Анализ автокорреляционных зависимостей российских акций
- Authors: 1, 1
-
Affiliations:
- Самарский государственный технический университет
- Issue: Vol 1 (2022)
- Pages: 151-152
- Section: Математические методы в экономике
- URL: https://journals.eco-vector.com/osnk-sr/article/view/107705
- ID: 107705
Cite item
Full Text
Abstract
Обоснование. Если последние события имели одинаковую важность для человека, то лучше всего он запомнит последнее из них. Вместе с тем запоминаются сильнее наиболее значимые события. Такая особенность людей отражается на случайном поведении рынка, который в наибольшей степени запоминает недавние и особенно значимые движения цен активов.
Рыночная память — это свойство рынка повторять характер ценового движения, оно близко к понятию инерции, которой подвержены фондовые и другие рынки, где операции характеризуются свойствами случайности и массовости [1].
Целью — вычисление рыночной памяти с помощью функции автокорреляции (ACF) у нескольких акций из российского биржевого индекса IMOEX для использования в трейдинге и инвестировании [2].
Методы. Автокорреляция используется при анализе временного ряда с целью выявления закономерностей поведения ряда, а также для прогнозирования его развития, и выражается формулой
R(t) = corr (X(t), X(t + k)),
где X — исследуемый параметр (рыночная цена), t — номер фрейма (интервала) на временном ряде цен, k — запаздывание (лаг), выражаемое числом фреймов.
С сайта инвестиционной компании Finam были экспортированы дневные цены акций российских компаний ВТБ, Газпром, Лукойл, Сбербанк по закрытию дневных торговых сессий сессий в период с 13.12.2020 по 13.12.2021 (для каждой компании 256 фреймов) [3]. Затем производилось смещение данных, после чего применялась встроенная в табличный процессор Excel функция корреляции к исходным и смещенным во времени данным.
Результаты. Результатами является расчет автокорреляционной зависимости для цен акций. Сравнительное изменение исходных котировок акций представлено на рисунке.
Рис. Поведение акций (GAZP — сплошная тонкая, SBER — сплошная жирная, VTBR — точки, LKON — перекрестья)
Величина лага принимается равной 1, 3, 5 дневным сессиям, а также 21 сессии (соответствует примерно одному календарному месяцу). Результаты расчетов представлены в таблице.
Таблица. Значения автокорреляций российских акций
Число сессий | Акции | |||
LKOH | GAZP | VTB | SBER | |
1 | 0,983571 | 0,995267 | 0,988641 | 0,984691 |
3 | 0,953469 | 0,987568 | 0,966038 | 0,960363 |
5 | 0,924201 | 0,982193 | 0,946853 | 0,932134 |
21 | 0,620581 | 0,933584 | 0,733443 | 0,742376 |
Выводы. При лаге в одну торговую сессию значение автокорреляции у всех акций очень высоко. Это говорит о сильном влиянии ценовой динамики за прошлый день на текущую цену. Чем больше лаг, тем меньшее влияние старые цены оказывают на текущую цену, отражая эффект забывания, и тем менее полезна автокорреляционная функция для целей прогнозирования.
Прогнозы по акциям ОАО Газпром и Лукойл с большим лагом надежнее, чем для акций финансового сектора. Чем сильнее выражен тренд, тем большее значение автокорреляции наблюдается. Практически для прогнозирования это значение должен быть больше 0,5.
Более полную информацию о поведении акций может дать скользящая функция автокорреляции, особенно на волатильных рынках. Так, периодические экстремумы функции свидетельствуют о циклическом поведении акций, а рост значений функции свидетельствует о зарождении нового тренда.
Keywords
Full Text
Обоснование. Если последние события имели одинаковую важность для человека, то лучше всего он запомнит последнее из них. Вместе с тем запоминаются сильнее наиболее значимые события. Такая особенность людей отражается на случайном поведении рынка, который в наибольшей степени запоминает недавние и особенно значимые движения цен активов.
Рыночная память — это свойство рынка повторять характер ценового движения, оно близко к понятию инерции, которой подвержены фондовые и другие рынки, где операции характеризуются свойствами случайности и массовости [1].
Целью — вычисление рыночной памяти с помощью функции автокорреляции (ACF) у нескольких акций из российского биржевого индекса IMOEX для использования в трейдинге и инвестировании [2].
Методы. Автокорреляция используется при анализе временного ряда с целью выявления закономерностей поведения ряда, а также для прогнозирования его развития, и выражается формулой
R(t) = corr (X(t), X(t + k)),
где X — исследуемый параметр (рыночная цена), t — номер фрейма (интервала) на временном ряде цен, k — запаздывание (лаг), выражаемое числом фреймов.
С сайта инвестиционной компании Finam были экспортированы дневные цены акций российских компаний ВТБ, Газпром, Лукойл, Сбербанк по закрытию дневных торговых сессий сессий в период с 13.12.2020 по 13.12.2021 (для каждой компании 256 фреймов) [3]. Затем производилось смещение данных, после чего применялась встроенная в табличный процессор Excel функция корреляции к исходным и смещенным во времени данным.
Результаты. Результатами является расчет автокорреляционной зависимости для цен акций. Сравнительное изменение исходных котировок акций представлено на рисунке.
Рис. Поведение акций (GAZP — сплошная тонкая, SBER — сплошная жирная, VTBR — точки, LKON — перекрестья)
Величина лага принимается равной 1, 3, 5 дневным сессиям, а также 21 сессии (соответствует примерно одному календарному месяцу). Результаты расчетов представлены в таблице.
Таблица. Значения автокорреляций российских акций
Число сессий | Акции | |||
LKOH | GAZP | VTB | SBER | |
1 | 0,983571 | 0,995267 | 0,988641 | 0,984691 |
3 | 0,953469 | 0,987568 | 0,966038 | 0,960363 |
5 | 0,924201 | 0,982193 | 0,946853 | 0,932134 |
21 | 0,620581 | 0,933584 | 0,733443 | 0,742376 |
Выводы. При лаге в одну торговую сессию значение автокорреляции у всех акций очень высоко. Это говорит о сильном влиянии ценовой динамики за прошлый день на текущую цену. Чем больше лаг, тем меньшее влияние старые цены оказывают на текущую цену, отражая эффект забывания, и тем менее полезна автокорреляционная функция для целей прогнозирования.
Прогнозы по акциям ОАО Газпром и Лукойл с большим лагом надежнее, чем для акций финансового сектора. Чем сильнее выражен тренд, тем большее значение автокорреляции наблюдается. Практически для прогнозирования это значение должен быть больше 0,5.
Более полную информацию о поведении акций может дать скользящая функция автокорреляции, особенно на волатильных рынках. Так, периодические экстремумы функции свидетельствуют о циклическом поведении акций, а рост значений функции свидетельствует о зарождении нового тренда.
About the authors
Самарский государственный технический университет
Author for correspondence.
Email: mari.borodina.01@bk.ru
студентка 3 курса, группа 10, институт автоматики и информационных технологий
Russian Federation, СамараСамарский государственный технический университет
Email: gman53@yandex.ru
научный руководитель, доцент, кандидат технических наук
References
- Маляров А.Н. Индивидуальное инвестирование на фондовых рынках. Самара: Изд-во СамГТУ, 2022. 400 с.
- moex.com [Электронный ресурс]. Индекс МосБиржи 10 // Moex [дата обращения 10.04.2022]. Режим доступа: https://www.moex.com/ru/index
- finam.ru [Электронный ресурс]. Котировки // Finam [дата обращения 10.04.2022]. Режим доступа: https://www.finam.ru
Supplementary files
![](/img/style/loading.gif)