Фильтрация случайной составляющей цены актива методом нелинейной марковской фильтрации

Abstract

Существующие методы технического анализа являются эмпирической квинтэссенцией биржевой игры и подтверждают свою эффективность только методами математической статистики. Фактически методы технического анализа позволяют повысить вероятность заключения прибыльных сделок. Таким образом, возникает необходимость создать обработчик функции изменения цены для фильтрации случайной составляющей и выделения детерминированной составляющей с целью выделения точки смены тренда и оптимизации временной точки открытия и закрытия позиции. В качестве решения поставленной задачи был разработан обработчик стохастической функции, определяющей изменение цены актива, методом марковской теории нелинейной фильтрации. Оценка эффективности синтезированного приемника проводилась на основании цифрового моделирования процесса обработки смеси детерминированного сигнала и белого гауссовского шума. Показано, что разработанный обработчик позволяет осуществлять фильтрацию случайной составляющей цены ликвидных акций котирующихся на бирже ММВБ, с целью разработки прибыльной трейдерской стратегии. Полученный график оценки марковского случайного процесса λ(t) на выходе фильтра периодически пересекает график исходного случайного процесса. При этом пересечения графиков происходит только в момент изменения направления движения (тренда) оценки λ(t). Таким образом, в идеальном случае, если предположить, что сделку можно совершать точно в момент пересечения графиков, то каждая сделка является как минимум безубыточной. Ставится задача о приближении реальных условий совершения сделок к идеальным. Для этого необходимо разрешить вопрос о фрактальных свойствах рынков и о предельных возможностях использования высокочастотных торговых роботов и алгоритмов.

Existing methods of technical analysis is the empirical essence of speculation. Their effectiveness is only confirmed with the methods of mathematical statistics. In fact, technical analysis methods can improve the probability of the conclusion of profitable trades. Thus, there is a need to create a handler function of price changes to filter out the random component and the deterministic component separation in order to isolate the point of a trend change and optimizing the time point of opening and closing positions. As a solution to this problem a stochastic handler function has been developed that determines the change in the price of an asset with the method of the Markov theory of nonlinear filtering. Evaluating the effectiveness of the synthesized receiver was based on numerical modeling of processing the mixture of the deterministic signal and the white Gaussian noise. It is shown that the designed processor allows for filtering out the random component of the price of liquid shares traded on MICEX, with the aim of developing a profitable trader strategy. The resulting graph of Markov random process evaluation λ (t) at the output of the filter periodically intersects the graph of the original random process. In this case, the intersection of graphs only occurs if the change of direction (trend) estimates λ (t). Thus, in the ideal case, assuming that the transaction can be performed precisely at the time of intersection of the graphs, each transaction is at least break even. The article poses the problem of closing the gap between real conditions of the transactions and ideal ones. To do this, one must solve the problem of the fractal properties of markets and limit the possibilities of using high-frequency trading robots and algorithms.