Если мошенники из Нас Брокер и Вас тоже кинули, то сообщите об этом нам

Фрактальное броуновское движение.

Пример фрактальной модели.

По своему масштабу они наиболее значимы, поэтому в первую очередь следует учитывать их, а это – область фундаментального анализа.

Тогда динамика котировок будет определяться нерегулярным
Тогда динамика котировок будет определяться нерегулярным

Допустим, фундаментальные факторы, определяющие состояние рынка, достаточно долго остаются неизменными (или меняются мало и медленно). Тогда динамика котировок будет определяться нерегулярным воздействием не слишком существенных обстоятельств. Можно выдвинуть гипотезу (которая непременно нуждается в проверке), что эти обстоятельства имеют случайный характер. Простейшая модель наблюдаемого движения котировки будет представлять собой так называемое «одномерное броуновское движение». При этом предполагается, что изменение котировки за какой-то период времени есть случайная величина с нормальным законом распределения, причем математическое ожидание этого изменения равно нулю (то есть увеличение столь же вероятно, как и уменьшение), а дисперсия (разброс параметра) пропорциональна корню квадратному из длины рассматриваемого временного интервала. При этом будущее движение котировки определяется текущими значениями параметра и не зависит от предыстории. Последнее свойство чаще всего имеет место в физических процессах. Можно предположить, что для динамики котировок оно выполняется не слишком хорошо, хотя бы потому, что трейдеры в своих решениях ориентируются на предысторию. В качестве модели, учитывающей это обстоятельство, можно попытаться использовать «фрактальное броуновское движение».

Определяется оно как обычное броуновское движение с единственным отличием: дисперсия изменения котировки за время t пропорциональна не корню квадратному от времени, т.е. t0.5, а пропорциональна t H, где H – какое-то число, заключенное между нулем и единицей. Оказывается, что при значениях H, отличных от одной второй, приращения котировки за два соседних интервала времени уже являются коррелированными, причем, если H больше половины, то корреляция положительна, а если меньше – отрицательна. Таким образом, если известно значение H, то с определенной достоверностью (которая тем больше, чем сильнее H отличается от одной второй) можно прогнозировать будущее изменение котировок на основе прошлых изменений. Встает вопрос, как найти значение H? Оказывается, что H связано с фрактальной размерностью графика котировок d формулой d=2-H. Размерность графика можно оценить, как мы описывали выше (покрывая его квадратами). Достаточно подробное изложение этой модели можно найти в книге Р. Кроновера. Там же приведены необходимые компьютерные алгоритмы. Это не значит, что предлагаемая модель гарантированно принесет вам прибыль, и, соответственно, не надо сразу бросаться программировать. Модель основана на ряде гипотез, наиболее существенные из которых сформулированы выше. Прежде всего следует выяснить, выполняются ли эти гипотезы в вашем случае.

В качестве общих рекомендаций можно ориентироваться на следующие соображения. Долговременные тенденции определяются факторами, лежащими вне

Долговременные тенденции определяются факторами, лежащими вне финансового рынка
Долговременные тенденции определяются факторами, лежащими вне финансового рынка

финансового рынка. По своему масштабу они наиболее значимы, поэтому в первую очередь следует учитывать их, а это – область фундаментального анализа. Более быстрые процессы, возникающие при смене долговременных тенденций, скорее всего, описываются гладкими моделями, вроде моделей классического технического анализа. И лишь если вы имеете желание и возможность учесть еще более тонкие эффекты, стоит обращаться к фрактальным моделям. При этом следует иметь в виду, что соответствующие модели существенно нелинейны, поэтому, чтобы их правильно идентифицировать (то есть определить значения всех параметров модели), требуется учесть при анализе значительные объемы информации.