Глава 4. Направления развития и совершенствования метода. Область применения « Оценка теории «Графических моделей» технического анализа и применения её на практике « Клуб получателей прибыли на фондовом рынке
Клуб получателей прибыли на фондовом рынке


Глава 4. Направления развития и совершенствования метода. Область применения

Проделанная в предыдущих двух главах работа не исчерпывает тему. Дело в том, что Глава 3 это скажем так, практическое подтверждение теории. Результат говорит о существовании теории, но не раскрывает её. Ведь расчёты были проведены лишь для образцов длинной 90 деления. Цифра 90 надо признать была выбрана почти произвольно, на основе накопленного опыта торговли. Но ведь такой способ определения чего-либо это опять допуск «человеческого фактора» в сферу исследования. Очевидно, что, уже выбрав метод перебора, надо продолжать его использовать. Разумно выбрав крайние значения необходимо перебрать все возможные величины отрезков. Результатом будут значительные массивы данных для каждого значения длины отрезка. В нашем случае организации вывода результатов это по 5 мегабайт на значение.

Затем практическое применение приведённого в работе метода поиска ГМ выявило важность оптимального выбора величины граничного значения коэффициента корреляции. Слишком большое его значение приводит к отсутствию ГМ, а его произвольное снижение может заставить усомниться в надёжности прогноза. Варьируя этот коэффициент мы ещё больше (приблизительно в 8 раз) увеличиваем обрабатываемый материал.

Существует и ещё одна деталь пока ещё не проработанная. Модель понижения подобная ГМ понижения № 3 не редкость в полученных нами результатах. Это говорит о том, что хорошо бы обобщить поиск ГМ. Ограниченность поиска ГМ методом подбора сильно коррелирующих кривых очевидна — развитие кривых во времени должно совпадать весьма сильно. Хотелось, чтобы поиск ГМ был более гибким.

Получив огромное количество данных, подобно полученным в Главе 2, важно правильно их обработать. В свою очередь обработать их можно только при помощи компьютера, правильно расставив приоритеты:

1. Заложить сильную теоретическую базу о видах ГМ.

2. При дальнейшем использовании метода поиска ГМ на практике (то есть для принятия решений о покупке или продаже) выделить оптимальные значения длины ГМ и величины граничного коэффициента корреляции. Что в свою очередь позволит снизить вычислительную нагрузку на компьютер трейдера.

3. Обнаружить практически ценные сочетания ГМ взаимно подтверждающие прогнозы друг друга.

Все эти вопросы сформулировать стало возможным только после приведённой в Главах 2 и 3 работы.

Впрочем, вся эта работа невозможна без достаточно мощного компьютера. Как я уже говорил выше, поиск всех ГМ одной определённой длины уже занимает около 7 суток непрерывной работы компьютера. Но ещё год назад даже такая локальная задача была практически не решаема в доме или офисе. Только благодаря значительному росту тактовой частоты микропроцессоров она стала решатся за разумный отрезок времени. Производительность компьютера на этой задаче напрямую зависит от производительности микропроцессора. Правда эта вычислительная задача легко поддаётся разделению на отдельные задачи. В свою очередь их можно решать на разных компьютерах. Это позволяет производить расчёт одной основной задачи как группы подзадач на нескольких компьютерах параллельно, что ускоряет решение задачи пропорционально количеству используемых компьютеров равной производительности. Уже сегодня такие группы компьютеров (кластеры) не редкость на предприятиях. Часто кластеры используют университеты (в МГУ есть специально построенный кластер из 16 двухпроцессорных машин). Но в последнее время становится все более популярным использование офисных компьютеров всего предприятия в часы и даже минуты простоя для решения расчётных задач, стоящих перед исследовательскими отделами компании. Например, корпорация Intel использует все компьютеры всех своих офисов по всему миру для расчёта своих новых микропроцессоров. Это позволяет обходиться минимумом затрат на вычислительную технику. Из выше приведённого следует, что полная обработка данных и нахождение характерных фигур хоть для акции или группы акций вполне реально и без колоссальных затрат. Кстати хочу заметить, что поиск ГМ и практическое их применение возможно как для акций РАО ЕЭС, так и для акций IBM. Может быть, рынок США предпочтёт какие-то другие ГМ, но метод должен приносить реальную пользу и на этом рынке.

Отдельно хочется сказать о фьючерсном рынке. Там, где изменение цен в течение дня носит по истине драматический характер, метод поиска ГМ изложенный в Главе 2 особенно ценен. Вероятно, это относится и к валютному рынку (не Российскому), но здесь мне трудно что-то советовать.