Ярослав Суков – Спектральный анализ на финансовых рынках (страница 2)

Это не дегуманизация. Напротив, это путь к более глубокому пониманию человеческого поведения, которое, как ни странно, подчиняется тем же законам колебаний, что и физический мир, — но с изюминкой, которую мы назовём "рефлексивностью".

Глава 1. Финансовые рынки как временные ряды

Цена как поток данных

Закройте глаза и представьте себе рынок в его самом чистом, цифровом воплощении. Нью-Йоркская фондовая биржа, Чикагская товарная биржа, глобальная сеть серверов, соединяющая Лондон, Токио, Шанхай. В каждый момент времени, от микросекунды к микросекунде, в этой сети рождается число — цена. Цена акции, фьючерса, валютной пары. Это число — не просто результат сделки. Это кристаллизация миллионов решений, ожиданий, страхов и жадности в одну точку.

С точки зрения математики, цена образует временной ряд — последовательность наблюдений, упорядоченных во времени. Это может быть ряд тиковых данных (каждая сделка), минутных данных (цена на закрытии каждой минуты), дневных, недельных. Но суть одна: мы имеем функцию P(t) , где ( t ) — дискретное или непрерывное время.

Но здесь начинается первое и самое важное различие между физическим сигналом и финансовым. Когда инженер анализирует сигнал с микрофона, он знает: этот сигнал был порождён физическим процессом — колебанием мембраны под действием звуковых волн. Существует причинно-следственная связь, идущая от источника к приёмнику. В случае рыночной цены источником является сам рынок — совокупность взаимодействующих агентов. Но каждый агент реагирует на цену, которую он видит. Цена влияет на поведение, поведение влияет на цену. Это замкнутый круг.

Философ и трейдер Джордж Сорос назвал это рефлексивностью. В отличие от физического мира, где законы природы не зависят от нашего знания о них, рынок — это система, в которой представления участников о рынке являются неотъемлемой частью самой реальности рынка. Если все поверят, что биткоин упадёт, они начнут продавать, и он действительно упадёт. Ожидание становится самоисполняющимся пророчеством.

Что это означает для нас, когда мы рассматриваем цену как поток данных? Это означает, что мы не можем ожидать от рынка стационарности. Стационарный процесс — это процесс, статистические свойства которого (среднее, дисперсия, автокорреляция) не меняются во времени. Физический сигнал от работающего двигателя стационарен, пока двигатель работает в одном режиме. Рынок же постоянно меняет свои "режимы": от спокойного тренда к волатильной боковике, от высокой ликвидности к кризису ликвидности, от рационального ценообразования к панике. Более того, сама структура этих режимов меняется со временем, потому что меняются участники, регуляции, технологии.

Таким образом, финансовый временной ряд — это нестационарный, адаптивный сигнал, порождённый сложной системой с обратной связью. Это делает его одновременно и трудным, и увлекательным объектом для спектрального анализа. Трудным — потому что классические методы (например, преобразование Фурье) предполагают стационарность. Увлекательным — потому что именно спектральный анализ позволяет нам отслеживать изменения в частотной структуре этого сигнала во времени, то есть видеть, как рынок "переключает" свои ритмы.

Но прежде чем мы перейдём к этим продвинутым методам, мы должны освоить азбуку: как вообще представить себе рыночный сигнал и из каких компонентов он состоит.

Дискретность vs непрерывность

Здесь мы сталкиваемся с фундаментальной дихотомией, которая пронизывает не только финансы, но и всю современную науку. Является ли цена непрерывной функцией времени, или она дискретна по своей природе?

На первый взгляд, цена дискретна. В большинстве рынков существует минимальный шаг цены — тик. На фондовом рынке это может быть 1 цент, на фьючерсах — определённый минимальный инкремент. Более того, сделки происходят в дискретные моменты времени, а не непрерывно. Поэтому у нас есть поток тиков — дискретных событий.

Однако с точки зрения моделирования и анализа мы часто предпочитаем рассматривать цену как непрерывный процесс, сглаживая дискретность. Почему? Потому что в основе многих финансовых теорий лежит предположение о непрерывности. Например, модель Блэка-Шоулза предполагает, что цена акции следует геометрическому броуновскому движению — непрерывному случайному процессу. Эта модель дала Нобелевскую премию, но она же провалилась в 1987 году, когда рынок рухнул на 20% за один день — событие, которое в непрерывной модели имело бы практически нулевую вероятность.

Спектральный анализ традиционно работает с непрерывными сигналами или с дискретными последовательностями, которые рассматриваются как выборки из непрерывного процесса. Мы будем использовать дискретные данные (чаще всего — цены закрытия свечных интервалов), но наш анализ будет основан на идее, что за этими дискретными точками стоит некое непрерывное колебательное движение, которое мы пытаемся реконструировать.

Но есть более глубокая философская проблема: непрерывность времени — это математическая идеализация. В реальности информация на рынке распространяется с конечной скоростью, и участники принимают решения в дискретные моменты. Однако для наших целей (анализ циклов от нескольких минут до нескольких лет) дискретность тика не играет роли. Мы будем работать с равномерно дискретизированными рядами (например, часовыми или дневными данными), что позволяет использовать мощный аппарат дискретного преобразования Фурье.

Но даже выбрав дискретное представление, мы должны помнить: рынок генерирует данные в астрономическом времени, а не в торговом. Когда биржа закрыта, цена не меняется. Это создаёт разрывы и искажения в спектре, поскольку процесс не является непрерывным во времени. Мы научимся обходить эти проблемы, но сейчас важно понять, что выбор способа дискретизации (таймфрейма) — это не техническая деталь, а стратегическое решение, которое определяет, какие частоты мы сможем увидеть.

Если вы выберете дневные данные, вы никогда не увидите внутридневные циклы. Если вы выберете минутные данные, вы будете захлебываться в высокочастотном шуме и потеряете из виду долгосрочные тренды. Мудрость спектрального подхода в том, что он позволяет работать с масштабом осознанно: мы можем анализировать рынок в разных частотных диапазонах одновременно, не теряя целостной картины.

Шум, тренд и цикличность

Теперь мы подходим к самому сердцу нашего повествования. Любой финансовый временной ряд можно представить как суперпозицию трёх идеализированных компонентов: тренда, циклов и шума. Это разделение восходит к работам экономистов начала XX века, которые пытались выделить "циклическую составляющую" из экономических временных рядов, чтобы изучать деловые циклы. Но для трейдера это не просто академическое упражнение — это основа для принятия решений.

Тренд — это долгосрочное направленное движение. В спектральном смысле тренд — это компонента с очень низкой частотой, стремящейся к нулю. Представьте себе синусоиду с периодом, превышающим длину вашей выборки: вы увидите только часть дуги, которая выглядит как прямая линия. Тренд — это "нулевая гармоника". Многие методы спектрального анализа требуют удаления тренда (детрендирования), чтобы не искажать оценки спектра на других частотах. Но для трейдера тренд — это главный источник прибыли. Вопрос не в том, чтобы удалить его, а в том, чтобы отличить устойчивый тренд от случайного дрейфа и вовремя определить его смену.

Циклы — это повторяющиеся колебания вокруг тренда. Именно они являются объектом нашего основного внимания. Циклы могут быть разной природы. Есть фундаментальные циклы, связанные с внешними по отношению к рынку факторами: годовые циклы (сезонность), циклы деловой активности (Китчина, Жюгляра, Кондратьева), циклы ликвидности, связанные с действиями центральных банков. Есть эндогенные циклы, порождённые самой структурой рынка: например, циклы, связанные с экспирацией опционов, с календарными эффектами (эффект января, внутримесячные паттерны), а также циклы, возникающие из-за взаимодействия алгоритмов и микроструктуры.

Но самое интересное — это психологические циклы, отражающие коллективные эмоции участников. Они не имеют фиксированной длины и меняются со временем, но их можно обнаружить как "плавающие" пики в спектре. Именно эти циклы часто создают возможности для технического анализа, который на интуитивном уровне использует идею повторяющихся паттернов (голова-плечи, двойные вершины и т.д.). Спектральный анализ позволяет перевести эти расплывчатые визуальные образы на язык точных частотных характеристик.

Шум — это всё, что не объясняется трендом и циклами. В теории сигналов шум обычно считается случайным процессом с равномерным спектром (белый шум) или с определённой корреляционной структурой (цветной шум). На финансовых рынках природа шума сложна. Частично это микроструктурный шум, вызванный дискретностью цены и асинхронностью торгов. Частично это информационный шум — реакция на новости, которая не приводит к устойчивому циклу. Но есть и более глубокая философская проблема: в отличие от физики, где шум — это помеха, на рынке "шум" часто является тем, что трейдеры называют волатильностью, а волатильность — это и есть источник возможностей для краткосрочной торговли. Более того, некоторые современные теории (например, фрактальная гипотеза рынка) предполагают, что то, что мы называем шумом, на самом деле имеет сложную, масштабно-инвариантную структуру, которая не сводится к простым циклам.