Из Википедии, свободной энциклопедии
Перейти к навигации Перейти к поиску

Предсказание Фондового рынка является актом пытается определить стоимость будущего предприятия акций или другого финансового инструмента , торгуемые на бирже . Успешный прогноз будущей цены акции может принести значительную прибыль. Гипотеза эффективного рынка предполагает, что цены на акции отражают всю имеющуюся в настоящее время информацию, и любые изменения цен, которые не основаны на недавно обнаруженной информации, таким образом, по своей природе непредсказуемы. Другие не согласны, и те, кто придерживается этой точки зрения, обладают множеством методов и технологий, которые якобы позволяют им получать информацию о будущих ценах.

Гипотеза эффективных рынков и случайное блуждание [ править ]

Гипотеза эффективного рынка утверждает, что цены на акции являются функцией информации и рациональных ожиданий, и что недавно обнаруженная информация о перспективах компании почти сразу же отражается в текущей цене акций. Это будет означать, что вся общеизвестная информация о компании, которая, очевидно, включает ее ценовую историю, уже будет отражена в текущей цене акций. Соответственно, изменения в цене акций отражают выпуск новой информации, изменения на рынке в целом или случайные движения вокруг стоимости, которая отражает существующий набор информации. Бертон Малкиел в своей влиятельной работе 1973 года «Случайная прогулка по Уолл-стрит», утверждает, что цены на акции нельзя точно предсказать, глядя на историю цен. В результате, утверждал Малкиэль, цены на акции лучше всего описываются статистическим процессом, называемым «случайным блужданием», что означает, что отклонения от центрального значения каждый день являются случайными и непредсказуемыми. Это привело Малкиеля к выводу, что оплата финансовых услуг за прогнозирование рынка на самом деле повредила, а не способствовала чистой прибыли портфеля. Ряд эмпирических тестов подтверждают мнение о том, что теория применима в целом, поскольку большинство портфелей, управляемых профессиональными предсказателями акций, не превосходят среднерыночную доходность после учета гонораров менеджеров.

В то время как гипотеза эффективного рынка находит одобрение среди финансовых ученых, ее критики указывают на случаи, когда реальный рыночный опыт отличается от предсказуемости непредсказуемости, предполагаемой гипотезой. Крупная отрасль выросла вокруг предположения, что одни аналитики могут предсказывать акции лучше, чем другие; по иронии судьбы это было бы невозможно в рамках гипотезы эффективных рынков, если бы индустрия прогнозирования акций не предлагала то, что ее клиенты считали ценным.

Даже один из самых известных и успешных инвесторов, Уоррен Баффет, опроверг гипотезу эффективного рынка в 1984 году во время своего выступления в Колумбийском университете.

Внутренняя стоимость [ править ]

Внутренняя стоимость (истинная стоимость) - это воспринимаемая или рассчитанная стоимость компании, включая материальные и нематериальные факторы, с использованием фундаментального анализа. Это также часто называют фундаментальной ценностью. Он используется для сравнения с рыночной стоимостью компании и выяснения, недооценена компания на фондовом рынке или нет. При его расчете инвестор учитывает как качественные, так и количественные аспекты бизнеса. Обычно он рассчитывается путем суммирования дисконтированной будущей прибыли, полученной от актива, для получения текущей стоимости.

Методы прогнозирования [ править ]

Методологии прогнозирования делятся на три широкие категории, которые могут (и часто имеют) перекрывать друг друга. Они являются фундаментальный анализ , технический анализ (графиков) и технологические методы.

Фундаментальный анализ [ править ]

Фундаментальные аналитики озабочены компанией, которая лежит в основе самой акции. Они оценивают прошлые результаты компании, а также надежность ее счетов . Многие коэффициенты эффективности созданы , которые помогают фундаментальную аналитику оценки действительности запаса, такие как / P отношение E . Уоррен Баффет , пожалуй, самый известный из всех фундаментальных аналитиков. Он использует общую рыночной капитализацию -До- ВВП отношения указать относительную величину фондового рынка в целом, а следовательно , это соотношение стало известно как « показатель Баффета ». [1] [2] [3]

То, что пытается достичь фундаментальный анализ на фондовом рынке, - это определение истинной стоимости акции, которую затем можно сравнить со стоимостью, которой она торгуется на фондовых рынках, и, следовательно, выяснение того, недооценена ли акция на рынке. или нет. Узнать истинную ценность можно разными методами, в основном по одному и тому же принципу. Принцип состоит в том, что компания стоит всех своих будущих прибылей, сложенных вместе. Эти будущие прибыли также необходимо дисконтировать до их текущей стоимости. Этот принцип хорошо согласуется с теорией о том, что все дело в прибыли и ни на чем другом.

В отличие от технического анализа, фундаментальный анализ считается более долгосрочной стратегией.

Фундаментальный анализ основан на убеждении, что человеческое общество нуждается в капитале для достижения прогресса и, если компания работает хорошо, она должна быть вознаграждена дополнительным капиталом, что приведет к резкому росту цен на акции. Фундаментальный анализ широко используется управляющими фондами, поскольку он наиболее обоснован, объективен и основан на общедоступной информации, такой как анализ финансовой отчетности.

Другое значение фундаментального анализа выходит за рамки восходящего анализа компании, он относится к нисходящему анализу, начиная с первого анализа глобальной экономики, за которым следует анализ страны, затем анализ сектора и, наконец, анализ уровня компании.

Технический анализ [ править ]

Технические аналитики или составители графиков не интересуются какими-либо фундаментальными принципами компании. Они стремятся определить будущую цену акции, основываясь исключительно на тенденциях прошлой цены (форма анализа временных рядов ). Используются многочисленные узоры, такие как голова и плечи или чашка с блюдцем. Наряду с паттернами используются такие методы, как экспоненциальная скользящая средняя.(EMA), осцилляторы, уровни поддержки и сопротивления или индикаторы импульса и объема. Узоры из свечей, которые, как считается, были впервые разработаны японскими торговцами рисом, в настоящее время широко используются техническими аналитиками. Технический анализ больше используется для краткосрочных стратегий, чем для долгосрочных. И поэтому он гораздо более распространен на сырьевых и валютных рынках, где трейдеры сосредотачиваются на краткосрочных движениях цен. В этом анализе используются некоторые базовые допущения, во-первых, что все существенное в компании уже учтено в цене акций, во-вторых, цена движется по трендам, и, наконец, история (цен) имеет тенденцию повторяться, что в основном связано с рыночная психология.

Машинное обучение [ править ]

С появлением цифрового компьютера прогнозирование фондового рынка перешло в сферу технологий. Самый известный метод включает использование искусственных нейронных сетей (ИНС) и генетических алгоритмов (ГА). Ученые обнаружили, что метод оптимизации бактериального хемотаксиса может работать лучше, чем ГА. [4] ИНС можно рассматривать как аппроксиматоры математических функций . Наиболее распространенной формой ИНС, используемой для прогнозирования фондового рынка, является сеть с прямой связью, использующая алгоритм обратного распространения ошибок для обновления весов сети. Эти сети обычно называют обратным распространением.сети. Еще одна форма ИНС, которая больше подходит для прогнозирования запасов, - это рекуррентная нейронная сеть (RNN) или нейронная сеть с временной задержкой (TDNN). Примерами RNN и TDNN являются сети Элмана, Джордана и Элмана-Джордана. (См. Сети Elman And Jordan .)

Для прогнозирования запасов с помощью ИНС обычно используются два подхода к прогнозированию различных временных горизонтов: независимый и совместный. Независимый подход использует одну ИНС для каждого временного горизонта, например, 1-дневный, 2-дневный или 5-дневный. Преимущество этого подхода состоит в том, что ошибка сетевого прогнозирования для одного горизонта не влияет на ошибку для другого горизонта, поскольку каждый временной горизонт обычно представляет собой уникальную проблему. Однако совместный подход включает в себя несколько временных горизонтов вместе, так что они определяются одновременно. В этом подходе ошибка прогнозирования для одного временного горизонта может иметь ту же ошибку, что и для другого горизонта, что может снизить производительность. Также для совместной модели требуется больше параметров, что увеличивает риск переобучения.

В последнее время большинство академических исследовательских групп, изучающих ИНС для прогнозирования запасов, похоже, все чаще и с большим успехом используют ансамбль независимых методов ИНС. Ансамбль ИНС будет использовать низкие цены и временные лагы для предсказания будущих минимумов, в то время как другая сеть будет использовать запаздывающие максимумы для предсказания будущих максимумов. Прогнозируемые минимальные и максимальные значения затем используются для формирования стоп-цен на покупку или продажу. Выходные данные отдельных сетей с «низким» и «высоким» уровнем также могут быть введены в окончательную сеть, которая также будет включать объем, межрыночные данные или статистические сводные данные о ценах, что приведет к окончательному совокупному выходу, который инициирует покупку, продажу или направление рынка. изменять. Главный вывод, сделанный с использованием ИНС и прогнозирования запасов, заключается в том, что подход классификации (vs.аппроксимация функции) с использованием выходных данных в форме покупки (y = + 1) и продажи (y = -1) приводит к большей надежности прогноза, чем количественный результат, такой как низкая или высокая цена.[5]

Поскольку сетевые сети требуют обучения и могут иметь большое пространство параметров; полезно оптимизировать сеть для получения оптимальных возможностей прогнозирования.

Источники данных для прогноза рынка [ править ]

Тобиас Прейс и др. представил метод определения онлайн-предвестников движений фондового рынка с использованием торговых стратегий, основанных на данных об объеме поиска, предоставленных Google Trends . [6] Их анализ объема поиска в Google по 98 терминам различной финансовой релевантности, опубликованный в Scientific Reports , [7] показывает, что увеличение объема поиска по финансово релевантным поисковым запросам, как правило, предшествует большим потерям на финансовых рынках. [8] [9] [10] [11] [12] [13] [14] [15] Из этих терминов три были значимыми на уровне 5% (| z| > 1,96). Лучшим термином в отрицательном направлении был термин «долг», за которым следовало «цветное».

В исследовании, опубликованном в Scientific Reports в 2013 году [16], Хелен Сюзанна Моат, Тобиас Прейс и его коллеги продемонстрировали связь между изменениями в количестве просмотров статей английской Википедии, касающихся финансовых тем, и последующими крупными движениями фондового рынка. [17]

Использование интеллектуального анализа текста вместе с алгоритмами машинного обучения привлекло больше внимания в последние годы [18] с использованием текстового контента из Интернета в качестве входных данных для прогнозирования изменений цен на акциях и других финансовых рынках.

Коллективное настроение сообщений Twitter было связано с показателями фондового рынка. [19] Исследование, однако, подверглось критике за его методологию.

Активность на биржевых досках сообщений была отслежена с целью прогнозирования доходности активов. [20] Заголовки корпоративных новостей Yahoo! Финансы и Google Финансы использовались в качестве новостной ленты в процессе интеллектуального анализа текста для прогнозирования движения цен на акции на основе промышленного индекса Dow Jones . [21]

Мимикрия рынка [ править ]

Используя новые инструменты статистического анализа теории сложности , исследователи из Института сложных систем Новой Англии (NECSI) провели исследование по прогнозированию обвалов фондового рынка . [22] [23] [24] Долгое время считалось, что крах рынка вызван паникой, которая может быть оправдана или не оправдана внешними новостями. Это исследование показывает, что в первую очередь причиной сбоев является внутренняя структура рынка, а не внешние кризисы. Было показано, что количество различных акций, которые вместе движутся вверх или вниз, является индикатором мимикрии.на рынке, насколько инвесторы обращаются друг к другу в поисках сигналов. Когда мимикрия высока, многие акции следуют за движениями друг друга, что является главной причиной возникновения паники. Было показано, что резкое усиление мимикрии рынка происходило в течение всего года перед каждым рыночным крахом за последние 25 лет, включая финансовый кризис 2007–2008 годов .

Структурирование аспектов временного ряда [ править ]

Структурирование аспектов , также называемое структурированием аспектов Якарусо (JAS), представляет собой метод прогнозирования тенденций, который доказал свою пригодность для прогнозирования изменений тенденций на различных наборах данных фондового рынка и геополитических временных рядов. [25] Этот метод решает проблему, которая возникает с данными большой размерности, в которых экзогенные переменныеслишком многочисленны или неизмеримы, чтобы их можно было учесть и использовать для составления прогнозов. Метод определяет единственную переменную, оказывающую первичное влияние на временной ряд, или «первичный фактор», и наблюдает за изменениями тренда, которые происходят в периоды пониженной значимости упомянутой первичной переменной. Предположительно, изменения тренда в этих случаях вызваны так называемыми «фоновыми факторами». Хотя этот метод не может объяснить многомерную природу фоновых факторов, он может оценить влияние, которое они оказывают на временные ряды в данный момент времени, даже без их измерения. Это наблюдение можно использовать для составления прогноза.

Заметки [ править ]

  1. ^ «Индикатор Баффета: где мы находимся с рыночной оценкой?» .
  2. ^ Mislinski, Джилл (3 марта 2020). «Рыночная капитализация к ВВП: обновленный взгляд на индикатор оценки Баффета» . www.advisorperspectives.com . Архивировано 14 марта 2020 года. Это, вероятно, лучший единичный показатель того, где находятся оценки в любой момент.
  3. ^ "Уоррен Баффет на фондовом рынке Что ждет инвесторов в будущем - еще один рев бычий рынок или еще больше расстройства желудка? Удивительно, но ответ может сводиться к трем простым факторам. Здесь самый знаменитый инвестор в мире говорит о том, что на самом деле делает рыночный тик - и должно ли это тиканье вас нервировать. - 10 декабря 2001 г. " . archive.fortune.com . Журнал Fortune . 2001. Архивировано 8 марта 2020 года.
  4. ^ Zhang, Y .; Ву, Л. (2009). «Прогнозирование фондового рынка S&P 500 с помощью комбинации улучшенного подхода BCO и нейронной сети BP». Экспертные системы с приложениями . 36 (5): 8849–8854. DOI : 10.1016 / j.eswa.2008.11.028 .
  5. ^ Thawornwong, S, Enke, D. Прогнозирование доходности акций с помощью искусственных нейронных сетей, гл. 3. В: Нейронные сети в бизнес-прогнозировании, редактор: Чжан, GP IRM Press, 2004.
  6. ↑ Филип Болл (26 апреля 2013 г.). «Подсчет поисковых запросов в Google предсказывает движения рынка» . Природа . DOI : 10.1038 / nature.2013.12879 . Проверено 10 августа 2013 года .
  7. ^ Тобиас Прейс , Хелен Сюзанна Моут и Х. Юджин Стэнли (2013). «Количественная оценка торгового поведения на финансовых рынках с помощью Google Trends» . Научные отчеты . 3 : 1684. DOI : 10.1038 / srep01684 . PMC 3635219 . PMID 23619126 .  
  8. ^ Ник Bilton (26 апреля 2013). «Поисковые запросы Google могут предсказывать фондовый рынок, результаты исследований» . Нью-Йорк Таймс . Проверено 10 августа 2013 года .
  9. ↑ Кристофер Мэтьюз (26 апреля 2013 г.). "Проблемы с вашим инвестиционным портфелем? Google It!" . Журнал ВРЕМЯ . Проверено 10 августа 2013 года .
  10. ↑ Филип Болл (26 апреля 2013 г.). «Подсчет поисковых запросов в Google предсказывает движения рынка» . Природа . DOI : 10.1038 / nature.2013.12879 . Проверено 10 августа 2013 года .
  11. ↑ Бернхард Уорнер (25 апреля 2013 г.). « Исследователи « больших данных »обращаются к Google, чтобы обойти рынки» . Bloomberg Businessweek . Проверено 10 августа 2013 года .
  12. ↑ Хэмиш МакРэй (28 апреля 2013 г.). «Хэмиш МакРэй: Нужна ценная информация о настроениях инвесторов? Погуглите» . Независимый . Проверено 10 августа 2013 года .
  13. ↑ Ричард Уотерс (25 апреля 2013 г.). «Поиск в Google оказался новым словом в прогнозировании фондового рынка» . Financial Times . Проверено 10 августа 2013 года .
  14. ^ Дэвид Лейнвебер (26 апреля 2013). «Большие данные становятся больше: теперь тенденции Google могут предсказывать рынок» . Forbes . Проверено 10 августа 2013 года .
  15. ↑ Джейсон Палмер (25 апреля 2013 г.). «Поиск в Google предсказывает движение рынка» . BBC . Проверено 9 августа 2013 года .
  16. ^ Helen Сусанна Ров, Честер Curme, Адам Авакян, Дрор Ю. Kenett, H. Eugene Stanley и Tobias Preis (2013). «Количественная оценка моделей использования Википедии до движения фондового рынка» . Научные отчеты . 3 : 1801 DOI : 10.1038 / srep01801 . PMC 3647164 . CS1 maint: multiple names: authors list (link)
  17. ^ "Хрустальный шар Википедии" . Financial Times . 10 мая 2013 года . Проверено 10 августа 2013 года .
  18. ^ Хадже Нассиртусси, Арман; Агабозорги, Саид; Инь Вах, Тех; Нго, Дэвид Чек Линг (15 ноября 2014 г.). «Анализ текста для прогнозирования рынка: систематический обзор». Экспертные системы с приложениями . 41 (16): 7653–7670. DOI : 10.1016 / j.eswa.2014.06.009 .
  19. ^ Боллен, Йохан; Хуина, Мао; Цзэн, Сяо-Цзюнь. « Твиттер-настроение предсказывает фондовый рынок ». Корнельский университет . 14 октября 2010 г. Источник: 7 ноября 2013 г.
  20. ^ Рамиро Х. Гальвес; Агустин Гравано (2017). «Оценка полезности майнинга онлайн-доски объявлений в автоматических системах прогнозирования запасов». Журнал вычислительной науки . 19 : 1877–7503. DOI : 10.1016 / j.jocs.2017.01.001 .
  21. ↑ Beckmann, M. (24 января 2017 г.). Докторская диссертация: Прогнозирование изменения курса акций с помощью интеллектуального анализа текстов новостей. COPPE / Федеральный университет Рио-де-Жанейро
  22. ^ Harmon D, Lagi М, де Агилар МАМ, Chinellato DD, Браха D, Эпштейн ИК, Бар-Ям Y. (2015). «Предвидение кризисов экономического рынка с помощью мер коллективной паники». PLoS ONE 10 (7): e0131871.doi: 10.1371 / journal.pone.0131871.
  23. ^ Д. Хармон, М. де Агиар, Д. Чинеллато, Д. Браха, И. Эпштейн, Ю. Бар-Ям. 2011. «Прогнозирование кризисов экономического рынка с помощью мер коллективной паники». arXiv: 1102.2620v1. http://necsi.edu/research/economics/economicpanic.html
  24. ^ Брэндон Кейм. (2011). «Возможный ранний предупреждающий знак об обрушении рынка». Wired, 18.03.11. https://www.wired.com/2011/03/market-panic-signs/
  25. ^ Jacaruso, Лукас Cassiel (2018-12-08). «Метод прогнозирования тенденций финансовых и геополитических данных: вывод эффектов неизвестных экзогенных переменных» . Журнал больших данных . 5 (1): 47. DOI : 10,1186 / s40537-018-0160-5 . ISSN 2196-1115 . 

Ссылки [ править ]

  • Грэм, Б. Интеллигентный инвестор Харпер Коллинз; Издание Rev Ed, 2003 г.
  • Ло, А. В. и Макинли, А. С. Неслучайная прогулка по Уолл-стрит, 5-е изд. Издательство Принстонского университета, 2002.
  • Азофф, Е. М. Прогнозирование временных рядов финансовых рынков с помощью нейронных сетей, Джон Вили и сыновья, ООО, 1994.
  • Кристофферсен, П.Ф. и Ф.С. Дибольд. Доходность финансовых активов, прогнозирование направления изменений и динамика волатильности . Management Science, 2006. 52 (8): p. 1273–1287