Автоматизация применения теории Г. Марковица для мониторинга рынка валют

Теоретические основы теории Г. Марковица. Оценка валютных рисков. Выбор экзогенных переменных для прогнозирования курса финансового инструмента. Каузальные и качественные методы прогнозирования. Краткосрочный, среднесрочный и долгосрочный прогнозы.

Рубрика Экономико-математическое моделирование
Вид реферат
Язык русский
Дата добавления 10.12.2013
Размер файла 316,0 K

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

Тема

Автоматизация применения теории Г. Марковица для мониторинга рынка валют

Дулин А.Н. д.т.н , профессор ЮРГПУ им. М.И. Платова

Рыбалкин А.Д., к.т.н, доцент ЮРГПУ им. М.И. Платова

Рыбалкин Д.А. ООО «СГК-Трубопроводстрой-2» инженер ПТО

Теоретические основы

Известные методы страхования таких рисков (хеджирование) приводят к потере премий, уплаченных за страхование. По этому, целесообразно с целью снижения расходов на страхование валютных рисков рассмотреть возможность применения новых методов прогнозирования [2], отличающихся от известных более высокой точностью прогноза.

Под прогнозом цены финансового инструмента для целей дальнейшего изложения будем понимать количественное значение цены. Такое определение прогноза отличается от принятого на валютном и фондовом рынках [3], где в качестве прогноза обычно указывают только предполагаемое направление движения цены на некоторую временную перспективу. Различают краткосрочный, среднесрочный и долгосрочный прогнозы [2]. Для оценки валютных рисков, предприятиями реального сектора экономики краткосрочные риски не представляют интереса. Оценка этих рисков представляет интерес только для спекулянтов.

Согласно [2] все методы прогнозирования можно разделить на 3 группы:

1. Анализ временных рядов. Эти методы получили широкое развитие и применение при торговле на рынке Форекс под общим названием «Технический анализ». [3]

2. Каузальные методы прогнозирования. Эти методы распадаются на 3 большие группы, а именно: многомерные регрессионные модели, эконометрические модели и компьютерная имитация. Практическое применение этих методов невозможное без применения ЭВМ и возможно только при наличии соответствующего программного обеспечения.

3. Качественные методы прогнозирования. Как следует из самого названия, эти методы не применимы для прогнозирования цены, а могут только указывать наиболее вероятное направление движения цены.

В работе предлагается метод прогнозирования использующей в своей основе портфельную теорию Г. Марковица.

Как известно при определении состава оптимального портфеля в качестве исходных данных для расчета используется таблица, в которой собрана информация о финансовых инструментах. Эта таблица в дальнейшем используется в расчетах в форме матрицы.

Таблица 1 - Вид базы данных

Переменные

независимые

зависимая

X1

X2

...

XN

Y

11

x_11

x_12

...

x_1N

Y_1

22

x_21

x_22

...

x_2N

Y_2

...

...

...

...

...

...

m

x_M1

x_M2

...

x_MN

Y_m

Имея такую базу данных можно построить функциональную взаимосвязь между переменной, выбранной в качестве эндогенной (Y) и одной или несколькими экзогенными переменными X1,X2,...XN.

С помощью таблицы значений прошлых наблюдений можно подобрать (например, методом наименьших квадратов) коэффициенты регрессии, настроив тем самым модель [2].

При работе с регрессией надо соблюдать определенную осторожность и обязательно проверить на адекватность найденные модели. Однако для практического применения таких моделей для прогнозирования цены недостаточно определить адекватность модели один раз на исторических данных и затем применять неограниченно долго. Дело в том, что при выходе фундаментальных данных [4], существенно отличающихся от ожиданий рынка, происходит резкое движение и даже возможно изменение движения рынка на противоположное (разворот тренда). В этих условиях применение модели рассчитанной по историческим данным, которые имели место до выхода новости, которая привела к развороту рынка недопустимо, так как прогноз будет ошибочным. В свою очередь ошибка прогноза явилась следствием того, что применяемая модель перестала быть адекватной изменившемуся рынку.

С целью повышения точности прогноза предложено в режиме реального времени отслеживать разность между реальной ценой инструмента и прогноза и применяя методы теории автоматического управления вводить корректирующие воздействие.

Для реализации этого алгоритма необходимо решать одновременно две задачи:

-контролировать адекватность применяемой модели существующим в данный момент на рынке условиям;

-выполнять прогноз, рассчитывая значения цены с применением полученной модели.

Понятно, что решение этой задачи в режиме реального времени возможно только при наличии программного обеспечения и современного персонального компьютера [5].

Выбор экзогенных переменных для прогнозирования курса финансового инструмента.

Идея о применении корреляционных зависимостей для прогнозирования курсов валют может быть применена, только после всестороннего анализа их наличия и устойчивости на продолжительных интервалах времени.

Этот факт может служить основанием для проверки. Вычислим коэффициент корреляции для различных тайм - фреймов и для разного радиуса(n).

каузальный прогноз валютный риск

Рисунок 1 - График корреляционной зависимости между EURUSD и USDCHF на тайм фрейме D1 для n=55 для временного интервала с 21.12.2009 по 26.08.2010

На данном графике коэффициент корреляции постоянно отрицательный. С помощью разработанной программы были проведены исследования, которые показали, что коэффициент корреляции не остаётся постоянным и даже в некоторые моменты времени становится положительным. При увеличении радиуса наблюдения характер изменения коэффициента корреляции становится более ровным и большее время находится в окрестности точки -1.

Следовательно, валютная пара USDCHF может рассматриваться как претендент на роль экзогенной переменной при прогнозировании курса валютной пары EURUSD.

Рассмотрим и других возможных претендентов.

Ожидаем, что GBPUSD и EURUSD связаны прямой зависимостью. Исследования показали, что в большинстве случаев это действительно так, Следовательно, и пара GBPUSD так же может рассматриваться как претендент на роль экзогенной переменной при прогнозировании курса валютной пары EURUSD.

Как показали дальнейшие исследования, в качестве экзогенной переменной при прогнозировании курса валютной пары EURUSD может рассматриваться цена золота в долларах США и цена нефти так же в долларах США.

Программное обеспечение для прогнозирования

На практике можно добиться повышения качества прогноза за счёт применения прогноза, который строиться на нескольких инструментах [6]. При этом в качестве наиболее вероятного принимать тот, у которого коэффициент корреляции по модулю больше некоторого наперед заданного. В приведенных ниже расчетах этот уровень выбран равным 0,8 по модулю.

Рисунок 2 - График прогноз между EURUSD, USDCHF(красно-зеленый), XAUUSD (желто-серый), _ QMUSD (черно синий) и GBPUSD (аква-светлозеленый ) на тайм фрейме m5 для n=55 для временного интервала с 10.01.2011 по 11.01.2011

На рисунке 2 приведен прогноз значения EURUSD при использовании в качестве экзогенных переменных USDCHF, XAUUSD, _QMUSD,GBPUSD. На пересечении зеленой и синей линий прогноза мы видим сигнал к входу в рынок, стоимость инструмента составит примерно 1.2960. Прогнозируемая цена закрытия 1.2930. Мы видим, что это имеет место быть перед ростом вверх.

При открытии данной позиции рекомендую поставить стоп-лосс (ордер, ограничивающий величину убытка) равным тейк-профиту (ордер, задающий величину прибыли) так как 30 пипсов очень маленький ход. Но очень интересный для работы, так как на 5 минутах можно открывать и закрывать позицию много раз в день.

Рисунок 3- График прогноз между EURUSD, USDCHF(красно-зеленый), XAUUSD (желто-серый), _ QMUSD (черно синий) и GBPUSD (аква - светлозеленый) на тайм фрейме m15 для n=55 для временного интервала с 11.11.2010 по 12.11.2010

На рисунке 3 приведен прогноз EURUSD по отношению к USDCHF, XAUUSD, _QMUSD,GBPUSD. Синяя линия дала сигнал на покупку, который оправдался. При использовании консервативных стратегий входить по сигналу только от одного инструмента не рекомендуется. В данном случае, если трейдер войдет в рынок будет использована агрессивная стратегия и соответственно рост рисков неизбежен.

Выводы

1. Теоретические основы теории Г. Марковица могут быть применены для построения не только портфельной, но и других моделей рынка.

2. Точность прогноза цены финансового инструмента можно повысить за счёт мониторинга рынка в режиме реального времени.

3. Для практической реализации мониторинга рынка в режиме реального времени разработано соответствующее программное обеспечение.

Литература

1. Сычев В.А. Экономико-математические модели оценки и прогнозирования валютных рисков во внешнеэкономической деятельности хозяйствующих субъектов./ Под общ. Ред. Проф. Е.Б. Колбачева.- Ростов н/ Д: Академцентр, 2009, -с.302.

2. Шикин Е.В., Чхартишвили А.Г. Математические методы и модели в управлении: Учеб. пособие .-М.: Дело, 2000. - 440 с.

3. Стивен Б. Акелис. Технический анализ от А до Я.-М.: Диаграмма, 2000. -376 с.

4. Основные экономические индикаторы.; учеб. пособие./ Ричард Ямароне ;пер. с англ. -М.: СмартБук.,2010.-320 с.

5. Дулин А.Н. Рыбалкин Д.А. Свидетельство о государственной регистрации программы для ЭВМ №2011611538, «Фазовая плоскость»

6. Рыбалкин Д.А. Поливалютный индикатор анализа рынка Форекс. Terraeconomicus, №2, том 9, 2011 год.-с.72-75.

Размещено на Allbest.ur

...

Подобные документы

  • Методы социально-экономического прогнозирования. Статистические и экспертные методы прогнозирования. Проблемы применения методов прогнозирования в условиях риска. Современные компьютерные технологии прогнозирования. Виды рисков и управление ими.

    реферат [42,4 K], добавлен 08.01.2009

  • Теоретические выкладки в области теории хаоса. Методы, которые используются в математике, для прогнозирования стохастических рядов. Анализ финансовых рядов и рядов Twitter, связь между сентиметными графиками и поведением временного финансового ряда.

    курсовая работа [388,9 K], добавлен 01.07.2017

  • Количественные и качественные методы экономического прогнозирования. Построение модели поиска оптимального уровня заказа, издержек, уровня повторного заказа, числа циклов за год, расстояния между циклами. Определение координат снабженческого центра.

    контрольная работа [44,4 K], добавлен 15.09.2010

  • Математические методы прогнозирования инновационных процессов в экономике, применяемых для построения интегральных моделей в экономической сфере. Метод стратегических сетей, разработанный М. Джексоном, М. Конигом, основанный на современной теории графов

    статья [712,4 K], добавлен 07.08.2017

  • Основы понятия финансового рынка. Методы нахождения параметров уравнения тренда. Метод временного ряда на примере продажи акций. Производный финансовый инструмент (дериватив). Екстраполяция тенденции как метод прогнозирования. Валютный рынок Форекс.

    курсовая работа [398,4 K], добавлен 25.02.2011

  • Составление модели для прогнозирования курса доллара. Создание оптимально работающей нейросети для прогнозирования курсов доллара. Использование метода скользящих окон. Определение количества нейронов на внутреннем слое, выполнение обучения сети.

    презентация [78,1 K], добавлен 14.08.2013

  • Основные задачи и принципы экстраполяционного прогнозирования, его методы и модели. Экономическое прогнозирование доходов ООО "Уфа-Аттракцион" с помощью экстраполяционных методов. Анализ особенностей применения метода экспоненциального сглаживания Хольта.

    курсовая работа [1,7 M], добавлен 21.02.2015

  • Классификационные принципы методов прогнозирования: фактографические, комбинированные и экспертные. Разработка приёмов статистического наблюдения и анализа данных. Практическое применение методов прогнозирования на примере метода наименьших квадратов.

    курсовая работа [77,5 K], добавлен 21.07.2013

  • Понятие экстрополяции. Условия и методы применения ее при прогнозировании. Способы определения величины доверительного интервала. Классификация методов и основные этапы прогнозирования, аналитическое выражение тренда. Интерпретация полученных результатов.

    презентация [197,0 K], добавлен 02.05.2014

  • Назначение матричного метода прогнозирования и основные этапы его применения. Графическая основа модели развития объекта в матричном методе. Схемы оценки опосредствованных связей (влияния) комплексов при обработке матриц влияния и расчетов по графу.

    презентация [752,6 K], добавлен 15.04.2015

  • Сущность, содержание и цели экономического прогнозирования. Классификация и обзор базовых методов прогнозирования спроса. Основные показатели динамики экономических процессов. Моделирование сезонных колебаний при использовании фиктивных переменных.

    дипломная работа [372,5 K], добавлен 29.11.2014

  • Понятие недвижимого имущества. Процесс оценки стоимости недвижимости. Влияние пространственного и экологического фактора на стоимость объекта недвижимости. Интуитивные (экспертные) и адаптивные методы прогнозирования. Модель многослойного персептрона.

    дипломная работа [1,8 M], добавлен 21.03.2011

  • Сущность социально-экономического прогнозирования. Роль сахара в жизни человека. Математический аппарат, используемый при прогнозировании потребления. Регрессионный анализ. Методы наименьших квадратов и моментов. Оценка качества моделей прогнозирования.

    курсовая работа [1,5 M], добавлен 26.11.2012

  • Значения переменных, важных в процессе принятия решений. Разработка методов прогнозирования. Основной принцип работы нейросимулятора. Зависимость погрешностей обучения и обобщения от числа нейронов внутренних слоев персептрона. Определение ошибки сети.

    презентация [108,5 K], добавлен 14.08.2013

  • Классические подходы к анализу финансовых рынков, алгоритмы машинного обучения. Модель ансамблей классификационных деревьев для прогнозирования динамики финансовых временных рядов. Выбор алгоритма для анализа данных. Практическая реализация модели.

    дипломная работа [1,5 M], добавлен 21.09.2016

  • Общая характеристика и функциональные особенности пакета SPSS для Windows, его назначение и анализ возможностей. Основные понятия и методики эконометрического прогнозирования, порядок использования для данного прогнозирования инструментов пакета SPSS.

    курсовая работа [507,1 K], добавлен 28.03.2010

  • Обзор корреляционного поля. Доверительные интервалы регрессии. Оценка качества линейной модели прогнозирования. Проверка ее на соответствие условиям теоремы Гаусса-Маркова. Точечный и интервальный прогнозы. Нахождение средней ошибки аппроксимации.

    контрольная работа [47,9 K], добавлен 09.08.2009

  • Основные понятия теории моделирования экономических систем и процессов. Методы статистического моделирования и прогнозирования. Построение баланса производства и распределение продукции предприятий с помощью балансового метода и модели Леонтьева.

    курсовая работа [1,5 M], добавлен 21.04.2013

  • Нахождение взаимосвязи между изменениями валютного курса, ставкой рефинансирования, доходами банка и изменением величины депозитов с ноября 2010 года по октябрь 2013 года. Корреляционный анализ экзогенных переменных. Значение коэффициента детерминации.

    курсовая работа [41,8 K], добавлен 29.05.2014

  • Понятие бюджетной системы Российской Федерации, структура доходов бюджета субъектов. Экономико-математические методы статистического анализа и прогнозирования доходов бюджета региона. Эконометрические методы прогнозирования, анализ доходов бюджета.

    курсовая работа [487,7 K], добавлен 15.10.2009

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.