Тел.факс: +7(831)437-66-01
Факторинг  Анализ финансовых западных рынков 

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

количество инвестиционных горизонтов. Это гарантирует, что существует достаточно ликвидности для трейдеров.

2. Информационное множество больше связано с настроением рьшка и техническими факторами в краткосрочной перспективе, чем в более долгосрочной перспективе. По мере увеличения инвестиционных горизонтов доминирует более долговременная фундаментальная информация. Таким образом, изменения цены могут отражать информацию, важную только для этого инвестиционного горизонта.

3. Если происходит событие, которое ставит под сомнение действительность фундаментальной информации, долгосрочные инвесторы либо прекращают участие на рынке, либо начинают торговать на основании краткосрочного информационного множества. Когда общий инвестиционный горизонт рьшка сокращается до однородного уровня, рьшок становится нестабильным. Нет долгосрочных инвесторов, чтобы стабилизировать рынок, предлагая ликвидность краткосрочным инвесторам.

4. Цены отражают сочетание краткосрочной технической торговли и долгосрочной фундаментальной оценки. Таким образом, вероятно, что краткосрочные изменения цен будут более волатильными или более шумными , чем долгосрочные. Основная тенденция на рьшке отражает изменения в ожидаемом доходе на основании изменяющейся экономической среды. Краткосрочные тенденции, более вероятно, являются результатом поведения толпы. Нет причин полагать, что длина краткосрочных тенденций связана с долгосрочной экономической тенденцией.

5. Если ценная бумага никак не связана с экономическим циклом, то не будет никакой долгосрочной тенденции. Будут доминировать торговля ценными бумагами, ликвидность и краткосрочная информация.

В отличие от ЕМН гипотеза фрактального рынка (FMH) говорит, что информация оценивается согласно инвестиционному горизонту инвестора. Поскольку различные инвестиционные горизонты оценивают информацию по-разному, распространение информации также будет неровным. В любой конкретный момент времени цены не могут отражать всю имеющуюся информацию, они могут отражать только ту информацию, которая важная для этого инвестиционного горизонта.

FMH многим обязана гипотезе когерентного рьшка (Coherent Market Hypothesis - СМН) Веге (Vaga, 1991) и K-Z модели Ларрейна (Larrain, 1991). Я подробно рассматривал эти модели в своей предыдущей книге. Подобно СМН FMH основывается на той предпосылке, что рьшок принимает различные состояния и может перемещаться между стабильным и нестабильным режимами. Подобно K-Z модели FMH находит, что хаотический режим имеет место, когда инвесторы теряют веру в долгосрочную фундаментальную информацию. Во многих отношениях FMH объединяет эти две модели посредством использования инвестиционных горизонтов; она определяет, когда изменяется режим и почему рьшки становятся нестабильными, когда фундаментальная информация теряет свою значимость. Ключевой момент заключается в том, что согласно FMH рьшок стабилен, когда он не имеет



з Гипотеза фратсгального рынка

характерного масштаба времени или инвестиционного горизонта. Нестабильность наступает тогда, когда рынок теряет свою фрактальную структуру и принимает довольно однородный инвестиционный горизонт.

В этой главе я наметил в общих чертах новое представление о структуре рьшков. К сожалению, большая часть стандартного анализа рьшка предполагает, что рьшочный процесс, по существу, является стохастическим. При проверке гипотезы эффективного рьшка (ЕМН) это предположение вызывает мало проблем. Однако для ЕМН многие из стандартных проверок теряют свою силу. Это не говорит о том, что они бесполезны. Большое количество исследований с использованием стандартной методологии указало на несогласованность между ЕМН и наблюдаемой конъюнктурой рьшка; однако новые методологии также необходимы, чтобы воспользоваться преимуществом рыночной структуры, намеченной в FMH. Для достижения этих целей уже разработаны многие методы. В Части 2 мы рассмотрим один из них: R/S-анализ. Мой акцент на R/S-анализе не предполагаег, что он вытеснит другие методологии. Моя цель состоит в том, чтобы показать, что он является сильной формой анализа временного ряда и должен быть одним из инструментов любого аналитика.



ЧАСТЬ 2 5РАКТАЛЬНЬ1Й (R/S) АНАЛИЗ

Измерение памяти - процесс Херста и R/S-анализ

Стандартный статистический анализ начинается с выдвижения предположения о том, что изучаемая система является, прежде всего, случайной; то есть причинный процесс, создавший временной ряд, имеет много составных частей или степеней свободы, и взаимодействие этих компонентов настолько комплексно, что детерминистичное объяснение невозможно. Только вероятности могут помочь нам понять процесс и использовать его в своих интересах. Лежащая в основе философия подразумевает, что случайность и детерминизм не могут сосуществовать. В Главе 1 мы рассматривали нелинейные стохастические и детерминированные системы, которые представляли собой комбинации случайности и детерминизма, например, ифу хаоса. К сожалению, как мы видели в Главе 2, эти системы недостаточно хорошо описьшаются стандартной гауссовой статистикой. До сих пор мы исследовали эти нелинейные процессы, используя численные эксперименты в зависимости от конкретного случая. Для изучения статистики этих систем и создания более общей аналитической структуры нам нужна теория вероятности, которая является непараметрической. То есть нам нужна статистика, которая не делает предварительных предположений о форме распределения вероятностей, которое мы изучаем.

Стандартная гауссова статистика лучше всего работает на основе весьма Офаничивающих предположений. Центральная предельная теорема (или Закон больших чисел) утверждает, что по мере проведения все большего числа испытаний, предельное распределение случайной системы будет нормальным распределением, или колоколообразной кривой. Измеряемые события должны быть независимы и идентично распределены (IID). То есть события не должны влиять друг на друга, и они все должны иметь одинаковую вероятность наступления. Долгое время предполагалось, что большинство крупных, комплексных систем должны моделироваться таким образом. Предположение о нормальности, или почти нормальности, обычно делалось при исследовании крупной, комплексной системы, так чтобы мог быть применен стандартный статистический анализ.

Но что делать, если система не является IID? Тогда вносятся корректировки, чтобы создать статистические структуры, которые, не являясь IID, являются



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