Понятия и способы анализа, применяемых участниками рынка ценных бумаг

СОДЕРЖАНИЕ:

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ВВЕДЕНИЕ

 

Рынок ценных бумаг - это система взаимоотношений  по поводу ценных бумаг и иных финансовых инструментов, возникающая между  эмитентами, инвесторами, профессиональными  участниками, а также иными лицами, функционирование которой обеспечивается регулирующим воздействием государства, а также основывается на принципах саморегулирования.

В самом общем виде рынок ценных бумаг определяется как совокупность

экономических отношений  по поводу выпуска и обращения  ценных бумаг между его участниками.  / 2 /

Технический анализ ценных бумаг представляет собой способ оценки ценных бумаг, который базируется на статистическом анализе. Он учитывает  объём и прошлые цены. Технический  анализ ценных бумаг не преследует такую цель, как стоимость финансового инструмента. Напротив, технический анализ ценных бумаг подразумевает применение диаграмм, графиков, индикаторов и прочих инструментов, которые позволяют выделить направление для изменения цены. Обычно технический анализ рынка применяется для того, чтобы детально проанализировать цены, подверженные свободному изменению, как это происходит на фондовой бирже. Каждый изучаемый вопрос обычно имеет экономическую сторону и «технику» ее осуществления.    / 5 /

Однако эти аспекты настолько тесно взаимосвязаны, что невозможно описание одного из них без затрагивания другого, и наоборот. Поэтому при рассмотрении каждого вопроса следует обращать внимание на его экономическую природу и практику функционирования рынка.

Задачами контрольной  работы являются:

1. Изучение основных понятий и способов анализа, применяемых участниками рынка ценных бумаг;

2. Исследование надежности и достоверности использования мнения обозревателей рынка.

3. Изучить в теории с примерами из практики генетический алгоритм.

Это является возможным при условии теоретического  ознакомления специальной литературы, изучения нормативно-правовой базы, приведения примеров из отечественной и зарубежной практики. 

 

1. ИСПОЛЬЗОВАНИЕ МНЕНИЯ ОБОЗРЕВАТЕЛЕЙ РЫНКА

 

Технический анализ рынка ценных бумаг - совокупность методов исследования соотношения спроса и предложения на биржевых и квазибиржевых рынках на основе изучения временных рядов цен, а также некоторых других показателей (например, объемов торговли, числа заключенных сделок, количества открытых контрактов).

Под термином "движение рынка" аналитики понимают три основных вида информации:

- цена;

- объем торговли;

- открытый интерес.

Ценой может быть как  действительная цена товаров, продаваемых  на бирже, так и значение валютных и других индексов.

Объем торговли - общее количество заключенных контрактов за определенный промежуток времени.

Открытые интересы - количество позиций, не закрытых на конец торгового  дня, и главный из них - цена.    / 3 /

При анализе посредством использования  мнений целесообразно обрабатывать около 130 обозрений рынка. Определяет процент «бычьих», «медвежьих» и неопределенных мнений. Процент медведей особенно важен, так как человеку особенно трудно психологически быть пессимистом.

Когда количество медведей вырастает  до 55% - рынок близок к прохождению впадины. Когда процент медведей падает ниже 15, тогда как процент быков превысил 65 - рынок близок к пиковым значениям.

Market Vane классифицирует около 70 обозрений по 32 рынкам. Оценивает степень «бычьих» настроений каждой статьи по 9-бальной системе. Оценка умножается на число подписчиков (правда, многие издательства преувеличивают это число, чтобы прослыть наиболее популярными). Уровень согласия далее рассчитывается в процентах от 0 (наиболее медвежье настроение) до 100. Если бычье настроение - на уровне 70 - 80 %,вероятен разворот к убывающему тренду. Когда же он на уровне 20 - 30% -пришло время покупать.

Рассмотрим пример для рынка типа фьючерсных контрактов (где число открытых коротких позиций в точности равно количеству длинных).

Таблица 1.1 -  Пример рынка фьючерсных контрактов.

Открытый интерес Индекс согласия Число быков Число медведей Контрактов  на быка Контрактов  на медведя 12000 50% 500 500 24 24 12000 80% 800 200 15 60 12000 20% 200 800 60 15

 

1. Если Индекс согласия равен 50%, то половина рынка имеет длинные и другая половина - короткие позиции. В среднем и те и другие имеют одинаковое количество контрактов на участника.
2. Когда Индекс согласия достигает 80%, он показывает, что 80%участников рынка имеют длинные позиции, а 20% - короткие. Поскольку количество открытых длинных позиций всегда равно количеству открытых коротких, средний участник-"медведь" имеет в четыре раза больше контрактов, чем средний "бык". "Большие деньги" находятся на открытых коротких позициях.

Когда Индекс согласия достигает 20%, он показывает, что 20%участников рынка  имеют длинные позиции, а 80% - короткие. Средний участник-"медведь" имеет  в четыре раза меньше контрактов, чем средний"бык". "Большие деньги" находятся на открытых длинных позициях.

Если "большие деньги" оказались сосредоточены по одну сторону рынка, следует торговать  вместе с ними. / 4 /

А. В. Кохен, Нью-Йоркский адвокат, выдвинул практическую идею опроса рыночных консультантов и использования их ответов как приближения к мнению всей массы игроков. Кохен был скептиком, который провёл годы на Wall Street и видел, что консультанты, как группа, выступают ничуть не лучше рыночной толпы. В 1963 году он основал службу «Разведка инвестора», которая отслеживала авторов информационных бюллетеней. Когда большинство из них склонялось к «медведям», Кохен определял, что есть возможность покупать. Возможность продавать определялась по сильной тяге авторов к «быкам». Джеймс X. Сиббет применил эту теорию к сырьевым рынкам. В 1964 году он основал консультационную службу «Голос рынка». Он изучал мнения консультантов и дополнительно присваивал им вес пропорционально числу их подписчиков.  / 7 /

Пример  из отечественной практики:  по состоянию на 10.1012г. технический анализ говорит, что «лучше рынка» могут быть акции «Сбербанка», а также металлургические акции. Интересно смотрятся акции «Мечела» – их «придавливают негативом» и синхронно происходит покупка крупным игроком (игроками). Кончится все это сильным ростом. Может возникнуть игровой момент на покупку акций «Уралкалия» (сегодня они среди лидеров снижения). Что касается акций «электроэнергетиков», то считается, что их динамика в ближайшие недели будет «по рынку» или даже «хуже рынка». / 8 /

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

2. ГЕНЕТИЧЕСКИЙ АЛГОРИТМ

 

Генети́ческий алгори́тм (англ. genetic algorithm) - это эвристический алгоритм поиска, используемый для решения задач оптимизации и моделирования путём случайного подбора, комбинирования и вариации искомых параметров с использованием механизмов, напоминающих биологическую эволюцию. Является разновидностью эволюционных вычислений, с помощью которых решаются оптимизационные задачи с использованием методов естественной эволюции, таких как наследование, мутации, отбор и кроссинговер. Отличительной особенностью генетического алгоритма является акцент на использование оператора «скрещивания», который производит операцию рекомбинации решений-кандидатов, роль которой аналогична роли скрещивания в живой природе. / 6 /

Эволюционная теория утверждает, что определенный биологический  вид целенаправленно развивается  и изменяется для того, чтобы наилучшим образом приспособиться к окружающей среде. В процессе эволюции многие виды насекомых и рыб приобрели защитную окраску, еж стал неуязвимым благодаря иглам, человек стал обладателем сложнейшей нервной системы. Можно сказать, что эволюция - это процесс оптимизации всех живых организмов. Рассмотрим, какими же средствами природа решает эту задачу оптимизации.

Основной  механизм эволюции - это естественный отбор. Его суть состоит в том, что более приспособленные особи имеют больше возможностей для выживания и размножения и, следовательно, приносят больше потомства, чем плохо приспособленные особи. При этом благодаря передаче генетической информации (генетическому наследованию) потомки наследуют от родителей основные их качества. Таким образом, потомки сильных индивидуумов также будут относительно хорошо приспособленными, а их доля в общей массе особей будет возрастать. После смены нескольких десятков или сотен поколений средняя приспособленность особей данного вида заметно возрастает.

Чтобы сделать понятными  принципы работы генетических алгоритмов, поясним также, как устроены механизмы генетического наследования в природе. В каждой клетке любого животного содержится вся генетическая информация данной особи. Эта информация записана в виде набора очень длинных молекул ДНК (ДезоксирибозоНуклеиновая Кислота). Каждая молекула ДНК - это цепочка, состоящая из молекул нуклеотидов четырех типов, обозначаемых А, T, C и G.

Собственно, информацию несет порядок следования нуклеотидов  в ДНК. Таким образом, генетический код индивидуума - это просто очень  длинная строка символов, где используются всего 4 буквы. В животной клетке каждая молекула ДНК окружена оболочкой - такое образование называется хромосомой. / 5 /

Генетический алгоритм был предложен  более 20 лет тому назад Джоном Холландом (John Holland). Алгоритм управляет набором  представителей (individuals), которые могут рассматриваться как возможные решения поставленной задачи. Отобранные на каждом шаге лучшие представители перемешиваются ("скрещиваются") между собой, производя "мутантов". От полученных таким образом новых представителей ожидают еще более хороших результатов. Процесс повторяется несколько раз.

Реализации  алгоритма требует наличия следующих  четырех его составляющих:

1. Процедура предварительного отбора представителей (потенциальных решений);
2. Процедура (критерий) оценки представителей;
3. Процедура отбора (селекции) представителей;
4. Процедура генерации новых представителей (модификация текущего набора).

В качестве простого примера рассмотрим применение алгоритма для прогноза цен следующего торгового дня по данным за 10 предыдущих дней.

1. Подбор критерия - одна из самых сложных задач при реализации генетического алгоритма. В нашем примере в качестве критерия использована следующая формула:

(Число  операций) ^0,7 * ( Среднее изменение цен за операцию)

2. Мутация и скрещивание являются теми механизмами, с помощью которых генетический алгоритм улучшает набор представителей. При мутации одно из условий одного представителя заменяется случайно выбранным условием другого представителя. Например, представитель

((> (C3)(H4))( < (L2)(C0)))  
может после мутации принять вид:  
((> (C3)(H4))( > (H9)(L8)).  
При скрещивании два представителя могут образовать два других (offspring). Например, из 
((> (C1)(C2))( > (C3)(C4))( > (C5)( >C6)))  
и 
((> (L1)(L2))( > (L3)(L4))( > (L5)( >L6)))  
образовались:  
((> (C1)(C2))( > (L3)(L4))( > (L5)( >L6)))  
и ((> (L1)(L2))( > (C3)(C4))( > (C5)( >C6))).

Точка деления находилась после  первого условия, но может быть и  в других местах, что позволяет  при скрещивании одной пары представителей получить множество новых пар.

С помощью процедуры селекции происходит отбор новых представителей. Крайние позиции - выбрать только одного - самого лучшего, или выбирать всех без разбора. Оптимум - посередине.

Представители с высоким значением  критерия пропорционально репродуцируются, тогда как количество представителей с малыми значениями ограничивается.

Как правило,  число  репродукций определяется из соотношения:

Число репродукций (копий) i = Целая часть [f_i/F]

где f_i - значение критерия для i-го представителя,

F - среднее значение  критерия по всем представителям. 

Но, генетические алгоритмы плохо масштабируемы под сложность решаемой проблемы. Это значит, что если число элементов, подверженных мутации очень велико, если велик размер области поиска решений. Это делает использование данной вычислительной техники чрезвычайно сложным при решении таких проблем, как, например, проектирование двигателя, дома или самолёта.

Для того чтобы сделать  так, чтобы такие проблемы поддавались  эволюционным алгоритмам, они должны быть разделены на простейшие представления данных проблем.

Вторая проблема, связанная  со сложностью, кроется в том, как  защитить части, которые эволюционировали с высокопригодными решениями от дальнейшей разрушительной мутации, в  частности тогда, когда от них требуется хорошая совместимость с другими частями в процессе оценки пригодности. Некоторыми разработчиками было предложено, что подход предполагающий развитие пригодности эволюционирующих решений смог бы преодолеть ряд проблем с защитой, но данный вопрос всё ещё остаётся открытым для исследования.