Дипломная работа: Эмпирическая оценка эффективности новых инструментов технического анализа для активной инвестиционной стратегии на российском фондовом рынке

Проведено сравнение классического осциллятора и нового осциллятора, Stochastic и Chaikin.Средние показатели эффективности этих инструментов представлены в табл.13. Стоит отметить, что оба осциллятора имеют больший средний убыток на 1 трейд, чем прибыль. Каким образом они остаются прибыльными? Ответ в важном с точки зрения тестирования торговой системы параметре - проценте выигранных сделок. Стохастический осциллятор имеет более высокий показатель прибыльных трейдов. Несмотря на это, он уступает осциллятору Chaikin по важнейшему показателю устойчивости торговой системы - прибыльности. Это подтверждается фактом того, что максимальная просадка баланса по стохастическому осциллятору больше, чем доходность. Поэтому, логично предположить, что осциллятор Chaikin эффективнее стохастического осциллятора.

Таблица 13

Сравнение эффективности Chaikin oscillator и Stochastic oscillator для активной торговой системы

Среди индикаторов типа «осциллятор», наиболее эффективным показал себя новый инструмент Chaikin oscillator. Достоинством этого инструмента технического анализа является его гибкость, что хорошо было показано на примере торговли акциями Магнита. Стоит отметить, что у этого осциллятора хорошие перспективы применения в совокупности с другими инструментами технического анализа, трендовыми индикаторами или графическим анализом.

Среди всех инструментов технического анализа, система Ichimoku оказалась эффективнее остальных, в т.ч. системы Chaikin. Исходя из наблюдений, как и в случае с классическими инструментами, торговля по скользящим средним менее рискованна и более доходна, чем по осцилляторам.

Эмпирическим методом выяснено, что выбранные новые инструменты технического анализа в активной торговой системе не только прибыльны, но и более эффективны, чем классические инструменты технического анализа. Средние показатели новых и стандартных инструментов технического анализа представлены в табл. 14.

Таблица 14

Средние показатели эффективности стандартных и новых инструментов технического анализа

Как видно из табл.14, такие новые инструменты, как Ichimoku и Chaikin oscillator, можно назвать, опираясь на наши эмпирические наблюдения, более эффективными, чем стандартные инструменты технического анализа MA и Stochastic.

3.4 Сравнение доходности активной торговой стратегии и пассивной торговой стратегии

Можно ли утверждать о некой объективной эффективности активной торговой стратегии по сравнению с пассивной? Сама суть активной стратегии заключается в попытке получить сверхрыночную доходность. Проведено сравнение средних доходностей активной торговой системы с доходностью пассивной торговой стратегии. Так как пассивная стратегия заключается в покупке и удержании акций, мы можем посмотреть лишь её доходность. Пассивная стратегия «купи и держи» состоит из покупки тех же акций в начале рассматриваемого периода.. В табл.15 представлен расчет доходности стратегии «купи и держи». Исходные данные по активной торговой системе для сравнения доходностей взяты из табл.14.

Таблица 15

Сравнение доходности пассивной и активных торговых систем

Как показывает расчет доходности пассивной стратегии «купи и держи», она превосходит активную торговую стратегию.

Проведя многочисленные серии тестов, форвардов и оптимизаций, мы полагаем, что нашли эмпирические ответы на вопросы, поставленные гипотезами, сформулированными во введении. Новые инструменты технического анализа показали большую эффективность по всех измерениях эффективности активной торговой системы - и по доходности, и по риску. И по устойчивости и точности сигналов системы с новыми индикаторами были лучше систем со стандартными индикаторами. Это означает, что в исследовании эмпирически показано, что новые инструменты технического анализа эффективны.

Кроме сравнения инструментов технического анализа, проведено сравнение доходностей активной торговой системы и пассивной торговой системы, совершающих операции с одними и теми же акциями. Эмпирически показано, что нет оснований считать активную торговую систему доходнее пассивной торговой системы, так как ни одна из торговых систем не показала такую доходность, как пассивная стратегия «купи и держи».

Заключение

В ходе исследования изучена литература по построению, тестированию и оптимизации торговых систем, проведен эмпирический анализ посредством имитационной торговли на Московской бирже, выявлена эффективность и особенности использования новых индикаторов технического анализа.

Проведенный эмпирический анализ позволяет дать следующие ответы на гипотетические вопросы, поднятые во введении:

1. Новые инструменты технического анализа могут быть более эффективными по сравнению с классическими для активной торговой стратегии на российском фондовом рынке.

2. Активные торговые системы, построенные по скользящим средним эффективнее активных торговых систем, построенных по осцилляторам

3. Основания для подтверждения более высокой доходности активной торговой системы по сравнению с пассивной на долгосрочном временном отрезке не были обнаружены.

Кроме того, сформулированы дополнительные выводы на основе эмпирических наблюдений

1. Активные торговые системы с новым инструментарием технического анализа эффективнее без использования стоп-ордера

2. Технические индикаторы эффективнее при учете особенностей российского рынка

В настоящем исследовании рассмотрена лишь одна грань технического анализа и использования автоматических торговых систем. Следующие исследования могут сфокусироваться на написании собственных программ-алготрейдеров, а также создании уникальных индикаторов технического анализа. Настоящее исследование также не охватило всех инструментов технического анализа, так как следовало бы протестировать большое количество разнообразных систем. Мы допускаем, что торговля по другим акциям могла дать совершенно иные результаты. Мы надеемся, что наше исследование поможет будущим исследователям сформировать методологическую базу для дальнейших экспериментов в торговле на исторических и реальных котировках. Поле возможных исследований для нахождения сверхдоходной торговой системы практически не вспахано, так как можно анализировать области анализа, выходящего за рамки технического - хаотические методы и нейросети станут новыми маяками в поиске «торгового Грааля».

Список литературы

1. Указание Банка России от 29.04.2015 N 3629-У "О признании лиц квалифицированными инвесторами и порядке ведения реестра лиц, признанных квалифицированными инвесторами" (Зарегистрировано в Минюсте России 28.05.2015 N 37415)

2. Васильев Л. Эффективность применения технического анализа на ММВБ на примере Индекса Относительной Силы(Relative Strength Index) RSI // Российское предпринимательство. 2009

3. Едронова В.Н., Рассохин В.В. Использование средневзвешенных цен в некоторых индикаторах технического анализа // Финансы и кредит. 2005. №2 (170)

4. Снежко Юрий Сергеевич Применение индикаторов технического анализа на российском фондовом рынке // Российское предпринимательство. 2015.

5. Allen, F., & Karjalainen, R. (1999). Using genetic algorithms to find technical trading rules. Journal of Financial Economics, 51(February (2)), 245-271

6. Allen, D., & Yang, W. (2004). Do UK stock prices deviate from fundamentals? Mathematics and Computers in Simulation, 64 (February (3-4), 373-383.

7. Barnewall, M. (1987), “Psychological Characteristics of the Individual Investor”, in William Droms, ed., Asset Allocation for the Individual Investor, Charlottsville, Va: The Institute of Chartered Financial Analysts.

8. Blommestein, H. et al. (2009), "Evaluating the Design of Private Pension Plans: Costs and Benefits of Risk-Sharing", OECD Working Papers on Insurance and Private Pensions, No. 34, OECD publishing

9. Brock, W., Lakonishok, J., & LeBaron, B. (1992). Simple technical trading rules and the stochastic properties of stock returns. The Journal of Finance, 47(December(5)), 1731-1764

10. Cowles, A. (1933). Can stock market forecasters forecast? Econometrica, 1(July (3)),309-324.

11. Dempster, M. A. H., & Jones, C. M. (2001). A real-time adaptive trading system usinggenetic programming. Quantitative Finance, 1(April (4)), 397-413.

12. Ellis, C. A., & Parbery, S. A. (2005). Is smarter better? A comparison of adaptive, andsimple moving average trading strategies. Research in International Business and Finance, 19(September (3)), 399-411.

13. Fama, E. F., & Blume, M. E. (1966). Filter rules and stock-market trading. Journal ofBusiness, 39(January (1)), 226-241.

14. Gorgulho, A., Neves, R., & Horta, N. (2011). Applying a GA kernel on optimizing tech-nical analysis rules for stock picking and portfolio composition. Expert Systemswith Applications, 38(May (11)), 14072-14085

15. Grossman, J. and Stiglitz, J. (1980). On the Impossibility of Informationally Efficient Markets. The American Economic Review, Vol. 70, No. 3, pp. 393-408

16. Gunasekarage, A., & Power, D. M. (2001). The profitability of moving average trad-ing rules in South Asian stock markets. Emerging Markets Review, 2(March (1)),17-33.

17. Jegadeesh, N., & Titman, S. (1993). Returns to buying winners and selling losers:Implications for stock market efficiency. The Journal of Finance, 48(March (1)),65-91.

18. Katz J., McCormick D. The encyclopedia of trading strategies. 0-07-058099-5 изд. The McGraw-Hill Companies, 2002.

19. Lin, X., Yang, Z., & Song, Y. (2011). Intelligent stock trading system based on improvedtechnical analysis and Echo State Network. Expert Systems with Applications,38(September (9)), 11347-11354

20. Lo, A. W., Mamaysky, H., & Wang, J. (2000). Foundations of technical analysis: Com-putational algorithms, statistical inference, and empirical implementation. TheJournal of Finance, 55(August (4)), 1705-1770.

21. Markowitz, Harry. “Portfolio Selection.” The Journal of Finance, vol. 7, no. 1, 1952, pp. 77-91

22. Menkhoff, L., & Taylor, M. P. (2007). The obstinate passion of foreign exchange pro-fessionals: Technical analysis. Journal of Economic Literature, 45(December (4)),936-972.

23. Neely, C. J. (2003 Spring). Risk-adjusted, ex ante, optimal technical trading rules inequity markets. International Review of Economics & Finance, 12(1), 69-87.

24. Nison, S. Beyond Candlesticks: New Japanese Charting Techniques Revealed. SBN: 978-0-471-00720-3 изд. John Wiley & Sons, Inc., 1994

25. Northcott, A. (2009). The complete guide to using candlestick charting: How to earn highrates of return-safely. Ocala: Atlantic Publishing Group Inc. No. 1601382944.

26. Oliveira, F. A. d., Nobre, C. N., & Zбrate, L. E. (2013). Applying Artificial NeuralNetworks to prediction of stock price and improvement of the directional pre-diction index - Case study of PETR4, Petrobras, Brazil. Expert Systems withApplications, 40(December (18)), 7596-7606.

27. Omrane, W. B., & Van Oppens, H. (2006). The performance analysis of chart patterns:Monte Carlo simulation and evidence from the euro/dollar foreign exchangemarket. Empirical Economics, 30(4), 947-971.

28. Pardo, R. Design, testing and optimization of trading systems . ISIN 0471554464 изд. Wiley&Sons, 1992.

29. Park, C.-H., & Irwin, S. H. (2007). What do we know about the profitability of technicalanalysis? Journal of Economic Surveys, 21(September (4)), 786-826.

30. Pompian, M.M., & Longo, J.M. (2004). The Future of Wealth Management : Incorporating Behavioral Finance into Your Practice By.

31. Ratner, M., & Leal, R. P. (1999). Tests of technical trading strategies in the emerg-ing equity markets of Latin America and Asia. Journal of Banking & Finance,23(December (12)), 1887-1905.

32. Schwager, J. Technical analysis. ISBN 0-471-02051-6 изд. John Wiley & Sons, Inc., 2001.

33. Schwager, J. Stock Market Wizards: Interviews with America's Top Stock Traders. B00JYI2JTO изд. HarperBusiness, 2011.

34. Sullivan, R., Timmermann, A., & White, H. (1999). Data-snooping, technical tradingrule performance, and the bootstrap. The Journal of Finance, 54(October (5)),1647-1691

35. Williams A., Mitchell M., Do Stocks with Dividends Outperform the Market during Recessions? Journal of Accounting & Finance (2158-3625) . 2013, Vol. 13 Issue 1, p58-69. 12p.

36. Williams G., Williams B. Trading chaos: Maximize Profits with Proven Technical Techniques. ASIN B008NC0YIK изд. Wiley&Sons, 2004.

Приложение 1

Код основного торгового алгоритма системы Moving Average в MetaEditor

Приложение 2

Пользовательский интерфейс параметров индикатора Stochastic в MetaTrader5

Приложение 3

Эмпирические результаты торговли по свечным фигурам

Приложение 4

Результаты генетической оптимизации инструмента Stochastic

Приложение 5

Код основного торгового алгоритма системы Ichimoku в MetaEditor