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

ВЫВОДЫ

в этой главе мы увидели, что R/S-анализ может не только выявить персистентность, или долговременную память, во временном ряде, но может также оценить длину периодических или непериодических циклов. Он также является устойчивым относительно шума. Это делает R/S-анализ особенно привлекательным для изучения естественных временных рядов и, в частности, рыночных временных рядов. В следующей главе мы исследуем некоторые рьшочные и экономические временные ряды на персистентность и циклы.



ЧАСТЬ 3 ПРИМЕНЕНИЕ ФРАКТАЛЬНОГО

АНАЛИЗА

Методология изучения проблемы

в этой части книги мы проанализируем несколько рыночных временных рядов, используя инструменты из Глав 4-6. Читатели, знакомые с книгой Хаос и порядок на рынках капитала , вспомнят, что такой анализ проводился в той работе. Однако между моим более ранним исследованием и исследованием, содержащимся в этих главах, есть существенные различия.

Основная цель моего предыдущего исследования состояла в том, чтобы доказать, что гипотеза эффективного рынка (ЕМН) несостоятельна, а также что рынки представляют собой процессы Херста, или смещенные случайные блуждания. И это мне удалось. Моя цель в настоящей работе состоит в том, чтобы проиллюстрировать метод, который может быть применен к собственной сфере интересов читателей. Поэтому проведенное здесь исследование в большей степени является последовательным процессом. Каждый пример был выбран для изучения определенного элемента или проблемы в применении R/S-анализа, а также способа ее устранения. Исследования интересны сами по себе, для понимания рьшков. Они были выбраны в качестве иллюстраций таким образом, чтобы читатели могли применить R/S-анализ к своим собственным сферам интереса.

Данное исследование будет использовать критерии значимости и методы подготовки данных, описанные в предыдущих главах. В моей более ранней книге эти методы не бьши выработаны; действительно, мою книгу, изданную в 1991 г., критиковали, потому что сила R/S-анализа была неизвестна. Используя критерии значимости, теперь мы можем анализировать тот тип системы, с которой мы имеем дело. Как уже гоюрилось в Главе 2, различные рьшки могут фактически иметь различные структуры при расширении инвестиционного горизонта.

Глава начинается с обсуждения методологии, используемой в анализе. Затем мы проанализируем различные рьшки в индивидуальном порядке. R/S-анализ будет применяться к различным временным рядам, и результаты будут противопоставлены



для различных возможных стохастических моделей, исследованных в Главе 5. Анализ рынков будет сопровождаться анализом некоторых экономических данных.

МЕТОДОЛОГИЯ

Мы проанализируем АК(1)-разности логарифмических прибылей для рынков капитала. АК(1)-разности используются для устранения - или, по крайней мере, для сведения к минимуму - линейной зависимости. Как мы видели в Главе 5, линейная зависимость может сместить показатель Херста (и может заставить его выглядеть значимым, когда нет процесса с долговременной памятью) т.е. вызвать ошибку первого рода. Используя АК(1)-разности, мы сводим смещение к минимуму, и, будем надеяться, делаем результаты незначительными. Такой процесс часто называют, предварительным отбеливанием или удалением трендов. Мы будем использовать последний термин. Удаление трендов не подходит для всех статистических испытаний, хотя кажется, что оно используется почти волей-неволей. Для некоторых испытаний удаление трендов может скрыть значимую информацию. Однако в случае R/S-анализа удаление трендов устранит сериальную корреляцию, или кратковременную память, а также инфляционный рост. Сериальная корреляция представляет проблему для очень высокочастотных данных, таких как пятиминутные прибыли. Инфляционный рост является проблемой для низкочастотных данных, таких как 60 лет месячных прибылей. Однако, как мы увидим, для R/S-анализа процесс с кратковременной памятью представляет гораздо большую проблему, чем проблема инфляционного роста. Мы начинаем с ряда логарифмической доходности:

SFlog(P,Pt.i) (7.1)

где Sf логарифмическая доходность ю времени t Р, = цена во времени t

Затем мы регрессируем St как зависимую переменную против S(t.i) как независимой переменной и получаем отрезок а, отсекаемый на оси, и наклон Ь. AR(I)-разность St вычитает зависимость StOr S(t.i):

Xt=St-(a-bb*St.,) (7.2)

где Xt = AR(1) остаток S во времени t

Метод AR(l)-paзнocтeй не устраняет всю линейную зависимость. Однако Брок, Дечерг и Шейнкман (Brock, Dechert, and Sheinkman, 1987) считали, что он устраняет достаточно зависимости, чтобы свести ее влияние до незначительных уровней, даже если процесс AR находится на уровне 2 или 3.

Затем выполняется R/S-анализ, который начинается с шага 2 из пошагового руководства, приведенного в Главе 4. Мы начинаем с шага 2, потому что шаг 1 уже был описан выше.

Даже на этой ранней стадии существуют значительные различия между этой методологией и той, которая использовалась в работе (Peters, 1991b, 1992). Различия восходят к работе (Peters, 1989). Теперь мы используем только приращения времени.



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