Фрактальный анализ финансовых рынков. Фрактальный анализ – новый подход к анализу валютных и фондовых рынков

В предыдущей статье мы кратко рассмотрели базовые принципы, на которые опирается Торговый Хаос. Фактически, Вильямс усовершенствовал волновую теорию Эллиотта, дополнив её конкретными критериями идентификации момента завершения и начала волн.

Но чтобы картина была полной, сегодня продолжим рассматривать торговые приёмы Билла , значительно повышающие прибыль от спекуляций, а начнём, пожалуй, с фракталов .

В одной из более ранних публикаций нами уже затрагивалась тема идентификации и построения фракталов (в том числе и при помощи индикаторов). Поэтому вновь повторять теорию не станем, отметим лишь, что фрактал представляет собой формацию, центральный экстремум которой находится выше (ниже) соответствующих экстремумов четырёх соседних баров.

Вся логика фрактального анализа в Торговом Хаосе базируется на поиске пробоев экстремумов, но в отличие от более поздних торговых стратегий, разработанных другими трейдерами, оригинальная модель по Вильямсу состоит строго из трёх элементов:

1. Фрактальный старт – первый экстремум, предшествующий сигналу;
2. Сигнальный фрактал – формируется в обратном направлении стартовому фракталу;
3. Фрактальный стоп – самая большая вершина на падающем тренде (или впадина на восходящем) из последних двух фракталов.

Чтобы лучше понять принцип построения модели, рассмотрим пример:
Таким образом, фрактальный анализ полностью исключает неопределённость при принятии решений и в тоже время позволяет отсеять множество ложных сигналов (но только в том случае, если преобладающая тенденция достоверно известна).

Кстати о тенденциях, в теории Хаоса Вильямса данный вопрос решается сам собой, так как фракталы становятся неотъемлемой частью волнового анализа, а волна (или волновая структура) – это и есть тренд. При этом для максимизации прибыли и дальнейшего создания пирамиды допустимо перейти на младший таймфрейм после начала волны.

Пирамидинг – это наращивание позиции в сторону тренда после того, как плавающая прибыль по первой сделке позволит перевести стоп-приказ по совокупности ордеров в безубыток , при этом объём каждой новой сделки либо равен константе, либо делится на определённый коэффициент.

Например, предположим, что на рынке началась третья волна, за которой охотятся все волновики, в данном случае алгоритм действий трейдера будет следующим:

Кроме этого, без фрактального анализа любая попытка искать волновые структуры обречена на провал – это факт, проверенный несколькими поколениями трейдеров, хотя Билл предупреждал об этом. В своих «пяти пулях», изложенных в девятой главе Торгового Хаоса, Вильямс перечислил основные признаки завершения тренда:

1. Появилась дивергенция на MACD между третьей и пятой волной;
2. Текущая цена расположена в целевой зоне, т.е. пятая волна по приблизительной разметке должна уже начаться (но не факт, что она сформируется полностью), как правило, новички для построения зон используют уровни Фибоначчи , но гораздо чаще ситуация оценивается визуально;
3. Сформировался фрактал на очередной вершине при бычьем тренде и на дне при медвежьем;
4. Среди трёх максимальных (минимальных) баров появился «приседающий» (см. предыдущую публикацию);
5. Бары гистограммы MACD пересекли сигнальную линию в направлении, обратном последнему тренду.

Если бегло изучить ветки, посвящённые волновому анализу на различных форумах, то можно заметить, как эти «пули» убивают не только тренд, но и счета трейдеров. Другими словами, несоблюдение перечисленных правил – это грубейшие ошибки спекулянтов, предпринимающих попытки применить волновую теорию Эллиотта в «чистом виде».

В завершение отметим, что, несмотря на универсальность и неплохие практические результаты, в теории Вильямса есть к чему придраться. Например, Билл утверждает, что рынок не подчиняется традиционным физическим законам, но в тоже время ведёт себя аналогично морским приливам и отливам, которые, на самом деле, связаны с гравитационным воздействием Луны и Солнца на Землю – это ли не закон?

Поэтому не следует искать скрытый смысл в Торговом Хаосе, Вильямс просто смог впервые описать поведение рыночной толпы инструментами технического анализа, т.е., грубо говоря, математикой, что заслуживает уважения в любом случае.

Фрактальная теория рынка Forex – это попытка автора взглянуть на основания финансовых рынков сквозь призму таких понятий, как синергетика, хаос, множество Мандельброта, показатель Херста и броуновское движение. Книга поможет читателю раскрыть эти понятия в приложении к рынку Forex и изменит восприятие им таких вещей, как котировки и цены. Теорию фракталов можно с успехом применять в сочетании как с техническим, так и с фундаментальным анализом. А информация, которую получит читатель, изучая материал, даст ему прочный фундамент для интерпретации графиков курсов валют и ценных бумаг.

Алексей Алмазов. Фрактальная теория рынка Forex. – СПб: Admiral Markets, 2009. – 296 с.

Скачать конспект (краткое содержание) в формате или

Глава 1. Синергетика

В настоящее время, когда становится ясно, что финансовые рынки являются нелинейными системами, синергетика позволила распространить нелинейные концепции на экономический анализ рынков и более внятно объяснить их природу, в т.ч. пути их дальнейшей эволюции.

Самоорганизующаяся система не может быть замкнутой. Валютный рынок является открытой системой. Миллионы источников информации каждый день воздействуют на ход котировок. Другим условием самоорганизации является первоначальное отклонение от равновесия. Такое отклонение может быть следствием направленного воздействия извне, но может возникнуть и в самой системе случайным образом, стохастически. Третье условие: все процессы в системе (процессы, поддающиеся статистическому анализу) происходят кооперативно, самосогласованно. На рынке данное условие выполняется в согласовании временных масштабов. Графики в различных масштабах согласованы между собой.

Почему же система, развивающаяся по вполне определенным законам, ведет себя хаотически? Хаос порождается собственной динамикой нелинейной системы – ее свойством экспоненциально быстро разводить сколь угодно близкие траектории. В результате форма траекторий очень сильно зависит от начальных условий.

Поскольку в реальном физическом эксперименте задать начальные условия можно лишь с конечной точностью, предсказать поведение хаотических систем на длительное время невозможно. Анри Пуанкаре в своей работе «Наука и метод» (1908) говорит: «В неустойчивых системах «совершенно ничтожная причина, ускользающая от нас по своей малости, вызывает значительное действие, которое мы не можем предусмотреть. (…) Предсказание становится невозможным».

Мандельброт, Пригожин и др. обнаружили, что на границе между конфликтами противоположных сил стоит не рождение хаотических, беспорядочных структур, как считалось ранее, а происходит спонтанное возникновение самоорганизации порядка более высокого уровня (см., например, ).

Теория волновой синергетики. Суть теории состоит в том, что график цены имеет определенную структуру поведения. В роли структуры выступает модель броуновского движения.

Глава 2. Линейная и нелинейная парадигмы на рынке Forex

Если система или организм хочет выжить, он должен эволюционировать и находиться далеко от равновесия. Поэтому здоровая экономика и рынок не стремятся к равновесию, они стремятся к росту и развитию.

Линейная парадигма утверждает, что рынки эффективны. Данная теория утверждает, что поскольку текущие цены отражают всю публичную информацию, ни один участник рынка не может иметь преимущество перед другим, тем самым, извлекая сверхприбыль. Однако Роберт Шиллер показал, что некоторые изменения цены происходят из-за изменений в фундаментальной информации и неопределенности будущих трендов потоков наличности. Только 27% волатильности объема прибылей на фондовых рынках США объясняется с позиций фундаментальной информации (см. ).

Считается, что трейдеры рациональны и подчиняются сделанным оценкам валютных курсов, при этом не учитываются психологические особенности участников. Линейная парадигма постулирует, что курсы валют описывают траектории случайного блуждания (броуновское движение), а их распределение нормально и имеет форму колокола. Ширина колокола (ее сигма, или стандартное отклонение) отображает, как далекие изменения цен отклоняются от среднего; события на краю рассматриваются, как чрезвычайно редкие.

Однако, финансовые данные не соответствуют таким предположениям. Величина ценовых движений может оставаться примерно постоянной в течение года, а затем внезапно изменчивость может надолго вырасти. Большие ценовые скачки стали обычными. Гауссова модель нормального распределения не отображает реальной картины, происходящей на финансовых рынках. Стоимость валют не постулируется теорией эффективного рынка.

На смену старым методам должны прийти новые, которые не предполагают независимости или нормальности. Новые методы должны включать фракталы и нелинейную динамику. Нелинейная парадигма должна допустить в теорию рынков концепцию долговременной памяти: событие может влиять на рынки долго. Невозможность развития в линейных системах происходит из-за того, что детерминированные статистические системы обладают небольшим числом степенной свободы, что заметно ограничивает их приспособительные возможности, они вынуждены уступать в процессе развития более адаптивным конкурентам.

Очень интересную теорию предложил Петерс в своей книге , согласно ей, рынки остаются стабильными, когда многие инвесторы на них участвуют и имеют различные инвестиционные горизонты (сроки вложения средств).

Гарольд Эдвин Херст (1880–1978) – английский физик, прославился исследованиями разливов Нила. Херст ввел новую статистическую технику, основанную на выражении R(t, d)/S(t, d). Этот метод был назван R/S анализ. Открытие Херста состоят в том, что диаграммы R/S, относящиеся к эмпирическим хроникам, в общем случае состоят из кривых, тесно обвивающих некоторую прямую, но угол наклона Н этой прямой изменяется от случая к случаю. Различные кривы ведут себя очень по-разному, они располагаются вблизи некоторой прямой, угол наклона которой, Н , зачастую превосходит 0,5 (т.е. не соответствует нормальному распределению; рис. 1).

Рис. 1. Оценка показателя Херста

Волнистой линей изображен временной ряд (совокупность наблюдаемых параметров изучаемой системы во времени) цен. Прямая линия соответствует показателю Н (Херста). Когда Н = 0,5 график будет соответствовать нормальному распределению и являться случайным. При 0,5 < Н < 1, процесс является персистентным. Если мы наблюдаем восходящую тенденцию, то в будущем она продолжит свой рост. Когда Н возрастает от 0,5 до 1, устойчивость становится все заметнее. С практической точки зрения это выражается в том, что возникающие разнородные «циклы» различаются все яснее. В частности, большую важность становятся медленные циклы. Если 0 < Н < 0,5, то процесс является антиперсистентным. Когда восходящая тенденция сменяется нисходящей или наоборот.

Глава 3. Введение во фракталы

В 1975 году Бенуа Мандельброт впервые ввел понятие фрактала – от латинского слова fractus, сломанный камень, расколотый и нерегулярный. Оказывается, почти все природные образования имеют фрактальную структуру. Что это значит? Если посмотреть на фрактальный объект в целом, затем на его часть в увеличенном масштабе, потом на часть этой части и т. п., то нетрудно увидеть, что они выглядят одинаково.

Фрактал – геометрическая форма, которая может быть разделена на части, каждая из которых — уменьшенная версия целого.

Свойства фракталов. Нерегулярность. Если фрактал описывать функцией, то свойство нерегулярности в математических терминах будет означать, что такая функция не дифференцируема, то есть не гладкая ни в какой точке. Самоподобие. Фрактал – рекурсивная модель, каждая часть которой повторяет в своем развитии развитие всей модели в целом и воспроизводится в различных масштабах без видимых изменений. Самоподобие означает, что у объекта нет характерного масштаба: будь у него такой масштаб, вы сразу бы отличили увеличенную копию фрагмента от исходного снимка. Самоподобные объекты обладают бесконечно многими масштабами на все вкусы.

В финансах движения акции или валюты внешне похожи, независимо от масштаба времени и цены. Наблюдатель не может сказать по внешнему виду графика, относятся ли данные к недельным, дневным или же часовым изменениям.

Третьим свойством фракталов является то, что фрактальные объекты имеют размерность, отличную от евклидовой. Она носит имя размерность Хаусдорфа-Безиковича. Эта размерность увеличивается по мере возрастания извилистости, тогда как топологическая размерность упорно игнорирует все изменения, происходящие с линией. Если это кривая, с топологической размерностью равной 1 (прямая линия), то кривую можно усложнить путем бесконечного числа изгибаний и ветвлений до такой степени, что ее фрактальная размерность приблизится к двум, т.е. заполнит почти всю плоскость. (рис. 2).

Рис. 2. (а) Сильноизогнутая линия способна заполнить собою плоскость; (б) переход от размерности 1 к размерности 1,5

В мультифракталах в роли показателя размерности выступает значение Н .

При фрактальной размерности менее 1,4, на систему влияет одна или несколько сил, двигающих систему в одном направлении. Если размерность около 1,5, то силы, действующие на систему, разнонаправлены, но более или менее компенсируют друг друга. Если же фрактальная размерность значительно более 1,6, система становится неустойчивой и готова перейти в новое состояние. Отсюда можно сделать вывод, что чем более сложную структуру мы наблюдаем, тем все более возрастает вероятность мощного движения (рис. 3).

Рис. 3. Смоделированные линии с различной размерностью

Когда мы применяем классические модели (например, трендовые, регрессионные и т. д.), мы говорим, что будущее объекта однозначно детерминированное, т.е. полностью зависит от начальных условий и поддается четкому прогнозу. Вы самостоятельно можете выполнить одну из таких моделей в Excel. А фракталы применяются в том случае, когда объект имеет несколько вариантов развития и состояние системы определяется положением, в котором она находится на данный момент. То есть мы пытаемся смоделировать хаотичное развитие. Именно такой системой и является межбанковский валютный рынок.

Глава 4. Теория волн Эллиота как основоположник теории фракталов

Технический анализ рынков – это методы прогнозирования дальнейшего поведения тренда цены, основанные на знании предыстории развития цены. Технический анализ для прогнозирования использует математические свойства трендов, а не экономические показатели различных стран, к которым принадлежит та или иная валютная пара. Технический анализ основан на 3 постулатах:

1. Рынок учитывает все.
2. Движение цен подчинено тенденциям. Бычий тренд – восходящее направление цены. Медвежий тренд – нисходящее направление цены. Флэт – боковое (горизонтальное) движение рынка.
3. История повторяется.

В теории Эллиота для обозначения пяти волнового тренда используют цифры, а для противоположного трех волнового – буквы. Если волна направлена в сторону основного тренда и состоит из пяти волновых движений, то она называется – импульсной. Если направление волны противоположно основному тренду, и она состоит из трех волновых движений, то она называется корректировочной (рис. 4).

Рис. 4. Волновой цикл Эллиота

Исходя из определения фрактала, Элиот первым заметил, что волны более мелкого порядка подобны волнам более высокого порядка и то, что система является самоподобной. Но когда большинство из нас сталкиваются с реальностью данных, а не с той простой схемой, что подробно описывается в волновой теории, многие приходят в разочарование в связи с тем, что не обнаруживают данного цикла в его изначальном виде.

Эллиот предложил самоподобную модель поведения цен, которая по своей сущности является фракталом, но она не отображает всех свойств присущих данному понятию и того, что в действительности происходит на финансовых рынках.

На валютном рынке время мультифракталыю, а в роли цены мы наблюдаем броуновское движение, обобщенное либо дробное!

Эллиот лишь заложил фундамент и предложил упрощенную форму поведения цены.

Глава 5. Модель Бенуа Мандельброта

Бенуа Мандельброт предложил модель фрактала, которая уже стала классической и часто используется для демонстрации, как типичного примера самого фрактала, так и для демонстрации красоты фракталов, которая также привлекает исследователей, художников, просто интересующихся людей. Данная модель, которая получила название «Множество Мандельброта» положила начало к развитию фрактальной геометрии (рис. 5).

Рис. 5. Множество Мандельброта

Модель Мандельброта обладает характерными свойствами. Самоподобие, пожалуй, одно из самых важных свойств данной модели.

Следующим свойством, которым обладает наша модель, это ее размерность (детализация). Применительно к рынку можно увидеть, что недельный масштаб цен обладает наиболее детализованными данными, что делает его структуру более четкой, относительно минутных графиков (рис. 6).

Рис. 6. Размерность (детализация) модели: (а) недельный график, (б) минутный график

Характерным свойством множества Мандельброта является его нерегулярность. Модель Мандельброта случайным образом выбирает направление дальнейшего пути развития, которое выглядит как разделение траекторий. Обычно эту точку называют, точкой бифуркации . Самое удивительное свойство множества Мандельброта – бесконечная дисперсия.

При анализе графиков Forex может применяться золотое сечение и .

Глава 6. Генератор – Святой Грааль на рынке Forex

Под моделью мы будем подразумевать закономерно выстроенную структуру цен, образовавшуюся в законченном цикле. Графики Forex можно сгенерировать, используя диагональную самоаффинность. Преобразования называются аффинными, когда она используют операции переноса и редукции.

Все модели я строю на основе функции Вейерштрасса-Мандельброта:

Параметр b определяет, какая часть кривой видна, когда аргумент t изменяется в заданном интервале. Параметр D принимает значения 1 < D < 2 и является показателем размерности фрактальной кривой. Например, при D = 1,5 и b =1,5 мы имеем модель, названную мной, как «модель 1.5» (рис. 7).

Рис. 7. Модель 1.5

Понятие размерности вполне можно соотнести с волатильностью биржевых цен. То есть с помощью параметра D , мы, подбирая нашу модель к похожей на рынке, можем отрегулировать ее таким образом, чтобы волатильность цен и размерность модели стали практически идентичными.

Модели можно получать с помощью программы, которая может их генерировать, путем задаваемых параметров D и b . Наиболее близки к рыночным реалиям модели 1.43, 1.5, 1.6, 1.7, 1.9.

Глава 7. Начальные условия и основные этапы развития моделей

Для примера будем использовать модель 1.9 (рис. 8). Вертикальными линиями разграничены волны. Модель 1.9 включает в себя наиболее полный и стандартный перечень элементов. Все остальные модели являются производными от данной структуры.

Рис. 8. Структура модели 1.9

Для данной Origin характерны следующие особенности:

1. Начинается данная структура после нисходящего движения.
2. Как правило, последняя волна в волне origin достаточно выражена (на рис. показана стрелкой).
3. Откат от волны origin не должен пересекать ее основание.
4. Ключевым уровнем отмены данной структуры будет пробой 23.6 уровня Фибоначчи.

Основные черты волны trident:

1. В отличие от origin она не начинается от очередного минимума нисходящего тренда.
2. Точка бета никогда не должна пересекать основание волны origin.
3. Если угол наклона между точками альфа и бета крутой, то тренд будет достаточно мощным и импульсивным. Если пологий, то тренд будет идти не под углом, а в горизонтальном направлении.

Особенности волны impulse:

1. Является самой заметной из всех волн, что выражается в продолжительности и скорости ее хода.
2. Практически всегда достигает уровня 161.8 от волны origin.
3. Все индикаторы показывают максимальное значение на этапе окончания волны impulse.
4. Данная волна может состоять из двух циклов.

Характерные особенности волны revival:

1. В отличие от волны trident, в данной структуре точки альфа и бета не представляют особой важности, так как уровень бета может оказаться значительно ниже альфа, что не означает отмены восходящего движения.
2. В данной структуре очень важно следить за тем, чтобы максимумы revival не стали максимальными уровнями от всей модели в целом.

Для того чтобы научиться грамотно определять цикл, мы должны уметь варьировать временными масштабами. Умение работать с различными масштабами это начало пути к профессиональному трейдингу! Если мы не видим развитие модели на определенном масштабе цен, то перед нами часть, большего цикла. Вот почему не после каждого нисходящего (восходящего) движения мы будем наблюдать целую модель. Циклы, развивающиеся в характерном для них масштабе цен, обладают наиболее высокой размерностью, чем часть большего цикла, расположенного в том же масштабе.

Глава 8. Определение циклов на валютном рынке

Есть ли цикл на рынке? На этот вопрос по сей день, нет конкретного ответа. Вот как Мандельброт описывает наличие циклов на финансовых рынках: «…все периодичности суть «артефакты», не характеристика процесса, но, скорее, совокупный результат зависящий от собственно процесса, длины выборки и суждения экономиста или гидролога. Первый из упомянутых факторов является внешним по отношению к наблюдателю, второй (в зависимости от конкретного случая) может предполагаться заранее или выбираться произвольно, а третий субъективен во всех случаях, то есть представляет собой продукт человеческого восприятия и предмет разногласий. (Впрочем, эти разногласия зачастую касаются только деталей, что может представлять интерес с точки зрения теории восприятия.)».

Мандельброт предложил в качестве определения размерности самоаффинных процессов использовать показатель Херста:

(2) H = logP/logT

Фрактальная размерность в этом случае определяется как:

(3) D =D m – H

и характеризует то, как предмет заполняет пространство. Чем выше D, тем больше шума на графиках. минутный и часовой графики. Тени, которые мы наблюдаем на различных временных масштабах, определяют степень зашумленности временного ряда! Чем длиннее тени свечей, тем более зашумленной является пара, что выражается в отклонении цены в момент поступления новой информации от истинного значения (структуры). Отсюда можно сделать вывод, что масштабы на валютном рынке представляют собой некий фильтр, который отсеивает всю ненужную информацию и определяет более важную (рис. 9).

Рис. 9. Масштабы в роли фильтров

Отличительной чертой циклов, которые присутствуют на валютном рынке является их непериодичность. Это значит, что цикл не имеет определенной стандартной длины. Петерс в своей книге «Хаос и порядок на рынке капитала» дает следующее определение: «Средняя длина цикла есть длительность, по истечении которой теряется память о начальных условиях». Петерс делает попытку определить длину цикла с помощью R/S анализа. Он нашел, что средняя длина цикла по индексу S&P500 равна 4 года. Однако автор делает поправку на то, что это некий статистический цикл и, что для практической торговли он не представляет ровными счетом никакого интереса.

К рынку применима фрактальная теория и те неправильные кривые, которые мы ежедневно наблюдаем на экранах своих мониторах, есть ни что иное, как фрактальный временной ряд. Отсюда вытекает понятие мультифрактального биржевого времени. Эйнштейн нашел, что средний квадрат расстояния, на которое удаляется от исходной точки случайно блуждающая частица пропорционален времени. Средний квадрат расстояния для фрактальной среды оказывается пропорциональным некоторой дробной степени времени, показатель которой связан с фрактальной размерностью среды α :

(4) α = 1/Н

(5) dP ~ (dt) Н  

Если Н = ½, модель характерна для эффективного рынка. Где постулируется, что процесс распределения цен соответствует гауссовскому. Здесь dP – изменение цены, соответствующее интервалу времени dt . Наиболее частое значение, показателя Херста для валютных рынков колеблется около 0,58 – 0,6, что соответствует α = 1,7 («модель 1.7»). Поскольку Н постоянно меняется, оно будет мультифрактальным . Приставка мульти означает, что мы имеем не одно, а несколько значений Н на различных временных интервалах.

Глава 9. Как совмещать фрактальную теорию с другими видами анализа

Выставляйте уровни поддержки и сопротивления ориентируясь на максимумы и минимумы цен. Расстояние между уровнем и тенями должно быть не менее 1–2 пунктов. Как узнать действительно ли это максимум цены или просто очередной всплеск? Это делается путем определения максимальных и минимальных уровней, которые цена делала в прошлом. Фрактальная теория рынка предполагает то, что прошлые значения цены коррелируют с ее будущими значениями.

Торгуя, на валютном рынке, трейдер даже не задумывается о взаимосвязи между отдельными валютами и ограничиваясь всего одной парой. Многие считают, что валютный рынок представляет из себя систему, поделенную на множество отдельных элементов (валютных пар) по сути, никак не связанных между собой! Вы упускаете огромные возможности, не используя структуру поведения различных валютных пар. Я не призываю вас к тому, чтобы открывать сделки по 2, 3, а уж тем более по 10 парам одновременно. Можно все время открывать сделки только по одной валютной паре, но сделать это так, чтобы сигналы на вход в рынок не противоречили другой валютной паре, связанной с ней.

Например, валютные пары Евро/Доллар и Фунт/Доллар являются однонаправленными, и мы наблюдаем схожую структуры движения цены. При этом у них различная волатильность, а значит и разные ключевые уровни. У одной из них уровни достигаются значительно быстрее, чем у схожей с ней валютой. Нам же остается только выставить ключевые уровни и ждать их пробоя. Как только они будут пробиты мы с полной уверенностью можем предполагать о том, что по той валюте, где еще цена даже не подошла к ним, возможен пробой ключевого уровня.

Сущностью рынка является ход цены, а вернее ее структура. Трейдер, который подвержен влиянию различных источников информации, а также пытается применить индикаторы, сильно рискует уйти от верного прогноза. Я вовсе не противник индикаторов и фундаментального анализа, я лишь призываю к тому, что, применяя данные инструменты, нам не нужно забывать о самом предмете. Применение фрактальной теории помогает определить направление цены, однако учитывая перепады в волатильности каждой пары в отдельности, индикаторы помогут наиболее точно сориентировать нас в текущей ситуации. Да они более удобны, в том плане, что с их помощью можно найти наиболее ключевые точки для входа или выхода с рынка. Но индикаторы очень плохо показывают общее направление цены, что является их существенным минусом.

Глава 11. Психология торговля

Работая на реальных счетах, человек уже не думает, он работает. Трейдеры незаметно для себя перестают разумно размышлять о своих проигрышах и выигрышах, для них начинает существовать только одна цель – заработать побольше и побыстрее. Данный синдром проявляет себя в следующем:

• Осуществление большого количества сделок за короткий период.
• Отсутствие понятия риск.
• После успешно выполненной сделки, данный игрок открывает еще одну.
• Происходит отвержение и не понимание теории. Работа на рынке происходит без предварительного разогрева.
• Невозможность принять свое поражение.

Всем известно такой вид ордеров, как стоп-лосс и тейк-профит. Вы должны понять, что, если вы, до того, как хотите осуществить сделку не знаете, где ограничить свои потери и сколько прибыли вам нужно забрать, вы уже проиграли.

После того, как вы осуществляете успешную сделку вы находитесь в состоянии победителя, которому все по плечу, вы празднуете, а во время праздника человеку не свойственно трезво оценить ситуацию. Поэтому не спешите сразу открывать очередную сделку, отдохните, соберитесь с силами, и ваша торговля станет поистине профессиональной.

Литература

Давид Рюэль. . – Ижевск: РХД, 2001. – 192 с.

Бенуа Мандельброт. : фрактальная революция в финансах. – М.: Вильямс, 2006. – 408 с.

Бенуа Мандельброт. Фрактальная геометрия природы. – Москва–Ижевск: ИКИ, 2002. – 656 с.

Бенуа Мандельброт. . – Ижевск: РХД, 2004. – 256 с.

Эдгар Петерс. . – М.: Интернет-трейдинг, 2004. – 304 с.

М.В. Прудский. ФРАКТАЛЬНЫЙ АНАЛИЗ ФИНАНСОВЫХ РЫНКОВ. Рассмотрены основные свойства и природа фракталов, возможности их применения в повседневной жизни, а также преимущества фрактального подхода при моделировании финансовых рынков. Будут разобраны основные стохастические модели временных рядов и на примере курса доллара будет построена фрактальная ARIMA лог-приростов, определение которой будет основано на фрактальном R/S-анализе размерности графика курса доллара. Будет дана также интерпретация показателя Хёрста – результата R/S-анализа, позволяющего судить о возможности прогнозирования исследуемого финансового инструмента.

Изложение основного материала

В современном мире финансовые рынки привлекают довольно широкий общественный интерес. Круг людей, которые имеют дело с финансовой аналитикой, разнится от рядовых трейдеров, до аналитиков глобальных корпораций и государственных органов. Человечество давно интересуют законы поведения таких практически непредсказуемых объектов. Котировки акций, валютные курсы, цены на фьючерсы, опционы и прочие финансовые инструменты – это лишь малая часть того, на чём может заработать деньги квалифицированный человек. Существует множество способов анализа событий, происходящих на рынках. Это и технический анализ, и фундаментальный, и теория волн Эллиота, а также много различных менее известных методик. Но одна методика выделяется среди них своей простотой и оригинальностью – фрактальный анализ. Многие слышали о том, что такое фрактал, изучали в школах и университетах, видели простейшие одномерные и сложные дифференциальные многомерные фракталы, но мало кто знает об их истинной пользе. Изобретённые Мандельбротом, они нашли применение практически во всех сферах повседневной жизни. Фрактальную природу имеют форма раковины моллюска, турбулентные завихрения в воздухе, человеческие сосуды, крона дерева, форма листа, волны, береговая линия, трещины, молнии и многие другие всем знакомые объекты реального мира. Фрактальную природу имеют и графики котировок акций и валют. Если вычислить фрактальные свойства времени и пространства финансовых инструментов, становится возможным осуществлять точечные и интервальные прогнозы будущих значений с высокой точностью. Фракта?л (лат. fractus - дроблёный, сломанный, разбитый) - геометрическая фигура, обладающая свойством самоподобия, т.е. составленная из нескольких частей, каждая из которых подобна всей фигуре целиком. Фактически не существует точного определения термина «фрактал». Бенуа Мандельброт, отец фрактальной геометрии, тоже не сформулировал точного определения. Фракталы имеют определенные особенности, которые измеримы, и свойства, которые являются желательными для целей моделирования. Первое свойство – самоподобие. Оно означает, что части в некотором роде связаны с целым. Это свойство самоподобия делает фрактал масштабно-инвариантным. Фрактальные зависимости имеют вид прямой на графиках, где обе оси имеют логарифмический масштаб. Модели, описываемые таким образом должны использовать степенную зависимость (вещественное число, возведенное в степень). Эта особенность масштабирования по степенному закону является вторым свойством фракталов, фрактальной размерностью, которая может описывать либо физическую структуру, такую как легкое, либо временной ряд . Слово «фрактал» может употребляться не только как математический термин. Фракталом в прессе и научно-популярной литературе могут называть фигуры, обладающие какими-либо из перечисленных ниже свойств:

1. Обладает нетривиальной структурой на всех масштабах. В этом отличие от регулярных фигур (таких как окружность, эллипс, график гладкой функции): если мы рассмотрим небольшой фрагмент регулярной фигуры в очень крупном масштабе, он будет похож на фрагмент прямой. Для фрактала увеличение масштаба не ведёт к упрощению структуры, на всех шкалах мы увидим одинаково сложную картину.
2. Является самоподобной или приближённо самоподобной.
3. Обладает дробной метрической размерностью или метрической размерностью, превосходящей топологическую.

Рисунок 1 – Пример фрактала

Фракталы – безусловно красивые математические причуды природы. Если взглянуть на график функции Вейерштрасса, то можно увидеть сходство с графиками курсов валют или котировок акций. Этот фрактал описывается функцией

где a – нечётное число, а b – число, меньшее единицы. Эта функция непрерывная и нигде не дифференцируемая. Применяется для моделирования временных рядов методом Монте-Карло .

Стохастические модели временных рядов Существует несколько процессов с кратковременной памятью, которыми обычно пользуются при прогнозировании цен на финансовых рынках. В их числе:
1. AR.
2. MA.
3. ARMA.
4. ARIMA.
5. ARFIMA.
Остановлюсь более подробно на фрактальной авторегрессии.

ARIMA ARIMA (англ. autoregressive integrated moving average) – интегрированная модель авторегрессии - скользящего среднего – модель и методология анализа временных рядов, иногда называемые моделями (или методологией) Бокса-Дженкинса. Модель ARIMA(p,d,q) означает, что разности временного ряда порядка подчиняются модели ARMA(p,q) .

С использованием лагового оператора модель можно записать в таком виде:

Модели ARFIMA Данные модели предполагают использование дробных порядков разностей, поскольку теоретически порядок интегрированности d временного ряда может быть не целой величиной, а дробной. В этом случае говорят о дробно-интегрированных моделях авторегрессии –скользящего среднего (ARFIMA, AutoRegressive Fractional Integrated Moving Average). Для понимания сущности дробного интегрирования необходимо рассмотреть разложение оператора взятия d-ой разности в степенной ряд по степеням лагового оператора для дробных d (разложение в ряд Тейлора):

Кроме коэффициент при k-м члене ряда Тейлора = Гk-dГk+1Г-d. К полученным разностям применяется модель ARIMA. Таким образом, последняя модель является более точной в силу её фрактальных свойств .

R/S-анализ курса доллара к рублю. Прежде чем моделировать ряд курсов доллара, необходимо вычислить его фрактальную размерность. Для этого следует воспользоваться методикой R/S-анализа и вычислить показатель Хёрста. Для выполнения всех необходимых вычислений автором были использованы пакет статистического анализа «R 2.5.1», а также аналитический комплекс «Прогноз 5.26». Первым шагом станет преобразование исходного ряда в ряд лог-приростов, в дальнейшем все операции по моделированию будут происходить именно в отношении преобразованного ряда. На Рис. 2 можно увидеть преобразованный ряд.

На этом рисунке особенно видна хаотичность показателя в кризисный и послекризисный периоды. Однако на данном этапе при применении R/S-анализа можно столкнуться с серьёзной трудностью – данная методика требует независимости данных во времени. Известен факт, что дневные данные по курсам финансовых инструментов обладают очень высокой автокорреляцией первых порядков. Коррелированно может быть до 7-10 значений. Для устранения этой проблемы применяется методика вычисления AR(1)- разностей. Конечно, метод разностей первого порядка не устраняет всю линейную авторегрессионную зависимость и не учитывает разности более высоких порядков, но он позволяет свести её к минимуму, достаточному для применения анализа с начальным условием независимости. Внешне ряд лог-приростов, скорректированный на AR(1)-разности, почти ничем не отличается от исходного ряда, однако его автокорреляция значительно ниже. Для вычисления фрактальной размерности ряда было использовано 4500 значений курса рубля к доллару с начала его публикации Центральным банком России. С имеющимся в распоряжении рядом связано несколько трудностей: 1. До 2002 года (включительно) Центральный банк Российской Федерации фиксировал значения курса только до 2-го знака после запятой, что создавало ошибки и неточности округления. 2. Курс доллара динамически изменяется в течение дня и иногда округление создаёт фиксацию на одинаковом курсе в течение нескольких дней. (особенно актуально для предыдущего недостатка). Вследствие перечисленных проблем возникают целые последовательности нулевых лог-приростов в ряду значений. Наибольшая такая цепочка была обнаружена ближе к концу исследуемого периода – она составила 10 значений. Для проведения анализа необходимо было разбить ряд скорректированных лог-приростов на несколько групп рядов меньшей длины. Далее посчитать в каждой группе рядов R/S-статистику и усреднить на количество элементов. Длину необходимо постоянно увеличивать до половины начального ряда. Авторы советуют не брать длину меньше 10, поскольку она может исказить значение RS-статистики . В Таблица представлены результаты R/S-анализа курса доллара.

Таблица 1 - Результаты R/S-анализа/

Таким образом, первоначальными данными для регрессии и определения фрактальной размерности станут 2-й и 4-й столбцы Таблица. Для того чтобы узнать размерность ряда, необходимо решить уравнение, прологарифмировав его: RS=nH ec В итоге искомая регрессия будет иметь вид lnRS=c+H lnn. Решением этой регрессии будут следующие значения: С = -0.4617; H = 0.6294; R 2 полученной регрессии составляет 0.997529, что свидетельствует о высокой точности и правдоподобности полученных результатов. На Рис. 3 представлен график R/S-статистик и регрессии по шкале у. По шкале х показан логарифм длины подпериода (n).

Рисунок 3 – Результат R/S-анализа

Исходя из полученного значения показателя Хёрста, можно сделать вывод о персистентности ряда. Хотя уровень персистентности ряда низок (значение показателя ближе к 0.5, чем к 1, тем не менее лог-приросты курса доллара поддаются моделированию. Они обладают долговременной памятью и выводятся и прогнозируются из своих предыдущих значений. Это оказалось вполне естественным, поскольку персистентные временные ряды очень распространены в природе.

Построение фрактальной модели ARFIMA

Вычисление показателя Хёрста требовалось для определения параметра оператора дробного дифференцирования в модели ARFIMA. Дробно-интегрированные авторегрессионные модели скользящего среднего являются фрактальными и поэтому очень подходят для моделирования курса доллара. Параметр d для такой модели будет равен H-0,5 = 0,1294. Для построения такой модели сначала необходимо дробно дифференцировать исходный ряд курсов доллара по степени d. Далее моделирование будет происходить уже относительно этих разностей.

Для начала необходимо написать разложение разностного оператора 1+L0,1294 в ряд Тейлора. Данная разность будет учитывать значения в несколькие предыдущие периоды. Перед использованием коэффициентов ряда Тейлора необходимо доказать, что при степени d числовая последовательность коэффициентов при лаговых операторах сходится. Для этого воспользуемся признаком Лейбница: 1) докажем, что a1>a2>a3>…>an; 2) докажем, что an стремится к 0.

Доказательство:

1. limk>?-1k+1 j=0kd-j k!-1k j=0k-1d-j k+1!=k-dk=1-dk. При всех конечных значениях k отношение (k+1)-го и k-го членов ряда

2. Далее нужно сравнить его с рядом 1k, который превосходит его по значению, и при этом стремится к 0. Таким образом, можно сделать вывод, что числовая последовательность коэффициентов при ряде Тейлора также стремится к 0 по признаку Лейбница. Несмотря на то что курс доллара обладает бесконечной долговременной памятью, на мой взгляд, наиболее логичным и оптимальным решением будет ограничить количество членов ряда Тейлора для вычисления разностей, поскольку было бы неправильно оценивать завтрашний курс с учётом курса десятилетней давности.

Таким образом, решено ограничиться 30 предыдущими днями для вычисления каждой из разностей (месяц). В Таблица приведены результаты вычислений значений коэффициентов для каждого лага

Таблица 2 - Коэффициенты при лагах для фрактальных разностей

На Рис.4 приведены результаты вычисления разностей на всём исследуемом периоде.

Этот график почти не отличается от исходного по курсам доллара, однако модель этих разностей будет гораздо точнее, чем простая или целая интегрированная модель дневного курса доллара. Для моделирования предпочтительно взять последние 40 значений разностей, поскольку это не слишком превышает месячную динамику и в то же время делает модель значимой. Путём длительного перебора нескольких вариаций был установлен оптимальный вид авторегрессионной модели скользящего среднего (ARMA) для разностей. Ею оказалась модель ARMA(4,7). В Таблица представлены основные характеристики модели.

Таблица 3 - Статистика модели разностей ARMA(4,7)

Коэффициент детерминации говорит о том, что модель в целом, несмотря на некоторую пилообразность, хорошо объясняет динамику фрактальных разностей во времени. На Рис. 5 изображён график, показывающий модельный, исходный и прогнозный ряды

После моделирования и прогнозирования разностей наступает этап, когда требуется восстановить исходный ряд, имея в распоряжении значения разностей.

Построенная модель обладает способностью делать краткосрочные прогнозы курса доллара.

Выводы

После проведённого анализа и моделирования хочется заметить высокие перспективы применения фрактального анализа в изучении свойств финансовых рынков, поскольку, несмотря на то, что данные модели являются высокоточными и эффективными, они не являются вершиной достижений фрактального анализа. В данный момент существуют мультифрактальные модели, применяемые не только для имитации и прогнозирования финансовых рынков, но и в таких сферах, как предсказание землетрясений. Такие модели очень распространены в научных лабораториях Европы, поскольку смысл подобных моделей предполагает проникновение в саму суть и структуру того показателя, который подвергается изучению.

Список использованной литературы

1. Кроновер Р. М. Фракталы и хаос в динамических системах. Основы теории. М.: Постмаркет, 2000. 353с.
2) Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс. М.: Дело, 2007. 504 с.
3) Мандельброт Бенуа, Ричард Л. Хадсон (Не)послушные рынки: фрактальная революция в финансах The Misbehavior of Markets. М.: Вильямс, 2006. 400с.
4) Морозов А.Д. Введение в теорию фракталов. М.; Ижевск: Ин. компьютерных иссл., 2002. 160с.
5) Петерс Э. Фрактальный анализ финансовых рынков: применение теории хаоса в инвестициях и экономике. М.: Интернет-трейдинг, 2004. 304с.
6) http://ru.wikipedia.org
7) http://www.nsu.ru/phpBB/viewtopic.php?t=19201
8) http://www.cbr.ru/
9) http://fraktals.ucoz.ru/publ/12-1-0-54

Движение цены имеет фрактальную природу, потому что действия и реакции людей на рынке повторяются. Задача заключается в распознавании этих повторяющихся моделей на графике цены. В данной статье мы подробно рассмотрим один из способов нахождения таких моделей.

Законы гравитации, емкости, инерции и цикличности являются важными движущими силами финансовых рынков. Все модели, поведение и динамику рынка можно рассматривать в качестве симптомов или результата действия этих законов. Эти базовые силы легко поддаются пониманию и интуитивному восприятию. Доказать их наличие можно, используя простую, неопровержимую логику, опирающуюся на эмпирические доказательства. В данной статье мы рассмотрим фрактальную структуру рынков, ее проявления и последствия, а также возможности, которые она дает проницательному и, в конечном итоге, успешному трейдеру.

Фракталы на финансовых рынках

Фракталы представляют собой естественное явление и в то же время - математические множества. Общее для них - их повторяющаяся модель, которую можно наблюдать на любом масштабе времени и пространства. Чтобы представить это в финансовом контексте, взгляните на рисунок 1, где изображены три свечных графика. Один из них - дневной график (одна свеча представляет один день торговли), другой - 5-минутный (одна свеча объединяет 5 минут торговли), а третий - недельный (все движения за неделю сжаты в одну свечу). Каждый график представляет различный тип финансовых активов - , индекс и товар. Кроме того, каждый из них охватывает различный период времени.

Рисунок 1

Но даже с учетом всего этого, все равно невозможно сказать, какой график к чему относится. Не имея цен по вертикальной оси и/или временных меток по горизонтальной, отличить их не удастся. Фактически, поскольку эти три графика показаны рядом друг с другом, их можно принять за один непрерывный график. Для тех, кому интересно, скажем: левый график - недельный таймфрейм по золоту, средний - дневной по S&P 500, а правый - 5-минутка Google, Inc. (GOOG).

Хорошей аналогией здесь может служить концепция числовой бесконечности. Есть два подхода к числовой бесконечности. Один заключается в том, что для каждого числа существуют соседние числа - меньшее и большее, для которых, в свою очередь, также имеются меньшее и большее соседние числа; и так - до бесконечности; это есть бесконечность размера. Другой подход заключается в том, что между любыми двумя числами существует бесконечное множество других чисел - это есть бесконечность точности. То же самое можно сказать о данных на финансовых рынках. Непрерывно поступают новые котировки, которые можно рассматривать на таймфреймах различной степени точности. Единственное исключение в этом сравнении заключается в том, что масштаб (если мы говорим о движении цены) не является бесконечным. На практике, наименьшим масштабом является одиночная операция. Но концепцию бесконечности все же можно использовать, чтобы увидеть фрактальную природу ценовых данных на финансовых рынках.

Рисунок 1 является примером нескончаемого потока эмпирических доказательств. Можно ли выдвинуть здравое объяснение, или универсальный закон, которое учитывало бы это явление? Если да, то это могло бы объяснить, как работает . Мы полагаем, что сформулировать универсальный закон можно. Любой график, отображающий поведение финансовых рынков, независимо от его таймфрейма или расположения во времени, является результатом прошлых операций. Мы имеем в виду операции, выполненные людьми в качестве реакции на различные импульсы. На диаграмме на рисунке 2 можно увидеть представление внешнего взгляда на финансовый рынок. Финансовый рынок состоит из новых для данной системы внешних импульсов (новости, отчеты и другие фундаментальные данные), а также из выходного сигнала, который внутренне возвращается в систему (люди, реагирующие на движение цены).

Рисунок 2

Графики - это ничто иное, как совокупный результат прошлых действий всех трейдеров или исполненных ордеров. Поскольку люди действуют и реагируют на то, что делает рынок, одинаковым образом и одинаковыми методами на всех таймфреймах, то их поведение, в конечном счете, проявляется в одинаковых моделях, независимо от масштаба.

Человеческие эмоции неизменны, какой бы таймфрейм мы ни рассматривали. То же относится и к вытекающему из этих эмоций поведению.

Фокальные точки

Трейдеры применяют одинаковые методы и индикаторы для поиска однотипных сигналов, независимо от таймфрейма, на котором они работают. Зная это, стоит в процессе торговли следить за несколькими таймфреймами. Нечто подобное сделал Александр Элдер, разработавший свою систему торговли по трем экранам, предполагающую, что трейдеру необходимо смотреть на один таймфрейм ниже и один таймфрейм выше того, на котором он торгует.

Как идеальный шторм начинается с невинного бриза, который в конечном итоге перерастает в ураган, точно так же можно постараться с пользой для себя уловить точки, где сигналы на различных таймфреймах начинают согласоваться. Чем больше число сигналов (разных или одинаковых) на всех таймфреймах, тем большую важность приобретает данный конкретный момент времени.

Количество графиков, на которых одновременно присутствуют схожие сигналы, определяет важность и глубину понимания рыночной динамики. Подумайте, сколько людей в этот момент наблюдают за данным графиком и данным сигналом, глядя на разные таймфреймы. Компьютер - идеальное средство для обработки такого большого объема информации. Например, вы можете просмотреть 50 возможных формаций или сигналов на 20 различных таймфреймах для конкретной акции, а затем повторить это еще для нескольких тысяч акций.

Затем мы придем к пониманию, что будущее любого графика определяется накопительным исполнением ордеров, которые еще даже не размещены. Невозможно заранее знать, будет ли данная внутридневной, краткосрочной, продлится несколько дней или недель, или же станет долгосрочной, которую вы будете удерживать от нескольких недель до нескольких месяцев. Каждая сделка развивается с эмбриональной стадии - это самая мелкая форма на самом мелком масштабе времени. Вот почему фракталы играют важную роль в торговле.

Атомы торговли

Каждый тренд, независимо от его длины, начинается с самого нижнего Low (в случае восходящего тренда) или с самого высокого High (в случае нисходящего). Каждое дно, при достаточном приближении, имеет V-образную форму, состоящую из трех баров. Аналогично, каждая вершина должна будет выглядеть, как перевернутая буква V, если рассмотреть ее самую верхнюю точку при достаточном увеличении. Это означает, что на самом базовом уровне, независимо от рассматриваемого таймфрейма, всегда присутствуют три бара, которые составляют этот атом - строительный элемент любого графика. Тренды и развороты всегда будут заканчиваться или начинаться тремя барами, средний из которых представлет собой крайнюю верхнюю или крайнюю нижнюю точку. Взгляните на рисунок 3. На левом графике вы видите модель из трех баров, которая называется "фрактал вниз с одним баром". "С одним баром" означает, что с каждой стороны от среднего бара есть по одному бару с более высокими High.

Рисунок 3

Рядом с этой моделью на диаграмме приведен фрактал вверх с двумя барами, т.е. с каждой стороны от среднего бара есть по два бара. Необходимо знать некоторые нюансы этих определений, встречающиеся в литературе по торговле. Например, для фрактала вверх с пятью барами, в большинстве источников есть требование, что с каждой стороны от вершины или дна должны быть хотя бы два бара, чтобы эта формация называлась фракталом. Существует расхождение во мнениях, поскольку некоторые считают, что окружающие бары не обязательно должны демонстрировать устойчивый восходящий или нисходящий тренд, а некоторые полагают иначе. Пример такой ситуации вы можете увидеть на третьей диаграмме на рисунка 3. Красный бар - это фрактал вверх с тремя барами, потому что справа от красного бара в самом деле есть три бара с более низкими High, несмотря на то, что третий выше второго. В некоторой литературе это называется фракталом вверх с тремя барами, потому что четвертый бар справа снова имеет более низкий High. Аналогично, если посмотреть на бары слева от зеленого, можно заметить, что третий бар слева имеет более высокий Low, чем зеленый бар, хотя его Low ниже, чем у второго бара слева от зеленого. В литературе присутствует довольно много путаницы в отношении определений фрактальных моделей и того, как их использовать. Поэтому в данном вопросе нужно пойти на один шаг дальше.

Фрактальный континуум

Помимо всех классификаций, учитывающих соседние бары, каждому бару можно присвоить набор из четырех цифр. Количество баров слева и справа от рассматриваемого бара, которые демонстрируют более высокие Low, чем у рассматриваемого, называется числом Chartmill поддержки данного бара слева/справа (CLS и CRS, соответственно) . Аналогично, число Chartmill сопротивления данного бара слева/справа (CLR и CRR, соответственно) учитывает количество баров слева и справа от данного бара с более низкими High. Эти числа четкие и позволяют избежать путаницы. Таймфрейм, который вы используете для анализа, не должен влиять на то, как вы определяете и анализируете фрактальную природу рынка. Важно иметь объективные индикаторы и сигналы. Более того, эти индикаторы и сигналы должны игнорировать любые характеристики визуального восприятия, например: масштаб времени на горизонтальной оси или линейность/логарифмичность оси. Только после этого можно создать объективные, не зависящие от графика индикаторы, которые можно применять алгоритмически, сканируя на наличие фокальных точек.

Будьте в курсе всех важных событий United Traders - подписывайтесь на наш

Эту книгу автор посвятил изложению гипотезы фрактального рынка. В книге говорится о том, что эта гипотеза является альтернативой гипотезы эффективного рынка. Повсеместно в нашем мире присутствуют фракталы. При этом они играют значительную роль и в строении финансовых рынков, которые глобально детерминированы, но локально случайны. Так считает автор книги. В этом издании также рассмотрят методы анализа рынков акций, валют и облигаций фрактальным способом. Автор поведает о методах различения независимого процесса.

Кроме того, из книги «Фрактальный анализ финансовых рынков» вы узнаете о методах стохастического нелинейного процесса, а также процесса нелинейного и детерминированного. В этой книге проведено исследование влияния таких различий на пользовательские стратегии инвестиций и способности моделирования. Подобные способности и стратегии плотно соприкасаются с инвестиционным горизонтом пользователя и типом активов. Для финансистов, риск-менеджеров, рыночных технических аналитиков, инвестиционных стратегов и, кроме того, для валютных спекулянтов и индивидуальных инвесторов, которые входят на финансовые рынки всего мира самостоятельно. В числе таких рынков Форекс и рынки нашей страны.

Работа рынков по книге «Фрактальный анализ финансовых рынков»

Когда настанет время взглянуть на работу рынков более целостно, будет необходимым признание большей разнородности, которая лежит в основе таких рынков. Все инвесторы участвуют здесь не по одной и той е причине, при этом они свои стратегии не используют на одних инвестиционных горизонтах. Крепко связана с разнородностью инвесторов и стабильность рынков. Как правило довольно разнородным является зрелый рынок. Повсюду правила бы нестабильность, если бы все участники вкладывали бы свой капитал с одной целью, имели бы одинаковый горизонт инвестиций и одинаково реагировали на информацию.

Зрелые рынки, согласно книге «Фрактальный анализ финансовых рынков» довольно длительное время обладают удивительной стабильностью. Анонимную торговлю с пенсионным фондом может проводить дэйтрейдер. Фонд торгует ради долгосрочной финансовой безопасности и делает это не часто, а дэйтрейдер ведет торговлю частую и целью его является краткосрочная прибыль.

Цели книги «Фрактальный анализ финансовых рынков»

Первой целью данного издания является необходимость представления фрактальной гипотезы рынка. В ней говорится о том, каким образом и по какой причине рынки функционируют. Второй целью можно назвать желание представить необходимые инструменты для анализа рынков в границах фрактальной структуры. Использоваться данной целью могут очень многие существующие инструменты. Автор представляет читателю новые инструменты, которые могут быть добавлены в собственный набор аналитиками. Кроме того, автор рассматривает в этом издании существующие инструменты.

Книга «Фрактальный анализ финансовых рынков» - это не рассказ, не смотря на то, что главный акцент сделан на аспектах концептуальных. Скрупулёзно изучаются аналитические методы в границах концептуальной структуры. Каждый, по мнению автора, кто имеет прочные знания в коммерческой статистике, отыщет в этой книге очень много полезной информации. Не на динамике сделан здесь главный акцент, а на эмпирической статистике. Иными словами на анализе временного ряда для нахождения того, с чем каждый из нас имеет дело. После прочтения этой книги, вы уже не сможете мыслить прежними образами. Ваше видение этой области изменится навсегда.