Ярослав Суков – Спектральный анализ на финансовых рынках (страница 4)

Это важно, потому что классические методы спектрального анализа (например, периодограмма) предполагают, что процесс стационарен и имеет фиксированный спектр. Но если спектр имеет вид 1/f^β, то процесс нестационарен (дисперсия растёт со временем), и его спектр, строго говоря, определён только в смысле обобщённых функций. Для работы с фрактальными рынками мы будем использовать адаптивные методы: вейвлет-преобразование, кратковременное преобразование Фурье (STFT), методы, которые позволяют отслеживать изменения спектра во времени.

Следствие второе: мультифрактальность.

Реальные рынки часто проявляют не просто фрактальность, а мультифрактальность: показатель ββ меняется во времени и зависит от амплитуды колебаний. В периоды спокойного рынка спектр может быть более «гладким», приближаясь к случайному блужданию. В периоды кризисов появляются резкие пики на определённых частотах, указывающие на синхронизацию участников (все продают одновременно, создавая мощный импульс).

Мультифрактальность означает, что нельзя раз и навсегда вычислить «спектр рынка» и использовать его как константу. Нужно постоянно переоценивать текущий спектральный режим. Именно здесь открывается возможность для создания алгоритмических систем, которые адаптируются к изменяющейся спектральной структуре.

За фрактальной геометрией и нелинейной динамикой стоят живые люди — трейдеры, инвесторы, маркет-мейкеры, алгоритмы, созданные людьми. Их поведение подчиняется определённым закономерностям, которые были открыты поведенческой экономикой и нейроэкономикой. И что самое удивительное, эти поведенческие паттерны создают циклические структуры в ценах.

Стадный инстинкт и синхронизация.

Человек — социальное животное. На протяжении эволюции способность копировать поведение большинства была выживательной: если все убегают от хищника, лучше не задавать вопросов, а бежать с ними. На рынке этот инстинкт превращается в стадное поведение. Когда цена резко растёт, подключаются «FOMO» (fear of missing out) — страх упущенной выгоды. Когда цена падает — паника.

Стадное поведение приводит к синхронизации действий участников. А синхронизация — это источник когерентных колебаний. Тысячи трейдеров, начинающих покупать одновременно, создают импульс спроса, который выбивает лимитные ордера и вызывает цепную реакцию. Этот процесс можно описать как автоволну или даже как фазовый переход — аналогично тому, как отдельные осцилляторы (метрономы) синхронизируются, если находятся в слабой связи.

В частотной области синхронизация проявляется как появление узких пиков на спектре. В обычное время спектр широкий, энергия распределена по многим частотам. Но в моменты паники или эйфории вся энергия концентрируется в низкочастотной области (долгий тренд) или, наоборот, генерирует высокочастотные осцилляции (резкие колебания). Спектральный анализ позволяет не только фиксировать эти моменты, но и предсказывать их, отслеживая рост когерентности (увеличение отношения сигнал/шум на определённых частотах).

Эвристики и когнитивные искажения.

Даниэль Канеман и Амос Тверски показали, что люди не являются рациональными агентами из учебников экономики. Мы используем эвристики (упрощённые правила принятия решений), которые в большинстве случаев работают, но иногда приводят к систематическим ошибкам.

На рынке это проявляется в виде:

Якорения: трейдеры ориентируются на недавние цены (например, максимум дня или исторический максимум), что создаёт уровни поддержки и сопротивления.

Эффекта диспозиции: инвесторы склонны продавать выросшие активы слишком рано (чтобы зафиксировать прибыль) и держать упавшие слишком долго (в надежде на отскок). Это создаёт краткосрочные циклы возврата к среднему.

Избыточной уверенности: после серии успешных сделок трейдеры начинают рисковать больше, что приводит к наращиванию позиций и последующему резкому развороту.

Важно то, что эти поведенческие паттерны имеют характерные временные масштабы. Например, эффект диспозиции часто реализуется в течение нескольких дней или недель. Якорение на дневных максимумах/минимумах создаёт внутридневные циклы. Стадное поведение в ответ на новости даёт всплески, которые затухают за минуты или часы.

Таким образом, коллективное поведение участников порождает спектральные сигнатуры, которые можно идентифицировать и использовать. Рынок — это не бездушный генератор случайных чисел, а зеркало человеческой психики, только развёрнутое в частотной области.

Мы разобрали иллюзию случайности и увидели, что за хаосом скрывается сложная, но структурированная реальность: фрактальность, детерминированный хаос, поведенческие паттерны. Но как перейти от этого понимания к практическому инструменту? Для этого нужно сделать следующий концептуальный скачок — перестать смотреть на рынок как на линию во времени и начать видеть его как набор колебаний в пространстве частот.

Глава 3. От графиков к частотам

В предыдущих главах мы установили: рынок — это не случайное блуждание, а сложный сигнал с фрактальной структурой, порождённый взаимодействием тысяч участников, каждый из которых действует по своим правилам, но в совокупности создаёт узнаваемые паттерны. Однако чтобы извлечь из этого сигнала полезную информацию, нам нужен принципиально иной способ его представления.

Вспомните, как мы слушаем музыку. Можно смотреть на нотный стан — это представление во времени: последовательность нот, которые нужно сыграть в определённые моменты. Но можно посмотреть на спектрограмму — изображение, где по горизонтали отложено время, по вертикали — частота, а цветом показана громкость. На спектрограмме вы мгновенно видите, когда вступает бас-гитара (низкие частоты), когда скрипка переходит в верхний регистр, где происходит модуляция.

То же самое мы сделаем с рынком. Мы превратим временной ряд цен в его частотное представление. И тогда многое, что было скрыто, станет очевидным.

Классический технический анализ — это совокупность методов, разработанных в эпоху, когда трейдеры сидели в ямах бирж и чертили графики на бумаге. Они наблюдали за ценами и объёмами, выделяли визуальные паттерны: «голова и плечи», «треугольники», «флаги», уровни поддержки и сопротивления. В XX веке к этому добавились индикаторы: скользящие средние, RSI, MACD, стохастик.

У классического теханализа есть неоспоримые достоинства: он интуитивен, визуален, проверен временем. Многие трейдеры успешно используют его на протяжении десятилетий. Но есть и фундаментальные ограничения, которые становятся критическими в современном высокоскоростном, алгоритмическом мире.

1. Субъективность и невоспроизводимость.

Один трейдер видит на графике «голову и плечи», другой — просто три вершины. Паттерн не имеет строгого математического определения. Это искусство, а не наука. В эпоху алгоритмической торговли это становится недостатком: вы не можете закодировать «голову и плечи» в чёткий алгоритм, который будет работать одинаково на любых данных.

2. Запаздывание индикаторов.

Скользящие средние и многие осцилляторы основаны на прошлых данных. Они неизбежно запаздывают. Когда скользящая средняя пересекает цену снизу вверх, тренд уже мог начаться несколько баров назад. В мире, где алгоритмы реагируют за микросекунды, запаздывание даже на один бар может сделать стратегию убыточной.

3. Отсутствие адаптации к рыночному режиму.

Большинство технических индикаторов имеют фиксированные параметры (период скользящей средней, период RSI и т.д.). Но рынок постоянно меняет свой режим: то находится в тренде, то во флэте, то в высокой волатильности. Фиксированные параметры не могут быть оптимальны во всех режимах. Трейдеры пытаются решить эту проблему подбором параметров (оптимизацией) на исторических данных, но это часто приводит к переоптимизации (overfitting) — стратегия идеально работает на прошлом, но проваливается на будущем.

4. Неспособность работать с несколькими масштабами одновременно.

Хороший трейдер всегда анализирует несколько таймфреймов: долгосрочный тренд, среднесрочную коррекцию, краткосрочный вход. Но классические индикаторы не дают единой картины. Трейдер вынужден переключаться между графиками и мысленно комбинировать сигналы, что трудно формализовать и автоматизировать.

5. Игнорирование спектральной природы рыночных движений.

Самый главный недостаток классического теханализа — он оперирует во временной области. Он пытается найти паттерны в последовательности цен, но не видит, что движение цены — это сумма колебаний разной частоты. Поэтому многие классические паттерны на самом деле являются артефактами наложения нескольких циклов. Например, «двойная вершина» может возникать, когда два цикла разной частоты находятся в противофазе, создавая видимость разворота. Понимание спектральной структуры позволяет отличить истинный разворот от временной интерференции.

Итак, нам нужен подход, который:

Объективен и воспроизводим.

Не запаздывает (или минимизирует запаздывание).

Адаптируется к меняющимся режимам рынка.

Естественным образом интегрирует разные масштабы.

Раскрывает скрытую структуру рыночных движений.

Таким подходом является спектральный анализ.

Спектральный анализ — это раздел математики и обработки сигналов, который занимается разложением сигнала на составляющие его частоты. Идея проста: любой сигнал (в том числе временной ряд цен) можно представить как сумму (или интеграл) синусоидальных колебаний различных частот, амплитуд и фаз.