Характеристика методов и моделей прогнозирования курсов акций на ключевых мировых рынках

В финансах существуют три крупные научные школы, опирающиеся соответст­венно на теорию случайных блужданий, фундаментальный анализ и поведенче­ские финансы. Каждая из школ выдвигает собственную, конфликтующую с дру­гими гипотезу ценообразования на финансовых рынках, а значит, и уникальный подход к прогнозированию их динамики¹.

Теория случайных блужданий (Random Walk Theory) на финансовых рынках, одним из основоположников которой является Нобелевский лауреат по эконо­мике Юджин Фама (Eugene Fama)^{[144] [145]}, предполагает, что цены на акции непредска­зуемы и следуют случайным блужданиям. Данная теория в чистом виде отрицает возможность прогнозирования.

Вместе с тем важные практические последствия имеет предположение о прак­тически полной непредсказуемости доходности финансовых активов. Если реаль­ные доходности практически не поддаются прогнозированию, реальная цена ак­ции будет стремиться к ее внутренней стоимости, определяемой как сумма дис­контированных оптимальным образом спрогнозированных дивидендов по данной акции. Такой подход используется в фундаментальном анализе, основоположника­ми которого являются Бенджамин Грэм (Benjamin Graham) и Дэвид Додд (David Dodd)^[146].

Отсюда при прогнозировании динамики финансовых рынков фундамен­тальный анализ предполагает использование либо адаптированной (к динами­ке всего рынка) модели дисконтированных дивидендов (для рынков акций),

либо поиск зависимости динамики индекса (акций, биржевых товаров) от иных фундаментальных экономических и финансовых переменных, либо исследова­ние деловых циклов и их использование для анализа колебаний цен на финан­совые активы. Все перечисленные подходы к прогнозированию объединяет концепция «рационализма» функционирования экономических систем: поиск причинно-следственных экономических связей в финансовом мире, постулат об эффективности рынков, абстрагирование от иррационального поведения их участников.

К другой масштабной научной школе относятся сторонники поведенческих финансов, в рамках которых развивается а) технический анализ рынков (вектор исследования: прошлое) и б) анализ ожиданий на рынках предсказаний (вектор исследования: будущее).

Основоположниками технического анализа рынков являются Чарльз Доу (Charles Dow), Уильям Ганн (William Gann), Ричард Шабакер (Richard Schabacker), Ральф Эллиотт (Ralph Nelson Elliott) и др. Приверженцы данной школы, в отличие от двух предыдущих, полагают, что, поскольку динамику фи­нансовых рынков определяют его участники, наибольшее значение имеет выяв­ление алгоритмов поведения человека (постулируется наличие таковых незави­симо от их рационального или иррационального характера) как индивидуума и члена социума (так называемое стадное поведение, herd behavior) при заданных обстоятельствах. Повторение обстоятельств должно повлечь наблюдение схожей динамики рынков; отсюда — принципиальная возможность прогнозирования их поведения на основании исследования исторических данных (один из основных постулатов технического анализа — «история повторяется»). Для технического анализа, таким образом, основными концепциями являются психология участ­ников рынка (их мнение о конъюнктуре рынка) и соотношение спроса и предло­жения (наличие у данных участников финансовых средств для осуществления сделок в соответствии с их представлениями).

Учитывая, что перечисленные научные школы, допускающие возможность прогнозирования, развиваются параллельно в течение по меньшей мере века, можно считать классическими предложенные ими магистральные методы про­гнозирования динамики как конкретных финансовых активов, так и соответст­вующих рынков в целом (на базе изучения движения индексов): на основе фун­даментального и технического анализа рынков^[147].

Сравнивая данные научные школы, можно заметить, что фундаментальным называется анализ, изучающий причинно-следственные связи в рамках функ­ционирования экономических систем, а техническим — анализ последствий су­ществования логических связей при принятии экономических решений участ­никами финансовых рынков (что дает основание заключить, что технический анализ в некотором роде также является фундаментальным).

Несмотря на это до последних десятилетий XX в. технический анализ рын­ков подвергался критике и игнорировался приверженцами фундаментального

анализа, считаясь течением, не имеющим солидного научного обоснования (хотя многие выдающиеся трейдеры были его адептами (У. Данниган (William Dunnigan), Э. Гулд (Edson Gould) и др.). Не случайно предположительно один из первых взаимных фондов в США, управляемых с использованием методов технического анализа (Edson Gould Fund), появился только в конце 1976 г.¹

Развитие классических течений фундаментального и технического анализа осуществляется параллельно с нетрадиционными методами прогнозирования, которые можно считать «хвостами» данных направлений исследования рынков (по аналогии со статистическими свойствами ценовых распределений). Имеется в виду прежде всего финансовая астрология, направленная на поиск (в случае фундаментального анализа) или фиксацию (в случае технического анализа) взаимосвязей между явлениями внешнего мира и движениями финансовых рын­ков — только в данном случае вместо экономических индикаторов детерминан­тами выступают астрологические закономерности (солнечные, лунные циклы и др.) ^{[148] [149]} .

Экзотическим направлением поведенческих финансов можно считать метод прогнозирования, основанный на коллективных ожиданиях будущей динамики рынков. Такие ожидания формируются на рынках — «дублерах» реальных пло­щадок, так называемых рынках предсказаний (prediction markets). Хотя данные рынки существуют довольно продолжительное время (с начала XX в.), постоян­но действующие площадки, предметом торговли на которых являются различ­ные ожидания в отношении финансовых активов и рынков, появились только в конце 1980-х гг., поэтому данный подход к прогнозированию является относи­тельно новым.

На рис. 2.10 показана типология современных подходов к прогнозированию движения индексов акций.

I. Прогнозирование методами фундаментального анализа рынков

Фундаментальный анализ нацелен на поиск причинно-следственных связей между экономическими и финансовыми (а также социальными, политическими и иными) индикаторами и конъюнктурой финансового рынка.

Адаптированные к исследованию рынка акций модели дисконтированных денеж­ных потоков. При прогнозировании динамики биржевых рынков акций широко используется классический метод оценки, применяемый для определения спра­ведливой стоимости отдельных объектов торговли — акций. А именно, исполь­зуется разновидность модели дисконтированных денежных потоков (Discounted

ОСНОВОПОЛАГАЮЩИЕ НАУЧНЫЕ ШКОЛЫ В ОБЛАСТИ ФИНАНСОВ

Рис. 2.10. Типология современных методов прогнозирования динамики индексов акций

Cash Flow Model) — модель дисконтированных дивидендов (Discounted Dividend Model, DDM)^[150], являющаяся основным методом оценки акций — с тем отличием, что используемые в данной модели параметры оцениваются не для конкретной акции, а для рынка в целом.

В качестве примера адаптации модели DDM к прогнозированию движения рынка акций приведем предпочтительный метод прогнозирования колебаний

рынков акций международной консалтинговой компании Pricewaterhouse Coopers (PwC)¹.

PwC использует разновидность DDM, основанную на предположении о по­стоянном темпе роста дивидендов в будущем — модель роста дивидендов, или мо­дель Гордона (Dividend Growth Model (DGM)). Для оценки степени недооценен­ности/ переоцененности текущих значений курсов акций PwC проводит сравне­ние текущих значений индикатора Price/Earnings Ratio (P/E) (в целом по рассматриваемому рынку акций) с его равновесными значениями, рассчитывае­мыми исходя из оцениваемого при помощи метода Гордона равновесного значе­ния дивидендной доходности на рынке (D/P, где D — размер дивиденда на мо­мент оценки; P — курс акции на момент оценки). По модели Гордона D/P = r + + e — g, где r — безрисковая процентная ставка; e — ставка, определяющая уро­вень премии зариск по акции; g — ожидаемый темп прироста дивидендов в буду­щем. Поскольку прогнозирование ведется для всего рынка в качестве g (средне­годового прироста дивидендов в будущем на соответствующем рынке) PwC ис­пользует прогнозируемый прирост ВВП соответствующей страны в будущем (в среднем за несколько лет; при этом годы выбираются для максимальной ней­трализации возможного завышения или занижения темпов роста ВВП, вызван­ного текущей экономической ситуацией^{[151] [152]}). Показатели r и e прогнозируются от­дельно исходя из оценок PwC относительно уровня процентных ставок и премии за риск на конкретном рынке^[153].

Существует большое число разновидностей модели DDM, появившихся как ответ на потребность повышения ее прогностической силы: аддитивная и геометрическая модели Гордона, основанные на использовании моделей Мар­кова (Additive and Geometric Markov Gordon Growth Models), модель Гордона Дональдсона—Камстры, использующая статистические модели дисконтиро­ванных ставок роста дивидендов (Donaldson—Kamstra Gordon Growth Model), разновидность вышеперечисленных моделей, предложенная М. Камстрой (Mark Kamstra), предполагающая увеличение дивидендов путем продажи части портфеля акций (The Gordon Growth Model With Augmented Dividends) и т.п.

Кроме модели DDM к оценке акций (и динамики индексов) применимы иные разновидности модели дисконтирования денежных потоков, в которых доход для акционеров оценивается через параметры иные, чем дивиденды:

• модели остаточной прибыли (Residual Income Model, RIM), в которых вме­сто дивидендов используется показатель остаточной прибыли¹ (применяется при невозможности прогнозирования будущих дивидендов, их невыплате, а так­же при длительном генерировании бизнесом негативных денежных потоков при ожиданиях смены данной тенденции)^{[154] [155]};

• модель дисконтированных свободных денежных потоков (Discounted Free Cash Flow Model, FCF), в которой в качестве добавленной стоимости для постав­щиков капитала компаний используется показатель свободных денежных пото­ков (средств, доступных к распределению для данных лиц после осуществления необходимых инвестиций) (применение модели FCF основывается на предполо­жении о том, что на краткосрочных горизонтах прогнозирования показатель свободных денежных потоков является более точным индикаторов добавленной стоимости для акционеров и иных кредиторов компаний);

• модели, в которых дивиденды заменяются иными показателями, в частно­сти, доходами и нормой дивидендных выплат^[156] или объемами продаж и рента­бельностью продаж^[157].

При прогнозировании денежных потоков применим также сценарный анализ, при котором определяются вероятные сценарии, вероятность их реализации и финансовые показатели, наблюдаемые для каждого сценария, используемые в модели дисконтированных денежных потоков. Данный метод трудоемок и тре­бует глубоких экспертных знаний (описан в работах следующих исследователей: Tom Copeland, Tim Koller, Jack Murrin, Barney Wilson и др.).

Анализ зависимости движения рынка от экономических, финансовых

и других показателей

Подавляющее большинство международных организаций (группа G20, Между­народный валютный фонд, Всемирный банк, организации ООН, ОЭСР, Банк международных расчетов и т.п.) и многие исследовательские институты (Нацио­нальное бюро экономических исследований (NBER), Брукингский институт (Brookings Institution), Институт мировой экономики Петерсона (Peterson Institu­te for International Economics) и др.) осуществляют прогнозирование основных макроэкономических и финансовых показателей (динамики ВВП, инфляции, уровня безработицы, показателей счета капитала, рынка ссудных капиталов, корпоративных показателей, состояния государственных финансов и т.п.) в сво­их периодических отчетах (как правило, называются Global / World Economic Outlook). Данные показатели являются во многом определяющими для динами­ки финансовых и товарных рынков.

Наиболее распространенными индикаторами, используемыми для прогно­зирования динамики фондового рынка, являются:

— коэффициент P/E (P/E ratio)¹ , включая P/E Шиллера, скорректирован­ный на цикличность (Schiller P/E)²; коэффициент PEG³;

— дивидендная доходность (dividend yield);

— доходности по облигациям, в частности, разница между доходностями по

акциям и доходностью долгосрочных государственных облигаций (T-bonds) (мо­дель Федерального резерва, Fed Model);

— индикаторы денежно-кредитной политики, прежде всего, инфляция;

— уровень прибыли корпораций (corporate earnings), ее отношение к ВВП,

рентабельность собственного капитала (return on equity, ROE);

— коэффициент P/B (P/B ratio; price-to-book или book-to-market ratio);

— коэффициент Тобина (Tobin's Q);

— отношение капитализации рынка акций к агрегированным показателям, таким как ВВП или стоимость замещения собственного капитала;

— отношение уровня государственного долга к ВВП;

— иные экономические, социальные и другие показатели (уровень безрабо­

тицы, уровень заработных плат, демографические факторы, ситуация на рынках ключевых товаров, в том числе нефти, размеры государственного долга и др.);

— другие индикаторы.

Поскольку ни один из перечисленных показателей не является определяющим фундаментальным фактором динамики фондового рынка (существуют оценки, согласно которым наиболее сильный из индикаторов — коэффициент P/E — спо­собен объяснить только около 40% динамики доходностей по акциям, скорректи­рованных на инфляцию⁴), при определении зависимостей используется широчай­ший спектр количественных моделей (классических эконометрических моделей, моделей искусственного интеллекта и др.), нацеленных на улавливание связей ме­жду различными фундаментальными факторами и динамикой фондовых индек­сов. Данные модели отличаются как по набору переменных, так и по типу зависи­мостей (линейные и нелинейные, параметрические и непараметрические и др.) между данными переменными и оцениваемым параметром (динамикой индекса).

Отметим, что поскольку в качестве переменных в моделях могут использоваться не только фундаментальные экономические, но и иные параметры⁵, в частности:

¹ С данным коэффициентом связано «правило 19» (Rule of 19), согласно которому нормальным диа­пазоном для данного коэффициента, выход за пределы которого свидетельствует о переоцененности/ не­дооцененности курсов акций, является 19 за минусом уровня инфляции в недавнем прошлом +/- одно стандартное отклонение от данного значения (см.: Siegel J. J. Stocks for the Long Run. The Definitive Guide to Financial Market Returns and Long-Term Investment Strategies, Second Edition. New York : McGrow-Hill,

1998. P. 81.).

₂

² Другие названия данного индикатора: P/E 10 ratio, CAPE (cyclically adjusted price-to-earnings ratio).

³ Отношение коэффициента P/E к ожидаемой ставке роста прибыли (earnings).

⁴ Forecasting Stock Returns: What Signals Matter, and What Do They Say Now? Vanguard Research. Octo­ber 2012. P. 2.

⁵ См., например, регрессионную модель, используемую Vanguard Group (Davis J., Aliaga-Diaz R., Tho­mas C. J. Forecasting Stock Returns: What Signals Matter, and What Do They Say Now? The Vanguard Group. Oc­tober 2012).

предыдущие значения динамики оцениваемого индекса и межрыночные показате­ли, прежде всего, цены на рынках производных финансовых инструментов (цены на фьючерсные/ опционные контракты на индексы, соотношение объема торговли опционов путк объему по опционам колл (put/call options volume ratio) и др.), коли­чественные модели нельзя однозначно отнести к инструментарию фундаменталь­ного анализа рынков: количественный анализ финансовых рынков (quantitative analysis) является универсальным инструментом анализа и прогнозирования их динамики.

Если в качестве переменных в моделях прогнозирования динамики рынков акций и товарных рынков используется одна или несколько независимых пере­менных (основные показатели, используемые для прогнозирования динамики индексов, приведены выше), модель относится к классу моделей эконометриче­ского (структурного) прогнозирования (econometric (structural) forecasting); если прогноз основывается на нахождении зависимости будущего поведения индекса от его прошлых значений, прогнозирование осуществляется с использованием моделей анализа временных рядов (time series forecasting).

Более подробно модели прогнозирования динамики фондовых индексов и индексов биржевых товарных рынков (количественные и качественные) будут рассмотрены в п. 2.4.2.

Анализ циклов

Фундаментальные экономические, финансовые и иные показатели позволяют определить фазу экономических (деловых) циклов разной длины (циклы Китчи- на, Жугляра, Кузнеца, Кондратьева, Шумпетера и др.¹), в которой находится ми­ровая экономика, наложение которых друг на друга определяет состояние миро­вой экономики и позволяет спрогнозировать ее динамику.

Циклы динамики финансовых и товарных рынков связаны с экономически­ми циклами^{[158] [159]}. В частности, статистически подтверждено, что на американском фондовом рынке индексы сильно реагируют на изменения в уровне деловой ак­тивности, начиная падение перед рецессией и рост при появлении признаков оживления экономики; в связи с этим прогнозирование деловых циклов позво­ляет достичь более высоких результатов инвестирования на фондовом рынке в сравнении со стратегией «купи и держи»^[160].

Вместе с тем определение переломных моментов перехода от одной фазы экономического цикла к другой является трудной задачей. Не случайно Нацио­нальное бюро экономических исследований (NBER), которое в США является официальной инстанцией по датированию деловых циклов (одна из задач Бюро, ради которой оно было создано в 1920 г.^[161]), фактически всегда объявляет о дости­

жении пика или дна очередного цикла постфактум (задержка может достигать 21 (!) месяца), когда не остается сомнений в их достижении¹.

Большой вклад в развитие теории циклов внесли ученые, чьими именами на­званы базовые экономические циклы различной длины, а именно — по мере уменьшения длины цикла — К-циклы (циклы Кондратьева) (40—60 лет), циклы Кузнеца (15—30 лет), Жугляра (7—12 лет), Китчина (2—4 года)^{[162] [163]}.

Одной из наиболее известных циклических характеристик именно фондово­го рынка являются суперциклы Р. Бронсона (Robert E. “Bob” Bronson III) (циклы BAAC (Bronson Asset Allocation Cycles)), которые охватывают период в 16 лет ±4 года (К-цикл включает в себя два Суперцикла BAAC). Теория суперциклов BAAC основана на учете взаимодействия при определении фазы цикла в дина­мике фондовых индексов комплекса фундаментальных и иных показателей: эко­номических/ монетарных, основанныхнаоценкахактивов/основанных наожи- даниях участников рынка, социальных/ политических^[164]. Исследования в области циклов позволили Р. Бронсону среди прочего создать модель прогнозирования динамики рынка акций, основанную на интеграции экономических циклов и циклов на рынках акций (Stock Market and Economic Cycles Template, SMECT), которая является завершением работы Й. Шумпетера по интеграции различных деловых циклов.

С 1990-х гг. публичным стал циклический анализ рынков Самуила Кресса (Samuel J. 'Bud' Kress), который разработал ряд недельных и годовых ритмов, получивших название циклы Кресса. Наиболее длительный по продолжитель­ности суперцикл Кресса (Grand Super Cycle) охватывает 120 лет, внутри кото­рых одним из наиболее мощных циклов является цикл в 40 лет (Primary Bias Cycle), который с 1894 г. ни разу не сгенерировал ошибку при достижении дна (дно каждого 40-летнего цикла Кресса всегда сопровождалось значительными падениями на рынке акций).

II. Прогнозирование методами технического анализа рынков

(в рамках поведенческих финансов)

Теория Доу

Теория Доу^[165] — разновидность технического анализа рынков, основанная на оп­ределенной рыночной философии (инкорпорирование рынком акций всех ново­

стей, невозможность манипулирования трендами, влияние на котировки психо­логии людей, усиливающих силу повышательных и понижательных движений рынка, и др.). Основная идея прогнозирования в теории Доу заключается в иден­тификации тренда¹ при помощи графиков, скользящих средних, учета (кроме значений индекса) объема торгов и т.п.

Данная теория, которая исторически стала одним из первых методов прогно­зирования динамики финансовых рынков (первоначально в основном рынков акций), получила развитие прежде всего в трудах Ричарда Расселла (Richard Russell)^{[166] [167]} и Джека Шаннепа (Jack Schannep)^[168].

Анализ циклов

Крупным направлением технического анализа является исследование ценовой динамики рынков акций на длинных временных интервалах для выявления цик­лов различной длины и их использования для прогнозирования будущей дина­мики данных рынков (зачастую вкупе с использованием других инструментов технического анализа).

Метод Ганна. Особняком стоит методика прогнозирования Уильяма Ганна (William Delbert Gann) (1878—1955) — одного из самых успешных трейдеров на Wall Street за всю историю его существования. Уникальность подхода Ганна к прогнозированию динамики рынков заключалась в учете взаимосвязи времени (временных циклов), цены и ценовых фигур при определении трендов и момен­тов их разворота (время так же важно, как и цены)^[169] и опоре при разработке ана­литических инструментов анализа рынка (углы Ганна (Gann angles), веер Ганна (Gann fan), «квадрат девяти» (Square of 9), сетка Ганна (Gann Grid), линии Ганна (Gann Lines) и многое другое) на законы математики, астрономии и астрологии, а также на могущие казаться нелогичными результаты наблюдений различных явлений (событий) и частоты их повторяемости.

Данная теория получила развитие, в частности, в трудах Брэдли Коуэна (Bradley F. Cowan), создавшего Пятиугольную теорию временных циклов (Pentagonal Time Cycle Theory).

Волновая теория Эллиотта. Отдельным крупным направлением в анализе циклов является волновая теория Эллиотта, изначально сформулированная

Ральфом Эллиоттом (Ralph Nelson Elliott) в 1938 г. в книге «Волновой принцип» (The Wave Principle). Опираясь на изучение динамики рынков акций США за 75 лет, данный исследователь (в прошлом — влиятельный финансист) выделил ряд волн: пять волн «по тренду» (импульсивных волн, impulsive waves), форми­рующих более крупную волнуданного вида, и три —«против тренда» (коррекци­онные волны, corrective waves), также формирующих более крупную волну. Ма­тематической опорой для Р. Эллиотта стала последовательность чисел Фибонач­чи; экономическим объяснением волнового характера движения финансового рынка — коллективное поведение инвесторов, определяющее повышательную динамику рынка при превалировании оптимизма и понижательную — при пес­симистическим настое участников торгов.

Волновая теория Эллиотта, несмотря на субъективность при выявлении волн, являющуюся основным недостатком данной модели, получила дальней­шее развитие, прежде всего, в трудах Роберта Пректера (Robert R. Prechter, Jr.) и Гленна Нили (Glenn Neely) (последний разработал на основе теории Эллиотта авторскую волновую модель динамики финансовых рынков NEoWave).

Циклическая теория Херста. «Отцом» современного анализа циклов считает­ся Дж. М. Херст (J. M. Hurst), который разработал наиболее полную на сего­дняшний день теорию цикловв ставшем классическом труде 1970 г. «Таинствен­ное искусство своевременных операций на фондовых рынках» (The Profit Magic of Stock Transaction Timing) и основанном на авторском курсе издании «Курс по циклам Дж. М. Херста» (JM Hurst's Cycles Course) 1973 г. Любопытно, что, не­смотря на высокую точность прогнозирования поведения рынков акций, ис­пользование данной теории затруднено ее сложностью и проблемами интерпре­тации для современных финансовых рынков, что характерно и для других чрез­вычайно эффективных теорий прогнозирования (Ганна, Линдси).

Циклическая теория Херста получила развитие в трудах Брайана Милларда (Brian Millard), Уолтера Брессерта (Walter Bressert), Джима Тиллмана (Jim Tillman), Питера Элиадеса (Peter Eliades) и др.

Иные исследования циклов на рынках акций. Известной циклической характе­ристикой рынков акций является концепция десятилетних циклов (the Decennial Pattern), впервые предложенная Эдгаром Смитом (Edgar L. Smith) в сотрудниче­стве с Энтони Гаубисом (Anthony Gaubis) в 1939 г. Исследователи сконструиро­вали подобные циклы, начиная с1881 г.:1881—1890 гг., 1891—1900 гг. и т.п. с на­чалом каждого цикла в октябре соответствующего года¹; впоследствии данные циклы были продлены Э. Гулдом (до 1970 г.) и Йейлем Хиршем (Yale Hirsch) (до сегодняшнего дня). Э. Смит нашел, что каждая декада содержит три «бычьих» цикла примерной продолжительностью в 40 месяцев^{[170] [171]}, причем самая сильнаяпо-

вышательная тенденция наблюдается в середине десятилетия. «Быки» преобла­дают в 5-м (самый сильный год), 8-м и в большинстве 9-х лет; «медведи» зачас­тую сильнее в 3-м, 7-м, 10-м и иногда 6-м годах.

Интересно, что Э. Смит, выявив 10-летние закономерности в движении рын­ков, не мог найти им научного обоснования. Он пытался связать данные законо­мерности с такими явлениями, обусловленными погодными условиями, как солнечные пятна, солнечная радиация, число выпадаемых осадков, барометри­ческое давление и др., считая, что именно погодные условия — вероятная причи­на изменений в поведении людей, обусловленных психологическими фактора­ми; корреляция была найдена с числом выпадающих осадков и разницей темпе­ратур. Рационального объяснения 10-летним циклам до сих пор не найдено.

Один из последователей метода 10-летных циклов — автор выходящего с 1968 г. «Альманаха биржевого трейдера» (Stock Trader's Almanac) Йейль Хирш — нашел иные закономерности в движении рынков акций США, построенные на изучении календаря:

— «барометр января» (January Barometer), согласно которому поведение рын­ка акций в течение года определяется его январской динамикой, особенно в не­четные годы, когда созывается Конгресс;

— рождественское ралли (Santa Claus Rally);

— четырехлетние политические (связанные с президентскими выборами) циклы/ циклы на рынках акций;

— инвестирование в течение шести лучших месяцев года: с ноября по апрель (Best Six Consecutive Months)¹.

Изучению циклов посвятил жизнь Эдвард Дьюи (Edward R. Dewey), который, в частности, путем изучения динамики рынков акций за период 1937—1965 гг., выявил важные циклы в 9,2 года (напоминающие 9-летние циклы Жугляра)^{[172] [173]} ив 38 месяцев (схожие с 31/2 — летними циклами Китчина). Интересно, что данный исследователь также полагал, что вследствие чрезмерной сложности реальности бессмысленно искать причинно-следственные связи при построении прогнозов и экономическое прогнозирование должно осуществляться методом экстраполяции наблюдаемых циклов: «прогнозы пишутся самими данными»^[174].

Джордж Линдси (George Lindsay) (1906—1987) является единственным на се­годняшний день разработчиком строгой методологии прогнозирования момен­тов начала и завершения долгосрочных циклов (Long Cycles — длятся приблизи­тельно 20 лет; аналогичны понятиям Secular Bull/ Bear Market), которые находи­лись в фокусе его исследований (Дж. Линдси изучал многолетние изменения на

рынках с 1798 (!) года). Разработанная им уникальная, хотя и не ортодоксальная методология позволила давать точные прогнозы событий не только на финансо­вых рынках, но и иных крупных событий в человеческой истории.

Следует отметить и разработанные американским экономистом Мартином Армстронгом (Martin Armstrong) циклическую теорию товарных цен и более об­щую Модель экономического доверия (Economic Confidence Model (ECM))¹, ис­пользуемую для составления долгосрочных прогнозов, в том числе на финансовых рынках. Данный ученый и практик финансового рынка^{[175] [176]}, изучая финансовые па­ники на отрезке 1683—1907 гг., обнаружил средний интервал времени между кри­зисами — 8,6 лет, или 3 141 дней, что равняется числу пи, возведенному в тысяч­ную степень. Основываясь на значимости числа пи, он разработал ECM, которая позволила ему дать ряд точных прогнозов разворота тренда на рынках акций. Не­ортодоксальным в данной модели является использование в качестве ключевого фактора цикличности движения потоков капитала в мире при признании нереле­вантности фундаментальных факторов в силу убеждения М. Армстронга о воздей­ствии на поведение людей их ожиданий относительно будущего, которые могут полностью противоречить реальным фундаментальным обстоятельствам.

Классический (научный) технический анализ

Основы научного технического анализа заложил Ричард Шабакер (Richard Schabacker)^[177] (1902—1938), которого называют «отцом» данного метода изучения рынков, и его продолжатели: Роберт Эдвардс (Robert Edwards) и Джон Маги (John Magee), чья книга «Технический анализ рыночных трендов» (Technical Analysis of Stock Trends) 1948 г. до сих пор считается библией технического анали­за. В трудах Р. Шабакера 1930-х гг. впервые были классифицированы многие считающиеся теперь классическими фигуры продолжения и разворота тренда, в том числе голова и плечи (head & shoulders), треугольники (triangles) и др., разра­ботана теория гэпов (gaps), показана важность линий поддержки и сопротивле­ния, изобретены столбцовые графики (bar charts). До сих пор сохраняет актуаль­ность и написанная данным исследователем книга 1932 г. «Технический анализ и эффективность рынков акций: Курс по прогнозированию» (Technical Analysis and Stock Market Profits: A Course in Forecasting).

Следующим шагом в развитии классического технического анализа стали работы «титанов»: Ричарда Вайкоффа (Richard Wyckoff) (1873—1934)^[178], показавшего взаимо­связь цен и объема торгов и их соотношения с законом спроса и предложения при ценообразовании на финансовых рынках, и Артура А. Меррилла (Arthur A. Merrill)^[179], исследовавшего в 1960—1980-е гг. отфильтрованные волны (filtered waves).

Отцом межрыночного технического анализа считается Джон Мерфи (John

J. Murphy) с его международно признанными исследованиями взаимосвязей ме­жду различными сегментами финансового рынка — акциями, облигациями, ва­лютой, товарами (1980—2000-е гг.)¹.

В целом классический технический анализ и прогнозирование наего осно­ве динамики финансовых рынков развивается в направлении повышения объ­ективности («научности») данного метода исследования, достигаемого за счет:

1) широкого использования математических моделей (по мере развития тех­нического анализа исследование графиков как исторически первый метод ана­лиза уступает место изучению сигналов скользящих средних и осцилляторов; в настоящее время технический анализ рынков преимущественно базируется на математических методах анализа динамики рынков);

2) создания механических торговых систем. Первые попытки создания меха­нической торговой системы, генерирующей точные сигналы на покупку и про­дажу, относятся к 1950-м гг.^{[180] [181]}; в настоящее время развивается объективный тех- ническийанализ (Evidence-Based Technical Analysis (EBTA)), основанныйна процедурах, подающих недвусмысленные сигналы, что позволяет воплощать их в компьютерные алгоритмы и проверять на исторических данных^[182];

3) конвергенции данного метода анализа и прогнозирования динамики фи­нансовых рынков с иными методами, прежде всего, с классическим фундамен­тальным анализом (возможны и более экзотические комбинации, например, с финансовой астрологией).

Сочетания фундаментального и теххнического анализа

Наиболее тесная «связка» прослеживается между техническим и фундаменталь­ным анализом рынка. Одним из первых ученых, сочетающих данные направления исследования рынков, был Лоуренс Энгас (L. L. B. Angas) (1893—1973), который занимался изучением бизнес-циклов в целях прогнозирования движения цен на акции и товары^[183] и одновременно являлся ярким сторонником анализа графиче­ский интерпретаций движенйи рынка.

В настоящее время фундаментальный и технический анализ воспринимают­ся как дополняющие друг друга методы: первый подход дает обоснование сделке на финансовом рынке (отвечает на вопрос «почему»; позволяет выявить направ­ление рыночного тренда), а второй показывает оптимальное время ее соверше­ния (ответ на вопрос «когда»¹). Не случайно многие наиболее успешные трейде­ры использовали сочетание фундаментального и технического анализа; в числе последних находится, например, Эдсон Гулд (Edson Gould) — самый точный прогнозист за всю историю существования американского фондового рынка^{[184] [185]}.

К настоящему времени оформился ряд методов, сочетающих фундаменталь- ныйи технический анализ при исследовании рынков. В их числе рациональный анализ (Rational Analysis) (один из адептов данного метода — создатель линий Боллинджера Джон Боллинджер (John Bollinger)), фьюжн анализ (Fusion Analysis) (основан на ставшим известном одноименном инвестиционном курсе Нью- Йоркского института финансов (New York Institute of Finance (NYIF)), читаемом известным портфельным управляющим Дж. Палиска (V. John Palicka)^[186]) и др. Наибольший вклад в популяризацию двойственного подхода к анализу рынков внес Уильям О'Нил (William O'Neil)^[187].

Финансовая астрология

Знания в области астрологии использовались в техническом анализе еще У. Ган­ном в 1920—1930-х гг. В настоящее время существует отдельное направление прогнозирования динамики финансовых рынков — финансовая астрология:

продолжается комбинирование с ней технического анализа. Ярким представите­лем такого подхода к изучению динамики финансовых рынков является Кристо­фер Кэролан (Christopher L. Carolan), изучающий воздействие на такую динами­ку лунных циклов^[188].

Хотя астрология считается псевдонаукой, финансовая астрология, изучающая влияние на финансовые рынки движения (чаще всего циклов) небесных тел, является оформившимся направлением прогнозирования динамики данных рынков, а наблю­даемая степень точности прогнозов, генерируемых моделями астроэкономики, выхо­дит за рамки случайности.

Еще в XIX веке У. Джевонс (William S. Jevons) осуществил статистическое иссле­дование связи деловых циклов с солнечными пятнами.

В XX в. одновременно с У. Ганном первопроходцем в данной области был Джордж

Байер (George Bayer), который кроме циклов начал применять иные астрономические параметры при прогнозировании поведения финансовых рынков и известен разработ­кой метода анализа гороскопа «Пятикратный гороскоп» (Five Fold Horoscope).

Одним из первых известных финансовых астрологов был Дональд Брэдли

(Donald A. Bradley), который в середине XX в. разработал одноименную модель про­гнозирования на рынке акций (Bradley Stock Market Prediction Model), используемую до сих пор. Полагая, что циклы в массовой психологии, проявляющиеся в движении рынка акций, определяются планетарными взаимоотношениями, Д. Брэдли опреде­лил 190 значимых комбинаций позиций планет, отраженных в ряде долгосрочных и среднесрочных индикаторов.

На настоящее время наиболее комплексные теории финансовой астрологии раз­работаны Дэвидом Уильямсом (David Williams) (в книге «Финансовая астрология») и

Лютером Дженсеном (Luther J. Jensen) (в книге «Астро-циклы и спекулятивные рын ки и астро-экономическая интерпретация»). Значительный вклад в развитие данного направления анализа рынков внесли также Томас Риедер (Thomas Rieder), Чарльз Харви (Charles Harvey), Грэм Бэйтс (Graham Bates), А. Кроуфорд (Arch Crawford) и др.

Поведенческий технический анализ

Психологические аспекты поведения участников финансовых рынков и их отра­жение на ценовой динамике всегда было предметом учета для технических ана­литиков; в настоящее время формализация знаний в области поведенческих фи­нансов и их влияния на динамику финансовых рынков привела к появлению по­веденческого технического анализа (работы Харви Кроу (Harvey Krow), Эрика Зимана (E.C. Zeeman), Генри Прудена (Henry O. Pruden), Пола Аццопарди (Paul V. Azzopardi) и др.).

III. Прогнозирование методами социальной аналитики

(в рамках поведенческих финансов)

Ожидания рынков предсказаний. Рынки предсказаний (prediction markets)¹, на кото­рых торгуются контракты на вероятность реализации какого-либо события в буду­щем, существуют довольно продолжительное время^{[189] [190]}; в конце 1980-х гг. появились интернет-площадки предсказаний (первая из таких площадок была создана в 1988 г. — Iowa Electronic Markets, IEM). В настоящее время существует большое количество рынков предсказаний (Betfair (с апреля 2014 г. заблокирован для рос­сийских пользователей), Intrade (с марта 2013 г. торговля приостановлена в связи с начавшимся разбирательством деятельности данной площадки; в настоящее вре­мя планируется запуск Intrade 2.0), TradeSports, Foresight Exchange, Iowa Electronic Markets (IEM), simExchange, Hollywood Stock Exchange, The Exchange of Future Events (Xfuture), Paddy Power и др.)с бесчисленным множеством объектов торгов­ли — от ожиданий относительно результатов президентских выборов в США до ве­роятности отмены целибата для католических священников.

Предметом торговли на рынках предсказаний являются среди прочего эко­номические и финансовые индикаторы и события (ожидания относительно уровня инфляции, процентных ставок, курсов акций, финансовых показателей деятельности компаний, использования виртуальных валют, в частности, бит- койна (bitcoin), вероятности отмены наличного обращения и т.п.). В частности, предсказания динамики биржевых индексов являлись объектом торговли на площадке Intrade (www.intrade.com) и торгуются на деривативной бирже Nadex (www.nadex.com) (бывший рынок предсказаний HedgeStreet, который первымиз подобных рынков получил статус электронной деривативной биржи и в настоя­щее время регулируется Комиссией по торговле товарными фьючерсами США

(Commodity Futures Trading Commission, CFTC).

Данные рынки, участие на многих из которых свободно для любого желающе­го (в этом принципиальное отличие рынков предсказаний от, например, фью­черсных и опционных бирж, торговля на которых ведется профессиональными участниками и подлежит регулированию национальным регулятором рынка дери- вативов¹) основаны на принципе «мудрости толпы» (wisdom of the crowd). Меха­низм их функционирования и точность оценок являются предметом серьезных академических исследований, причем накапливаются свидетельства в пользу меньшей ошибки прогнозирования рынков предсказаний по сравнению с тради­ционными методами прогнозирования^{[191] [192]}. О надежности оценок рынков предсказа­ний свидетельствует также факт их использования при принятии решений госу­дарственными органами США, включая Министерством обороны, и многими транснациональными корпорациями, включая Google, Intel, IBM, Siemens, Microsoft,FranceTelecom, General Electric^[193], Best Buy, Motorola^[194] идр.

Применительно к прогнозам движения рынков акций рынки предсказаний применимы для кратко- и среднесрочной перспективы^[195].

Экономическая наука разработала множество моделей прогнозирования ди­намики рынков акций, которые используются при применении технического и фундаментального анализа рынков.

I. Количественный анализ рынков

При количественном прогнозировании динамики индексов используется широ­чайший спектр математических моделей.

Традиционными являются модели анализа временных рядов, регрессионные модели и модели VAR. Перспективными направлениями прогнозирования, по­лучающими все большее распространение, являются симуляционные модели, включая статистический бутстрэп (bootstrapping), а также модели, способные обучаться. Среди последних — нейронные сети (нейронные сети высшего поряд­ка (High Order Neural Networks, HONNs), рекуррентные нейронные сети (Recurrent Neural Networks, RNNs), сети Psi Sigma, PSI и др.), генетические алго­ритмы (Genetic Algorithms, Gas), модели нечеткой логики (Fuzzy System Models, FSMs), а также модели на стыке перечисленных направлений развития искусст­венного интеллекта: модели, объединяющие принципы нечеткой логики с ней­ронными сетями (Adaptive Neuro Fuzzy Inference Systems, ANFISs, Generate Fuzzy Inference Systems, GENFISs и др.), и модели конвергенции нечеткой логи­ки с генетическими алгоритмами (Fuzzy Gas).

Нейронные сети, которые базируются в основном на нелинейных статисти­ческих моделях и теоретически способны аппроксимировать любые — даже са­мые сложные — функции, являются более совершенным математическим инст­рументарием анализа по сравнению с классическими регрессионными моделя­ми. Более того, поскольку в качестве зависимых переменных в нейронных сетях могут использоваться индикаторы как технического, так и фундаментального анализа, нейронные сети служат инструментом конвергенции данных методов прогнозирования динамики рынков акций и биржевых товаров.

На рис. 2.11 приведена типология современных количественных моделей прогнозирования.

II. Качественный анализ рынков

Несмотря на явное преобладание количественного анализа рынков, качествен­ные методы также находят свое применение, особенно в части использования консенсусных мнений экспертов.

Экспертный метод. При определении вектора движения рынков акций и биржевых товаров иногда используется метод опроса топ-менеджеров и ведущих сотрудников операторов данных рынков^{[196] [197]}.

Рис. 2.11. Типология современных количественных моделей прогнозирования динамики индексов акций

Международная практика прогнозирования цен на финансовых рынках 219

III. Вспомогательный инструментарий

Сценарный анализ. Зачастую при осуществлении прогнозирования выделяются различные сценарии движения рынков в зависимости от прогнозов развития ми­ровой экономики и вероятности реализации экономических, регулятивных, тех­нологических и иных рисков (базовый, оптимистичный, пессимистичный сце- нарии)^[198].

Вывод

Развитие применяемых методов и моделей прогнозирования биржевых индексов осуществляется по пути их последовательного усложнения, в том числе за счет совершенствования математического аппарата и инкорпорирования все больше­го числа макроэкономических, регулятивных и специфических факторов, опре­деляющих динамику рынков (кроме учета традиционных фундаментальных и технических факторов, таких как динамика ВВП, уровень инфляции и процент­ных ставок, склонность инвесторов к риску, в анализ включается изучение объе­ма инвестиций, уровня закредитованности экономик, уровня благосостояния, размера реальной заработной платы, объема мировой торговли, потоков капита­ла между странами, в том числе между развитыми и развивающимися странами, нагрузки на пенсионные системы, финансовой политики стран, бизнес-моделей операторов рынка, факторов, специфичных для отдельных видов биржевых това­ров, и др.). Формализуются новые подходы к прогнозированию (финансовая аст­рология, прогнозы рынков ожиданий и др.).

Другой наблюдаемой тенденцией является постепенное стирание границ ме­жду различными методами и моделями прогнозирования. Например, в силу «ма­тематизации» технического анализа строящиеся модели, пытающиеся наилуч­шим образом аппроксимировать динамику цен на основании исторических дан­ных, зачастую включают в качестве факторов экономические показатели (слияние фундаментального и технического анализа рынков). Для повышения точности прогнозирования многие современные математические модели инкор­порируют принципы искусственного интеллекта.

Вместе с тем, несмотря на обилие методов качественного и количественного анализа рынков и их постоянное совершенствование, зачастую путем усложне­ния, ни один из них не обеспечивает достаточной точности прогнозов (подроб­нее см. п. 3.2.3), приближение к которой требует продолжения осуществления междисциплинарных исследований в области экономики, финансов, математи­ки, психологии, социологии и иных наук в целях адекватного прогнозирования динамики рынков акций и биржевых товаров.

2.5.