Применение модели оптимизации краткосрочного инвестирования в MS Excel к фьючерсным контрактам

Особенности применения генетического алгоритма для оценки инвестиционных характеристик базовых и производных финансовых инструментов. Разработка модернизированного варианта расчетной модели, позволяющего учитывать потери при экспирации фьючерса.

Рубрика Программирование, компьютеры и кибернетика
Вид статья
Язык русский
Дата добавления 18.07.2018
Размер файла 401,2 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/

Поволжский государственный университет сервиса

Применение модели оптимизации краткосрочного инвестирования в MS Excel к фьючерсным контрактам

Шляпкин Андрей Владимирович,

кандидат наук, доцент, доцент

Аннотация

В статье исследованы особенности применения генетического алгоритма для оценки инвестиционных характеристик базовых и производных финансовых инструментов. Проведен анализ сравнительной эффективности долгосрочного инвестирования в базовый актив и фьючерс пары доллар/рубль. Разработан модернизированный вариант расчетной модели, позволяющий учитывать потери при экспирации фьючерса. Выполнено сравнение результатов оптимизации по исходной и модернизированной расчетным моделям. Сформулированы рекомендации по применению модернизированной расчетной модели.

Ключевые слова: генетический алгоритм, учет экспирации, производные торговые инструменты, оптимизация инвестиционной стратегии

Основное содержание исследования

Вопросы оценки инвестиционных характеристик ценных бумаг являются актуальными и востребованными в настоящее время. Используемые при этом методы разделяют на 2 большие группы - технический и фундаментальный анализ. Методология технического анализа основана на поиске закономерностей по истории изменения цены актива с экстраполяцией полученных знаний на будущее поведение цены [1]. Фундаментальный анализ основан на изучении финансового положения компании-эмитента акций, макроэкономических индикаторов и расчете "справедливой" цены акций [2]. С течением времени увеличивается спекулятивная составляющая биржевой торговли, что снижает эффективность классических методов анализа с целью прогнозирования изменения цены определенного инструмента.

В свете изложенного заслуживает внимание подход [3, 4], основанный не на попытках прогнозирования, а на сравнительном анализе инвестиционных характеристик по историческим данным. Разработанная авторами модель, реализованная в MS Excel с применением генетического алгоритма [5], позволяет судить об инвестиционном инструменте по таким исторически оптимальным характеристикам как величина изменения цены для открытия позиции, уровни фиксации прибыли и убытков, количество убыточных и доходных сделок. Доработки и совершенствования модели оптимизации краткосрочного инвестирования генетическим алгоритмом состоят в рекомендациях по настройкам вычислительного алгоритма по результатам анализа сходимости повторных расчетов [6] и модификации расчетной модели, позволяющей рассматривать как трендовые, так и контртрендовые стратегии краткосрочного инвестирования [7]. Вопрос применимости модели оптимизации краткосрочного инвестирования генетическим алгоритмом для анализа фьючерсных контрактов не исследован, что и является целью настоящей работы.

Фьючерсы, представляющие собой частный случай форвардных сделок с фиксированным временем расчетов (экспирацией фьючерса), является весьма востребованными торговыми инструментами. Особенность торговли фьючерсами по сравнению с торговлей базовым активом [8] состоит в

· наличии контанго или депорта - отличия цены фьючерса от базового актива в большую или меньшую стороны соответственно;

· необходимости при переносе через экспирацию закрытия сделки по истекающему фьючерсу и открытия сделки по следующему фьючерсу.

В качестве положительного аспекта торговли фьючерсом можно отметить существенно меньшие комиссии и отсутствие свопов.

Рассмотрим валютную пару доллар США / российский рубль, торгуемую на Московской бирже [9]. Базовым активом является бумага USDRUB_TOM - инструмент валютной секции с расчетом на следующий день. Производным инструментом является фьючерс Si - инструмент срочного рынка с ежеквартальной экспирацией, проходящей 15го числа в марте (SiH), июне (SiM), сентябре (SiU) и декабре (SiZ).

График дневного изменения цены фьючерса и базового актива [9] приведен на рисунке 1. Поскольку размер одного контракта на срочном рынке составляет 1000 долларов, для того чтобы перейти к единым единицам изменения, цена базового актива умножена на 1000. Контанго, отложенное по правой оси, иллюстрирует плавное снижение между экспирациями со скачкообразным увеличением в день экспирации при переходе на новый фьючерс. Скачкообразные снижения контанго в отрицательную зону (в область депорта) имеют место в последнюю неделю перед экспирацией, что вызвано стремлением перейти на новый контракт то более выгодным ценам, и в моменты, когда длительный нисходящий тренд оказывает влияние на ожидания основной массы участников торгов.

фьючерсный контракт генетический алгоритм excel

Рисунок 1. Цены открытия дня инструментов доллар/рубль за 2015 г.

Укрупненная оценка доходности инвестирования по стратегии "бай-энд-холд" для фьючерса составляет разницу цен купли и продажи на начало и конец года с учетом потерь при переходе на новый фьючерс через экспирацию:

(73774-62308) - (1999-698) - (2098-519) - (1850-333) - (1867-314) = 5516 пунктов.

При долгосрочном инвестировании в базовый актив потери связанные с экспирацией фьючерса отсутствуют и для рассматриваемого случая прибыль составляет 72232-59188=13044 пунктов.

Для выполнения оценки инвестиционных характеристик с применением генетического алгоритма необходимо модернизировать расчетную модель, введя принудительное закрытие позиции по текущей цене на дату экспирации. В таблице 1 представлены результаты оптимизации по трем вариантам расчета - расчет по базовому активу исходной расчетной моделью, расчет по фьючерсу модернизированной моделью, расчет по фьючерсу исходной расчетной моделью. В качестве исходных данных приняты: диапазон изменения цены от среднего хай-лоу предыдущего периода, А; относительный уровень закрытия убытков, L; относительный уровень закрытия прибыли, Т от 100 до 2000 пунктов.

Таблица 1. Результаты оптимизации

Параметр

базовый актив

фьючерс по исходной схеме

фьючерс по модернизированной схеме

long

short

long

short

long

short

A

384

830

404

705

410

704

L

100

121

100

100

100

100

T

1937

1829

1978

1991

1983

1925

прибыль

29266

20524

31482

24465

32277

23675

сделок+

18

14

19

15

19

15

сделок-

56

42

61

54

54

52

Данные таблицы 1 показывают, что с точки зрения общих заключений по инвестиционным характеристикам бумаги учет экспирации фьючерса не внес никаких принципиальных изменений. Это объясняется относительно большим количеством сделок (в среднем 70 сделок за год), среди которых максимум 4 сделки могут прийтись на дни экспирации. Следовательно, учитывать потери на экспирации целесообразно в случаях, когда количество сделок сопоставимо с числом экспираций за анализируемый период времени. В случаях, когда число сделок, полученное по результатам оптимизации, существенно превышает количество экспираций, для анализа инвестиционных характеристик фьючерса можно использовать данные, полученные по базовому активу.

В целом по результатам работы получено:

1. По результатам сравнительного исследования долгосрочного инвестирования в базовый актив и фьючерс установлено существенное влияние на величину дохода скачков контанго при экспирации.

2. Выполнена модернизация расчетной модели с целью учета потерь, связанных с экспирацией при оптимизации инвестиционных инструментов срочного рынка.

3. По результатам оптимизаций, выполненных генетическим алгоритмом для базовых и производных инструментов пары доллар/рубль за 2015 г. даны рекомендации по применению модернизированной расчетной модели.

Список литературы

1. Швагер Д. Технический анализ. Полный курс. - М.: Альпина Паблишер, 2001. - 768 с.

2. Schwager J. Futures Fundamental Analysis. - New York, John Wiley & Sons, 1995.

3. Хрипунов Н.В., Панюков Д.И., Альшанская Т.В. Концепция оптимизации краткосрочного инвестирования // Научный альманах. 2015. №12 (14) - 1. С.385-389.

4. Хрипунов Н.В., Панюков Д.И., Альшанская Т.В. Модель оптимизации краткосрочного инвестирования в Excel // Новая наука: проблемы и перспективы. 2016. № 1 - 2. С.119-121.

5. Хрипунов Н.В., Панюков Д.И., Альшанская Т.В. Оптимизация стратегии краткосрочного инвестирования генетическим алгоритмом // Новая наука: современное состояние и пути развития. 2016. № 2 - 1. С.213-215.

6. Хрипунов Н.В., Панюков Д.И., Альшанская Т.В. Влияние настроек модуля Solver на результат оптимизации инвестиционной стратегии // Результаты научных исследований: сборник статей Международной научно-практической конференции (15 февраля 2016 г., г. Тюмень). В 4 ч. Ч.1 - Уфа: АЭТЕРНА, 2016. - С.180-182.

7. Хрипунов Н.В., Панюков Д.И., Альшанская Т.В. Двунаправленный анализ инвестиционных инструментов с помощью генетического алгоритма // Новая наука: стратегии и векторы развития. 2016. № 2 - 1. С.172-174.

8. Джон К. Халл. Опционы, фьючерсы и другие производные финансовые инструменты, - М.: "Вильямс", 2013. - 1072 с.

9. Московская биржа. URL: http://moex.com

Размещено на Allbest.ru

...

Подобные документы

  • Анализ предметной области. Разработка генетического алгоритма для оптимизации инвестиций. Спецификация требований и прецедентов. Проектирование пользовательского интерфейса информационной системы. Модели данных, используемые в системе и их взаимодействие.

    дипломная работа [2,1 M], добавлен 24.08.2017

  • Комплексное исследование истории развития, основных понятий, области применения и особенностей генетических алгоритмов. Анализ преимуществ генетических алгоритмов. Построение генетического алгоритма, позволяющего находить максимум целочисленной функции.

    курсовая работа [27,9 K], добавлен 23.07.2011

  • Описание формальной модели алгоритма на основе рекурсивных функций. Разработка аналитической и программной модели алгоритма для распознающей машины Тьюринга. Разработка аналитической модели алгоритма с использованием нормальных алгоритмов Маркова.

    курсовая работа [1,5 M], добавлен 07.07.2013

  • Анализ современного состояния общей проблемы синтеза моделей многофакторного оценивания и подходов к ее решению. Разработка математической модели метода компараторной идентификации модели многофакторного оценивания. Описание генетического алгоритма.

    дипломная работа [851,7 K], добавлен 11.09.2012

  • Схематическое представление сигмоидной функции. Слой как группа нейронов, на которые входной сигнал приходит одновременно. Характеристика специфических особенностей кохоненоподобной нейросетевой модели. Описание модели работы самоорганизующихся карт.

    курсовая работа [1,6 M], добавлен 30.06.2017

  • Этапы работы генетического алгоритма, область его применения. Структура данных, генерация первоначальной популяции. Алгоритм кроссинговера - поиск локальных оптимумов. Селекция особей в популяции. Техническое описание программы и руководство пользователя.

    реферат [1014,2 K], добавлен 14.01.2016

  • Теоретические основы и проблемы принятия решений. Синтез модели многофакторного оценивания, метод компараторной идентификации. Особенности реализации базового генетического алгоритма. Программный способ определения эффективного состава команды проекта.

    дипломная работа [733,1 K], добавлен 09.06.2012

  • Описание принципа работы генетического алгоритма, проверка его работы на функции согласно варианту на основе готовой программы. Основные параметры генетического алгоритма, его структура и содержание. Способы реализации алгоритма и его компонентов.

    лабораторная работа [20,2 K], добавлен 03.12.2014

  • Разработка модели лифта, алгоритма и программы на языке JavaScript. Возможность использования модели при проектировании промышленных лифтов и отладки управляющих программ. Основные принципы построения модели лифта, выполнение вычислительного эксперимента.

    курсовая работа [495,8 K], добавлен 09.06.2013

  • Сущность задач оптимизации и методы их решения с ориентацией на современные средства компьютерной техники. Область допустимых решений. Структура оптимизационной модели. Проверка правильности нахождения точек координат методом половинного деления.

    курсовая работа [2,4 M], добавлен 25.04.2015

  • Программное обеспечение и инструменты, применяемые для создания трехмерной модели автомобиля. Основные приемы и методы, применяемые при создании модели. Описание технической части и хода работы над проектом, примеры практического применения инструментов.

    курсовая работа [5,6 M], добавлен 09.04.2014

  • Общая характеристика прикладных программ, предназначенных для проведения табличных расчетов. Выделение параметров программного обеспечения, необходимого для решения финансовых задач. Разработка алгоритма решения поставленной задачи средствами MS Excel.

    контрольная работа [2,6 M], добавлен 18.01.2016

  • Характеристика методов нечеткого моделирования и изучение системы кластеризации в пакетах прикладных программ. Разработка и реализация алгоритма для оптимизации базы правил нечеткого классификатора с помощью генетического алгоритма аппроксимации функции.

    дипломная работа [1,9 M], добавлен 21.06.2014

  • Анализ матрицы коэффициентов парной корреляции. Выбор факторных признаков для построения двухфакторной регрессионной модели. Оценка параметров регрессии по методу наименьших квадратов. Нахождение определителей матриц. Применение инструмента Регрессия.

    контрольная работа [1,0 M], добавлен 13.01.2013

  • Разработка таблиц в Excel методами линейного программирования с целью оптимизации расходов ресурсов и запасов на изготовление продукции: определение переменных величин, структуры целевой функции, построение математической модели и блок-схем решения задач.

    курсовая работа [3,7 M], добавлен 07.06.2010

  • Описание математических методов решения задачи оптимизации. Рассмотрение использования линейного программирования для решения транспортной задачи. Применение симплекс-метода, разработка разработать компьютерной модели в Microsoft Office Excel 2010.

    курсовая работа [1,5 M], добавлен 24.05.2015

  • Направления деятельности ООО "Тирион" и разработка модели "AS-IS" функционирования магазина по обслуживанию покупателей. Возможности табличного процессора MS Excel. Описание интерфейса и физической структуры программного обеспечения имитационной модели.

    курсовая работа [990,6 K], добавлен 13.12.2011

  • Особенности процессов обслуживания заказчиков, исследования рынка недвижимости, формирования информации о финансовых манипуляциях. Описание модели агентства; последовательность создания контекстной диаграммы. Оптимизация разработанной модели "to be".

    курсовая работа [1,7 M], добавлен 28.08.2012

  • Описание генетических алгоритмов. Применение генетического алгоритма для решения задачи коммивояжера. Постановка задачи безусловной оптимизации. Изучение распространения генетических алгоритмов на модель с несколькими взаимодействующими популяциями.

    дипломная работа [979,1 K], добавлен 30.05.2015

  • Разработка программного средства, позволяющего моделировать работу системы обслуживания. Определение средней загруженности склада цеха и вероятности простоя цеха из-за отсутствия деталей. Построение схемы моделирующего алгоритма, математической модели.

    контрольная работа [166,0 K], добавлен 22.12.2014

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.