Технический анализ фьючерсных рынков: Теория и практика
Шрифт:
Компьютерные сигналы как индикаторы уже произошедшей смены тенденции
Анализатор EFTA может быть также использован в качестве прекрасного фильтрующего средства, позволяющего трейдеру отслеживать недавние изменения тенденции (см. рис. 15. 15). Показатели в третьей колонке демонстрируют смену тенденции, по крайней мере для семи рынков. Трейдеру, продиравшемуся сквозь ворох графиков в понедельник утром, достаточно было просто взглянуть на таблицу и он бы сразу же увидел, что на семи рынках открылись прекрасные возможности для игры. Конечно, такую же информацию можно получить и на основе тщательного анализа ценовых графиков, однако с помощью компьютера сделать это неизмеримо легче, быстрее и в какой-то степени надежнее.
Компьютерный анализ с помощью
Нам остается рассмотреть еще один важный компонент анализатора EFTA. Ежедневная версия системы предлагает пользователю показатели обобщенных рыночных индикаторов: количество контрактов, цены на которые повысились и понизились на этот день (по более чем 200 контрактам), новые максимальные/минимальные ценовые показатели, процент контрактов, цены на которые, согласно компьютерному анализу, устойчиво растут. Первые два индикатора (роста/падения и новых максимумов/минимумов) являются версией существующих инструментов анализа фондового рынка, адаптированных для товарных рынков. Хотя эти показатели традиционно не использовались в техническом анализе товарных рынков, сама идея интересна и требует дальнейших исследований с целью определения ценности их прогностических функций.
Процент фьючерсных контрактов с устойчиво растущими ценами. Именно этот индикатор мне нравится больше всего.
Его показатели выражаются по процентной шкале: от 0 до 100%. Индикатор работает по принципу осциллятора и показывает моменты вступления всего товарного рынка (в целом) в период перекупленности и перепроданности. Традиционно считается, что когда показатель индикатора превышает отметку 70%, товарные рынки находятся в состоянии перекупленности и возможен скорый спад, показатель ниже 20% свидетельствует, что рынок вступает в состояние перепроданности и скоро цены достигнут основания рынка, после которого начнут расти. Этот инструмент широкоохватного анализа, хорошо отражающий настроения рынка, может быть эффективно использован для отслеживания движения индекса фьючерсных цен СКВ.
«РАСПОЗНАВАНИЕ МОДЕЛЕЙ» С ПОМОЩЬЮ «ИСКУССТВЕННОГО ИНТЕЛЛЕКТА»
Заслуга компьютера в том, что с его помощью пользователь получает быстрый и легкий доступ к целому арсеналу средств и методов технического анализа. В то же время задача трейдера усложняется. Если раньше аналитик работал лишь с несколькими любимыми инструментами, счастливый обладатель компьютера теперь имеет в своем распоряжении показатели по сорока различным индикаторам одновременно.
Исследования в области когнитивной психологии показали, что сознание человека с трудом воспринимает более трех различных переменных, если требуется одновременно устанавливать их взаимосвязь. Иными словами, сознание аналитика, который пытается параллельно отслеживать четыре индикатора или более, может дать сбой. Если же он решит ограничиться тремя, то какие следует выбрать?
Традиционно в рыночном анализе компьютер почти исключительно использовался как вычислительное устройство. Его основная функция сводилась к расчетам данных и представлению результатов на экране дисплея. Усложнение роли компьютера может пойти по пути машинной интерпретации результатов расчетов, то есть речь идет о использовании «логической» функции машины наряду с «вычислительной». Вот тут-то мы и подходим к проблеме так называемого «искусственного интеллекта», в частности, автоматического распознавания моделей.
Когда говорят об «искусственном интеллекте», имеют в виду так называемые эвристические программы, которые способны решать задачи — примерно так же, как это делает человек. Работу компьютера, решающего эвристическую задачу, в принципе можно назвать «разумной»: он оценивает условия, принимает решения и даже учится на своих ошибках. Функция автоматического распознавания моделей позволяет машине учиться принимать решения и делать прогнозы на основе классификаций различных объектов или индикаторов. В данном случае значение слова «модель» отлично оттого, которое использовалось при описании «графических моделей». Цель автоматического распознавания моделей — получение синергетического
Первым шагом в этом процессе является поиск лучшего индикатора из набора представленных. Затем необходимо найти лучшую связку инструментов (сначала два, а потом и три) — из тех, которые способны оптимально работать вместе. Процесс добавления новых индикаторов из числа оставшихся продолжается до того момента, когда очередной добавленный инструмент не дает улучшения работы всей системы в целом. В процессе тестирования используется два набора материала: так называемые данные научения и тестовый набор. Результаты, полученные на данных научения, должны быть затем подтверждены на отдельном тестовом материале. Метод раздельного материала нужен для того, чтобы избежать так называемого «подгадывания», которое, по утверждениям противников технического анализа, часто используется при тестировании других технических методов, особенно их оптимизированных параметров.
Внедрение средств, функционирование которых основано на принципах «искусственного интеллекта» и автоматического распознавания моделей, может стать ответом на поставленный выше вопрос: как работать с огромным количеством часто противоречащих данных. В случае поступления противоречивой информации компьютеру дается команда просчитать все индикаторы и затем выбрать из них ту комбинацию, которая является оптимальной для данных условий.
Здесь возникает очередной вопрос: если все так просто, то почему такая система еще не разработана и не внедрена повсеместно? Пока исследования в этой области проводятся исключительно учеными, до прикладных программ дело еще не дошло. Автоматическая система такого рода стоила бы очень дорого, кроме того для ее эффективного функционирования потребовались бы колоссальные вычислительные мощности; ведь даже если какая-либо модель, проявившаяся на рынке, определена, ее необходимо постоянно подвергать повторным проверкам — в силу непостоянства рыночной динамики. И все-таки исследования в этом направлении продолжаются, причем одна группа исследователей продвинулась достаточно далеко вперед. Это исследовательская фирма «Рейден рисерч груп», расположенная в Нью–Йорке.
ЗАКЛЮЧЕНИЕ
В этой . — лаве мы рассмотрели роль компьютера в области технического анализа фьючерсных рынков. На примере аналитической программы «Компутрэк», лидирующей в настоящее время среди программ такого рода, мы продемонстрировали возможности компьютерного анализа на современном этапе. Мы показали сильные и слабые стороны механических торговых систем, использующих сигналы, выдаваемые компьютером. Системный подход к фьючерсной торговле представляет собой метод «черного ящика». Пользователю не надо вмешиваться в процесс анализа, он получает уже готовые решения, ему вообще не надо знать или понимать, что происходит внутри системы. Однако некоторые пользователи, наоборот, хотят участвовать в процессе анализа. Они используют сигналы, которые выдает компьютер, и данные других индикаторов, оставляя за собой право принимать окончательное решение. На этом и основана программа «Компутрэк».
Нет смысла отрицать, что рост числа пользователей компьютерных торговых систем, особенно среди представителей товарных фондов, оказывает немалое влияние на фьючерсную торговлю. Брокеры в торговых залах биржи вступают в новую игру с компьютеризированными фондами, пытаясь их обыграть. Растет способность фондов, которые располагают объединенным и сконцентрированным капиталом, оказывать краткосрочное (подчас отрицательное) влияние на рынок. Широкое распространение персональных компьютеров, которые позволяют значительно упрощать процедуру технического анализа (включая сравнительно легкий доступ к базам данных в режиме on-line), привело к тому, что профессиональный уровень среднестатистического трейдера заметно вырос, что, в свою очередь, привело к расширению доли краткосрочной торговли. Растет популярность «дневной» торговли, поскольку большое распространение получили компьютерные системы, способные строить внутридневные графики.