Технический анализ фьючерсных рынков: Теория и практика - Мэрфи Джон Дж.

Система непрерывного действия

Очевидно, что трейдер, работающий с анализатором EFTA, будет занимать длинные позиции при восходящей тенденции и короткие — при нисходящей. В период «застоя» он, вероятно, займет выжидательную позицию. По желанию пользователя система может быть адаптирована к непрерывному действию, предполагающему постоянное наличие открытой позиции. Достичь этого можно разными способами. Для долгосрочных операций длинную позицию следует занимать до того момента, как тенденция повернет вниз. И наоборот, короткая позиция должна быть закрыта, когда тенденция поворачивает вверх. Трейдер сохраняет прежние позиции — даже если тенденция поворачивает в сторону «застоя». Однако следует помнить, что подобная стратегия может привести к значительным убыткам.

Непрерывность работы системы достигается также повышением уровня «оперативной агрессивности». Так, если восходящая тенденция поворачивает к «застою», длинная позиция меняется на короткую. Если затем от «застоя» тенденция поворачивает вниз, то в этот момент можно открыть дополнительные короткие позиции. И наоборот, следует прикрыть все короткие позиции и открыть длинные, если нисходящая тенденция сменяется «застоем». Если тот, в свою очередь, сменяется тенденцией роста, то нужно занять дополнительные длинные позиции. Таким образом система–анализатор EFTA (как, впрочем, и любая другая) может быть приспособлена под индивидуальные запросы и стиль работы каждого трейдера.

Сигналы системы как дисциплинирующий фактор

Сигналы, которые подает система, можно использовать для подтверждения сигналов других технических методов анализа. Даже если процесс работы на рынке не полностью подчинен сигналам механической системы, если трейдер пользуется также и другими техническими данными, то эти сигналы все равно полезны — как дисциплинирующий фактор, заставляющий всегда находиться на нужной стороне основной тенденции. Если, по мнению компьютера, тенденция идет вверх, то занимать короткие позиции нельзя, и наоборот (кстати, такой подход мог бы оказаться полезным и сторонникам фундаментального анализа — как фильтр для их собственных сигналов, как индикатор своевременности урегулирования позиций).

Направление тенденции всегда определяется на основе индивидуальной оценки. Компьютер отчасти помогает сделать картину более четкой, снять некоторую неопределенность, которая мешает принятию решения. До минимума сводится возможность попасть в ловушку, связанная с попытками «поймать» вершину или основание рынка.

Лично мне нравится откладывать на графике цен линии поддержки и сопротивления, выработанные с помощью компьютера. С их помощью я узнаю заранее, где находятся критические уровни, где может произойти поворот тенденции. Я могу пользоваться различными техническими факторами — линиями тренда, линиями поддержки и сопротивления на графиках цен, и это не мешает мне обращаться к компьютерным показателям. В них я вижу дополнительное подтверждение грядущему изменению тенденции. В качестве примера вернемся к рынку казначейских векселей. Компьютер 25–го января показал, что рынок вот уже шесть месяцев идет вверх. На следующей неделе цены повернули вниз, прорвав восходящую линию тренда. В пятницу 1–го февраля в разделе «Технический комментарий» (который ведет автор данной книги) бюллетеня CRB, можно было прочитать следующее:

«Всплеск продаж из области долговременного сопротивления, свидетелями которого мы стали на этой неделе… подорвал тенденцию роста. Компьютерный анализ мартовских контрактов на казначейские векселя показал смену тенденции (восходящую с 13–го июля) на нисходящую. Контракты на евро доллары с исполнением в марте, цены на которые устойчиво росли с 10–го сентября, оказались в «застое». Следуя сигналам компьютера об изменении тенденции, мы покидаем ряды «быков» и направляемся в зал ожидания.

На основе вышесказанного можно сделать следующий вывод. Компьютерные сигналы изменения направления тенденции чрезвычайно полезны даже тогда, когда используются лишь в качестве одного из технических индикаторов. В приведенном примере оба краткосрочных рынка резко повернули вниз и падали в течение двух последующих месяцев.

Компьютерные сигналы как индикаторы уже произошедшей смены тенденции

Анализатор EFTA может быть также использован в качестве прекрасного фильтрующего средства, позволяющего трейдеру отслеживать недавние изменения тенденции (см. рис. 15. 15). Показатели в третьей колонке демонстрируют смену тенденции, по крайней мере для семи рынков. Трейдеру, продиравшемуся сквозь ворох графиков в понедельник утром, достаточно было просто взглянуть на таблицу и он бы сразу же увидел, что на семи рынках открылись прекрасные возможности для игры. Конечно, такую же информацию можно получить и на основе тщательного анализа ценовых графиков, однако с помощью компьютера сделать это неизмеримо легче, быстрее и в какой-то степени надежнее.

Компьютерный анализ с помощью обобщенных рыночных индикаторов

Нам остается рассмотреть еще один важный компонент анализатора EFTA. Ежедневная версия системы предлагает пользователю показатели обобщенных рыночных индикаторов: количество контрактов, цены на которые повысились и понизились на этот день (по более чем 200 контрактам), новые максимальные/минимальные ценовые показатели, процент контрактов, цены на которые, согласно компьютерному анализу, устойчиво растут. Первые два индикатора (роста/падения и новых максимумов/минимумов) являются версией существующих инструментов анализа фондового рынка, адаптированных для товарных рынков. Хотя эти показатели традиционно не использовались в техническом анализе товарных рынков, сама идея интересна и требует дальнейших исследований с целью определения ценности их прогностических функций.

Процент фьючерсных контрактов с устойчиво растущими ценами. Именно этот индикатор мне нравится больше всего.

Его показатели выражаются по процентной шкале: от 0 до 100%. Индикатор работает по принципу осциллятора и показывает моменты вступления всего товарного рынка (в целом) в период перекупленности и перепроданности. Традиционно считается, что когда показатель индикатора превышает отметку 70%, товарные рынки находятся в состоянии перекупленности и возможен скорый спад, показатель ниже 20% свидетельствует, что рынок вступает в состояние перепроданности и скоро цены достигнут основания рынка, после которого начнут расти. Этот инструмент широкоохватного анализа, хорошо отражающий настроения рынка, может быть эффективно использован для отслеживания движения индекса фьючерсных цен СКВ.

«РАСПОЗНАВАНИЕ МОДЕЛЕЙ» С ПОМОЩЬЮ «ИСКУССТВЕННОГО ИНТЕЛЛЕКТА»

Заслуга компьютера в том, что с его помощью пользователь получает быстрый и легкий доступ к целому арсеналу средств и методов технического анализа. В то же время задача трейдера усложняется. Если раньше аналитик работал лишь с несколькими любимыми инструментами, счастливый обладатель компьютера теперь имеет в своем распоряжении показатели по сорока различным индикаторам одновременно.

Исследования в области когнитивной психологии показали, что сознание человека с трудом воспринимает более трех различных переменных, если требуется одновременно устанавливать их взаимосвязь. Иными словами, сознание аналитика, который пытается параллельно отслеживать четыре индикатора или более, может дать сбой. Если же он решит ограничиться тремя, то какие следует выбрать?

Традиционно в рыночном анализе компьютер почти исключительно использовался как вычислительное устройство. Его основная функция сводилась к расчетам данных и представлению результатов на экране дисплея. Усложнение роли компьютера может пойти по пути машинной интерпретации результатов расчетов, то есть речь идет о использовании «логической» функции машины наряду с «вычислительной». Вот тут-то мы и подходим к проблеме так называемого «искусственного интеллекта», в частности, автоматического распознавания моделей.

Когда говорят об «искусственном интеллекте», имеют в виду так называемые эвристические программы, которые способны решать задачи — примерно так же, как это делает человек. Работу компьютера, решающего эвристическую задачу, в принципе можно назвать «разумной»: он оценивает условия, принимает решения и даже учится на своих ошибках. Функция автоматического распознавания моделей позволяет машине учиться принимать решения и делать прогнозы на основе классификаций различных объектов или индикаторов. В данном случае значение слова «модель» отлично оттого, которое использовалось при описании «графических моделей». Цель автоматического распознавания моделей — получение синергетического эффекта путем одновременной оценки данных всех индикаторов (вместо того, чтобы рассматривать каждый из них по отдельности).