Поведение рынка и «чистая» случайность

Напомним, что «чисто» случайным поведение рынка считается в рамках уже ранее представленной классической теории, которая отрицает существование каких-либо закономерностей в движении цен.

При знакомстве с допущением о «чистой» случайности событий в дополнительном измерении может ошибочно возникнуть аналогия этого подхода с вышеозначенной «теорией случайного рынка». На самом деле, между этими двумя концепциями существуют, по меньшей мере, два принципиальных различия. Прежде всего, это различие в предмете исследования.

В упомянутой «теории» в качестве случайного события рассматривается собственно поведение рынка.

В нашей же концепции таковым является движение кривой эффективности применения сигнала, алгоритма или системы работы в этом рынке.

Что касается поведения рынка, то оно, согласно нашим представлениям, является неопределенным в «дурном» смысле этого слова.

Эта «дурная» неопределенность характеризуется тем, что поведение рынка не может быть определено ни как «чисто» случайное по канонам классической «теории», ни как достаточно закономерное, согласно, скажем, школам фундаментального или технического анализа.

Наш выход в дополнительном измерении вызван именно тем обстоятельством, что поведение рынка, так сказать, «дурно» определено в вышеупомянутом смысле, что приводит к ошибочности при применении любых методов анализа и прогнозирования.

Ф. Мостеллер, Р. Рурке, Дж. Томас. Вероятность. -М.: Мир, 1969. С. 24. Стоит заметить, что знаменитый математик XVIII века Деламбер в свое время отрицал принципы теории вероятностей. Философские споры относительно понимания некоторых терминов и исходных посылок продолжаются до сих пор.

ченных статистических данных, занимается теория вероятностей, которая является самостоятельным разделом математики*.

В отличие от персоналистических оценок такая вероятность есть результат неких логических умозаключений в рамках какой-то теории и/или является итогом мысленно моделируемого или реально проводимого эксперимента, который может быть повторен многократно и объективно в одних и тех же исходных условиях. Поэтому получаемые на этой основе результаты отличаются своей научной объективной обоснованностью и возможностью независимой проверки соответствующих гипотез.

Субъективно-психологические и объективно-статистические вероятностные суждения могут делаться независимо одно от другого. Тогда они могут взаимно подтверждаться или противоречить одно другому (например, «голова говорит одно, а сердце подсказывает нечто иное»).

Теперь можно более предметно затронуть вопрос о том, насколько «чистой» является случайность в традиционном пространстве.

Модель случайного блуждания

в качестве конкретной модели, с помощью которой мы будем представлять особенности случайного «плавания» результатов в дополнительном измерении, предполагается использовать опыты Бернулли (Bernoulli)**. В теории вероятностей они известны еще и как биномиальные испытания***.

О результатах, полученных в ходе применения этой модели, принято говорить, что они «случайно блуждают». Закономерности этого «блуждания» и будут нами использованы в дальнейшем.

Бытовым аналогом таких испытаний является «игра в орлянку» с «идеальной» монетой. Она не может упасть ребром и имеет две совершенно («идеально») одинаковые стороны.

J.M.W. Tadion. Decipliering tlie market. - Jolin Willey & Sons, 1996.

Якоб Бернулли (1654-1705) - наиболее известньш представитель семьи швейцарских ученых-математиков. В теории вероятности доказал теорему (опубликована только в 1713 г.) о действии закона больших чисел применительно к распределению отклонений частоты случайного события от его вероятности при независимых испытаниях. (Советский энциклопедический словарь. С. 135.)

По определению, биномиальные испытания предполагают только два исхода.

Уж одно из условий «чистой» случайности рынком определенно нарушается. Это независимость от истории. Во время паники или эйфории большинство участников рьшка ориентируются именно на прошлое движение цен. Человеческая эмоциональная память является тому надежной гарантией. И в такие острые периоды жизни рьшка говорить о «чистой» случайности не приходится.

Поведение рьшка - неопределенно. Но оно не является «чисто» случайным в отдельные периоды времени, когда движение цен может определяться действующими законами экономики, психологии, ожиданиями участников рьшка и т.д.

Между прочим, факт возникновения периодов «неслучайности» легко выявить путем статистического анализа традиционных графиков*.

Таким образом, наше представление о «чисто» случайном характере «плавания» эффективности категорически не означает тождественности данного подхода и «теории случайного рьшка».

Допущение случайности «плавания» эффективности не делает нас сторонниками «теории случайного поведения рынка». Во-первых, мы не считаем это поведение «чисто» случайным. И во-вторых, оно нас не интересует как предмет анализа. В этом качестве выступает лишь изменяющаяся эффективность системы принятия решений.

Ограничения вероятностных моделей

Прежде чем перейти к рассмотрению важнейших закономерностей, возникающих в рамках данной модели, подчеркнем наличие определенных ограничений, связанных с практическим применением вероятностных моделей для прогнозирования реальных событий.

Нас интересуют, прежде всего, те ограничения, которые связаны с обеспечением статистической устойчивости результатов испытаний. Для этого необходимо выполнение по крайней мере двух условий:

• многократность испытаний;

• сравнимость получаемых данных.

Вероятностная модель будет «работать» только тогда, когда моделируемое событие постоянно генерирует поток сравнимых данных.

Поясним сказанное.

Таблица 2500 случайных чисел приведена в кн.: Ф. Мостеллер, Р. Рурке, Дж. Томас. С. 369.

Но в данной модели монета может быть не только с равновероятными исходами, но и «разновеликой» в этом смысле. Например, лишая монету «идеальности» путем смещения центра тяжести или внесением иных конструкторских изменений, можно добиться «тяготения» результатов к преимущественному выпадению одной или другой стороны.

Разумеется, «монета» - это лишь условность, иллюстрация принятой модели. В действительности моделирование осуществляется путем использования генератора случайных чисел или на основе данных из специальных таблиц, где случайные значения (от О до 9) приведены в готовом виде*.

Если последовательно регистрировать многократно повторяемые биномиальные испытания, то за период наблюдения можно получить некую кривую «блуждания» точки от начала координат до какого-то значения, отражающего соотношение числа «успехов» и «неудач».

Все расчеты по данной модели строятся на том, что процесс «блуждания» точки рассматривается как процесс «чисто» случайный.

На основе этой модели предполагается получить представление о закономерностях поведения фафика в дополнительном измерении и вырабатывать соответствующие методические процедуры принятия торговых решений.

В качестве модели событий в дополнительном измерении используются биномиальные испытания в условиях «чистой» случайности.