Следовательно, фактические (исторические) данные сами по себе не являются релевантными, они не будут полезными при выработке решения и могут вообще не рассматриваться при обсуждении альтернатив. Прошлое мы изменить уже не можем. Прошлые данные о затратах тем не менее необходимы, как основная база для прогнозирования величины и поведения будущих затрат. [c.212]
В предыдущей главе уже говорилось о релевантной информации, в частности о доходах и затратах. (Напомним также, что тема релевантного подхода к выбору альтернативы в процессе принятия управленческого решения кратко описана в главе 6 части I.) Поясним, что релевантными могут быть только доходы и затраты, во-первых, относящиеся к будущему управленческому решению и, во-вторых, отличающиеся по вариантам. Следовательно, фактические (исторические) данные сами по себе не являются релевантными, они не будут полезными при выработке решения и могут вообще не рассматриваться при обсуждении альтернатив. Прошлое мы изменить не можем. Прошлые данные о затратах тем не менее необходимы как основная база для прогнозирования величины и поведения будущих затрат. [c.359]
Получение надежных оценок будущих показателей, например, спроса на товары, стоимости материалов или готовой продукции, величины затрат — важный этап в процессе принятия текущих и долгосрочных управленческих решений. Выше были рассмотрены методы прогнозирования с помощью приемов регрессии при изучении причинно-следственных связей между показателями. Метод регрессии применяется также при прогнозировании временных рядов, исходя из прошлых, исторических данных. [c.77]
Обычно для признания модели объективной ее проверяют путем сравнения фактических и прогнозных показателей, прежде чем использовать в дальнейших исследованиях. Эффективным может оказаться прием, когда прогнозная модель формируется исходя из усеченных исторических данных, т.е. фактические значения последнего периода исключаются из прогнозных расчетов и используются как фактические показатели для оценки прогноза. Надежность модели зависит от протяженности временного ряда, как правило, не менее 4—5 лет, причем без нетипичных данных. [c.82]
Информация, представляемая в финансовой отчетности, ограничена по своей природе в том смысле, что относится к микроэкономическим субъектам, возникает в процессе применения приблизительных оценок, ориентирована на исторические данные, является единственным доступным пользователям источником информации, не бесплатна. [c.159]
Точность и надежность таких прогнозов мы рассмотрим позднее. Однако следует подчеркнуть, что прогнозная модель полностью основана на данных прошлых периодов. Предполагается, что все другие факторы неизменны и что и тренд, и сезонные колебания ведут себе так же, как это следует исходя из имеющихся исторических данных. [c.205]
Исторические данные, которые используются при выработке модели прогнозирования, играют чрезвычайно важную роль. В идеале желательно иметь большое количество данных за значительный период времени. Так, чтобы спрогнозировать покупательский спрос на 1998 г., обычно недостаточно просто взять [c.214]
Hi) В попытке устранить до некоторой степени недостатки, описанные в пунктах (i) и (it), мы можем разработать модель прогнозирования исходя из усеченного набора имеющихся исторических данных. Например, если у нас есть показатели объема продаж за период с 1990 по 1997 гг., мы можем выработать модель на основе значений только за 1990—1996 гг. Остальные показатели, т. е. показатели за 1997 г., можно использовать для сравнения с прогнозными показателями, полученными с помощью этой модели. Такого рода проверка более реалистична, так как она фактически моделирует прогнозную ситуацию. Недостаток этого метода состоит в том, что самые последние, а следовательно, и наиболее значимые показатели исключены из процесса формирования исходной модели. [c.216]
Те приемы и методы, которые мы описали в этой главе, позволяют выработать модели прогнозирования, основанные главным образом на исторических данных. При этом предполагается, что ситуация в будущем не будет сильно отличаться от настоящей. Таким образом, все значимые факторы либо учтены в модели прогнозирования, либо, предположительно, неизменны в течение всего времени, когда ею пользуются. На практике же точность прогнозных значений зависит от ряда внешних факторов и непредвиденных обстоятельств. Например, объем продаж ряда товаров может зависеть от следующих факторов [c.217]
Тренда. Показывает общий тип изменений в исторических данных. [c.220]
Необходимость гармонизации бухгалтерского учета на международном уровне признается на сегодняшний день большинством ученых, специалистов и политических деятелей большинства стран. Однако глобальная стандартизация бухгалтерского учета на международном уровне имеет и своих противников. Некоторые специалисты считают, что масштабы гармонизации ограничены, из-за существенных различий в национальном налоговом законодательстве, различии уровней экономического развития и образования. По мнению других, международные стандарты — это дорогостоящее копирование национальных стандартов и потому они бесполезны. Вместе с тем, проанализировав исторические данные об эволюции бухгалтерского учета с древнейших времен до наших дней, необходимо признать, что тенденция к стандартизации учетной деятельности является объективной закономерностью развития бухгалтерского учета. Представим процесс развития бухгалтерского учета на диаграмме. [c.209]
Главным в создании новой системы управления является накопление знаний о влиянии на уровень прибыльности компании, эффективность работы ее отделений, находящихся в разных странах (географический фактор). Первоначально оценка возможностей бизнеса основывалась на статистическом анализе или исторических данных. Когда первоначальные оценки стали давать неожиданные результаты ( 40% для одного показателя), оказалось необходимым проверить и улучшить качество накапливаемых знаний. На этой стадии была обнаружена важность некоторых переменных. Повсеместное подключение менеджеров региональных отделений с базами знаний обусловило скачкообразный процесс изменений в эффективности не только потому, что это было в интересах менеджеров, но и в результате понимания того, что эффективная работа возможна только в сотрудничестве с более удачливыми коллегами. [c.548]
Мертон разбирает проблемы, возникающие при оценке средней доходности на основе исторических данных [c.160]
При этом могут возникнуть проблемы, связанные с тем, что трейдеру предлагается самому определить, какова степень перекупленности или перепроданности данного рынка. Самое простое, что можно применить, это оценить относительность текущей ситуации путем ее сравнения с другими историческими данными и установить степень нелинейности экстремумов. Чем меньшее число дней используется при вычислении экстремума, тем больше на величину [c.94]
Высокие значения коэффициента быков/медведей предупреждают о понижении (на рынке слишком много быков), а низкие говорят о возможном повышении (быков недостаточно). Почти в каждом случае, когда коэффициент принимает экстремально высокие или низкие значения, рынок оказывается на вершине или в основании. Согласно историческим данным, значения коэффициента выше 60% указывают на крайний оптимизм и являются медвежьим сигналом. Значения ниже 40% говорят о крайнем пессимизме и служат бычьим сигналом. [c.59]
Важно усвоить, что последний отрезок зигзага может меняться в зависимости от изменений анализируемых данных (напр., цен). Это единственный индикатор из всех описанных здесь, у которого изменение цены бумаги может вызвать изменение предыдущего значения. Подобная способность корректировки своих значений по последующим изменениям цены делает зигзаг прекрасным инструментом для анализа уже произошедших ценовых изменений. Поэтому не следует пытаться создать торговую систему на основе зигзага он лучше подходит для анализа исторических данных, чем для прогнозирования. [c.84]
К моменту написания данного раздела прирост на Ньюйоркской фондовой бирже после очередного ударного расширения составил лишь 1,6%. Если в течение следующих 6-12 месяцев рынок не поднимется выше, это будет первым ложным сигналом индикатора за последние 39 лет Согласно историческим данным, средний прирост рынка близок к 25% значит шансы должны быть в пользу тех, кто ставит на ударное расширение . [c.241]
Существует два недостатка использования логарифмической шкалы. Первый - значения шкалы в крайних точках не являются удобными круглыми числами. А второй заключается в исключительном неудобстве рисования таких шкал вручную. Да, мы вынуждены согласиться со старыми авторитетами, что нарисованный вручную график значит для трейдера гораздо больше, чем увиденный на экране. Однако, компьютер значительно облегчает слежение за сотнями бумаг, а ценность использования исторических данных перевешивает все возможные недостатки. [c.83]
Как узнать, когда рынок подвижен (волатилен), а когда нет Лучше всего составить таблицу рыночной активности. Не используйте для этого готовые исторические данные или графи- [c.104]
Пока запущено это программное обеспечение, мы больше интересуемся ценой, нежели ценностью. Когда рынок движется, мы точно знаем, сколько нам стоит это движение, или - сколько совершенно точно мы на нем сделаем. Эта программа делает из нас простачков, потребляющих схемы "быстрого обогащения". Мы будем покупать "подводные участки" во Флориде и компьютерные программы типа "черных ящиков", стоимостью по 3,000. Мы выжимаем из компьютера все его возможности в проведении оптимизации и по тестированию на исторических данных торговых схем. Это - плохая сторона этого нашего программного обеспечения (жадности). [c.192]
Существует ошибочное представление, что проигрышей можно полностью избежать, если провести достаточно эффективную диверсификацию. До некоторой степени верно, что проигрыши можно смягчить посредством эффективной диверсификации, но их никогда нельзя полностью исключить. Не вводите себя в заблуждение. Не имеет значения, насколько хороша применяемая система, не имеет значения, как эффективно вы проводите диверсификацию, вы все равно будете сталкиваться со значительными проигрышами. Причина этого не во взаимной корреляции ваших рыночных систем, поскольку бывают периоды, когда большинство или все рыночные системы портфеля работают против вас, когда, по вашему мнению, этого не должно происходить. Попробуйте найти портфель с пятилетними историческими данными, чтобы все торговые системы работали бы при оптимальном f и при этом максимальный убыток был бы менее 30% Это будет непросто. Не имеет значения, сколько при этом рыночных систем используется. Если вы хотите все сделать математически правильно, то надо быть готовым к проигрышу от 30 до 95% от баланса счета. Необходима строжайшая дисциплина, и далеко не все могут ее соблюдать. [c.40]
Если действительно большое значение имеет то обстоятельство, приводите вы данные или нет, значит вы используете слишком много исторических данных. На самом деле, нет большой разницы, используете ли вы приведенные или необработанные данные, если нет вышеописанной проблемы, поэтому следует пользоваться приведенными данными. Это не означает, что оптимальное f, рассчитанное из приведенных данных, было оптимальным в прошлом. Оно могло таковым и не быть. Оптимальное f, рассчитанное из необработанных данных, могло быть оптимальным в прошлом. Однако оптимальное f, рассчитанное из приведенных данных, имеет больше смысла, так как приведенные данные являются более справедливым представлением распределения возможных результатов по следующей сделке. [c.76]
Уравнения с (2. 10а) по (2. 10в) дают разные ответы в зависимости от того, какая была открыта позиция длинная или короткая. Например, если акция куплена за 80, а продана за 100, выигрыш составит 25%. Однако если акция продана по 100, а закрыта по 80, то выигрыш составит только 20%. В обоих случаях позицию открыли по 80 и закрыли по 100. Таким образом, последовательность — хронология трансакций — должна приниматься во внимание. Так как хронология трансакций затрагивает распределение процентных выигрышей и проигрышей, мы допускаем, что будущая хронология скорее всего будет подобна прошлой. Конечно, мы можем игнорировать хронологию сделок (используя 2.10в для длинных позиций и цену выхода в знаменателе 2.10в для коротких позиций), но это означало бы уменьшение информации в исторических данных. Более того, риск торговли является функцией хронологии торговли, и этот факт мы были бы вынуждены игнорировать. [c.76]
Теперь, когда мы закончили рассмотрение эмпирических методов, а также характеристик торговли фиксированной долей, мы изучим параметрические методы. Эти методы отличаются от эмпирических тем, что в них не используется прошлая история в качестве данных, с которыми придется работать. Мы просто наблюдаем за прошлой историей для создания математического описания распределения исторических данных. Это математическое описание основывается на том, что произошло в прошлом, а также на том, что, как мы ожидаем, произойдет в будущем. В параметрических методах мы имеем дело с этими математическими описаниями, а не с самой прошлой историей. Математические описания, используемые в параметрических методах, называются распределениями вероятности. Чтобы использовать параметрические методы, мы должны сначала изучить распределения вероятности. Затем мы перейдем к изучению очень важного типа распределения, нормального распределения. Мы узнаем, как найти оптимальное/и его побочные продукты при нормальном распределении. [c.82]
Проблему наилучшего выбора ограничительных параметров можно сформулировать в виде вопроса где могут произойти в будущем наилучшие и наихудшие сделки (когда мы будем торговать в этой рыночной системе) Хвосты распределения в действительности стремятся к плюс и минус бесконечности, и нам следует финансировать каждый контракт на бесконечно большую сумму (как в последнем примере, где мы раздвигали обе границы). Конечно, если мы собираемся торговать бесконечно долгое время, наше оптимальное f в долларах будет бесконечно большим. Но мы не собираемся торговать в этой рыночной системе вечно. Оптимальное f, при котором мы собираемся торговать в этой рыночной системе, является функцией предполагаемых наилучших и наихудших сделок. Вспомните, если мы бросим монету 100 раз и запишем, какой будет самая длинная полоса решек подряд, а затем бросим монету еще 100 раз, то полоса решек после 200 бросков будет скорее всего больше, чем после 100 бросков. Таким же образом, если проигрыш наихудшего случая за нашу историю 232 сделок равнялся 2,96 сигма (для удобства возьмем 3 сигма), тогда в будущем мы должны ожидать проигрыш больше 3 сигма. Поэтому вместо того, чтобы ограничить наше распределение прошлой историей сделок (-2,96 и +6,94 сигма), мы ограничим его -4 и +6,94 сигма. Нам, вероятно, следует ожидать, что в будущем именно верхняя, а не нижняя граница будет нарушена. Однако это обстоятельство мы не будем принимать в расчет по нескольким причинам. Первая состоит в том, что торговые системы в будущем ухудшают свою результативность по сравнению с работой на исторических данных, даже если они не используют оптимизируемых параметров. Все сводится к принципу, что эффективность механических торговых систем постепенно снижается. Во-вторых, тот факт, что мы платим меньшую цену за [c.138]
Один из важных параметров, который трейдер, желающий использовать описываемые в этой главе концепции, должен ввести, — это волатильность. Существует два способа определения волатильности. Первый — использование оценки на основе рыночных данных — дает подразумеваемую волатильность. Модели ценообразования опционов, представленные в этой главе, используют волатильность в качестве одного из своих входных параметров для получения справедливой теоретической цены опциона. Подразумеваемая волатильность основывается на предположении, что рыночная цена опциона эквивалентна его справедливой теоретической цене. Волатильность, которая дает справедливую теоретическую цену, равную рыночной цене, и есть подразумеваемая волатильность. Второй метод расчета волатильности основывается на использовании исторических данных. Полученная таким образом историческая волатильность определяется фактической ценой базового инструмента. Хотя волатильность в качестве входного данного в модели ценообразования опционов [c.152]
Беда в том, и это наглядно показано на рис. 2.2, что рост популяции является гиперболической функцией, которая очень хорошо аппроксимирует как сами исторические данные, так и их экстраполяцию в будущее. [c.99]
Трейдеры могут использовать математические формулы в двух ситуациях. Первая ситуация, когда все суммы выигрышей равны так же, как и суммы проигрышей. Однако суммы выигрышей могут отличаться от сумм проигрышей так же, как и между собой. Другой случай, когда формулы могут быть полезны, - подсчет средних выигрышей и проигрышей. Очевидно, что вероятностное выражение применяется к историческим данным о проигрышах и выигрышах и не может использоваться в прогнозировании. Есть выражение, которое позволяет оценить ситуацию, когда суммы выигрышей и проигрышей могут принимать бесконечные количественные значения. Это выражение бесполезно для целей торговли, поскольку оно применяется к историческим данным о выигрышах/проигрышах. Вероятностное значение соотношения выигравших ставок к проигравшим в любой конкретной системе (либо стратегии) является лишь оценочной величиной. А оценка при этом строится на статистических данных. Поэтому, прежде чем подставлять в выражение какие-либо данные, необходимо собрать статистику. В результате такого положения вещей мы будем использовать данное выражение и просто измерять силу и надежность статистических данных. При подбрасывании монет мы уже знаем вероятные в будущем варианты, которые существуют вне зависимости от прошлых исходов любого количества падений монеты. В реальном мире торговли мы не имеем подобной информации. [c.24]
Это подводит нас к изучению статистических данных. Насколько надежны исторические данные при построении прогнозов на будущее Трейдеры, торгующие с финансовым рычагом, или маржей, зачастую избыточно доверяют статистическим данным. Дело не в самих статистических данных. Существует логика, в соответствии с которой торговые сделки показывают смещение в использовании инструментов. Допустим, предшествующие 100 сделок давали 75 процентов выигрышей и 25 процентов проигрышей. Насколько эти числа дают нам уверенность в том, что из последующих 100 сделок 75 процентов опять будут выигрышными Ниже приводится шокирующая статистика, которая многим покажется несоответствующей действительности. Если мы исключим смещение, вероятность того, что из 100 сделок 75 процентов окажутся выигрышными, составляет лишь 31,25 процента. [c.152]
Инициативу оставалось взять на себя немцам. Одчой из главных задач внешней политики Германии в конце XIX в. было строительство железной дороги между Берлином и Багдадом, и в 1888 т. Оттоманская железнодорожная компания , контролировавшаяся Дойче банком , приобрела для этой цели концессии в Анатолии и Месопотамии. Условиями концессионного договора предусматривались права на добычу всех полезных ископаемых на расстоянии 20 км по обе стороны намечавшегося к строительству пути, и вскоре банк стал интересоваться ими не меньше, чем самой железной дорогой. Там было много выходов и других признаков на поверхности, свидетельствовавших о присутствии крупных подземных залежей нефти, причем эти указания подтверждались также и историческими данными. Город Хит на реке Ефрат служил источником битума в течение 5 тыс. лет, и еще Геродот писал о его применении для строительства вавилонских стен в другом случае, как полагают, Ной конопатил свой ковчег смолой, которая могла быть сырой нефтью, а Генезис упоминает, что при постройке Вавилонской башни в качестве строительного раствора применялся ил. [c.102]
Имеются некоторые исторические данные, характеризующие риск, присущий акциям компаний Kodak и iti orp [c.164]
Шаг 2. Оценка премии за риск, которую требуют инвесторы, принимая на себя риски, вызванные этими факторами. Когда мы вычисляли премию за рыночный риск, мы смотрели на различия между доходностью рыночных ценных бумаг и доходностью казначейских векселей в ретроспективе. Подобным же образом Al ar использовала исторические данные, чтобы вычислить дополнительную доходность, которую инвесторы ожидали получить, беря на себя [c.184]
Биржевой пузырь 1990-х был таким большим, что даже после трёхлетнего спада, который начался в 2000-м году, цены на акции всё равно завышены в 2-4 раза по сравнению со средневзвешенными историческими данными. Если же все пенсионеры начнут продавать акции, то их будет просто некому покупать. Тем более что сегодняшние акции - это в основном это собственность на образы, это доля в культах-брэндах, судьба которых непрогнозируема. [c.442]
Ba ktesting - процесс оптимизации торговой стратегии на основе использования исторических данных и [c.59]
Из теории также следует, что любой анализ — фундаментальный или технический — не может скольнибудь существенно помочь увеличить доходность операций, поскольку цены отражают всю имеющуюся информацию, а поступление новой информации происходит случайным образом. То есть любые новые данные принимают к сведению и осмысливают тысячи инвесторов, и эти данные (как новые, так и полученные ранее) находят точное отражение в рыночной цене. Прошлые данные никак не могут повлиять на будущие цены, следовательно изучение исторических данных с помощью фундаментального или технического анализа совершенно бесполезно. [c.269]
Хотя качественные измерители настроения имеют ограничения, они занимают солидное место в оценке настроения рыночных участников. Они также обладают тем преимуществом, что общедоступны. Однако, эти измерители не могут точно отразить, как наличные деньги фактически распределяются и в какой степени ("превалирование и интенсивность" по Неиллу). Это то, где количественный анализ настроения играет жизненную роль. В количественном анализе настроения, вы собираете определенные данные, которые могут точно измерять направления и количества распределения наличных денег. Исторические данные при этом проанализированы и проверены, чтобы точно вычислить подлежащее настроение и оценивать его значение. Таким образом, крайности в оптимизме и пессимизме идентифицируются через фактические действия инвестиционных кругов, а не через общее чувство или отношение, выражаемое опросами и новостями. [c.255]
Механическая система как правило создается, тестируется и оптимизируется на историческом ряде цен одного актива. Одной из главных задач создания хорошей МТС является предотвращение ее подгонки под конкретные исторические данные, которые наверняка не повторятся в будущем. Эффективным способом проверки МТС на излишнюю подгонку является переход на другие активы без изменения параметров системы. Если при переходе на исторические ряды цен других активов без повторной оптимизации параметров система продолжает показывать удовлетворительные результаты, то это повышает вероятность того, что она окажется прибыльной в реальной торговле. При этом надо иметь в виду, что если активы высококоррелированы, то это существенно снижает ценность такой проверки. Если же при переходе с ряда цен исходного актива (на котором МТС создавалась и оптимизировалась) на ряд цен высококоррелированного с ним актива система разваливается, то это служит веским основанием для отказа от нее. [c.180]
В начале 1980-х годов на рынок пришли системы "черные ящики", стоимостью по 3000 долларов, стохастики, RSI, индексы настроения рынка и так далее. Затем Trade Station и другие разработчики подобных программ предложили интересный проект для новых трейдеров, создав автоматическую систему, которая обеспечивает возможность проведения тестов на исторических данных и построения кривой, показывающей результаты таких исследований. Механические системы воспринялись с воодушевлением они были популярны, но невыгодны. Вскоре появился "Рыночный Профиль"1. Он поймал в ловушку тысячи высокоинтеллектуальных трейдеров, приведя их к денежным потерям. Трейдеры потерпели неудачу потому, что "Рыночный Профиль" использует параметрическую статистику, основанную на предположении о случайности рынка. [c.108]
Как только вы создали свою методику, утомительные исследования и на-пряженая работа заканчиваются. Ваша торговая система выстроена, постоянна и неизменна. Стресса нет, поскольку решения принимаются не вами, а машиной. Тщательное и точное тестирование (отчасти гипотетическое, потому что использовались исторические данные) не оставило места для неожиданностей. Все учтено, поэтому ваша уверенность велика. [c.4]