Подпишись и читай
самые интересные
статьи первым!

Главная → Частные случаи → Фундаментальный анализ фондового рынка: основные постулаты и правила. Фундаментальный анализ фондового рынка Показатели анализа и прогнозирования на фондовых рынках

Фундаментальный анализ фондового рынка: основные постулаты и правила. Фундаментальный анализ фондового рынка Показатели анализа и прогнозирования на фондовых рынках

Сегодня будет немного истории. Мы окунемся в один таинственный вечер, на котором присутствовали первооткрыватели технического анализа. Я не исключаю того, что именно эти люди были теми, под чьим влиянием Великая Депрессия в США перешла в заключительную фазу.

Трое аналитиков, а также около 150 человек. Но, зато какие это были люди! Это были гении, для которых прогнозирование фондового рынка – это была не просто хобби, это была вся их жизнь! Вряд ли можно назвать их другим словом. Ведь именно они смогли заработать огромные состояния в то время, когда вся страна переживала период глубокого экономического кризиса, одного из самых крупных за всю американскую историю. Эти люди не только смогли сохранить свои деньги, но и значительно преумножили их.

Я не исключаю того, что в тот теплый весенний вечер, три аналитика, о которых сегодня идет речь, быть может, и не осознавали того, что манипулируют огромными суммами. Все что они делали – это высказывали прогнозы по поводу того, как дальше будет развиваться ситуация на фондовом рынке.

Но давайте обо всем по порядку. 24 апреля 1934 года. Город Нью-Йорк. Одна из статистических ассоциаций организовала ужин в популярном тогда ресторане «Роджер Смит». На ужине присутствовал 161 человек. Тогда на повестке дня стоял только один, самый важный вопрос, который интересовал организаторов: как можно эффективно прогнозировать развитие событий на фондовом рынке при помощи технических средств.

Одним из приглашенных был Дональд Эллсворт , который на то время занимал должность главного редактора Annalist. Именно он был ответственным руководителем данного мероприятия. И первое, о чем он начал говорить – это то, что цены на фондовом рынке меняются не только по причине событий экономического характера, но также и политического. И поэтому, если инвестор желает правильно прогнозировать развитие событий на фондовом рынке, то ему необходимо руководствоваться не одним, а двумя факторами: политическим и экономическим. Кроме того, была высказана интересная речь, что есть, как минимум два фактора, которые отличают ценовые движения на фондовых рынках от явления, которое называется «совокупная вероятность»:

1. Если взять данные, которые получаются путем вероятностей, и сравнить их с ценами, то последние не могут быть с негативными значениями
2. Если все время стараться привязывать цены к прибыли обычным образом, то это будет ограничивать уровень, до которого они могут дойти

Но это были не единственные темы, о которых шла речь на мероприятии. Также обсуждалась связь между явлением вероятности и поведением цены. Был еще один очень интересный человек, который выступил на ужине. Это Федерик Маколэй . Он поведал о том, что нормальная кривая является не в каждом случае, а лишь один из вероятных результатов вероятностного распределения. То есть, если в качестве примера взять игральные кости, выбрать из этих костей одну, неважно какую, налить в нее свинец. В результате этого действия мы увидим, что появится асимметричное распределение. Если посмотреть на это более детально, то увидим, что это очень похоже на природу ценовых движений на фондовом рынке. И ситуация была бы особенно наглядной, если бы можно было смоделировать ситуацию, когда, например, кости наливались бы свинцом по очереди. Если на рынке происходят небольшие движения ценового диапазона, то в итоге будет нормальное распределение. А, например, на длительных колебаниях такое уже вряд ли будет.

На ужине присутствовало много аналитиков, но первым из них выступил Гарольд Гартли . Он стал говорить о том, какой использует технический подход к прогнозированию фондового рынка. Особо он подчеркнул, что те, кто занимается аналитикой и прогнозированием на фондовом рынке, просто обязаны уделять внимание политическим и экономическим событиям. По его словам, все эти события находят отражение на рынке и просто не могут не учитываться. Кроме того, необходимо учитывать информацию, которая есть в движениях самого рынка. Гарольд имел мнение, которого не придерживалось большинство аналитиков. Оно заключалось в том, что какие бы не выписывал рынок пируэты сегодня, в этих движениях есть определенная закономерность, которая может повлиять на движение рынка завтра. То есть, по сегодняшнему движению рынка можно сказать, что будет завтра. Правда, не сказать, чтобы подход, который высказал Гарольд Гартли, был совершенно новым. Нет, на тот момент он уже был известен. Кстати, самой яркой теорией, которая содержала в себе данный подход, являлась теория Чарльза Доу.

Гартли продолжал свое выступление, и сказал еще несколько интересных вещей. В частности, речь зашла о проблемах, с которыми сталкиваются многие аналитики. Дело в том, что все, кто так или иначе пытаются прогнозировать рынок, всегда сталкиваются с двумя проблемами. Первая проблема – это определение времени, когда нужно покупать акции. Конечно, есть экономические данные, анализ которых мог бы дать ответ на этот вопрос, но дело в том, что эта информация выходит слишком поздно, и в момент ее выхода не представляет ценности как таковой. Вторая проблема заключается в том, что необходимо правильно выбрать активы, по которым нужно вести торговлю. Это две самые главные проблемы, с которыми всегда сталкивались инвесторы. И главное, что теория Чарльза Доу не решает эти проблемы, и не позволяет делать четкое прогнозирование фондового рынка.

И последнее, что отметил тогда Гартли, это то, что все инструменты, которыми начинает пользоваться большинство инвесторов, рано или поздно станут бесполезными. Поэтому если есть какая-то работающая система прогнозирования, то она рано или поздно перестанет работать, если ее станет использовать чересчур много людей.

Следующим было выступление аналитика Ричарда Шабакера, который на то время занимал должность финансового редактора журнала Forbes. Для выступления он выбрал тему «Логика технического подхода». Он считал, что те инвесторы, которые в своей торговле опираются на рыночное движение, имеют одно очень важное преимущество перед остальными. Это тот факт, что часто, как бы это ни казалось странным, за счет использования данной стратегии получалось избегать крупных финансовых потерь.

Если посмотреть, как организован фондовый рынок, то можно увидеть, что этому типу рынка присуща трендовая составляющая. Когда быки берут контроль над рынком, то тренд двигается вверх. Когда медведи берут инициативу в свои руки, то тренд направлен вниз. И совершенно не нужно пытаться разобраться, почему в какой-то момент времени на рынке наблюдается перевес быков над медведями или наоборот. Нужно просто знать, что такое есть, и стараться использовать это в своих целях. И как только мы видим, что после долгой дороги вверх тренд начинает менять движение, нужно закрывать длинную позицию, и открывать короткую. И неоценимую помощь в этом окажет именно технический анализ, поскольку он позволит все это сделать без лишних раздумий.

Помимо всего прочего Шабакер привел несколько доказательств . В их числе были такие примеры:

1. Любой тренд рано или поздно начинает затухать, и переходит в боковое движение. И тогда в конечном итоге он пойдет в другую сторону
2. Если на рынке видно фигуру «Перевернутая голова и плечи», то это явно указывает на то, что скоро тренд пойдет вверх
3. В том случае, если откат цены доберется до 70% предыдущего роста, то снижение цены в настоящий момент времени, с большой вероятностью продолжится

Еще одним выступающим был Джеймс Хьюз , который в то время занимал должность аналитика Charles D. Barney and Company. Он затронул тему среднесрочной торговли. Свое выступление Хьюз построил на том, что среднесрочная торговля имеет множество преимуществ перед долгосрочной. Все движения, которые можно наблюдать на среднесрочном интервале, как правило, продолжаются 1-6 месяцев. Это означает, что инвестор, который торгует на таком интервале, может заработать в 3-4 раза больше, чем если бы он торговал на долгосрочном рынке. Он высказал мнение, что самым лучшим способом, при помощи которого можно прогнозировать будущее поведение рынка, является такой способ, когда рынок сам дает нужные нам подсказки.

Он также пояснил, что если использовать данный подход, то необходимо учитывать, что здесь все построено на вероятности. Бывает так, что иногда частота повторения некоторых рыночных ситуаций сильно велика, для того чтобы инвестор мог правильно сделать выводы относительно будущего изменения цен. Он привел пример, когда в 1929-1932 годах зимой и летом тренд шел вверх, а осенью и весной неизменно было падение.

Данный подход вызвал много обсуждений и противоречивых мнений, впрочем, как и все подходы, которые были высказаны докладчиками. Но теория – это одно, а практика – другое. Поэтому большинство присутствующих стали просить, чтобы выступавшие сделали свой прогноз относительно будущего развития ситуации на рынке. Они согласились. Прогнозы были следующие:

Г.Гартли сделал такой прогноз. На тот момент индекс Dow Jones был на отметке 105 пунктов. Он предположил, что очень вероятно, что между нынешним моментом и 10 октября 1934 года цена «прыгнет» выше максимума, которого она смогла достичь в 1933 году. То есть, в конечном итоге ценовой диапазон достигнет отметки 128. Это как минимум. В том случае, если минимум октября 1933 будет прорван до того, как будет преодолен максимум июля 1933, то с высокой долей вероятности на рынке будет медвежий тренд

Р.Шабакер предположил, что в ближайшие полгода рынок будет двигаться так, как и двигался до этого. Сильных изменений не будет. Только следующие два месяца, возможно, произойдет значительный ценовой скачок

Д.Хьюз сказал, что то, что в данный момент происходит на рынке, вряд ли показывает в пользу быков. Необходимо подождать до весны, и если весной не будет значительного скачка цен, как это ожидается, то этот скачок, по всей вероятности, будет летом

В качестве заключения. Если посмотреть, что предсказали все докладчики, то получается, что все они сошлись во мнении, что касается развития ситуации в американской экономике. И это при том, что все трое придерживались разного стиля прогнозирования. Но в конечном итоге получилось, что все они оказались абсолютно правы в своих прогнозах. Индекс Dow Jones в конце 1934 продолжал показывать стабильный рост. Более того, он никогда после этого не вернулся к отметке пост депрессионного периода в экономике США 1929-1933 годов. И здесь хорошим толчком послужили «большие деньги», а, может быть, что-то другое, о чем до сих пор никому не известно.


Fatal error : Uncaught Error: Call to undefined function similar_posts() in /var/www/pppara/data/www/сайт/wp-content/themes/Forextheme2/single.php:224 Stack trace: #0 /var/www/pppara/data/www/сайт/wp-includes/template-loader..php(19): require_once("/var/www/pppara....php(17): require("/var/www/pppara...") #3 {main} thrown in /var/www/pppara/data/www/сайт/wp-content/themes/Forextheme2/single.php on line 224

Ученые факультета вычислительной техники из исламского университета Азад, расположенного в ОАЭ, опубликовали работу , посвященную прогнозированию поведения фондовых индексов на основе технологий нейронных сетей, генетических алгоритмов и data mining с использованием опорных векторов. Мы представляем вашему вниманию главные мысли этого документа.

Введение

Одним из популярных направлений финансово анализа в последние годы является прогнозирование цен акций и поведения фондовых индексов на основе данных о предыдущих торговых периодах. Для получения сколько-нибудь релевантных результатов необходимо использование подходящих инструментов и корректных алгоритмов.

Ученые поставили своей целью разработку специального софта, который бы мог генерировать прогнозы поведения фондовых индексов с помощью предиктивных алгоритмов и математических правил.

Фондовые индексы сами по себе непредсказуемы, поскольку зависят не только от экономических событий, но на них также влияет и политическая обстановка в разных частях света. Поэтому разработать математическую модель для обработки таких непредсказуемых, нелинейных и непараметрических временных рядов крайне сложно.

При работе на фондовом рынке используют два вида анализа.

1) Технический анализ

Применяется для краткосрочных финансовых стратегий. Он используется для прогнозирования изменения цен на основе закономерностей и изменении цен схожим образом в прошлом. Как правило, анализируются графики цен, на которых выделяются паттерны определенных закономерности в ценовой динамике. Помимо изучения динамики изменения цены, в техническом анализе используется информация об объёмах торгов и другие статистические данные.

2) Фундаментальный анализ

Для долгосрочных стратегий инвестирования используется фундаментальный анализ. Он подразумевает использования для прогнозирования цены акций определенной компании, информацию о финансовых и прозводственных показателях ее деятельности.

Также, при прогнозировании возможных движений цен необходимо понимать существующие на финансовом рынке риски для действующих на нем игроков:

  • Торговый риск - объём средств, которым рискует трейдер. К примеру, если он покупает финансовый актив на тысячу долларов, то торговый риск будет равняться этой сумме.
  • Рыночный риск - что может случиться на рынке под влиянием в том числе глобальных экономических событий или событий в конкретной стране, где расположен финансовый рынок или акции компаний из которой торгуются на бирже.
  • Маржинальный риск - если для совершения сделок используются заемные средства, возникает маржинальный риск. Взятые «в долг», к примеру, у брокера, деньги в конечном итоге придется вернуть, и если у трейдера будет недостаточно свободных средств на счете для этого, то его позиции будут принудительно закрыты даже если это не подразумевалось его торговой стратегией.
  • Риск ликвидности - не из каждого финансового инструмента можно быстро «выйти».
  • Риск переноса позиций «овернайт» - сохранение позиций в промежуток между торговыми днями или на протяжении нескольких торговых дней несет в себе риск, поскольку трейдер не может знать, что случится в то время, когда биржа не работает. Возможно на открытие торгового дня повлияет какое-то событие, и цена акций сразу сместится невыгодным для инвестора образом.
  • Риск волатильности - цена акций колеблется в определенных диапазонах. Чем шире диапазон колебания цены, тем выше волатильность конкретного финансового инструмента.

Прогнозирование поведения фондовых индексов

Одним из популярных инструментов, использующихся для решения задач прогнозирования цен акций, является дерево принятия решений. В свою очередь, наиболее эффективным методом сбора и анализа данных является data mining. Существует несколько моделей использования data mining, которые реализуют различные подходы к сбору и анализу полученной информации.

В нашем случае исследователи выбрали модель CRISP-DM (Cross-Identity Standard Process for Data Mining). Данный метод был разработан консорциумом европейских компаний в середине девяностых годов прошлого века. Модель включает семь основных шагов:

  1. Определение целей для поиска информации (данные о каких акциях нужны).
  2. Поиск нужных данных.
  3. Упорядочивание данных в модели классификации.
  4. Выбор техники для реализации модели.
  5. Оценка модели с помощью известных методов.
  6. Применение модели в текущих рыночных условиях для генерации рекомендации о целевом действии - к примеру, покупка или продажа акции.
  7. Оценка полученных результатов.
После сбора данных для принятия решений используется дерево классификации. У такого подхода есть три основных преимущества: он быстрый, простой и позволяет добиваться высокой точности. В качестве параметров модели в данном случае были выбраны предыдущая цена, цена открытия, максимум, минимум, закрытие и целевое действие (previous, open, max, min, last, action).

Также для прогнозирования используются генетические алгоритмы. Они применяются для решения сложных проблем, в тех случаях, когда точные отношения между задействованными элементами неизвестны и могут в принципе отсутствовать.

Задача формализуется так, чтобы ее решение могло был закодировано в виде вектора генов («генотип»), где каждый ген может представлять бит, число или какой-либо другой объект. Далее случайным образом создается множество генотипов начальной «популяции», которые оцениваются с помощью специальной функции приспособленности. В итоге каждому генотипу присваивается значение «приспособленности» - именно оно определяет, насколько хорошо он решает задачу.

Для постоянной оптимизации параметров, задействованных в торговой стратегии, используются методы оптимизации. К примеру, ген может быть представлен в виде вектора, а соответствующий алгоритм оптимизации применяет к нему механизм промежуточной рекомбинации.

Одним из методов генерирования предсказаний о будущих движениях цен является машинное обучение. В данном случае исследователи использовали метод опорных векторов. Исследователи собрали финансовые данные с биржи NASDAQ, а также о некоторых финансовых инструментах и индексах. В резульате для NASDAQ точность предсказаний, сгенерированных системой, составила 74.4%, 77,6% для индекса DJIA и 76% для S&P500.

Для машинного обучения использовались следующие формулы:

Прежде всего, определялось x i (t), где i ∈ {1, 2, …}.

F = (X 1 , X 2 , … X n) T , где

Для оценки используемой модели использовался метод вычисления среднеквадратичной ошибки (RMSE, Root of Mean Square Error):

Мультиклассовая классификация

Для минимизации рисков и повышения прибыли используется модель опорных векторов. Она подразумевает классификацию данных в три категорий: позитивную, негативную и нейтральную. Это помогает выявлять наиболее рискованные прогнозы и отклонять их. Для создания такого мультиклассового классификатора, неободимо определить ширину центральной зоны:

tp: true positive
fp: false positive
fn: false negative

Предложенная модель

Как было отмечено выше, собираемые данные имели шесть атрибутов. Для использования в дереве принятия решений данные должны быть конвертированы в дискретные значения. Для этого можно использовать критерий, основанный на цене закрытия рынка. В случае, если величина open, max, min и last превышает предыдущее значение атрибута в ходе текущего торгового дня, то позитивное значение должно быть заменено на предыдущий атрибут. Напротив, негативное значение устанавливается вместо предыдущего атрибута, а если значения равны, то устанавливается соответствующий атрибут.

Вот так выглядит набор данных по шести атрибутам до их перевода в дискретные значения:

А вот так после перевода:

После получения такого набора дискретных значений необходимо построить модель классификации с помощью дерева принятия решения.

В данном исследовании рассматривается два возможных сценария действий.

Сценарий #1
Необходимо проделать следующие действия:
  1. Собрать финансовые данные о торгах за 30 дней.
  2. Выделить данные по шести атрибутам в 9 моментов времени в течение одного торгового дня.
  3. Для каждого набора сформировать матрицу.
  4. Вычислить XX^T и применить метод опорных векторов для генерирования собственного значения.
  5. Вычисление среднего объёма продаж и покупок.
  6. Вычисление среднего значения каждого торгового дня.
  7. Присвоение разных весов для первого дня, седьмого и тридцатого дня, а также среднего значения месяца.
  8. Для генерирования рекомендации о действии необходимо сравнить текущее значение с первым, седьмым, тридцатым днем, а также средним значением за весь месяц.
  9. Если результат предсказания за 4 торговых дня одинаковый, то следует осуществить покупку, если присутствует совпадение для трех торговых дней, то покупка будет иметь риск в 25%, для двух дней риск составит 50%.
Для каждого торгового дня из тридцати необходимо сгенерировать матрицу, в которой Xi представляет девять разных моментов в течение одного дня:

После этого вычисляется R = XX T - каждую матрицу нужно умножить на транспонированную версию. Затем подсчитывается опорный вектор и его собственное значение.

Сценарий 2
В данном случае выполняются все те же шаги, однако метод опорных векторов применяется не к «сырым» данным, а к матрице, полученной после автокорреляции. Для каждого торгового дня генерируется матрица автокорреляции:

Здесь используется следующая формула:

После автокорреляции мы получаем новую матрицу (матрицу Теплица):

И уже для нее подсчитывается опорный вектор и собственное значение. Для сравнения отклонения от среднего значения среди различных торговых дней, вычисляется среднее значение, дисперсия и стандартное отклонение, которые хранятся в векторе.

Заключение

Для получения наилучших результатов исследователи применили все описанные методы шаг за шагом: начиная с фундаментального анализа, использования генетического алгоритма, нейронных сетей, машинного обучения и метода опорных векторов.

При этом добиться стопроцентной точности прогнозов изменения значений фондовых индексов добиться не удалось. Для различных финансовых инструментов точность предсказания поведения индексов на промежутке в один торговый день довольно сильно отличается:

Наилучшим результатом стала точность в 70,8% для немецкого индекса DAX. Для достижения большей точности при долгосрочных прогнозах (период больше 30 дней), использовалась следующая формула:

Pr {v t+1 – v t > c t }, где c t = -(v t-ts – v t)

В этом случае наилучший результат точности прогноза составил 85,0%.

ВВЕДЕНИЕ.

ГЛАВА 1. СТАТИСТИКА РЫНКА ЦЕННЫХ БУМАГ.

1.2. Информационное обеспечение процесса статистического изучения рынка ценных бумаг.

1.3. Система основных статистических показателей фондового рынка.

ГЛАВА 2. СТАТИСТИЧЕСКИЙ АНАЛИЗ СОСТОЯНИЯ ФОНДОВОГО РЫНКА РОССИИ.

2.1. Российская практика фондового рынка.

2.2. Состояние российского фондового рынка в 2002 г.

ГЛАВА 3. КРАТКОСРОЧНОЕ ПРОГНОЗИРОВАНИЕ ДИНАМИКИ РЫНКА ЦЕННЫХ БУМАГ РОССИИ.

3.1. Специфика прогнозирования развития российского фондового рынка.

3.2. Первичная обработка информации, используемой для прогнозирования.

3.3. Использование методов множественной регрессии и компонентного анализа для прогнозирования.

Введение диссертации (часть автореферата) на тему «Статистический анализ и прогнозирование развития фондового рынка России»

Одной из важнейших особенностей развития глобальной экономики в начале XXI века стало возрастание роли фондового рынка, который приобрел ведущее значение в системе финансовых рынков. В настоящее время в ценных бумагах воплощена большая часть финансовых активов развитых стран мира.

Показатели фондового рынка привлекают к себе постоянное внимание деловых кругов, а в моменты биржевых кризисов становятся объектом всеобщего интереса. Это обусловлено функциями фондового рынка в современной экономике. Рынки ценных бумаг являются одним из ключевых механизмов привлечения денежных ресурсов на цели инвестиций, модернизации экономики, стимулирования роста производства. Вместе с тем, мировые рынки ценных бумаг, как показывает опыт многих десятилетий, могут быть источниками масштабной финансовой нестабильности, макроэкономических рисков и социальных потрясений. Особенно проблемными являются формирующиеся фондовые рынки, к числу которых принадлежит российский, являвшийся в 90-е годы при незначительных масштабах одним из самых рискованных фондовых рынков мира.

В современной России в связи с ее включением в систему мирового финансового рынка, присвоением стране международного кредитного рейтинга, размещением транша еврооблигаций, котировкой американских депозитарных расписок на российские акции на зарубежных биржах появилась острая необходимость цивилизованного подхода к изучению различных сегментов фондового рынка. Необходимо заметить, что в связи с существующими тенденциями снижения отношения доходность/риск при операциях на российском рынке ценных бумаг, неразвитостью инфраструктуры и недостаточной ликвидностью этого рынка многим инвесторам придется ориентироваться на развитые мировые фондовые рынки. Чтобы успешно функционировать в данной ситуации, они должны использовать различные методы инвестиционного менеджмента, одной из основных задач которого является прогнозирование изменений курсов ценных бумаг и других рыночных активов, а также развития фондового рынка в целом.

Методы прогнозирования применяются в различных областях человеческой деятельности, когда по имеющейся информации требуется предсказать (оценить) некоторую стохастически связанную с исходными данными величину, которую при этом невозможно измерить непосредственно. Применительно к участникам фондового рынка, занимающимся инвестиционной деятельностью, задача прогнозирования может быть сформулирована следующим образом: как определить направление и время, необходимые для совершения фондовой операции, чтобы осуществить ее с максимальной эффективностью (прибыльностью). Ответ на этот вопрос зависит от многих факторов (как макро-, так и микроэкономического характера), наблюдающихся в текущий момент времени, а также от развития ситуации на фондовом рынке в будущем.

Актуальность темы исследования обусловлена необходимостью совершенствования методологической основы статистики фондового рынка для получения более объективной и достоверной информации о динамике происходящих на нем процессов, создания взаимосогласованной системы статистических показателей, оценивающих состояние рынка ценных бумаг в целом, а также разработки новых методов прогнозирования, позволяющих более точно и надежно оценивать его будущее развитие.

Степень разработанности проблемы.

До 1990 г. отдельные аспекты проблем, связанных с фондовым рынком, затрагивались в работах экономистов-международников, занимавшихся изучением финансовых вопросов: Б.И. Алехина, А.В. Аникина, Э.Я. Брегеля, С.А. Былиняка, Т.Д. Валовой, B.C. Волынского,

A.И. Динкевича, И.С. Королева, JI.H. Красавиной, Б.Е. Ланина, Г.Г. Манохина,

B.М. Усоскина, М.А. Портного, Д.В. Смыслова, В.М. Соколинского, Г.П. Солюса, В.И. Суровцевой, В.В. Сущенко, Ю.С. Столярова, В.Н. Шенаева, Б.Г. Федорова, Л.И. Фрея, Е.С. Хесина, P.M. Энтова и других авторов. Тем не менее, можно констатировать, что фондовый рынок не был в центре внимания советских экономистов. За 1945-1990 гг. в СССР было опубликовано всего три специальные монографии по рынкам ценных бумаг /13/, /35/, /252/.

Коренная смена экономической системы и переход к рыночной модели экономики в России способствовали резкому росту интереса отечественных исследователей к проблематике фондового рынка. Этот интерес обусловлен, в первую очередь, появлением и бурным (до 1998 г.) развитием российского фондового рынка. В 90-е годы в России были изданы сотни книг и брошюр, посвященных ценным бумагам и фондовому рынку.

Вместе с тем, большая часть опубликованных работ либо посвящена какой-то одной проблеме (например, бухгалтерскому учету ценных бумаг, техническому анализу и т.п.) и носит сугубо прикладной характер, либо содержит описание конкретных финансовых инструментов (например, векселей, государственных ценных бумаг или производных ценных бумаг), либо является учебниками, рассчитанными на знакомство с базовыми понятиями рынка ценных бумаг, либо представляет собой переводы зарубежных, преимущественно американских, учебников по инвестициям и управлению портфелем ценных бумаг (многие из них носят фундаментальный характер и относятся к классике западной литературы, например, книги У. Шарпа, Дж. Ван Хорна, Р. Брейли и С. Майерса).

Различным аспектам фондового рынка посвящены книги и статьи Б.И. Алехина, А.И. Басова, И.Л. Бубнова, А.И. Буренина, В.А. Белова, Д.Ю. Будакова, О.В. Буклемишева,

A.П. Бычкова, В.А. Галанова, З.К. Голды, А.Д. Голубовича, И.А. Гусевой, В.Е. Грабарника, Ю.А. Данилова, В.И. Дегтяревой, И.В. Добашиной, С.И. Драчева, Е. Евстигнеева, Б.А. Жалнинского, Е.Ф. Жукова, О.А. Кандинской, А.А. Килячкова, А.В. Коланькова,

B.В. Коланькова, В.И. Колесникова, А.А. Козлова, О.И. Лаврушина, О.И. Мартыновой, Я.С. Мелкумова, В.Д. Миловидова, И.Н. Платоновой, А. Радыгина, А.В. Семенкова, Е.В. Семенковой, Ю.С. Сизова, А.Ю. Симановского, Е.Б. Соломатина, Е.С. Стояновой, В.И. Таранкова, В.А. Тарачева, B.C. Торкановского, Э.А. Уткина, Л.П. Хабаровой, Л.А. Чалдаевой, А.С. Чеснокова, Б.М. Ческидова, Е.В. Чирковой, А.А. Эрлих, А.А. Фельдмана, А.Б. Фельдмана и др.

В существующей в России литературе по фондовым рынкам последние рассматриваются, в первую очередь, с точки зрения инструментов, их видов и особенностей выпуска. При этом остается обойденным вопрос об их абсолютных и относительных масштабах, а также о количественной соразмерности с другими финансовыми рынками.

Зарубежные работы в большинстве случаев не содержат комплексного исследования проблем развития фондовых рынков, останавливаясь на отдельных аспектах, группах проблем или особенностях отдельных рынков. Наиболее глубокие исследования в рассматриваемой области были сосредоточены в 90-е годы в группе Всемирного банка (World Bank), Международного валютного фонда (IMF), Банка международных расчетов (BIS), в таких профессиональных ассоциациях, как Международная организация комиссий по ценным бумагам (IOSCO), Всемирная федерация бирж (WFE), во вновь созданных после кризиса конца 90-х годов международных структурах, решающих задачу создания новой мировой финансовой архитектуры. Известны публикации Р. Вишны, С. Дианкова, Ш. Каломириса, Ш. Киндельбергера, А. Левита, Р. Ла Порта, Р. Левин, Ф. Мишкина, Р. фон Розена, Дж. Сороса, Б. Тэйлора, П. Фишера, А. Шляйфера.

Вместе с тем, можно отметить, что ряд проблем статистической оценки структуры фондовых рынков и происходящих на них процессов в теоретическом и методологическом плане раскрыты недостаточно. Также можно говорить о неполной проработке вопросов математического моделирования и статистического прогнозирования на фондовом рынке.

Цель и задачи исследования.

Целью диссертационной работы является систематизация показателей и выявление их роли и аналитических возможностей при проведении статистического анализа тенденций развития фондового рынка России, а также последующее статистическое исследование структуры и процесса развития российского рынка ценных бумаг.

В соответствии с указанной целью в работе были поставлены и решены следующие задачи: определить основные источники информации о структуре и развитии отечественного фондового рынка; разработать классификационные признаки для статистических показателей фондового рынка, а также сформировать систему названных статистических показателей; проанализировать количественные характеристики мировых рынков акций, долговых ценных бумаг и производных финансовых инструментов, определить объемы, динамику мировых фондовых рынков и факторы, влияющие на их развитие; дать характеристику российского рынка ценных бумаг в сравнении с другими развитыми и формирующимися рынками, осуществить анализ итогов его развития; систематизировать процессы, происходящие на рынке ценных бумаг России, на базе статистического анализа данных 2002 г.; провести сравнительный анализ статистических прогнозных моделей динамики индекса российского рынка ценных бумаг.

Объект и предмет исследования.

Объектом исследования в данной работе является российский рынок ценных бумаг, рассматриваемый в сопоставлении с зарубежными развитыми и формирующимися фондовыми рынками.

Предметом исследования выступает количественная характеристика функционирования фондового рынка России, отдельных сегментов этого рынка, а также тенденций его развития.

Методология и методика исследования.

Методологическую и теоретическую основу диссертации составляют фундаментальные положения экономической теории, в первую очередь - теории функционирования финансовых рынков. Исследование основывалось на методологии системного анализа, дающей возможности раскрыть структуру и причинно-следственные связи внутри сложных социально-экономических систем, сформировать их модели и осуществить прогноз их развития. Широко использовались сравнительный анализ, метод аналогий, статистическая обработка массивов эмпирических данных для выявления причинно-следственных связей и тенденций в развитии фондовых рынков, экстраполяция тенденций, экспертный анализ. Решение конкретных проблем проводилось методами статистического анализа с использованием современных математических моделей.

Информационная база исследования.

В работе использована и систематизирована статистика ОЭСР, Международной федерации фондовых бирж, Банка международных расчетов, Международной финансовой корпорации, Международного валютного фонда, издания центральных банков и национальных статистических органов, отчеты ведущих зарубежных и российских биржевых и внебиржевых торговых систем, базы данных национальных органов регулирования рынка ценных бумаг, монографические исследования, различные справочные издания, материалы зарубежной и российской периодической печати, посвященные развитию фондового рынка. Значительная часть исходных документов получена из сети Интернет.

Для исследования внутренних аспектов организации российского рынка ценных бумаг использованы базы данных Московской межбанковской валютной биржи (ММВБ), Российской торговой системы (РТС), Национальной ассоциации участников фондового рынка, Банка России, ФКЦБ России, Регионального отделения ФКЦБ по Центральному федеральному округу, Минфина РФ, Госкомстата РФ и др.

При практическом выполнении необходимых процедур подготовка исходных данных и их преобразования осуществлялись с помощью табличного процессора MS Excel (Microsoft, Corp.) и системы управления базами данных MS SQL Server (Microsoft, Corp.), a все выполняемые статистические расчеты проводились в среде пакета программ STATISTICA (StatSoft, Inc.).

Научная новизна работы.

Научная новизна диссертационного исследования состоит в проведении статистической оценки и анализа процессов, происходящих на российском фондовом рынке, а также в прогнозировании его развития.

В частности, был осуществлен расчет статистических параметров российского рынка ценных бумаг, проведена их аналитическая интерпретация в сопоставлении с большой группой развитых и формирующихся рынков, и на этой основе дана системная характеристика основных проблем и диспропорций отечественного рынка.

На основе данных статистики за 2002 г. проведен анализ состояния рынка ценных бумаг России, позволивший выявить общие тенденции развития отечественного фондового рынка в указанный период.

Разработана методика построения краткосрочного прогноза индекса российского фондового рынка на основе методов множественной регрессии с использованием лаговых переменных и компонентного анализа. Данная методика была апробирована на данных об уровнях временных рядов значений различных финансовых показателей за 2000 - 2003 гт.

Практическая значимость работы.

Практическая значимость работы заключается в том, что разработанные в диссертации теоретические положения и полученные результаты анализа и прогнозирования показателей статистики фондового рынка в России могут быть использованы органами исполнительной власти, регулирующими рынок ценных бумаг (ФКЦБ России, Банком России, Минфином РФ и др.), саморегулируемыми организациями (Национальной фондовой ассоциацией и др.), торговыми системами (ММВБ и РТС) и другими инфраструктурными институтами рынка, коммерческими банками и брокерско-дилерскими компаниями в их деятельности по расширению инвестиционного потенциала российского фондового рынка и снижению его рисков. Разработанная система статистических показателей, а также проведенный анализ фактических данных могут быть использованы в практической деятельности статистических органов, а также в учебном процессе по дисциплинам «Экономическая статистика», «Экономическая теория», «Финансовые рынки».

Апробация и внедрение результатов исследования.

Основные теоретические и методологические положения диссертации нашли отражение в статьях, опубликованных в сборниках научных трудов, обсуждались на межвузовских конференциях, использованы при рассмотрении отдельных тем по названным выше учебным дисциплинам.

Объем и структура диссертации.

Работа состоит из введения, трех основных глав, заключения, списка использованной литературы и приложений. Содержание работы изложено на 192 страницах. Цифровой и графический материал представлен в 29 таблицах и 39 рисунках. Работа насчитывает 5 приложений.

Заключение диссертации по теме «Бухгалтерский учет, статистика», Дорохов, Евгений Владимирович

Заключение

В результате проведенного диссертационного исследования решены поставленные задачи и сформулированы следующие выводы:

1. При статистическом изучении структуры и развития фондового рынка можно опираться на следующие основные источники информации: а) проспекты эмиссии, отчетность эмитентов о выпуске ценных бумаг, а также их финансовую отчетность (бухгалтерский баланс, отчет о прибылях и убытках); б) статистические наблюдения и отчетность фондовых бирж (о курсах ценных бумаг, объемах оборота, количестве сделок и т.д.). Как было отмечено выше, современные фондовые биржи организуют торговлю ценными бумагами преимущественно с использованием компьютерных систем торговли. Соответственно, в этом случае при регистрации каждой сделки формируется первичная статистическая информация, которая затем группируется, сводится и распространяется биржами и информационными агентствами; в) статистические наблюдения и отчетность организованных систем внебиржевого оборота. Крупные системы внебиржевой торговли также опираются исключительно на автоматизированную технологию торгов, регистрации и распространения информации (Российская торговая система и т.п.); г) отчетность финансовых органов и центральных банков о состоянии государственного долга, статистические публикаций комиссий по ценным бумагам или иных государственных органов, регулирующих рынок ценных бумаг; д) статистические публикации ассоциаций профессиональных участников рынка ценных бумаг и институциональных инвесторов (например, Международной федерации фондовых бирж); е) публикации рейтинговых агентств; ж) статистические публикации международных организаций и финансовых институтов (Международной финансовой корпорации, Банка международных расчетов, МВФ, ОЭСР и др.).

В приведенном перечне можно выделить два основных класса источников, представляющих информацию, соответственно, на макро- и микроуровне. В совокупности они составляют систему раскрытия информации, без эффективного функционирования которой невозможно проведение качественной аналитической работы.

2. Комплексное статистическое изучение фондового рынка предполагает исследование характеристик ценных бумаг (их курсов, объемов, торгов, качества), а также деятельности участников рынка (эмитентов, инвесторов и т.д.), причем отдельно как по видам рынков ценных бумаг (биржевой и внебиржевой, первичный и вторичный), так и по видам самих ценных бумаг (акции, облигации и т.д.). Кроме того, для целей практического использования необходимо иметь возможность рассмотрения фондового рынка «по вертикали» (во всей его целостности в конкретный момент времени) и «по горизонтали» (в динамике).

В этой связи в статистике фондового рынка разработана система взаимосвязанных и взаимосогласованных статистических показателей, включающая следующие разделы: статистика объемов и структуры операций с ценными бумагами; статистика курсов ценных бумаг (ценовые показатели); статистика качества ценных бумаг и фондового рынка в целом; статистика фондовых индексов; статистика производных финансовых инструментов; статистика деятельности участников фондового рынка.

Особым разделом статистического изучения фондового рынка является оценка ценных бумаг и определение их доходности.

3. В условиях высокоразвитой рыночной экономики в ценных бумагах воплощена основная часть всех финансовых активов общества. В 2002 г. совокупный объем рынка акций и долговых ценных бумаг, исчисленный по величине капитализации и задолженности, составил астрономическую цифру в 72 трлн. долл., что более, чем в два раза превышает суммарный объем мирового ВВП и примерно в три раза - показатель денежной массы М2 (то есть наличные деньги и средства на счетах в банках). В США доля осязаемых активов в структуре активов населения и бесприбыльных организаций на протяжении нескольких десятилетий держится на уровне примерно одна треть, оставшиеся две трети приходятся на финансовые активы, из которых только 10-15% - депозиты в банках, а остальное - ценные бумаги в той или иной форме. В других государствах с развитыми рынками пропорции могут быть иными, однако все равно доля ценных бумаг очень высока. Иная картина сложилась на многих формирующихся рынках, к которым относятся развивающиеся страны и страны с переходной экономикой, где большая часть финансовых активов приходится на банковские депозиты или накопления наличной иностранной валюты.

4. Экспертная оценка для России показывает, что выпуск акций играл (с 1992 г. по конец 1998 г.) практически нулевую роль в инвестиционном процессе, поскольку эмиссий, сопровождающихся привлечением капитала предприятиями, в России практически не было.

Большая часть эмиссий после ваучерной приватизации 1992-1994 гг. была связана с переоценкой основных фондов предприятий. Эмиссия облигаций на внутреннем рынке осуществлялась до августа 1998 г. фактически (в экономически значимых объемах) только государственными органами всех уровней власти (федерального, субфедерального, муниципального), частные эмитенты успешно размещали свои облигации лишь на международном рынке, объем привлеченного таким образом капитала был очень мал. Что касается эмиссий облигаций правительством Российской Федерации, то их большая часть направлялась на покрытие текущего бюджетного дефицита и напрямую не была связана с инвестициями (хотя с инвестициями отчасти связаны еврооблигационные займы, размещенные субъектами России). Таким образом, рынок ценных бумаг в России в целом пока играл роль только в покрытии бюджетного дефицита и перераспределении собственности в процессе приватизации, а не в финансировании хозяйства.

5. Воссозданный в начале 90-х годов после многолетнего перерыва российский рынок ценных бумаг не выполнил в прошлое десятилетие свою основную функцию -перераспределение денежных ресурсов в реальный сектор на покрытие потребностей в инвестициях, формирование рыночной оценки бизнеса. Вместо этого сформировался очень небольшой, спекулятивный, с высокой долей иностранных краткосрочных инвесторов рынок, который был сверхконцентрирован в Москве и охватывал обращение ограниченной группы ценных бумаг. В 90-е годы свободное движение капиталов (либерализация иностранных инвестиций на рынке государственных ценных бумаг и преобладание оффшорных расчетов на рынке акций) при искусственно завышенной доходности финансовых активов и закрепленном валютном курсе рубля создавали широкие возможности для спекулятивных разогревов рынка и последующих крупных его падений. Олигополистическая структура рынка, его информационная асимметрия, сверхконцентрация на нескольких ценных бумагах определяли неизбежность манипулирования ценами. Рынок корпоративных ценных бумаг был полностью отделен от внутренних инвесторов, его движение полностью определялось внешними рынками и спросом спекулятивных иностранных инвесторов.

2001-2002 гг. были удачными и для российской экономики, и для рынка ценных бумаг (позитивная динамика при падении капитализации и объемов сделок на основных фондовых рынках мира). Однако эти годы хотя и улучшили, но не изменили кардинально ситуацию, в которой российский рынок ценных бумаг не соответствует размерам экономики, является относительно меньшим по размерам, чем рынки-конкуренты.

6. Из общих тенденций развития российского рынка ценных бумаг в 2002 г. можно отметить возросшую значимость корпоративного сегмента фондового рынка по сравнению с государственным. Сохранилась также общая тенденция к снижению доходности инструментов государственного (федерального и регионального) и корпоративного сегментов рынка облигаций при дальнейшем сокращении ценовых спрэдов между этими группами инструментов.

7. Наряду с проведенным статистическим анализом фондового рынка России, актуальной задачей при исследовании динамики происходящих на российском рынке ценных бумаг процессов является прогнозирование возможных будущих значений различных статистических показателей, и в частности, фондовых индексов.

При этом процесс построения прогнозных моделей для фондового рынка сложен и неоднозначен. Это связано с тем, что противоречивые силы, действующие на фондовом рынке, с трудом поддаются формализации. Построение моделей для современного российского рынка осложняется еще и спецификой периода переходной экономики, который переживает Россия. Это является объективной причиной, не позволяющей достичь удовлетворительной точности любых прогнозов. Если, например, на западных рынках аналитик, специализирующийся на корпоративных акциях, может использовать данные по тысячам эмитентов за десятки лет, то на российском рынке речь может идти лишь о десятках эмитентов и времени, ненамного превышающем 3-4 года. Кризис августа 1998 г. привел к такому падению ликвидности российского фондового рынка, что использование для прогнозов данных за период следующего после кризиса года представляется невозможным.

Одним из самых распространенных на практике статистических методов исследования развития процессов различного рода является метод, основанный на использовании корреляционного и регрессионного анализа, который предназначен для изучения возможных зависимостей, существующих между рядом характеристик процесса. При статистической зависимости признаки не связаны функционально, но как случайные величины заданы совместным распределением вероятностей.

В заключительном разделе работы отражены результаты практического применения метода регрессионного анализа в задаче изучения динамики развития российского рынка ценных бумаг, решаемой путем краткосрочного прогнозирования значений фондового индекса.

С использованием предварительно преобразованных к стационарному виду временных рядов значений отобранных статистических показателей были построены три регрессионные модели (методом пошагового регрессионного анализа с последовательным включением наиболее значимых объясняющих переменных, методом компонентного анализа и методом анализа распределенных лагов), каждая из которых изучалась на предмет адекватности с помощью F- и ^-критериев, статистики Дарбина-Уотсона, а также теста

Голдфелда-Квандта. Затем в построенных моделях было проведено ретроспективное прогнозирование с одновременным исследованием выборочной дисперсии ошибок прогноза в соответствии с процедурой скользящего экзамена.

Выполненные исследования убеждают в следующем: несмотря на то, что статистические методы прогнозирования на основе многофакторных регрессионных моделей являются одними из наиболее простых методов, выдаваемые ими результаты оказываются вполне адекватными в практических задачах.

Список литературы диссертационного исследования кандидат экономических наук Дорохов, Евгений Владимирович, 2004 год

1. Агарков М.М. Основы банкового права. Учение о ценных бумагах. М.: Издательство БЕК, 1994. - 349 с.

2. Агарков М.М. Учение о ценных бумагах. М.: Финстатинформ, 1993.

3. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Исследование зависимостей. М.: Финансы и статистика, 1985.

4. Айвазян С.А., Мхитарян B.C. Практикум по прикладной статистике и эконометрике. - М.:МЭСИ, 2000.- 160 с.

5. Айвазян С.А., Мхитарян B.C. Прикладная статистика и основы эконометрики. М.: ЮНИТИ, 1998,- 1022 с.

6. Алексеев М. Ю. Рынок ценных бумаг и организация работ на нем. - М.: Перспектива, 1991.-134 с.

7. Алексеев М.Ю. Рынок ценных бумаг. - М.: Финансы и статистика, 1992.

8. Алексеев М.Ю., Миркин Я.М. Технология операций с ценными бумагами. М.: Перспектива. 1992. - 208 с.

9. Алехин Б.И. Рынок ценных бумаг. Введение в фондовые операции. М.: Финансы и статистика, 1991.- 159с.

10. Анализ ценных бумаг Грэма и Додда/ Под ред. Коттл С, Мюррей Р.Ф., Блок Ф.Е. М.: Олимп-Бизнес, 2000. - 694 с.

11. И.Андерсон Т. Статистический анализ временных рядов: Пер. с англ. под ред. Ю.К. Беляева. М.: Мир, 1976. - 755 с.

12. Аникин А.В. История финансовых потрясений. От Джона Ло до Сергея Кириенко. -М.: Олимп-Бизнес, 2000.

13. Аникин А.В. Кредитная система современного капитализма. М.: Наука, 1964.

14. Афанасьев В.Н., Юзбашев М.М. Анализ временных рядов и прогнозирование. М.: Финансы и статистика, 2001. - 228 с.

15. Бабешко Л.О. Коллокационные модели прогнозирования в финансовой сфере. М.: Экзамен, 2001.-288 с.

16. Банковская система России. Настольная книга банкира. В 3 кн. / Авт. кол.: Л.И.Абалкин, Г.А.Аболихина, М.Г.Адибеков, Л.Д.Андросова и др.; Ред. кол.: А.Г.Грязнова и др. М.: ДеКа, 1995. - 768 с.

17. Бард B.C. Инвестиционные проблемы российской экономики. М.:Экзамен, 2000. -383 с.

18. Батлер У.Э., Гаши-Батлер М.Е. Корпорации и ценные бумаги по праву России и США. М.: Зерцало, 1997.

19. Белов В.А. Рынок ценных бумаг: вопросы правовой регламентации. М.: Гуманитарное знание, 1993.

20. Беляков М.М. Вексель как важнейшее платежное средство. - М.: МП «Трансферт», 1992.

21. Бендат Дж., Пирсол А. Измерение и анализ случайных процессов: Пер. с англ. Г.В. Матушевского, В.Е. Привальского. М.: Мир, 1974. - 464 с.

22. Беренс В., Хавранек П.М. Руководство по оценке инвестиций. - М.: Инфра-М, Интерэксперт, 1995. 527 с.

23. Берзон Н.И., Ковалев А.П. Акционерное общество: Капитал, правовая база, управление: Практическое пособие для экономистов и менеджеров. М.: Финстатинформ, 1995. - 159 с.

24. Бизнес на рынке ценных бумаг. Российский вариант. Отв. ред. Коланьков В.В., Коланьков А.В., Грабарник В.Е., Кардовский К.Е. М.: Граникор, 1992.

25. Биржевая деятельность. Под ред. Грязновой А.Г. и др. М.: Финансы и статистика, 1996.

26. Бланк И.А. Инвестиционный менеджмент. Киев: МП «ИТЕМ», 1995. - 448 с.

27. Блюм А. А. История кредитных учреждений и современное состояние кредитной системы в СССР. М.: Госфиниздат, 1929. - 233 с.

28. Богатин Ю., Швандар В. Оценка эффективности бизнеса и инвестиций. М.: Юнити, 1999.-254 с.

29. Большее JI.H., Смирнов Н.В. Таблицы математической статистики. М.: Наука, 1965.

30. Боровиков В.П., Ивченко Г.И. Прогнозирование в системе STATISTICA в среде Windows. -М.: Финансы и статистика, 2000.

31. Боровков А.А. Курс теории вероятностей. М.: Наука, 1972.

32. Бородулин В. Рынки ценных бумаг США. М.: Московская центральная фондовая биржа, 1992.

33. Бороздин П.Ю. Ценные бумаги и фондовый рынок. М.: Московский государственный открытый университет, Институт экономики и права, 1994.

34. Браун С, Рицмен М. Количественные методы финансового анализа. Пер. с англ. М.: ИНФРА-М, 1996.-336 с.

35. Брегель Э.Я. Денежное обращение и кредит капиталистических стран. - М.: Финансы, 1973.

36. Брейли Р., Майерс С. Принципы корпоративных финансов. М.: Олимп-Бизнес, 1997.- 1087 с.

37. Буклемишев О.В. Рынок еврооблигаций. М.: Дело, 1999.

38. Буренин А.И. Рынки производных финансовых инструментов. М.: Инфра-М, 1996. -368 с.

39. Буренин А.И. Фьючерсные, форвардные и опционные рынки. М.: Тривола, 1994.

40. Бычков А. Глобализация экономики и мировой фондовый рынок // Вопросы экономики. М., 1997, №12.

41. Бэстэнс Д.Э., Ван Ден Берг В.М., Вуд Д. Нейронные сети и финансовые рынки: принятие решений в торговых операциях. М.: ТВП, 1997.

42. Вакуленко С. Перспективы деятельности рейтинговых агентств в России // Бюллетень финансовой информации. 1998. -№ 8. - С. 52-53.

43. Валовая Т.Д. Европейская валютная система. М.: Финансы и статистика, 1986.

44. Ван Хорн Дж.К. Основы управления финансами: Пер. с англ. /Гл. ред. серии Я.В.Соколов. М.: Финансы и статистика, 1996. - 800 с.

45. Васильев Г. А., Каменева Н.Г. Товарные биржи. М.: Высшая школа, 1991 . - 111 с.

46. Вейсвейллер Р. Арбитраж: Возможности и техника операций на финансовых и товарных рынках: Пер. с англ. М.: Церих-ПЭЛ, 1995. - 206 с.

47. Вексель и вексельное обращение в России: Практическая энциклопедия / А.В. Волохов, Б.А.Жалнинский, В.В.Ильин и др.; Сост.: А.Г. Морозов,Д.А.Равкин. 4-е изд., перераб. и доп. - М. Банковский Деловой Центр, 1998. - 320 с.

48. Владиславлев Д.Н. Конкуренция и монополия на фондовом рынке. М.: Экзамен, 2001.-255 с.

49. Волков И.М., Грачева М.В. Проектный анализ: Учебник для вузов. М.: Банки и биржи, ЮНИТИ, 1998. - 423 с.

50. Воловик A.M., Семенков А.В. Три эпохи биржи в России. М.: Финансы и статистика, 1993. - 93 с.

51. Волынский B.C. Кредит в условиях современного капитализма. М.: Финансы и статистика, 1991.

52. Вострокнутова А.И. Инвестиционная оценка акций: российские нефтяные компании.- СПб: Интерлайн, 2000.

53. Вэйтилингэм Р. Руководство по использованию финансовой информации Financial Times. М.: Финансы и статистика, 1999. - 400 с.

54. Гайдышев И. Анализ и обработка данных: специальный справочник. - СПб: Питер, 2001.

55. Галкин И.В., Комов А.В., Сизов Ю.С., Чижов С.Д. Фондовые рынки США и России: становление и регулирование. -М.: Экономика, 1998.

56. Гальперин В.М., Игнатьев С.М., Моргунов В.И. Микроэкономика, т.1. - Санкт-Петербург: Экономическая школа, 1996. 349 с.

57. Гейнц Д., Аношин И. Старые индексы на новом рынке // Рынок ценных бумаг. М., 2000,-N2.-С. 5-8.

58. Гейст Ч.Р. История Уолл-Стрит. М.: Издательство «Квартет-Пресс», 2001. - 480 с.

59. Гиндин И.Ф. Русские коммерческие банки. М.: Госфиниздат, 1948. - 454 с.

60. Гитман Л.Дж., Джонк М.Д. Основы инвестирования: Пер. с англ. /Академия народного хозяйства при Правительстве РФ. М.: Дело, 1997. - 992 с.

61. Глущенко В.В. Прогнозирование. 3-е изд. - М.: Вузовская книга, 2000. - 208 с.

62. Голицын Ю.П. Фондовый рынок дореволюционной России. Очерки истории. -М.:ФИД «Деловой экспресс», 2001. 280 с.

64. Голубович А. Д., Миримская О.М. Биржевая торговля и инвестирование в США М.: МЕН АТЕП-ИНФОРМ, 1991.

65. Гранатуров В.М. Экономический риск: сущность, методы измерения, пути снижения: Учебное пособие. М.: Издательство «Дело и Сервис», 1999. - 112 с.

66. Грачева М.В. Анализ проектных рисков: Учеб. пособие для вузов. М.: ЗАО Финстатинформ, 1999. - 216 с.

67. Грязнова А.Г., Федотова М.А. Оценка бизнеса. М.: Финансы и статистика, 1999. -510 с.

68. Гудков Ф.А. Инвестиции в ценные бумаги: Руководство по работе с долговыми обязательствами для бухгалтеров и руководителей предприятий. М.: ИНФРА-М, 1996.- 160 с.

69. Гудков Ф.А., Макеев А.В. Вексель: Практическое пособие по применению (рекомендации предприятиям) / Сост. Д. А.Равкин. М.: Банковский Деловой Центр, 1996.- 132 с.

70. Данилов Ю.А. Создание и развитие инвестиционного банка в России. М.: Дело, 1998.-352 с.

71. Де Ковни Ш, Такки К. Стратегии хеджирования. Пер. с англ. М.: Инфра-М, 1996.

72. Дегтярева В.И., Кандинская О.А. Биржевое дело. М.: Юнити, 1997.

73. Деньги. Кредит. Банки / Под ред. О.И.Лаврушина. М.: Финансы и статистика, 2001.- 460 с.

74. Дериг Х.-У. Универсальный банк - банк будущего. М.: Международные отношения.- 1999.-383 с.

75. Дефоссе Г. Фондовая биржа и биржевые операции: Пер. с фр. 2-е изд. - М.: Церих-ПЭЛ, 1995.-114 с.

76. Динкевич А.И. Финансовая и денежно-кредитная система Японии. М.: Финансы, 1977.

77. Долинская В.В. Акционерное право. М.: Юридическая литература, 1997. - 351 с.

78. Доугерти К. Введение в эконометрику. М.: Инфра-М, 1997.

79. Драчев С.И. Фондовые рынки: основные понятия, механизмы, терминология. - М.: Анкил, 1991.

80. Дробозина JI. А. Общая теория финансов. М.: ЮНИТИ, 1995. - 275 с.

81. Дуброва Т.А. Статистические методы прогнозирования. М.: ЮНИТИ, 2003. - 206 с.

82. Дуброва Т.А., Павлов Д.Э., Осипова Н.П. Факторный анализ с использованием ППП STATISTIC А. М.: МЭСИ, 2000. - 64 с.

83. Дуброва Т.А., Павлов Д.Э., Ткачев О.В. Корреляционно-регрессионный анализ в системе STATISTICA. М.: МЭСИ, 1999. - 72 с.

84. Дьяченко В.П. История финансов СССР (1917-1950). М.: Наука, 1978. - 492 с.

85. Елисеева И.И., Юзбашев М.М. Общая теория статистики, 4 изд. М.: Финансы и статистика, 2002.

86. Ефимова М.Р., Петрова Е.В., Румянцев В.Н. Общая теория статистики. М.: Инфра-М, 1998.

87. Жуков Е.Ф. Инвестиционные институты. М.: Банки и биржи, ЮНИТИ, 1998.

88. Жуков Е.Ф. Ценные бумаги и фондовые рынки: Учебное пособие / Всесоюзный заочный финансово-экономический институт. М.: Банки и биржи: ЮНИТИ, 1995. -224 с.

89. Зайцева Л.И. Биржа в России, или падение Святой Руси: В документах и публикациях конца XIX начала XX века. - М.: Институт экономики РАН, 1993.

90. Захаров А.В. О концепции единого валютного пространства СНГ. М.: Юстицинформ, 2002. - 143 с.

91. Иванов К.В. Фьючерсы и опционы: механизм сделок. Ред.Л.Антипова. М.: Златоцвет, 1993.

93. Игошин Н.В Инвестиции. Организация управления и финансирование. М.: Финансы, 2000. - 413 с.

94. Каменева Н.Г. Организация биржевой торговли: Учебник. М.: Банки и биржи: ЮНИТИ, 1998.-304 с.

95. Карпиков Е.И., Тарачев В.А. Ценные бумаги субъектов Российской Федерации и муниципальных образований. - М.: Рейтинг, 1997.

96. Катасонов В.Ю. Бегство капитала из России. М.: АНКИЛ, 2002. - 199 с.

97. Кендэл М. Временные ряды: Пер. с англ. Ю.П Лукашина. М.: Финансы и статистика, 1981. - 199 с.

98. Кещян В.Г. Биржевой рынок. Страницы истории и становления в современных условиях. М.: РЭА, 1996.

99. Кильдишев Г.С., Аболенцев Ю.И. Многомерные группировки. М.: Статистика, 1978. - 160 с.

100. Килячков А.А., Чаадаева Л.А. Практикум по российскому рынку ценных бумаг. М.: Издательство БЕК, 1997.

101. Килячков А.А., Чаадаева Л.А. Рынок ценных бумаг и биржевое дело. М.: Юристь, 2000.

102. Клупт М.А. Международная финансовая статистика. СПб.: СПбУЭФ, 1996.

103. Ковалев В.В. Финансовый анализ. М.: Финансы и статистика, 1996. - 429 с.

104. Коваленко Е.Г. Англо-русский словарь банковской терминологии. Под редакцией чл.корр. РИА Тимофеева Н.И. Международная инженерная энциклопедия. Серия «Экономика и финансы», центр «Наука и техника». Москва, 1994. - 462 с.

105. Козлов А. , Салун В. Сколько стоит «закрытая» компания? // Рынок ценных бумаг. М., 1999. - N16. - С. 50-55.

106. Коласс Б. Управление финансовой деятельностью предприятия: Проблемы, концепции и методы: Учебное пособие / Пер. с фр. под ред. Я.В. Соколова. М.: Финансы, ЮНИТИ, 1997. - 576 с.

107. Колб Р.У. Финансовые деривативы. Пер. с англ. - М.: ИИД Филинъ, 1997.

108. Колби Р., Мейерс Т. Энциклопедия технических индикаторов рынка. Пер. с англ. М.: Альпина, 1998.

109. Колесников В.И., Торкановский B.C. и др. Ценные бумаги. М.: Финансы и статистика, 1998.

110. Количественные методы финансового анализа. Под ред. Энтова P.M. - М.:ИНФРА-М, 1996. 336 с.

111. Корельский В.Ф., Гаврилов Р.В. Толковый биржевой словарь. М.: Экспедитор, Руссо, 1996.-432 с.

112. Корнеев В.В., Гареев А.Ф., Васютин С.В., Райх В.В. Базы данных. Интеллектуальная обработка информации. М.: Нолидж, 2000.

113. Костиков И.В. Дефолты на рынке муниципальных облигаций США: Экономические аспекты. М.: Наука, 2001. - 376 с.

114. Коттл С, Мюррей Р.Ф., Блок Ф.Е. Анализ ценных бумаг Грэма и Додда. М.: Олимп-Бизнес, 2000. - 694 с.

115. Коупленд Том, Коллер Тим, Муррин Джек. Стоимость компаний: Оценка и управление: Пер. с англ. /Науч. ред. Н.Н. Барышникова. М.: Олимп-Бизнес, 1999. -576 с.

116. Крамер Г. Математические методы статистики. - 2-е изд. М.: Мир, 1975.

117. Крамер Г., Лидбеттер М. Стационарные случайные процессы: Пер. с англ. под ред Ю.К. Беляева. М.: Мир, 1969. - 400 с.

118. Крейнина М.Н. Финансовое состояние предприятия. Методы оценки. М.: ДИС, 1997.-224 с.

119. Кураков В.Л. Правовое регулирование рынка ценных бумаг Российской Федерации. -М.: Пресс-сервис, 1998. 288 с.

120. Лаврушин О.И., Мамонова И.Д., Валенцева Н.И. и др. Банковское дело. М.: Финансы и статистика, 1998.

121. Лаврушин О.И., Ямпольский М.М., Савинский Ю.П. и др. Деньги, кредит, банки. М.: Финансы и статистика, 1999.

123. Ли Ченг Ф., Финнерти Дж.И. Финансы корпораций: Теория, методы и практика: Учебник для вузов: Пер. с англ. М.: ИНФРА-М, 2000. - 686 с.

124. Лоэв М. Теория вероятностей: Пер. с анл. под ред. Ю.В. Прохорова. М.: Издательство иностранной литературы, 1962. - 720 с.

125. Лугачев М.И., Ляпунцов Ю.П. Методы социально-экономического прогнозирования. -М.: ТЕИС, 1999. 160 с.

126. Любушин Н.П., Лещева В.Б., Дьякова В.Г. Анализ финансово-экономической деятельности предприятия: Учеб. пособие для вузов / Под ред. проф. Н.П.Любушина.- М.: ЮНИТИ-ДАНА, 1997. 471 с.

127. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс.- 4-е изд. М.: Дело, 2000. - 400 с.

128. Маккей Ч. Наиболее распространенные заблуждения и безумства толпы. М.: Альпина, 1998.-333 с.

129. Марголин A.M., Быстряков А.Я. Экономическая оценка инвестиций. М.: Экмос, 2001.-240 с.

130. Маркарьян Э.А., Герасименко Г.П. Финансовый анализ. М.: Приор, 1997. -160 с.

131. Маршалл Джон Ф., Бансал Випул К. Финансовая инженерия: Полное руководство по финансовым нововведениям: Пер. с англ. / Науч. ред. Г.А.Агасандян.- М.: ИНФРА-М: 1998. 784 с.

132. Матюхин Г. Г. Мировые финансовые центры. - М., 1979.

133. Международные валютно-кредитные и финансовые отношения. Под. ред. Красавиной Л.Н. М.: Финансы и статистика, 1995.

134. Меладзе В.Э. Курс технического анализа. М.: Серебряные нити, 1997.

136. Мелков А.Е. Кредит и денежный оборот. М.: Финансы и статистика, 1983. -79 с.

137. Меньшиков И.С. Финансовый анализ ценных бумаг: Курс лекций. М.: Финансы и статистика, 1998. - 354 с.

138. Миловидов В. Финансовый рынок и экономика России: размер не имеет значения? // Рынок ценных бумаг. М., 1999, №4.

139. Миловидов В.Д. Паевые инвестиционные фонды. М.:Инфра-М, 1996. - 415 с.

140. Минасов О.Ю. Отраслевая привлекательность российских компаний // Дайджест Финансы. М., 2001. - № 8. - С. 24-31.

141. Минасов О.Ю. Управление рыночной стоимостью акций // Дайджест Финансы. -М., 2001. -№ 10.-С. 26-34.

142. Минасов О.Ю. Факторы, влияющие на рыночную стоимость акций российских предприятий // Московский оценщик. - М., 2001. № 4. - С. 2-23.

143. Миркин Я.М. 30 тезисов. Ключевые идеи развития фондового рынка // Рынок ценных бумаг. М., 2000. - №11. - С. 30-34.

144. Миркин Я.М. Банковские операции: Учеб. пособие. Часть III. Инвестиционные операции банков. Эмиссионно-учредительская деятельность банков. - М.: ИНФРА-М, 1996.-144 с.

145. Миркин Я.М. Долговое измерение экономики // Рынок ценных бумаг. 2001. -№5.-С. 42-46.

146. Миркин Я.М. Защита внутреннего рынка акций // Рынок ценных бумаг. М., 2000.-№ 18.-С. 31-33.

147. Миркин Я.М. Как структура собственности определяет фондовый рынок? // Рынок ценных бумаг. 2000. - № 1. - С. 13-15.

148. Миркин Я.М. Огосударствление и закрытость против рынка ценных бумаг // Рынок ценных бумаг. М., 2000. - № 5. - С. 27-29.

149. Миркин Я.М. Розничный спрос на ценные бумаги // Рынок ценных бумаг. - 2000.-№ 19.-С. 29-31.

150. Миркин Я.М. Сверхконцентрация рыночного риска // Рынок ценных бумаг. -М., 2001.-№ 2.-С. 36-39.

151. Миркин Я.М. Стратегия восстановления и развития фондового рынка // Журнал для акционеров. М., 2000. - № 8. - С. 14-20.

152. Миркин Я.М. Традиционные ценности населения и фондовый рынок // Рынок ценных бумаг. М., 2000. - № 7. - С. 33-36.

153. Миркин Я.М. Ценные бумаги и фондовый рынок: Профессиональный курс в Финансовой Академии при Правительстве РФ. -М.: Перспектива, 1995. 536 с.

154. Миронов В., Попова А. Рынок ипотечных облигаций // Рынок ценных бумаг. -М., 1998. №4.

155. Михайлов Д.М. Мировой финансовый рынок: тенденции и инструменты. М.: Экзамен, 2000. - 768 с.

156. Мурзин Д.В. Ценные бумаги бестелесные вещи. - М.: Статут, 1998.

157. Мусатов В.Т. Фондовый рынок: инструменты и механизмы. М.: Международные отношения, 1991.

158. Мэнкью Н.Грегори. Принципы экономике. СПб.: Питер Ком, 1999. - 784 с.

159. Мэрфи Дж. Технический анализ фьючерсных рынков: Теория и практика: Пер. с англ. / Науч. ред. И.Самотаев. М.: Сокол, 1996. - 589 с.

160. Нечеткие множества в моделях управления и искусственного интеллекта. / По ред. Поспелова Д.А. М.: Наука, 1986.

161. Нидлз Б., Андерсон X., Колдуэлл Д. Приннципы бухгалтерского учета. 2-е изд. - М.: Финансы и статистика, 2000.

162. Нью-Йоркская фондовая биржа: Устав Нью-Йоркской фондовой биржи. Пер. с англ. -М.: Интеркомплекс, 1992.

164. Об утверждении положения о ежеквартальном отчете эмитента эмиссионных ценных бумаг: Постановление федеральной комиссии по рынку ценных бумаг от 11 августа 1998 г. N 31 // Вестник ФКЦБ России. -М., 1998. 18 августа. N 6.

165. Общая теория денег и кредита / Под ред. Е.Ф.Жукова. М.: ЮНИТИ, 2001. -423 с.

166. Отнес Р., Эноксон JI. Прикладной анализ временных рядов: Пер. с англ. под ред. И.Г. Журбенко. М.: Мир, 1982. - 428 с.

167. Отчет о мировом развитии в 1997 году. Государство в меняющемся мире. - М.: Прайм-Тасс, 1997. 301 с.

168. Оценка бизнеса / Под ред. Грязновой А.Г., Федотовой М.А. - М.: Финансы и статистика, 1998. 512 с.

169. Павлов С.В. Фондовая биржа и ее роль в экономике современного капитализма. М.: Финансы и статистика, 1989. - 127 с.

170. Павлюченко В.М., Шапиро В.Д. Управление инвестициями. В 2-х томах. М.: Инфра-М, 1997. - 928 с.

171. Первозванский А.А., Первозванская Т.Н. Финансовый рынок: расчет и риск. -М.:Инфра-М, 1994.

172. Погостинская Н.Н., Погостинский Ю.А. Системный анализ финансовой отчетности. Спб.: Изд-во Михайлова В.А., 1999. - 96 с.

173. Поллард A.M., Пассейк Ж.Г., Эллис К.Х., Дейли Ж.П. Банковское право США.- М.: Прогресс, 1992. 767 с.

174. Поляков В.П., Московкина JI.A. Структура и функции центральных банков. Зарубежный опыт: Учебное пособие. М.: Инфра-М, 1996.

175. Пратт Ш. П. Оценка бизнеса. Анализ и оценка закрытых компаний: Перевод института Экономического развития Всемирного банка / Под ред. Лаврентьев В.Н. -М.: Олимп-бизнес, 2000. 280 с.

176. Пятенко С.В. Кредитно-денежная политика в США. М.: Наука, 1988.

177. Радионов Н.В., Радионова С.П. Основы финансового анализа. Математические методы. Системный подход. Санкт-Петербург: АЛЬФА, 1999. - 592 с.

178. Радыгин А. Д., Энтов P.M. Институциональные проблемы развития корпоративного сектора: собственность, контроль, рынок ценных бумаг. - М.: Институт экономики переходного периода, 1999. 286 с.

179. Райзенберг Б. А., Лозовский Л.Ш., Стародубцева Е.Б. Современный экономический словарь. -М.: Инфра-М, 1997. 496 с.

180. Региональный рынок ценных бумаг: особенности, проблемы и перспективы: Учебно-практическое пособие / Под ред.Т.Б.Бердниковой. М.: Финстатинформ,1996.- 175 с.

181. Рид Э., Коттер Р., Гилл Э., Смит Р. Коммерческие банки. М.: Прогресс, 1983. -501 с.

182. Роде Э. Банки, биржи, валюты современного капитализма. - М.: Финансы и статистика, 1986. 340 с.

183. Розанов Ю.А. Введение в теорию случайных процессов. М.: Наука, 1982. -128 с.

184. Розенберг Дж.М. Инвестиции: Терминологический словарь. М.: Инфра-М,1997.-400 с.

185. Россия 2015: Оптимистический сценарий /Авт. кол.: Л.И.Абалкин, Э.Б.Алаев, А.И.Амосов и др.; Ред. кол.: Л.И.Абалкин, А.В.Захаров и др. - М.: Институт экономики РАН, Московская межбанковская валютная биржа, 1999. - 414 с.

186. Россия в цифрах: краткий статистический сборник. М.: Госкомстат, 2000. -396 с.

187. Рубцов Б.Б. Мировые фондовые рынки. / Мировая экономика и международные отношения, 2001, № 8, стр.35-46.

188. Рубцов Б.Б. Зарубежные фондовые рынки: инструменты, структура, механизм функционирования. М.: Инфра-М, 1996. - 304 с.

189. Рудык Н.Б., Семенкова Е.В. Рынок корпоративного контроля: слияния, жесткие поглощения и выкупы долговым финансированием. М.: Финансы и статистика, 2000.-456 с.

190. Рынок еврооблигаций: структура и механизм функционирования // Банковские услуги. -М., 1997, №№5-6.

191. Рэй К.И. Рынок облигаций. Торговля и управление рисками: Пер. с англ. М.: Дело, 1999.-600 с.

192. Сакс. Д. Рыночная экономика и Россия. М.: Экономика, 1994. - 115 с.

193. Сальков А. Глобализация и фондовые индексы // Рынок ценных бумаг. - М., 2000.-N2.-С. 3-4.

194. Сарчев A.M. Ведущие коммерческие банки в мировой экономике. - М.: Финансы и статистика, 1992.

195. Семенкова Е.В. Операции с ценными бумагами: российская практика. М.: Инфра-М.: Перспектива, 1997. - 328 с.

196. Серебрякова JI. Мировой опыт регулирования рынка ценных бумаг // Финансы. -М., 1996, №6.

197. Симановский А.Ю. Финансово-банковский сектор российской экономики: вопросы формирования и функционирования. М.: Соминтек, 1995.

198. Синельников С. Бюджетный кризис в России: 1985-1995 гг. М.: 1995. - 316 с.

199. Системные проблемы России. Путь в XXI век. Стратегические проблемы и перспективы российской экономики / Отделение экономики Российской академии наук. М.: Экономика, 1999. - 793 с.

200. Смыслов Д.В. Кризис современной валютной системы капитализма и буржуазная политическая экономия. М., 1979.

201. Соломатин Е. Приоритетные технологии на фондовом рынке // Банковские технологии. М., 1999, №10.

202. Сорос Д. Алхимия финансов. М.: Инфра-М, 1996. - 415 с.

203. Сорос Джордж. Кризис мирового капитализма. М.: Инфра-М, 1999. - 260 с.

204. Статистика финансов. Под. ред. Салина В.Н. М.: Финансы и статистика, 2000.

205. Столяров И.И., Лосевская О. А. Соотношение инвестиционного и спекулятивного процессов на финансовом рынке и его отрыв от реального производства // Финансы. М., 1999. - N9. - С. 51-54.

206. Суверов С. Фундаментальный анализ на российском рынке. Обобщение опыта // Рынок ценных бумаг. М., 1999. - N 17. - С. 17-22; N 18. - С.38-44.

207. Таранков В.И. Ценные бумаги Государства Российского. Москва - Тольятти: Издательское предприятие "Интер - Волга", Автовазбанк, 1992. - 648 с.

208. Теория статистики. Под ред. Г.Л. Леонтьевой. - М.: Инфра-М, 2002.

209. Трахтенберг И.А. Денежные кризисы. М.: Издательство Академии Наук СССР, 1963.

210. Тьюлэ Р., Брэдли Э., Тьюлз Т. Фондовый рынок. 6-е изд.: Пер. с англ. - М.: Инфра-М, 1997. - 648 с.

211. Тюрин В. Выпуск ADR/GDR российскими предприятиями // Финансист. М., 1997, №10.

212. Уотшем Т. Дж., Паррамоу К. Количественные методы в финансах. Пер. с англ. М.: Финансы, ЮНИТИ, 1999. - 527 с.

213. Федоров Б.Г. Современные валютно-кредитные рынки. М.: Финансы и статистика, 1989.

214. Федюк И. Американские депозитарные расписки. Связь с инвесторами // Рынок ценных бумаг. М., 2000. - N 21. - С. 26-29.

215. Фельдман А.А. Вексельное обращение. Российская и международная практика. -М.:Инфра-М, 1995.

216. Фельдман А.А. Государственные ценные бумаги. М.: Инфра-М, 1995.

217. Фельдман А.А. Депозитные и сберегательные сертификаты. Чековое обращение. М.: Инфра-М, 1995.

218. Фельдман А.Б. Основы рынка производных ценных бумаг. М.: Инфра-М, 1996.

219. Философов JI.B. Как оценить стоимость акций нефтеперерабатывающих компаний // Нефть России. 1994. - № 2. - С. 17-23.

220. Философов JI.B. Оценка инвестиционной привлекательности акций. Выбор метода // Экономика и жизнь 1993. - №23. - С. 15

221. Финансово-Кредитный Словарь / Под ред. Гарбузов В.Ф. 2-е издание. - М., Финансы и статистика, 1994. - Т. 1-3.

222. Финансы / Под ред. Родионова В.М. - М.: Финансы и статистика, 1992. - 325 с.

223. Фишер П. Прямые иностранные инвестиции для России: стратегия возрождения промышленности. М.: Финансы и статистика, 1999. - 510 с.

224. Фондовая биржа: как котируются ценные бумаги. Сост. Сокальский Б. Под ред. Лебедева Ю.М. М.: Всероссийский биржевой банк, 1992.

225. Фондовые рынки США и России: Становление и регулирование / Авт.кол.: Ю.С.Сизов (рук.), И.В.Галкин., А.В.Комов и др. М.: Экономика, 1998. - 224 с

226. Френкель А.А. Экономика России в 1992-1995гг.: тенденции, анализ и прогноз. М.: Финанстатинформ, 1995. - 142 с.

227. Хелферт Э. Техника финансового анализа. Пер. с англ. М.: ЮНИТИ, 1996. -663 с.

229. Хорин А.Н. Раскрытие существенной информации в бухгалтерской отчетности //Бухгалтерский учет.-М., 1999.-N 9.-С. 81-86; N 10. С. 68-72; N П.-С. 82-86; N 12. - С. 91-95; М., 2000. - N 1. - С. 67-71.

230. Ценные бумаги:Учебник для студентов экономических специальностей вузов /В.И.Колесников,В.С.Торкановский, Л.С.Тарасевич и др.; Под ред. В.И.Колесникова, В. С.Торкановского. М.:Финансы и статистика, 1998. - 416 с.

231. Ценообразование на финансовом рынке: Учеб. пос. / Авт. кол.: В.Е.Есипов, Г.А.Маховикова, Д.И.Трактовенко и др.; Под ред. А.Е.Есипова. Спб.: СПбГУЭФ, 1998.-240 с.

232. Чеканова Е., Чеканов Л. Тенденции развитая и перспективы рынка субфедеральных и муниципальных ценных бумаг в России // Рынок ценных бумаг. -2000. -№3.- С. 81-84.

233. Черников Г.П. Фондовая биржа: международный опыт. М.: Международные отношения, 1991.

234. Ческидов Б.М. Развитие банковских операций с ценными бумагами. - М.: Финансы и статистика, 1997.

235. Чесноков А.С. Инвестиционная стратегия и финансовые игры. М.: ПАИМС, 1994.-320 с.

236. Четыркин Е. Методы финансовых и коммерческих расчетов. М.: Дело, BusinessPe4b, 1992.

237. Четыркин Е.М., Васильева Н.Е. Финансово-экономические расчеты. М.: Финансы и статистика, 1990.

238. Шадрин А. Рынок ипотечных ценных бумаг. Опыт США и перспективы России // Рынок ценных бумаг. М., 1998, №№7-8.

239. Шамхалов Ф.И. Государство и экономика: основы взаимодействия. М.: ОАО Издательство «Экономика», 2000. - 382 с.

240. Шарп У., Александер Г., Бейли Дж. Инвестиции: Пер. с англ. М.: Инфра-М, 1997.- 1024 с.

241. Шварц Ф. Биржевая деятельность Запада (фьючерсные и фондовые биржи, система работы и алгоритм анализа). М.: Аи Кью, 1992.

242. Шведов А.С. Теория эффективных портфелей ценных бумаг. М.: ГУ ВШЭ, 1999.- 144 с.

243. Шенаев В.Н. Банки и кредит в системе финансового капитала ФРГ. - М.: Наука, 1967.

244. Шенаев В.Н. Международный рынок ссудных капиталов. - М.: Финансы и статистика, 1985.

245. Шепелев В. Привилегированные акции и некоторые особенности их оценки // Рынок ценных бумаг. М., 2000. - N 13. - С. 57-61.

246. Шеремет А.Д., Сайфулин Р.С, Негашев Е.В. Методика финансового анализа. -М.: Инфра-М, 2000. 208 с.

247. Шеремет В.В., Павлюченко В.М. Управление инвестициями. В 2-х томах. М.: МКС, 1998.-416 с.

248. Шерер Ф.М., Росс Д. Структура отраслевых рынков. М.: ИНФРА-М, 1997. -698 с.

249. Школьников Ю. Особенности оценки российских компаний // Рынок ценных бумаг. 1998.-№4.-С. 12

250. Штиллих О. Биржа и ее деятельность. СПб.: Братство, 1992.

251. Штольте П. Инвестиционные фонды: Пер. с нем. М.: Финстатинформ: Интерэксперт, 1996. - 168 с.

252. Шупыро В.М. Преобразование государственной собственности. М.: Инфра-М, 1997.-245 с.

253. Эволюционные вычисления и генетические алгоритмы. / Обозрение прикладной и промышленной математики, выпуск 5. М.: ТВП, 1996.

254. Эконометрика. Учебник / Под ред. Елисеевой И.И. М.: Финансы и статистика, 2001. - 344 с.

255. Экономика внешних связей России. / Под ред. Булатова А.С. - М.: БЕК, 1995. - 704 с.

256. Экономика переходного периода: Учеб. пос. / Под ред. В.В.Радаева, А.В.Бузгалина. - М.: Издательство МГУ, 1995. 410 с.

257. Экономическая статистика. / Под ред. Иванова Ю.Н. М.:Инфра-М, 1998.

258. Элдер А. Как играть и выигрывать на бирже (психология, технический анализ, контроль над риском). Пер. с англ. М.: КРОН-ПРЕСС, 1996.

259. Энг М.В., Лис Ф.А., Мауер Л.Дж. Мировые финансы. Пер. с англ. М.: ДеКА, 1998.

260. Энджел Л., Бойд Б. Как покупать акции. Пер. с англ. М.: ПАИС, 1992.

261. Эпштейн Е. Как выйти на рынок акций. Механизм, способы, опыт, проблемы, перспективы // Финансовая Россия. 2000. - № 42. - С. 10

262. Bank for International Settlements Annual Report. Basle 1992-1999.

263. Fama E.F., French K.R. Econometric models and econometric forecasts. 3rd ed. McGraw-Hill, 1991.

264. FIBV Annual Report. Paris 1995-1998.

265. French Daniel W. Security and Portfolio Analysis: Concepts and Management. -Prentice Hall, 1989. 576 pp.

266. Goldberg D.E. Genetic algorithms in search, optimization and machine learning. Adison Wesley, MA, 1989.

267. Gordon Robert J. Macroeconomics. Sixth Edition. HarperCollinsCollegePublisher, 1993.-580 pp.

268. Grabbe J.O. International Financial Markets. Engelwood Cliffs, 1996.

269. Graham В., Dodd D. Security Analysis. The Classic 1934 Edition. McGraw-Hill Companies, 1996. - 725 pp.

270. International Capital Markets: Developments, Prospects, and Key Policy Issues. -Wash.: IMF, 1994-2001.

272. McConnel Campbell R., Brue Stanley L. Economics: Principles, Problems, and Policies. 11th Edition. New York: McGraw - Hill Publishing Company, 1990. - 866 p.

273. Murphy A. Scientific Investment Analysis. - Greenwood Publishing Group, Inc., 2000. 504 pp.

274. NASD Data Relating to The NASDAQ Stock Market Inc. and its Listed Companies. NASD Working Paper 97-01. Washington, July, 1997.

275. Objectives and Principles of Securities Regulation. IOSCO, September 1998, February 2002. - 67 p.

276. Ratner D.L. Securities Regulation in a Nut Shell. St.Paul, 1992.

277. Sharpe W.F. Investments. NY., 1981.

278. Standard & Poor"s Counterparty Ratings Guide, First Quarter 1998.

279. Stocks, Bills, Bonds and Inflation. Total International Investment Returns 16941995. Global Financial Data, http: // www.globalfindata.com

280. Taylor B. Could 1996 Be the Next 1929? Global Financial Data. -http://www.globalfindata.com

281. The New York Stock Exchange Fact Book 1992-1998.

282. United States Securities and Exchange Commission Annual Report 1992-1994.

283. World Development Report 1998/1999. Washington, 1999.

284. World Economic Outlook 1998. IMF, Washington, 1998.

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.

Прогнозирование фондового рынка - это заманчивый «философский камень» для специалистов по анализу данных, которые мотивированы не столько стремлением к материальной выгоде, сколько самой задачей. Ежедневный рост и падение рынка наводят на мысль, что должны быть закономерности, которым мы или наши модели могут научиться , чтобы победить всех этих трейдеров с научными степенями по бизнесу.

Когда я начал использовать аддитивные модели для прогнозирования временных рядов, я протестировал метод на эмуляторе фондового рынка с имитируемыми (ненастоящими) акциями. Неизбежно я присоединился к другим несчастным, которые ежедневно терпят неудачу на рынке. Тем не менее, в процессе я узнал массу нового о Python, включая объектно-ориентированное программирование, манипулирование данными, построение моделей и визуализацию . Также выяснилось, почему не стоит рассчитывать на ежедневную рыночную игру без потери единой копейки (все, что я могу сказать — играть нужно долгосрочно)!

Один день против 30 лет: во что бы вы вложили свои деньги?

В любой задаче, не только в Data science, если не удалось достичь желаемого, есть три варианта:

  1. Изменить результаты так, чтобы они выглядели в выгодном свете;
  2. Скрыть результаты — никто не заметит провала;
  3. Показать результаты и методы всем, чтобы люди могли чему-то научиться и, возможно, предложить улучшения.

В то время как третий вариант - оптимальный выбор на индивидуальном и общественном уровне, он требует наибольшего мужества. Ведь я могу специально демонстировать особые случаи, когда моя модель приносит прибыль. Или можно притвориться, что я не потратил десятки часов на работу, и просто выбросить её. Как глупо! На самом деле, только неоднократно потерпев неудачу и допустив сотню ошибок, мы двигаемся вперед. Более того, код Python, написанный для такой сложной задачи, не может быть написан напрасно!

Этот пост документирует возможности Stocker, инструмента прогнозирования рынка, разработанного мной на Python. я показал, как использовать Stocker для анализа, а для тех, кто хочет опробовать его самостоятельно или внести свой вклад в проект, полный код доступен на GitHub .

Stocker для прогнозирования

Stocker - инструмент Python для прогнозирования рынка. Как только будут установлены необходимые библиотеки (см. документацию), можно запустить Jupyter Notebook в той же папке, что и скрипт, и импортировать класс Stocker:

From stocker import Stocker

Класс теперь доступен для сеанса Jupyter. Создадим объект класса Stocker, передавая ему любой действительный тикер, например, ‘AMZN’ (вывод программы выделен жирным шрифтом):

Amazon = Stocker("AMZN") AMZN Stocker Initialized. Data covers 1997-05-16 to 2018-01-18.

Теперь к нам в распоряжение попали 20 лет ежедневных данных по акциям Amazon для исследований! Stocker построен на финансовой библиотеке Quandl и содержит более 3000 курсов акций для использования. Построим простой график курса, вызывая метод plot_stock:

Amazon.plot_stock() Maximum Adj. Close = 1305.20 on 2018-01-12. Minimum Adj. Close = 1.40 on 1997-05-22. Current Adj. Close = 1293.32.

Stocker применяют для обнаружения и анализа общих трендов и закономерностей, но сейчас сосредоточимся на прогнозировании будущей цены. Предсказания в Stocker производятся с использованием , которая рассматривает временные ряды как комбинацию тренда и сезонных изменений в разных временных масштабах (ежедневный, еженедельный и ежемесячный). Stocker использует «предсказательный» пакет, разработанный Facebook для аддитивного моделирования. Создание модели и прогнозирование можно выполнить в Stocker одной строкой:

# предсказать на дни вперед model, model_data = amazon.create_prophet_model(days=90) Predicted Price on 2018-04-18 = $1336.98

Обратите внимание, что прогноз (зеленая линия) содержит доверительный интервал. Он отражает «неуверенность» модели в предсказании. В данном случае ширина доверительного интервала устанавливается с уровнем доверия 80%. Доверительным называют интервал, который покрывает неизвестный параметр с заданной надёжностью. Он расширяется с течением времени, потому что оценка имеет большую неопределенность по мере того, как она удаляется от имеющихся данных. Каждый раз, делая прогноз, следует включать этот доверительный интервал. Хотя большинство людей, как правило, хотят получить простой численный ответ, прогноз отражает то, что мы живем в неопределенном мире!

Дать предсказание нетрудно: достаточно выбрать некоторое число, и это будет предположением о будущем (возможно, я ошибаюсь, но это всё, что делают люди с Уолл-стрит). Но этого мало. Чтобы доверять модели, нужно оценить ее точность. Для этого в Stocker существует ряд методов.

Оценка прогнозов

Чтобы вычислить точность прогнозов, нам нужен обучающий и тестовый наборы данных. Для тестового набора необходимо знать ответы - фактическую цену акций, поэтому мы будем использовать данные курса за прошлый год (2017, в нашем случае). Во время обучения мы не позволим модели видеть ответы тестового набора, поэтому используем наблюдения за предшествующие три года (2014-2016). Основная идея обучения с учителем (supervised learning) заключается в том, что модель изучает закономерности и отношения в данных из обучающего набора, а затем умеет правильно воспроизводить их на тестовой выборке.

Чтобы количественно оценить точность, на основе предсказанных и фактических значений вычисляются следующие показатели:

  • средняя численная ошибка в долларах на тестовом и обучающем наборе;
  • процент времени, когда мы правильно предсказали направление изменения цены;
  • процент времени, когда фактическая цена попала в пределы прогнозируемого доверительного интервала в 80%.

Все вычисления автоматически выполняются Stocker с приятным визуальным сопровождением:

Amazon.evaluate_prediction() Prediction Range: 2017-01-18 to 2018-01-18. Predicted price on 2018-01-17 = $814.77. Actual price on 2018-01-17 = $1295.00. Average Absolute Error on Training Data = $18.21. Average Absolute Error on Testing Data = $183.86. When the model predicted an increase, the price increased 57.66% of the time. When the model predicted a decrease, the price decreased 44.64% of the time. The actual value was within the 80% confidence interval 20.00% of the time.

Это ужасная статистика! С таким же успехом можно каждый раз подбрасывать монету. Если бы мы руководствовались полученными результатами для инвестиций, нам разумней было бы вложиться в лотерейные билеты. Однако пока не будем отказываться от модели. Изначально она ожидаемо будет довольно плохой, потому что использует некоторые настройки по умолчанию (называемые гиперпараметрами).

Если наши первоначальные попытки не увенчались успехом, мы можем нажимать эти своеобразные рычаги и кнопки, чтобы заставить модель работать лучше. В Prophet можно настроить множество параметров, причем наиболее важным является коэффициент масштаба распределения весов для контрольных точек (changepoint prior scale). Он отвечает за набор весов, который накладывается на развороты и флуктуации тренда.

Настройка выбора контрольных точек

Контрольные точки (changepoints) - это места, где временные ряды значительно меняют направление или скорость изменения цены (от медленно возрастающего до все более быстрого или наоборот). Коэффициент масштаба распределения весов для контрольных точек (changepoint prior scale) отражает количество «уделенного внимания» точкам изменения курса акций. Это используется для контроля над недообучением и переобучением модели (также известный как bias-variance tradeoff).

Проще говоря, чем выше этот коэффициент, тем сильнее учитываются контрольные точки и достигается более гибкая подгонка. Это может привести к переобучению, поскольку модель будет тесно привязываться к обучающим данным и терять способность к обобщению. Снижение этого значения уменьшает гибкость и вызывает противоположную проблему - недообучение.

Модель в таком случае недостаточно «внимательно» следит за обучающими данными и не выявляет основные закономерности. Как правильно подобрать этот параметр - вопрос скорее практический, нежели теоретический, и здесь будем полагаться на эмпирические результаты. Класс Stocker содержит два разных метода для выбора соответствующего значения: визуальный и количественный. Начнем с визуального метода.

# changepoint priors is the list of changepoints to evaluate amazon.changepoint_prior_analysis(changepoint_priors=)

Здесь мы обучаемся на данных за три года, а затем показываем прогноз на шесть следующих месяцев. Сейчас мы не оцениваем прогнозы количественно, а лишь пытаемся понять роль распределения контрольных точек. Этот график отлично демонстрирует проблему недо- и переобучения!

При самом низком значении prior scale (синяя линия) значения недостаточно близко накладывается на обучающие данные (черная линия). Они словно живут своей жизнью, лишь немного приближаясь возрастающему тренду истинных данных. Напротив, самый высокий prior (желтая линия) сильнее приближает модель к учебным наблюдениям . Значение по умолчанию составляет 0.05, которое находится где-то между двумя крайностями.

Обратите внимание также на разницу в неопределенности (закрашенные интервалы) для разных коэффициентов масштаба:

  • Самое маленькое из prior дает наибольшую неопределенность в обучающих данных и наименьшую в тестовом наборе.
  • Напротив, наивысший prior scale имеет наименьшую неопределенность в тренировочном и наибольшую в тестовом.

Чем выше prior, тем точнее совпадают значения, поскольку он “внимательней” следит за каждым шагом. Однако, когда дело доходит до тестовых данных, модель быстро теряется без привязки к реальным значениям. Поскольку рынок изменчив, нужна более гибкая модель, чем заданная по умолчанию, чтобы она могла обрабатывать как можно больше шаблонов.

Теперь, когда у нас есть представление о влиянии prior, мы можем численно оценить разные значения с помощью набора для обучения и проверки:

Amazon.changepoint_prior_validation(start_date="2016-01-04", end_date="2017-01-03", changepoint_priors=) Validation Range 2016-01-04 to 2017-01-03. cps train_err train_range test_err test_range 0.001 44.507495 152.673436 149.443609 153.341861 0.050 11.207666 35.840138 151.735924 141.033870 0.100 10.717128 34.537544 153.260198 166.390896 0.200 9.653979 31.735506 129.227310 342.205583

Мы должны быть осторожны — данные валидации не должны совпадать с тестовой выборкой. Если бы это было так, мы бы создали модель, лучше «подготовленную» для тестовых данных, что ведет к переобучению и невозможности работать в реальных условиях. В общей сложности, как это обычно делается в , используются три набора: для обучения (2013-2015), для валидации (2016) и тестовый набор (2017).

Мы оценили четыре priors с четырьмя показателями:

  • ошибка обучения;
  • доверительный интервал при обучении;
  • ошибка тестирования;
  • доверительный интервал при тестировании, все значения в долларах.

На графике видно, что чем выше prior, тем ниже ошибка обучения и тем ниже неопределенность на данных для обучения. Видно, что повышение уровеня prior снижает ошибку тестирования, подкрепляя интуицию, что близко приближаться к данным — хорошая идея для рынка. В обмен на бóльшую точность в тестовом наборе получаем больший диапазон неопределенности в данных теста с увеличением prior.

Валидационная проверка Stocker выдает два графика, иллюстрирующие эти идеи:

Так как наивысшее значение prior дало самую низкую ошибку тестирования, следует увеличить prior scale еще сильнее, чтобы попытаться улучшить результаты. Поиск можно уточнить, передав дополнительные параметры методу валидации:

# test more changepoint priors on same validation range amazon.changepoint_prior_validation(start_date="2016-01-04", end_date="2017-01-03", changepoint_priors=)

Ошибка тестового набора сводится к минимуму при prior = 0,5. Установим атрибут объекта Stocker соответствующим образом:

Amazon.changepoint_prior_scale = 0.5

Есть и другие изменяемые настройки модели. Например, паттерны, которые ожидается увидеть, или количество используемых лет в обучающих данных. Поиск наилучшей комбинации требует повторения описанной выше процедуры с несколькими разными значениями. Не стесняйтесь экспериментировать!

Оценка усовершенствованной модели

Теперь, когда наша модель оптимизирована, оценим ее еще раз:

Amazon.evaluate_prediction() Prediction Range: 2017-01-18 to 2018-01-18. Predicted price on 2018-01-17 = $1164.10. Actual price on 2018-01-17 = $1295.00. Average Absolute Error on Training Data = $10.22. Average Absolute Error on Testing Data = $101.19. When the model predicted an increase, the price increased 57.99% of the time. When the model predicted a decrease, the price decreased 46.25% of the time. The actual value was within the 80% confidence interval 95.20% of the time.

Выглядит гораздо лучше! Это показывает важность оптимизации модели. Использование значений по умолчанию дает разумное первое приближение. Но нужно быть уверенным, что используются правильные настройки, так же как мы пытаемся оптимизировать звук стерео, регулируя Balance и Fade (извините за устаревший пример).

«Входим в рынок»

Прогнозирование, безусловно, увлекательное занятие. Но настоящее удовольствие — наблюдать, как эти прогнозы будут отыгрывать на реальном рынке. Используя метод evaluate_prediction, мы можем «играть» на фондовом рынке, используя нашу модель за период оценки. Будем использовать описанную стратегию и сравним с простой стратегией buy and hold в течение всего периода.

Правила нашей стратегии просты:

  1. Каждый день, когда модель предсказывает рост акций, покупаем акции в начале дня и продаем в конце дня. Когда прогнозируется снижение цены, мы не покупаем акции.
  2. Если покупаем акции, и цены увеличиваются в течение дня, мы получаем соответствующую прибыль кратно количеству акций, которые у нас есть.
  3. Если покупаем акции, а цены уменьшаются, мы теряем кратно количеству акций.

Эту стратегию будем применять каждый день на весь период оценки, который в данном случае составляет весь 2017 год. Чтобы играть, нужно передать количество акций в вызов метода. Stocker покажет процесс разыгрывания стратегии в цифрах и графиках:

# Going big amazon.evaluate_prediction(nshares=1000) You played the stock market in AMZN from 2017-01-18 to 2018-01-18 with 1000 shares. When the model predicted an increase, the price increased 57.99% of the time. When the model predicted a decrease, the price decreased 46.25% of the time. The total profit using the Prophet model = $299580.00. The Buy and Hold strategy profit = $487520.00. Thanks for playing the stock market!

Мы получили ценный урок: покупайте и удерживайте! Несмотря на то, что удалось выручить значительную сумму, играя по нашей стратегии, лучше просто инвестировать и держать акции.

Попробуем другие тестовые периоды, чтобы увидеть, есть ли случаи, когда наша модельная стратегия превосходит метод buy and hold. Описанный подход довольно консервативен, потому что мы не играем, когда прогнозируется снижение рынка. Следовательно, когда акции начнут падать, он может работать лучше, чем стратегия buy and hold .

Играйте только на ненастоящих деньгах!

Я знал, что наша модель может это сделать! Тем не менее, она побила рынок только когда у нас была возможность выбрать период тестирования.

Прогнозы на будущее

Теперь, когда у нас есть достойная модель, можно делать предсказания на будущее, используя метод predict_future():

Amazon.predict_future(days=10) amazon.predict_future(days=100)
Прогноз на 10 дней
Прогноз на 100 дней
Прогноз популярного сервиса Tipranks.com — найдите 10 отличий от предсказания со Stocker

Неопределенность увеличивается с течением времени, как и ожидается. В действительности, если бы мы использовали описанный подход для настоящей торговли, мы бы каждый день обучали новую модель и делали прогнозы на срок не более одного дня.

Всем, кто хочет опробовать код, или поэкспериментировать со Stocker, добро пожаловать на GitHub .

Благодаря стремительному развитию информационных технологий, появилась возможность за считанные секунды проводить анализ большого объёма информации, строить сложные математические модели, решать задачи многокритериальной оптимизации. Учёные, занимающиеся вопросами циклического развития экономики, стали разрабатывать теории, полагая, что отслеживание тенденций ряда экономических переменных позволит прояснить и предсказать периоды подъёма и спада. Одним из объектов для изучения был выбран фондовый рынок. Предпринимались многократные попытки построить такую математическую модель, которая успешно бы решала задачу прогнозирования приращения цены акций. В частности, широкое распространение получил «технический анализ».

Технический анализ (тех. анализ) – это совокупность методик исследования динамики рынка, чаще всего посредством графиков, с целью прогнозирования будущего направления движения цен. На сегодняшний день, данный аналитический метод является одним из самых популярных. Но можно ли считать тех. анализ пригодным для генерации прибыли? Для начала рассмотрим теории ценообразования на фондовом рынке.

Одной из базовых концепций начиная с 1960-х гг. считается гипотеза эффективного рынка (efficient market hypothesis, EMH), согласно которой, информация о ценах и объёмах купли-продажи за прошедший период общедоступна. Следовательно, любые данные, которые можно было когда-либо извлечь из анализа прошлых котировок, уже нашли своё отражение в цене акций. Когда трейдеры конкурируют между собой за более успешное использование этих общедоступных знаний, они обязательно приводят цены к уровням, при которых ожидаемые ставки доходности полностью соответствуют риску. На этих уровнях невозможно говорить о том, является ли покупка акций хорошей или плохой сделкой, т.е. текущая цена объективна, а это означает, что ожидать получения сверх рыночной доходности не приходится. Таким образом, на эффективном рынке, цены активов отражают их истинные стоимости, а проведение тех. анализа теряет всяческий смысл.

Но следует отметить тот факт, что на сегодняшний день ни один из существующих фондовых рынков в мире не может быть назван полностью информационно эффективным. Более того, принимая во внимание современные эмпирические исследования, можно сделать вывод, что теория эффективного рынка является скорее утопией, т.к. не способна в полной мере рационально объяснить реальные процессы, протекающие на финансовых рынках.

В частности, профессором Йельского университета Робертом Шиллером был обнаружен феномен, который он в последующем назвал чрезмерной изменчивостью цен фондовых активов. Суть феномена заключается в частом изменении котировок, которое не поддаётся рациональному объяснению, а именно, отсутствует возможность интерпретировать данное явление соответствующими изменениями в фундаментальных факторах .

В конце 1980-х гг. были сделаны первые шаги к созданию модели, которая в отличие от концепции эффективного рынка, позволила бы точнее объяснить реальное поведение фондовых рынков. В 1986 г. Фишер Блэк в своей публикации вводит новый термин – «шумовая торговля».

«Шумовая торговля – это торговля на шуме, воспринимаемом так, как если бы шум был бы информацией. Люди, торгующие на шуме, будут торговать даже тогда, когда объективно они должны были бы воздерживаться от этого. Возможно, они считают, что шум, на основе которого они торгуют, является информацией. Или, возможно, им просто нравится торговать ». Хотя Ф. Блэк не указывает, каких операторов следует относить к категории «шумовых трейдеров», в работе Де Лонга, Шляйфера, Саммерса и Вальдмана можно найти описание таких участников рынка. Шумовые трейдеры ошибочно полагают, что у них есть уникальная информация о будущих ценах на активы. Источниками такой информации могут быть ложные сигналы о несуществующих трендах, подаваемые индикаторами тех. анализа, слухи, рекомендации финансовых «гуру». Шумовые трейдеры сильно переоценивают значение имеющейся информации и готовы принимать на себя необоснованно большой риск. Проведённые эмпирические исследования также указывают на то, что к шумовым трейдерам в первую очередь следует отнести индивидуальных инвесторов, т.е. физических лиц. Более того, именно эта группа трейдеров несёт систематические убытки от торговли из-за иррациональности своих действий. Для западных фондовых рынков эмпирическое подтверждение этого явления можно найти в исследованиях Барбера и Одина, а для операторов российского фондового рынка – в работе И.С. Нилова. Теория шумовой торговли позволяет объяснить и феномен Р. Шиллера. Именно иррациональные действия трейдеров вызывают чрезмерную изменчивость цен.

Обобщая современные исследования в области теорий ценообразования на фондовом рынке, можно сделать вывод о неэффективности использования технического анализа для получения прибыли. Более того, трейдеры, использующие тех. анализ пытаются выделять повторяющиеся графические паттерны (от англ. pattern - модель, образец). Стремление найти различные модели поведения цен является очень сильным, а способность человеческого глаза выделять очевидные тренды удивительна. Однако выделенные закономерности могут вовсе не существовать. На графике представлены смоделированные и фактические данные индекса Dow Jones Industrial Average на протяжении 1956 года, взятые из исследования Гарри Робертса.

График (B) представляет собой классическую модель «голова-плечи». График (А) также выглядит как «типичная» схема поведения рынка. Какой из двух графиков построен на основе фактических значений биржевого индекса, а какой – с помощью смоделированных данных? График (А) построен на основе фактических данных. График (B) создан с помощью значений, выданных генератором случайных чисел. Проблема, связанная с выявлением моделей там, где их на самом деле не существует, заключается в отсутствии необходимых данных. Анализируя предыдущую динамику, всегда можно выявить схемы и методы торговли, которые могли дать прибыль. Иными словами, существует совокупность бесконечного количества стратегий основанных на тех. анализе. Часть стратегий из общей совокупности демонстрируют на исторических данных положительный результат, другие – отрицательный. Но в будущем, мы не можем знать, какая группа систем позволит стабильно получать прибыль.

Также, одним из способов определения наличия закономерностей во временных рядах, является измерение сериальной корреляции . Существование сериальной корреляции в котировках, может свидетельствовать об определенной взаимосвязи между прошлой и текущей доходностью акций. Положительная сериальная корреляция означает, что положительные ставки доходности, как правило, сопровождаются положительными ставками (свойство инерционности). Отрицательная сериальная корреляция означает, что положительные ставки доходности, сопровождаются отрицательными ставками (свойство реверсии или свойство «коррекции»). Применяя данный метод к биржевым котировкам, Кендалл и Робертс (Kendall and Roberts, 1959), доказали, что закономерностей обнаружить не удаётся.

Наряду с техническим анализом, достаточно широкое распространение получил фундаментальный анализ . Его цель – анализ стоимости акций, опирающийся на такие факторы, как перспективы получения прибыли и дивидендов, ожидания будущих процентных ставок и риск фирмы. Но, как и в случае технического анализа, если все аналитики полагаются на общедоступную информацию о прибылях компании и её положении в отрасли, то трудно ожидать, что оценка перспектив, полученная каким-то одним аналитиком, намного точнее оценок других специалистов. Подобные исследования рынка выполняются множеством хорошо информированных и щедро финансируемых фирм. Учитывая столь жёсткую конкуренцию, трудно отыскать данные, которыми ещё не располагают другие аналитики. Следовательно, если информация о конкретной компании общедоступна, то ставка доходности, на которую сможет рассчитывать инвестор, будет самой обычной.

Помимо вышеописанных методов, для прогнозирования рынка пытаются применять нейронные сети, генетические алгоритмы и т.д. Но попытка использовать прогностические методы применительно к финансовым рынкам превращает их в самоликвидирующиеся модели . Например, предположим, что с помощью одного из методов спрогнозирована базовая тенденция роста рынка. Если теория широко признана, многие инвесторы сразу же начнут скупать акции в ожидании роста цен. В результате, рост окажется намного резче и стремительнее, чем это предсказывалось. Или же рост может вообще не состояться из-за того, что крупный институциональный участник, обнаружив чрезмерную ликвидность, начнёт распродавать свои активы.

Самоликвидация прогностических моделей возникает из-за применения их в конкурентной среде, а именно в среде, в которой каждый агент старается извлечь собственную выгоду, определённым образом влияя на систему в целом. Влияние отдельного агента на всю систему не значительно (на достаточно развитом рынке), однако наличие эффекта суперпозиции провоцирует самоликвидацию конкретной модели. Т.е. если в основе торгового алгоритма лежат прогностические методы, стратегия приобретает свойство неустойчивости, а в долгосрочной перспективе происходит самоликвидация модели. Если же стратегия является параметрической и прогностически нейтральной, то это обеспечивает конкурентное преимущество по сравнению с торговыми системами, в которых для принятия решения используется прогноз. Но стоит учитывать, что поиск стратегий, удовлетворяющих таким параметрам как, например, прибыль/риск происходит одновременно с поиском подобных систем другими трейдерами и крупными финансовыми компаниями на основе одних и тех же исторических данных и практически по одним и тем же критериям. Из этого следует необходимость использовать системы, основанные не только на общепринятых основных параметрах, но и на таких показателях, как надежность, стабильность, живучесть, гетероскедастичность и т. д. Особый интерес представляют торговые стратегии, базирующиеся на так называемых «дополнительных информационных измерениях» . Они проявляются в других, обычно смежных областях деятельности и по разным причинам редко используются широким кругом лиц на рынке акций.

Вышеизложенные рассуждения позволяют сделать следующие выводы:

  1. Теория шумовой торговли, в отличие от концепции эффективного рынка, позволяет более точно объяснить реальное поведение фондовых активов.
  2. В изменениях котировок торговых инструментов отсутствует закономерность, т.е. рынок предсказать невозможно.
  3. Применение прогностических методов, в частности технического анализа, приводит к неизбежному разорению трейдера в среднесрочной перспективе.
  4. Для успешной торговли на фондовом рынке, необходимо применять прогностически нейтральные стратегии, базирующиеся на «дополнительных информационных измерениях».

Список использованной литературы:

  1. Shiller R. Irrational Exuberance. Princeton: Princeton University Press, 2000.
  2. Black F. Noise // Journal of Finance. 1986. Vol. 41. Р. 529-543.
  3. De Long J. B., Shleifer A. M., Summers L. H., Waldmann R. J. Noise Trader Risk in Financial Markets // Journal of Political Economy. 1990. Vol. 98. Р. 703-738.
  4. Barber B. M., Odean T. Trading is hazardous to your wealth: The common stock investment performance of individual investors // Journal of Finance. 2000. Vol. 55. № 2. P. 773-806.
  5. Barber B. M., Odean T. Boys will be boys: Gender, overconfidence, and common stock investment // Quarterly Journal of Economics. 2001. Vol. 116. Р. 261-292.
  6. Odean T. Do investors trade too much? // American Economic Review. 1999. Vol. 89. Р. 1279-1298.
  7. Нилов И. С. Кто теряет свои деньги при торговле на фондовом рынке? // Финансовый менеджмент. 2006. № 4.
  8. Нилов И. С. Шумовая торговля. Современные эмпирические исследования // РЦБ. 2006. № 24.
  9. Harry Roberts. Stock Market Patterns and Financial Analysis: Methodological Suggestions // Journal of Finance. Marth 1959. P. 5-6.
Включайся в дискуссию
Читайте также
Btl
Что такое капитализация вклада и капитализация процентов по вкладу?
Что такое капитализация вклада и капитализация процентов по вкладу?
2022-04-05 11:55:53 Нет комментариев
Что такое капитализация вклада и капитализация процентов по вкладу?
Коммуникации
Заявление на страхование осаго страхование
Заявление на страхование осаго страхование
2022-03-16 04:36:18 Нет комментариев
Заявление на страхование осаго страхование
Публикации
Зойкина квартира краткое содержание
Зойкина квартира краткое содержание
2022-03-10 23:32:25 Нет комментариев
Зойкина квартира краткое содержание