Часть 1. Математическая модель Neuro Nostra Link (NNL). Пояснения. 

В 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: 

1. 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.
2. 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.
3. 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: 

1. Производится расчет и дается прогноз о динамике индекса IMOEX на предстоящую неделю (вырастет или упадет);
2. Определяется доверительный интервал изменения индекса IMOEX с целью получения уровней для активного управления позицией (опция);
3. 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.