Часть 1. Математическая модель Neuro Nostra Link (NNL). Пояснения.
Марат БеришевВ этой статье я кратко и доступно объясню, что представляет из себя математическая модель Neuro Nostra Link (NNL).
Поток котировок любого финансового актива (акций, индексов, фьючерсов и т.д.), с точки зрения математики, – это финансовый временной ряд. Анализ таких временных рядов с целью прогнозирования будущих значений и направлений изменения этих значений – это активно развивающаяся отрасль и области прикладных наук. Возможности математического аппарата и современные вычислительные мощности позволяют автоматизировать такие процессы прогнозирования.
С потребительской (для инвестора) точки зрения, получение прогноза цены актива в какой-то момент в будущем или получение прогноза об изменении цены актива в будущем – является очевидным инструментом для зарабатывания от инвестиционной деятельности.
Существуют разнообразные модели, с помощью которых возможно проводить анализ временных рядов и формировать прогнозы.
В основе моей модели NNL лежат алгоритмы машинного обучения, решающие три задачи:
- Задача бинарной классификации. Если говорить совсем простым языком – это задача определения: вырастет акция (актив) через заданный интервал времени или упадет. Это первоочерёдная задача моей модели.
- Задача вероятностного анализа. Это определение диапазона цен, в который попадет фактическая цена актива через заданный интервал времени с заданной точностью вероятности. Это вторичная задача моей модели.
- Задача регрессии (точечное прогнозирование). Простыми словами, сколько будет стоить актив (акция) через заданный интервал времени (в конкретную дату или момент). Это дополнительная и второстепенная задача моей модели.
Почему задача бинарной классификации определена как основная?
Приведу объяснение и упрощенные расчеты на примере прогнозирования основного индекса мосбиржи – индекса IMOEX – на неделю вперед.
В среднем, индекс IMOEX меняется за неделю примерно на 1,5% (или вверх, или вниз). Конечно, бывают периоды волатильности, когда индекс может показать резкий скачок до нескольких десятков процентов, но это крайне редкие исключения. Или наоборот, в периоды затишья индекс может показывать динамику за неделю около 0% – что также, скорее, исключение, чем правило.
Таким образом, если у вас есть инструмент, который может правильно определить, вырастет индекс или упадет, вы сможете на этом заработать в среднем за год (48 рабочих торговых недель) х 1,5% = 72% без учета капитализации.
Очевидно, что это теоретическая недостижимая величина, так как ни одна модель не дает 100% вероятности точности прогноза.
Однако предположим, точность правильного прогноза составляет 65%. Тогда при равномерном распределении правильных и неправильных прогнозов, итоговый результат через год составит более 26%. А если к этой величине добавить возможности срочного рынка (покупать и продавать индекс через фьючерсный контракт) и активное управление позицией (досрочное закрытие по тейк-профиту), то итоговый результат может быть увеличен в среднем до 38-40%.
Моя модель NNL работает по следующему принципу:
- Производится расчет и дается прогноз о динамике индекса IMOEX на предстоящую неделю (вырастет или упадет);
- Определяется доверительный интервал изменения индекса IMOEX с целью получения уровней для активного управления позицией (опция);
- Определяется целевой уровень по значению IMOEX на конец следующей недели (опция).
В своих еженедельных литературных прогнозах я даю нашим читателям информацию по 1 и 3 части работы моей модели NNL. А чтобы не писать сухие цифры и тезисы, я «заворачиваю» прогноз в интеллектуальную загадку, которая, на первый взгляд, кажется каким-то несерьезным постом, но по сути является продуктом строгого научного исследования.
О том, как именно производятся расчеты и как работают такие математические модели – я расскажу в следующий раз.