АННОТАЦИЯ 3
Введение 6
1 Автоматизированная торговля финансовыми инструментами 8
1.1 Технические индикаторы анализа рыночной ситуации 8
1.2 Алгоритмическая торговля на рынке ценных бумаг 13
2 Торговые стратегии на основе индикаторов 20
2.1 Стратегия High - Low на основе Donchian Channel 22
2.2 Модифицированная стратегия на основе Donchian Channel и SMA 33
2.3 Стратегия на основе индикаторов Ichimoku и SMA 45
Заключение 58
Литература 60
Инновации привносят перемены в привычные сферы деятельности, а порой меняют их до неузнаваемости. Выигрывают в этом случае первопроходцы, которые сумели увидеть возможности для преобразований и получить начальное преимущество. Так было и с фондовым рынком.
Законодательство, регулирующее фондовые рынки США, в его современном виде формировалось в 30-е годы прошлого века. В 1933 году был принят закон о ценных бумагах, спустя год — закон о фондовых рынках. Согласно этим законам, на фондовой бирже могли обращаться акции не всех компаний . Однако существовали и внебиржевые сделки, когда покупка и продажа происходят напрямую без участия биржи. Для регулирования внебиржевого рынка в 1936-1938 годах Конгресс США принял поправки, известные как «акт Мэлони» (Maloney Act) , которые обязали всех брокеров, не являющихся членами биржи, объединиться в саморегулируемую организацию. Так в 1939 году появилась «Национальная ассоциация фондовых дилеров» (National Association of Securities Dealers или NASD).
Однако внебиржевой рынок оставался крайне несистематизированным и слишком рискованным. Объемы торгов росли, но эмитенты ценных бумаг отчитывались о своих финансовых показателях нерегулярно или попросту не делали этого, соответственно, бумаги имели низкую ликвидность. Спустя 30 лет в 1968 году Конгресс и Комиссия по ценным бумагам и биржам (Securities and Exchange Commission или SEC) поручили NASD навести порядок. Для этого ассоциация воспользовалась компьютерными технологиями, которые в то время активно развивались. Так появилась автоматизированная система NASD Automated Quotations (NASDAQ) — информационная база с лучшими котировками акций. Тем не менее, возможность дистанционной торговли на тот момент отсутствовала .
Возможность полноценно торговать на бирже в привычном нам смысле у трейдеров появилась только в 80-е годы прошлого века, когда на NASDAQ ввели технологию автоматической постановки и исполнения заказов. Только теперь трейдеры могли отказаться от привычного совершения сделок по телефону. Произошло коренное преобразование процессов на фондовой бирже, которое положило начало множеству других изменений и становлению привычного для нас рынка ценных бумаг.
Актуальность темы исследования обусловлена глобальными изменениями, которые оказывают влияние на все сферы экономики и ведут к увеличению инфляции и сокращению сбережений. Для снижения негативного эффекта подобных трансформаций требуются новые модели взаимодействия с финансовыми институтами и преобразование привычных форм приумножения капитала. Придерживаясь традиционной стратегии инвестирования, которая предполагает покупку актива на длительный срок, инвестор упускает значительную часть потенциальной прибыли, которую он мог бы получить, реагируя на краткосрочные изменения тренда. Однако достоверно предсказывать подобные отклонения на текущий момент не представляется возможным, поэтому для минимизации рисков при принятии инвестиционных решений и получения доходности, превышающей гарантированную, необходима обоснованная торговая стратегия, которая будет достоверно определять предпосылки трендовых отклонений и реагировать на них раньше других участников рынка для максимизации доходности.
Объектом исследования является рынок ценных бумаг.
Предметом исследования являются торговые стратегии на рынке ценных бумаг.
Целью исследования является разработка эффективных торговых стратегий на основе технических индикаторов для сделок на рынке ценных бумаг с учетом краткосрочных трендов.
Для достижения поставленной цели были сформулированы следующие задачи:
1. определить основные торговые операции, которые будут осуществляться с инструментами рынка ценных бумаг;
2. сформировать набор правил для принятия решений о сделках;
3. оценить финансовый результат стратегий на исторических данных;
4. сравнить полученную доходность с гарантированной доходностью и сделать вывод о целесообразности применения полученных стратегий.
В ходе исследования были применены общелогические — анализ, индукция, дедукция, теоретические — гипотетический метод, формализация, обобщение, метод восхождения от абстрактного к конкретному и специальные методы исследования — контент-анализ, метод экспертных оценок, метод статистической обработки, метод вероятностной оценки и другие методы анализа данных.
1 Автоматизированная торговля финансовыми инструментами
«Технический анализ изучает движения массовой психологии на финансовом рынке. Каждые торги являются битвой между «быками», получающими прибыль от роста цен, и «медведями», получающими ее от их падения. Цель технического анализа состоит в том, чтобы узнать сравнительную силу обеих групп и поставить на победителя. Если «быки» много сильнее, вы должны покупать и удерживать. Если «медведи» много сильнее, вы должны продавать и продавать немедленно. Если оба лагеря примерно равны по силе, разумный игрок стоит в стороне. Он позволяет задирам драться друг с другом и вступает в действие только тогда, когда достаточно уверен в том, какая сторона победит», — написал А. Элдер в мировом бестселлере «Trading for a Living», признанном в профессиональной среде .
Придерживаясь более традиционной стратегии инвестирования, когда инвестор покупает и удерживает акцию длительный промежуток времени, он теряет значительную часть потенциальной прибыли, которую мог бы получить, следуя краткосрочным трендам и открывая длинные или короткие позиции в зависимости от поведения «толпы». Однако подобная торговля скорее искусство, нежели научная теория, так как не существует «правильной» пошаговой стратегии, которая работала бы всегда и везде. Существует лишь комбинация общих идей, которые можно соединить воедино и использовать в прибыльной торговой стратегии, оптимизированной под определенные биржевые активы. Это объясняется асимметрией информации, когда невозможно заранее предопределить все вероятные сценарии и сделать точный прогноз. Можно лишь принять наиболее верные решения на основе имеющихся в текущий момент данных и разработанной торговой стратегии.
Результатом исследования была разработка трех индикаторных алгоритмических торговых стратегий с последующим исследованием их поведения на исторических данных торгов 14-и наиболее ликвидных акций российского фондового рынка.
Разработанные индикаторные алгоритмические стратегии представлены ниже:
1. стратегия High - Low на основе Donchian Channel;
2. модифицированная стратегия на основе Donchian Channel и SMA;
3. стратегия на основе индикаторов Ichimoku и SMA.
Каждая из них показала приемлемый результат для определенного набора акций, уникального для каждой стратегии, в среднем выше значений гарантированной доходности, достигаемой при покупке и удержании актива в начале промежутка работы алгоритма и продажи этого актива по завершению работы алгоритма.
Тестирование алгоритмических стратегий на исторических данных проходило на следующих временных интервалах:
1. 3 января 2018 г. — 29 декабря 2018 г.;
2. 3 января 2019 г. — 30 декабря 2019 г.;
3. 3 января 2020 г. — 30 декабря 2020 г.;
4. 4 января 2021 г. — 31 мая 2021 г.
Моделирование стратегий на исторических данных осуществлялось для 5-минутного (M5) и часового (H1) таймфреймов.
Также стоит отметить, что всегда необходимо поддерживать достаточные резервы для покрытия необходимой маржинальной обеспеченности при торговле с кредитным плечом . Еще одним правилом минимизации рисков является диверсификация биржевых инструментов, торговлю которыми осуществляет алгоритм. При неудовлетворительных результатах торговли одним из биржевых активов, есть высокая вероятность, что аналогичная стратегия принесет положительную доходность при торговле другим некоррелированным активом.
Таким образом, были выполнены все поставленные для исследования цели и задачи, а перспективы дальнейшего исследования алгоритмических торговых стратегий на биржевых рынках могут заключаться в коллаборации рассмотренных технических индикаторов и алгоритмов с технологиями машинного обучения. Natural Language Processing (NLP) или «обработка естественного языка» - это одна из областей машинного обучения, посвященная анализу естественного человеческого языка, то есть распознаванию речи и текстов с последующей контекстной обработкой и вычленением смысла.
Было бы оптимальным совместить материалы этого исследования и обработку так называемого «цифрового следа», который ежедневно огромными массивами данных оставляют в социальных сетях и на тематических форумах лица, имеющие прямое отношение к интересующей нас компании, а также оценку ежеминутно выходящих новостей, которые оказывают огромное влияние на рынки ценных бумаг. Если обрабатывать все эти массивы информации в режиме реального времени и принимать на их основе взвешенные решения раньше других участников рынка, то доходности будут впечатляющими.