Главная | Карта сайта

РАЗДЕЛЫ Главная Астрология Банковское дело Биология Ветеринария География Геодезия Арбитражный процесс Архитектура Водоснабжение водоотведение Военная кафедра Делопроизводство Детали машин Астрономия Безопасность жизнедеятельности Бухгалтерский учет и аудит Гражданское право Автотранспорт Административное право Акционерное право Английский Естествознание Журналистика Зоология Инвестиции Иностранные языки Информатика Искусство и культура Физика Физкультура и спорт Философия Финансы Фотография Химия Хозяйственное право Цифровые устройства Экологическое право Экология Экономика Экономико-математическое моделирование Экономическая география Экономическая теория Карта сайта ПАРТНЕРЫ АЛФАВИТ ... А Б В Г Д Е Ж З И К Л М Н О П Р С Т У Ф Х Ц Ч Ш Щ Э Ю Я ПОИСК Введите фамилию автора:	Управление рисками инвестиционных проектов в пищевой промышленности	Время (ми­нуты, часы, дни, ме­сяцы, годы)	Нет	Время (ми­нуты, часы, дни, ме­сяцы, годы)
3. Ось орди­нат (шкала цены)	Арифмети­ческая или логариф­ми­ческая	Арифмети­ческая или лога­риф­ми­че­ская	Арифмети­ческая	Арифмети­ческая или лога­риф­ми­че­ская
4. Состав­ной элемент графика	Точка	Вертикаль­ный столбец с отме­чен­ными це­нами откры­тия и за­кры­тия	Крестик или но­лик	Свеча (вер­ти­кальный столбец с закрашен­ным диапа­зоном от­крытие – закры­тие)
5. Область наи­более эф­фектив­ного приме­не­ния	Прогнози­рова­ние в условиях неполной ин­формации	Прогнози­рова­ние це­новых уров­ней и целей движения	Фик­сация по­воротных дви­жений	Прогнози­рова­ние рынков с явно выра­жен­ной сес­сионной торговлей (на­пример, товар­ных)

Вследствие того, что рыночные тенденции находят различное отражение на разных типах графиков, по мнению автора, наиболее целесообразным является комплексное использование всех четырех видов для получения наиболее полной и разносторонней информации о состоянии анализируемого рынка.

В основе анализа ценовых рядов (вне зависимости от выбранной  формы  представления   данных)  лежат  две  концепции, использование которых, как показало проведенное автором исследование, необходимо для эффективного прогнозирования.

Первой крайне важной в анализе динамики цен на товарных и финансовых рынках концепцией является принцип ценовой коррекции. Так как развитие тенденции происходит зигзагообразно, то после определенного движения рынка неизменно происходит частичная корректировка, после которой цены возобновляют свое развитие в прежнем направлении. Подобные движения цен в направлении, противоположном господствующей тенденции, можно описать и в какой-то мере предсказать с помощью процентных соотношений. Наиболее известны классические правила коррекции на 33%, 50% и 66% [71] (см. график 2.2.1).

График 2.2.1. Коррекция ценовой тенденции

Максимальная коррекция обычно составляет 66%. Именно этот уровень часто является критическим. Если предыдущая тенденция сохраняется, то коррекция составит не более двух третей предшествующего движения цен. Если  же возвратное движение цен превышает 66%, то это, скорее всего, уже не коррекция, а перелом тенденции. В таких случаях возвратное движение может превысить 100% от предыдущей тенденции.

Сторонники теории волн Эллиота и коэффициентов Фибоначчи пользуются несколько иными параметрами: 38 и 62% [71]. С учетом подверженности цен практически любых товаров определенным искажающим воздействиям (последствия краткосрочных спекуляций и др.), наиболее эффективным представляется сочетание обоих подходов. В результате следует рассматривать следующие "вилки": минимальная зона коррекции составляет 33–38%%, а максимальная - от 62–66%%.

У. Ганн "дробил" структуру тенденции на восемь частей: 1/8, 2/8, 3/8, 4/8, 5/8, 6/8, 7/8, 8/8. Однако даже У. Ганн указывал на особую важность отношений 3/8 (38%), 4/8 (50%) и 5/8 (62%) для определения длины коррекции. Он также указывал на актуальность разделения тенденции именно на три части: 1/3 (33%) и 2/3 (66%) [71].

Хотя приведенные классические соотношения наблюдаются достаточно часто, особенности движения цен сельскохозяйственных товаров, выражающиеся, прежде всего, в их повышенной изменчивости, обусловливают необходимость проведения более детального исследования рыночных тенденций. Подробнее данный вопрос будет рассмотрен в параграфе 2.3.

Другой важной концепцией является принцип подтверждения и расхождения, который находит применение практически во всех аспектах анализа ценовых рядов. Данный принцип состоит в сравнении различных данных: динамики фьючерсных контрактов на сельскохозяйственные или иные изучаемые товары с разными сроками поставки (месяцами исполнения), сходных рынков, технических сигналов и индикаторов с целью определения, указывают ли они одинаковое направление движения рынка (то есть подтверждают друг друга) или наблюдается расхождение сигналов. Несмотря на то, что понятие расхождения используется в отрицательном смысле, оно является ценным компонентом анализа рынка, заблаговременно сигнализируя о приближающемся переломе тенденции.

В контексте работы с ценовыми моделями под подтверждением понимается сравнение графических моделей анализируемого рынка по всем месяцам исполнения фьючерсных контрактов с целью проверки их соответствия. Например, «бычья» (повышательная) или «медвежья» (понижательная) модель, образовавшаяся на графике фьючерсного контракта с одним месяцем исполнения, должна быть подтверждена соответствующими моделями других месяцев. Однако этим проверка на подтверждение не исчерпывается. Необходимо изучить по тем же критериям все сходные рынки, поскольку группы сходных рынков имеют тенденцию двигаться в одинаковом направлении.

Итак, выше были охарактеризованы общие подходы к комплексному анализу рисков экономического окружения инвестиционных проектов в отраслях пищевой промышленности. С учетом высокой степени неопределенности, присущей рискам экономического окружения, автор считает необходимым одновременное использование рассмотренных концепций и аналитических приемов в целях получения подтверждений сделанным выводам и минимизации вероятности ошибок. Кроме того, эти базовые концепции (принцип ценовой коррекции и принцип схождения и расхождения) лежат в основе построения более сложных и эффективных аналитических методик (в частности, рассмотренной в следующем параграфе).

Высокая зависимость результатов значительного количества проектов от динамики цен на сельскохозяйственную продукцию определяет значимость анализа ценовых рядов, базовые принципы которого, вообще говоря, универсальны и применимы при прогнозировании на любых товарных и финансовых рынках.

Вместе с тем, рынки сельскохозяйственных товаров имеют ряд особенностей, в связи с чем автор считает необходимым использование усложненных аналитических инструментов и методик. К примеру, важнейшим свойством указанных рынков является их ярко выраженная сезонная цикличность при одновременном наличии значительных несезонных колебаний, что проиллюстрировано графиком 2.2.2.

 Не меньшую важность при реализации инвестиционных проектов в пищевой промышленности имеет проведение углубленного анализа динамики

График 2.2.2. Динамика цен на зерно в 2001 – 2002 гг. (руб. за тонну)

тонкая линия на графике – цена зерна;

толстая линия – индикатор, характеризующий цикличность цены.

валютного курса (а в ряде случаев курсов нескольких валют) и процентных ставок.

В этой связи первостепенное значение имеет применение процедуры обработки рыночных цен различных существенных для проекта активов, направленной на  информационное обеспечение алгоритмов принятия управленческих решений. Такая процедура реализуется в рамках аналитической системы идентификации рыночной ситуации, являющейся, по мнению автора, одним из ключевых элементов комплексной системы управления рисками инвестиционных проектов в отраслях пищевой промышленности.

2.3. Методические аспекты построения аналитической системы идентификации рыночной ситуации

Как отмечалось в параграфе 2.2, одним из ключевых элементов комплексной системы управления рисками инвестиционных проектов, реализуемых в отраслях пищевой промышленности, является аналитическая система идентификации рыночной ситуации.

Формально такая система представляет собой процедуру обработки изменяющейся во времени цены актива C(t) (здесь и далее термин «актив» означает анализируемый сельскохозяйственный или иной товар, фьючерс на него и т.п., являющийся объектом торговли), применение которой позволяет выбрать одно из следующих решений [104]:

·        Рынок развивается в благоприятном направлении;

·        Рынок изменяет направление развития с благоприятного на неблагоприятное;

·        Рынок развивается в неблагоприятном направлении;

·        Рынок изменяет направление развития с неблагоприятного на благоприятное.

С точки зрения управления рисками, критерием эффективности указанной системы является вероятность правильной идентификации.

В зависимости от задач, решаемых в рамках конкретных проектов, благоприятными могут оказаться диаметрально противоположные сценарии развития рыночной ситуации. Поэтому ниже (для определенности) благоприятной будет считаться повышательная динамика изменения цены актива.

В параграфе 2.2 были рассмотрены существующие методы анализа товарных и финансовых рынков. Однако выполненная автором проверка возможности использования наиболее известных аналитических систем в качестве системы идентификации рыночной ситуации продемонстрировала их недостаточно высокую эффективность. Так, для основных торгуемых зерновых культур вероятность правильной идентификации, полученная по результатам тестирования автором указанных систем, не превышала 0,6 (тестирование выполнено средствами аналитического пакета MetaStock 6.51 Professional for Windows). Видимо, это объясняется спецификой сырьевых рынков, а также резко возросшей в последнее время их волатильностью.

Таким образом, актуальной является задача разработки новой системы идентификации рыночной ситуации, отличающейся более высокой вероятностью правильной идентификации.

Основополагающим свойством всех без исключения товарных и финансовых рынков, не вызывающим полемики среди исследователей, является свойство цикличности [71]. Концепция цикличности утверждает, что цена произвольного рыночного актива C(t) формируется суммой циклов , i=1, 2, …, отличающихся друг от друга периодами, амплитудами и фазами (см. рис. 2.3.1 и 2.3.2). Изучению цикличности рыночных цен посвящено много исследований (например, Э. Дьюи [128], Дж. Херст [129]), в результате которых, в частности, было установлено, что для прогностических целей реальной ценностью обладают только так называемые доминирующие циклы, описывающие действующие на рынке тенденции (т.е. рыночную ситуацию). При этом в каждый момент   времени     на    большинстве   рынков наблюдается пять доминирующих циклов , , , , , проявление которых искажается непрогнозируемыми возмущениями. Таким образом, цена C(t) может быть записана в виде

C(t) = S(t) + N(t) ,                                           (1)

                                                    S(t) =, где                                             (2)

S(t) – сумма доминирующих циклов;

N(t) – случайные возмущения.

Рисунок 2.3.1. Долгосрочный, среднесрочный и краткосрочный рыночные циклы

-                    верхняя линия - среднесрочный цикл;

-                    средняя линия – долгосрочный цикл;

-                    нижняя линия – краткосрочный цикл

Рисунок 2.3.2. Сумма долгосрочного, среднесрочного и краткосрочного элементов ценового движения

Для удобства циклам с более длительным периодом присвоен меньший индекс, т.е. самым длинным циклом в выражении (2) является ; цикл  короче цикла  и т.д. При этом значения как амплитуд, так и периодов входящих в (2) циклов, вообще говоря, неизвестны.

Известно, что такие состояния произвольной гладкой функции, как возрастание и убывание, а также точки экстремумов описываются поведением ее производной [43]. Поэтому описанная выше задача идентификации рыночной ситуации сводится к необходимости по наблюдаемой функции C(t) оценить производную  функции S(t): положительному значению производной соответствует благоприятное, отрицательному – неблагоприятное, а =0 означает изменение направления развития рыночной ситуации.

При разработке системы идентификации в контексте этой задачи автором учитывались следующие особенности:

1.             Функция , описывающая сверхдлинные периоды, на отрезках времени, в течение которых необходимо выполнить идентификацию, практически не меняется. Следовательно, .

2.             Как отмечалось в параграфе 2.2, наблюдения за ценой C(t) представлены ее значениями в дискретные моменты времени , , …, вследствие чего вычисление производных может быть выполнено лишь приближенно в виде конечных разностей.

3.             Устранение негативного влияния случайных возмущений становится возможным при использовании механизма сглаживания ценового ряда. Наиболее известным методом сглаживания является применение скользящей средней (Moving Average), рассчитываемой по одной из следующих формул [52]:

1. Простая (simple) скользящая средняя

, где

 – текущее значение скользящей средней;

;

 – фиксированный интервал между моментами наблюдений;

n – количество наблюдений;

2. Взвешенная (Weighted) скользящая средняя

, где

 – текущее значение скользящей средней;

 – весовые коэффициенты. Обычно ;

3. Экспоненциальная (exponential) скользящая средняя

, где

 – текущее значение  (экспоненциальной скользящей средней);

 – предыдущее значение ;

SF – сглаживающий фактор (smoothing factor). Наиболее распространенным сглаживающим фактором является ;

n – количество наблюдений.

Основным достоинством метода скользящей средней является его простота. Вместе с тем, данный метод представляется недостаточно точным для целей достоверного прогнозирования.

Одним из наиболее современных методов приближенного описания любой регулярной (неслучайной) составляющей наблюдаемого в дискретные моменты времени процесса является метод скользящей линейной регрессии [43, 71], в соответствии с которым для каждого момента времени при надлежащем выборе «окна» вычислений формируется наилучшая по критерию наименьших квадратов оценка указанной составляющей (под «окном» наблюдений понимается число подряд идущих выбранных для вычислений моментов наблюдения). Вследствие этого метод скользящей линейной регрессии обеспечивает значительно более высокую точность по сравнению, например, с методом скользящей средней, что крайне важно при идентификации рыночной ситуации. Сложность расчетов не представляет существенного препятствия для его применения, так как большинство современных аналитических программных продуктов (MetaStock, CQG и т.п.) содержит необходимые стандартные процедуры. Более детально о методе скользящей линейной регрессии применительно к решаемой задаче сказано ниже.

4.             Эффективным вспомогательным приемом, используемым при построении аналитических систем, являются последовательные снятия направленности [71]. Заложенный в его основу принцип состоит в следующем: на первом этапе наблюдаемый процесс C(t) аппроксимируется функцией известного вида  и вычисляется их разность =-, представляющая собой нескомпенсированные остатки аппроксимации. На втором этапе процесс , в свою очередь, аппроксимируется функцией  и вычисляются нескомпенсированные остатки =- и т.д. В результате, после применения, например, четырех итераций исходный процесс может быть представлен в виде: =+.

При этом если для построения аппроксимирующих функций используется метод скользящей линейной регрессии, то имеет место затухание (снижение уровня) нескомпенсированных остатков с ростом числа итераций.

5.             Для соотношения

                                       ,                                                (3)

описывающего  благоприятное направление развития рынка, более жестким является требование одновременного выполнения любой комбинации следующих пар неравенств:

                                                                        (4)

, , , ,

В свою очередь, ослаблением условия (3) является требование выполнения какого-либо одного из входящих в (4) неравенств.

Анализ перечисленных особенностей позволяет сделать вывод о целесообразности использования в комплексной системе управления рисками инвестиционных проектов аналитической системы идентификации рыночной ситуации, теоретической основой которой является метод скользящей линейной регрессии. Поэтому прежде чем приступить к описанию непосредственно процедуры, дадим необходимые пояснения.

Для произвольной функции C(t), представленной своими выборками , взятыми в дискретные равноотстоящие друг от друга моменты времени , i = 0, 1 ,2, …, линейной регрессией называется линейная функция LR(t) = a + b*t, удовлетворяющая по отношению к функции C(t) критерию наименьших квадратов [43]. Для построения линейной регрессии используется n подряд идущих выборок функции C(t). Параметр n называют длиной регрессии или размером «окна»; временной интервал, состоящий из используемых при вычислениях моментов времени, называют «окном»; полученную в результате вычислений линейную функцию  называют линейной регрессией длины n, , в которой коэффициенты  и  определяются по формулам:

                                                                                  (5)

где

,

,

,

Суть метода скользящей линейной регрессии состоит в том, что для выбранного размера «окна» циклически повторяются построения линейной регрессии  с тем отличием, что для каждого последующего построения «окно» «сдвигается» на один временной отсчет. При этом каждое построение завершается вычислением значения функции  для последней точки «окна». В результате для дискретных моментов времени , , … определяется новая, вообще говоря, нелинейная функция . В дальнейшем построенную таким образом функцию будем называть функцией линейной регрессии длины  n процесса C(t).

Отметим одно характерное для сырьевых рынков и важное для настоящего изложения свойство функции . Обозначим

  ,                                       (6)

 – среднеквадратическое отклонение цены актива от его функции линейной регрессии длины n.

Тогда для любого момента времени вероятность

                                                                            (7)

отклонения рыночной цены актива C(t) от его функции линейной регрессии длины n с ростом  стремится к 1; при этом надлежащим выбором размера «окна» n обеспечивается для растущего рынка тяготение цены актива  к линии , называемой верхней границей коридора, а для падающего рынка – к нижней границе коридора . Сказанное иллюстрируется графиком 2.3.1, на котором жирной линией показана цена актива, средней тонкой линией – ее функция линейной регрессии, а крайними тонкими линиями – границы коридора.

График 2.3.1

Закончив необходимые пояснения, можно приступить к рассмотрению разработанной автором аналитической системы идентификации рыночной ситуации.

Описание аналитической системы

Предлагаемая аналитическая система представляет собой многоэтапную процедуру, базирующуюся на отмеченных выше особенностях и состоящую в осуществлении определенных операций с приближенно вычисленными методом конечных разностей производными от функции линейной регрессии цены исследуемого актива с последующим наложением фильтров, повышающих точность прогноза.

На первом этапе процедуры задаются оптимизируемые параметры , , ,  и в каждый из моментов наблюдения , , для цены актива C(t) , используя формулы (5), определяются функции , , , . При этом выбором начальной точки отсчета  по отношению к последнему (т.е. текущему) моменту наблюдения  должно обеспечиваться выполнение условия .

На втором этапе методом конечных разностей осуществляется вычисление производных полученных функций:

                           ,                                 (8)

где

;

На графике 2.3.2 построены графические отображения синхронно изменяющихся во времени значений цены актива  (верхняя часть рисунка) и производной ее функции линейной регрессии  (нижняя часть рисунка).

Страницы: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15

	НОВОСТИ

	ВХОД

ТЕГИ