АННОТАЦИЯ 3
Введение 3
1 Теоретическое обоснование алгоритмической торговли 5
1.1 Алгоритмическая торговля, как один из способов активности на фондовом рынке 5
1.2 Корпоративное событие, как фактор, оказывающий влияние на котировки акций 11
2 Проведение событийного анализа с целью исследования паттернов ценообразования
на фондовом рынке 21
2.1 Методология проведенного исследования 21
2.2 Организация процесса исследования 25
2.3 Результаты анализа и их практическое применение в алгоритме 34
3. Моделирование алгоритмов для автоматической торговли акциями 55
3.1 Создание и сравнительная оценка моделей алгоритмической торговли 55
3.2 Перспективы развития моделей алгоритмической торговли 63
Заключение 65
Список использованных источников и литературы 66
Развитие информационных технологии и впоследствии глобальная цифровизация экономики вывела торговлю на рынке ценных бумаг на более развитый уровень в сторону ее упрощения для участников торговли. Современная модель работы рынка ценных бумаг позволяет участникам торговли незамедлительно получать информацию о всех инструментах, торгующихся на фондовой бирже и также незамедлительно открывать сделки с выбранными инструментами с помощью современных компьютерных систем [4].
Обилие информации и отсутствие необходимости личного присутствия при открытии сделок, позволяет участникам торгов автоматизировать процесс торговли с использование разнообразных алгоритмов торговли, реализуемых с помощью комбинации определенных технологий, доступ к большинству которых является открытым. По причине этого, на рынке ценных бумаг появилось большое количество стратегий, автоматизация которых способна конкурировать с традиционным подходом торговли, где выбор ценных бумаг и размер сделок определялся полностью участником торгов.
Каждая из уже существующих стратегий алгоритмической торговли направлена на достижение определенного результата, и выбор одной из стратегии определяется участником торгов в соответствии с его целями. Автоматизирование алгоритма торговли под свои цели, позволяет участнику торгов получать определенную выгоду, затрачивая при этом минимальное количество временных затрат на непосредственный процесс торговли [5].
Актуальность темы исследования связана с оптимизацией режима торговли для участника рынка, выгода которого заключается в снижение временных затрат на процесс торговли. На сегодняшний момент тема алгоритмической торговли находится в процессе развития, и некоторые алгоритмы торговли не получили должного внимания, что указывает на необходимость в изучении данной темы.
Целью работы является построение моделей алгоритмической торговли акциями на основе данных о корпоративных событиях и выбор оптимальной.
Для реализации поставленной цели были определены следующие задачи:
1. Раскрыть сущность понятия алгоритмической торговли и корпоративных событий;
2. Найти источник достоверных данных и получить непосредственно данные для проведения исследования и построения моделей;
3. Провести событийный анализ с целью выявления паттернов ценообразования акций;
4. Построить модели алгоритмической торговли на основе результатов событийного анализа;
5. Дать количественную характеристику каждой из модели и выявить наиболее оптимальную.
Объектом исследования являются модели алгоритмической торговли.
Предметом исследования являются корпоративные события.
Цель и задачи предопределили структуры работы: введение, три раздела (первый раздел - «Теоретическое обоснование алгоритмической торговли», второй - «Проведение событийного анализа с целью исследования паттернов ценообразования на фондовом рынке» и третий - «Построение моделей алгоритмической торговли акциям на основе данных о корпоративных событиях»).
Теоретическая база исследования - это научно-доказанные труды американских и отечественных ученных, работающих в сфере рынка ценных бумаг. Теоретическое обоснование исследования реакции котировок на корпоративные события основывалось на экономической теории и прикладных экономических дисциплинах: финансы, финансовые рынки и институты, поведенческая экономика. В процессе исследования были использованы общенаучные методы: анализ и синтез, эмпирическое исследование, индукция и дедукция, а также методы и процедуры эмпирического исследования: экономико-статические и сравнительные методы.
Методологическая часть исследования определялась существующими средствами программирования, позволяющими собирать данные с различных источников, проводить манипуляции с полученными данными, а также осуществлять проверку статистических гипотез. За основу был принят язык программирования Python со вспомогательными библиотеками, как комплекс инструментов для проведения исследования.
Автоматизация алгоритмов торговли является перспективным на сегодняшним день направлением, поскольку обеспечивает положительную доходность без необходимости обязательного участия инвестора в процессе торгов. Уровень развития современных информационных технологий, а также глобальная цифровизация экономики, позволяет абсолютно каждому участнику рынка построить и использовать алгоритмы автоматической торговли.
Построение алгоритмов торговли требует обязательно исследования паттернов ценообразования акций в той предметной области, на работу в которой настраивается алгоритм.
В данной работе был выбран алгоритм торговли, целью которого является покупка акций в преддверии закрытия реестра по дивидендным выплатам и их продажа после закрытия реестр по дивидендам, то есть после закрепления права на получение дивидендов. Предварительно было проведено исследование с целью выявления поведения цены акций до закрытия и после реестра по дивидендам. В результате данного исследования было выявлено, что рост акций перед закрытием реестра наблюдается только в 50% случаев, а после закрытия реестра наблюдается наблюдается снижение стоимости акций в 85% - 90% случаев.
После получения результатов исследования было построено 3 модели, позволяющих оценить разные варианты дивидендной стратегии. Наиболее эффективной оказалась модель с отслеживанием цены продажи в день продажи акций, доходность данной модели составила 13,2% и 27% годовых при совершении сделок на MOEX и NASDAQ соответственно. Наименее эффективной оказалась простейшая модель, покупающая акции при открытии торговой сессии в последний день покупки и их продажа при открытии на следующий торговый день, доходность данной модели составила 6,7% и 8,2% годовых при совершении сделок на MOEX и NASDAQ соответственно.
Однако данные модели являются неэффективными поскольку они растрачиваются 80-85%, получаемых в процессе работы дивидендов, за счет большого количества убыточных сделок. В связи с этим, необходимо усовершенствование моделей при помощи использования в них инструментов прогноза, а также при помощи совершенствования системы распределения капитала на покупку акций.
