Критические факторы, или переменные, описывающие эмпирическую жизненную ситуацию, комбинируются некоторым логическим способом так, чтобы создать описание или модель реальной проблемы. Модель есть упрощенное описание эмпирической ситуации. В идеале, модель, описываемая несколькими переменными, должна по существу повторять поведение какого-либо естественного явления, лишив его смущающей нас стожности и многогранности. Необходимо стремиться к максимальной простоте модели, но не в ущерб ее адекватности реальной проблеме. Простая модель должна:
1.Экономить время и умственный труд.
2.Быть понятной тому, кто принимает решение.
3.При необходимости быть быстро и легко изменяемой.
Не следует стремиться максимально приблизить модель к реальности во всех отношениях. На создание подобной модели потребовались бы века, и, будучи созданной, она была бы недоступна для человеческого понимания. Необходима простейшая модель, дающая разумный прогноз и позволяющая эффективно действовать.
Методы описания и установления взаимосвязи выбранных переменных в большой степени зависят от природы самих переменных. Если переменные могут быть каким-либо образом измерены и, особенно, если им может быть дано количественное представление, то следует выбрать математическое описание модели. Во-первых, математике присуща строгая внутренняя дисциплина, обеспечивающая определенную аккуратность и точность исследования: вам придется быть внимательным в выборе переменных и связей между ними. Во-вторых, математика является мощным средством для установления связей между переменными и нахождения логических следствий из первичных данных. Математические методы, реализованные на современных компьютерах, позволяют справляться с весьма серьезными проблемами и упрощают процесс принятия решений.
Итак, модель принятия решения есть формализация и упрощение реальной проблемы, сохраняющее ее основные свойства и связи. Выводы, полученные с помощью корректной модели, позволят принять правильное и эффективное решение.
Тед С. Эрл, редактор Market Timing Report (P.O. Box 225, Tuscon, AZ 85702), добился больших успехов в экономике и технике. Он применяет строгие математические методы к проблеме принятия решений. Такой подход приобрел в последнее время большую популярность. В 1986 году журнал Timer Digest (Fort Lauderdale, FL) назвал Эрла наиболее аккуратным американским аналитиком. Данная глава написана Тедом С. Эрлом по материалам его статьи «Моделирование правил принятия решений с помошъю распознавания фигур» в Technical Analysis of Stocks & Commodities (P.O. Box 46518, Seattle, WA 98146), Апрель 1986, стр. 30-39.
Построение эмпирических моделей, широко распространенное в естественных науках, следует шире применять и в экономике. Эмпирические модели ценны в тех случаях, когда из-за большого числа неопределенных факторов, влияющих на ситуацию, невозможно построить точную теоретическую модель.
Эмпирические модели строят на основании анализа экспериментальных или (для экономики и финансов) исторических данных. Эмпирическая модель не объясняет причин и внутренних взаимосвязей исследуемого процесса, однако с ее помощью можно распознавать некоторые типичные события, исход которых предсказывается с той или иной степенью вероятности. Результатом теоретического моделирования являются статистически достоверные количественные данные, выведенные из математических соотношений, которыми исследователь пытается описать гипотетические причинные связи. При эмпирическом моделировании проверяют только статистическую достоверность качественных связей между наблюдаемыми событиями. Возможно, эмпирическая модель - это все, что требуется ее пользователю, при условии, что она достаточно точна.
Одним из видов эмгшрического моделирования является моделирование правил принятия решений на основе распознавания «фигур» (patterns). Фигурами мы будем называть любые повторяюш51еся во временном ряду события, такие как сезонные, циклические или другие повторяющиеся изменения данных.
При распознавании фигуры во временном ряду какого-либо индикатора делается прогноз для исследуемого ряда, а затем на основе прогноза принимается решение. Исследователь знает, что в прошлом эта фигура во времен-
ПРАВИЛА ПРИНЯТИЯ РЕШЕНИЙ НА ОСНОВЕ РАСПОЗНАВАНИЯ «ФИГУР» В ИЗЛОЖЕНИИ ТЕДА С. ЭРЛА
ном ряду индикатора предсказывала появление какой-либо другой фигуры в исследуемом временном ряду с той или иной степенью вероятности.
Фигуры-индикаторы обнаруживаются при анализе исторических временных рядов. Чтобы найти фигуру, необходимо исследовать изменения данных, происходящие примерно в то же время, что и событие, которое вы пытаетесь предсказать. При этом можно принимать во внимание любые данные, которые, по вашему мнению, имеют отношение к предсказываемым событиям. Существование качественной связи между фигурой и событием, которое вы стремитесь предсказать, можно подтвердить или опровергнуть только с помощью статистической проверки. Критерием для принятия той или иной фигуры в арсенал индикаторов является ее надежность.
Правила принятия решений на основе распознавания фигур имеют много общего с другим методом исследования - техническим анализом. Однако между ними есть и существенные различия. В основе технического анализа лежит предположение о том, что при изменении цены на рынке возникают повторяющиеся фигуры, знание которых может использоваться для прогнозирования. В этом технический анализ не противоречит принципам эмпирического моделирования. Однако некоторые правила технического анализа недостаточно хорошо определеньг Без четкого определения эти правила не могут одинаково применяться разными людьми. Это имеет особенное значение, если анализ основан на работе с графиками, а не с численными данными. Таким образом, одни и те же процедуры технического анализа можно по-разному интерпретировать и применять. Кроме того, некоторые приверженцы технического анализа проверяют свои системы на очень коротком временном интервале недавнего прошлого. Из-за отсутствия проверки подобные системы вряд ли имеют какую-либо статистическую достоверность. Правила принятия решений на основе распознавания фигур подразумевают точные определения и адекватную проверку на исторических данных.
Эмпирическое моделирование в своей основе имеет ряд преимутцеств и недостатков. Правило принятия решений на основе какой-либо фигуры, работающее стабильно, может быть очень полезным, особенно если теоретические модели работают хуже или вообще отсутствуют. Эмпирические модели не субъективны, их могут использовать и проверять разные люди. При проверке на одних и тех же исторических данных они всегда дадут одинаковые результаты. Модель, проверенная на временном интервале, достаточно большом, чтобы обеспечить статистическую достоверность, должна заслужить доверие своих пользователей.
В исследованиях по распознаванию фигур есть шесть этапов, общих для любых видов математического моделирования: