WWW.REFERATCENTRAL.ORG.UA - Я ТУТ НАВЧАЮСЬ

... відкритий, безкоштовний архів рефератів, курсових, дипломних робіт

ГоловнаБанківська справа → Оптимізація біржової торгівлі конвертованими валютами на базі прогнозування їх крос-курсів на прикладі діяльності приватного підприємця - Курсова робота

Оптимізація біржової торгівлі конвертованими валютами на базі прогнозування їх крос-курсів на прикладі діяльності приватного підприємця - Курсова робота

Рис. 2.3. – "Японська свічка"

Хрестики-нулики– немає осі часу, а нова колонка цін будується після появи іншого напряму динаміки (рис. 2.4.). Хрестик малюється, якщо ціни знизилися на певну кількість пунктів (критерій риверсировки), якщо ціни підвищилися на певну кількість пунктів, то малюється нуль.

Рис. 2.4. – "Хрестики-нулики"

Основні фігури розворотів

Фігура Голова і Плечі.

Ліве і праве плече (крапки А і Е) розміщені приблизно на одному і тому ж рівні (рис. 2.5.).

Голова (крапка С вище обох плечей). Фігура завершується нижчим за шию (лінії 2). Мінімальна величина зниження ціни показана стрілкою

Рис. 2.5. – "Голова і Плечі"

Фігура діамант (Diamond) (рис. 2.6.) більш екзотична і відрізняється викривленими лініями опору і підтримки. Її можна сплутати з Головою і Плечима, але це не має значення, оскільки обидві фігури сигналізують про розворот.

Рис. 2.6. –Фігура "Діамант".

Фігури продовження тенденції

Найбільш поширеними фігурами такого типу є трикутники (Triangles). Їх розрізняють залежно від розташування обмежуючих ліній (Boundary Lines). Верхня межа є лінією опору, а нижня – лінією підтримки. Це виконується для всіх коливань усередині трикутника (рис. 2.7.).

Рис. 2.7. – Види трикутників

Деякі аналітики розрізняють такі фігури продовження, як прапор (flag), вимпел (pennant), клин (wedge). Їх відмінності від трикутників полягають у взаємному розташуванні верхньої і нижньої меж (рис. 2.8.).

1) Прапори (Flags)

Рис. 2.8. – Фігури: "Прапор", "Вимпел" і "Клин".

2.2.2. Математичний метод

Математичний - методи, що використовують фільтрацію або математичну апроксимацію.

Ці методи бурхливо розвиваються останні 25 років разом з комп'ютерною технікою. Кожен з них складно втілити в життя вручну. Для цього довелося б проводити громіздкі обчислення для кожного відрізання часу цінового графіка, - акуратно зображати набутих значень переважно на міліметрівку... З появою комп'ютера, підключеного до сучасної інформаційної мережі , всі наші проблемы вирішуються автоматично. Все, що від нас вимагається — ввести вхідні параметри і відразу після цього проаналізувати потрібну криву.

Ця група ділиться на дві основні частини: ковзаючі середні (індикатори) і осцилятори.

Ковзаючі середні

Moving Average (MA). Індикатор Moving Average є найбільш часто використовуваним індикатором в технічному аналізі. Лінію ковзаючої середньою відкладають прямо на графіці рухи ціни (рис. 2.9.).

MA = (Cn + Cn-1 + ... + C1) / n(2.1)

де МА – рухоме середнє;

Cn, Cn-1, C1 – ціни закриття попередніх періодів;

C1 – ціна закриття останнього періоду;

n – кількість даних періодів.

Ковзаюча середня зважає на деякий заздалегідь, наперед заданий період. Чим менше період, тим більше ймовірність помилкових сигналів. Чим більше період, тим слабкіша чутливість ковзаючої середньої.

Варіанти ковзаючих середніх:

Simple Moving Average – просте ковзаюче середнє;

Weighted Moving Average – зважене ковзаюче середнє;

Exponential Moving Average – експоненціальне ковзаюче середнє.

Рис. 2.9. – Ковзаюча середня "Moving Average"

Bollinger Bands. Смуги Боллінджера схожі з конвертами ковзаючих середніх (рис. 2.10.). Відмінність між ними полягає в тому, що межі конвертів розташовані вище і нижче за криву ковзаючого середнього на фіксованій, вираженій у відсотках відстані, тоді як межі смуг Боллінджера будуються на відстанях, рівних певному числу стандартних відхилень. Оскільки величина стандартного відхилення залежить від волатильности, смуги самі регулюють свою ширину: вона збільшується, коли ринок нестійкий, і зменшується в стабільніші періоди.

Рис. 2.10. – Смуги Боллінджера

Особливості смуг Боллінджера:

  • Різкі зміни цін зазвичай відбуваються після звуження смуги;

  • Якщо ціни виходять за межі смуги, слід чекати продовження поточної тенденції;

  • Якщо за списами і западинами за межами смуги слідують списи і западини усередині смуги, можливий розворот тенденції;

  • Рух цін, що почався від однієї з меж смуги, зазвичай досягає протилежної межі. Останнє спостереження корисне для прогнозування цінових орієнтирів.

Осцилятори

Stochastic Oscillator. Стохастичний осцилятор (рис. 2.11.) був винайдений Д. Лейном в 50-і роки і є одним з найпопулярніших індикаторів в технічному аналізі. Індикатор вдає із себе криву, що коливається в діапазоні від 0 до 100. Передбачається, якщо індикатор піднімається вище 70 пунктів або опускається нижче 30 пунктів, то котирування акцій знаходяться поза станом рівноваги. Сигналами до покупки служить перетин індикатором від низу до верху рівня в 30 пунктів. Сигналами до продажу є перетин індикатором зверху вниз рівня в 70 пунктів. Також, іноді як сигнальна лінія розглядають просту ковзаючу середню, побудовану на графіці Стохастичного осцилятора.

Рис. 2.11. – Стохастичний осцилятор "Stochastic"

Williams' Percent Range (%R). Процентний діапазон Уїльямса(%R) рис. (рис. 2.12.) – це динамічний індикатор, що визначає стан перекупленості/перепроданності. Індикатор (%R) дуже схожий із стахостическим осцилятором. Відмінність між ними полягає лише в тому, що перший має перевернуту шкалу, а другою будується з використанням внутрішнього згладжування.

Для побудови індикатора %R у перевернутій шкалі його значенням зазвичай привласнюється негативний знак (наприклад -30%). При аналізі негативний знак можна не враховувати.

Значення індикатора в діапазоні від 80 до 100% вказують на стан перепроданості. Значення в діапазоні від 0 до 20% свідчать про те, що ринок перекуплений.

Рис. 2.12. – Динамічний оссилятор "Williams' Percent Range"

Метод математичного програмування

Існуючі в економіці залежності повинні мати не тільки періодичні функції, але й експоненціальні та степеневі. Тому справедлива наступна формула:

, (2.2)

де х – аргумент;

у – функція;

A - Н – константи;

e – основа натурального логарифму.

В залежності від чисельних значень констант, ця формула дає множину кривих, представлену на рис. 2.13.

Рис. 2.13. Типи кривих, які можна створити за допомогою формули (2.2)

Вирішення другої задачі ускладнюється тим, що не існує таких математичних перетворень, які б дозволили лінеаризувати (2.2), щоб потім отримати значення констант A - Н методом регресії або найменших квадратів. Тому потрібно застосований наступний оптимізаційний підхід:

  1. Встановити довільні значення констант A - Н .

  2. Для всіх значень аргументу і довільних значень констант розрахувати величину у, яку позначимо як ур за формулою (2.2).

  3. Для кожного значення функції знайти (уруф)2, де уф – фактичне значення функції, отримане за статистичними даними.

  4. Вирішити оптимальну задачу з функціоналом виду

, (2.3)

а параметрами, що змінюються, будуть константи A - Н. Де N – розмір статистичної вибірки.

Метод перетворення Фур'є.

Перетворення Фур'є переводить часову функцію x(t) в частотну функцію X(f) через інтегральне співвідношення

(2.4)

Інколи його записують у вигляді

(2.5)

Вхідна незалежна змінна t для часу, яка вимірюється, як правило, в секундах, змінюється в інтервалі (-, ). Одиницями вимірювання нової незалежної змінної є герци. Інтервалом її зміни також буде (-, ). Інколи замість f використовується змінна ; відповідність між ними визначається рівністю =2f. Величина вимірюється в радіанах за одиницю часу.

Розмірності та f однакові і дорівнюють 1/t.

Для довільної функції x(t) не завжди існує функція X(f).

Якщо замість змінної f використовується змінна , то наведене вище рівняння набуває вигляду

(2.6)

3. ОПИС І РОЗРОБКА НОВОГО МАТЕМАТИЧНОГО МЕТОДУ ПРОГНОЗУВАННЯ КРОС-КУРСІВ

3.1. Математична постановка задачі

Розгляд графіка будь якої валюти показує, що він являє собою суму синусоїд з різним періодом (рис. 3.1).

Рис. 3.1. – Співвідношення хвильоподібності крос-курсу з синусоїдою

Дослідження впливу зміни цих проміжків часу, розділених на амплітуди характеристичних частот, повинно забезпечити покращення прогнозування, – перетворення Фур'є (2.4) і методів нелінійно регресійного аналізу(2.2).

Loading...

 
 

Цікаве