назад Оглавление вперед


[Старт] [1] [2] [3] [4] [5] [6] [7] [ 8 ] [9] [10] [11] [12] [13] [14] [15] [16] [17] [18] [19] [20] [21] [22] [23] [24] [25] [26] [27] [28] [29] [30] [31] [32] [33] [34] [35] [36] [37] [38] [39] [40] [41] [42] [43] [44] [45] [46] [47] [48] [49] [50] [51] [52] [53] [54] [55] [56] [57] [58] [59] [60] [61] [62] [63] [64] [65] [66] [67] [68] [69] [70] [71] [72] [73] [74] [75] [76] [77] [78] [79] [80] [81] [82] [83] [84] [85] [86] [87] [88] [89] [90] [91] [92] [93] [94] [95] [96] [97] [98] [99] [100] [101] [102] [103] [104] [105] [106] [107] [108] [109] [110] [111] [112] [113] [114] [115] [116] [117] [118] [119] [120] [121] [122] [123] [124] [125] [126] [127] [128] [129] [130] [131] [132] [133] [134] [135] [136] [137] [138] [139] [140] [141] [142] [143] [144] [145] [146] [147] [148] [149] [150] [151] [152] [153] [154] [155] [156] [157] [158] [159] [160] [161] [162] [163] [164] [165] [166] [167] [168] [169] [170] [171] [172] [173] [174] [175] [176] [177] [178] [179] [180] [181] [182] [183] [184] [185] [186] [187] [188] [189] [190] [191] [192] [193] [194]


8

ластей. Подобные индикаторы часто заранее предупреждают о том, что рынок скоро достигнет максимума или минимума. Модель трех областей можно использовать как фильтр, принимая во внимание сигналы к покупке, даваемые другой моделью, только когда рынок находится в «бычьей» области. Другой вариант этой модели - модель смещающихся или «динамических» областей, границы которых перемещаются в соответствии с данными некоторой другой модели - фильтра.

Дэвис утверждает, что слепое следование его моделям выбора оптимального времени для инвестиций дает результаты выше средних по рынку - и мы нисколько в этом не сомневаемся. Четко определенная, разумная и удобная в работе модель исключает влияние человеческих эмоций, вредное для успешной работы на рынке. Мы полагаем, что для осуществления успешных инвестиций необходим объективный, дисциплинированный и хорошо проверенный торговый план - именно то, что может дать модель выбора оптимального времени для инвестиций.



Модель должна предоставлять полное и проверенное руководство к действиям - набор инструкций, позволяющих достичь максимальной прибьши и ограничить убытки и не оставляющих места сомнениям. Более того, модель должна обеспечивать прибьшь и учитывать риск во всевозможных рыночных условиях, позволяя находить разумные компромиссы. Сделки не должны быть слишком частыми, иначе оплата сделок, комиссии и запаздывание сигналов могут существенно снизить прибьшь.

Построение моделей требует больших усилий. Именно поэтому многие инвесторы отказываются от попыток создать и проверить модель. Вместо этого они руководствуются своими инстинктами и «здравым смыслом», образцы которого легко найти в популярной периодике. К сожалению, подобные методы чаще всего приводят к плачевным результатам.

Разумеется, важнейшим критерием для оценки модели является полная прибьшь. При высокой стоимости сделки (комиссии и т.д.) большое значение приобретает средняя прибьшь на сделку. Процент успешных сделок (или отношение количества прибьшьных сделок к общему количеству сделок) интересен многим биржевикам, однако, скорее всего, не так важен. Дело в том, что у некоторых очень эффективных моделей количество убыточных сделок выше, чем количество прибьшьных, в то время для некоторых очень слабых моделей возможна обратная ситуация. Жизненно важным показателем риска для системы является максимальное падение капитала (maximum equity drawdown). Модель, допускающая большие потери, не годится для практического использования, даже если общая прибьшь в конце высока. Обратите внимание на то, что максимальное падение капитала атедует определить как наибольший полный падающий тренд капитала, а не как максимальные суммарные потери от нескольких последовательных убыточных сделок. В длинный период убытков может вклиниться одна небольшая удачная сделка, после которой падение капитала продолжится до еще более низкого уровня. Очень важной мерой эффективности модели является отношение полной прибьши к максимальному падению капитала, иначе называемое отношением вознаграждения к риску (reward/risk ratio). Существуют и другие способы оценки моделей, некоторые из которых основаны на сложных статистических вычислениях, однако простые оценки, приведенные в данной главе, достаточны в большинстве случаев.

КРИТЕРИИ ОЦЕНКИ МОДЕЛЕЙ ВЫБОРА ОПТИМАЛЬНОГО ВРЕМЕНИ ДЛЯ ИНВЕСТИЦИЙ



Говоря словами Стивена Л. Килла (Steven L. Kille, P.O. Box 272, Macomb, IL 61455), разработчика программы Back Trak, которой мы пользовались при подготовке этой книги, пришло время оптимизировать модели выбора времени. Хотя даже с хорошими компьютерами, программным обеспечением и данными, построение моделей выбора времени для инвестиций остается сложной и требующей времени задачей, тем не менее оптимизация моделей выбора времени для инвестиций является одним из самых мощных аналитических методов. Постоянно растет число приверженцев этого метода, убежденных в том, что оптимизация моделей критически необходима для разработки успешных рыночных стратегий. Если бы мы могли отобрать модели, которые давали постоянную прибьшь на исторических данных, то от этих моделей естественно бьшо бы ожидать лучших результатов, чем от непроверенных подсчетов на пальцах. Очень важно уметь оценивать достоинства разных методов для того, чтобы выбирать самые эффективные.

Оптимизация есть систематический поиск наилучшего индикатора, наилучшего в том смысле, что такой индикатор должен давать самую высокую и/или наиболее постоянную прибьшь на большой исторической базе данных. Сама идея оптимизации достаточно спорна. Ее критики утверждают, что поведение и ценовые модели рынка в будущем не должны совпадать с прошлыми данными. Защитники отвечают на это, что совпадений вполне достаточно, чтобы оптимизация имела смысл.

Мы провели простой тест некоторых широко используемых правил принятия решений, чтобы понять, действительно ли эти правила приводят к постоянным положительным результатам на протяжении долгого времени. Правильный способ проверки технических правил принятия решений должен быть основан на слепом воспроизведении или перекрестном подтверждении. Согласно Дэвиду Р. Аронсону (David R. Aronson of Raden Research), оптимизированные правила следует точно определить на старых исторических данных, а затем проверить на более новых данных, не использовавшихся при оптимизации правил. Данный метод поможет нам представить себе, как правила, оптимизированные на старых исторических данных, поведут себя при проецировании их в будущее, также как и при реальном их использовании. Процедура теста придает строгость научного метода теориям технического анализа. Если оптимизированные методы постоянно дают хоро-

ОПТИМИЗАЦИЯ МОДЕЛЕЙ ВЫБОРА ВРЕМЕНИ ДЛЯ ИНВЕСТИЦИЙ: ПОСТОЯННЫЕ ПРИБЫЛИ НА ПРОТЯЖЕНИИ ДОЛГОГО ВРЕМЕНИ?

[Старт] [1] [2] [3] [4] [5] [6] [7] [ 8 ] [9] [10] [11] [12] [13] [14] [15] [16] [17] [18] [19] [20] [21] [22] [23] [24] [25] [26] [27] [28] [29] [30] [31] [32] [33] [34] [35] [36] [37] [38] [39] [40] [41] [42] [43] [44] [45] [46] [47] [48] [49] [50] [51] [52] [53] [54] [55] [56] [57] [58] [59] [60] [61] [62] [63] [64] [65] [66] [67] [68] [69] [70] [71] [72] [73] [74] [75] [76] [77] [78] [79] [80] [81] [82] [83] [84] [85] [86] [87] [88] [89] [90] [91] [92] [93] [94] [95] [96] [97] [98] [99] [100] [101] [102] [103] [104] [105] [106] [107] [108] [109] [110] [111] [112] [113] [114] [115] [116] [117] [118] [119] [120] [121] [122] [123] [124] [125] [126] [127] [128] [129] [130] [131] [132] [133] [134] [135] [136] [137] [138] [139] [140] [141] [142] [143] [144] [145] [146] [147] [148] [149] [150] [151] [152] [153] [154] [155] [156] [157] [158] [159] [160] [161] [162] [163] [164] [165] [166] [167] [168] [169] [170] [171] [172] [173] [174] [175] [176] [177] [178] [179] [180] [181] [182] [183] [184] [185] [186] [187] [188] [189] [190] [191] [192] [193] [194]