Применение индикаторов технического анализа и эконометрических моделей для построения краткосрочных прогнозов значения индекса РТС
Работа из раздела: «
Экономико-математическое моделирование»
/
Введение
Как известно, российскому рынку ценных бумаг присущи следующие особенности: неликвидность значительной доли ценных бумаг, доминирующее влияние игровых спекулятивных операций, резкое изменение тенденций, отсутствие зависимости стоимости акций от финансовых результатов эмитента, информационная непрозрачность, доминирующее значение политических и макроэкономических факторов, большая волатильность. Все это вызывает большие трудности для оценки и прогнозирования значений рыночных показателей и усложняет применение долгосрочных инвестиционных стратегий.
Для инвестора особую важность представляет оценка состояния фондовых рынков в целом. Дело в том, что фондовый рынок очень чувствителен и реагирует практически на любые изменения, происходящие внутри компаний на изменения в экономике государства. Российский рынок к тому же привязан к внешним факторам, таим как состояние мирового рынка, в частности рынка США, и ценам на нефть. Подобная реакция немедленно отражается на динамике изменения цен на акции и облигации. Основными показателями, характеризующими конъюнктуру фондового рынка, являются фондовые индексы. В изменении индекса отражается тенденция движения рынка, знание которой необходимо для принятия инвестиционных решений. Повышение эффективности методов прогнозирования фондовых индексов направлено на повышение качества инвестиционных решений и, как следствие, должно привести к вовлечению в экономическую деятельность большего числа инвесторов. Рост инвестиционной деятельности, в свою очередь, приводит к повышению темпов экономического развития и уровня жизни.
Отметим, что особую роль в современной экономической науке, равно как и практической деятельности, играет проблематика рисков. Вопросы идентификации, систематизации, анализа, количественной оценки и управления рисками занимают важное место как на уровне теоретической литературы и научных исследований, так и в системе реальной экономики. Объективная реальность развития рынка свидетельствует о том, что на данном этапе требуются новые способы оценки рыночного риска в условиях текущей сверх - рискованности российского рынка акций и невозможности долгосрочного и среднесрочного прогнозирования тенденций фондового рынка. Все перечисленные выше факторы делают необходимой задачу выработки надежной системы прогнозирования фондовых индексов, что обуславливает актуальность выбранной темы работы.
Стандартные методы моделирования временных рядов для анализа и прогнозирования процессов, происходящих на финансовых рынках, часто дают неудовлетворительные результаты. Можно отметить разрыв между действительными экономическими реалиями и экономическими теориями. В частности, было выявлено, что распределение прибыли на фондовом рынке зачастую не соответствует нормальному закону и характеризуется более высокой вероятностью резкого изменения, нежели действительно случайные процессы.
Степень разработанности проблемы. Значительный вклад в исследование рынка ценных бумаг и развитие теории инвестиций в целом внесли, прежде всего, лауреаты Нобелевских премий (Дж. Тобин (1981), Г. Марковиц (1990), У.Ф. Шарп (1990), М. Шоулс (1997), Р. Ингл (2003)), а также ряд других зарубежных (Г. Дж. Александер, Дж. В. Бей-ли, Г. Дженкинс, Д. Мерфи, Д. Нельсон и другие) и отечественных (Л.О. Бабешко, А.В. Воронцовский, В.В. Давние, В.Н. Едронова, Д.А. Ендовицкий, Ю.П. Лукашин, Я.М. Миркин, А.О. Недосекин) ученых.
Предметом исследования в настоящей работе являются методы краткосрочного прогнозирования временных рядов.
Объектом исследования избраны значения закрытия дневных торгов индекса РТС.
Целью данной работы является совместное применение индикаторов технического анализа и эконометрических моделей для построения краткосрочных прогнозов значения индекса РТС.
Для реализации поставленной цели в дипломной работе были поставлены и решены следующие задачи:
изучить особенности данных российского фондового рынка;
обзор существующих инструментов анализа фондового рынка;
применение технических индикаторов для выявления разворота тенденций на фондовом рынке;
использование методологического аппарата эконометрического моделирования для улучшения сигналов, полученных инструментами технического анализа;
построение краткосрочных прогнозов значения фондового индекса с помощью эконометрических моделей;
анализ полученных результатов.
Теоретическую и методологическую основу исследования составили современная теория фондовых рынков, а также достижения в области эконометрического моделирования. В процессе работы над работой использовались труды отечественных и зарубежных авторов в области построения и анализа эконометрических моделей временных рядов, проблем прогнозирование фондового рынка и методологии технического анализа.
Были использованы материалы научной периодической печати, интернет-ресурсы, архив котировок фондового индекса РТС. Эти данные составили эмпирическую базу исследования.
Практическая значимость работы заключается в том, что сформулированы выводы о совместном использовании технического и эконометрического анализа применительно к данным фондового рынка. В связи с ростом активности на фондовом рынке и ужесточением требований к рискам, повышение надежности торговых стратегий за счет качественных краткосрочных прогнозов является актуальной задачей для инвесторов.
Данная работа разбита на практическую и теоретическую части. В первой главе раскрыты теоретические основы торговли на фондовом рынке, перечислены основные участники торгов, выделены особенности торговли на фондовом рынке и перечислены органы государственного контроля. В данном разделе описаны различия между компаниями первого и второго эшелона на российском рынке и рассмотрены кризисный и посткризисный периоды экономики для этих компаний. Кроме того, в этой главе освещены методологии построения главных индикаторов фондового рынка - фондовых индексов- в разных странах, в том числе и двух основных индексов российского рынка: ММВБ и РТС. В последнем разделе первой главы данной работы рассмотрены проблемы прогнозирования данных фондового рынка и кратко охарактеризованы известные методики.
Вторая глава работы посвящена применяемым методам технического и эконометрического анализа для построения краткосрочных прогнозов. В разделах данной главы описаны методики построения технических индикаторов, дающих торговые сигналы и особенности их применения. Анализ и прогнозирование временных рядов рассмотрен в соответствии с методологией Бокса и Дженкинса. Работа с эконометрическими моделями описана по следующей схеме:
проверка временного ряда на стационарность;
идентификация модели, то есть выбор ее параметров;
оценка модели и проверка на адекватность исходным данным;
прогнозирование;
выбор модели с наиболее точным прогнозом.
В данном разделе описаны модификации модели, учитывающие особенности финансовых данных и приводящие к повышению точности прогноза.
В третьей главе представлена практическая сторона прогнозирования временных рядов на примере индекса РТС - произведен поэтапный расчет индикаторов технического анализа, процесса подбора эконометрических моделей и получение результатов краткосрочного прогнозирования фондового индекса. Выводы о совместном применении технического и эконометрического анализа представлены в заключении.
Глава1. Фондовый рынок
Фондовый рынок (от английского «stock market») площадка, где торгуются акции и облигации. Основные функции фондового рынка:
обеспечение дополнительного финансирования для предприятий, в обмен на продажу последними доли в собственности (акции) или долговыми обязательствами (облигации);
перераспределение финансов между отраслями;
рыночное ценообразование.
Таким образом можно приобрести долю в компании и получать от этого прибыль двумя основными способами:
получать дивиденды;
играть на курсовой стоимости ценных бумаг.
Если первый способ не нашел широкого применения в нашей стране, в виду низкого размера дивидендов по большинству акций, то вторым способом пользуется большинство трейдеров и инвесторов в Рссии и за рубежом.
1.1 Участники фондового рынка
Прямой доступ на фондовый рынок имеют только профессиональные участники рынка ценных бумаг, имеющие соответствующую лицензию. На фондовом рынке существует несколько групп участников, осуществляющих профессиональную деятельность:
Брокер - лицо, непосредственно совершающее сделки на торговой площадке от имени или по поручению клиента. Процесс покупки/продажи акций по договору с брокерской компанией является достаточно трудоёмким. Однако в последнее время всё большей популярностью пользуются электронные системы, где можно купить/продать, через которые стороны заключают сделки, не отходя от экрана компьютера. Начиная с 1997 года, пользователи Глобальной сети в России могут воспользоваться услугами систем Интернет-трейдинга. Наиболее распространёнными на сегодняшний день являются QUIK и Transaq. Они представляют собой порталы, которые посредством удобного пользовательского интерфейса позволяют давать указания брокерам на осуществление той или иной операции с ценными бумагами в режиме реального времени.
Дилер - лицо, совершающее сделки от своего имени и на свои средства. Чаще всего брокерские компании также осуществляют торговые операции на свои средства.
Управляющий активами - лицо, совершающее операции на фондовом рынке в интересах своего клиента. В отличии от брокера, который просто исполняет заявки, управляющий самостоятельно принимает торговые решения согласно выбранной стратегии.
Клиринговая палата - осуществляет учет сделок с ценными бумагами между участниками фондового рынка.
Депозитарий - лицо, осуществляющее учет и переход прав на ценные бумаги.
Реестр - собирает, учитывает, обрабатывает и хранит данные по владельцам ценных бумаг.
Биржа - организует проведение сделок по купле-продаже ценных бумаг. В России две крупнейшие биржи - ММВБ и РТС.
Инвесторы, работающие на фондовом рынке, могут быть классифицированы следующим образом:
инвестиционные фонды (юридические лица, расположенные как на территории Российской Федерации, так и за ее пределами, осуществляющие деятельность по инвестированию на фондовом рынке) и частные инвесторы (физические лица, осуществляющие деятельность по инвестированию за свой счет и на свой риск);
долгосрочные инвесторы, спекулянты, арбитражеры и хеджеры (условное деление инвесторов по типу используемой ими инвестиционной стратегии).
1.2 Особенности торговли на фондовом рынке
Фондовый рынок позволяет вкладывать сбережения в весьма широкий круг финансовых инструментов, дает возможность получать доход, опережающий инфляцию, ведет операции с ликвидными ценными бумагами, дает инвестору прямой доступ к предприятию и позволяет ему извлекать доход из активного роста компании.
Существенные преимущества фондового рынка перед рынком Forex:
законодательное регулирование и учет сделок с ценными бумагами,
значительно более низкий порог входа для торговли,
торговля ценными бумагами отечественных компаний, информацию о которых проще получить,
заявки выводятся непосредственно на биржу.
Недостатки фондового рынка:
резкие колебания котировок, вызванные действиями крупных спекулянтов,
невозможность торговать ценными бумагами других стран, например, США.
Еще одной особенностью фондового рынка является время его работы. В России фондовая биржа работает с 10:30 и до 18:45 по московскому времени. Таким образом, для долгосрочного инвестора фондовый рынок - один из оптимальных способов инвестирования в ценные бумаги. Для активных спекулянтов более широкие возможности открывает срочный рынок.
Среди профессиональных спекулянтов выделяют несколько групп:
институциональные инвесторы,
свинг-трейдеры (swing-traders),
дневные трейдеры (day-traders),
скальперы,
спрэд-трейдеры.
Выполняя все вместе функцию поддержания ликвидности, они в то же время являются источником дохода друг для друга.
В приложении 1 представлена таблица 1, где доходы инвесторов и их риски уменьшаются при движении сверху вниз. Каждая категория игроков обеспечивает доход всем другим категориям, расположенные в нижележащих строках.
1.3 Регулирование фондового рынка
Фондовый рынок в России регулируется как законодательно, так и с помощью некоммерческих организаций - объединения профессиональных участников рынка ценных бумаг.
Федеральным органом, регулирующий деятельность фондового рынка является ФСФР - Федеральная служба по финансовым рынкам (ФСФР России). ФСФР России осуществляет функции по принятию нормативных правовых актов, контролю и надзору в сфере финансовых рынков (за исключением страховой, банковской и аудиторской деятельности). ФСФР России находится в прямом подчинении Правительству Российской Федерации.
В настоящее время некоммерческие организации, регулирующие фондовый рынок России, представлены следующими некоммерческими организациями:
НАУФОР - Национальная Ассоциация Участников Фондового Рынка;
ПАРТАД - Профессиональная Ассоциация Регистраторов, Трансфер-Агентов и Депозитариев.
Благодаря этим организациям современный российский фондовый рынок постоянно развивается и приходит к цивилизованным формам взаимоотношений между его участниками.
1.4 Фондовые индексы
Фондовые индексы имеют большое значение и необходимы для того, чтобы отражать тенденции изменения цен на фондовом рынке. Фондовый индекс - это специальным образом взвешенное значение отношений текущих значений курсов ценных бумаг к некоторым базисным значениям. Он рассчитывается на основе определённого списка ценных бумаг.
В США и во всем мире широко используются индексы Dow Jones.
26 мая 1898 года один из основателей американской Dow Jones Company и первый редактор Wall Street Journal Чарльз Доу (Charles H. Dow) придумал очередное новшество. Помимо введенного им ранее биржевого индекса - 'железнодорожный средний' (Dow Jones Railroad Average) он предложил использовать еще один - 'промышленный' (Dow Jones Industrial Average, DJIA). С тех пор он остается одним из самых популярных биржевых индикаторов в США.
С 7 октября 1896 г. Wall Street Journal стал ежедневно публиковать значения промышленного индекса, содержащего в то время акции дюжины компаний, и практика нерегулярной биржевой статистики была успешно завершена. В 1916 г. DJIA дополнился акциями еще восьми компаний, а 12 лет спустя уже насчитывал 30 компаний, что мы и имеем сегодня. Сначала индекс рассчитывался как среднее арифметическое всех входящих в него акций. В 1928-м индекс стал рассчитываться с использованием специального множителя. Введение последнего должно было прекратить искажения, вызванные дроблением акций компаний или заменой одних акций на другие. Но по привычке этот индекс до сих пор называют 'средним' (average).
Еще одним популярным индексом США является 'Standard & Poor's' (S&P)
Этот индекс публикуется независимой компанией Standard & Poor's. Он обычно составляется в двух вариантах - по акциям 500 корпораций и по акциям 100 корпораций.
S&P 500 представляет собой взвешенный по рыночной стоимости индекс акций 500 корпораций, которые представлены в нем в следующей пропорции: 400 промышленных корпораций, 20 транспортных, 40 финансовых и 40 коммунальных компаний. В него включены в основном акции компаний, зарегистрированных на Нью-йоркской фондовой бирже, однако присутствуют также акции некоторых корпораций, которые котируются на Американской фондовой бирже и во внебиржевом обороте. Индекс представляет около 80% рыночной стоимости всех выпусков, котируемых на Нью-йоркской фондовой бирже. Этот индекс более сложный по сравнению с индексом Доу-Джонса, но он считается также более точным в силу того, что в нем представлены акции большего числа корпораций и акции каждой корпорации взвешиваются на величину стоимости всех акций, находящихся в руках акционеров. Фьючерсы и опционы по нему продаются на Чикагской товарной бирже.
S&P 100 исчисляется на той же основе, что и индекс по акциям 500 корпораций, но состоит из акций корпораций, по которым существует зарегистрированные опционы на Чикагской бирже опционов. В основном это промышленные корпорации.
Существуют также другие индексы семейства Standard & Poor's:
S&P Europe 350
S&P Latin America 40
S&P Asia Pacific 100
S&P MidCap 400
S&P SmallCap 600
S&P REIT Composite
S&P/BARRA Growth & Value
S&P/TOPIX 150
S&P/TSE 60
S&P/TSE Canadian MidCap
S&P/TSE Canadian SmallCap
История NASDAQ ведет отсчет с 8 февраля 1971 г., со дня ее первых официальных торгов. NASDAQ - это автоматизированная система розничной торговли ценными бумагами, буквальный перевод названия 'автоматизированное котирование Национальной ассоциации торговцев ценными бумагами' - National Association of Securities Dealers Automated Quotation - 'NASDAQ'. В 1994 г. NASDAQ по среднегодовому объему торгов обошла крупнейшую и престижнейшую Нью-Йоркскую фондовую биржу. А слияние NASD и AMEX, произошедшее 4 года спустя, еще больше упрочило позиции образованной Nasdaq Amex Market Group.
Для оценки состояния рынка существует целая серия индексов:
Nasdaq Composite
Nasdaq National Market Composite
Отраслевые индексы (Nasdaq Industrial, Nasdaq Transportation, Nasdaq Bank, Nasdaq Telecommunications, Nasdaq Insurance, Nasdaq Computer, Nasdaq Other Finance, Nasdaq Biotechnology)
Индекс Нью-Йоркской фондовой биржи (NYSE Index) представляет собой взвешенный по рыночной стоимости показатель движения курсов акций всех корпораций, зарегистрировавших свои бумаги на Нью-йоркской фондовой бирже (New York Stock Exchange), то есть, по сути, это показатель представляет собой среднюю цену на акцию по всем компаниям на Нью-йоркской фондовой бирже, взвешенный по рыночной стоимости акций каждой корпорации (с соответствующими корректировками по факторам дробления акций, слияний и поглощении). В отличие от индекса Доу-Джонса, который выражается в пунктах, индекс NYSE выражается в долларах. Операции с опционами по этому индексу осуществляются на самой Нью-йоркской фондовой бирже. Операции с фьючерсными контрактами осуществляются на Нью-йоркской бирже фьючерсов, которая является подразделением Нью-йоркской фондовой биржи.
Американская фондовая биржа публикует два основных индекса, которые исчисляются на совершенно разной основе.
Основной рыночный индекс Американской фондовой биржи (AMEX Major Market Index) является простым средним показателем движения цен 20 ведущих промышленных корпораций. Он был задуман Американской фондовой биржей в качестве своеобразного субститута промышленного индекса Доу-Джонса.
Индекс рыночной стоимости Американской фондовой биржи (AMEX Market Value Index) исчисляется на принципиально иной основе: он является показателем, взвешенным по рыночной стоимости всех выпущенных акций тех корпораций, которые включены в него в качестве компонентов. Впервые он был опубликован в сентябре 1973 года. Он включает в себя в качестве компонентов более 800 выпусков акций, представляющих ценные бумаги корпораций всех крупных отраслевых групп, зарегистрированных на Американской фондовой бирже, включая, помимо обыкновенных акций, американские депозитные свидетельства и подписные сертификаты. С технической точки зрения он является уникальным в силу того, что при его расчете предполагается, что дивиденды в форме наличных, выплачиваемые по входящим в его состав акциям, реинвестируются, и на этой основе они отражаются в индексе. Опционы по этому индексу котируются на Американской фондовой бирже.
Основными фондовыми индексами Франции являются CAC-40 и CAC General. САС 40 рассчитывается по 40 акциям крупнейших эмитентов, торгуемым на Парижской фондовой бирже. Фьючерсный контракт на данный индекс, возможно, является самым популярным и торгуемым фьючерсным контрактом во всем мире. САС General рассчитывается по акциям 250 эмитентов.
Основным фондовым индексом Германии является DAX 30, охватывающий 30 самых торгуемых акций (на основе торговой статистики за 3 последних года) на Франкфуртской бирже. Индекс взвешен по рыночной капитализации.
По результатам торгов в электронной системе рассчитывается индекс Xetra DAX, он практически совпадает с DAX 30. Однако электронная сессия длиннее, поэтому цены закрытия могут существенно различаться. Рассчитываются также DAX 100 и композитный индекс CDAX по 320 акциям.
FT-SE 30 Share Index, Financial Times Industrial Ordinary Share Index впервые стал публиковаться в 1935 году в Великобритании и охватывает акции 30 промышленных и торговых компаний. Рассчитывается как геометрическая средняя, получаемая путем перемножения курсов 30 акций из выборки и последующего извлечения из произведения корня 30-й степени.
FT-SE 100 - наиболее распространенный индекс в Великобритании. Представляет собой взвешенный арифметический индекс, рассчитываемый на базе 100 крупнейших по рыночной капитализации компаний Великобритании на поминутной основе. На его компоненты приходится около 70% общей капитализации фондового рынка Великобритании. FT-SE Mid 250 - индекс акций компаний со средней капитализацией, на которые приходится примерно 20% рынка Великобритании. Это следующие 250 компаний после сотни крупнейших, входящих в индекс FT-SE 100. Рассчитывается с декабря 1985г.
Главный фондовый индекс Японии - Nikkei (сокращенное от словосочетания 'nihon keizai' - 'nihon' по-японски Япония, а 'keizai' - 'финансы, экономика'). В его выборку входят 225 акций, торгуемых на Токийской фондовой бирже. Это среднеарифметический невзвешенный индекс, рассчитываемый по той же методике, что DJIA. Публикуется с 1950г.
Второй достаточно популярный индекс - Topix, рассчитываемый с 1968г. по всем акциям, торгуемым на 1-ой секции ТФБ.
Индекс JPN является модифицированным взвешенным по цене индексом, отражающим динамику 210 обыкновенных акций, активно торгуемых на Токийской фондовой бирже и представляющих обширный срез всех отраслей японской экономики. JPN тесно связан, но не идентичен индексу Nikkei.
Наиболее известен в Канаде индекс Торонтской биржи TSE 300, взвешенный по величине капитализации и охватывающий 14 секторов экономики.
Весьма известный индекс Гонконга - взвешенный по рыночной капитализации индекс Гонконгской фондовой биржи Hang Seng Index, рассчитываемый по акциям 33 компаний, капитализация которых представляет около 70% общей капитализации рынка. В состав индекса входят компании 4 секторов: торговля и промышленность, финансы, коммунальные услуги, земельная собственность.
Несмотря на то, что российский фондовый рынок имеет не такую уж и длинную историю, фондовых индексов на рынке было достаточно много. Наиболее известными в России сейчас являются индексы, рассчитываемые двумя основными биржевыми площадками - Фондовой биржей ММВБ и Российской торговой системой (РТС). Среди иностранных инвесторов большой популярностью пользуется также индекс MSCI Russia, рассчитываемый компанией Morgan Stanley Capital International, однако он стоит несколько особняком и не втянут в существующую конкуренцию двух индикаторов крупнейших в России фондовых бирж.
Индекс ММВБ - официальный сводный индекс Закрытого акционерного общества «Фондовая биржа ММВБ». Индекс ММВБ (рассчитывается с 22 сентября 1997 года, с 28 ноября 2002 года название «Сводный фондовый индекс ММВБ» изменено на «Индекс ММВБ») представляет собой взвешенный по эффективной капитализации индекс рынка наиболее ликвидных акций российских эмитентов, допущенных к обращению на ММВБ. индекс ММВБ пересчитывается в реальном времени при совершении в режиме основных торгов новой сделки с акциями, включенными в базу расчета индекса. В базу расчета индекса ММВБ входят ценные бумаги - обыкновенные и/или привилегированные акции 30-ти эмитентов.
График 1
Динамика индекса ММВБ (по логарифму) 14.12.2009-18.03.2011 гг.
Индекс РТС - официальный индикатор Фондовой биржи «Российская Торговая Система» (РТС). Впервые был рассчитан 1 сентября 1995 года и является общепризнанным показателем состояния российского фондового рынка. Индекс РТС рассчитывается в режиме реального времени в течение всей торговой сессии биржи РТС (с 10:30 до 18:00 по московскому времени) при каждом изменении цены акции, включенной в список для его расчета. В базу индекса РТС входит 50 наиболее капитализированных и ликвидных акций. Список акций, входящих в состав индекса РТС представлен в приложении 2. Изменение стоимости акций каждой компании влияет на величину индекса РТС. При этом, чем больше доля компании в индексе, тем ее влияние сильнее. Индекс РТС используется для того, чтобы отслеживать общее состояние рынка акций страны, вехи его развития и перспективы движения в будущем. Кроме того, индекс составляется таким образом, чтобы максимально адекватно отразить структуру экономики государства.
График 2
Динамика индекса РТС (по логарифму) 14.04.2008-18.03.2011 гг.
Перечисленные выше индексы хоть и являются основными и наиболее значимыми не только для своих национальных экономик, но и для всего мирового хозяйства в целом, но представляют лишь небольшую долю из всех используемых биржевых и внебиржевых котировочных индексов. Индексы являются динамичной экономической категорией, развиваясь и совершенствуясь вместе с изменениями в мировой экономике. Безусловно, создание и использование индексов позволило активизировать торговлю ценными бумагами в несколько раз, а значит, повысить инвестиционную активность экономик как развитых, так и развивающихся государств. Современный анализ фондовых рынков в основных своих положениях основывается на анализе биржевых индексов. Именно такая открытая игра, позволяет создать равные предпосылки для успешного прогноза и осуществления биржевой деятельности как для крупных, так и для молодых и небогатых инвесторов.
1.5 Крупнейшие эмитенты российского рынка акций
Примерно 95% объемов ежедневных торгов совершается только с несколькими акциями. Их называют «голубыми фишками».
Под «голубыми фишками» обычно понимают высоколиквидные акции, эмитированные лидерами национальной промышленности и имеющиеся в большом количестве в свободном обращении. Обычно это акции, эмитированные не просто крупным предприятием, но предприятием, представляющим одну из крупнейших отечественных монополий или финансово-промышленных групп (ФПГ). Кроме того, эмитент или ФПГ, в которую он входит, должны заботиться о развитии рынка этих акций. Подавляющее большинство «голубых фишек» в настоящее время - это акции крупнейших нефтяных, энергетических и телекоммуникационных компаний,а также акции крупных банков. Динамика изменения цен основных российских компаний, чьи акции относятся к «голубым фишкам» приведена в приложении 3.
1.6 Рынок акций «второго эшелона»
Акции второго эшелона - это акции компаний, менее востребованные на фондовом рынке и выпущенные не очень крупными компаниями, к ним относятся: Аэрофлот, Автоваз, Башнефть, Росбизнесконсалтинг, Иркутскэнерго, МТС и еще несколько десятков. Эти акции, как и «голубые фишки», котируются на биржах. Например на РТС акции второго эшелона включены в индекс РТС-2. Наибольший вес в Индексе «второго эшелона» занимают следующие сектора экономики: электроэнергетика (26,4%), потребительские товары и торговля (16,7%) и телекоммуникации (15,5%).
У акций второго эшелона отношение цены к прибыли низкое, и акции могут вырасти в цене просто вследствие более адекватной оценки этих акций рынком - в справедливой пропорции к прибыли на акцию. Помимо этого, небольшой компании проще показать существенный рост - на 50 и больше процентов, чем гиганту - ей просто есть куда расти. А вырастет эта компания или нет, зависит от внутренних и внешних для компании экономических условий, процессов, событий, на которые инвестору и нужно ориентироваться при выборе низколиквидных акций для своего портфеля.
1.7 Влияние мирового финансового кризиса 2008-2009 гг. на российский рынок акций
Финансовый кризис и рецессия 2008--2009 годов в России как часть мирового финансового кризиса стали возможными из-за произошедшей интеграции российской экономики в мировую экономику, когда любое событие за рубежом оказывает влияние на стоимость российских облигаций и акций, на ликвидность, доходы граждан и рост экономики. С середины 2008 г. российский фондовый рынок потерял около 600 пунктов по следующим причинам:
кредитный кризис в США;
падение цен на нефть;
ухудшение инвестиционного климата в России;
российско-грузинский военный конфликт;
Российские финансовые власти столкнулись в 2008 г. с непростым испытанием, но расползание кризиса им удалось предотвратить. ФСФР приняла ряд мер по стабилизации работы российского рынка акций. Были запрещены необеспеченные короткие продажи на российских биржах. С 30 сентября 2008 г. биржам было разрешено продлевать торги до 19:00 по московскому времени. ФСФР также изменила действующие условия приостановки торгов на один час. Приостановка торгов всеми акциями на час происходила при повышении технического индекса более чем на 10% и падении более чем на 5%. При росте индекса более чем на 20% и падении на 10% торги приостанавливались до окончания следующего торгового дня. Банк России сумел в короткие сроки обеспечить достаточным объемом ликвидности российские банки.
За два наиболее критичных месяца (начало августа -- начало октября 2008 г.) капитализация российского рынка акций снизилась на 51,7 %, в то время как капитализация рынков акций развивающихся стран в целом упала только на 25,4 %. По итогам 2008 г. индекс ММВБ снизился на 67,2 %.
По итогам 2008 г. российский рынок акций продемонстрировал рекордный рост и рекордное падение. В первом полугодии Индекс РТС достиг нового исторического максимума - 2487,92 пункта (на 19 мая), а минимальное значение показателя было зафиксировано 24 октября - 549,43 пункта, что является минимальным с декабря 2004 г.
В целом за 2008 г. Индекс РТС снизился на 72,4% до отметки в 631,89 пункта (2290,51 пункта на 28 декабря 2007 г.). Также по состоянию на конец 2008 г. Индекс РТС был на 43,9% ниже своего закрытия трехлетней давности (1125,6 пункта по итогам 2005 г), но находился на 11,4% выше своего закрытия пятилетней давности (567,25 по итогам 2003 г). Наиболее негативно отразилось на Индексе РТС снижение цен на обыкновенные акции «Сбербанка России» (-310,65 индексных пункта за год), «Газпрома» (-256,64 пункта) и ОАО «Лукойла» (-150,55 пункта). Более 50% суммарной капитализации Индекса РТС приходится на нефтегазовый сектор. Среди остальных отраслей выделяются также финансовый сектор - вес в индексе 15,33% и металлургия (12,58%). Наибольший вклад в снижение Индекса РТС по итогам 2008 г. внесли нефтегазовый сектор(-744,86 пункта за год), финансовый сектор (-411,43 пункта) и металлургия (-244,49 пункта).
2009 г. стал переломным. В 2009 г. международное рейтинговое агентство Standard & Poor's изменило прогноз рейтинга России с «негативного» на «стабильный», подтвердив долгосрочный и краткосрочный рейтинги по обязательствам в иностранной валюте на уровне BBB/A3. Банк России продолжил смягчать свою денежную политику и десять раз за 2009 г. снижал учетные ставки, следуя за уменьшающейся инфляцией (по состоянию на 01.05.2010 г. ставка рефинансирования составляет 8,25%). В течение 2009 г. было принято множество постановлений по поддержке основных отраслей реального сектора экономики.
1.8 Современное состояние российского рынка акций и перспективы развития
Ситуацию на отечественных торговых площадках в 2010 году определяли не столько внутрироссийские факторы, сколько ожидания инвесторов по поводу посткризисного восстановления мировой экономики. И основное внимание было приковано к положению в США, Европе и Китае. Год начался позитивно, стартовавшее в 2009 году биржевое гонки продолжалось до весны 2010. Затем выяснилось, что Греция находится на грани дефолта, стране пришлось обратиться за помощью к Евросоюзу. Это заметно ухудшило настрой международных инвесторов и заставило их избавляться от рисковых активов, к которым относятся и российские акции. Фондовые индексы начали снижаться. Обещание руководства Евросоюза предоставить Греции €110 млрд. помогло стабилизировать ситуацию. Однако причины для страхов у инвесторов остались. Оказалось, что в тяжелом финансовом положении находится не одна только Греция, а еще Португалия, Ирландия и Испания. Период рыночной неопределенности совпал со временем летних отпусков, когда активность на биржах и так традиционно низка.
Ближе к сентябрю на рынках началось движение. Федеральная резервная система США заявил о готовности стимулировать процесс с помощью новых денежных вливаний. Для этого ФРС пришлось бы запустить печатный станок, подстегнув инфляцию. Ожидания такого развития событий спровоцировали ослабление американской валюты: инвесторы стали избавляться от долларов и вкладываться в акции и сырье.
Когда инфляционные ожидания возрастают, инвесторы, пытаясь обезопасить себя от обесценивания денег, вкладываются в более рискованные, но и более доходные активы. Российские акции как нельзя лучше вписывались в такую концепцию, поэтому рынок захлестнула волна покупок. В сентябре и октябре 2010 года наблюдалось нетипичное поведение рынков: на негативные американские макроэкономические данные они реагировали ростом, на позитивные - снижением. Логика состояла в том, что улучшение экономических показателей могло заставить ФРС отказаться от денежной инъекции. Но в начале ноября ФРС все же объявила о программе стимулирования на $900 млрд. Еще одним драйвером осеннего биржевого роста стала хорошая квартальная финансовая отчетность американских корпораций. Они показали рост выручки и чистой прибыли. Дополнительным позитивным фактором для нефтезависимого российского фондового рынка были достаточно высокие цены на нефть.
С начала года до середины ноября индекс ММВБ вырос на 13,6%, индекс РТС укрепился на 11,4%. На российских биржах наблюдался более сильный подъем, чем на американских. Достаточно сказать, что основной американский индекс S&P 500 прибавил всего 7,4%.
В 2010 году в России было выгодно вкладываться в акции второго эшелона. Если индекс компаний высокой капитализации вырос на 11,2%, то за это же время индексы компаний средней и малой капитализации взлетели на 42 и 40% соответственно. Индекс акций РТС 'второго эшелона' за прошедший год вырос на 56,8% - до 2 237,93 пункта. Минимальное значение Индекса РТС-2 в 2010 г. - 1 461,25 пункта - было зафиксировано 11 января, а 27 декабря индекс достиг максимума - 2 250,60 пункта.
Такие результаты объясняются тем, что в 2009 году основной инвестиционный спрос был сосредоточен на акциях крупных компаний, и во многом эта тема была уже отыграна. Неудивительно, что в 2010 году инвесторы переключились на акции малых и средних компаний. Наиболее удачными оказались сделки с бумагами эмитентов, чей бизнес больше ориентирован на внутрироссийский рынок и меньше зависит от мировой конъюнктуры. Так, индекс акций машиностроения с начала года вырос на 56,3%, а индекс бумаг потребительского сектора поднялся на 51,4%. При этом индекс нефтяных эмитентов увеличился всего на 10,5%, что стало худшим показателем среди всех отраслевых индексов ММВБ. Нефтяной индекс лишь повторил динамику роста цен на нефть - они поднялись на 10,6%. В целом, несмотря на рост российского рынка в последние два года, к докризисных показателям он еще не вернулся. Правда, котировки бумаг некоторых секторов уже превысили докризисные уровни.
В 2011 году ситуация на фондовом рынке по-прежнему будет зависеть от темпов посткризисного оживления мировой экономики. Вторая волна кризиса больше не прогнозируется, но темпы восстановления после первой волны значительно замедлились. В такой ситуации на первый план выходят эффективность и правильность политики ФРС - от этого зависит состояние не только американской, но и мировой экономики. В 2011 году инвесторы также будут пристально следить за развитием ситуации в еврозоне. С серьезными долговыми проблемами столкнулся ряд европейских государств.
Еще один важный фактор, который будет держать инвесторов в напряжении, - ситуация в Китае. Страна демонстрирует выдающиеся темпы экономического роста, что притягивает в страну спекулянтов со всего мира. Мощный приток в Китай «горячих» денег раскручивает инфляцию. В то же время нужно учитывать, что Китай - один из крупнейших в мире потребителей сырья. Поэтому замедление темпов экономического роста в этой стране неизбежно приведет к снижению спроса на металлы и энергоносители, а как следствие - и мировых цен на них. В результате пострадают котировки акций российских сырьевых компаний, что, в свою очередь, негативно отразится на отечественных биржевых индексах в целом.
Если негативные сценарии не реализуются, то по мере улучшения макроэкономических показателей спрос на акции российских компаний будет возрастать. Российские бумаги выглядят весьма привлекательно для инвестиций. Во-первых, ряд секторов российской экономики еще не восстановил свои докризисные позиции, а во- вторых, многие отечественные компании явно недооценены по сравнению с зарубежными аналогами. Например - «Газпром»: у его акций в 2011 году прогнозируется хороший потенциал роста. Да и в целом бумаги нефтегазового сектора будут укреплять свои позиции, если, конечно, мировой спрос на топливо станет расти. От поведения международных потребителей будет зависеть и динамика котировок акций металлургических предприятий. На стоимость бумаг российских телекоммуникационных и энергетических компаний в значительной мере повлияет реформирование этих отраслей. Перспективы российского рынка выглядят оптимистично. При позитивном сценарии развития событий индекс ММВБ в следующем году может вырасти на 20-30%.
Можно сказать, что российский рынок акций развивается, становится более предсказуемым и надежным, и вместе с этим развитием на рынок выходит все большее количество компаний-эмитентов. Компании прибегают к относительно дешевому и надежному способу привлечения капитала, инвесторы учатся работать с акциями. Остается надеяться, что дальнейшее развитие позволит в обозримом будущем выйти на рынок акциям многих компаний.
1.9 Прогнозирование фондового рынка
В связи с нестабильностью фондового рынка возрастает роль экономического прогнозирования.
Прогнозирование - это научно обоснованные суждения о возможном состоянии и будущем развитии того или иного объекта или отдельных его элементов, а также об альтернативных путях, методах, сроках достижения определённого состояния этого объекта.
К функциям прогнозирования относятся:
научный анализ, который включает ретроспекцию (историю развития объекта, идеи или события), диагноз (систематическое описание объекта, идеи или события), проспекцию (разработка прогноза и оценка его достоверности, точности и обоснованности);
оценка сложившейся ситуации и выявление узловых проблем социально-экономического развития;
установление причинно-следственных связей, их повторяемости в определённых условиях и учёт неопределённости;
мониторинг мирового опыта;
оценка действия определённых тенденций и закономерностей в будущем;
предвидение, то есть опережающее отображение действительности, основанное на познании действия экономических законов и теорий (с учетом новых социально-экономических ситуаций и проблем развития рынка ценных бумаг) в форме гипотез и предположений;
разработка концепций развития рынка ценных бумаг.
Целью прогнозирования рынка ценных бумаг является исследование вариантов развития и определение возможных перспектив с учётом факторов объективного и субъективного характера. Задачи прогнозирования развития рынка ценных бумаг следующие:
определить будущее рынка ценных бумаг на основе научного анализа;
выявить главные направления развития рынка ценных бумаг с позиции научного предвидения;
учесть различные факторы и обосновать конкретные способы их регулирования.
Основные виды прогнозов развития рынка ценных бумаг классифицируются по следующим критериям:
по масштабу прогнозирования - мировой, национальный и региональный;
по характеру прогнозируемых процессов - развития фондовых операций, поведения отдельных участников рынка ценных бумаг и операций с отдельными видами ценных бумаг;
по функциональному признаку - поисковый (основан на условном продолжении в будущее тенденций развития в прошлом и настоящем) и нормативный (разрабатывается на базе заранее определённых целей, т.е. от заданного состояния в будущем к существующим тенденциям его изменения в свете определённой цели);
по способам представления результатов - точечный (предполагает единственное сочетание показателей) и интервальный (предполагает набор показателей в заданных интервалах);
по степени пространственной и временной согласованности результатов прогнозов одномерный (по отдельным объектам без последующего согласования результатов), многомерный (по отдельным объектам с последующим согласованием результатов), перекрёстный (с установлением причинно-следственных связей и зависимостей и имитацией возможного взаимодействия) и сквозной (с имитацией поведения совокупности объектов);
по срокам - краткосрочный, или текущий (на срок менее 1 года), среднесрочный (на срок 1-3 года) и долгосрочный (на срок более 3 лет). Для построения краткосрочного, или текущего, прогноза применяется технический анализ. Для разработки среднесрочного и долгосрочного прогнозов эффективен фундаментальный анализ;
по содержанию - конъюнктурный и исследовательский.
Методика прогнозирования фондового рынка включает совокупность различных методов и приёмов разработки прогнозов. Существуют, по крайней мере, две группы факторов, влияющих на качество прогнозов:
связанные с подготовкой, обработкой и анализом информации;
связанные с качеством построения модели, ее соответствием прогнозируемому процессу.
Кроме того, при прогнозировании необходимо учитывать ошибки исходных данных, модели прогноза, согласования, стратегии, которые заключаются в расхождении данных прогноза и фактических данных. Ошибки исходных данных связаны главным образом с неточностью измерений, некорректностью выборки, недостоверностью показателей. Ошибки модели возникают из-за неправильного подбора целевой функции и системы ограничений, из-за низкого качества экспертизы. Ошибки согласования вызваны несопоставимостью методик расчёта отдельных показателей в разных отраслях и регионах. Ошибки стратегии предопределены неправильным выбором концепции прогноза.
Основными методами прогнозирования являются:
технический анализ,
фундаментальный анализ,
эконометрические модели,
нейронные сети.
Фундаментальный анализ - это традиционный экономический анализ. Он основан на следующем принципе: любой экономический фактор, снижающий предложение или увеличивающий спрос на товар, ведёт к повышению цены, и, наоборот, любой фактор, увеличивающий предложение и уменьшающий спрос на товар, как правило, приводит к накоплению запасов и снижению цены. На этой основе прогнозируется цена, которая, исходя из прошлого опыта, соответствует данному соотношению спроса и предложения. В последнее время фундаментальный анализ осуществляется с применением моделей развития рынка, которые могут включать в себя до нескольких тысяч показателей. Кроме анализа положения дел на самом предприятии аналитику, занимающемуся фундаментальным анализом, необходимо изучать факторы макроэкономического характера и рынок, на котором действует интересующее его предприятие. Это открывает инвестору понимание долгосрочной и краткосрочной конъюнктуры.
Технический анализ - специфический экономический внутренний анализ, наиболее широко используемый на биржах. Он применяется для наиболее всестороннего исследования колебания цен. Технический анализ изучает динамику соотношения спроса и предложения, то есть прежде всего сами ценовые изменения. Его часто называют графическим анализом, поскольку он основан на построении различных видов графиков, диаграмм, изучении показателей открытых позиций и объема торговли, а также других факторов. Существует три типа графиков движения рынка, на основании которых строится технический анализ: график движения цены, объёма торговли и открытого интереса. Основные типы графиков - это линейный, гистограмма и японские свечи.
Технический анализ имеет сильного союзника в лице теоретической математики и имеет возможность сформулировать то, что уже давно пытался, а именно: можно прогнозировать цены для всех рынков и любых периодов времени, от минуты до нескольких лет. При этом можно использовать одни и те же методики, поскольку и законы поведения, и структура ценового графика всегда одни и те же. Технический анализ может быть использован для:
установления основных тенденций развития биржевого рынка ценных бумаг на основе изучения динамики цен, зафиксированной на графиках;
прогнозирования изменения цен;
определения времени открытия и закрытия позиции.
Технический анализ базируется на трех аксиомах:
Рынок учитывает все;
Движение цен подчинено тенденциям4
История повторяется.
Движение цен можно образно представить как исход схватки между быком (покупателем) и медведем (продавцом). Быки толкают цены вверх, а медведи - вниз. Направление движений цен и называется трендом. Существуют три типа трендов:
Бычий - движение цен вверх;
Медвежий - движение цен вниз;
Боковой - цены практически не двигаются.
Тренды различаются по времени действия. На рынках существуют долгосрочные (более 1 года), среднесрочные (от 1 до 3 месяцев) и краткосрочные (от 1 дня до 3 недель) ценовые тренды.
Если тренды существуют, то к ним можно применить ньютоновские законы движения и получить следующие утверждения:
действующий тренд с большей вероятностью продлится, чем изменит направление;
тренд будет двигаться в одном и том же направлении, пока не ослабнет.
В сущности, все теории и методики технического анализа основаны на том, что тренд движется в одном и том же направлении, пока не подаст особых знаков о развороте. В зависимости от того, какой тренд определён на нужный срок, будет изменяться и стратегия. А поскольку цена движется зигзагами, то нужно определить насколько тот или иной спад (подъём) серьёзен. Простейший способ - следить за преодолением уровней сопротивления и поддержки.
При возрастании цен, то есть при бычьем тренде, в тот или иной момент цена наталкивается на препятствие - это уровень сопротивления. Достигнув его, цена либо начинает падать, либо останавливает свой рост. По тем или иным причинам на рынке начинает преобладать давление медведей. Аналогично при спаде цен, то есть медвежьем тренде, в какой-то момент давление быков начинает усиливаться, и цена поднимается, натолкнувшись на уровень поддержки.
Уровни сопротивления и поддержки могут возникать неожиданно, а могут быть предсказаны заранее. Например, на рубежах круглых чисел существует психологический барьер: уровень 1 для курса доллар/евро, 100 для курса доллар/йена. Вокруг таких чисел почти всегда возникают уровни сопротивления и поддержки.
Если уровень сопротивления успешно прорван, он становится поддержкой. Причина состоит в появлении нового «поколения» быков, которые отказывались от покупки, когда цены были ниже сопротивления (не имея тогда бычьих ожиданий), теперь же они начинают активно покупать при всяком возврате цен к новому уровню поддержки. По той же логике, когда цены падают за уровень поддержки, он нередко становится сопротивлением, которое ценам трудно преодолеть. С приближением к предыдущему уровню поддержки инвесторы начинают продавать, стремясь ограничить свои потери.
Обычно после прорыва уровня поддержки/сопротивления трейдеры начинают задаваться вопросом о том, насколько новые цены соответствуют реальности. Так, если после прорыва уровня сопротивления продавцы и покупатели усомнятся в обоснованности новой цены, то они начнут проводить обратные сделки. В результате произойдёт «раскаяние трейдеров»: после прорыва цены возвращаются к уровню поддержки/сопротивления.
Динамика цен после периода «раскаяния» имеет решающее значение. Возможно одно из двух: либо трейдеры сойдутся в своих ожиданиях на том, что новая цена неоправданна - и тогда она вернётся к прежнему уровню; либо трейдеры примут новую цену - тогда она продолжит движение в направлении прорыва.
Линию тренда проводят через две опорные точки, но для подтверждения правильности линии нужно иметь ещё и третью, подстраховочную, точку. Для бычьего тренда эта линия будет располагаться ниже ценового графика, являясь для него линией поддержки. Она показывает, до какого уровня может упасть цена, не изменяя при этом своего основного направления. Для медвежьего рынка линия тренда рисуется сверху и представляет собой сопротивление. Хорошее подтверждение изменения тренда можно получить в случае, если линия сопротивления превратилась в линию поддержки и наоборот.
Линию канала можно нарисовать, если движения тренда, то есть подъёмы и спады, равномерны. В таком случае визуально он как бы двигается между двумя параллельными. Линия канала рисуется параллельно линии тренда и располагается выше графика цены при бычьем тренде и ниже - при медвежьем. Таким образом, она будет определять сопротивление для бычьего и поддержку для медвежьего тренда. Линии тренда и канала подчиняются общим правилам сопротивления и поддержки, поэтому с их помощью можно определять границы действия тренда. При торговле в реальном времени трейдера интересует, что случилось сразу после изменения тренда: коррекция или полный разворот. Коррекция - временное изменение тренда, а разворот - глобальное.
Одним из традиционных подходов к исследованию макроэкономических процессов является подход, основанный на использовании эконометрических моделей. Эконометрические модели позволяют решать достаточно широкий круг задач исследования: анализ причинно-следственных связей между экономическими переменными; прогнозирование значений экономических переменных; построение и выбор вариантов (сценариев) экономической политики на основе имитационных экспериментов с моделью.
В последние несколько лет мы наблюдаем взрыв интереса к нейронным сетям, которые успешно применяются в самых различных областях Нейронные сети уже можно выделить в отдельный метод прогнозирования. Среди его преимуществ нелинейность и простота в использовании. Нейронные сети учатся на примерах. Пользователь нейронной сети подбирает представительные данные, а затем запускает алгоритм обучения, который автоматически воспринимает структуру данных. При этом от пользователя, конечно, требуется какой-то набор эвристических знаний о том, как следует отбирать и подготавливать данные, выбирать нужную архитектуру сети и интерпретировать результаты, однако уровень знаний, необходимый для успешного применения нейронных сетей, гораздо скромнее, чем, например, при использовании традиционных методов статистики.
Упрощая, технику применения нейронных сетей для прогнозов на фондовом рынке можно условно разбить на следующие этапы:
подбор базы данных,
выделение «входов» (исходные данные) и «выходов» (результаты прогноза). Входами можно сделать цены открытия, закрытия, максимумы, минимумы за какой-то период времени, статистика значений различных индикаторов (например, индексы Доу Джонса, Никкей, комбинации курсов валют, доходность государственных ценных бумаг, отношения фундаментальных и технических индикаторов и др.), обычно выбирается от 6 до 30 различных параметров. Количество выходов рекомендуется делать как можно меньше, но это могут быть цены открытия, закрытия, максимумы, минимумы следующего дня,
выделение в массиве данных тренировочных и экзаменационных участков,
обучение нейросети: на этом этапе нейронная сеть обрабатывает тренировочные примеры, пытается дать прогноз на экзаменационных участках базы данных, сравнивает полученную ошибку с ответом, имеющимся в примере (базе данных), а также с ошибкой предыдущего этапа обучения и изменяет свои параметры так, чтобы это изменение приводило к постоянному уменьшению ошибки.
введение срока прогноза,
получение значения прогнозируемых данных на выходе нейросети.
Нейронные сети привлекательны с интуитивной точки зрения, ибо они основаны на примитивной биологической модели нервных систем. В будущем развитие таких нейробиологических моделей может привести к созданию действительно мыслящих компьютеров.
прогнозирование фондовый индекс
Глава 2. Методология технического и эконометрического анализа
2.1 Индикаторы технического анализа
Самыми важными инструментами технического анализа, точно определяющими момент покупок и продаж, являются индикаторы. Индикатор - это результат математических расчётов на основе показателей цены и/или объёма. В настоящее время их существует огромное количество, а, по сути, большинство из них только дублируют друг друга, сигнализируя об одних и тех же грядущих событиях. Сейчас есть несколько типов индикаторов, имеющих определённую основу для своего построения. Это всевозможные средние значения цены и производные от него, например, типичная цена, скользящие средние, конверты, полосы. А также индикаторы, использующие объёмные показатели, такие как балансовый объём, индекс отрицательного объёма. Большое значение в техническом анализе играют осцилляторы, которых великое множество, например, стохастический, предельный, индекс относительной силы и другие. Существуют ещё индикаторы, основанные на изменениях процентных ставок, на изменениях в цене и количестве растущих/падающих акций. Находят своё применение и психологические индикаторы, отражающие настроения различных групп участников биржевой торговли, это коэффициенты крупных пакетов, коротких продаж публикой, покупки/продажи неполными лотами. Но некоторые вышеперечисленные индикаторы могут быть рассчитаны только по данным с Нью-йоркской фондовой биржи. В данной работе рассмотрены те индикаторы, которые можно использовать на российском фондовом рынке частному инвестору.
2.1.1 Стохастический осциллятор
Стохастический осциллятор сопоставляет текущую цену закрытия с диапазоном цен за выбранный период времени, ведён в употребление Джорджом Лейном в 50-е годы. Он представлен двумя линиями: главная называется %K, а вторая %D, которая является скользящим средним линии %K. Построение линий %K и %D основано на том, что при повышении цен торговый день обычно закрывается на уровнях, лежащих ближе к высшим, достигнутым в течение него. При понижающемся тренде происходит обратный эффект.
Существует несколько способов интерпретации осциллятора, рассмотрим некоторые из них:
Расхождение линии D с ценой. В таком случае цена поднимается выше предыдущего пика, а линия D, двигаясь синхронно с ней, нового пика не достигает. Это хороший сигнал для продажи. Соответственно, при неудачной попытке линии D опуститься ниже предыдущего уровня и одновременном успехе цены (то есть понижении её за этот уровень) получаем хороший сигнал к покупке.
В случае расхождения окончательным сигналом может стать пересечение линий K и D. При этом желательно, чтобы пересечение произошло уже после сигнала о развороте, поданного линией D. Такое пересечение называется правосторонним.
Если линия K пересекла D в начале движения вверх (но не правосторонним пересечением), а потом опять опустилась ниже её, это значит, что движение вверх не набрало достаточной силы, и возможно продолжение движения вниз. Обратная ситуация может быть ключом к возобновлению движения вверх.
Уровни 20 и 80 для определения перепроданности и перекупленности. Но не рекомендуется слишком поспешное вступление в сделку только на основании того, что линия K достигла уровня 80 или упала ниже 20. %K может ещё некоторое время продержаться на таких крайних уровнях, но это действительно сигнал о развороте тренда - иногда только очень ранний.
Стандартно рассчитывают линию %К на отрезке в 5 дней:
, где C - текущая цена закрытия,
L - самый низкий уровень за последние 5 дней,
H - самый высокий уровень за последние 5 дней.
, где CL - трёхдневная сумма (C-L),
HL - трёхдневная сумма (H-L).
Построенные таким образом линии называют быстрыми.
2.1.2 Скользящие средние
Скользящее среднее показывает среднее значение цены за некоторый промежуток времени. При расчёте скользящего среднего производится математическое усреднение цены за данный период, который является характеристикой любой скользящей, называемый порядком. По мере изменения цены её среднее значение либо растёт, либо падает. Существует пять распространённых типов скользящих средних: простое (арифметическое), экспоненциальное, треугольное, переменное и взвешенное. Скользящие средние можно рассчитывать для любого последовательного набора данных, включая цены открытия и закрытия, максимальную и минимальную, объём торговли или значения других индикаторов. Единственное, чем скользящие средние разных типов существенно отличаются друг от друга, это разными весовыми коэффициентами, которые присваиваются последним данным. В случае простого скользящего среднего все цены рассматриваемого периода имеют равный вес. Экспоненциальные и взвешенные скользящие средние делают более весомыми последние цены. Треугольные скользящие средние придают больший вес ценам в середине периода. И, наконец, переменные скользящие средние изменяют весовые коэффициенты в зависимости от волатильности цен. Существуют особые списки рекомендуемых периодов и типов скользящих средних для применения к различным рынкам.
Общий принцип сигналов скользящими средними формулируется так: если линия скользящей находится ниже ценового графика, то ценовой тренд является бычьим, а если выше, то тренд - медвежий; при пересечении графика цены со скользящей средней ценовой тренд меняет направление. Иными словами, скользящие средние представляют собой усложнённый вариант линий сопротивления и поддержки. Интерпретация скользящих средних индикаторов аналогична интерпретации ценовых скользящих средних: если индикатор поднимается выше своего скользящего среднего, значит, восходящее движение индикатора продолжится; если он опускается ниже скользящего среднего, это означает продолжение его нисходящего движения. Для анализа, основанного на пересечениях скользящего среднего, особенно хорошо подходят такие индикаторы, как MACD, ROC, индикатор темпа и стохастический осциллятор.
Простое, или арифметическое, скользящее среднее (SMA) рассчитывается путём суммирования цен закрытия за определённое число единичных периодов с последующим делением суммы на число периодов. В результате получается средняя цена за данный временной интервал и ценам каждого из дней присваивается равный вес.
, где - цена закрытия, n - период расчёта.
Экспоненциальное, или экспоненциально сглаженное, скользящее среднее (EMA) определяется путём добавления к вчерашнему значению скользящего среднего определённой доли сегодняшней цены закрытия. В случае экспоненциальных скользящих средних больший вес имеют последние цены закрытия. Так, чтобы вычислить n%-ное EMA, сегодняшнюю цену закрытия умножают на n% и прибавляют полученную величину к вчерашнему значению EMA, умноженному на (100-n)%. Процентные значения можно преобразовать соответствующее число дней.
Преобразование процентов в периоды производится по формуле:
Формула для обратного преобразования такова:
Во взвешенном (WMA) последним данным присваивается больший вес, а более ранним - меньший. Она рассчитывается путём умножения каждой из цен закрытия в рассматриваемом ряду на определённый весовой коэффициент. Значение весового коэффициента определяется количеством дней в периоде расчёта скользящего среднего.
,
где Wi - вес i-го компонента (при линейной взвешенной W=i).
В треугольной скользящей средней (TMA) основной вес приходится на среднюю часть ценового ряда. Фактически, они представляют собой дважды сглаженные простые скользящие средние. Длина простых скользящих средних зависит от чётности или нечётности выбранного числа периодов. Операции для расчёта TMA таковы:
К числу периодов скользящего среднего добавляется 1.
Полученная сумма делится на 2.
Если результат вышел дробным, то он округляется его до целого.
Рассчитывается простое скользящее среднее цен закрытия с числом периодов, полученным по пункту 3.
Вновь используя значение, полученное по пункту 3, рассчитывается простое скользящее среднее скользящего среднего, рассчитанного по пункту 4.
Переменное (VMA) - это экспоненциальное скользящее среднее, в котором параметр сглаживания, определяемый в процентах, регулируется автоматически, в зависимости от волатильности ценовых данных. Чем она выше, тем чувствительнее постоянная сглаживания, используемая для расчёта скользящего среднего. Чувствительность повышается за счёт присваивания большего веса текущим данным. Понятие переменного скользящего среднего ввёл Тушар Чанд в 1992 году. VMA рассчитывается следующим образом:
, где
С - цена закрытия,
- вчерашнее скользящее среднее,
VR - коэффициент волатильности, который обычно берётся из отношения вертикального горизонтального фильтра к своей величине 12 периодов назад; чем отношение выше, тем ярче выражен тренд и выше чувствительность скользящего среднего.
2.1.3 Схождение/расхождение скользящих средних
Схождение/расхождение скользящих средних (MACD) - это следующий за тенденцией динамический индикатор. Он показывает соотношение между двумя скользящими средними цены. Разработан Джеральдом Аппелем.
MACD строится как разность между двумя экспоненциальными скользящими средними с периодами 12 и 26 дней. Чтобы чётко обозначить благоприятные моменты для покупки или продажи, на график MACD наносится так называемая сигнальная линия - 9-дневное экспоненциальное скользящее среднее индикатора.
MACD наиболее эффективен в условиях, когда рынок колеблется с большой амплитудой в торговом коридоре. Чаще всего используемые сигналы MACD - пересечения, состояния перекупленности/перепроданности и расхождения. Покупать рекомендуется при пересечении линией индикатора линию своего скользящего среднего снизу вверх, а продавать - при пересечении индикатором сверху вниз линии скользящего среднего.
Формула очень простая: .
2.2 Особенности применения индикаторов технического анализа
Каждый из представленных индикаторов имеет широкое применение благодаря относительной простоте вычислений и точности прогноза. Но для каждого из них есть предпочтительные условия для использования в зависимости от целей, внешних условий и особенностей рынка.
Тактика торговли на основе скользящих весьма проста. Недостатком простой скользящей является двойная реакция на цену: при появлении новой цены в периоде и при выбывании устаревшей. Другими словами, график средней меняется и в момент, когда цена уходит из периода, а это никак не связано с текущей ситуацией и спутывает картину. Главное достоинство экспоненциальной скользящей средней в том, что она включает в себя все цены предыдущего периода, а не только отрезок, заданный при установке периода. Трейдер способен повлиять только на один параметр любой средней -- на ее период. Чем больше выбранный период, тем меньше у скользящей средней будет чувствительность к изменению текущих цен. Кривая с маленьким периодом будет постоянно изламываться вверх и вниз, что даст много ложных сигналов. Скользящая средняя с очень большим периодом, напротив, будет постоянно запаздывать и пропускать выгодные моменты для входа и выхода. Стохастический осциллятор хорошо подходит для анализа и прогнозирования только в условиях устойчивого бокового тренда (коридора).
2.3 Эконометрические модели
Эконометрическое прогнозирование основано на принципах экономической теории и статистики: расчет показателей прогноза осуществляется на основе статистических оценочных коэффициентов при одной или нескольких экономических переменных, выступающих в качестве прогнозных факторов; позволяет рассмотреть одновременное изменение нескольких переменных, влияющих на показатели финансового прогноза. Эконометрические модели описывают с определенной степенью вероятности динамику показателей в зависимости от изменения факторов, влияющих на финансовые процессы.
ARMA модели представляют собой модели авторегрессии (AR) и скользящего среднего (MA). Данный класс моделей был разработан Боксом и Дженкинсом в 1976 г. для анализа стационарных временных рядов
Моделью ARMA(p, q), где p и q -- целые числа, задающие порядок модели, называется следующий процесс генерации временного ряда {Xt}:
,где c -- константа, -- белый шум, то есть последовательность независимых и одинаково распределённых случайных величин (как правило, нормальных), с нулевым средним, а и -- действительные числа, авторегрессионные коэффициенты и коэффициенты скользящего среднего, соответственно.
Такая модель может интерпретироваться как линейная модель множественной регрессии, в которой в качестве объясняющих переменных выступают прошлые значения самой зависимой переменной, а в качестве регрессионного остатка -- скользящие средние из элементов белого шума. ARMA-процессы имеют более сложную структуру по сравнению со схожими по поведению AR- или MA-процессами в чистом виде, но при этом ARMA-процессы характеризуются меньшим количеством параметров, что является одним из их преимуществ.
Анализ и прогнозирование временных рядов в соответствии с методологией Бокса и Дженкинса проводится в четыре этапа. Первый этап заключается в проверке временного ряда на стационарность; второй этап - идентификация модели, то есть выбор ее параметров; третий этап - оценка модели и проверка на адекватность исходным данным; четвертый этап - прогнозирование.
2.3.1 Проверка временного ряда на стационарность
Ряд x(t) называется строго стационарным (или стационарным в узком смысле), если совместное распределение вероятностей m наблюдений x(t1), x(t2), …, x(tm) такое же, как идля m наблюдений x(t1+t), x(t2+t), …, x(tm+t) при любых m, t1, t2, …, tm и t.
Другими словами, свойства строго стационарного ряда не должны меняться с течением времени. Однако на практике, как правило, интересует не все распределение, а только средние значения, дисперсии и ковариации. Поэтому в прикладном эконометрическом анализе используется понятие слабой стационарности (или стационарности в широком смысле), которое и предполагает неизменность во времени среднего значения, дисперсии и ковариации временного ряда.
Первый шаг при проверке временного ряда на стационарность заключается в его визуализации. График временного ряда очень часто делает очевидным наличие тренда или сезонной компоненты. Если это действительно так, то проводится операция их выделения, после чего временной ряд, как правило, становится стационарным.
Автокорреляционная функция показывает степень тесноты статистической связи между наблюдениями временного ряда, разнесенными по времени на t отсчетов. Она вычисляется по аналогии по следующей формуле:
rt =(Уnt=ф+1[(xt- x?t )( xt- xt )] ) / Уnt=1(xt- x?t )2 , где ф=1,2, ….
Частная автокорреляционная функция - это корреляция между xt и xt-tпри исключении влияния промежуточных значений xt-1, xt-2, …, xt+1 и вычисляется по аналогии с частным коэффициентом корреляции.
Коррелограмма и график частной автокорреляционной функции в случае стационарного ряда должны быстро убывать с ростом t после нескольких первых значений.
Вторым формальным способом проверки временного ряда на стационарность является тест на наличие единичных корней - тест Дики-Фуллера (DF) или расширенный тест Дики-Фуллера (ADF) . В основу указанных тестов положена следующая регрессия:
?yt= µ+ д t + ? yt-1+ ?ni=1?i?yt-i+et,
где ?yt , б, в, м - коэффициенты регрессии; t - временной тренд; еt - остаточный член регрессии.
Если ?вi= 0, то это DF-тест, если же ?вi? 0, то - ADF-тест. В прикладных исследованиях используется ADF-тест, так как он позволяет тестировать гипотезу о наличии единичного корня в моделях, где количество лагов может быть больше одного. В ADF-тесте нулевая гипотеза заключается в наличии единичного корня, что на языке модели (3) интерпретируется как б = 0.
Проверка гипотезы осуществляется путем сравнения фактической величины t-статистики при б с соответствующим табличным значением. Если абсолютное значение фактического значения t превысит табличное на установленном уровне значимости, нулевая гипотеза должна быть отвергнута и принята альтернативная гипотеза, заключающаяся в отсутствии единичных корней и стационарности временного ряда.
Таким образом, как графики автокорреляционной и частной автокорреляционной функций, так и расширенный тест Дики-Фуллера свидетельствуют о нестационарности рассматриваемого временного ряда. Классическим способом приведения нестационарных рядов к стационарным является процесс взятия последовательных разностей.
2.3.2 Идентификация модели
После того как получен стационарный временной ряд, необходимо определить параметры ARMA(p, q) модели. Используемые при этом методы являются не вполне точными, что может при последующем анализе привести к выводу о непригодности идентифицированной модели и необходимости замены ее альтернативной моделью. Как правило, при построении моделей временных рядов критерии качества подгонки моделей применяются для сравнения моделей между собой. Поскольку оценки коэффициентов проводятся путем оптимизации, фактически речь идет о выборе порядка модели, то есть о сравнении моделей с различным числом параметров. Традиционно, для того чтобы сформулировать гипотезы о возможных порядках авторегрессии AR(p) и скользящего среднего MA(q), строят автокорреляционную и частную автокорреляционную функцию стационарного временного ряда.
2.3.3 Проверка адекватности модели
Каждая из моделей, выбранных на предыдущем этапе, проверяется на соответствие исходным данным, причем выбирается модель с наименьшим количеством параметров. Неадекватности, обнаруженные в процессе такой проверки, могут указать на необходимую корректировку модели, после чего производится новый цикл подбора и так до тех пор, пока не будет получена удовлетворительная модель. Существует несколько критериев, анализ которых позволит оценить, насколько модель соответствует данным. Во-первых, оценки коэффициентов модели должны быть статистически значимы, то есть соответствующие p значения t-статистик должны быть меньше выбранного порогового значения.
Во-вторых, остатки в модели должны иметь нулевую автокорреляцию: для этого целесообразно рассмотреть статистику Бокса-Пирса, где для отклонения нулевой гипотезы о наличии автокорреляции необходимо, чтобы полученное значение Q было больше соответствующего критического значения; или провести LM-тест Бреуша - Годфрея на основе F-статистики. В-третьих, ошибки в модели должны быть распределены по нормальному закону. Значения асимметрии (Skewness), эксцесса (Kurtosis), а также статистика Жарка-Беры и соответствующее ей p-значение говорят о нормальности ошибок рассматриваемой модели.
В 1970 году Бокс и Пирс предложили статистический критерий для проверки автокорреляции временного ряда, который сегодня принято называть Q-статистикой. Тест Бокса-Пирса проверяет гипотезу о совместном равенстве нулю всех автокорреляций временного ряда до порядка m включительно, то есть гипотезу Н0: p1=p1=…=pm против альтернативной гипотезы Н1: pi2>0. Бокс и пирс показали, что при увеличении длины выборки статистика Q=Trk2 имеет асимптотическое распределение ч2m. Этот тест было предложено применять для проверки наличия автокорреляции остатков модели типа ARMA(p, q), при этом число степеней свободы уменьшается на (p+q).
Для проверки наличия автокорреляции в моделях ARMA существует мощный и универсальный способ, а именно, метод множителей Лагранжа, применительно к проверке автокорреляции остатков его называют LM-тест Бреуша - Годфрея. Он входит в тройку классических асимптотических тестов: отношения правдоподобий, Вальда, множителей Лагранжа и применим для широкого класса задач проверки ограничений на коэффициенты моделей.
Тест для проверки нормальности Жарка-Беры выглядит следующим Тест для проверки нормальности Жарка-Беры выглядит следующим образом. Он вычисляет выборочные значения для коэффициентов асимметрии
S=У(et-x)3 и эксцесса K=У(et-м)4, где х- выборочное среднее, - выборочное среднеквадратичное остатков модели. При условии нормальности остатков, статистика Жарка-Беры [S2+0,25(K-3)2] имеет ч2 распределение с двумя степенями свободы.
На этапе выбора подходящей модели среди всего множества ARMA моделей используемые процедуры зачастую приводят к довольно неопределенным выводам . В итоге этого этапа возможно оставление для дальнейшего исследования не одной, а нескольких потенциальных моделей.
После того как произведена идентификация стационарной модели ARMA, то есть на основании имеющихся наблюдений принято решение о значении pи q в модели ARMA(p, q), порождающей данные, переходят к этапу оценивания коэффициентов модели. На этом этапе обычно используется метод максимального правдоподобия, который, в конечном счете, сводится к методу наименьших квадратов.
Так же не стоит забывать об «оптимальности» модели, то есть «более сложные» модели не должны существенно отличаться от подобранной модели. Точнее говоря, при увеличении порядка модели оценки коэффициентов при добавлении составляющих должны быть статистически незначимыми, а оценки коэффициентов при сохраняемых составляющих должны изменяться не очень существенно.
Традиционные модели временных рядов, такие как модель ARMA, не могут адекватно учесть все характеристики, которыми обладают финансовые временные ряды, и требуют расширения. Одна из характерных черт финансовых рынков - это то, что присущая рынку неопределенность изменяется во времени. Как следствие, наблюдается «кластеризация волатильности». Под этим имеется в виду то, что могут чередоваться периоды, когда финансовый показатель ведет себя непостоянно, и относительно спокойные периоды. Эффект кластеризации волатильности отмечен для таких рядов как изменение цен акций, валютных курсов, доходности спекулятивных активов. Применением ARCH моделей установлено, что динамика волатильности многих финансовых переменных
подчиняется устойчивым закономерностям. Ключевой момент, предлагаемый ARCH моделью, состоит в различении условных и безусловных моментов второго порядка. В то время как безусловная матрица ковариаций для представляющих интерес переменных может быть неизменной во времени, условные дисперсии и ковариации часто зависят нетривиальным образом от состояний мира в прошлом. Понимание точного характера этой временной зависимости крайне важно для многих проблем в макроэкономике и финансах, в том числе и для проблем фондового рынка. Кроме того, с точки зрения получения эконометрических выводов потеря асимптотической эффективности из-за неучета гетероскедастичности может быть сколь угодно большой, и при составлении экономических прогнозов, как правило, можно использовать намного более точную оценку неопределенности ошибки прогноза, если получать ее как условную по текущему информационному множеству.
ARCH-модель моделирует волатильность в виде суммы константной базовой волатильности и линейной функции абсолютных значений нескольких последних изменений цен. При этом уровень волатильности (стандартное отклонение доходности финансового инструмента) рассчитывается по следующей рекурсивной формуле (ARCH(q)):
, где
a - константа, базовая волатильность; i - предыдущие изменения цен; q - порядок модели - количество последних изменений цен, влияющих на текущую волатильность; bi - весовые коэффициенты, определяющие степень влияния предыдущих изменений цен на текущее значение волатильности.
Расширением ARCH-модели является GARCH-модель волатильности, где на текущую волатильность влияют как предыдущие изменения цен, так и предыдущие оценки волатильности (т.н. 'старые новости'). Согласно данной модели (GARCH(p, q)) расчет волатильности производится по следующей формуле:
где p - количество предшествующих оценок волатильности, влияющих на текущую; ci - весовые коэффициенты, определяющие степень влияния предыдущих оценок волатильности на текущее значение.
Высокие по абсолютному значению реализации процесса в непосредственном прошлом влекут увеличение условной дисперсии в данный момент, и, следовательно, условной вероятности появления вновь высокой по модулю реализации е. Напротив, относительно небольшие значения еt-1,...,еt-q приводят к снижению этой вероятности. Таким образом, можно ожидать, что вслед за большими (по абсолютному значению) наблюдениями вновь последуют большие наблюдения, за малыми - малые. Выбросы имеют тенденцию следовать один за другим, формируя периоды экстремально высокой волатильности.
GARCH-модель позволяет обойти проблему длинных лагов и большого числа параметров, ее применение успешно идентифицирует толстые хвосты и кластеризацию волотильности. Простая структура GARCH-модели существенно ограничивает динамику временного ряда. Как правило указывают на три недостатка данного типа. Первый связан с тем, что GARCH-модель игнорирует корреляцию между еt и у2t+1. Второй недостаток происходит от того, что применительно к процессам типа GARCH различные определения стационарности не согласованы. Наконец, ограничения области допустимых значений параметров б и в создают трудности при оценивании GARCH модели. Модель GARCH можно модифицировать, чтобы учесть и некоторые другие особенности. В экспоненциальной GARCH-модели (EGARCH) , предложенной Нельсоном у2t зависит как от абсолютного размера, так и от знака лагов остатков. А именно:
Однако среди недостатков данной модификации можно выделить излишнюю чувствительность условной дисперсии к выбросам.
Многие финансовые теории непосредственно требуют, чтобы доходности и дисперсии находились в обратном отношении или чтобы доходности были коррелированны. Для моделирования такого рода зависимостей была предложена модель ARCH-М или модель «ARCH в среднем». В этой модели условное математическое ожидание представляет собой явную функцию условной дисперсии :
где производная функции g по первому элементу отлична от нуля.
Модель типа ARCH-М предполагает явную функциональную зависимость условного среднего случайной величины от собственной условной дисперсии. Многочисленные примеры применения ARCH-M модели к отдаче вложений в различные фондовые индексы приводят к неоднозначным результатам. Кроме того, некоторые регрессоры, например, лаги зависимой переменной, остаются значимыми в присутствии ARCH-M эффекта, величина и даже знак которого чувствительны к выбору инструментов, включаемых в уравнение среднего или дисперсии.
2.3.4 Прогнозирование
Прогнозирование является конечной целью построения ARMA-моделей. На практике, как правило, неизвестны точные значения коэффициентов модели и работа ведется с их оценками, что добавляет дополнительную неопределенность в прогноз. Ряд эконометрических компьютерных пакетов корректно рассчитывает дисперсии ошибок прогноза, учитывая и неопределенность в коэффициентах. Рекомендуется строить прогноз на небольшое количество промежутков вперед, так как с все большим погружением в будущее совокупная ошибка модели накапливается. Иными словами, каждое следующее прогнозное значение содержит все больше погрешностей, чем предыдущее.
Таким образом, схема работы с моделями выглядит следующим образом:
Проверка ряда на стационарность, проведение стационарных преобразований с помощью первых либо вторых разностей. Нулевая гипотеза в тесте Дикки - Фуллера состоит в том, что ряд не стационарен.
Оценка модели.
Проверка качества модели по Z-критерию. Если расчетное значение превышает заданный уровень доверия, то фактор полагается незначимым.
В случае, если проверка на значимость пройдена, то тестируем остатки. Проверяем наличие автокорреляции по кореллограмме.
Проверка на гетероскедастичность. Нулевая гипотеза состоит в том, что дисперсия остатков неоднородна.
Тест на условную гетероскедастичность.
Проверка остатков на нормальность критерием Жака-Беры. Нулевая гипотеза - остатки распределены нормально.
Отбор тех модификаций модели, прошедших заданные критерии.
Построение прогноза по выбранным моделям.
Отбор моделей с наилучшей прогнозной способностью.
Построение прогноза по выбранной модели.
Глава 3. Применение технического анализа и моделей эконометрики для краткосрочного прогнозирования фондового рынка
В практической части дипломной работы применяется сочетание технического анализа и эконометрических моделей для построения краткосрочных прогнозов значения индекса РТС.
В соответствии с поставленными задачами расчеты проводились по следующей схеме:
изучение особенностей данных российского фондового рынка;
построение прогнозов по представленным данным:
применение технических индикаторов для выявления разворота тенденций на фондовом рынке;
определение типа сигнала (на покупку или на продажу) и проверка его фактическими данными;
для каждого сигнала проводится отбор эконометрических моделей с наилучшей прогнозной способностью;
построение краткосрочных прогнозов значения фондового индекса с помощью выбранных моделей для проверки сигналов, полученных инструментами технического анализа;
анализ полученных результатов.
3.1 Особенности российского фондового рынка
Фондовый рынок в России отличается высокой волотильностью ввиду таких особенностей как: резкое изменение тенденций, неликвидность значительной доли ценных бумаг, высокая доля спекулятивных операций, асимметрия в распределении информации и доминирующее значение политических и макроэкономических факторов. Ввиду этих особенностей увеличивается значение фондовых индексов в качестве отражения тенденций на рынке ценных бумаг.
В качестве исходных данных для анализа в работе использованы значения закрытия дневных торгов индекса РТС.
Индекс РТС является общепризнанным показателем состояния российского фондового рынка. Он используется для отслеживания общего состояния рынка акций страны, этапы его развития и перспективы движения в будущем. Кроме того, индекс максимально адекватно отражает структуру экономики государства, благодаря составу и пропорциям используюмых для его расчета ценных бумаг.
3.2. Применение технического анализа для выявления торговых сигналов
В качестве индикаторов технического анализа в работе использованы быстрая и медленная скользящие средние. Формула расчета простой скользящей средней:
, где - цена закрытия, n - период расчёта.
Для расчета медленной скользящей средней был использован период расчета в 22 дня, а для быстрой - 5 дней. Расчет проведен с помощью программы Excel.
По совместному графику дневных значений закрытия индекса РТС с 01.03.2005 по 01.03.2011, быстрой и медленной скользящих средних было выявлено 43 сигнала, из них 22 на покупку и 21на продажу. Таблица с полученными сигналами представлена а приложении 4. При этом сигнал на покупку возникает в условиях восходящего тренда (медленный тренд растет), если его обгоняет быстрый тренд, а сигнал на продажу возникает в условиях нисходящего тренда (медленный тренд снижается), если быстрый тренд снижается быстрее.
После получения сигналов и определение их типа путем сравнения с фактическими данными было установлено, что 37 сигнала оказались прибыльными, а 6 - убыточными.
3.3 Применение эконометрического моделирования
Задача эконометрического моделирования - снизить количество убыточных сигналов, не потеряв большую часть прибыльных. Для каждого полученного сигнала отбор моделей и построение прогноза проводились по следующей схеме.
В соответствии со схемой работы с эконометрическими моделями, представленной во второй главе, первым этапом является проверка временного ряда на стационарность. Проверка проводилась методами, описанными в предыдущей главе работы, а именно: с помощью визуального представления ряда, анализа кореллограммы и ADF -теста Дикки-Фулера на наличие единичного корня.
Расчеты проведены с помощью программного пакета Eviews 7. Eviews обеспечивает особо сложный и тонкий инструментарий обработки данных, позволяет выполнять регрессионный анализ, строить прогнозы в Windows-ориентированной компьютерной среде. Основным фактором выбора данного эконометрического пакеты послужили особо широкие возможности Eviews при анализе данных, представленных в виде временных рядов. В качестве выборки взяты наблюдения, предшествующие этому сигналу.
График 3
Значения индекса РТС за период 01.03.2005-01.03.2011
По представленному графику можно сделать вывод о нестационарности ряда, поскольку видны трендовые зависимости. График стационарного ряда должен колебаться вблизи константы.
Вывод о нестационарности исходного ряда подтверждает кореллограмма и результат проверки ADF -критерия.
|
|
|
|
|
|
|
|
|
Автокорреляция
|
Q-Статистика
|
Значимость
|
|
|
|
|
|
|
|
|
|
|
|*******
|
1484.3
|
0.000
|
|
|
|*******
|
2959.7
|
0.000
|
|
|
|*******
|
4426.3
|
0.000
|
|
|
|*******
|
5884.0
|
0.000
|
|
|
|*******
|
7333.1
|
0.000
|
|
|
|*******
|
8773.3
|
0.000
|
|
|
|*******
|
10205.
|
0.000
|
|
|
|*******
|
11627.
|
0.000
|
|
|
|*******
|
13040.
|
0.000
|
|
|
|*******
|
14444.
|
0.000
|
|
|
|*******
|
15839.
|
0.000
|
|
|
|*******
|
17226.
|
0.000
|
|
|
|*******
|
18603.
|
0.000
|
|
|
|*******
|
19971.
|
0.000
|
|
|
|*******
|
21329.
|
0.000
|
|
|
|*******
|
22676.
|
0.000
|
|
|
|*******
|
24013.
|
0.000
|
|
|
|*******
|
25339.
|
0.000
|
|
|
Нулевая гипотеза теста состоит в отсутствии автокорреляции. В данном случае, нулевая гипотеза отвергается, следовательно, автокорреляция присутствует.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Статистика
|
Значимость
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Тест Дики-Фуллера
|
-1.527764
|
0.5194
|
|
|
Нулевая гипотеза состоит в том, что ряд имеет единичный корень, для исходно ряда Н0 не отвергается.
С помощью логарифмирования ряд был преобразован в стационарный.
График 4
Значения стационарного преобразования индекса РТС за период 01.03.2005-01.03.2011
|
|
|
Статистика
|
Значимость
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Тест Дики-Фуллера
|
-34.26696
|
0.0000
|
|
|
После того как получен стационарный временной ряд, необходимо определить параметры ARMA(p, q) модели. Для этого для каждой модификации модели проводится оценка параметров и проверка значимости по Z-критерию. Нулевая гипотеза состоит в том, что фактор не значим, и ее следует отвергнуть. После модель проходит проверку на автокорреляцию посредством Q-статистики. Далее проводится проверка на гетероскедастичность. Нулевая гипотеза состоит в том, что дисперсия остатков неоднородна. В итоге отбор проходят модели прошедшие проверку на значимость, отсутствие автокорреляции и гетероскедастичности.
В качестве примера рассмотрим сигнал номер 7 на продажу, выявленный 19.05.2006. Сигнал оказался прибыльным.
Для построения модели были выбраны 100 наблюдений, предшествующих прогнозу, далее по моделям, прошедшим отбор, строился трехдневный прогноз для выявления модели с наилучшей прогнозной способностью. С помощью выбранной модели строился прогноз на период после поступления сигнала.
Таблица 5
Периоды для рассмотрения сигнала
|
Период для построения модели
|
Период для проверки прогнозной способности модели
|
Период для прогноза
|
|
|
19.05.2006 - 19.12.2005
|
17.05.2006 - 19.05.2006
|
19.05.2006 - 23.05.2006
|
|
|
Для выбранного сигнала была выбрана модель MA(1), отвечающая выше изложенным параметрам:
Проверка на значимость:
|
|
|
|
|
|
|
|
|
|
|
|
|
Пременная
|
Коэффициентt
|
Стандартная ошибка
|
Z-статистика
|
Значимость
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
MA(1)
|
0.116554
|
0.037435
|
3.113496
|
0.0019
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Нулевая гипотеза отвергнута, фактор значим.
Проверка на отсутствие автокорреляции:
|
Автокорреляция
|
|
Q-статистика
|
Значимость
|
|
|
|
|
|
|
|
|
|
|
|
|
.|. |
|
1
|
0.0221
|
|
|
|
.|. |
|
2
|
1.7604
|
0.185
|
|
|
*|. |
|
3
|
7.7884
|
0.720
|
|
|
.|. |
|
4
|
8.1525
|
0.643
|
|
|
.|. |
|
5
|
8.6991
|
0.169
|
|
|
.|. |
|
6
|
8.7022
|
0.122
|
|
|
.|* |
|
7
|
15.733
|
0.215
|
|
|
*|. |
|
8
|
35.590
|
0.243
|
|
|
.|. |
|
9
|
36.587
|
0.221
|
|
|
.|. |
|
10
|
37.790
|
0.213
|
|
|
.|. |
|
11
|
38.718
|
0.163
|
|
|
.|. |
|
12
|
38.822
|
0.198
|
|
|
.|* |
|
13
|
50.635
|
0.180
|
|
|
.|. |
|
14
|
51.952
|
0.234
|
|
|
Полученный результат, говорит об отсутствии автокорреляции. Поскольку нулевая гипотеза о ее наличие отвергнута.
Проверка на гетероскедастичность:
|
Тест на гетероскедастичность: тест Годфрея
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
F-статистика
|
0.407310
|
Значимость. F(1,99)
|
0.617
|
|
|
Нулевая гипотеза об отсутствии гетероскедастичности в модели не отвергается.
Поскольку модель прошла отбор, строим по ней прогноз.
График 5
Прогноз модели на период 19.05.2006 - 23.05.2006
Прогнозная способность модели определялась наименьшей ошибкой прогноза в сравнении и фактическими данными. Прогноз рассмотренной модели оказался точнее остальных.
Строим прогноз по модели на период 19.05.2006-23.05.2006
График 6
Прогноз модели на период 17.05.2006 - 19.05.2006
В итоге прогноз по модели не подтвердил полученный сигнал - прогнозируется рост индекса, а фактические данные демонстрируют снижение.
Данный пример демонстрирует ошибочный прогноз эконометрической модели при верном сигнале технического анализа.
Проверка всех 43 полученных сигналов проводилась аналогичным образом. Итоги проведенных расчетов представлены в приложении 5.
3.3 Анализ результатов
При применении представленной методики возможно получить 4 типа ситуаций.
Таблица 7
Возможные исходы
|
Сигнал подтвержден фактическими данными
|
Модель подтверждает сигнал
|
|
|
+
|
+
|
|
|
+
|
-
|
|
|
-
|
-
|
|
|
-
|
+
|
|
|
При рассмотрении 43 сигналов, полученных индикаторами технического анализа, 36 сигналов оказались прибыльными, 7 - убыточными. Модель подтвердила 32 прибыльный сигнал и 1 убыточный, отвергла 4 прибыльных и 6 убыточных.
Анализ полученных результатов приведен в таблице.
Преобладание прибыльных сигналов технического анализа говорит об эффективности его использования на рассмотренных данных.
Таблица 7
Результаты применения технического анализа
|
Инструмент
|
Прибыльные сигналы
|
Убыточные сигнали
|
|
|
шт
|
%
|
шт
|
%
|
|
|
Индикатор технического анализа
|
36
|
84
|
1
|
14
|
|
|
Таблица 8
Результаты применения моделей эконометрики
|
Инструмент
|
Подтвержденные прибыльные сигналы
|
Подтвержденные убыточные сигналы
|
Отвергнутые прибыльные сигнала
|
Отвергнутые убыточные сигналы
|
|
|
шт
|
%
|
шт
|
%
|
шт
|
%
|
шт
|
%
|
|
|
Модели эконометрики
|
32
|
89
|
1
|
14
|
4
|
11
|
6
|
86
|
|
|
По результатам применения эконометрических моделей преобладающее большинство прибыльных сигналов подтверждено, а убыточных - отвергнуто.
Глава4. Безопасность жизнедеятельности
4.1 Характеристика вредных факторов при работе с компьютером
Внедрение ПК имеет как положительные, так и отрицательные моменты. С одной стороны, это обеспечение более высокой эффективности производства за счет совершенствования технологического процесса и повышение производительности труда, а с другой - увеличение нагрузки на работающих в связи с интенсификацией производственной деятельности и специфическими условиями труда.
Отрицательное воздействие компьютера на человека является комплексным.
На пользователя ПК может воздействовать ряд опасных и вредных факторов, наиболее значимые из которых следующие:
Повышенный уровень напряжения в электрических цепях питания и управления ПК, который может привести к электротравме оператора при отсутствии заземления оборудования
Излучения от экрана монитора. Как показали результаты многочисленных научных работ с использованием новейшей измерительной техники зарубежного производства, монитор ПК является источником:
электромагнитного излучения в низкочастотном, высокочастотном и сверхвысокочастотном диапазоне
мягкого рентгеновского излучения от электроннолучевой трубки (ЭЛТ)
ультрафиолетового излучения
инфракрасного излучения
электростатического поля
Не соответствующие нормам параметры микроклимата: повышенная температура из-за постоянного нагрева деталей ПК, пониженная влажность.
Нарушение норм по аэроионному составу воздуха, особенно в помещениях с разной системой приточно-вытяжной вентиляции или с кондиционерами.
Пониженный или повышенный уровень освещенности в помещении; не соответствующие санитарным нормам визуальные параметры дисплея.
Деятельность оператора предполагает, прежде всего, визуальное восприятие отображаемой на экране монитора информации, поэтому значительной нагрузке подвергается зрительный аппарат работающих с ПК. Наиболее сильно влияет на зрение:
Несовершенство способов создания изображения на экране монитора. Эта группа факторов включает в себя:
неоптимальные параметры схем развертки ЭЛТ;
несовместимость параметров монитора и графического адаптера;
недостаточно высокое разрешение монитора, расфокусировка, несведение лучей и низкий уровень других его технических характеристик;
избыточная или недостаточная яркость изображения.
Непродуманная организация рабочего места, которая является причиной:
наличия бликов на лицевой панели экрана;
отсутствия необходимого уровня освещенности рабочих мест;
несоблюдения расстояния от глаз оператора до экрана.
Повышенный уровень шума в системном блоке компьютера являются:
- вентилятор процессора;
- вентилятор видеокарты;
- вентилятор блока питания;
- вентиляторы системного блока;
- жесткий диск;
- оптические приводы.
Повышенный уровень шума также может быть от работающих вентилятора охлаждения ПК и принтера. Работающий компьютер создает акустические шумы, включая ультразвук.
7. Повышенный уровень загазованности воздуха (в первую очередь - по углекислому газу и аммиаку, которые образуются при выдыхании); повышенное содержание в воздухе патогенной (вызывающей заболевания) микрофлоры (прежде всего - стафилококка) особенно зимой при повышенной температуре в помещении, плохом проветривании, пониженной влажности, нарушении аэроионного состава воздуха.
8. Психофизиологическая напряженность труда, включающая:
- монотонность труда;
повышенное умственное напряжение из-за большого объема перерабатываемой и усваиваемой информации;
повышенное нервно-эмоциональное напряжение (при этом ускоряется вывод из организма многих жизненно важных и необходимых витаминов и микроэлементов);
длительные статические нагрузки. Кроме того, наличие внешних постоянно действующих факторов:
- наличие в воздухе рабочей зоны вредных веществ (окиси углерода, озона, аммиака, окислов азота, серы и т.п.), солей тяжелых металлов и органических соединений (фенола, бензопирена, формальдегида, полихлорированных бефенилов, свободных радикалов и др.);
- резкое ухудшение качества воздуха по аэроионному составу, увеличения в нем содержания различных аллергенов, грибков, вирусов, бактерий, микроорганизмов; рост информационных нагрузок извне (причем не только во время работы на ПК).
Все это вызывает дополнительные психические перегрузки, стрессы, что также повышает вероятность заболеваний органов зрения и других наиболее нагруженных и ослабленных органов.
Если перечисленные факторы воздействуют на человека, организм которого не совсем здоров, то такое комплексное отрицательное воздействие значительно усугубляется.
4.2 Эргономические требования к дисплеям
Одной из главных задач эргономики является обеспечение удобства использования человеком производимых продуктов и систем. Ее решение предполагает адаптацию проектов продуктов или систем, включая дисплеи,
характеристики приборов, программные средства, рабочие места, производственную среду и рабочие задания к характеристикам и возможностям и ограничениям потенциальных пользователей. Улучшение эргономических свойств повысит качество работы, уменьшит ошибки и дискомфорт, минимизирует риски, относящиеся к здоровью и безопасности. Дисплей на рабочем месте пользователя должен располагаться так, чтобы изображение в любой его части было различимо без необходимости поднять или опустить голову. Дисплей на рабочем месте должен быть установлен ниже уровня глаз оператора. Угол наблюдения экрана пользователем относительно горизонтальной линии взгляда не должен превышать 60o.
Рис.1. Расположение дисплея на столе.
Видеодисплейные терминалы (ВДТ) могут отражать от экрана излучение создаваемые внешними окружающими источниками света. При определенных условиях отраженное излучение вредит пользователю и влияет на комфортность его работы. Существуют следующие требования к техническим характеристикам ВДТ:
- соотношение яркостей изображений с учетом зеркальной и диффузной отраженных яркостей должно быть равно 3 или более;
- соотношение яркостей при зеркальном отражении к фону экрана должно быть низким. Визуальное восприятие и приемлемость зеркального отражения фона экрана должны изменяться в зависимости от полярности изображения;
- соответствие ВДТ требованиям должно достигаться посредством антиотражающей обработки или дополнительного устройства, или способа организации рабочего места;
Выполнение данных требований на рабочем месте позволит минимизировать риски, связанные со здоровьем пользователя, в частности снизит нагрузку на органы зрения.
В настоящее время существует разные типы мониторов, отличающиеся своими характеристиками.
Таблица 9
Сравнительные характеристики мониторов
|
Характеристика
|
ЖК-мониторы
|
ЭЛТ- мониторы
|
|
|
Яркость
|
От 170 до 250 кд/м2 (+)
|
От 80 до 120 кд/м2 (-)
|
|
|
Контрастность
|
От 200:1 до 400:1 (-)
|
От 350:1 до 700:1 (+)
|
|
|
Угол обзора (по контрасту)
|
От 110 до 170є (-)
|
Свыше 150є (+)
|
|
|
Угол обзора (по цвету)
|
От 50 до 125є (-)
|
Свыше 150є (+)
|
|
|
Разрешение
|
Одно разрешение с фиксированным размером пикселей. Оптимально можно использовать только в одном разрешении; в зависимости от поддерживаемых функций расширения или компрессии можно использовать более высокое или низкое разрешения, но они не оптимальны (-)
|
Поддерживаются различные разрешения. При всех поддерживаемых разрешениях монитор можно использовать оптимальным образом. Ограничение накладывается только приемлемостью частоты регенерации (+)
|
|
|
Частота вертикальной развертки
|
Оптимальная частота 60 Гц, что достаточно для отсутствия мерцания (+)
|
Только при частотах свыше 75 Гц отсутствует явно заметное мерцание (-)
|
|
|
Ошибки совмещения цветов
|
Нет (+)
|
От 0,0079 до 0,0118 (0,20 - 0,30 мм) (-)
|
|
|
Фокусировка
|
Очень хорошая (+)
|
От удовлетворительной до очень хорошей (-)
|
|
|
Геометрические линейные искажения
|
Нет(+)
|
Возможны (-)
|
|
|
Неработающие пиксели
|
До 8 (-)
|
Нет (+)
|
|
|
Входной сигнал
|
Аналоговый или цифровой (+)
|
Только аналоговый (-)
|
|
|
Масштабирование при разных разрешениях
|
Отсутствует или используются методы интерполяции (-)
|
Очень хорошее (+)
|
|
|
Точность отображения цвета
|
Поддерживается True Color и имитируется требуемая цветовая температура (-)
|
Поддерживается True Color и при этом имеется масса устройств калибровки цвета (+)
|
|
|
Гамма-коррекция (подстройка цвета под особенности человеческого зрения)
|
Удовлетворительная (-)
|
Фотореалистичная (+)
|
|
|
Однородность
|
Часто изображения ярче по краям (-)
|
Часто изображение ярче в центре (-)
|
|
|
Чистота цвета (качество цвета)
|
Хорошее (-)
|
Высокое (+)
|
|
|
Мерцание
|
Нет (-)
|
Не заметно на частоте 85 Гц (-)
|
|
|
Время инерции
|
От 20 до 30 мс (-)
|
Пренебрежительно мало (+)
|
|
|
Энергопотребление и излучения
|
Низкий уровень электромагнитных излучений. Уровень потребления энергии примерно на 70% ниже, чем у стандартных ЭЛТ-мониторов (от 25 до 40 Вт) (+)
|
Всегда присутствует электромагнитное излучение, его уровень зависит от того, соответствует ли ЭЛТ стандарту безопасности. Потребление энергии в рабочем состоянии на уровне 60 -150 Вт (-)
|
|
|
Размеры/масса
|
Плоский экран, малая масса (+)
|
Тяжелая конструкция, занимает много места (-)
|
|
|
Формирование изображения
|
Изображение формируется пикселями, число которых зависит только от конкретного разрешения LCD-панели. Шаг пикселей зависит только от размера самих пикселей, но не от расстояния между ними. Каждый пиксель формируется индивидуально, что обеспечивает великолепную фокусировку, ясность и четкость. Изображение получается более целостным и гладким (+)
|
Пиксели формируются группой точек (триады) или полосок. Шаг точки или линии зависит от расстояния между точками или линиями одного цвета. В результате четкость и ясность изображения сильно зависит от размера точки или шага линии и от качества ЭЛТ (-)
|
|
|
Интерфейс монитора
|
Цифровой инетерфейс (но большинство LCD мониторов имеют встроенный аналоговый интерфейс для подключения к наиболее распространенным аналоговым выходам видеоадаптеров) (+)
|
Аналоговый Интерфейс (-)
|
|
|
Примечание. Условные обозначения: (+) - достоинство, (-) - недостатки
4.3 Санитарно-гигиенические параметры рабочего места
Проблема обеспечения безопасных условий труда, сохранения здоровья и работоспособности работников является весьма важной и актуальной.
Устранение недостатков и нарушений санитарно-гигиенических правил производства позволит сократить непроизводственные издержки, связанные с заболеваниями работающих, увеличить эффективность и производительность труда, повысить культуру производства.
Условия труда работающих с ПК характеризуются возможностью воздействия на них следующих производственных факторов: шума, тепловыделений, вредных веществ, статического электричества, ионизирующих и неионизирующих излучений, недостаточной освещенности, параметров технологического оборудования и рабочего места.
4.3.1 Требования к микроклимату
В помещениях, где работа на ВДТ и ПЭВМ является основной, должны обеспечиваться оптимальные параметры микроклимата, приведенные в таблице 10.
Для повышения влажности воздуха в помещениях следует применять увлажнители воздуха, заправляемые ежедневно дистиллированной или питьевой водой.
Таблица 10
Оптимальные нормы микроклимата для помещений с ВДТ и ПЭВМ
|
Период года
|
Категория работ
|
Температура воздуха С є, не более
|
Относительная влажность воздуха, %
|
Скорость движения воздуха, м/с
|
|
|
Холодный
|
Легкая - 1а
|
22-24
|
40-60
|
0,1
|
|
|
Легкая - 1б
|
21-23
|
40-60
|
0,1
|
|
|
Теплый
|
Легкая - 1а
|
23-25
|
40-60
|
0,1
|
|
|
Легкая - 1б
|
22-24
|
40-60
|
0,2
|
|
|
Примечания: к категории 1а относятся работы, производимые сидя и не требующие физического напряжения, при которых расход энергии составляет до 120ккал/ч; к категории 1б относятся работы, производимые сидя, стоя или связанные с ходьбой и сопровождающиеся некоторым физическим напряжением, при которых расход энергии составляет от 120 до 150 ккал/ч.
4.3.2 Требования к уровню шума
Источников шума при работе с ПЭВМ несколько: это и вентиляторы, охлаждающие блок питания, процессор и графическую плату; приводы оптических и жестких дисков. В результате генерируется весьма широкий спектр звуков (включая ультразвук), причем каждый компьютер отличается в этом смысле своей индивидуальностью. Корпус компьютера при этом играет роль резонатора: он привносит в общую картину шума низкочастотные составляющие
При выполнении основной работы уровень шума не должен превышать 50 дБА.
В помещениях, где работают инженерно-технические работники, осуществляется лабораторный, аналитический или измерительный контроль, уровень шума не должен превышать 60 дБА.
В помещениях операторов ЭВМ (без дисплеев) уровень шума не должен превышать 65дБА.
На рабочих местах в помещениях для размещения шумных агрегатов вычислительных машин (АЦПУ, принтеры) уровень шума не должен превышать 75дБА. Снизить уровень шума в помещениях можно использованием звукопоглощающих материалов. Дополнительным звукопоглощением могут служить однотонные занавеси из плотной ткани, гармонирующие с окраской стен и подвешенные в складку на расстоянии 15-20см от ограждения. Ширина занавеси должна быть в два раза больше ширины окна. А снизить уровень шума самого компьютера можно при правильном и качественном выборе комплектующих - вентиляторов, кулера, блока питания, звукоизолирующего бокса для подавления шума винчестера и так далее.
4.3.3 Требования к освещению рабочих мест
Искусственное освещение в помещениях с ВДТ и ПЭВМ должно осуществляться системой общего равномерного освещения. В производственных и административно-общественных помещениях, в случае преимущественной работы с документами, допускается применение системы комбинированного освещения.
Освещенность поверхности стола в зоне размещения рабочего документа должна быть 300-500лк.
Следует ограничивать прямую и отраженную блесткость на рабочих поверхностях за счет правильного выбора типов светильников и расположения рабочих мест по отношению к источникам естественного и искусственного освещения.
В качестве источников света при искусственном освещении должны применяться преимущественно люминесцентные лампы типа ЛБ. При устройстве отраженного освещения в производственных и административно-общественных помещениях допускается, применение метало галогенных ламп мощностью до 250Вт. Допускается применение ламп накаливания в светильниках местного освещения. Коэффициент запаса (Кз) для осветительных установок общего освещения должен приниматься равным 1,4.
Общее освещение следует выполнять в виде сплошных или прерывистых линий светильников, расположенных сбоку от рабочих мест, параллельно мышц зрения пользователя при рядном расположении компьютеров.
При периметральном расположении компьютеров линии светильников должны располагаться локализовано над рабочим столом ближе к его переднему краю, обращенному к оператору.
Для обеспечения нормируемых значений освещенности следует проводить чистку стекол оконных рам и светильников не реже 2 раз в год и проводить своевременную замену сгоревших ламп.
4.3.4 Требования к излучениям
Уровни электромагнитных излучений, считающихся безопасными для здоровья, регламентируются нормами MPR II 1990: 10 Шведского национального комитета по измерениям и испытаниям, которые считаются базовыми, и более жесткие нормы ТСО 92, 95 Шведской конференции профсоюзов. Российский нормативный документ Госкомсанэпидемнадзора «Гигиенические требования к видео дисплейным терминалам, персональным электронно-вычислительным машинам и организация работы» полностью совпадают в части уровней ЭМИ с требованиями MPR II (таблица 11).
Таблица 11
Допустимые значения не ионизирующих электронно-магнитных излучений
|
Наименование параметров
|
Допустимые значения
|
|
|
Напряженность электрического поля - в диапазоне частот 5Гц - 2кГц - в диапазоне частот 2 - 400кГц
|
25В/м 2,5В/м
|
|
|
Плотность магнитного потока- - в диапазоне частот 5Гц - 2кГц - в диапазоне частот 2 - 400кГц
|
250нТл 25нТл
|
|
|
Электростатический потенциал экрана видеомонитора
|
500 В
|
|
|
Напряженность электростатического поля не должна превышать 20кВ/м для взрослых пользователей, 15кВ/м - для детей дошкольных учреждений, учащихся средних специальных и высших учебных заведений.
Конструкция ВДТ и ПЭВМ должна обеспечивать мощность экспозиционной дозы рентгеновского излучения в любой точке на расстоянии 0,05м от экрана и корпуса при любых положениях регулировочных устройств не превышающей 100мкР/час (0,1мБЭР/час).
Для сравнения в таблице 4 приведены допустимые уровни излучения
ТСО 92 и MPR-II.
Таблица 12
Допустимые уровни излучения ПК
|
Электростатическое поле
|
|
|
|
|
|
Переменное электрическое поле 5 Гц - 2 кГц 2 - 400 кГц
|
10В/м 1В/м на расстояние 0,3м от центра экрана и 0,5м вокруг дисплея
|
25В/м 2,5 В/м на расстояние 0,5м вокруг дисплея
|
10В/м 1В/м на расстояние 0,5м вокруг дисплея
|
|
|
Переменное магнитное поле 5 Гц - 2 кГц 2 - 400 кГц
|
250нТл 200мА/м 25нТл 20мА/м
|
250нТл 200мА/м 25нТл 20мА/м
|
200нТл 200мА/м 25нТл 20мА/м
|
|
|
Нормы на уровень ЭМИ стали законом для многих ведущих фирм-изготовителей мониторов. Такие фирмы, как правило, проводят сертификацию своих изделий в Швеции или по Шведским методикам. В современных научных, учебных организациях, в домашнем пользовании можно встретить как мониторы высокого класса, удовлетворяющие самым строгим стандартам, так и мониторы, которые представляют известную опасность для здоровья.
4.3.5 Требования к размещению рабочих мест
Рабочее место с ПК должно располагаться по отношению к оконным проемам таким образом, чтобы естественный свет падал сбоку, предпочтительнее слева.
Компьютер должен быть установлен так, чтобы, подняв глаза от экрана, можно было увидеть самый удаленный предмет в комнате. Удачным является расположение рабочего места, когда лицо оператора обращено к входному проему. Возможность перевести взгляд на дальнее расстояние - один из самых эффективных способов разгрузки зрительной системы во время работы с компьютером. Следует избегать расположения рабочего места в углах комнаты или лицом к стене - расстояние от компьютера до стены не менее 1м, экраном к окну, а также лицом к окну - свет из окна является нежелательной нагрузкой на глаза (рис. 3). Если компьютер все же размещен в углу комнаты, или помещение имеет весьма ограниченное пространство, американские специалисты рекомендуют установить на столе большое зеркало. С его помощью легко увидеть самые дальние предметы комнаты, расположенные за спиной оператора.
Рис.3 Размещение рабочих мест относительно друг друга, окон и стен помещения
4.4 Экологические проблемы утилизации ПК
Любая техника стремительно устаревает, ей на смену приходят новые, более мощные, более современные ПК. Процесс модернизации и замены электронной техники идет постоянно. Это стало причиной возникновения проблемы утилизации ПК.
Обеспокоенность общественности проблемами экологии, а также новые, более жесткие законы по защите окружающей среды вынуждают крупных производителей оборудования создавать сети по сбору вышедшей из обращения техники и заводы по ее утилизации. Кроме того, в конструкции оборудования максимально увеличивается доля материалов, пригодных для переработки. Размеры сети по утилизации 'электронного лома' зависят от региона и местного законодательства.
Все компоненты ПК не являются опасными в процессе эксплуатации изделия. Однако ситуация коренным образом меняется, когда изделие попадает на свалку. Такие металлы, как свинец, сурьма, ртуть, кадмий, мышьяк входящие в состав электронных компонентов переходят под воздействием внешних условий в органические и растворимые соединения и становятся сильнейшими ядами. Утилизация пластиков, содержащих ароматические углеводороды, органические хлорпроизводные соединения является насущной проблемой экологии.
Таблица 11
Составляющие ПК
|
Наименование
|
Благородные металлы
|
Цветные и черные металлы
|
Полимеры и стекло
|
|
|
Au, г
|
Ag, г
|
Al, кг
|
Cu, кг
|
Fe, кг
|
AБС (пластик), кг
|
Стекло, кг
|
|
|
Персональный компьютер
|
0,05-0,09
|
0,8-1,1
|
0,1-0,4
|
0,1-0,2
|
3-4
|
3-3,5
|
10-20
|
|
|
Примечание: данные, приведенные в таблице, ориентировочные.
Таким образом, обычный персональный компьютер является складом как ценных металлов - меди, серебра и золота, так и опасных материалов - кадмия, свинца, цинка, никеля, ртути.
Однако стоимость переработки и извлечение ценных металлов превышает стоимость самих металлов. Но человечество обречено на расходы по утилизации «электронного мусора».
В принципе, любой компьютер или телефон можно переработать и пустить во вторичное использование. При грамотной утилизации около 95% отходов техники способны вернуться к нам в том или ином виде, и примерно 5% отправляются на свалки или федеральные заводы по переработке твердых бытовых отходов.
Соотношение ручного и автоматизированного труда на фабриках по переработке компьютерной техники зависит от ее типа. Для монитора это соотношение примерно 50 на 50 - разборка старых кинескопов является довольно трудоемким занятием. Для системных блоков и оргтехники доля автоматических операций выше.
НР впервые предложила переработку отслужившей свой срок продукции еще в 1981 году. Сегодня НР обладает инфраструктурой по сбору и переработке использованных ПК и оргтехники в 50 странах мира. В год утилизации подвергается около 2,5 млн. единиц продукции. Активно работают программы по утилизации устаревших ПК в США и Японии. В России также существуют компании по утилизации техники.
Заключение
В дипломной работе рассмотрены инструменты технического анализа и эконометрические модели для краткосрочного прогнозирования финансовых рядов и методы работы с ними, представлена методика вычисления подтверждающих прогнозов, которая состоит в выявлении торговых сигналов с помощью скользящих средних и их проверки путем отбора эконометрических моделей с наилучшей прогнозной способностью и построения краткосрочного прогноза.
В дипломной работе использованы данные закрытия дневных торгов индекса РТС за период 01.03.2005 - 01.03.2011. При изучении данных фондового рынка были выявлены такие особенности как нестационарность, кластеризация волотильности, отвержение нормальности в пользу распределения с толстыми хвостами.
В практической части проанализированы методы краткосрочного прогнозирования данных фондового рынка применяемые техническим и эконометрическим анализом. Практическим путем было выявлено, что индикаторы технического анализа, в частности быстрая и медленная скользящие средние, дают достаточно точные сигналы на покупку или продажу. Расчеты показали возможность улучшения этих сигналов с помощью эконометрического моделирования.
За представленный период было зафиксировано 43 сигнала:36 из них были подтверждены фактическими данными, 7 оказались убыточными. В результате применения моделей эконометрики было подтверждено 32 прибыльный сигнал. В этом случае технический анализ и эконометрический были в консенсусе. Модель подвергла сомнению 4 прибыльных сигналов. Можно констатировать упущенную возможность прибыли из-за неадекватности прогноза. Из 7 убыточных сигналов модели подтвердили один, что на практике означало бы потери на торгах. Поскольку в результате расчетов таких ситуаций меньшинство, можно считать систему надежной. Результатом, демонстрирующим прикладную значимость применения аппарата эконометрического моделирования, прежде всего, являются 7 убыточных сигналов отвергнутых моделью. Следовательно, применение моделей позволило обезопасить от убытка.
Сочетание методов технического и эконометрического анализа позволяет делать краткосрочные прогнозы фондовых индексов более точными. При этом базой для получения сигналов являются индикаторы технического анализа, а модели эконометрики способствуют улучшению качества прогноза, выступая вспомогательным инструментом. При этом можно отметить, что в большинстве случаев наилучшей прогнозной способностью обладали простые модели. Недостатком применения эконометрического моделирования можно считать неустойчивость моделей и, как следствие, затруднение процесса идентификации. Перспективой расширения полученной системы прогнозирования можно считать применение нелинейных моделей.
Приложение 1
Таблица 1.
Иерархия участников фондового рынка
|
|
Удержание позиции
|
Риск
|
Доход
|
Источник дохода
|
|
|
Инвесторы
|
----
|
********
|
********
|
Предприятие
|
|
|
Портфельные инвесторы
|
Институциональные инвесторы
|
недели
|
*****
|
*****
|
Инвесторы
|
|
|
Свинг-трейдеры
|
часы, дни
|
****
|
****
|
Институциональные инвесторы, Инвесторы
|
|
|
Дэй-трейдеры
|
минуты, часы
|
***
|
***
|
Институциональные инвесторы, Инвесторы, Свинг-трэйдеры
|
|
|
Скальперы
|
минуты
|
**
|
**
|
Институциональные инвесторы, Инвесторы, Свинг-трэйдеры, Дэй-трэйдеры
|
|
|
Спрэд-трейдеры
|
-
|
*
|
*
|
Институциональные инвесторы, Инвесторы, Свинг-трэйдеры, Дэй-трэйдеры, Скальперы
|
|
|
Приложение2
Таблица 2
Список акций для расчета Индекса РТС (действует с 6 мая по 15 июня 2011 года)
|
Код
|
Наименование
|
Количество выпущенных акций
|
Вес акции по сост.
на 28.02.2011
|
|
|
AFKS
|
ОАО АФК Система, ао
|
9 650 000 000
|
0,55%
|
|
|
AFLT
|
ОАО Аэрофлот, ао
|
1 110 616 299
|
0,28%
|
|
|
AKRN
|
ОАО Акрон, ао
|
47 687 600
|
0,20%
|
|
|
BANE
|
ОАО Башнефть, ао
|
170 169 754
|
0,59%
|
|
|
CHMFS
|
ОАО Северсталь, ао
|
1 007 701 355
|
1,61%
|
|
|
FEESS
|
ОАО ФСК ЕЭС, ао
|
1 233 561 333 552
|
1,75%
|
|
|
GAZPS
|
ОАО Газпром, ао
|
23 673 512 900
|
15,00%
|
|
|
GMKNS
|
ОАО ГМК Норильский никель, ао
|
190 627 747
|
7,56%
|
|
|
HYDRS
|
ОАО РусГидро, ао
|
288 695 430 802
|
2,07%
|
|
|
IRAO
|
ОАО ИНТЕР РАО ЕЭС, ао
|
2 893 027 370 229
|
0,62%
|
|
|
LKOHS
|
ОАО ЛУКОЙЛ, ао
|
850 563 255
|
14,02%
|
|
|
LSRG
|
ОАО Группа ЛСР, ао
|
103 030 215
|
0,31%
|
|
|
MAGNS
|
ОАО ММК, ао
|
11 174 330 000
|
0,23%
|
|
|
MGNT
|
ОАО Магнит, ао
|
88 975 073
|
1,30%
|
|
|
MRKH
|
ОАО Холдинг МРСК, ао
|
42 964 067 081
|
0,87%
|
|
|
MSNG
|
ОАО Мосэнерго, ао
|
39 749 359 700
|
0,36%
|
|
|
MSRS
|
ОАО Московская объединенная электросетевая компания, ао
|
48 707 091 574
|
0,20%
|
|
|
MSTT
|
ОАО МОСТОТРЕСТ, ао
|
282 215 500
|
0,37%
|
|
|
MTLR
|
ОАО Мечел, ао
|
416 270 745
|
0,90%
|
|
|
MTSSS
|
ОАО МТС, ао
|
1 993 326 138
|
0,87%
|
|
|
MVID
|
ОАО Компания М.видео, ао
|
179 768 227
|
0,20%
|
|
|
NLMKS
|
ОАО НЛМК, ао
|
5 993 227 240
|
1,58%
|
|
|
NMTP
|
ОАО Новороссийский морской торговый порт, ао
|
19 259 815 400
|
0,41%
|
|
|
NVTKS
|
ОАО НОВАТЭК, ао
|
3 036 306 000
|
2,58%
|
|
|
OGKA
|
ОАО ОГК-1, ао
|
65 451 744 495
|
0,35%
|
|
|
OGKB
|
ОАО ОГК-2, ао
|
32 734 568 382
|
0,27%
|
|
|
OGKC
|
ОАО ОГК-3, ао
|
47 487 999 252
|
0,23%
|
|
|
OGKD
|
ОАО ОГК-4, ао
|
63 048 706 145
|
0,58%
|
|
|
PHST
|
ОАО Фармстандарт, ао
|
37 792 603
|
0,23%
|
|
|
PIKK
|
ОАО Группа Компаний ПИК, ао
|
493 260 384
|
0,23%
|
|
|
PLZLS
|
ОАО Полюс Золото, ао
|
190 627 747
|
0,53%
|
|
|
PMTL
|
ОАО Полиметалл, ао
|
399 375 000
|
1,16%
|
|
|
RASP
|
ОАО Распадская, ао
|
780 799 808
|
0,56%
|
|
|
ROSNS
|
ОАО НК Роснефть, ао
|
10 598 177 817
|
7,00%
|
|
|
SBERS
|
ОАО Сбербанк России, ао
|
21 586 948 000
|
13,88%
|
|
|
SBERPS
|
ОАО Сбербанк России, ап
|
1 000 000 000
|
1,12%
|
|
|
SIBNS
|
ОАО Газпром нефть, ао
|
4 741 299 639
|
0,45%
|
|
|
SNGSS
|
ОАО Сургутнефтегаз, ао
|
35 725 994 705
|
4,82%
|
|
|
SNGSPS
|
ОАО Сургутнефтегаз, ап
|
7 701 998 235
|
1,49%
|
|
|
STBK
|
ОАО Банк Санкт-Петербург, ао
|
282 150 000
|
0,17%
|
|
|
SVAV
|
ОАО СОЛЛЕРС, ао
|
34 270 159
|
0,10%
|
|
|
TATNS
|
ОАО Татнефть им.В.Д.Шашина, ао
|
2 178 690 700
|
1,90%
|
|
|
TNBP
|
ОАО ТНК-BP Холдинг, ао
|
14 996 968 366
|
0,85%
|
|
|
TNBPP
|
ОАО ТНК-BP Холдинг, ап
|
450 000 000
|
0,56%
|
|
|
TRNFPS
|
ОАО АК Транснефть, ап
|
1 554 875
|
0,97%
|
|
|
URKAS
|
ОАО Уралкалий, ао
|
2 124 390 000
|
2,97%
|
|
|
VSMO
|
ОАО Корпорация ВСМПО-АВИСМА, ао
|
11 529 538
|
0,18%
|
|
|
VTBRS
|
ОАО Банк ВТБ, ао
|
10 460 541 337 338
|
4,28%
|
|
|
VZRZ
|
ОАО Банк Возрождение, ао
|
23 748 694
|
0,17%
|
|
|
Приложение 3
Таблица3
Динамика цен акций основных российских компаний первого эшелона
|
Название компании
|
Динамика изменения цены акции компании
|
|
|
ОАО «Банк ВТБ» VTBRS
|
|
|
|
|
|
|
ОАО НК «Роснефть» (ROSNS)
|
|
|
|
|
|
|
ОАО «Газпром» (GAZPS)
|
|
|
|
|
|
|
ОАО «ЛУКОЙЛ» (LKOHS)
|
|
|
|
|
|
|
ОАО «Сургутнефтегаз» (SNGSS)
|
|
|
|
|
|
|
ОАО ГМК «Норильский никель» (GMKN)
|
|
|
|
|
|
|
ОАО «РусГидро» (HYDRS)
|
|
|
|
|
|
|
ОАО «Сбербанк России» (SBERS)
|
|
|
|
|
|
|
ОАО «Ростелеком» (RTKM)
|
|
|
|
|
|
|
Приложение 4
Таблица 4
Анализ сигналов технических индикаторов
|
№
|
Дата сигнала
|
Тип сигнала
|
Сигнал подтвердился?
|
|
|
1
|
21.04.2005
|
на продажу
|
+
|
|
|
2
|
27.05.2005
|
на покупку
|
+
|
|
|
3
|
14.10.2005
|
на продажу
|
+
|
|
|
4
|
03.11.2005
|
на покупку
|
+
|
|
|
5
|
13.03.2006
|
на продажу
|
+
|
|
|
6
|
31.03.2006
|
на покупку
|
+
|
|
|
7
|
19.05.2006
|
на продажу
|
+
|
|
|
8
|
04.07.2006
|
на покупку
|
+
|
|
|
9
|
13.09.2006
|
на продажу
|
+
|
|
|
10
|
16.10.2006
|
на покупку
|
+
|
|
|
11
|
16.01.2007
|
на покупку
|
+
|
|
|
12
|
06.03.2007
|
на продажу
|
+
|
|
|
13
|
26.03.2007
|
на покупку
|
+
|
|
|
14
|
07.05.2007
|
на продажу
|
+
|
|
|
15
|
21.06.2007
|
на покупку
|
+
|
|
|
16
|
09.08.2007
|
на продажу
|
+
|
|
|
17
|
19.09.2007
|
на покупку
|
+
|
|
|
18
|
23.11.2007
|
на покупку
|
-
|
|
|
19
|
05.12.2007
|
на покупку
|
+
|
|
|
20
|
21.01.2008
|
на продажу
|
+
|
|
|
21
|
28.02.2008
|
на продажу
|
+
|
|
|
22
|
24.03.2008
|
на продажу
|
-
|
|
|
23
|
01.04.2008
|
на покупку
|
+
|
|
|
24
|
27.06.2008
|
на продажу
|
+
|
|
|
25
|
15.12.2008
|
на покупку
|
-
|
|
|
26
|
24.12.2008
|
на продажу
|
-
|
|
|
27
|
29.12.2008
|
на покупку
|
+
|
|
|
28
|
13.02.2009
|
на продажу
|
+
|
|
|
29
|
20.02.2009
|
на продажу
|
+
|
|
|
30
|
16.03.2009
|
на покупку
|
+
|
|
|
31
|
30.03.2009
|
на покупку
|
+
|
|
|
32
|
10.07.2009
|
на продажу
|
+
|
|
|
33
|
31.07.2009
|
на покупку
|
+
|
|
|
34
|
01.12.2009
|
на продажу
|
-
|
|
|
35
|
21.12.2009
|
на покупку
|
+
|
|
|
36
|
09.02.2010
|
на продажу
|
-
|
|
|
37
|
11.03.2010
|
на покупку
|
+
|
|
|
38
|
07.05.2010
|
на продажу
|
+
|
|
|
39
|
23.06.2010
|
на покупку
|
-
|
|
|
40
|
01.07.2010
|
на продажу
|
+
|
|
|
41
|
13.07.2010
|
на покупку
|
+
|
|
|
42
|
25.08.2010
|
на продажу
|
+
|
|
|
43
|
02.12.2010
|
на покупку
|
+
|
|
|
Приложение 5
Таблица 6
Анализ совместного применения технических индикаторов и моделей эконометрики
|
№
|
Дата сигнала
|
Тип сигнала
|
Сигнал подтвердился?
|
Модель подтвердила сигнал?
|
|
|
1
|
21.04.2005
|
на продажу
|
+
|
+
|
|
|
2
|
27.05.2005
|
на покупку
|
+
|
+
|
|
|
3
|
14.10.2005
|
на продажу
|
+
|
+
|
|
|
4
|
03.11.2005
|
на покупку
|
+
|
+
|
|
|
5
|
13.03.2006
|
на продажу
|
+
|
+
|
|
|
6
|
31.03.2006
|
на покупку
|
+
|
+
|
|
|
7
|
19.05.2006
|
на продажу
|
+
|
-
|
|
|
8
|
04.07.2006
|
на покупку
|
+
|
+
|
|
|
9
|
13.09.2006
|
на продажу
|
+
|
-
|
|
|
10
|
16.10.2006
|
на покупку
|
+
|
+
|
|
|
11
|
16.01.2007
|
на покупку
|
+
|
+
|
|
|
12
|
06.03.2007
|
на продажу
|
+
|
+
|
|
|
13
|
26.03.2007
|
на покупку
|
+
|
+
|
|
|
14
|
07.05.2007
|
на продажу
|
+
|
+
|
|
|
15
|
21.06.2007
|
на покупку
|
+
|
+
|
|
|
16
|
09.08.2007
|
на продажу
|
+
|
+
|
|
|
17
|
19.09.2007
|
на покупку
|
+
|
+
|
|
|
18
|
23.11.2007
|
на покупку
|
-
|
-
|
|
|
19
|
05.12.2007
|
на покупку
|
+
|
+
|
|
|
20
|
21.01.2008
|
на продажу
|
+
|
+
|
|
|
21
|
28.02.2008
|
на продажу
|
+
|
+
|
|
|
22
|
24.03.2008
|
на продажу
|
-
|
-
|
|
|
23
|
01.04.2008
|
на покупку
|
+
|
+
|
|
|
24
|
27.06.2008
|
на продажу
|
+
|
+
|
|
|
25
|
15.12.2008
|
на покупку
|
-
|
-
|
|
|
26
|
24.12.2008
|
на продажу
|
-
|
-
|
|
|
27
|
29.12.2008
|
на покупку
|
+
|
+
|
|
|
28
|
13.02.2009
|
на продажу
|
+
|
+
|
|
|
29
|
20.02.2009
|
на продажу
|
+
|
+
|
|
|
30
|
16.03.2009
|
на покупку
|
+
|
-
|
|
|
31
|
30.03.2009
|
на покупку
|
+
|
-
|
|
|
32
|
10.07.2009
|
на продажу
|
+
|
+
|
|
|
33
|
31.07.2009
|
на покупку
|
+
|
+
|
|
|
34
|
01.12.2009
|
на продажу
|
-
|
-
|
|
|
35
|
21.12.2009
|
на покупку
|
+
|
+
|
|
|
36
|
09.02.2010
|
на продажу
|
-
|
-
|
|
|
37
|
11.03.2010
|
на покупку
|
+
|
+
|
|
|
38
|
07.05.2010
|
на продажу
|
+
|
+
|
|
|
39
|
23.06.2010
|
на покупку
|
-
|
+
|
|
|
40
|
01.07.2010
|
на продажу
|
+
|
+
|
|
|
41
|
13.07.2010
|
на покупку
|
+
|
+
|
|
|
42
|
25.08.2010
|
на продажу
|
+
|
+
|
|
|
43
|
02.12.2010
|
на покупку
|
+
|
+
|
|
|
1.
