Фильтрация свечей дает новый метод торговли , основанный на совмещении свечных моделей с другими методами теханализа. А совмещение свечного анализа с анализом объема торгов увеличивает результативность моделей. 

Цель проводимого исследования состояла в том, чтобы добиться увеличения результативности метода моделей свечей путем фильтрации сигналов моделей техническими индикаторами рынка.

Классические модели

Для тестирования мы использовали 40 классических моделей и 6 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).

Тестирование проводилось на дневных данных 11 наиболее ликвидных акций рынка КЦБ ММВБ в период с 01.06.2003 по 01.12.2005.

Вначале было проведено тестирование моделей без фильтрации. В таблицах 1 и 2 представлены соответственно результативность каждой отдельной модели и итоговые результаты по торговой системе.

Таблица 1. Результативность моделей свечей без фильтрации.

Обозначения R+, R-, C+, C- указывают на характер модели. Так, R+ обозначает бычью модель разворота, C+ бычью модель продолжения, R- и C- наоборот.

Таблица 2. Общая результативность торговой системы без фильтрации.

Для определения результативности сигнала система занимала длинную или короткую позицию (в зависимости от типа сигнала) по инструменту и держала ее 4 дня для выхода на уровень доходности 6%. Если эта доходность достигалась быстрее чем за 4 дня, система продолжала удерживать позицию еще в течение трех периодов с целью выхода на уровень доходности 10%. Максимально возможный убыток по позиции был установлен на уровне 3%. Если убыток по позиции достигал 3%, система закрывала ее с использованием стоп-приказа.

В ходе исследования для каждого индикатора, где было возможно, мы пробовали проводить фильтрацию моделей двумя способами: в зонах перекупленности и перепроданности, а также в момент пересечения индикатором своей скользящей средней. Во втором случае фильтрация бычьих моделей разворота и медвежьих моделей продолжения происходила в момент пересечения индикатором своей скользящей средней снизу вверх, а медвежьих разворотов и бычьих продолжений – наоборот, сверху вниз.

Результативные фильтры

При пересечении индикатором своей скользящей средней период фильтрации составлял 5-7 дней. В него входили сам период пересечения, а также 2-3 периода до и после пересечения. Для достижения наибольшей результативности фильтрации мы также пробовали варьировать значения самих индикаторов и скользящих средних, делая их менее или более чувствительными к изменению цен.

В итоге наибольшего увеличения результативности сигналов моделей удалось добиться при фильтрации индикаторами ROC и SO.

При фильтрации по пересечению кривых средняя доходность сигнала модели в обоих случаях увеличилась почти в 2 раза до 1.58%. Процент оправдавшихся сигналов вырос до 49% и 48% соответственно для ROC и SO. Однако ROC отфильтровал гораздо больше моделей – 275, по сравнению со стохастиком, который отфильтровал 202 модели.

Фильтрация стохастиком в зонах перекупленности и перепроданности оказалась менее результативной, средняя доходность сигнала составила 1.1%, отфильтровалось лишь 75 моделей. Зоны перекупленности и перепроданности были установлены на уровнях 80 и 20 соответственно. Неожиданным оказалось значительное увеличение результативности моделей при фильтрации по пересечению индикатором ROC значения 0. Мы установили условия, при которых бычьи сигналы должны фильтроваться в момент пересечения индикатором значения 0 снизу вверх, а медвежьи – при пересечении 0 сверху вниз.

В результате средняя доходность сигнала составила 1.79%, при этом на 10% (с 43% до 53%) выросло количество оправдавшихся сигналов, однако моделей при этом найдено относительно немного – 103.

Данные значения результативности были достигнуты при следующих настройках индикаторов:

ROC: количество периодов – 21;

SO в случае фильтрации по пересечению кривых индикатора: количество периодов – 3, сглаживающая – 14, вторая сглаживающая (%D) – 7;

SO в случае фильтрации в зонах перекупленности и перепроданности: количество периодов – 14, сглаживающая – 3, вторая сглаживающая (%D) – 7.

Для сравнения результативности моделей «с фильтрацией» и «без фильтрации» составлена таблица 3 результативности отдельных моделей при фильтрации индикатором ROC по пересечению индикатора со своей скользящей средней.

Стоить отметить, что почти у всех взятых для исследования индикаторов фильтрация по пересечению кривых оказалась более эффективной, чем фильтрация в зонах перекупленности и перепроданности. Во втором случае общая доходность торговой системы была всегда ниже, и моделей, как правило, находилось меньше. Хотя само по себе пересечение индикатора со своей скользящей средней, возможно, генерирует много преждевременных сигналов, для фильтрации моделей оно подходит больше.

В целом результативность моделей увеличилась в той или иной степени при фильтрации каждым из индикаторов. Результаты фильтрации моделей индикаторами MFI, RSI, MACD и DMI по пересечению кривых сведены в таблицы 4-7.

Таблица 4. Общая результативность моделей при фильтрации MFI.

Настройки MFI: количество периодов – 14, настройки скользящей средней: количество периодов – 7.

Таблица 5. Общая результативность моделей при фильтрации RSI.

Настройки RSI: количество периодов – 12, настройки скользящей средней: количество периодов – 7.

Таблица 6. Общая результативность моделей при фильтрации MACD.

Настройки MACD: короткий период – 12, длинный период – 25. Сигнальная линия: количество периодов – 7.

Таблица 7. Общая результативность моделей при фильтрации DMI.

Настройки DMI: количество периодов – 14, настройки скользящей средней: количество периодов – 10.

Совмещение свечного анализа с анализом объема торгов

Ричард Адамс утверждал: цена говорит нам о том, что случилось на рынке, а объем – о том, как это случилось. Идея совмещения анализа свечей с анализом объема торгов состоит в том, чтобы расставить акценты на ключевых днях в свечных моделях. Акценты можно расставить с помощью введения дополнительных ограничений на минимальный и максимальный объем торгов. Мы попытались ответить на вопрос: возможно ли увеличение результативности свечных моделей при добавлении в них ограничений на объем торгов? Если да, то какие ограничения являются наиболее оптимальными?

Совмещение свечного анализа с анализом объема торгов предполагает добавление в свечные модели дополнительных ограничений на минимальный или максимальный объем торгов для увеличения результативности сигналов моделей. В данном исследовании использовались ограничения только на минимальный объем торгов, т.е. предполагалось, что периоды формирования модели должны сопровождаться относительно большим объемом торгов. В рамках данного исследования мы также проверили совместное влияние дополнительных ограничений объема и фильтрации моделей техническими индикаторами.

Тестирования проводились на дневных и внутридневных данных 12 наиболее ликвидных акций рынка корпоративных ценных бумаг ММВБ, период – с 01.06.2003 г. по 17.12.2005 г. Для тестирования мы использовали 40 классических моделей свечей.

Для совмещения свечного анализа с анализом объема торгов мы устанавливали ограничения на минимальный объем торгов преимущественно для второй и третьей свечей в моделях, потому что, как правило, именно эти свечи являются ключевыми в модели. Исключения составляли однопериодные модели, такие как висельник и молот. Ограничения здесь устанавливались на первую и единственную свечку и равнялись ограничениям, которые устанавливались для второго дня двух- или трехпериодной модели.

Идея состояла в том, что наличие большого объема торгов при формировании ключевых свечей должно в некоторой степени гарантировать то, что данные свечи были сформированы не случайно, и свидетельствовать о серьезных намерениях участников рынка развернуть или продолжить тенденцию. Важно, что мы не устанавливали ограничений на минимальный объем торгов для свечей доджи, т.к. они говорят о неопределенности, а неопределенность на рынке обычно не сопровождается большими объемами торгов.

Ограничения на объем торгов устанавливались в процентах от среднего за предыдущие 7 дней. Например, если для свечи в модели устанавливается ограничение 120%, это означает, что в этот день объем торгов должен быть больше либо равен 120% от среднего объема торгов за предыдущие 7 дней.

В ходе тестирований мы пробовали устанавливать различные ограничения: большие – 250% и 350% для второго и третьего дня в модели соответственно, средние – 80% и 100%, нулевые – 100% и 0%. Мы пробовали различные комбинации, смотрели, как в целом ведет себя торговая система с теми или иными ограничениями, и как изменяется результативность каждой отдельной модели.

Итоги тестирования

По итогам тестирований наиболее результативными оказались сигналы моделей с ограничениями на объем торгов 100% и 120% для второго и третьего дня соответственно. Добавление данных ограничений в модели позволило увеличить среднюю доходность сигнала на 0.5% (с 1.3% до 1.8%).

Также хорошие результаты показали модели с ограничениями на объем торгов 250% и 350%. Здесь средняя доходность сигнала увеличилась до 2%, однако при этом было найдено очень немного моделей – 165. Результативность каждой отдельной модели представлена в таблице 8. Итоговые результаты по торговой системе при использовании ограничений на объем торгов 100% и 120% показаны в таблице 9.

Таблица 8. Результативность моделей свечей с ограничениями на объем торгов 100 и 120%.

Таблица 9. Общая результативность торговой системы с ограничениями на объем торгов 100 и 120%.

Для определения результативности сигнала система занимала после появления модели длинную или короткую позицию (в зависимости от типа сигнала) по инструменту и держала ее в течение 4 дней с целью выхода на уровень доходности 6%. Если доходность 6% по позиции достигалась ранее чем за 4 дня, система продолжала удерживать позицию еще в течение трех периодов с целью выхода на уровень доходности 10%. Максимально возможный убыток по позиции был установлен на уровне 3%. Если убыток по позиции достигал 3%, система закрывала ее по стоп-приказу.

Таким образом, добавление ограничений на объем торгов позволило увеличить среднюю доходность сигнала модели, но никак не изменило процент оправдавшихся сигналов. Этот показатель остался на прежнем уровне – 46%. Причем оправдавшихся сигналов не становилось больше ни при каких условиях, даже при ограничениях в 250% и 350%.

Мы связываем это с тем, что ограничение на объем торгов позволяет отсеять не только заведомо ложные, но и заведомо слабые сигналы, дающие пренебрежительно малую положительную доходность. Поэтому при неизменном проценте оправдавшихся сигналов выросла их средняя доходность – увеличилось соотношение сильных сигналов к общему числу положительных.

Тестирование также показало, что если на дневных данных ограничение на объем торгов позволяет увеличить результативность моделей, то на внутридневных данных (5, 30 и 60 минут) те же ограничения только снижают общее число найденных моделей, показатель средней доходности сигнала не увеличивается. Возможно, это связано с низкой ликвидностью российских бумаг, возможно, для работы на внутридневных данных требуется установить более гибкие ограничения на объем торгов.

Фильтрация моделей техническими индикаторами

В рамках данного исследования мы также протестировали совместное влияние ограничений на объем торгов и фильтрации моделей техническим индикатором. Напомним, что фильтрация применяется для снижения преждевременных сигналов моделей свечей. Фильтрация, например, позволяет отсеять бычьи модели разворота во время повышающегося тренда или, наоборот, медвежьи модели разворота во время понижающегося тренда. Для фильтрации моделей с новыми ограничениями мы использовали индикатор «темп изменений» (ROC).

Данный индикатор оказался наиболее результативным при фильтрации моделей. Фильтрация моделей осуществлялась при пересечении индикатором своей скользящей средней. При этом фильтрация бычьих моделей разворота и медвежьих моделей продолжения происходила в момент пересечения индикатором свой скользящей средней снизу вверх, а медвежьих моделей разворота и бычьих моделей продолжения – наоборот, сверху вниз. В таблице 10 представлена результативность торговой системы с использованием ограничений на объем торгов и фильтрации.

Таблица 10. Общая результативность торговой системы с ограничениями на объем торгов 100% и 120% и фильтрацией ROC.

При использовании фильтрации произошло увеличение средней доходности сигнала модели. Что более важно в данном случае, фильтрация позволила увеличить с 46% до 53% долю оправдавшихся сигналов. При использовании фильтрации мы также пытались варьировать ограничения на объем торгов, делая их более-менее жесткими. Но модели при фильтрации показали лучшие результаты с теми же 100% и 120% для первого и второго дня соответственно.

Таким образом, совмещение свечного анализа с анализом объема торгов увеличивает результативность моделей. Мы настоятельно рекомендуем устанавливать в моделях дополнительные ограничения на объем торгов. При этом увеличение результативности может быть усилено за счет фильтрации моделей техническими индикаторами.