Автор: Колесников В.Ю., Ванжа Т.В.
Источник: Материалы студенческой секции X Международной научно-технической конференции Информатика, управляющие системы, математическое и компьютерное моделирование (ИУСМКМ – 2019). – Донецк: ДОННТУ, 2020. – С. 485-489.
Колесников В.Ю., Ванжа Т.В. Методы прогнозирования и анализ фондового рынка. Анализ методов, которые используются при прогнозировании котировок фондового рынка, от классических методов, используемых фундаменталистами и аналитиками, до новейших методов. Практические ситуации, где анализируемые методы являются подходящими, также указаны.
Развитие фондового рынка является необходимостью, как для обеспечения непрерывного экономического роста, так и для эффективного распределения ресурсов в экономике. Основную роль в развитии фондового рынка играет законодательство, главным образом, в отношении конкретного закона, касающегося прозрачности, защиты и равного отношения к инвесторам. Он поддерживает доверие инвесторов на фондовом рынке и убеждает их инвестировать в него. Фондовый рынок выполняет различные функции, такие как:
– оптимальная структура для рыночных сделок;
– прозрачность сделок и защита инвесторов;
– генерация правильных цен;
– гармонизация цен для всей экономики;
– разделение и покрытие риска, среди прочего.
Котировки акций представляют цены сделок на биржевом рынке. Они отражают взаимосвязь между спросом и предложением на этом рынке. Основными факторами, которые влияют на котировки акций, являются:
– экономический статус получателя;
– ожидания инвесторов относительно прибыльности и дивидендов;
– эволюция национального и международного фондового рынка, и специфические особенности деятельности фондового рынка, которые влияют на спрос и предложение;
– политические, военные, культурные факторы и другие.
Анализ методов и выбор оптимального метода, который лучше подходит для конкретной ситуации и полностью оценивает существующие данные, имеет чрезвычайно важные значение.
Установленная на рынке цена становится инструментом экономического анализа и прогнозирования. Это наиболее реалистичный инструмент прогноза, используемый при принятии решения об экономической политике, и это сигнал к действию для экономических агентов правительства и местных органов власти. Именно поэтому прогноз котировок акций крайне важен.
В зависимости от того, как оцениваются акции, аналитики фондового рынка могут быть классифицированы как:
– фундаменталисты, они рассматривают только фундаментальные факторы рынка;
– аналитики используют методы графического анализа.
Фундаментальный анализ основан на изучении экономики, поля и состояния общества с целью определения стоимости доли конкретной компании. Фундаментальный анализ отслеживает прибыль компании и дивиденды, которые компания предлагает, учитывает ожидания относительно процентных ставок и оценивает риск, связанный с компанией. Он использует статистические, математические и финансовые алгоритмы, применяемые к официальной периодической финансовой отчетности компании, чтобы как можно точнее оценить цену акций.
Технический анализ основан исключительно на изучении внутренних данных фондового рынка, учитывая, что все экономические, финансовые, политические и психологические факторы объединены в единый элемент: котировка акций. Технические аналитики изучают краткосрочные изменения цены акций, начиная с изучения истории котировок, с интервалом не менее 6 месяцев и предполагают, что поведение в прошлом будет распространяться на будущее. Технический анализ предлагает информацию о возможной будущей эволюции фондового рынка.
Теория эффективного рынка объясняет формирования цены акций, основанные на общей модели поведения. Так же важно понимать, что рынки не имеют памяти, то есть любая информация об акции мгновенно корректируется в цене. Вот почему прошлое не помогает предсказывать будущее. Основная часть пользователей это спекулянты и долгосрочные инвесторы. Слабая гипотеза говорит им, что исторические цены на акции являются случайными и не содержат полезной информации, которая должна приводить к превышению среднего дохода. Промежуточная гипотеза указывает на временную задержку корректировки цены, на новую информацию. Сильная гипотеза показывает, что никто не заработает больше, независимо от используемой стратегии, потому что вся информация находится внутри цены. Методы, которые используются пользователями это статистические методы (регрессионный и корреляционный анализ), проверка признаков, эконометрический анализ
В последние несколько десятилетий была разработана новая теория эволюции цен на акции, а именно теория эффективного рынка. Основными атрибутами этой новой теории являются:
– рыночные цены акций отражают мгновенно и полностью всю соответствующую информацию, доступную в данный момент времени;
– цены акций должны всегда отражать их реальную ценность;
– информация должна быть недорогой или даже бесплатный, и должен быть доступен всем участникам рынка;
– цены на акции следуют эволюции случайного блуждания.
Вообще говоря, модель временного ряда будет предпочтительнее, когда у нас мало информации о факторах, влияющих на поведение переменной и у нас большое количество данных или основная цель короткая прогноз, то анализ временных рядов начинается с построения модели данных, свойства которой аналогичны генерации анализируемого процесса. Если предположить, что свойства анализируемого процесса, включенные в модель, сохранятся в будущем, то модель можно использовать для прогнозирования.
Экстраполяция с временными рядами отличается от простой экстраполяции. Разница возникает из-за того, что анализ временных рядов предполагает, что ряды, поведение которых должно быть предсказано, были созданы случайным образом, структуру которого можно охарактеризовать и описать. Другими словами, модель временных рядов дает описание природы (случайного) процесса, который генерировал временные ряды. Описание выполняется не с точки зрения причинно-следственной связи, как в случае регрессионной модели, а с точки зрения формы, в которой событие включено в процесс.
Модели временных рядов могут быть детерминированными или стохастическими, а модели, которые не ссылаются на источник или случайное изменение ряда, являются детерминированными. Стохастическая модель временного ряда даст больше информации в качестве детерминированной модели, позволяющей улучшить прогноз.
Традиционные методы анализа временных рядов предполагают, что ряд состоит из четырех элементов: тенденции, циклического компонента, сезонного компонента и случайных изменений. Первые три из вышеупомянутых компонентов являются детерминированными, систематическими, тогда как последний является остаточным компонентом, который обеспечивает анализируемые явления особенностью случайного процесса.
Роли компонентов в процессе прогнозирования различны в зависимости от продолжительности временного интервала, для которого выполняется прогноз. В краткосрочных прогнозах, остаточный компонент имеет большое значение. В долгосрочных прогнозах наиболее важным является трендовый компонент.
Широко используемый метод прогнозирования – экспоненциальное сглаживание. Простой вариант экспоненциального сглаживания подходит для рядов, которые не имеют явной тенденции. Метод Хольта-Винтерса подходит для серии с сильной тенденцией.
Методы скользящего среднего учитывают самые последние данные динамического ряда. Влияние последних данных уменьшается с увеличением количества используемых значений (периодов). Если динамический ряд имеет случайные изменения на больших временных интервалах, будет использоваться больший объем данных. Если динамический ряд имеет определенную конфигурацию и случайные изменения являются резкими и происходят через небольшие промежутки времени, то будет использовано меньшее количество данных.
Модели скользящих средних, безусловно, полезны, но они не дают информации о доверии к прогнозу и не объясняют случайное поведение временных рядов. Поэтому стохастические модели необходимы, потому что случайный компонент приносит информацию об ошибках прогноза.
Основой стохастического моделирования является случайный процесс. Можно предположить, что случайный процесс порождает временные ряды. Процесс состоит из упорядоченного набора случайных величин, связанных с вероятностными распределениями, определенными для каждого из t моментов времени. Мы считаем, что ряд ежедневных котировок акций генерируется дискретным стохастическим процессом реальных ценностей.
Простейший случайный процесс, который генерирует чисто случайные ряды, известен как белый шум и состоит из последовательности случайных независимых переменных, одинаково распределенных и равных нулю. Ряд – это белый шум, если он не имеет известной структуры (модели), и поэтому он непредсказуем.
Процесс случайного блуждания часто используется в качестве модели для котировок фондового рынка. Для этой конкретной модели все прогнозы равны последнему наблюдаемому значению, а доверительные интервалы выше по мере расширения прогнозируемого горизонта. Конкретная версия этого процесса, случайное блуждание с тенденцией, учитывает наличие тенденции и позволяет включить эту тенденцию в прогноз.
Существует много случайных процессов, для которых невозможно построить универсально допустимую модель с помощью скользящей средней или чисто авторегрессионной модели. Благодаря интеграции моделей авторегрессии и скользящего среднего была получена модель ARMA (смешанные модели авторегрессии – скользящего среднего). Это считается приемлемым по экономическим прогнозам, когда эволюция экзогенных перемен может быть неизвестна. Идентификация моделей ARMA основана как на функциях автокорреляции и частичной автокорреляции, так и на информационных критериях, используемых некоторыми специализированными программами прогнозирования.
Один из наиболее часто используемых и точных методов анализа и краткосрочного прогнозирования известен как метод Бокса-Дженкинса, основанный на концепции процесса ARIMA (серия интегрированных смешанных авторегрессий – скользящих средних).
Модель ARMA (p, q) подходит для моделирования стационарных процессов. Стационарный процесс имеет механизм генерации процессов, который инвариантен во времени. Среднее значение и дисперсия стационарного процесса не меняются во времени, а ковариация переменных зависит только от длины интервала времени, который разделяет две переменные. Трендовые и сезонные компоненты не встречаются в стационарных рядах. Нестационарные модели ARIMA (p, d, q) являются специфическими для несезонных явлений, тенденция которых может быть устранена, и, таким образом, процесс может быть сделан стационарным, благодаря определенным различиям определенного порядка d. Этапы построения модели ARIMA: идентификация модели, оценка параметров, проверка выбранной модели, использование модели для прогноза.
Существуют значительные различия между методами прогнозирования с точки зрения их сложности, ограничений, требований и точности. Каждый метод подходит в четко определенных обстоятельствах. Данные методы должны присутствовать в любом исследовании эффективности, касающемся решения об инвестировании в акции.
Прогнозная деятельность, выполняемая либо экспертами, либо неспециалистами, почти всегда автоматизирована. Недавнее развитие прогнозирования и его возрастающая роль как фундаментальной основы для принятия решений во всех областях способствовали огромному развитию программного обеспечения для прогнозирования. Диапазон программного обеспечения, используемого для прогнозирования, простирается от программного обеспечения общего назначения, такого как электронные таблицы, до специализированного программного обеспечения, предназначенного исключительно для прогнозирования.