30 ноября 2016 Альпари Вишневецкий Юрий
Все больше и больше крупных банков предлагают новый метод оценки рынка – «квантовые модели». О чем идет речь, и на каком основании термины современной физики применяются к финансовым рынкам? Попробуем дать ответ на этот вопрос.
Квантовая теория поля (КТП) — раздел физики, изучающий поведение квантовых систем с бесконечно большим числом степеней свободы, а основное уравнение квантовой механики — уравнение Шрёдингера – описывает изменение в пространстве и времени так называемого чистого состояния элементарных частиц. Причем, если уж закрыть глаза и углубиться в бесконечно далёкую от мира финансов тему, то нужно отметить, что квантовая теория поля и квантовая механика не могут определить спектр и свойства описываемых элементарных частиц, это свойства вводятся извне, из внешней среды, а теория описывает лишь количественные изменения.
Так можно ли квантовую теорию применить в валютном прогнозировании? Сама постановка вопроса звучит на грани абсурда, и тем не менее, моделей, гордо именующих себя «квантовыми», создано уже довольно много.
Приведем несколько примеров.
Есть модель от Bank of America Merrill Lynch, которая прогнозирует будущее изменение цены на основе динамики фондового рынка страны, тренда валюты, моментума и отклонения от так называемой «справедливой цены».
BNP Paribas предлагает целых две квантовые модели, которые носят названия «STEER» и «FX Momentum», в основе первой модели – взаимосвязь между процентными ставками, стоимостью акций и цен на сырьевые товары, а второй - текущей динамики валютных курсов, рыночных ставок и поведения фондового рынка. Сила тренда основывается, как несложно понять, на совокупном сигнале отдельных компонентов.
Есть аналогичные модели у Societe Generale, у Danske Bank, и у некоторых других.
Приведенных примеров достаточно, чтобы понять – сила тренда рассчитывается не на основании цены, а на основании некоего «внешнего окружения». Классический технический анализ работает только с ценой инструмента, иногда прибегая к анализу объемов, если это возможно. Множество методов технического анализа от простых moving averages до сложных волновых систем, по сути работают только с ценой, с некой условной точкой, которая движется по плоскости под воздействием внешних сил.
Технический анализ не имеет возможности определить эти внешние силы, да и не стремится к этому, отталкиваясь от постулата, что «в цену включено всё». Квантовые же модели исследуют в первую очередь «окружение», внешнюю среду, которая и формирует силы, воздействующие на цену и формирующие тренд.
Итак, нужно исследовать как внутреннее состояние инструмента (а это и есть цена на каждый момент времени), так и «внешнее окружение», то есть те силы, которые воздействуют на валюту и меняют её внутреннее состояние, то есть цену. Технический анализ по конкретной валютной паре или индексу превращается, таким образом, в один из методов анализа, далеко не основной, наряду с анализом «внешней среды», в котором можно использовать те же методы обработки данных, что и при технической анализе.
Возможно ли описать языком математики силы, действующие на валютную пару и меняющие её состояние? Вряд ли эта задача решаема, да и вряд ли станет решаемой в обозримом будущем. Как можно описать внутреннее состояние, цели и задачи десятков и сотен тысяч трейдеров, ежесекундно принимающих решения о купле или продаже? Однако модели существуют, и они вполне успешны, так, во всяком случае, утверждают валютные стратеги названных банков.
Выход здесь был найден в том, чтобы исследовать не всю внешнюю среду, а только её структурированные компоненты. Внешняя среда для валюты – это те рынки, на которых она нужна для оценки их состояния, ареал её применения. И «квантовость» моделей, которые становятся все более и более популярными, как раз и заключается в том, чтобы делать комплексный анализ валюты, который заключается как в исследовании её внутреннего состояния (цены, для чего пригоден традиционный технический анализ), так и внешнего окружения, то есть рынков, которые напрямую влияют на формирование спроса.
Давайте попробуем пройти этим путем и построить модель, относительно несложную, но отвечающую всем критериям, чтобы называться квантовой.
Начнем с долгового рынка.
Считается, что существует прямая закономерность – если рынок уверен, что валюта будет укрепляться, то игроки распродают долговые обязательства и переходят в наличность, что приводит и к росту доходностей. Вот мы и возьмем в качестве примера доходности 10-летних казначейских облигаций США и Германии (страны, в значительной степени определяющей валютную политику еврозоны) и сравним скорость их изменения.
Опуская собственно расчеты, отметим, что да, действительно, в большинстве случаев относительная динамика скоростей изменения доходностей облигаций соответствует динамике eurusd (зоны 1,2,3 и 6), или не совсем соответствует (зоны 4,5). Применяя к полученному графику те же методы, что и к графику eurusd, мы можем спрогнозировать изменения спроса на валюты. Конечно, нельзя ориентироваться только на изменение доходностей, но в качестве одного из компонентов будущей модели результаты вполне удовлетворительные.
Второй очевидный компонент – это скорость изменения фондовых индексов. Если рынок уверен, что экономика США выглядит более привлекательно, чем, скажем, экономика еврозоны, то один этот момент способен привлечь на него дополнительный капитал, что, в свою очередь, может вызвать и рост спроса на доллар. А это и есть внешняя среда для курса eurusd, то есть повышенный спрос на активы будет подталкивать вверх и соответствующую валюту.
Для сравнения возьмем фондовые индексы Euro Stoxx 50 и S&P 500 и применим к ним тот же метод, то есть измерим скорость изменения этих индексов относительно друг друга:
Здесь мы можем видеть уже более выраженную зависимость, все зоны, отмеченные на графике, имеют заметную корреляцию между валютным курсом и относительной динамикой спроса.
Итак, два компонента для будущей модели найдены. Что нужно еще?
Danske Bank при расчете своей квантовой модели G10 FX Financial Scorecard использует такой параметр как «позиционирование». Строго говоря, это – маркетинговый термин, и не совсем ясно, какой именно смысл вкладывает в него Danske Bank при анализе валютного рынка. Рискнем предположить, что имеется в виду оценка перспектив финансовых инструментов, действие которых направлено в будущее, то есть исследование рынка с позиции не настоящего, а с позиции формирования внешней среды для инструмента, которая проявится когда-нибудь потом.
Очевидно, что для такой оценки нужно использовать другие финансовые инструменты - фьючерсы и опционы, для чего нам понадобятся отчеты Commodity Futures Trading Commission (Комиссия по торговле товарными фьючерсами, далее CFTC), поскольку в них как раз и учитываются раздельные позиции крупных участников рынка – фьючерсы и опционы на основные мировые валюты.
Отчеты выходят 1 раз в неделю, как правило, по пятницам и содержат подробное описание консолидированных позиций трех групп участников рынка – спекулянтов, операторов (хеджеров) и группы неподотчетных игроков, которых еще называют мелкими спекулянтами.
Необходимое отступление. Типичная ошибка при анализе отчетов CFTC заключается в том, что путаются механизмы извлечения прибыли для спекулянтов и операторов. Широко распространено мнение, что эти две группы игроков находятся между собой в перманентной борьбе, в которой спекулянты, как правило, выигрывают, а операторы, как правило, проигрывают. Это заблуждение возникает от непонимания принципов хеджирования. Описание механизма извлечения прибыли выходит за рамки этого обзора, отметим лишь, что две группы игроков действуют согласованно, и прибыль получают и те и другие, поскольку извлекают свои доходы из разных сегментов рынка и от разных видов деятельности.
Расчет этого компонента для будущей квантовой модели будет идти по несколько иному алгоритму, поскольку различаются временные периоды (неделя против суток) и форма подачи первичной информации. Результат на графике:
Как мы видим, и в этом случае основные направления курса eurusd и расчетного интереса крупных игроков имеют вполне отчетливую корреляцию. Графики отличаются амплитудой, но основные направления выдерживаются довольно точно, и это позволит нам использовать отчеты CFTC в качестве очередного компонента будущей квантовой модели.
Итак, наша модель приобретает всё более конкретные очертания. Конечно, есть и другие рынки, которые можно рассматривать как внешнюю среду для валют, в первую очередь, это рынок сырья. К примеру, существует довольно сильная корреляция между стоимостью нефти WTI и курсом канадского доллара или между золотом и швейцарским франком. Для каждой валюты можно составить собственный сырьевой индекс, однако расчеты получатся слишком громоздкими, а к цели они нас приблизят незначительно.
Таким образом, «внешняя среда» в первом, самом грубом приближении, у нас выстроена. Корректная обработка и правильная интерпретация трёх обозначенных баз данных позволит составить «карту интереса» капитала к тому или ином рынку.
Известно, что непосредственно курсовую стоимость валюты определяет свободный, не связанный в активах капитал, «кэш», он же спекулятивный капитал, именно этот капитал реагирует первым на любые новости. Наличность, в свою очередь, может составлять малую долю портфеля крупного игрока – банка, хедж-фонда или инвестиционного фонда. Основная же часть средств находится в долгосрочных активах, которые, по мнению игроков, будут менять свою стоимость с течением времени в расчетном направлении. Как правило, эти активы и размещаются в тех самых инструментах, которые мы используем для описания «внешней среды» для котировок валют. Следовательно, правильная интерпретация изменения «внутреннего состояния» описанных выше рынков может дать информацию о намерениях крупных игроков переместить свой капитал из того или иного инструмента или из той или иной валютной зоны.
Эти изменения являются опережающими относительно изменений валютных курсов, поскольку значительная их часть начинается и далее развивается внутри одной валютной зоны. К примеру, инвестор при переоценке рисков может часть активов переместить из акций в облигации и обратно, анализ долгового и фондового рынков эти движения зафиксирует, а на валютном они могут не вызвать реакции, поскольку перемещения капитала происходит в пределах одной валютной зоны. И именно поэтому анализ «внешней среды» для валютной пары дает дополнительную информацию о намерениях игроков, которую невозможно получить обычным путем.
Теперь нужно добавить к полученным расчетам собственное «внутреннее состояние» валютной пары, для чего вполне подойдут обычные методы теханализа. Большинство банков используют довольно простые способы, к примеру моментум, RSI, комбинации простых средних с периодами от 21 до 200 дней, или чуть более сложные индикаторы (Danske Bank использует индикатор MACD). Мы добавим в качестве компонента, ответственного за расчет «внутреннего состояния», более сложную модель нелинейной волновой регрессии, которая довольно точно предсказывает глобальное направление по инструменту, а больше нам ничего и не нужно.
Итак, у нас есть всё необходимое для построения модели. Дальше дело техники – присвоить каждому компоненту вес в будущем окончательном результате, составить и просуммировать прогнозы по каждому рынку и отобразить в виде готового к использованию графика:
Именно в таком виде большинство банков представляют окончательный результат своих квантовых моделей. Каждая валюта имеет свой вес, и на начало каждого торгового дня можно видеть рост или снижение интереса к ней. Всё больше и больше инвестиционных фондов управляют своими портфелями активов с помощью сложных квантовых моделей, а влияние трейдера, роль пресловутого «человеческого фактора», сводится к минимуму.
Конечно, в короткой статье невозможно раскрыть весь алгоритм расчетов. В то же время, как известно, критерием истины является практика, а потому попробуем составить прогноз на ближайшие несколько дней, используя исключительно результаты модели.
Вашему вниманию – несколько примеров практического применения валютных индексов, рассчитанных с помощью созданной нами квантовой модели. Можно отнестись к ним с известной долей сомнения, поскольку модель, которую мы описали в первых двух частях, все же довольно грубая и построена на небольшом количестве компонентов.
Также нужно иметь в виду, что фундаментальный интерес крупных игроков довольно инерционен, позиции удерживаются месяцами, и поэтому расчетные валютные индексы непригодны для того, чтобы служить сигналами входа в рынок. Скорее, это своего рода фильтр, который позволяет трейдеру лучше ориентироваться в фундаментальном состоянии рынка и понимать, в какую сторону смотрит крупный капитал.
EURUSD
По основной валютной паре прогноз можно считать вполне адекватным. Рост завершился 16 августа, и несмотря на то, что трижды индексы пытались перекраситься в зеленый цвет, эти периоды были кратковременными, то есть ошибочные сигналы быстро завершались.
В настоящий момент тренд на снижение по-прежнему силен, признаков разворота совсем немного, а значит, мы вправе ожидать попыток обновить минимум. Обратим внимание, что первая реакция на результаты выборов в США, когда пара бурно восстанавливалась до 1.13, не привела к пересмотру направления.
NZDUSD
По новозеландскому доллару можно выделить три периода. Первый из них завершился 5 августа, в этот день появились первые признаки скорого разворота. Затем вплоть до 26 сентября сигнал был неустойчивым, то есть восходящий поток импульс потерял, а разворот еще не оформился.
Ну и наконец третий период, который начался 26 сентября. С этого дня киви находится под давлением, несмотря на довольно сильную коррекцию в октябре, расчеты показывают, что это была именно коррекция, и пара в настоящий момент находится под давлением.
EURGBP
Ну и наконец один из популярных кроссов.
После Brexit рынки некоторое время лихорадило, летом прогнозы по перспективам британской экономики были довольно мрачными, и одной из основных опасностей считалось неизбежное снижение притока прямых иностранных инвестиций. Резкое ослабление фунта снизило привлекательность британских активов, но и одновременно поддержало экспорт, что спустя некоторое время вылилось в быстрое восстановление делового доверия.
Соответственно, настроения инвесторов менялись довольно быстро, что и отражается на графике – в августе и сентябре прогнозы хаотично меняли направление. После 10 ноября кросс, казалось бы, развернулся вниз, отражая внезапную тягу рынка к риску после президентских выборов в США, однако с 28 ноября вновь выросла вероятность возобновления роста.
Вместо заключения.
Предшественниками квантовых моделей можно считать «модели случайного блуждания», основанные на разложении цены финансового инструмента на детерминированную и вариативную части, с зачастую громоздким математическим аппаратом. Известен также так называемый «рефлексивный подход» к моделированию (впервые, как считается, предложен Дж.Соросом), который исходит из постулата, что цена на финансовые инструменты изменяется потому, что участники рынка неверно оценивают изменение цен в будущем, потому что опираются на знание этих изменений в прошлом.
Существуют модели, построенные на поиске аналогий между экономическими и физическими процессами, к примеру, известны попытки построить аналог известной таблице физических величин Р.ди Бартини – Кузнецова.
Квантовая модель пытается учитывать все важнейшие факторы формирования цены. Если «внешнее окружение» проявляет себя слабо, то для адекватного прогноза вполне годятся методы технического анализа. Если же капитал активно перемещается или готовится к перемещению между различными рынками и финансовыми инструментами, то по его движению можно рассчитать намерения игроков, в том числе неосознаваемые, то есть применять дополнительно к теханализу и рефлексивный метод.
Конечно, предложенный нами подход к построению квантовой модели состояния рынка довольно грубый, если не сказать поверхностный, однако он показывает, в каком направлении нужно двигаться. По нашему мнению, за квантовыми моделями будущее. Времена, когда для принятия решения достаточно было дождаться пересечения двух скользящих средних, остались далеко в прошлом. Также в прошлое уходят и значительно более сложные системы, которые имеют один, но существенный недостаток – опору на цену и только цену, которая «включает в себя всё».
Квантовая теория поля (КТП) — раздел физики, изучающий поведение квантовых систем с бесконечно большим числом степеней свободы, а основное уравнение квантовой механики — уравнение Шрёдингера – описывает изменение в пространстве и времени так называемого чистого состояния элементарных частиц. Причем, если уж закрыть глаза и углубиться в бесконечно далёкую от мира финансов тему, то нужно отметить, что квантовая теория поля и квантовая механика не могут определить спектр и свойства описываемых элементарных частиц, это свойства вводятся извне, из внешней среды, а теория описывает лишь количественные изменения.
Так можно ли квантовую теорию применить в валютном прогнозировании? Сама постановка вопроса звучит на грани абсурда, и тем не менее, моделей, гордо именующих себя «квантовыми», создано уже довольно много.
Приведем несколько примеров.
Есть модель от Bank of America Merrill Lynch, которая прогнозирует будущее изменение цены на основе динамики фондового рынка страны, тренда валюты, моментума и отклонения от так называемой «справедливой цены».
BNP Paribas предлагает целых две квантовые модели, которые носят названия «STEER» и «FX Momentum», в основе первой модели – взаимосвязь между процентными ставками, стоимостью акций и цен на сырьевые товары, а второй - текущей динамики валютных курсов, рыночных ставок и поведения фондового рынка. Сила тренда основывается, как несложно понять, на совокупном сигнале отдельных компонентов.
Есть аналогичные модели у Societe Generale, у Danske Bank, и у некоторых других.
Приведенных примеров достаточно, чтобы понять – сила тренда рассчитывается не на основании цены, а на основании некоего «внешнего окружения». Классический технический анализ работает только с ценой инструмента, иногда прибегая к анализу объемов, если это возможно. Множество методов технического анализа от простых moving averages до сложных волновых систем, по сути работают только с ценой, с некой условной точкой, которая движется по плоскости под воздействием внешних сил.
Технический анализ не имеет возможности определить эти внешние силы, да и не стремится к этому, отталкиваясь от постулата, что «в цену включено всё». Квантовые же модели исследуют в первую очередь «окружение», внешнюю среду, которая и формирует силы, воздействующие на цену и формирующие тренд.
Итак, нужно исследовать как внутреннее состояние инструмента (а это и есть цена на каждый момент времени), так и «внешнее окружение», то есть те силы, которые воздействуют на валюту и меняют её внутреннее состояние, то есть цену. Технический анализ по конкретной валютной паре или индексу превращается, таким образом, в один из методов анализа, далеко не основной, наряду с анализом «внешней среды», в котором можно использовать те же методы обработки данных, что и при технической анализе.
Возможно ли описать языком математики силы, действующие на валютную пару и меняющие её состояние? Вряд ли эта задача решаема, да и вряд ли станет решаемой в обозримом будущем. Как можно описать внутреннее состояние, цели и задачи десятков и сотен тысяч трейдеров, ежесекундно принимающих решения о купле или продаже? Однако модели существуют, и они вполне успешны, так, во всяком случае, утверждают валютные стратеги названных банков.
Выход здесь был найден в том, чтобы исследовать не всю внешнюю среду, а только её структурированные компоненты. Внешняя среда для валюты – это те рынки, на которых она нужна для оценки их состояния, ареал её применения. И «квантовость» моделей, которые становятся все более и более популярными, как раз и заключается в том, чтобы делать комплексный анализ валюты, который заключается как в исследовании её внутреннего состояния (цены, для чего пригоден традиционный технический анализ), так и внешнего окружения, то есть рынков, которые напрямую влияют на формирование спроса.
Давайте попробуем пройти этим путем и построить модель, относительно несложную, но отвечающую всем критериям, чтобы называться квантовой.
Начнем с долгового рынка.
Считается, что существует прямая закономерность – если рынок уверен, что валюта будет укрепляться, то игроки распродают долговые обязательства и переходят в наличность, что приводит и к росту доходностей. Вот мы и возьмем в качестве примера доходности 10-летних казначейских облигаций США и Германии (страны, в значительной степени определяющей валютную политику еврозоны) и сравним скорость их изменения.
Опуская собственно расчеты, отметим, что да, действительно, в большинстве случаев относительная динамика скоростей изменения доходностей облигаций соответствует динамике eurusd (зоны 1,2,3 и 6), или не совсем соответствует (зоны 4,5). Применяя к полученному графику те же методы, что и к графику eurusd, мы можем спрогнозировать изменения спроса на валюты. Конечно, нельзя ориентироваться только на изменение доходностей, но в качестве одного из компонентов будущей модели результаты вполне удовлетворительные.
Второй очевидный компонент – это скорость изменения фондовых индексов. Если рынок уверен, что экономика США выглядит более привлекательно, чем, скажем, экономика еврозоны, то один этот момент способен привлечь на него дополнительный капитал, что, в свою очередь, может вызвать и рост спроса на доллар. А это и есть внешняя среда для курса eurusd, то есть повышенный спрос на активы будет подталкивать вверх и соответствующую валюту.
Для сравнения возьмем фондовые индексы Euro Stoxx 50 и S&P 500 и применим к ним тот же метод, то есть измерим скорость изменения этих индексов относительно друг друга:
Здесь мы можем видеть уже более выраженную зависимость, все зоны, отмеченные на графике, имеют заметную корреляцию между валютным курсом и относительной динамикой спроса.
Итак, два компонента для будущей модели найдены. Что нужно еще?
Danske Bank при расчете своей квантовой модели G10 FX Financial Scorecard использует такой параметр как «позиционирование». Строго говоря, это – маркетинговый термин, и не совсем ясно, какой именно смысл вкладывает в него Danske Bank при анализе валютного рынка. Рискнем предположить, что имеется в виду оценка перспектив финансовых инструментов, действие которых направлено в будущее, то есть исследование рынка с позиции не настоящего, а с позиции формирования внешней среды для инструмента, которая проявится когда-нибудь потом.
Очевидно, что для такой оценки нужно использовать другие финансовые инструменты - фьючерсы и опционы, для чего нам понадобятся отчеты Commodity Futures Trading Commission (Комиссия по торговле товарными фьючерсами, далее CFTC), поскольку в них как раз и учитываются раздельные позиции крупных участников рынка – фьючерсы и опционы на основные мировые валюты.
Отчеты выходят 1 раз в неделю, как правило, по пятницам и содержат подробное описание консолидированных позиций трех групп участников рынка – спекулянтов, операторов (хеджеров) и группы неподотчетных игроков, которых еще называют мелкими спекулянтами.
Необходимое отступление. Типичная ошибка при анализе отчетов CFTC заключается в том, что путаются механизмы извлечения прибыли для спекулянтов и операторов. Широко распространено мнение, что эти две группы игроков находятся между собой в перманентной борьбе, в которой спекулянты, как правило, выигрывают, а операторы, как правило, проигрывают. Это заблуждение возникает от непонимания принципов хеджирования. Описание механизма извлечения прибыли выходит за рамки этого обзора, отметим лишь, что две группы игроков действуют согласованно, и прибыль получают и те и другие, поскольку извлекают свои доходы из разных сегментов рынка и от разных видов деятельности.
Расчет этого компонента для будущей квантовой модели будет идти по несколько иному алгоритму, поскольку различаются временные периоды (неделя против суток) и форма подачи первичной информации. Результат на графике:
Как мы видим, и в этом случае основные направления курса eurusd и расчетного интереса крупных игроков имеют вполне отчетливую корреляцию. Графики отличаются амплитудой, но основные направления выдерживаются довольно точно, и это позволит нам использовать отчеты CFTC в качестве очередного компонента будущей квантовой модели.
Итак, наша модель приобретает всё более конкретные очертания. Конечно, есть и другие рынки, которые можно рассматривать как внешнюю среду для валют, в первую очередь, это рынок сырья. К примеру, существует довольно сильная корреляция между стоимостью нефти WTI и курсом канадского доллара или между золотом и швейцарским франком. Для каждой валюты можно составить собственный сырьевой индекс, однако расчеты получатся слишком громоздкими, а к цели они нас приблизят незначительно.
Таким образом, «внешняя среда» в первом, самом грубом приближении, у нас выстроена. Корректная обработка и правильная интерпретация трёх обозначенных баз данных позволит составить «карту интереса» капитала к тому или ином рынку.
Известно, что непосредственно курсовую стоимость валюты определяет свободный, не связанный в активах капитал, «кэш», он же спекулятивный капитал, именно этот капитал реагирует первым на любые новости. Наличность, в свою очередь, может составлять малую долю портфеля крупного игрока – банка, хедж-фонда или инвестиционного фонда. Основная же часть средств находится в долгосрочных активах, которые, по мнению игроков, будут менять свою стоимость с течением времени в расчетном направлении. Как правило, эти активы и размещаются в тех самых инструментах, которые мы используем для описания «внешней среды» для котировок валют. Следовательно, правильная интерпретация изменения «внутреннего состояния» описанных выше рынков может дать информацию о намерениях крупных игроков переместить свой капитал из того или иного инструмента или из той или иной валютной зоны.
Эти изменения являются опережающими относительно изменений валютных курсов, поскольку значительная их часть начинается и далее развивается внутри одной валютной зоны. К примеру, инвестор при переоценке рисков может часть активов переместить из акций в облигации и обратно, анализ долгового и фондового рынков эти движения зафиксирует, а на валютном они могут не вызвать реакции, поскольку перемещения капитала происходит в пределах одной валютной зоны. И именно поэтому анализ «внешней среды» для валютной пары дает дополнительную информацию о намерениях игроков, которую невозможно получить обычным путем.
Теперь нужно добавить к полученным расчетам собственное «внутреннее состояние» валютной пары, для чего вполне подойдут обычные методы теханализа. Большинство банков используют довольно простые способы, к примеру моментум, RSI, комбинации простых средних с периодами от 21 до 200 дней, или чуть более сложные индикаторы (Danske Bank использует индикатор MACD). Мы добавим в качестве компонента, ответственного за расчет «внутреннего состояния», более сложную модель нелинейной волновой регрессии, которая довольно точно предсказывает глобальное направление по инструменту, а больше нам ничего и не нужно.
Итак, у нас есть всё необходимое для построения модели. Дальше дело техники – присвоить каждому компоненту вес в будущем окончательном результате, составить и просуммировать прогнозы по каждому рынку и отобразить в виде готового к использованию графика:
Именно в таком виде большинство банков представляют окончательный результат своих квантовых моделей. Каждая валюта имеет свой вес, и на начало каждого торгового дня можно видеть рост или снижение интереса к ней. Всё больше и больше инвестиционных фондов управляют своими портфелями активов с помощью сложных квантовых моделей, а влияние трейдера, роль пресловутого «человеческого фактора», сводится к минимуму.
Конечно, в короткой статье невозможно раскрыть весь алгоритм расчетов. В то же время, как известно, критерием истины является практика, а потому попробуем составить прогноз на ближайшие несколько дней, используя исключительно результаты модели.
Вашему вниманию – несколько примеров практического применения валютных индексов, рассчитанных с помощью созданной нами квантовой модели. Можно отнестись к ним с известной долей сомнения, поскольку модель, которую мы описали в первых двух частях, все же довольно грубая и построена на небольшом количестве компонентов.
Также нужно иметь в виду, что фундаментальный интерес крупных игроков довольно инерционен, позиции удерживаются месяцами, и поэтому расчетные валютные индексы непригодны для того, чтобы служить сигналами входа в рынок. Скорее, это своего рода фильтр, который позволяет трейдеру лучше ориентироваться в фундаментальном состоянии рынка и понимать, в какую сторону смотрит крупный капитал.
EURUSD
По основной валютной паре прогноз можно считать вполне адекватным. Рост завершился 16 августа, и несмотря на то, что трижды индексы пытались перекраситься в зеленый цвет, эти периоды были кратковременными, то есть ошибочные сигналы быстро завершались.
В настоящий момент тренд на снижение по-прежнему силен, признаков разворота совсем немного, а значит, мы вправе ожидать попыток обновить минимум. Обратим внимание, что первая реакция на результаты выборов в США, когда пара бурно восстанавливалась до 1.13, не привела к пересмотру направления.
NZDUSD
По новозеландскому доллару можно выделить три периода. Первый из них завершился 5 августа, в этот день появились первые признаки скорого разворота. Затем вплоть до 26 сентября сигнал был неустойчивым, то есть восходящий поток импульс потерял, а разворот еще не оформился.
Ну и наконец третий период, который начался 26 сентября. С этого дня киви находится под давлением, несмотря на довольно сильную коррекцию в октябре, расчеты показывают, что это была именно коррекция, и пара в настоящий момент находится под давлением.
EURGBP
Ну и наконец один из популярных кроссов.
После Brexit рынки некоторое время лихорадило, летом прогнозы по перспективам британской экономики были довольно мрачными, и одной из основных опасностей считалось неизбежное снижение притока прямых иностранных инвестиций. Резкое ослабление фунта снизило привлекательность британских активов, но и одновременно поддержало экспорт, что спустя некоторое время вылилось в быстрое восстановление делового доверия.
Соответственно, настроения инвесторов менялись довольно быстро, что и отражается на графике – в августе и сентябре прогнозы хаотично меняли направление. После 10 ноября кросс, казалось бы, развернулся вниз, отражая внезапную тягу рынка к риску после президентских выборов в США, однако с 28 ноября вновь выросла вероятность возобновления роста.
Вместо заключения.
Предшественниками квантовых моделей можно считать «модели случайного блуждания», основанные на разложении цены финансового инструмента на детерминированную и вариативную части, с зачастую громоздким математическим аппаратом. Известен также так называемый «рефлексивный подход» к моделированию (впервые, как считается, предложен Дж.Соросом), который исходит из постулата, что цена на финансовые инструменты изменяется потому, что участники рынка неверно оценивают изменение цен в будущем, потому что опираются на знание этих изменений в прошлом.
Существуют модели, построенные на поиске аналогий между экономическими и физическими процессами, к примеру, известны попытки построить аналог известной таблице физических величин Р.ди Бартини – Кузнецова.
Квантовая модель пытается учитывать все важнейшие факторы формирования цены. Если «внешнее окружение» проявляет себя слабо, то для адекватного прогноза вполне годятся методы технического анализа. Если же капитал активно перемещается или готовится к перемещению между различными рынками и финансовыми инструментами, то по его движению можно рассчитать намерения игроков, в том числе неосознаваемые, то есть применять дополнительно к теханализу и рефлексивный метод.
Конечно, предложенный нами подход к построению квантовой модели состояния рынка довольно грубый, если не сказать поверхностный, однако он показывает, в каком направлении нужно двигаться. По нашему мнению, за квантовыми моделями будущее. Времена, когда для принятия решения достаточно было дождаться пересечения двух скользящих средних, остались далеко в прошлом. Также в прошлое уходят и значительно более сложные системы, которые имеют один, но существенный недостаток – опору на цену и только цену, которая «включает в себя всё».
Не является индивидуальной инвестиционной рекомендацией | При копировании ссылка обязательна | Нашли ошибку - выделить и нажать Ctrl+Enter | Жалоба