Беспллатный урок

Методы, применяемые в анализе биржевой информации



Наверное, многие согласятся с мнением о том, что в последнее время значительно вырос объем биржевой информации, на основании которого трейдерам приходится принимать торговые решения. Естественно, подходить поверхностно к имеющейся информации, по крайней мере, неразумно, поэтому и возникает потребность в том, чтобы активно работать в направлении совершенствования методов обработки этих данных. Ведь вполне очевидно, что, только сумев упорядочить информационную лавину и глубоко проанализировав имеющейся материал, трейдер сможет правильно интерпретировать рыночные тенденции, и как результат, принять верное рыночное решение, соответствующее дальнейшему направлению движения рынка. На данный момент существует несколько различных способов обработки и анализа имеющихся данных. Для того чтобы лучше понимать о чем идет речь, рассмотрим некоторые из этих способов.

1.Классический метод, основанный на математическом анализе. В данном случае имеется в виду анализ информации на основе статистических данных и установление зависимости между случайными величинами или, говоря иначе - корреляционной зависимости. Преимуществом метода, основанного на классической статистике, является его точность. Но, к сожалению, в виду сложности применения, такой метод анализа применяются довольно ограниченно, так как требуют наличия специальных знаний и определенной подготовки.

2. Метод эволюционного программирования. В основе этого метода заложен принцип случайной изменчивости и отбора, позволяющий установить функциональную зависимость между переменными. Полученные формулы зависимости, в принципе, позволяют проводить необходимый анализ, но на практике этот метод реализовать довольно трудно.

3. Дерево принятия решений. Иногда в литературе можно встретить название «регрессионное дерево» или «дерево классификации», что, в принципе, аналогично с понятием «дерево принятия решений». Этот метод используется в области анализа данных и статистики для прогнозных моделей.

4. Генетические алгоритмы. Этот метод является вариацией эволюционных вычислений, позволяющих решать оптимизационные задачи и приходить к лучшим решениям.

5. Нейронные сети. Это специфический алгоритм, используя который появляется возможность получить большой массив различных данных, на основании которых строить прогноз развития дальнейшего развития рыночной ситуации. В частности, нейросети позволяют определять вероятность колебания цены относительно текущего тренда, дают возможность оценить вероятность его продолжения, осуществлять прогнозы возможных минимумов и максимумов для различных таймфреймов, производить классификацию рыночных фаз и т.д.

6. Метод нечетких множеств. Теория, разработанная в середине 60-х годов прошлого столетия американским ученым Л.А.Заде, поначалу сводилась к анализу и моделированию гуманистических систем, то есть систем, в которых человек принимает непосредственное участие. В настоящее время эти теория широко применяется во многих прикладных областях, в том числе и при анализе рыночной информации, способствуя правильному принятию решения.

7. Волновой анализ. В основе этого метода лежит предположение о том, что поведение финансовых рынков подчинено определенным законам и ценовое движение развивается в виде цикличных волн. Таким образом, произведя анализ изменения цены актива за определенный период, можно с некоторой долей вероятности предсказать динамику ее движения в дальнейшем.

8. Технический анализ. Данный метод базируется на допущении того, что ценовое движение учитывает всю имеющуюся информацию. В результате, производя анализ цен, объемов торгов, а также других ценовых показателей, пользуясь различными вспомогательными инструментами в виде технических индикаторов, можно сделать вывод о дальнейшем поведении рыночной цены.  

Следует сказать, что в повседневном трейдинге наиболее доступными являются технические методы обработки информации. Но при этом нужно понимать, что эти методы наиболее точны при торговле внутри дня, то есть на ограниченных временных отрезках.  

Кроме всего прочего, надо обратить внимание на то, что все методы анализа информации, о которых говорилось выше, предполагают наличие у человека, занимающегося анализом, глубоких знаний. Он должен владеть математическим анализом, уметь оперировать статистическими данными, понимать основы теории вероятности, разбираться в корреляционных зависимостях и так далее. Как видим, без специальных знаний здесь не обойтись, поэтому для обычного трейдера применение на практике многих из перечисленных методов просто не под силу. Чтобы облегчить решение этой задачи, созданы автоматизированные программы, позволяющие обрабатывать поступающий поток информации и на основе заложенных в них алгоритмов выдавать трейдеру рекомендации по принятию тех или иных торговых решений. В настоящее время разработано и внедрено на практике большое количество программ искусственного интеллекта, позволяющих использовать самые современные технологии по сбору биржевой информации, и ее анализу. 

Но важно не забывать об одной простой вещи – какие бы современные технологии не создавались, но они никогда не заменят самого человека. Созданные человеком системы призваны, в первую очередь, облегчить работу трейдера, выполнить за него тот огромный объем рутинных операций, для осуществления которого требуется масса времени и сил. Сегодня самым эффективным видится  сочетание машины и человека, когда машина производит вычисления, а человек на основе этих вычислений принимает окончательное решение. 

Рейтинг:
Всего голосов: 0

Уровень подготовки: Специалист Автор: artu55 Дата публикации: 22 июля 2013 г, 13:07 Количество комментариев: 0 Количество просмотров: 1167