Анализ денежного рынка

Насколько глубокими должны быть статистическим образом выведенные модели? В общем случае чем глубже, тем лучше. Правда, для некоторых случаев использование данных только современной истории может оказаться несколько более разумным. Например, Бразилия стала активным участником рынка сои в США только начиная с 1984) г., изменив чуть ли не на 180° картину поведения этого рынка, которая имела место в 1970-х гг. Напротив, анализ инфляционной среды, основанный только па дефляционных моделях, сформировавшихся в 1985-1991 гг., может оказаться слишком самонадеянным.

В подобных исторических сдвигах следует также принимать во внимание временной лаг, с которым формируются те или иные модели. Анализ денежного рынка может помочь в нейтрализации таких эффектов, однако модели, характерные для фьючерсных рынков (которые зависят, например, от поставок или же от даты исполнения контрактов), могут выпасть из поля зрения при такого рода переделках. Таким образом, при должном использовании следует обращать внимание как на глубину данных модели, так и на саму модель. Все вышесказанное справедливо, но только в том случае, если пользователь модели хорошо разбирается в последовательности своего выбора.

Примыкающие к данной теме вопросы включают проектирование будущих процессов посредством статистических моделей, которые подтверждали бы прошлые результаты, но не предсказывали будущие значения. Победитель суперкубка (феномен направленности рыночных движений фондового рынка) представляет собой пример статистического совпадения, так как здесь полностью отсутствуют какие бы то ни было причинно-следственные связи. Однако такое обстоятельство непременно поднимает вопрос: если компьютеры обрабатывают всего лишь временные ряды, какой смысл тогда несут результаты таких исследований? Действительно ли модель, которая прорисовывалась на рынке в течение 14 из последних 15 лет, работает?

Безусловно, модели, формирующиеся под воздействием фундаментальных факторов, вселяют большую уверенность, но знать абсолютно все фундаментальные факторы каждого рынка просто невозможно. Если кому-то удастся построить толковую модель, основанную на сезонности, этот некто сможет с легкостью обнаружить некие однонаправленные тренды, которые встречаются в одно и то же время между определенными датами, причем эти модели будут обладать высокой надежностью, основанной на достоверности результатов в прошлом. Целый кластер таких трендов, основанных на исторической достоверности, с подробными датами входа и выхода не только снижает погрешность статистических вычислений, но и позволяет выявить периодически повторяющиеся фундаментальные факторы, которые, скорее всего, повторятся в будущем и окажут в той или иной степени влияние на рынок в те или иные промежутки времени.

Сезонные модели лишь прорисовывают сформировавшийся путь, по которому рынок стремится пройти. Это такое свойство рынка, которое обеспечивает обоснованность причин того, почему работает сезонность.

Примечание редактора. Некоторые стараются преподнести и распространить следующую информацию о сезонности, которая, как мне кажется, лишена смысла- Как правило, подобная информация приобретает следующий вид: цена товара X 13 апреля имеет свойство быть выше, чем в остальные дни, что наблюдалось в течение 13 из последних 14 лет. Компьютер всегда будет пытаться найти такого рода корреляцию, на основе которой некоторая часть трейдеров захочет торговать. Тем не менее торговать на основе сезонности на рынке, не имея представления о причинно-следственных связях, толкающих рынок в том или ином направлении, можно только на свой страх и риск. Результат бейсбольного супер кубка, имевшего место в январе 1998 г.. например, предсказывает нам падение на всех рынках на протяжении 1998 г.6 Будете ли вы прислушиваться к такому совету?