный подход, позволяющий из ненадежных частных индикаторов практически реализовать надежные и эффективные ТКС для реализации биржевых игр не только на рынке FOREX, но и других биржевых рынках.

Литература:

  • Р. Колби. Энциклопедия  технических индикаторов рынка. Пер. с англ. –  2-е изд. – М.: Альпина Бизнес Букс, 2004. – 837с.
  • Барабаш Ю.Л. Коллективные статистические решения при распознавании. – М.: Радио и связь, 1983. – 224с.