Программная идентификация ключевых фигур и предсказание тенденций графиков биржевых котировок по экстремальным признакам на основе алгоритмов сортировки

• Автор: Тренкеншу, Александр Игоревич
• Шифр специальности: 05.13.17
• Научная степень: Кандидатская
• Год защиты: 2014
• Место защиты: Таганрог
• Количество страниц: 168 с. : ил.

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ
ГЛАВА 1. ПРОГРАММНОЕ ВЫДЕЛЕНИЕ И ИДЕНТИФИКАЦИЯ НА ОСНОВЕ СОРТИРОВКИ ФИГУР ГРАФИЧЕСКОГО АНАЛИЗА

ФИНАНСОВЫХ РЫЖОВ

1 Л. Вычисление ценовых экстремумов на основе алгоритма сортировки.

1.2. Фигуры графического анализа финансовых рынков

1.3. Формальное описание фигур графического анализа с помощью экстремумов

1.4. Алгоритм выделения и идентификации фигур графического анализа

1.5. Выделение областей, содержащих фигуру

1.6. Идентификация фигур графического анализа внутри областей

1.7. Формирование прогноза направления движения цены при возникновении фигуры и вычисление вероятности движения
1.8. Результаты работы программы по распознаванию и идентификации фигур графического анализа на графиках финансовых инструментов
1.8. Сравнение предложенного метода с существующими
1.9. Выводы
ГЛАВА 2. ПРОГРАММНАЯ ИДЕНТИФИКАЦИЯ ТРЕНДА И КОНФИГУРАЦИЙ РАЗВОРОТА ВАЛЮТНОГО РЫЖА НА ОСНОВЕ СОРТИРОВКИ С ПРИМЕНЕНИЕМ КОРРЕЛЯЦИОННОГО АНАЛИЗА
2.1. Программная идентификация тенденций на основе автоматического подбора экстремальных параметров
2.2. Применение алгоритма идентификация тенденций к графикам финансовых инструментов
2.3. Построение ценового прогноза
2.4. Метод определения разворота тенденции
2.5. Применение метода определения разворота тенденции для уточнения ценового прогноза

2.6. Элементы корреляционного анализа, используемые для уточнения разворота тенденций
2.7. Корреляционный анализ валютного рынка РСЖЕХ
2.8. Применение результатов корреляционного анализа для уточнения начала новой тенденции
2.9. Сравнение предложенных методов с существующими
2.10. Выводы
ГЛАВА 3. ПРОГРАММНАЯ ИДЕНТИФИКАЦИЯ КРАТКОСРОЧНЫХ ТЕНДЕНЦИЙ И КОНФИГУРАЦИЙ РАЗВОРОТА ВАЛЮТНОГО РЫНКА НА ОСНОВЕ СОРТИРОВКИ С ПРИМЕНЕНИЕМ КОРРЕЛЯЦИОННОГО АНАЛИЗА
3.1. Программная идентификация краткосрочных тенденций с автоматическим подбором решающих параметров
3.2. Метод определения разворота краткосрочной тенденции
3.3. Корреляционный анализ часовых графиков валютного рынка Р011ЕХ
3.4. Применение результатов корреляционного анализа для уточнения начала новой краткосрочной тенденции
3.5. Обсуждение результатов
3.6. Выводы
ЗАКЛЮЧЕНИЕ
ЛИТЕРАТУРА
ПРИЛОЖЕНИЕ

ВВЕДЕНИЕ
Актуальность проблемы. Финансовые рынки являются важнейшей частью мировой экономической системы [1]. Например, на основании изменений основных фондовых индексов делаются выводы о состоянии как экономики отдельных стран, так и всей мировой экономики в целом [2]. Кроме того, объемы денежных средств, которые находятся в обороте на финансовых рынках, превышают триллионы долларов США [3], что привлекает на них дополнительных участников торгов, инвесторов и трейдеров, желающих получить прибыль от долгосрочных инвестиций и краткосрочных спекуляций, пытаясь предсказать будущее ценовое движение [4, 5]. Колебания на финансовых рынках на первый взгляд кажутся совершенно случайными, но ученые многих стран задаются вопросом, действительно ли не существует возможности предсказать ценовое движение на финансовых рынках [5]. В связи с этим проводятся исследования ценовых последовательностей значений данных финансовых рынков с целью выделения и идентификации из зашумленной последовательности конфигураций и закономерностей, которые могут предсказать ценовое движение в будущем [6, 7].
В 2013 году американские ученые Юджин Фама, Ларе Питер Хансен и Роберт Шиллер стали лауреатами Нобелевской премии по экономике за «эмпирический анализ ценообразования активов».
Юджин Фама из Чикагского Университета в 60-х начале 70-х годов XX века создал теорию эффективного рынка. Он показал, что предыдущие цены активов нельзя использовать для предсказания будущего ценового движения на коротких промежутках времени (дни, недели), а любая новая информация быстро учитывается рынком в цене актива [8 — 10].
Роберт Шиллер из Йельского Университета в своих исследованиях 70-х - начала 80-х годов показал, что на длинных промежутках времени (три-семь лет) можно предсказать движение цен активов. Шиллер обнаружил, что цены активов более волатильны, чем фундаментальные факторы, лежащие в

является в данной окрестности наименьшим в смысле отношения порядка <, определяемого сортировкой, что не полностью совпадает со смыслом арифметического неравенства. Среди узлов с равными значениями данных исходного массива в рассматриваемой окрестности при справедливости неравенства в (1.2) оператор локализации минимума фиксирует узел, соответствующий первому в порядке нумерации элементу отсортированного массива независимо от его расположения в исходном массиве. Этот факт опирается на сохранение порядка равных элементов при сортировке подсчетом Sort. Локализовать минимальный элемент в рассматриваемом смысле излагаемым способом можно только на основе сохранения обратных адресов на выходе сортировки, причем строго в том порядке, в каком располагаются отсортированные элементы. Значение Eps произвольно, но должно быть выбрано и зафиксировано априори.
Программная реализация оператора локализации минимумов и максимумов представлена ниже:
III Вычисляются локальные min в Eps-окрестности точки для заданного входного массива объектов III
III Входящий вектор объектов
III Возвращаемый вектор объектов локальных min
III Возвращаемый вектор индексов объектов локальных min в исходном массиве
III BeKTop индексов исходного массива объектов в отсортированном массиве объектов
III <рагат пате="Ерз">Величина Ерз-окрестности
public static void FindLocalMin(Data[] IncVector, ref Data[] OutVector, ref int[]
OutlndexVector, int[] IndexVector, intEps)

int k = 0;