Теоретически свечные модели предназначаются для анализа дневных графиков. Однако группа специалистов из челябинского Центра финансовых технологий провела исследование их эффективности на внутридневных данных. При этом результативность сигналов свечного метода максимизировалась с помощью фильтрации техническими индикаторами и совмещения свечного анализа с анализом объема торгов на внутридневных графиках. 

Цель исследования состояла, во-первых, в анализе эффективности свечных моделей. Во-вторых, в тестировании разных способов увеличения эффективности свечного метода, таких как фильтрация индикаторами и добавление ограничений на объем торгов на внутридневных графиках.

На полчаса и час

При анализе эффективности свечного метода на внутридневных данных мы исследовали работу свечей главным образом на 30- и 60-минутных графиках. Для исследования изначально были взяты 60 классических свечных моделей. Тестирования проводились на данных 4-х акций рынка ММВБ (EESR, LKOH, RTKM, SBER) с 01.02.2004 г. по 01.03.2006 года.

Эффективность моделей мы измеряли через среднюю доходность по позициям, которые занимала система после получения торговых сигналов от моделей. При этом использовалась система технического анализа Candle.

Для определения доходности по позиции мы использовали следующий алгоритм покупки/продажи акций: после появления свечной модели система занимала длинную или короткую позицию (в зависимости от типа сигнала) по инструменту и держала ее 4 периода с целью выхода на уровень доходности 2%.

Если доходность 2% по позиции достигалась ранее чем за 4 периода, система продолжала удерживать позицию еще 2 периода с целью выхода на уровень доходности 3%. Максимально возможный убыток по позиции был установлен на уровне 1%. Если убыток достигал 1%, система закрывала позицию с использованием стоп-приказа.

Вначале мы пробовали тестировать эффективность классических свечных моделей на 30- и 60-минутных графиках в чистом виде, без добавления дополнительных ограничений и без фильтрации индикаторами. Результаты оказались не отрицательными, но и удовлетворительными их тоже назвать нельзя. Средняя доходность по позиции составила 0.06% и 0.09% соответственно на 30- и 60-минутных данных. При этом на получасовых графиках было найдено 1910 моделей, а на часовых – 1737 (табл. 1, 2).

Для увеличения результативности сигналов мы добавили в каждой модели ограничения на минимальный объем торгов. Идея в том, что большой объем торгов в периоды формирования модели должен давать определенную гарантию, что модель сформировалась не случайно, и свидетельствовать о серьезности намерений участников рынка развернуть или продолжить тенденцию.

Мы устанавливали ограничения на минимальный объем торгов преимущественно для второй и третьей свечей в моделях, потому что, как правило, именно они являются ключевыми.

Первоначально мы установили следующее ограничение: объем торгов в периоды формирования модели должен быть не менее 120% от среднего объема торгов за предыдущие 7 периодов. Это ограничение оказалось наиболее оптимальным для увеличения результативности сигналов моделей по итогам тестирования на дневных данных [1]. Однако введение ограничений на объем торгов не исправило ситуацию, и даже наоборот. В ходе тестирования на исторических данных результативность сигналов не увеличилась, а моделей было найдено гораздо меньше.

Мы пробовали изменять ограничение, делая его более или менее строгим, но добиться увеличения результативности не удалось. То, что ограничение на объем торгов не сработало на внутридневных данных, возможно, стало следствием относительно невысокой ликвидности российского фондового рынка и инструментов, обращающихся на нем.

Рост от индикаторов

Другой прием, который мы попробовали применить для роста результативности свечных моделей на внутридневных графиках, – фильтрация сигналов моделей техническими индикаторами. Его суть заключается в том, чтобы сигналы моделей получали подтверждение от индикаторов. В частности, в виде выхода индикатора в зону перекупленности/перепроданности или пересечения индикатора со своей скользящей средней [1]. Надо сказать, фильтрация во многом исправила положение.

Мы пробовали фильтровать модели с использованием шести различных индикаторов:

1. MFI (Money flow Index)
2. DMI (Direct movement index)
3. RSI (Relative strength index)
4. MACD
5. SO (Stochastic oscillator)
6. ROC (Rate of change)

Наибольшего увеличения результативности моделей как на 30-, так и на 60-минутных данных нам удалось добиться с использованием стохастического осциллятора (SO). Средняя доходность по позиции увеличилась до 0.15% и 0.23% на 30- и 60-минутных данных соответственно. При этом на получасовых графиках было найдено 1184 модели, а на часовых – 1053. Сигналы моделей получали подтверждение от индикатора во время пересечения первой и второй скользящих средних стохастика. При этом модели фильтровались как в период самого пересечения, так и 3 периода до и после пересечения кривых.

Настройки SO были следующие: количество периодов – 3, сглаживающая – 14, вторая сглаживающая (%D) – 7.

Эффективной на внутридневных данных также была фильтрация индикаторами ROC и RSI (табл. 3 и 4). Как и в случае со стохастиком, наиболее эффективным подтверждающим сигналом здесь было пересечение индикатора со своей скользящей средней. Стоит отметить, что те же индикаторы с теми же условиями фильтрации показали наилучшую результативность при фильтрации моделей на дневных графиках в предыдущем исследовании.

Естественно, не все из 60 классических моделей показали удовлетворительные результаты при тестировании даже с использованием фильтрации. Поэтому последней мерой по улучшению общих показателей эффективности свечного метода на внутридневных графиках стало удаление из торговой системы неработающих формаций, таких как окно, вершина и основание пинцет, вечерняя и утренняя звезда, темные облака, три черные вороны, отбитая атака и др.

Их удаление позволило при фильтрации SO увеличить среднюю доходность по позиции на часовых графиках до 0.29%. В таблицах 5 и 6 представлены результативности каждой отдельной модели и общая результативность торговой системы на часовых графиках (неработающие модели исключены).

В итоге можно сказать, что эффективный анализ внутридневных графиков на основе свечного метода возможен, но при этом необходимо учесть следующее:

1. После получение сигнала от модели для принятия решения о покупке или продаже ценной бума ги лучше всего дождаться под тверждения индикатора или найти это подтверждение в предыдущих периодах.
2. Не все модели эффективны на внутридневных графиках, впрочем, как и на дневных. Причем те моде ли, которые дают положительные результаты на дневных графиках, могут не работать на внутриднев ных, и наоборот.
3. При анализе внутридневных графиков свечным методом лучше не использовать дополнительные ограничения на объем торгов в мо делях или делать это очень осто рожно и избирательно.