Определение циклов на валютном рынке

Есть ли цикл на рынке? На этот вопрос по сей день, нет конкретного ответа. Но прежде чем мы попытаемся различить циклы на Forex, нужно сначала ответить на вопрос, что есть цикл? На валютном рынке циклом принято называть структуру изображенную на рис.171

Рис. 171

То есть это структура, состоящая из характерно выраженного подъема, а также коррекции после него. На рынке принято различать и обратный цикл, т.е нисходящий. В целом этого бывает достаточно для того, чтобы найти несколько таких подъемов и спадов и подтвердить наличие данного явления на рынке. Однако не все так просто. Не многие из приверженцев теории Эллиота, не говоря уже о новичках, могут сойтись во мнение в определении начала и конца цикла. Из-за чего происходят данные споры? Все дело в том, что восходящих и нисходящих волн на валютном рынке достаточно много и в принципе, каждый может указать цикл в том или ином масштабе цен(рис.172).

Рис. 172

Перед нами встает вопрос о том, как научиться распознавать циклы? И каким образом они проявляются на рынке?

В повседневной жизни мы сталкиваемся с регулярными (периодическими) циклами. Весна сменяет зиму, затем наступает лето, после чего наступает осень. Данный переход можно назвать совокупностью сезонных циклов. Мы, если не точно, то достаточно хорошо знаем, когда наступит похолодание нужно одеться потеплее, а когда жарко все готовятся к летнему сезону отпусков. Сезонные циклы предсказывать достаточно легко, так как они сменяются регулярно, без каких либо изменений. В связи с различными временами года, существует множество видов бизнеса, которые благодаря учету начала и конца сезонного цикла начинают увеличивать обороты выпускаемой продукции, тем самым, получая огромные прибыли. В главе «Волны Эллиота» мы рассмотрели один из примеров такого бизнеса на примере продажи мороженного.

Но на валютном рынке мы не знаем, где закончится нынешний цикл и начнется новый. Если бы каждый инвестор обладал данной информацией, то мы наблюдали бы ровные и регулярные циклы, представленные на рисунке 173.

Рис. 173

Но вместо этой изящной картины, мы наблюдаем огромное количество хаотических подъемов и спусков с виду похожих на цикл, но не являющихся таковыми. Вот как Мандельброт описывает наличие циклов на финансовых рынках: «...все периодичности суть «артефакты», не характеристика процесса, но, скорее, совокупный результат зависящий от собственно процесса, длины выборки и суждения экономиста или гидролога. Первый из упомянутых факторов является внешним по отношению к наблюдателю, второй (в зависимости от конкретного случая) может предполагаться заранее или выбираться произвольно, а третий субъективен во всех случаях, то есть представляет собой продукт человеческого восприятия и предмет разногласий. (Впрочем, эти разногласия зачастую касаются только деталей, что может представлять интерес с точки зрения теории восприятия.)».

Отсюда возникает несколько вопросов: как внешние факторы влияют на характеристики цикла? Какова длина цикла? И что значит теория восприятия?

Влияние внешних факторов на структуру цикла

В главе «Броуновское движение» мы познакомились с таким понятием, как показатель Херста. Пришло время разобрать его более подробно. Процесс, который мы наблюдаем на рынке можно назвать самоафинным, из-за этого утрачивает свой смысл понятие размерности подобия. То есть та размерность, которая находятся в случае геометрических фракталов явно не применима к ценовым данным. Мандельброт предложил в качестве опеределения размерности самоафинных процессов использовать показатель Херста!

H=logP/logT (1)

Данный показатель характеризует меру зазубренности временного ряда. Мы не будем заниматься расчетами Н, нашей задачей будет понять влияние данного показателя к ценовой структуре. Как нам уже известно при Н=0.5 — наблюдаемый процесс представляет собой случайные блуждания, что делает временной ряд более зашумленным по сравнению с тем когда Н не равно 0.5 (рис.174).

Рис. 174

Если показатель Н принимает значения меньше 0.5, то шум будет увеличиваться (рис.175), если больше 0.5, то шум будет уменышаться(рис.176).

Рис. 175

Рис. 176

Фрактальная размерность в этом случае определяется как:

D = DT - Н (2)

И характеризует то, как предмет заполняет пространство.

Волатильность на рынке есть ни что иное, как воздействие внешних сил на структуру цены. Так вот Н, как раз показывает силу воздействия информации на цену.

При Н больше 0.5 процесс является персистентным, а следовательно все больше положительных приращений будет следовать за положительными и отрицательных за отрицательными. То есть, проще говоря, если рынок имеет слабую волатильность, то он будет склонен игнорировать плохие новости, которые могут изменить направление тренда.

Если Н меньше 0.5, то цена очень восприимчива к поступлению внешней информации на рынок. Что будет выражаться в резких ценовых подъемах и спусках. Изучение данной размерности может помочь нам определить дальнейшее развитие тренда. Давайте рассмотрим то, как меняется поведение структуры согласно изменению ее фрактальной размерности.

На рис.177(А,Б) Мы видим одну и туже структуру цены, но с различными значениями D. Обратите внимание на то, что увеличение зашумленности временного ряда ведет к изменению угла наклона тренда! А теперь посмотрите на точки альфа и бета. На рисунке А , бета находится выше альфа, что делает тренд более выраженным, тогда как на рисунке Б, точка бета уже ниже альфа и дальнейшее развитие тренда уже идет более полого. Это еще раз подтверждает важность данных точек в определении развития тренда.

Рис. 177 «Модель 1.9»

Как определить зашумлен или нет временной ряд? Можно конечно измерить показатель Херста данного ряда и найти его значение, однако для этого требуется большое количество данных, которых просто может не оказаться. Нужно определиться, что есть шум на рынке? Если рассматривать все графики в виде линейных, которые строятся только по одной цене закрытия, то можно заметить одну характерную особенность, что все они будут статистически самоподобны! То есть вы не отличите, например минутный график от часового, как бы вы не старались (рис.178).

Рис. 178

Собственно этот пример любят приводить все без исключения, кто когда либо упоминал применения фрактального анализа на финансовых рынках. Но они упускают одну деталь, ведь графики можно представить не только как линейные, но и в виде свечей! Свеча имеет четыре цены вместо одной, а именно: максимальную цену, минимальную цену, цену открытия и закрытия. Когда мы представим значение цены в виде свечного графика, мы сразу сможем отличить, где минутный, а где часовой! И графики уже не будут, таким образом статистически самоподобны (рис.179).

Рис. 179

А теперь определимся с шумом. В зависимости от временного масштаба, на каждом из них информация по — разному оказывает влияние на цену. Давайте рассмотрим пример: обозначим на часовом графике, представленном в виде свеч, цены максимума и минимума горизонтальными уровнями (рис.180(А)), затем изменим свечи на линию (рис.180(Б)).

Рис. 180

Хорошо видно, что линия проигнорировала, наши уровни, так как строится только по одной цене. Но именно благодаря максимальным и минимальным ценам мы можем различать минутный и часовой графики. Выходит, что тени, которые мы наблюдаем на различных временных масштабах и есть шум!

Отсюда можно сделать вывод, что масштабы на валютном рынке представляют из себя некий фильтр, который отсеивает всю ненужную информацию и определяет более важную.

Предположим, что первым уровнем масштаба является минутный, хотя есть еще и тиковый, но вы обращали когда-нибудь внимение на то, что он не представляется в виде свечей? Правильно, этого и не может быть, так как он просто превратиться в набор точек. Но вернемся к минутному графику. Так как на нем каждая свеча соответствует одной минуте, то он является наиболее пропускающим фильтром, с большими отверстиями (рис.181).

Рис. 181

На минутном графике относительно редко можно увидеть максимальные и минимальные значения в виде теней (рис.182).

Рис. 182

Цены в часовом масштабе, представляют из себя ни что иное, как ход минутного, однако благодаря тому, что на часовом графике свеча формируется 1 час, в ней заложена уже выборочна информация из 60 свечей минутного. Чем меньший масштаб мы будем использовать, тем все более будут сужаться отверстия фильтра и тем важнее и глобальнее будет та информация, которая отображается на них. Общую схему поступления информации на рынок можно посмотреть на рис.183.

Рис. 183

Получается, что шумом будут являться тени, отсюда мы и будем исходить в определении дальнейшего развития поведения тренда.

Для нас будет важно определить волатильность начальных условий, т.е волны origin. Если данная структура обладает достаточно выраженными максимумами и минимумами, то есть очень большая вероятность того, что точка бета будет находиться ниже альфа. Пример зашумленного и менее зашумленного временного ряда представлен на рис.184.

Рис. 184

Хорошо видно, что на рис.А есть наличие длинных теней, тогда как на рис.Б они достаточно не заметны. Наклоны трендов различны невооруженным глазом.

Из выше изложенного материала нам важно было понять то, что чем более выраженными становятся пики цены, тем опаснее торговать в таком тренде, так как такой тренд менее предсказуем, как по своей структуре, так и по ключевым уровням пробоя. Но не путайте термин волатильность с выше описанным, так как мы говорим именно о тенях образованных свечой, волатильность же подразумевает всю свечу в целом. То есть не факт, что пара с высокой волатильностью может оказаться более рискованной, чем валюта с меньшей волатильностью. Нужно определить уровень зашумленности данных валют.

Как определить длину цикла?

Отличительной чертой циклов, которые присутствуют на валютном рынке является их непериодичность. Это значит, что цикл не имеет определенной стандартной длины. Начало и конец данного цикла постоянно меняются. Когда мы с вами говорили о броуновском движение, то там как раз я выделял то, что траектория движения точки является самоподобными, но само перемещение точки случайно. То есть мы не можем предсказать положение точки в следующий момент времени от ее текущего состояния, но мы можем проследить траекторию ее движения, которая будет подобна предшествующей.

Петере в своей книге «Хаос и порядок на рынке капитала» дает следующее определение: «Средняя длина цикла есть длительность, по истечении которой теряется память о начальных условиях.» Отсюда становится ясно то, что цикл есть структура, прошлые значения которой связаны с будущими и которые действуют согласованно по отношению ко всей системе в целом лишь на том интервале, где сохраняется память о начальных условиях.

В своей книге «Хаос и порядок на рынках капитала» Петере делает попытку определить длину цикла с помощью показателя Н. Он нашел, что средняя длина цикла по индексу S&P500 равна 4 года. Однако автор делает поправку на то, что это некий статистический цикл и, что для практической торговли он не представляет ровными счетом никакого интереса. Возможно, если рассматривать его работу с теоретической точки зрения, то статистическим циклом будет некое ограничение памяти рынка. Однако я бы с радостью с этим согласился, но факты показывают совсем иное.

На рисунке 185 изображен индекс Dow Jones, на котором хорошо просматривается цикл длина которого составляет 24 года! Это не просто случайная структура, как можно убедиться из рисунка 185, где точь-в-точь такая же, образована Австралийским долларом.

Рис. 185

По Австралийскому доллару длина данного цикла равна 4 года, тогда как по Dow Jones 24 года.

Может Петере и нашел длину цикла, но явно не ту, что интересна с практической точки зрения. То, что автор жалуется на нехватку данных для выявления цикла на валютном рынке также является сомнительным, так как мы увидим наличие циклов на этом рынке, но вовсе не продолжительностью в 4 года.

Непериодичность циклов на валютном рынке выражается в том, что данные циклы действительно имеют разные размеры и переменную размерность. На рис.186 представлен вид непериодических циклов.

Поскольку здесь идет повторение лишь одной структуры, то начало следующего цикла будет угадать очень легко. Однако, начало и конец цикла будут постоянно меняться, растягиваться, в связи с чем мы не будем наблюдать регулярно повторяющихся периодов. К тому же с каждым повторением, структура цикла становится все более сложной, что приводит к изменчивости некоторых его элементов. Показатель Н также будет не постоянным.

На рисунке 187 (А) представлены циклы на валютном рынке. Здесь уже структура не является такой правильной как на рис.186, но принцип построения циклов соблюдается. Можно хорошо видеть, как с каждым шагом растет детализация цикла, то есть меняется его размерность. Более того, из-за того, что валютный рынок обладает характерными масштабами отображения цены, данные циклы длятся не в бесконечной цепочке как на рис.186, а имеют тенденцию к резкому изменению направления, после чего начинается другой цикл рис.187 (Б). Таким образом, с практической точки зрения мы должны с вами понять то, что циклы на валютном рынке имеют разные размеры и, что самое главное различную структуру, которая, как правило, является более усложненной «схемой» предыдущей.

Рис. 186

Рис. 187

Здесь изображена валютная пара Доллар/Франк в дневном масштабе цен. На рис. 187(Б) показано изменение направления тренда посредством перевернутого цикла.

Как правило, данные цепочки циклов очень часто можно наблюдать на минутных графиках, так как именно с них и начинается весь процесс формирования моделей.

Рис. 188 Минутный график

Теория восприятия

Мы рассмотрели с вами, какое влияние оказывают на структуру цены внешние факторы и что значит непериодический цикл на Forex. Но если мы не знаем того, как выглядят данные циклы, мы не сможем определить их начало, а уж тем более разлиновать согласно рис.186.

Здесь мы должны прибегнуть к помощи функции Вейштрасса - Мандельброта и путем изменения параметра b получить необходимые нам циклы. Именно эта математическая модель дает понять нам, что есть цикл.

Как мы уже видели изменение параметра D, ведет к более зашумленному временному ряду. Изменением параметра b изменяет саму структуру в целом. Данный показатель очень тесно связан с таким параметром как α.

В начале курса мы рассматривали модель нормального распределения гаусса и модель которая соответствует реальному распределению цен на финансовых рынках. Последняя, была разработана Парето Леви и является характеристической функции вероятностных распределений. Параметр α в формуле Леви измеряет островершинность распределения, также как и толщину хвостов. То есть именно изменение значение данного параметра приводит к тому, что модель отличается от нормального гауссовского распределения.

Параметр α, может изменяться в диапазоне от 0 до 2 включительно. Когда α = 2 распределение считается нормальным. Нас же с вами будут интересовать значения, которые параметр α принимает в области от 1 до 2. Поль Леви показал, что α не может превосходить 2, это очень важно для нас так как в таком случае мы имеем область ограниченных значений. Данный параметр очень важен в различии между гипотезой Эффективного рынка и фрактальной теорией.

Из определения фрактала понятно, что речь идет об описании объекта с помощью дробных значений. Теория же Эффективного рынка, подобна Евклидовой геометрии, где мы сталкиваемся с описанием совершенных форм. Поэтому данная теория предполагает параметр α постоянно равный 2, то есть он не может быть дробным и находится в области от 1 до 2, и принимать значения равные 1.2, 1.5 и т.д.

Мандельброт в своей книге «Фракталы, случай и финансы» приводит следующий интересный для нас пример:

«Опишем тест, который был реализован в компании «Bell Telephone Laboratories». Поскольку величина 2 — α представляет собой меру разрывности движения, тест имитировал различные движения, показатели которых а были равны 1,5; 1,6; 1,7; 1,8; 1,9. Смешав эти кривые с броуновским движением (α=2), их показали агенту по обмену валюты, заявив, что они соответствуют различным имитационным моделям, и только одна из них иллюстрирует поведение биржи; именно эту кривую и предложили определить.

Эксперт сразу исключил броуновское движение α=2, а также кривую с α=1.9, поскольку они обнаруживали слишком много закономерностей в своих деталях. Затем он исключил кривую с α=1.5, как слишком неправильную. Степень нерегулярности при α=1.7 показалась ему ближе всего разумной. Оказалось, что именно это значение получается при непосредственной оценке показателя а во многих экономических хрониках». Мне же остается только добавить то, что цифры в названии «модель 1.7» или «модель 1.5», как раз и являют собой значения данного параметра!

В примере Мандельброта говорится о том, что эксперт отверг значение α = 1.5, однако это вполне нормально, так как его попросили выбрать всего ОДНУ модель. На рынке данные модели отличаются между собой незначительными деталями, которые вполне могут быть проигнорированы лишь только с первого взгляда.

Наш модельный ряд находится в области α больше 1, но меньше 2. Кого то может насторожить такой диапазон разброса значений, но контраст между случаями α чуть меньше двух и α равно 2 не настолько силен, как между черным и белым (рис.189)

Рис. 189

«Правильнее будет сказать, что при убывании α от 2 до 0 мы получаем «серое» все более и более темного цвета.» Для нас это будет означать, что не смотря на то, что все модели находятся в диапазоне 1 до 2 и не представляю собой одну единственную структуру, как например модель Эллиота, разница между ними будет незначительная и их вполне можно свести в некоторые группы моделей, как мы это сделали в главе «модели». Изменяя в функции Вейштрасса - Мандельброта значение параметра b мы получим необходимый ряд моделей для визуального анализа поведения рынка.

Из всего выше изложенного мы можем заключить, что α есть фрактальная размерность пространства вероятностей временного ряда и равно:

α=1/Н(3)

Теперь мы имеем два параметра характеризующих размерность временного ряда цен. Параметр D есть фрактальная размерность временного следа и измеряет зазубренность (шум) временного ряда, в то время как α изменяет его.

(Материалы приведены на основании: А. Алмазов. Фрактальная теория. Как поменять взгляд на рынки)