Бретт Стинбергер - Моделирование интуиции: часть вторая
Бретт Н. Стинбергер - доктор философии и профессор Психиатрии в Медицинском Университете в Сиракузах, шт. Нью-Йорк. Он также является активным трейдером и пишет статьи по рыночной психологии. Автор книги "Психология торговли"2003г., доктор Стинбергер опубликовал более 50 статей по краткосрочным подходам к изменению поведения трейдеров.
В первой части я описал свои сильные сомнения относительно возможностей достижения долгосрочного успеха как интуитивного трейдера. Поскольку рынки быстро изменяют свои модели, показывая очень разные характеристики трендов и изменчивости через какое-то время, трейдеры, которые усваивают модели в течение специфического рыночного "режима", обычно сталкиваются с проблемами, когда циклы сменяются. Мое внимание было привлечено к этому явлению, когда я заметил, что во многих различных торговых фирмах трейдеры, которые были наиболее успешны в конце 1990-ых, не были особенно успешными в течение 2000-2002 гг., а те, кто был наиболее прибыльным в первые годы 21-го столетия, показывали неважные результаты в самый последний рыночный период. Без всяких сомнений, бывают исключения из этой закономерности, но я полагаю, что это, именно, исключения. Успех в торговле, кажется, намного легче достигнуть, чем удержать.
Дилемма, которую я изложил в первой части статьи связана с тем, что рынки изменяют свои торговые модели быстрее, чем большинство трейдеров может их усвоить. Это делает изучение рынков специфическим вызовом, и повторное изучение рынков после того, как они изменяются, становится еще более трудным.
Обратите внимание, что я не считаю это пессимистичной оценкой. Я полагаю, что это является реалистичным подходом. Никто не принял бы меня за Кассандру, если бы я сказал, что только в исключительных случаях можно обеспечивать свою жизнь за счет игры в гольф, покер или боулинг. Однако, подобное заявление вызывает эмоциональный ответ у многих рыночных участников. Почему игрок в гольф может потратить деньги на членство в лучших клубах и профессиональных инструкторов, не думая, что он собирается делать это своим источником проживания? Точно так же игрок в покер изучает игру и наслаждается ее, время от времени, не строя иллюзий, что он будет преуспевать на мировых турнирах постоянно. Однако, трейдеры, как кажется, имеют совсем другие ожидания и эти ожидания во многих случаях активно поддерживаются теми, кто предоставляет соответствующую информацию и услуги.
Моя цель достаточно проста и состоит в том, чтобы стимулировать трейдеров, включая самого себя, чтобы ответить на два вопроса: Что обеспечит нас преимуществом на рынке и что позволит нам поддерживать это преимущество? Интересно, но я думаю, что второй вопрос является более трудным из них, хотя на первый обычно обращают больше внимания.
Подход к проблеме через моделирование
Модель является представлением явления. Моделирование микро-психологии, которую я развил, является базой данных, которая генерирует модели любого данного рынка. Она делает это, возвращаясь во времени и находя все рынки, которые показывают схожие статистические свойства, что и текущий рынок. Она делает это во множественных временных форматах, чтобы генерировать модели, которые являются подобными как в отношении их недавних торговых моделей, так и в контекстах, окружающих эти модели. Например, база данных будет сканировать свою 40-летнюю историю для поиска рынков, которые показывают подобное направление и величину изменения цен, что и текущий рынок. Она выделяет только те периоды, которые попадают в пределы допустимого диапазона (полосу) существующих значений. Часть искусства (так же как и науки) построения модели, связана с тем, чтобы знать, как должным образом установить и утвердить эту полосу данных. (Статистические свойства изменения цен в одном конце полосы не должны значительно отличаться от свойств в другом).
В результате, когда мы находимся в медвежьем рынке, наш "модельер" выберет другие подобные медвежьи периоды. Когда мы находимся на медленном боковом рынке, "модельер" выберет другие узкие диапазонные примеры. Затем, используя только эти подобные исторические периоды в качестве примера данных, я могу исследовать будущее поведение рынков, чтобы видеть, есть ли там направленный уклон. (В случае моделирования микро-психологии, будущая работа смоделирована от 1-5 дней). Часто, не будет такого уклона: распределение результатов за следующую неделю торговли будет относительно равномерно разделено между случаями повышения и снижения. В другое время, там будет явный уклон. Это показывается двумя способами: значительно более высокое или более низкое среднее процентное изменение цен за период по сравнению с базой данных и значительно более высокая или более низкая пропорция повышений результатов против снижений по сравнению с примерной сорокалетней исторической нормой.
Процесс моделирования, как я его осуществлял пока, имеет три стадии:
1. развитие контекстной базы данных: контекстная база данных - это модель, которая находит подобные рынки на среднесрочной основе. Она просматривает периоды многих недель, а не только дней, используя размер и направление изменения цен в качестве первичных переменных.
2. развитие прогнозирующей базы данных: прогнозирующая база данных - это модель набора контекстной базы данных, которая находит подобные рынки на краткосрочном основании. Она включает разнообразные прогнозирующие переменные, включая базовые переменные, используемые в контекстной базе данных и дополнительные переменные.
3. дополнительное моделирование: если прогнозирующая база данных показывает историческую направленную тенденцию на рынке, используя базовые переменные, то я тогда запускаю дополнительные модели, заменяющие предсказателей от прогнозирующей базы данных. Если новые модели подтверждают наблюдаемую направленную тенденцию, то это добавляет уверенности предсказанию. Если новые модели генерируют другие результаты, то первоначальные результаты рассматриваются более скептически. В конечном счете, результаты должны соблюдаться
в различных моделях, используя независимые предсказатели, чтобы их можно было принять для реальной торговли.
Результаты моделирования сообщают трейдеру четыре вещи:
1. направление любого ожидаемого движения;
2. величину любого ожидаемого движения;
3. выбор времени любого ожидаемого движения;
4. надежность предсказания модели (то есть, насколько она устойчива при изменяющихся условиях моделирования, используя различные переменные).
Важность этого состоит в том, что модели автоматически приспосабливают ожидания трейдера к преобладающим рыночным условиям. В бестрендовых, неизменчивых рынках, ожидания после двух дней снижения, например, будут отличаться от того, какими бы они были на бычьем или медвежьем рынке. Подготавливая, таким образом, трейдера к ожиданиям, которые являются разумными при существующих рыночных условиях, модели используют принцип "фортуна благоволит подготовленному человеку". План торговли для наступающего дня или дней может быть построен и репетироваться, исходя из результатов моделирования, позволяя новому изучению заменить старое. Я охвачу эту тему подробнее в третьей части статьи.
Дальнейшие нюансы моделирования
Обратите внимание на ключевое предположение, лежащее в основе процедуры моделирования, описанной выше: Периоды от более отдаленного прошлого, которые являются статистически подобными существующему периоду, приведут к лучшим прогнозирующим моделям, нежели более последние периоды, которые являются статистически несходными. Давайте возьмем простой пример - существующий рынок по ES (2005г. - восходящий тренд, низкая изменчивость, умеренное изменение цен, низкое ускорение) смоделировано лучше всего данными с середины 1990-ых, нежели данными несколько лет назад. Точно так же для рынка, который подвергся резкому, внезапному снижению из-за случайных новостей, я, скорее всего, рассмотрю подобные снижения в отдаленных исторических периодах, нежели недавние данные, которые не содержали таких снижений.
В то время как это может показаться очевидным, это не соответствует тому, как многие количественные аналитики проводят свои моделирования. Они полагаются исключительно на последние периоды данных, утверждая, что рынки шестидесятых, семидесятых, восьмидесятые и т.д. слишком отличались от сегодняшних рынков, чтобы служить источником для понимания рынка. Конечно, рынки отличались десятилетия назад - участники отличались, объем отличался и механика размещения сделок отличалась. Однако, статистически, основные процессы, приводящие к изменению цен - конечное отражение взаимодействия спроса и предложения, могли бы быть очень похожими. Приведу несколько упрощенный пример - я мог бы играть в блэк-джек в казино или на видео-версии. Хотя способы, которыми получаются результаты, достаточно отличаются, результаты были бы очень похожими до тех пор, пока в казино и в видео-игре раздача карт осуществлялась бы, скажем, из одной колоды.
Моделирование позволяет быть настороже в отношении тех случаев, когда казино или видео-игра незаметно изменяет число играемых колод. Теперь шансы поднять "картинку" из колоды карт изменились, но игрок в блэк-джек не знает этого. Только видя, что результаты отличаются от ожиданий, игрок может понять, что процесс, лежащий в основе распределения карт, изменился и что он был жертвой изменившихся циклов. Когда циклы изменяются на рынке, текущие параметры рынка больше не соответствуют контекстной базе данных. Это означает, что прогнозирующая база данных должна быть взята из другого исторического периода, чем это было недавно. Очень часто, моделирование показывает изменение цикла прежде, чем это становится очевидным для субъективного наблюдения трейдера. В других случаях, моделирование сохранит ожидания от определенного цикла, даже после того, как трейдер субъективно переоценит недавние события и подумает, что циклы изменились. Это весьма просто - вы знаете, что рынки изменились, когда вы нуждаетесь в новых данных, чтобы соответствующим образом моделировать текущие рыночные условия. Моделирование обеспечивает объективные критерии для определения того, могут ли недавние ожидания быть учтены в ближайшем будущем.
Обратите внимание, что такое моделирование никак не совместимо с интуитивной торговлей. Скорее, модели обеспечивают мнение, от которого можно перейти к интуитивной торговле. Например, если модель показывает мне 24 случая, подобные сегодняшнему рынку и рынок в 20
случаях повышался и в 3 понижался, один раз оставаясь неизменным, при среднем изменении цен на 0.28% (по сравнению со средним дневным изменением цен на 0.03% для модели в целом), я буду искать возможности для покупки, чтобы использовать в своих интересах предсказанное движение. Кроме того, если средний диапазон ожидаемого движения (от минимума до максимума) составляет 0.80% с узкой полосой изменчивости, я буду стремиться выходить из своей длинной позиции в пределах этого ожидаемого диапазона. Модель не говорит мне точный выбор времени, когда покупать или продавать - она просто дает исторические шансы рыночного движения в течение периода времени. Вооружившись статистическими шансами, опытный трейдер с хорошими навыками исполнения торговли может войти и выйти из рынка по благоприятным ценам, максимизируя свой доход от прогнозируемой торговли.
А что происходит, когда прогноз оказывается неправильным? Ничто не гарантирует 100%-ой точности - даже когда шансы составляют 75% в вашу пользу, модель будет неправильна в четверти случаев. Однако, это также предлагает полезную информацию интуитивному трейдеру. Если прогноз ожидает более высокие цены, а вы наблюдаете прорыв в нижнюю сторону, то ценовое действие говорит вам, что этот рынок действует против исторического прецедента. Это, скорее всего, отправит вас назад к вашей базе данных, чтобы подвергнуть сомнению случаи, когда подобные рынки действовали против прецедента, возможно подготавливая вас к тому, чтобы использовать в своих интересах неожиданное движение.
Моделирование является не панацеей, а просто структурированным методом того, чтобы использовать прошлое для прогнозирования будущего. Что более важно, оно является методом для того, чтобы определить, когда рынки ведут себя подобно недавней истории, а когда их циклы изменяются. Но есть еще одно применение моделирования, которое является, возможно, более серьезным, чем какое-либо другое - оно может служить инструментом для неявного изучения и повторного изучения рынков. В третьей части мы подробно рассмотрим эту тему.