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
Фрактальный анализ рынков — что это такое?
Статья про фрактальный анализ. Много теории. Мои комментарии отмечены зелёным цветом.
Фрактальный анализ рынков - относительно новое направление анализа валютного и фондового рынка. Родоначальником фрактального анализа рынков является Бенуа Мандельброт, описавший теорию в своей книге в соавторстве с Ричардом Л. Хадсоном «(Не)послушные рынки: фрактальная революция в финансах.» Следующим исследователем, внесшим вклад в развитие фрактальной теории рынка, является Эдгар Петерс.
Фрактальный анализ рынков (Форекс) указывает на зависимость будущих цен от их прошлых изменений. Таким образом, процесс ценообразования на рынках глобально детерминирован, зависим от «начальных условий», то есть прошлых значений. Локально же процесс ценообразования случаен, то есть в каждом конкретном случае цена имеет два варианта развития. Фрактальный анализ рынков напрямую исходит из фрактальной теории и заимствует свойства фракталов для получения прогнозов.
Основные свойства фракталов на рынке:
Рыночные диаграммы обладают фрактальной размерностью.Фрактальная размерность рыночной диаграммы всегда 1
Рыночные диаграммы всегда образуют определенную структуру, обладающую уникальными свойствами.
Рыночные фракталы обладают «памятью» о своих «начальных условиях».
Первым практиком, который применил фрактальную теорию при анализе финансово-сырьевых рынков, стал Билл Вильямс.
Впоследствии, его метод фрактального анализа рынка широко распространился во многих странах. Этому способствовали такие его работы, как «Торговый Хаос», «Новые измерения в биржевой торговле», «Торговый Хаос второе издание».
Моё мнение — Билл Вильямс – прохиндей. В его книгах очень много воды и абстрактных рассуждений. Это не значит, что фрактальная теория неверна или не эффективна. Это значит, что конкретно Б. Вильям или не умеет излагать свои мысли кратко или до конца не понимает теорию или все его книги – это пиар самого себя и своих курсов.
Со временем, многие невнимательные трейдеры и аналитики посчитали, что за красивым названием кроется скорее грамотный пиар ход автора, чем реальное использование фракталов на рынке. Основная ошибка, которая приводит к искажению результатов анализа заключается неправильном толковании понятия «преодоления фрактала». Неоднозначность фрактального анализа прекращается, если слово «преодоление» понимать не как прокол ценой фрактального уровня, а как пробой подтвержденный закрытием цены выше или ниже фрактального уровня.
Это не так. Часто цена закрывается ниже фрактала, а пробой оказывается ложным. Мой практический опыт показывает, что цена закрытия не является критерием истинности (или ложности) ценового прорыва. Смотрите рисунок.
Цена пробила фрактал сверху вниз и цена закрытия целых двух свечей была ниже уровня. Тем не менее пробой вниз оказался ложным…
В России первым автором и последователем фрактальной теории, как стратегии на финансовых рынках, является Алмазов Алексей Александрович. Им была предложена фрактальная функция Вейерштрасса-Мандельброта (эта функция не разрабатывалась Мандельбротом, а является составляющей математической программы Fractan) в качестве реальной модели ценовых значений для выявления графических циклов (моделей).
На практических примерах автор в достаточно подробной форме раскрывает сложные математические понятия, такие как: начальные условия, аттрактор, непериодический цикл, размерность и многие другие, применительно к графической структуре рынка.
В отличие от других авторов, Алмазов постоянно развивает направление фрактального анализа как самостоятельного инструмента для анализа рыночных цен, об этом свидетельствуют новые разработки и многолетний успешный стаж работы в качестве аналитика финансовых рынков.
Аналитик, по-простому — это болтун. Он получает зарплату не за эффективность своих прогнозов, а за умение завернуть в красивую упаковку свои прогнозы. Если бы он был практиком «трейдером», то это был бы другой разговор.
Из недостатков теории, разработанной Алмазовым, можно указать на то, что в данном подходе пока слабо используется математический аппарат для прогнозирования цен.
То есть мало математики и статистики и много «угадывания».
В российской форумной среде можно найти попытки применения фрактальной теории на рынке. В основном, используется наследие Бенуа Мандельброта и его математический аппарат.
Фрактальный анализ финансовых рынков- это относительно новый способ прогнозирования поведения валютных курсов на рынке . Вместо механических систем и индикаторов, данный вид анализа использует совершенно новый подход на основе фракталов. Благодаря чему стал не просто альтернативой техническому анализу, но и позволил избавиться от его недостатков. Прежде чем говорить о самом фрактальном анализе, нужно понять, на чем он основывается:
На самом деле провёл огромную работу, прежде чем заявить о том, что рынки на самом деле находятся в постоянном движении, которое похоже на движение хаотичных систем и вовсе не являются линейными, как это считалось ранее. По этой же причине Билл Вильямс утвердительно заявил, что глупо анализируя хаотичный рынок отталкиваться в выводах от обычных, линейных индикаторов. Ведь хаотичное движение на рынке - постоянно, а стабильность наоборот - переменчива. Если приводить примеры, то можно сказать, что цены на зерно, хлопок или акции, а так же движение воды в трубе или крови имеют идентичную структуру.
Впоследствии, метод фрактального анализа рынка получил широкое распространение среди очень многих трейдеров, благодаря таким книгам Вильямса, как «Торговый Хаос», «Торговый Хаос второе издание» и «Новые измерения в биржевой торговле».
Фрактальный анализ рынка форекс
Несмотря на положительные результаты такого анализа, следует помнить, что этот анализ не отрабатывает на 100%. Здесь так же присутствуют ошибочные сигналы, поэтому не стоит применять его в чистом виде - это, прежде всего, ещё один способ анализа, который может стать для трейдера основным или дополнительным. Так же трейдеру необходимо учитывать, что применяя этот вид анализа, ему понадобится освоить технику соединения таймфреймов для своей стратегии. Техника синтеза так же была введена Биллом Вильямсом, который применял её только к трендовым позициям, основываясь на трендах старшего таймфрейма.
Кроме этого важным моментом в этом виде анализа является «фрактальный рычаг» - глубина отката предыдущего движения. Для измерения этого движения (фрактального рычага) необходимо растянуть сетку Фибоначи на последнее движение. Если откат по сетке меньше 38% - это сильный фрактальный рычаг и уверенное движение. Если откат больше и составляет 62% по сетке Фибоначи, то фрактальный рычаг небольшой, а движение очень слабое.
Так как фрактальный анализ в том виде как есть, эффективен не на 100%, большинство трейдеров используют его совместно с волнами Эллиота. Ведь фрактал - это, по сути, разворотная точка, где образуется начало или окончание очередной волны. Сам Билл Вильямс в книге «Торговый хаос» рекомендует использовать эти волны. Но так как правильно рассчитать волны достаточно сложно, то новичку так же будет очень сложно сделать правильный прогноз с использованием фракталов без определённого опыта в определении волн. Поэтому для начинающих необходимо что-то более простое, например, трендовые линии.
Как начать применять фрактальный анализ?
Начинающему трейдеру необходимо сначала научится делать не большие, кратковременные прогнозы, так как для них необходимо меньше внешних данных. Для этого лучше использовать знакомую валютную пару, товар или другой актив с которым трейдер уже работал. Трейдеру необходимо составить прогноз и проследить оправдался он или нет. Если прогноз неверный, то трейдеру необходимо разобраться в причине того, почему так произошло. Найти, в чём кроется его ошибка, возможно, он не учёл что-то в своём анализе.
Если трейдер несколько раз сделал правильный прогноз и верно определил изменение цены, ещё до того как определённая им тенденция стала видна другим участникам - это отличный результат.
Более того, у начинающего трейдера есть преимущество. Так как брокеры предлагают своим клиентам демо счета с реальными рыночными котировками, начинающий трейдер может попрактиковаться, ни чем не рискуя.
Так же используя фрактальный анализ, трейдер должен уделять повышенное внимание факторам, сформировавшим цену в определённый промежуток времени. Это делается для того, что бы трейдер мог быть более уверенным в своём прогнозе. Ведь если социальные, политические и другие факторы совпадают, присутствует большая вероятность того, что цена поведёт себя точно так же, как и прежде, в подобной ситуации. Поэтому фрактальный анализ кроме знаний о формирования самого фрактала, требует от трейдера ещё и знания . Соответственно подучить хотя бы основы фундаментального анализа было бы очень кстати.
Фрактальный анализ рынка сложнее чем кажется на первый взгляд и требует от трейдера знания в различных областях анализа финансовых рынков: фундаментальный анализ (что уже само по себе сложно), синтез таймфреймов, экономические и другие индикаторы, которые в совместной работе фильтруют ложные сигналы и так далее. Но вместе с тем, фрактальный анализ даёт возможностьтрейдеру обнаружить взаимосвязь между прошлыми и будущими ценами. Что в свою очередь, позволяет более точно определить будущий подъём или падение цен раньше, чем остальные трейдеры. Так как они в основном ждут, когда рынок подтвердит свои намеренья.
Из-за своей сложности, такой анализ используется уже опытными и сильными трейдерами. Но с другой стороны разобраться в таком методе анализа стоит, потому что он настолько же эффективный, насколько и сложный.
“Дьявол кроется в деталях”
Все слышали, что рынок фрактален (часть подобна целому), что на всех таймфреймах он выглядит одинаково, что он постоянно воссоздает подобные элементы на разных уровнях своей структуры. Обнако с руки Б.Вильямса произошла подмена и резкое сужение непростого понятия “Фрактал” до банальной свечной комбинации.
Процитирую Мандельброта. Он то и ввел в обиход этот термин лет 40 тому назад..
“Фрактал - геометрическая форма, которая может быть разделена на части, каждая из которых - уменьшенная версия целого. В финансах эта концепция - не беспочвенная абстракция, а теоретическая переформулировка практичной рыночной поговорки – а именно, что 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. Это качество определяет диаграммы как фрактальные кривые и делает доступными многие мощные инструменты из математического и компьютерного анализа”.
Ну, положим, кто-то может по гэпам почувствовать дневные графики, но, по крайней мере, речь шла не о свечной комбинации, а о существенно более емком понятии. А то, “фрактал на покупку, фрактал на продажу”. Все-таки, скажу слово в защиту Билла Вильямса. В последней книге “Торговый Хаос 2” он сетует, что рынки изменились и пытается усилить свою систему. Ему жалко, что он упускает много из ценового движения. И я увидел маленький намек, что он слегка, может, даже не осознавая, сделал маленький шажок в сторону настоящего Фрактала, который скрывался между некоторыми фракталами по Б.В. Между некоторыми точками рынка (хаи и лои, но не все пары) существует невидимая связь, не всегда очевидная, Мандельброт ее чувствовал и пытался ее развить. Один из приемов (он подавал его как шутку) – вырастить из простой затравки график рынка, соблюдая простой алгоритм усложнения через простое подобие (Генератор Мандельброта).
Б.Вильямс этого не чувствовал. Странная у него была команда, математики, программисты. Не понимали они друг друга. Или загрузили себя рутинной работой по подбору параметров скользящих средних. Возможно, надо быть универсалом и строить Вавилонскую башню до какого-то уровня в одиночку. А Хаоса (настоящего, математического) у него, конечно же, тоже не было, как и Фрактала. Есть и еще гипотеза – он прикрывал настоящее знание.
Да, рынок бывает фрактальным. Временами это очевидно. Например, на следующем графике это можно было бы заметить невооруженным, но тренированным, глазом. Здесь, правда, все-таки, с применением техники. Зеленые, розовые и синяя фигуры (все - Фракталы) очень похожи. Можно было бы зеленые фигуры дробить еще глубже, но материала надолго не хватит, свечек ограниченное количество, да, и, из-за дискретности, нарастает относительная погрешность.
На TF(timeframe)=М1.
Довольно типичная для рынка структура (триадная), что на росте-спуске, что в боковике.
Для продвинутых. Теперь уже заметно, что идея генератора у Мандельброта была неплоха (как шутка).
Был бы он еще и трейдером, все бы уже лет 15 изучали его систему трейдинга, а не “машки” или Эллиота. Кстати, Эллиот изучал тренд, педалируя схему 5+3, и много “потерял”, в частности – боковик. А вполне мог бы ограничиться числом 3. А, так, Фрактал многое поглотил, включая волны Эллиота.
Заметно, что некоторые структуры начинают ломаться. На TF=М15 кто-то уже сказал бы: “пила, тухлый боковик”. А на самом деле боковик при соответствующей детализации просто прекрасен, надо просто перейти на более мелкий TF.
На TF=D структура просто была бы совершенно не видна, вся эта красота закрывалась бы одной дневной свечкой.
Рынок дискретен. Поток элементарных сделок, идущих то чаще, то реже. Снимаю шляпу перед теми, кто работает на тиковом уровне – они пытаются работать с первоисточником. Идеально, если у вас есть HFT-робот, находящийся непосредственно на бирже. Но большинство из нас торгуют дома или на работе. Между нами и биржей – брокер и телекоммуникационная среда. Информация о заявках и сделках, обычно накопленная в пакетах в некотором количестве (как бы, минисвечка или минибар), доходит до нас с некоторым опозданием, примерно на десятые доли секунды или еще медленнее. Да, еще, может, и разными логическими каналами в разные таблицы торгового терминала. Дискретность пакета и задержки – это реалии.
А потом начинается ужасное - торговый терминал режет эту еще слегка искаженную последовательность на свечки-бары по желанию пользователя, как колбасу, обычно ровными порциями, на минутной, часовой, дневной и т.д. основе. Детали теряются, и чем выше TF, тем больше их теряется. Конкретное время, когда рынок достиг своего экстремума, спряталось внутри интервала свечки. Да, еще и эта условная нарезка по временным интервалам. Есть же и другие виды графиков. Одно время я исследовал эквивольюмные графики, на которых свечки имеют ширину, пропорциональную объему. Этап был проходной, но полезный.
Еще один дефект нарезки рыночного трафика на свечки-бары. Экстремумы (High-Low) абсолютны, а вот Open-Close – относительны. Сместите часовой график минут на 5, экстремумы еще могут остаться на месте в той же часовой свечке и не изменить своего значения, а у Open-Close шансов очень мало.
Поэтому, для меня естественным было бы работать на минимально допустимом TF (по техническим или физиологическим возможностям). Это качественно, по степени детализации и близости к тиковому уровню.
Многие задаются вопросом, на каком TF надо работать? Попробуем оценить количественно, пусть грубо, что еще, кроме деталей, теряется при переходе на другой, более высокий таймфрейм.
В середине прошлого века был обнаружен парадокс береговой линии. Разные измерения одной и той же границы или береговой линии давали сильно отличающиеся результаты, в зависимости от того какой единицей она измерялась. Через некоторое время Бенуа Мандельброт разработал новую область математики, фрактальную геометрию, для описания именно таких объектов в природе. И рынок по этой же причине попал в поле зрения Мандельброта.
Прикинем сумму высот свечек за день, например, для fRTS, на TF=D, TF=H1 и TF=M1. Может, кто-то думает, что они совпадают (объемы – да, совпадают)? Можно, например, воспользоваться индикатором ATR (Average True Range) или, грубо, можно ориентироваться на корень квадратный из соотношения таймфреймов. Распределением объемов и высот свечек я тоже занимался и даже сделал полезный индикатор.
Для TF=D сумма высот свечек в заурядный день это 2-3 тысячи пунктов, для TF=H1 это 8-10 тысяч пунктов, а для TF=M1 – 60-80 тысяч (если правильно запомнил, то 16.12.2014 было 484 тысячи). Это ориентир для нашей потенциальной прибыли (выбрать все свечки по всей высоте). Получить прибыль в 7 раз больше при переходе с H1 на M1 – нельзя игнорировать это обстоятельство (правда, объем работы увеличится в 60 раз.). Это я прояснил для себя еще до того, как выбрал брокера. Но физиологически я не мог работать на TF ниже M15. Сейчас, вооруженный до зубов, считаю TF=M1 медленным.
Оценивал TF=1sec, искусственно строя секундные свечки для fRTS и исследуя их в Excel. На этом таймфрейме рынок выглядит так же, как и на других. Алгоритмы выдержали. Вот и определился тот таймфрейм, на котором надо работать дома (роботом) с учетом задержек. Потенциально увеличение прибыли еще где-то в 7 раз.
Я не люблю использовать термин “таймфрейм”. У меня он фиксирован – M1 (предельная детализация по свечкам). Мне естественнее говорить “торговый горизонт”. У меня он редко уходит за 2-3 дня. Могу для поддержания разговора или если надо посмотреть что-то. Мог бы работать и на H1, и на D1 (система позволяет), но арифметику я знаю хорошо.
Разумеется, все это справедливо для ликвидных инструментов. Проверял работу системы на акциях ТГК-2, там 90% всех минуток проходили без сделок, были дни, когда до обеда сделок совсем не было. Работая на TF=M1 я застрял в позе на месяц, тогда, как на fRTS среднее время нахождения в позе – 10мин.
А если вы ворочаете миллиардами, то для вас нужен отдельный пост. Как продать или купить большой пакет акций, не уронив рынок и не взвинтив его в космос? Тоже есть ответ.
Вы не можете перейти на споте на минутки, потому, что комиссия превысит прибыль? Переходите на ФОРТС, там комиссия просто символическая (не считая других достоинств).
Ваша система покупает летом, а продает зимой или работает по фазам луны? Извините, ваша система не масштабируется, преимущества фрактальности не для вас.
В вашей системе зафиксированы конкретные значения параметров каких-то индикаторов и она плохо работает на других TF? Тоже, извините.
Вы физиологически не успеваете следить за своими индикаторами и выполнять нужные построения? Это проблема ваша или вашей системы. Автоматизируйте.
Потенциально, масштабируемые системы могут воспользоваться этим очевидным свойством фрактальности, особенно при автоматизации.
Математики спокойно занимались фрактальными объектами задолго до Мандельброта. Так часто бывает. Но как только становится очевидным прикладной характер, идет взрывоподобное развитие. Материаловедение, технология Stealth, фрактальные антенны – много куда проникла фрактальность. Теперь и рынок может взорваться (в разных смыслах).
С несколькими Фракталами я познакомился в средних классах, еще лет 10-15 оставалось до внедрения в массы этого термина. О кроликах Фибоначчи я узнал еще раньше, все из тех же научно-популярных книжек и брошюрок.
Треугольник Серпинского.
Кривая Дракона (опреденно есть у Гарднера, но, уверен, встречал и раньше).
Генератор Мандельброта. Идея, как в кривой Дракона. Уже ближе к рыночным графикам.
О курьезах. Я с детства, оказывается, знал что-то о Фракталах и Фибоначчи. О генераторе Мандельброта я узнал, когда уже писал этот пост. Фамилию Мандельброт мне подсказали, когда я уже озвучил свои первые результаты. Я никогда не занимался ни чистой математикой, ни прикладной. Но, думаю, мехмат с красивой и строгой математикой сидит во мне прочно. Я не помню, когда я узнал о проблеме береговой линии, но фрактальность рынка принял совершенно естественно.
Говорят, что Фракталы хорошо описывают природу, но не объясняют ее. В части рынка хорошие объяснения его сути у меня определенно есть. Хотя, формально это уже, как бы, лишнее.
Я стал подбирать математический аппарат, на базе которого можно было развивать некоторые мысли и наблюдения.
Экспонента Херста. Временные ряды. Персистентность. Антиперсистентность. Прошел исключительно поверхностно. Почувствовал некоторую инерционность, усредненность и закладываемое отставание. Требовалось большое количество данных. Использование стандартных отклонений отталкивало. Мне больше подходила динамика, ведь рынок очень динамичен. Да и слишком много народа занималось временными рядами.
Теория групп – тогда было очень рано, ее время еще не пришло, но скоро может наступить. Трейдеры, специалисты по теории групп, готовьтесь занять нишу. Можно попробовать навести порядок во фрактальных структурах.
Фрактальная геометрия – очень легко, по простым алгоритмам, получаются красивые сложные статические фигуры. Смоделировать рынок из простых затравок, типа генератора Мандельброта, было очень частной задачей. Было бы этими моделями охвачено все многообразие рынка – неизвестно.
Но была одна необычная математическая дисциплина. Она была несколько не в ладах с классической наукой, в которой какие-то идеи что-то предсказывают, а предсказания сверяют с реальными результатами. Теория Хаоса занималась непредсказуемыми системами.
Теория Хаоса (теория нелинейных динамических систем, с непостоянным и непериодическим изменением траектории) имеет отношение к фрактальными системам и к рынку. Только не Билла Вильямса, а математическая (вот, ведь, человек – использовал два прекрасных термина совершенно не по назначению). Под хаосом в быту вообще понимают полный беспорядок, в то время как Хаос - это особая, изысканная форма порядка.
Представьте себе автомобиль, который едет равномерно-прямолинейно по прямой. Вы всегда знаете, где он был или будет находиться в любой момент времени. Можно заменить прямую на синусоиду, а равномерное движение на равноускоренное – принципиально ничего не меняется. Полная предопределенность.
Другая крайность – бросание монетки. Полная непредсказуемость результата.
Хаос занимает промежуточное положение. Он выглядит случайным, беспорядочным, однако в нем есть закономерности, но они обнаруживаются не сразу (“Видишь суслика? Нет. И я не вижу. А он есть.” (ДМБ)). Но, в то же время, при наличии закономерностей, результат движения является непредсказуемым. Вот такое интересное сочетание.
Первый вывод Теории Хаоса – будущее точно предсказать невозможно. Много раз встречал ситуации, когда до целевой кривой оставалось буквально полсвечки, но рынок откатывался и закономерно выходил на целевую только на следующий день и совсем на другом уровне. Поэтому прогнозами не занимаюсь – теория не велит.
При всей непредсказуемости траектории движения существуют рамки, пределы, которые это движение ограничивают. Эти статичные рамки и образуют Фрактал, но только по завершении движения. То есть, предельное положение хаотической системы (динамического явления) и есть Фрактал (статическое явление). Тот самый Фрактал из фрактальной геометрии. В процессе движения прообраз фрактала тоже меняется, уточняется, приближается к законченной форме, с возникновением промежуточных финишей. Дополнительно, результат существенно зависит от начальных данных и от факторов воздействия во время движения (для рынков, например, от новостей или действий трейдеров).
Некоторая аналогия (аналогия – это не доказательство). Зарядили пушку (порох, ядро), установили угол (прицелились) и выстрелили. Место пушки, количество пороха, прицел – начальные условия. Баллистик скажет – полетит по параболе. При некоторых условиях – правдоподобно. При других – вполне может выйти и на эллиптическую орбиту, и на гиперболическую. А в микромире и вовсе другие закономерности. В рынке фрактальные свойства тоже могут иметь свой диапазон.
И летит ядро, пока не встретит препятствие. А здесь уже рельеф местности играет роль, гора ли на пути или ущелье, а, при правильных начальных условиях – какая-нибудь точка на крепостной стене. Встреча ядра с препятствием неизбежна (закономерность) и зависит от начальных условий и текущего рельефа (+ гравитационные аномалии), а каким рельеф будет – мы еще не знаем, поэтому и не знаем, где и когда ядро встретит рельеф (непредсказуемость).
У нас так же. Только траектория (целевая кривая) специфическая. И начальные условия важны, еще и профиль графика корректирует траекторию.
Как при таких установках найти что-то закономерное?
Есть смягчающие ситуацию факторы. Хаотические системы – с обратной связью, последующие значения зависят от предыдущих (память). В хаотических системах есть много точек равновесия.
Взгляните еще раз на вышеприведенные графики, теперь уже на динамику.
Мне понравился второй вывод Теории Хаоса – достоверность прогнозов со временем быстро падает. Этот вывод является существенным ограничением для применимости фундаментального анализа, оперирующего, как правило, именно долгосрочными категориями. Поэтому для меня естественно работать накоротке, “прямой наводкой”, на не очень больших торговых горизонтах (обычно не более 1-2 дня на минутках). Есть еще очень важное обстоятельство. К моему удовлетворению, рыночная фрактальность дала очень мощную возможность повысить точность (что-то вроде самофокусировки лазерного луча).
Прекрасно подходила Теория Хаоса под мои задачи, но осваивать ее я не собирался.
Теория Хаоса сказала мне, что в хаотичных системах есть странные аттракторы (точки, кривые, фигуры), к которым притягиваются элементы системы. В частности, странные аттракторы образуют определенные рамки движения. И есть у них особенность - они существенно зависят от точки приложения (более широко – от начальных условий).
И стал я искать странные аттракторы. Мне просто деваться было некуда, все было так хорошо объяснено. Я нашел их с десяток. Один из странных аттракторов оказался фигурой - Фракталом. Есть в его формуле одна интересная деталь, я ее обнаружил когда решил основное уравнение - деталь называется «среднее гармоническое». Для математика это очень ценно. А Фрактал получился и обобщением основной гармонической модели AB=CD, и обобщением Генератора Мандельброта, похоже, что и Волны Эллиота может закрыть. Одновременно целевая и коррекционные кривые обобщили дискретность расширений и коррекций Фибоначчи до непрерывности. И еще какие-то мелочи.
Странными путями иногда доходила до меня информация, дающая мне ценные импульсы.
В выходные на даче как-то застал по ТВ самый конец боевика-детектива, где играли У.Снайпс и Дж.Стэтэм.
Один из них говорит (не дословно): ”Cобытия, поначалу кажущиеся случайными, со временем могут стать закономерностью. Называется Теория Хаocа".
Посмотрел в домашней коллекции с другим переводом: «Один случайный поступок тянет за собой другой, другой следующий, в конце возникает закономерность. Это Теория Хаоca».
Фильм назывался ”Хаос".
Какие ассоциации у нормального человека должны были возникнуть при упоминании термина “подобие”? Правильно, подобные треугольники.
Но, не только. Чем не суперпозиция (в собранном виде)?
Фракталы не обязаны иметь красивую форму, как в триадной структуре. Вот форма, напоминающая треугольники.
P.S. Кто прочитает предпоследний абзац раздела из книги Э.Наймана (“Путь к финансовой свободе. Глава 6. В поисках Грааля. 6.2.Теория Хаоса на службе у трейдера”) о проблемах совместимости Теории Хаоса с классической наукой, поймет, что я только из духа противоречия должен был выбрать Теорию Хаоса.
Э.Найман советует не спешить с применением знаний о хаосе. А я и не спешил.
А еще он подтверждает, что это самое перспективное современное направление для прикладных исследований финансовых рынков .
И я тоже это подтверждаю.
